CN103649910A - 虚拟机放置 - Google Patents

虚拟机放置 Download PDF

Info

Publication number
CN103649910A
CN103649910A CN201180072229.0A CN201180072229A CN103649910A CN 103649910 A CN103649910 A CN 103649910A CN 201180072229 A CN201180072229 A CN 201180072229A CN 103649910 A CN103649910 A CN 103649910A
Authority
CN
China
Prior art keywords
cos
task
criterion
rre
demand
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201180072229.0A
Other languages
English (en)
Inventor
S.M.P.施瓦
R.R.文卡特什
J.罗利亚
M.伊斯拉姆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hewlett Packard Development Co LP
Original Assignee
Hewlett Packard Development Co LP
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hewlett Packard Development Co LP filed Critical Hewlett Packard Development Co LP
Publication of CN103649910A publication Critical patent/CN103649910A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供了用于虚拟机放置的方法、设备以及具有存储在其上面的可执行指令的计算机可读介质。可以将用户对执行许多任务（每个任务包括需求追踪）的需求定义为服务级别协议（SLA）信息，包括由基础资源权利（BRE）准则和预留资源权利（RRE）准则定义的一个或多个服务类别（CoS）级别（222）。可以选择一个或多个CoS级别中的最高CoS级别（224），并且可以跨服务器池对该CoS级别内的任务进行负载平衡（226）。可以从所选CoS级别的需求追踪中去除RRE准则的至少一部分（228）。可以重复选择、负载平衡以及去除步骤直至不再有CoS级别为止（230）。

Description

虚拟机放置
背景技术
随着云系统对运行工作负载的日益增加的适应，各种企业设法通过最佳地使用资源来降低成本。云系统指的是通过使用计算机网络而链接的计算资源。管理云系统中的资源的一个方式是通过虚拟机（VM）的实现。VM提供任务或程序能够在其上面运行的硬件独立平台。VM能够提供用于运行批量或交互式作业的灵活性。能够通过向特定硬件资源分配VM来调度VM。
附图说明
图1图示出根据本公开的云系统。
图2是图示出根据本公开的用于虚拟机放置的方法的示例的流程图。
图3图示出根据本公开的用于虚拟机放置的方法的示例迭代。
图4图示出根据本公开的与处理资源通信以用于虚拟机放置的计算机可读介质的示例的框图。
具体实施方式
提供了用于虚拟机放置的方法、设备以及具有存储在其上面的可执行指令的计算机可读介质。可以将用户对执行许多任务（每个任务包括需求追踪（demand trace））的需求定义为服务级别协议（SLA）信息，包括由基础资源权利（BRE）准则和预留资源权利（RRE）准则定义的一个或多个服务类别（CoS）级别。可以选择一个或多个CoS级别中的最高CoS级别，并且可以跨服务器池对该CoS级别内的任务进行负载平衡。可以从所选CoS级别的需求追踪中去除RRE准则的至少一部分。可以重复选择、负载平衡以及去除步骤直至不再存在CoS级别为止。
附图尝试遵循其中第一数字对应于图号且其余数字标识图中的元件或部件的编号惯例。可以通过使用类似数字来标识不同图之间的类似元件或部件。在本文中的各种图中示出的元件能够被添加、交换和/或消除，从而提供本公开的许多附加示例。另外，在图中提供的元件的比例和相对标度意图图示出本公开的示例，并且不应以限制性意义来理解。
图1图示出根据本公开的云系统100。在云系统100中，能够通过网络106-1、106-2将服务器108或包括硬件平台的任何适当主机链接在一起。能够通过云管理系统104来管理跨云系统的任务、作业或程序的分配。任务能够例如在虚拟机（VM）110上运行。VM可以是操作系统（例如，Windows、Linux）内的独立操作系统。VM能够用软件或硬件来实现，虽然出于本公开的目的能够使用软件实现。VM能够使用服务器108的物理资源并提供硬件独立平台以运行任务。能够通过将VM跨服务器移动来组织VM以节约云资源。
在本公开的一个或多个示例中，分配给VM 110的每个任务可以包括对任务在过去使用的物理资源的资源需求的历史追踪。在示例中，每个任务可以包括任务的潜在未来资源需求的追踪。此类历史和潜在未来追踪在本文中被称为需求追踪。需求追踪可以包括历史追踪、潜在未来追踪和/或其组合。能够跨每个任务的多个段而划分每个任务的需求追踪。例如，能够跨支配资源使用的任务的不同准则来划分任务的需求追踪。此类准则可以包括但不限于基础资源权利（BRE）和/或预留资源权利（RRE）准则，如本文所讨论的。此外，每个任务的需求追踪能够支持跨服务器池的任务的负载平衡功能。
图2是图示出根据本公开的用于虚拟机放置的方法220的流程图。过程220能够在222处根据服务级别协议（SLA）来定义任务。SLA能够定义任务可访问的资源。在本公开的示例中，能够向VM分配任务。在一个或多个示例中，任务可以包括如本文所述的需求追踪。任务可以包括例如必须驻留变量。必须驻留变量包括无论负载平衡实施如何、支配任务在特定物理资源上的VM必须驻留的变量。
本公开的SLA可以包括服务类别（CoS）级别。CoS级别的示例包括但不限于白金、金以及银。CoS可以包括一个或多个级别。在本公开的示例中，CoS级别可以包括基础资源权利（BRE）准则和/或预留资源权利（RRE）准则。BRE准则能够定义可预期任务将使用的预留资源。RRE准则能够定义超出预期的可能需要的预留资源。包括BRE准则和RRE准则两者的任务最初能够在根据BRE为任务预留的资源下运行。如果在某点处确定任务要求更多资源，则能够使用根据RRE为任务预留的资源。例如，能够进行BRE与RRE之间的区别以与定价方案相对应。根据BRE准则，能够对预留的资源以固定价格收费。该固定价格能够独立于所使用的实际资源。根据RRE准则，能够基于每次使用对预留资源收费。例如，根据RRE准则所使用的资源越多，能够产生的成本就越多。根据定价方案，BRE资源能够比RRE资源更经济。
能够用状态和资源可用性值来定义BRE和RRE准则。状态可以是保证（guaranteed）、尽力而为基准（best effort basis）和/或其组合。例如，保证的状态能够提供在需要资源时资源是可用的。尽力而为基准状态例如能够提供当需要资源时资源将是可用的，如果存在未分配资源且如果较高优先级任务不要求该资源的话。例如，任务A和B正在运行，其中，任务A正在作为100%保证而运行且任务B正在作为100%尽力而为基准而运行。如果任务A正在使用资源且任务B需要同一资源，则任务B将不得不等待直到资源变得可用（例如，任务A停止运行）。然而，如果任务B正在使用资源且任务A需要同一资源，则任务B将让出（relinquish）该资源且任务A将使用该资源。也就是说，由于任务A是100%保证的，所以任务A将始终可访问所需资源。在本公开的一个或多个示例中，能够跨任务的准则来划分每个任务的需求追踪。例如，能够跨BRE准则、RRE准则和/或其组合来划分需求追踪。
能够使BRE和RRE准则与资源可用性值相关联。资源可用性能够基于所选的SLA。能够将资源可用性定义为资源在特定时间将可用的概率。该特定时间能够是例如请求资源以供使用的时间。例如，具有99.999%资源可用性的任务将在其请求的99.999%的时间具有该资源。也就是说，任务将在其请求的0.001%的时间必须等待资源。资源可用性值越大，资源在请求时将可用的可能性越大。
资源可用性还可以是按优先级计的因数。能够通过资源可用性来确定CoS级别内的任务之间的优先级。具有较高资源可用性的任务相比于具有较低资源可用性的任务而言能够被给定优先级。例如，被100%保证且具有99.999%资源可用性的任务相比于被100%保证且具有95.0%资源可用性的任务而言具有优先级。同样地，100%尽力而为基准且具有95.0%资源可用性的任务例如相比于100%尽力而为基准且具有90.0%资源可用性的任务具有优先级。然而，100%保证且具有95%资源可用性的任务相比于100%尽力而为基准且具有99.999%资源可用性的任务具有优先级，因为100%保证相比于100%尽力具有优先级，无论资源可用性如何。如果例如较高优先级任务满足资源可用性要求（例如，95%），则资源可以被较低优先级任务使用以确保较低优先级任务也满足可用性要求。如果较高优先级任务仅用于超过与客户达成协议的资源可用性，则较高优先级任务不需要始终可访问资源。在一个或多个示例中，客户能够选择实现准则保证状态、尽力而为基准状态和/或其组合。
例如，SLA能够具有三个CoS级别：白金；金；以及银。白金CoS能够定义为75%保证的BRE和25%保证的RRE，但是二者都具有99.999%的资源可用性。也就是说，能够将需求的75%说成是落在BRE内且25%在RRE内。例如，能够选择阈值，使得在阈值以下的所有需求对应于BRE，并且所有以上的那些对应于RRE。能够将此类阈值选择成使得可预期BRE需求的总合计为总需求的75%。在一个或多个示例中，能够使用需求的百分比来执行划分方法，使得需求的多达预期75%被认为是BRE，其中需求的预期75%以上的任何东西对应于RRE。金CoS能够定义为具有99.999%资源可用性的75%保证的BRE和具有95.0%资源可用性的25%尽力而为基准的RRE。银CoS能够具有50%尽力而为基准的BRE和50%尽力而为基准的RRE，二者都具有95.0%资源可用性。表1示出了本示例的概要。
表1：示例性SLA。  
SLA类型 基础资源权利 预留资源权利 资源可用性
白金 75% 保证 25% 保证 99.999%
金 75% 保证 25% 尽力而为 99.999%（BRE）/ 95.0%（RRE）
银 50% 尽力而为 50% 尽力而为 95.0%
一旦任务已被定义为SLA的CoS级别，则能够在步骤224处选择具有最高优先级的CoS级别。例如，白金CoS相比于金CoS能够具有优先级且金CoS相比于银CoS能够具有优先级。能够通过比较BRE和RRE准则来确定CoS之间的优先级。此外，作为100%保证状态的CoS级别例如相比于作为100%尽力而为状态的CoS级别具有优先级。例如，如果两个任务具有相同CoS级别和资源可用性，则能够随机地选择任务。
能够在步骤226处跨服务器池对所选CoS级别内的任务进行负载平衡。负载平衡能够是任务（例如，分配给VM的任务）跨服务器的分发，使得工作负载能够在服务器之中被共享。负载平衡能够例如包括向服务器池的服务器分配任务。例如，在负载平衡实施中，能够对先前已被分配给服务器的任务和正在被负载平衡的任务给予考虑。负载平衡例如可以包括分析每个任务的需求追踪，以确定所述许多任务跨服务器池的分布。
需求追踪能够指示任务所需的资源。需求追踪能够对应于任务且被用来表示负载平衡实施期间的任务的资源要求。能够使需求追踪与任务相关联并跨任务的BRE和RRE准则进行划分。在一个或多个示例中，在负载平衡之前，能够将服务器池的服务器中的一个或多个合并成作为云环境的一部分的一组服务器。
在228处，将许多任务的RRE准则的至少一部分从所选CoS级别内的所述许多任务的需求追踪中去除。在一个或多个示例中，能够在保持BRE准则的需求追踪的同时去除所选CoS级别的RRE准则的需求追踪。在示例中，去除任务的RRE准则的需求追踪不再解释其对物理服务器的需求，其任务必须驻留在该物理服务器处。在本公开的一个或多个示例中，从需求追踪中去除RRE准则能够基于资源可用性值。例如，能够将在阈值资源可用性值以下的RRE准则从需求追踪中去除。在示例中，阈值资源可用性值能够通过客户和/或影响特定CoS级别的定价加以选择。
在一个或多个示例中，RRE准则的双重预定能够在负载平衡期间发生。例如，双重预定可以是两个不同任务到同一资源（例如，服务器）的分配。此外，双重预定可以包括在负载平衡期间分配给服务器的多于一个的VM。双重预定能够通过允许两个任务共享同一资源分配来节约资源。例如，能够与第二任务一起对相比于第二任务具有优先级的第一任务进行双重预定以共享资源。当预期第一任务和第二任务将不会完全使用为其单独地预留的资源时，双重预定也能够节约资源。此外，双重预定不限于仅两个任务共享资源。能够将例如被定义为RRE的第一任务与被定义RRE的第二任务和被定义为RRE的第三任务一起进行双重预定。在不同示例中，能够将被定义为BRE的第一任务与被定义为RRE的第二任务和被定义为RRE任务的第三类一起进行双重预定。双重预定能够例如在RRE资源已被从需求跟踪中去除之后发生，因此允许在负载平衡实施期间向同一资源分配附加任务。
能够针对较低优先级CoS级别重复选择224、负载平衡226以及去除228步骤，直至在步骤230处不再有CoS级别。例如，当随后对较低优先级CoS级别进行负载平衡时，被分配必须驻留变量的较高CoS级别的任务确保在已分配资源处仍预留准则。在一个或多个示例中，已被从需求追踪中去除的RRE准则在后续较低CoS级别负载平衡期间被双重预定，因为所分配的资源，CoS级别RRE准则越高。
图3图示出根据本公开的用于虚拟机放置的方法的示例迭代340。在图3中，BREG-1中的下标包含字母和数字。下标中的字母表示保证状态。‘G’表示保证且‘B’表示尽力而为基准。下标中的数字表示任务。数字‘1’表示第一任务，数字‘2’表示第二任务，数字‘3’表示第三任务，并且数字‘4’表示第四任务。RREG-1表示为被保证且从第一任务得出的RRE。BREB-3表示为尽力而为基准且从第三任务得出的BRE。RREB-2表示为尽力而为基准且从第二任务得出的RRE。
在图3中，向VM分配四个任务。第一任务在白金CoS中，具有BREG-1和RREG-1。下标G表示准则是保证状态。下标1在本示例中表示准则与之相关联的任务。VM1 342包含第一任务的BREG-1部分和第一任务的RREG-1部分。第二任务被定义在金CoS内，具有作为保证状态的BREG-2和作为尽力而为基准状态的RREB-2，用B下标来表示。VM2 346包括第二任务的BREG-2和RREB-2准则。第三任务在银CoS内，具有作为尽力而为基准状态的BREB-3。VM3 350是第三任务。第四任务在银CoS级别内，具有作为尽力而为基准状态的BREB-4。VM4 352是第四任务。当前示例还包括用来托管VM的两个服务器：主机1 354和主机2 356。
在本公开的第一迭代期间，能够选择白金CoS，因为其具有最高优先级CoS级别。在图3中，白金CoS包含分配给VM1 342的第一任务。VM1是跨服务器负载平衡的。在图3中，VM1被分配给主机1 354，包括任务1、任务1的必须驻留变量以及跨BREG-1和RREG-1划分的任务1的需求追踪。一旦已分配了VM1，则将白金CoS级别内的RRE准则从需求追踪中去除。也就是说，去除RRE资源的需求追踪以用于后续负载平衡阶段，使得能够进行RRE资源的双重预定。RRE资源被去除，因为任务可以不使用该资源，因此，能够针对具有较低优先级任务的需求对该资源进行双重预定。BRE准则未被从需求追踪中去除。由于存在剩余的两个或更多CoS级别，所以重复该方法（例如，图2，224）。
在本公开的第二迭代期间，选择金CoS级别。金CoS级别包含VM2 346上的第二任务。VM2保持第二任务的BREG-2和RREB-2准则。VM2是负载平衡的且被分配给主机2 356。VM2 346上的第二任务包括跨BREG-2和RREB-2准则划分的必须驻留变量和需求追踪。为了后续负载平衡实施，通过去除RREB-2准则的需求追踪来更新金CoS级别任务的需求追踪。如图3中所描绘的，金CoS级别的后续负载平衡实施不会重新分配VM1。VM1由于VM1上的任务1的必须驻留变量而未被重新分配给不同的服务器。由于存在剩余的一个或多个CoS级别，所以重复所述方法，选择最后的CoS级别，银。
在本公开的第三迭代期间，选择银CoS级别。银CoS包含两个任务：第三任务和第四任务。VM3 350保持具有BREB-3准则的第三任务。VM4 352保持具有RREB-4准则的第四任务。任务3和4每个包括必须驻留变量和需求追踪。在负载平衡步骤中，将VM3分配给主机1 354并将VM4分配给主机2 356。VM3 350被与VM1 342一起双重预定。VM1和VM3的双重预定是可能的，因为RREG-1的需求追踪先前被去除。VM4 352被与VM2 346一起双重预定。VM 2与VM 4的双重预定是可能的，因为RREB-2的需求追踪被去除。主机2 356内的被VM4占用的资源的需求追踪被去除，因为其为RRE准则。由于不再有CoS级别，所以该方法结束（例如，图2，240）。
在一个或多个示例中，任务内的准则的状态可以是客户定义的。关于准则应是什么状态的判定可以例如包括但不限于成本考虑、资源可用性考虑、与准则相关联的任务的优先级和/或其组合等。
图4图示出与计算设备468、例如Java应用服务器通信的计算机可读介质（CRM）462的示例的框图460，计算设备468具有比470-1、470-2...470-N更多或更少的处理器资源，其与存储一组计算机可读指令464的有形非临时计算机可读介质（CRM）462通信和/或将其接收，该组计算机可读指令464可被处理器资源（例如，470-1、470-2...470-N）中的一个或多个执行以用于SLA感知VM放置，如本文所述。计算设备可以包括存储器资源472，并且可以将处理器资源470-1、470-2...470-N耦合到存储器资源472。
处理器资源能够执行存储在内部或外部非临时计算机可读介质462上的计算机可读指令464。本文所使用的非临时计算机可读介质（例如，计算机可读介质462）可以包括易失性和/或非易失性存储器。除了其他的之外，易失性存储器可以包括取决于功率以存储信息的存储器，诸如各种类型的动态随机存取存储器（DRAM）。非易失性存储器可以包括不取决于功率以存储信息的存储器。非易失性存储器的示例可以包括固态介质，诸如闪速存储器、EEPROM、相变随机存取存储器（PCRAM）、磁存储器，诸如硬盘、磁带驱动器、软盘和/或磁带存储器、光盘、数字视频光盘（DVD）、高清晰度数字多功能光盘（HD DVD）、紧致盘（CD）和/或固态驱动器（SSD）、闪速存储器等以及其他类型的机器可读介质。
存储指令可以是安装程序或安装包。如果存储指令是安装包，则例如能够由服务器来管理非临时计算机可读介质，使得能够下载该安装包。非临时计算机可读介质还可以是便携式介质，诸如DVD、CD、闪速驱动器等。
非临时计算机可读介质462可以是与计算设备成一整体或以有线或无线方式通信耦合到计算设备。例如，非临时计算机可读介质可以是内部存储器、便携式存储器、便携式磁盘或位于另一计算资源内部的存储器（例如，使得能够通过因特网来下载计算机可读指令）。
CRM 462能够经由通信路径466与处理器资源（例如，470-1、470-2...470-N）通信。通信路径466能够在与处理器资源470-1、470-2...470-N相关联的机器的本地或远程。本地通信路径466的示例可以包括在机器、诸如计算机内部的电子总线，其中，CRM 462是经由电子总线与处理器资源（例如，470-1、470-2...470-N）通信的易失性、非易失性、固定和/或可移动存储介质中的一个。此类电子总线的示例可以包括行业标准架构（ISA）、外围部件互连（PCI）、高级技术附件（ATA）、小型计算机系统接口（SCSI）、串行通用总线（USB）以及其他类型的电子总线及其变体。
通信路径466能够在使得CRM 462远离处理器资源（例如，470-1、470-2...470-N），诸如在CRM 462与处理器资源（例如，470-1、470-2...470-N）之间的网络连接的示例中。也就是说，通信路径466可以是网络连接。除了其他的之外，此类网络连接的示例可以包括局域网（LAN）、广域网（WAN）、个人局域网（PAN）以及因特网。在此类示例中，可以使CRM 462与第一计算设备相关联且可以使处理器资源（例如，470-1、470-2...470-N）与第二计算设备（例如，Java应用服务器）相关联。
在示例中，耦合到存储器472的处理器资源470-1、470-2...470-N能够接收用以放置VM的请求。能够确定用于VM的资源要求。能够查阅需求追踪以确定用于VM的下一个可用主机。然后能够将VM放置在所选主机上。能够将VM分配给主机。能够通过去除不再可用的资源来更新需求追踪。然后能够通过向其添加能够被双重预定的资源来更新需求追踪。
虽然在本文中已经图示出和描述了特定示例，但本领域的技术人员将认识到的是可以用计划实现相同结果的装置来代替所示的特定示例。应理解的是以上描述是以说明性方式而非限制性方式进行的。在本说明书中所阐述的示例并不意图是限制性的且仅仅阐述用于要求保护的用于资源技术合规最优化的系统和方法的许多可能示例中的一些。

Claims (15)

1.一种用于服务级别协议感知虚拟机放置的方法，包括：
将用户对许多任务的执行的需求定义为服务级别协议（SLA）信息，每个任务包括需求追踪，SLA由一个或多个服务类别（CoS）级别组成，其中所述一个或多个CoS级别中的每一个都由基础资源权利（BRE）准则和预留资源权利（RRE）准则定义；
选择所述一个或多个CoS级别中的最高CoS级别；
使所选CoS级别内的所述许多任务跨服务器池负载平衡；
将所述许多任务的RRE准则的至少一部分从所选CoS级别的需求追踪中去除；以及
重复选择、负载平衡以及去除直至不再有CoS级别。
2.如权利要求1所述的方法，包括：
向虚拟机分配所述许多任务中的每一个。
3.权利要求1的方法，包括跨每个任务的BRE准则和RRE准则划分每个任务的需求追踪。
4.权利要求1的方法，其中，使所述许多任务负载平衡包括分析每个任务的需求追踪以确定所述许多任务跨服务器池的分布。
5.权利要求1的方法，其中，使得所选CoS级别内的任务负载平衡包括对RRE准则进行双重预定。
6.权利要求1的方法，其中，去除所选CoS级别内的RRE准则的至少一部分的需求追踪还包括使RRE的该部分的去除以历史资源使用数据为基础。
7.权利要求1的方法，包括在负载平衡之前将一个或多个服务器合并成作为云环境的一部分的一组服务器。
8.一种包括存储在其上面的计算机可读指令的非临时计算机可读介质，该计算机可读指令在被一个或多个处理器执行时促使一个或多个处理器：
将用户对许多任务的执行的需求定义为服务级别协议（SLA）信息，每个任务包括需求追踪，SLA由一个或多个服务类别（CoS）级别组成，其中所述一个或多个CoS级别中的每一个由基础资源权利（BRE）准则和预留资源权利（RRE）准则定义；
指定每个CoS级别的BRE和RRE准则的状态；
将所述许多任务分配给许多虚拟机（VM）；
从所述许多VM中选择具有最高优先级CoS级别的VM；
使所选VM跨服务器池负载平衡；
去除所选VM的RRE准则的至少一部分的需求追踪；以及
重复选择、负载平衡和去除指令，直至不再有VM要从所述许多VM中选择。
9.权利要求8的非临时计算机可读介质，包括存储在其上面的计算可读指令，其在被一个或多个处理器执行时促使所述许多处理器：
如果服务器具有在需求追踪的至少一部分被去除的情况下分配的VM，则将多于一个VM负载平衡至服务器。
10.权利要求8的非临时计算机可读介质，其中，所述BRE准则和所述RRE准则中的每一个的状态包含保证状态或尽力而为基准状态。
11.权利要求8的非临时计算机可读介质，包括存储在其上面的计算可读指令，其在被一个或多个处理器执行时促使所述一个或多个处理器：
为BRE准则和RRE准则每个分配资源可用性值。
12.权利要求11的非临时计算机可读介质，其中，用以去除所选VM的所述一部分的需求追踪的指令包括如果分配的RRE准则的资源可用性值在阈值资源可用性值以下则去除该部分的需求追踪的指令。
13.一种用于服务级别协议感知虚拟机放置的系统，包括：
存储器，可操作用于存储可执行指令；以及
处理器，被耦合到存储器，其中，所述处理器执行指令以：
将用户对许多任务的执行的需求定义为服务级别协议（SLA）信息，每个任务包括需求追踪和必须驻留变量，SLA由一个或多个服务类别（CoS）级别组成，其中所述一个或多个CoS级别中的每一个由基础资源权利（BRE）准则和预留资源权利（RRE）准则定义；
跨每个任务的BRE准则和RRE准则划分每个任务的需求追踪；
指定每个CoS级别的BRE和RRE准则的状态；
选择所述一个或多个CoS级别中的最高CoS级别；
使所选CoS级别内的许多任务跨服务器池负载平衡；
将许多任务的RRE准则的至少一部分从所选CoS级别的需求追踪中去除；以及
重复选择、负载平衡以及去除直至不再有CoS级别。
14.权利要求13的系统，其中，所述必须驻留变量确保具有BRE准则的任务不止一次跨服务器池未负载平衡。
15.权利要求13的系统，其中，所述许多CoS级别表示用于用户的许多价格点。
CN201180072229.0A 2011-07-11 2011-07-11 虚拟机放置 Pending CN103649910A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2011/043537 WO2013009287A1 (en) 2011-07-11 2011-07-11 Virtual machine placement

Publications (1)

Publication Number Publication Date
CN103649910A true CN103649910A (zh) 2014-03-19

Family

ID=47506331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180072229.0A Pending CN103649910A (zh) 2011-07-11 2011-07-11 虚拟机放置

Country Status (4)

Country Link
US (1) US9407514B2 (zh)
EP (1) EP2732368A4 (zh)
CN (1) CN103649910A (zh)
WO (1) WO2013009287A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019091387A1 (en) * 2017-11-09 2019-05-16 Huawei Technologies Co., Ltd. Method and system for provisioning resources in cloud computing
CN111258745A (zh) * 2018-11-30 2020-06-09 华为终端有限公司 一种任务处理方法及设备

Families Citing this family (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9952909B2 (en) * 2012-06-20 2018-04-24 Paypal, Inc. Multiple service classes in a shared cloud
US9602426B2 (en) * 2013-06-21 2017-03-21 Microsoft Technology Licensing, Llc Dynamic allocation of resources while considering resource reservations
US20150089062A1 (en) * 2013-09-25 2015-03-26 Virtual Bridges, Inc. Methods and systems for dynamically specializing and re-purposing computer servers in an elastically scaling cloud computing infrastructure
US9912609B2 (en) 2014-08-08 2018-03-06 Oracle International Corporation Placement policy-based allocation of computing resources
US9961017B2 (en) 2014-08-08 2018-05-01 Oracle International Corporation Demand policy-based resource management and allocation system
US10693946B2 (en) 2014-09-16 2020-06-23 Amazon Technologies, Inc. Instance backed mobile devices
US9256467B1 (en) * 2014-11-11 2016-02-09 Amazon Technologies, Inc. System for managing and scheduling containers
US10715460B2 (en) * 2015-03-09 2020-07-14 Amazon Technologies, Inc. Opportunistic resource migration to optimize resource placement
US9916233B1 (en) 2015-03-27 2018-03-13 Amazon Technologies, Inc. Using containers for update deployment
US10298259B1 (en) 2015-06-16 2019-05-21 Amazon Technologies, Inc. Multi-layered data redundancy coding techniques
US10977128B1 (en) 2015-06-16 2021-04-13 Amazon Technologies, Inc. Adaptive data loss mitigation for redundancy coding systems
US10270475B1 (en) 2015-06-16 2019-04-23 Amazon Technologies, Inc. Layered redundancy coding for encoded parity data
US10270476B1 (en) 2015-06-16 2019-04-23 Amazon Technologies, Inc. Failure mode-sensitive layered redundancy coding techniques
US9998150B1 (en) 2015-06-16 2018-06-12 Amazon Technologies, Inc. Layered data redundancy coding techniques for layer-local data recovery
WO2016204804A1 (en) * 2015-06-16 2016-12-22 Hewlett-Packard Development Company, L.P. Virtualized network function monitoring
US10609122B1 (en) 2015-06-29 2020-03-31 Amazon Technologies, Inc. Instance backed building or place
US11061969B1 (en) 2015-06-29 2021-07-13 Amazon Technologies, Inc. Instance backed mobile devices with multiple instances
US9959167B1 (en) 2015-07-01 2018-05-01 Amazon Technologies, Inc. Rebundling grid encoded data storage systems
US10089176B1 (en) 2015-07-01 2018-10-02 Amazon Technologies, Inc. Incremental updates of grid encoded data storage systems
US10394762B1 (en) 2015-07-01 2019-08-27 Amazon Technologies, Inc. Determining data redundancy in grid encoded data storage systems
US10198311B1 (en) 2015-07-01 2019-02-05 Amazon Technologies, Inc. Cross-datacenter validation of grid encoded data storage systems
US10162704B1 (en) 2015-07-01 2018-12-25 Amazon Technologies, Inc. Grid encoded data storage systems for efficient data repair
US9998539B1 (en) 2015-07-01 2018-06-12 Amazon Technologies, Inc. Non-parity in grid encoded data storage systems
US10108819B1 (en) 2015-07-01 2018-10-23 Amazon Technologies, Inc. Cross-datacenter extension of grid encoded data storage systems
US9690622B1 (en) 2015-08-24 2017-06-27 Amazon Technologies, Inc. Stateless instance backed mobile devices
US10911404B1 (en) 2015-08-24 2021-02-02 Amazon Technologies, Inc. Attribute based authorization
US9928141B1 (en) 2015-09-21 2018-03-27 Amazon Technologies, Inc. Exploiting variable media size in grid encoded data storage systems
US11386060B1 (en) 2015-09-23 2022-07-12 Amazon Technologies, Inc. Techniques for verifiably processing data in distributed computing systems
US9940474B1 (en) 2015-09-29 2018-04-10 Amazon Technologies, Inc. Techniques and systems for data segregation in data storage systems
US10782990B1 (en) 2015-11-24 2020-09-22 Amazon Technologies, Inc. Container telemetry
US10394789B1 (en) 2015-12-07 2019-08-27 Amazon Technologies, Inc. Techniques and systems for scalable request handling in data processing systems
US10642813B1 (en) 2015-12-14 2020-05-05 Amazon Technologies, Inc. Techniques and systems for storage and processing of operational data
US10248793B1 (en) 2015-12-16 2019-04-02 Amazon Technologies, Inc. Techniques and systems for durable encryption and deletion in data storage systems
US10127105B1 (en) 2015-12-17 2018-11-13 Amazon Technologies, Inc. Techniques for extending grids in data storage systems
US10235402B1 (en) 2015-12-17 2019-03-19 Amazon Technologies, Inc. Techniques for combining grid-encoded data storage systems
US10180912B1 (en) 2015-12-17 2019-01-15 Amazon Technologies, Inc. Techniques and systems for data segregation in redundancy coded data storage systems
US10324790B1 (en) 2015-12-17 2019-06-18 Amazon Technologies, Inc. Flexible data storage device mapping for data storage systems
US10102065B1 (en) 2015-12-17 2018-10-16 Amazon Technologies, Inc. Localized failure mode decorrelation in redundancy encoded data storage systems
US10261782B2 (en) 2015-12-18 2019-04-16 Amazon Technologies, Inc. Software container registry service
US10032032B2 (en) 2015-12-18 2018-07-24 Amazon Technologies, Inc. Software container registry inspection
US10002247B2 (en) 2015-12-18 2018-06-19 Amazon Technologies, Inc. Software container registry container image deployment
US10592336B1 (en) 2016-03-24 2020-03-17 Amazon Technologies, Inc. Layered indexing for asynchronous retrieval of redundancy coded data
US10366062B1 (en) 2016-03-28 2019-07-30 Amazon Technologies, Inc. Cycled clustering for redundancy coded data storage systems
US10061668B1 (en) 2016-03-28 2018-08-28 Amazon Technologies, Inc. Local storage clustering for redundancy coded data storage system
US10678664B1 (en) 2016-03-28 2020-06-09 Amazon Technologies, Inc. Hybridized storage operation for redundancy coded data storage systems
US10135837B2 (en) 2016-05-17 2018-11-20 Amazon Technologies, Inc. Versatile autoscaling for containers
US10157083B2 (en) * 2016-09-14 2018-12-18 Microsoft Technology Licensing, Llc Outage detection and compute resource protection in a computer service environment
US11137980B1 (en) 2016-09-27 2021-10-05 Amazon Technologies, Inc. Monotonic time-based data storage
US10657097B1 (en) 2016-09-28 2020-05-19 Amazon Technologies, Inc. Data payload aggregation for data storage systems
US10496327B1 (en) 2016-09-28 2019-12-03 Amazon Technologies, Inc. Command parallelization for data storage systems
US10810157B1 (en) 2016-09-28 2020-10-20 Amazon Technologies, Inc. Command aggregation for data storage operations
US10437790B1 (en) 2016-09-28 2019-10-08 Amazon Technologies, Inc. Contextual optimization for data storage systems
US11281624B1 (en) 2016-09-28 2022-03-22 Amazon Technologies, Inc. Client-based batching of data payload
US11204895B1 (en) 2016-09-28 2021-12-21 Amazon Technologies, Inc. Data payload clustering for data storage systems
US10614239B2 (en) 2016-09-30 2020-04-07 Amazon Technologies, Inc. Immutable cryptographically secured ledger-backed databases
US10412022B1 (en) 2016-10-19 2019-09-10 Amazon Technologies, Inc. On-premises scaling using a versatile scaling service and an application programming interface management service
US10296764B1 (en) 2016-11-18 2019-05-21 Amazon Technologies, Inc. Verifiable cryptographically secured ledgers for human resource systems
US10409642B1 (en) 2016-11-22 2019-09-10 Amazon Technologies, Inc. Customer resource monitoring for versatile scaling service scaling policy recommendations
US11269888B1 (en) 2016-11-28 2022-03-08 Amazon Technologies, Inc. Archival data storage for structured data
US10554577B2 (en) * 2017-03-14 2020-02-04 International Business Machines Corporation Adaptive resource scheduling for data stream processing
US11140455B1 (en) 2017-06-09 2021-10-05 Amazon Technologies, Inc. Video encoder network sandboxing
US10691488B2 (en) 2017-12-01 2020-06-23 International Business Machines Corporation Allocating jobs to virtual machines in a computing environment
US10733070B2 (en) * 2018-03-29 2020-08-04 Bank Of America Corporation Executing test scripts with respect to a server stack
US11121981B1 (en) 2018-06-29 2021-09-14 Amazon Technologies, Inc. Optimistically granting permission to host computing resources
US10942769B2 (en) * 2018-11-28 2021-03-09 International Business Machines Corporation Elastic load balancing prioritization
US11669365B1 (en) 2019-08-26 2023-06-06 Amazon Technologies, Inc. Task pool for managed compute instances
US11256493B1 (en) 2020-11-03 2022-02-22 Bank Of America Corporation Container image optimizer
US11704609B2 (en) * 2021-06-10 2023-07-18 Bank Of America Corporation System for automatically balancing anticipated infrastructure demands

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1527538A (zh) * 2003-03-05 2004-09-08 北京全向科技有限公司 动态用户优先级管理的方法
US20070233838A1 (en) * 2006-03-30 2007-10-04 Hitachi, Ltd. Method for workload management of plural servers
US20080028409A1 (en) * 2006-07-25 2008-01-31 Ludmila Cherkasova System and method for determining allocation of resource access demands to different classes of service based at least in part on permitted degraded performance
US20080271039A1 (en) * 2007-04-30 2008-10-30 Jerome Rolia Systems and methods for providing capacity management of resource pools for servicing workloads
US20090150400A1 (en) * 2007-12-06 2009-06-11 Suhayya Abu-Hakima Processing of network content and services for mobile or fixed devices
US7698430B2 (en) * 2005-03-16 2010-04-13 Adaptive Computing Enterprises, Inc. On-demand compute environment

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6119174A (en) * 1998-10-13 2000-09-12 Hewlett-Packard Company Methods and apparatus for implementing quality-of-service guarantees in data storage systems
US7748005B2 (en) * 2000-01-28 2010-06-29 Hewlett-Packard Development Company, L.P. System and method for allocating a plurality of resources between a plurality of computing domains
US20020065864A1 (en) * 2000-03-03 2002-05-30 Hartsell Neal D. Systems and method for resource tracking in information management environments
US20050188075A1 (en) * 2004-01-22 2005-08-25 International Business Machines Corporation System and method for supporting transaction and parallel services in a clustered system based on a service level agreement
US9135074B2 (en) * 2005-05-19 2015-09-15 Hewlett-Packard Development Company, L.P. Evaluating performance of workload manager based on QoS to representative workload and usage efficiency of shared resource for plurality of minCPU and maxCPU allocation values
US8103486B1 (en) * 2005-06-07 2012-01-24 Hewlett-Packard Development Company, L.P. Determining feasible variations for assigning applications to resources
US7668703B1 (en) * 2005-06-07 2010-02-23 Hewlett-Packard Development Company, L.P. Determining required capacity for a resource
US8429630B2 (en) * 2005-09-15 2013-04-23 Ca, Inc. Globally distributed utility computing cloud
US20070204266A1 (en) 2006-02-28 2007-08-30 International Business Machines Corporation Systems and methods for dynamically managing virtual machines
US8024737B2 (en) * 2006-04-24 2011-09-20 Hewlett-Packard Development Company, L.P. Method and a system that enables the calculation of resource requirements for a composite application
US8104041B2 (en) * 2006-04-24 2012-01-24 Hewlett-Packard Development Company, L.P. Computer workload redistribution based on prediction from analysis of local resource utilization chronology data
US8862734B2 (en) * 2006-10-25 2014-10-14 Hewlett-Packard Development Company, L.P. System and method for selectively controlling the addition of reserve computing capacity
US8255915B1 (en) * 2006-10-31 2012-08-28 Hewlett-Packard Development Company, L.P. Workload management for computer system with container hierarchy and workload-group policies
US8291411B2 (en) 2007-05-21 2012-10-16 International Business Machines Corporation Dynamic placement of virtual machines for managing violations of service level agreements (SLAs)
US8972978B2 (en) 2008-05-02 2015-03-03 Skytap Multitenant hosted virtual machine infrastructure
TWI397010B (zh) 2008-12-10 2013-05-21 Inst Information Industry Virtual machine module scheduling, scheduling methods and computer program products
US8214829B2 (en) 2009-01-15 2012-07-03 International Business Machines Corporation Techniques for placing applications in heterogeneous virtualized systems while minimizing power and migration cost
US8448181B2 (en) * 2009-01-30 2013-05-21 Hewlett-Packard Development Company, L.P. Sizing an infrastructure configuration optimized for a workload mix
US8291416B2 (en) * 2009-04-17 2012-10-16 Citrix Systems, Inc. Methods and systems for using a plurality of historical metrics to select a physical host for virtual machine execution
US20110004500A1 (en) * 2009-07-06 2011-01-06 Microsoft Corporation Allocating a resource based on quality-of-service considerations
US8910153B2 (en) * 2009-07-13 2014-12-09 Hewlett-Packard Development Company, L. P. Managing virtualized accelerators using admission control, load balancing and scheduling
US9063769B2 (en) * 2010-02-04 2015-06-23 Telefonaktiebolaget Lm Ericsson (Publ) Network performance monitor for virtual machines
US20120296852A1 (en) * 2011-05-20 2012-11-22 Daniel Juergen Gmach Determining workload cost
US8959523B2 (en) * 2012-03-30 2015-02-17 International Business Machines Corporation Automated virtual machine placement planning using different placement solutions at different hierarchical tree levels
US20150143366A1 (en) * 2012-06-29 2015-05-21 Shiva Prakash Suragi Math Optimizing placement of virtual machines

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1527538A (zh) * 2003-03-05 2004-09-08 北京全向科技有限公司 动态用户优先级管理的方法
US7698430B2 (en) * 2005-03-16 2010-04-13 Adaptive Computing Enterprises, Inc. On-demand compute environment
US20070233838A1 (en) * 2006-03-30 2007-10-04 Hitachi, Ltd. Method for workload management of plural servers
US20080028409A1 (en) * 2006-07-25 2008-01-31 Ludmila Cherkasova System and method for determining allocation of resource access demands to different classes of service based at least in part on permitted degraded performance
US20080271039A1 (en) * 2007-04-30 2008-10-30 Jerome Rolia Systems and methods for providing capacity management of resource pools for servicing workloads
US20090150400A1 (en) * 2007-12-06 2009-06-11 Suhayya Abu-Hakima Processing of network content and services for mobile or fixed devices

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019091387A1 (en) * 2017-11-09 2019-05-16 Huawei Technologies Co., Ltd. Method and system for provisioning resources in cloud computing
US11206193B2 (en) 2017-11-09 2021-12-21 Futurewei Technologies, Inc. Method and system for provisioning resources in cloud computing
CN111258745A (zh) * 2018-11-30 2020-06-09 华为终端有限公司 一种任务处理方法及设备
CN111258745B (zh) * 2018-11-30 2023-11-17 花瓣云科技有限公司 一种任务处理方法及设备

Also Published As

Publication number Publication date
WO2013009287A1 (en) 2013-01-17
EP2732368A4 (en) 2015-01-14
US9407514B2 (en) 2016-08-02
EP2732368A1 (en) 2014-05-21
US20140149986A1 (en) 2014-05-29

Similar Documents

Publication Publication Date Title
CN103649910A (zh) 虚拟机放置
US9715408B2 (en) Data-aware workload scheduling and execution in heterogeneous environments
Peng et al. Optimus: an efficient dynamic resource scheduler for deep learning clusters
US10754704B2 (en) Cluster load balancing based on assessment of future loading
CN105988872B (zh) 一种cpu资源分配的方法、装置及电子设备
CN107295090B (zh) 一种资源调度的方法和装置
US10977086B2 (en) Workload placement and balancing within a containerized infrastructure
Polo et al. Performance-driven task co-scheduling for mapreduce environments
JP6240309B2 (ja) 仮想ディスクの入出力ポートをスケジューリングするための方法およびデバイス
US9785472B2 (en) Computing cluster performance simulation using a genetic algorithm solution
US11693698B2 (en) System and method for infrastructure scaling
CN109791532A (zh) 分散计算系统中的功率管理
EP2867771A1 (en) Optimizing placement of virtual machines
US20150355943A1 (en) Weighted stealing of resources
CN104484220A (zh) 虚拟化集群的动态资源调度的方法及装置
WO2016040699A1 (en) Computing instance launch time
US9547520B1 (en) Virtual machine load balancing
US20170093966A1 (en) Managing a shared pool of configurable computing resources having an arrangement of a set of dynamically-assigned resources
US10310884B2 (en) Virtual machine placement in a heterogeneous data center
CN110543352B (zh) 调度系统的任务分配方法及其相关的装置
Rathinaraja et al. Dynamic ranking-based MapReduce job scheduler to exploit heterogeneous performance in a virtualized environment
US8548881B1 (en) Credit optimization to minimize latency
Thanasias et al. VM capacity-aware scheduling within budget constraints in IaaS clouds
US10230664B1 (en) Strategic resource allocation in a web-based computing system
US11017417B1 (en) Using incentives to manage computing resources

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140319