CN103701934A - 一种资源优化调度方法及虚拟机宿主机优化选择方法 - Google Patents
一种资源优化调度方法及虚拟机宿主机优化选择方法 Download PDFInfo
- Publication number
- CN103701934A CN103701934A CN201410014417.3A CN201410014417A CN103701934A CN 103701934 A CN103701934 A CN 103701934A CN 201410014417 A CN201410014417 A CN 201410014417A CN 103701934 A CN103701934 A CN 103701934A
- Authority
- CN
- China
- Prior art keywords
- resource
- queue
- information
- user
- configuration
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000010187 selection method Methods 0.000 title abstract 2
- 238000005457 optimization Methods 0.000 claims description 12
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Abstract
提供一种资源优化调度方法,能够根据当前数据中心中所有物理机资源上剩余可用的资源值序列、用户此次调度请求的资源大小值确定最终的调度序列,还提供一种基于业务类别特征的虚拟机宿主机优化选择方法,利用所述一种资源调度优化方法,通过分析用户虚拟机资源申请调度记录模块中所属不同业务类别的已有用户虚拟机申请配置及资源调度信息,为新用户推荐最优化的虚拟机配置,并自动选择宿主机进行配置。所述方法能够保证用户虚拟机配置申请的高效合理性,提高资源配置和其所申请的业务的相关性,提升资源利用率。
Description
技术领域
本发明涉及资源调度技术领域,具体涉及云操作系统下的资源优化调度和选择方法。
背景技术
当前,云计算逐渐被行业认可,云数据中心操作系统逐渐实现并付诸于实践。如何保证数据中心资源的高效利用,是衡量一个云计算操作系统是否高效的关键。而虚拟机既是云计算操系统中核心的业务逻辑单元和载体,同时也是资源分配的基本逻辑单位,虚拟机资源的高效合理分配对于数据中心资源利用率的提升有着重要的作用。
大多数同类系统在虚拟机宿主机选择时,只考虑用户自主设定的选择(而用户往往对某些业务类别对资源的需求配置状况也不是很了解),没有考虑不同业务类别下对于不同资源因素如CPU、内存等的不同要求,导致了虚拟机资源申请配置信息不合理,物理宿主机资源利用率不高的问题。
发明内容
为了保证用户虚拟机配置申请的高效合理性,提高资源配置和其所申请的业务的相关性,提升资源利用率,我们提出了云计算操作系统中的一种资源优化调度方法。所述方法包括:
S1:获取输入的所述剩余可用的资源值序列M={m1,m2,…,mn}和所述用户此次调度请求的资源值Q;
S2:依次取M中的记录mi,其中i=1,2,……n,与Q做差值,得到一个差值队列;
S3:判断得到的所述差值队列中的值是否全为负值;若否,进入步骤S4;否则,进入步骤S5;
S4:将所述差值队列中第一个大于等于0的值所对应的资源值记录至最优资源队列中,记为{[P1,N1],…,[Pi,Ni]},其中,Pi代表资源信息,Ni代表该资源信息的配置数量,接着进入步骤S9;
S5:判断资源队列是否为空,若否,则取上步骤S2中得到的所述差值队列中值最大的记录Li,将其对应的mi所对应的资源值记录至最优资源队列中,记为{[P1,N1],…,[Pi,Ni]},其中,Pi代表资源信息,Ni代表该资源信息的配置数量,接着进入步骤S6;否则,进入步骤S8;
S6:从M中删掉步骤S5中已经记录至最优资源队列中的资源值,得到更新后的剩余可用的资源值序列;
S7:将更新后的剩余可用的资源值序列中记录的资源值与步骤S5中得到的Li的绝对值作差,得到一新的差值队列,进入步骤S3;
S8:获取目标资优化队列失败,向信息提示模块发送失败信息;方法结束;
S9:输出目标资源最优队列,并向信息提示模块发送成功信息;方法结束。
本发明的另外一个实施例还提供一种基于业务类别特征的虚拟机宿主机优化选择方法,所述方法包括:
S1:用户进入云操作系统门户,输入该次申请的业务类别;判断是否是新业务类别,若是,进入步骤S2,否则进入步骤S4;
S2:根据预设的类别-虚拟机推荐配置模块中的记录,推荐合理的虚拟机配置;
S3:根据所述虚拟机配置,随机选择资源池中一未被配置使用的物理机资源进行配置;完成后,更新用户虚拟机申请配置信息记录模块和用户资源调度模块中的信息记录,方法结束;
S4:进入用户资源调度记录模块,获取该业务类别下已有用户资源历史调度信息记录,获得该业务类别下所有用户的“平均”配置信息详单,作为向该用户推荐的配置详单,记为:[C,M],其中C和M分别代表CPU资源和内存资源;
S5:根据所述用户资源调度记录模块记录的信息,分别获取与该业务相关的物理机CPU资源队列Pc={c1,c2,,…cn}和与该业务相关的物理机内存资源队列Pm={m1,m2,…,mn},其中ci和mi分别表示标号为i的物理机上剩余的CPU资源和内存资源,其中i=1,2,……,n;
S6:针对步骤S5得到的队列Pc调用权利要求1所述方法进行处理,判断获取CPU资源最优物理机队列是否成功;若是,则得到CPU资源最优物理机队列,记为D;若否,则随机从资源池中选择一未被配置的物理机资源,并将记录为CPU资源最优物理机队列D中;
S7:判断队列D中记录的内存资源是否满足用户此次调度请求的内存资源值的要求,若是,则表明队列D可同时满足CPU资源和内存资源的分配需求,进入步骤S8;若否,进入步骤S9;
S8:根据所述队列D记录的信息配置用户申请的虚拟机,记录并更新用户虚拟机申请配置信息记录模块和用户资源调度记录模块中的记录,方法结束;
S9:删除内存资源队列Pm与队列D中重复的信息,得一更新后的内存资源队列Pm’,同时,将所述用户此次调度请求的内存资源值与队列D中记录的各个物理机的剩余内存资源之和作差,得到最新的内存比较值M1;
S10:对步骤S9中得到的内存资源队列Pm’调用权利要求1所述的方法进行处理,其中输入为内存资源队列Pm’和所述最新的内存比较值M1,输出为最优的内存物理机优化队列;判断获取最优的内存物理机优化队列是否成功,若是,直接获取输出的内存物理机优化队列;若否,则随机从资源池中选择一未被配置的物理机资源,并将其记录为内存物理机优化队列,记所述内存物理机优化队列为B;
S11:根据所述队列D记录的信息配置用户申请的CPU和内存,根据所述队列B记录的信息配置用户申请的内存;
S12:记录并更新用户虚拟机申请配置信息记录模块和用户资源调度信息模块中的信息记录,方法结束。
本发明的有益效果是能够保证用户虚拟机配置申请的高效合理性,提高资源配置和其所申请的业务的相关性,提升资源利用率。
附图说明
附图1为本发明提出的一种资源优化调度方法流程图。
附图2为本发明提出的一种基于业务类别特征的虚拟机宿主机优化选择方法流程图。
具体实施方式
结合附图1和2对本发明的技术方案进行详细说明。
正如发明内容中所描述的,本发明的体系结构主要包括:一种资源优化调度发现方法(1);基于业务类别特征相关的虚拟机宿主机优化选择方法(2)。
一种资源优化调度方法(1)是该策略的基础,从输入的源资源队列中选择最符合配置要求的目标资源队列;参照附图1,该方法的输入参数为源资源队列M和资源比较值Q,输出结果为目标资源队列N。其中,源资源队列指的是目前数据中心中所有物理机资源上剩余可用的资源值序列,即可供调度的剩余资源值序列,以内存大小举例:M={10,3,5,7,2}表示该数据中心中还有5台物理机有剩余内存资源,且按照其被调度次数从大到小的顺序排列(假设物理的id标志信息依次为1,2,3,4,5),剩余资源数依次为序列中数字;资源比较值Q即为用户此次调度请求的资源大小值,例如说Q=4;目标资源队列即为最终的调度序列,因为M中的第一台物理机上的剩余资源为10,而请求的只有4,故一次调用即可满足此次要求,本例中的输出队列为N={[1,4]},其中1为物理资源的标志位,4为在该资源上的配置量。
参照附图2,基于业务类别特征相关的虚拟机宿主机优化选择方法(2)是该策略的核心,是指利用前述一中资源调度优化方法,通过分析用户虚拟机资源申请调度记录模块中所属不同业务类别的已有用户虚拟机申请配置及资源调度信息(如CPU、内存、配置的宿主物理机信息等),为该用户(新进用户)推荐最优化的虚拟机配置,并自动选择宿主机进行配置的方法。
云计算操作系统下一种基于业务类别特征的虚拟机宿主机优化选择策略的方法包括如下:
1.一种资源优化调度算法
一种资源优化调度算法,能够基于输入的源资源队列M和资源比较值Q,自动选择发现、输出最优化的目标资源队列N。参照附图1,方法包括如下步骤:
S1:获取输入的源资源队列M={m1,m2,…,mn}和资源比较值Q;
S2:依次取M中的记录mi,其中i=1,2,……n,与资源比较值Q做差值,得到一差值结果队列,其中mi对应源资源队列中的某一源资源信息;
S3:判断得到的差值队列中的值是否全为负值;若否,进入步骤S4;否则,进入步骤S5;
S4:将上述差值队列中第一个大于等于0的值(由于队列是按资源调用次数降序排列,第一个大于等于0的值,必然是被调用次数排在前面的资源,优先记录之前调用次数大的资源,提高资源整合利用率)所对应的资源信息记录至最优资源队列中:{[P1,N1],…,[Pi,Ni]},其中,Pi在此代表资源信息,因为该算法是资源优化调度算法,举例来说在计算资源调度时,Pi可指代CPU、内存的载体—物理主机;在存储资源调度时,Pi可指代物理磁盘等存储设备。Ni代表在资源上的配置量。接着进入步骤S9;
S5:判断资源队列是否为空,若否,则取上一步得到的差值队列中值最大的记录Li(负值),将其对应的mi所对应的源资源信息记录至最优资源队列中,接着进入步骤S6;否则,进入步骤S8;
S6:更新源资源队列M,即从M中删掉上一步中已经记录至最优资源队列中的源资源信息,得到更新后的源资源队列;
S7:将更新后的源资源队列中记录的源资源信息与前述步骤中得到的Li的绝对值作差,得到一新的差值队列,进入步骤S3;
S8:获取目标资优化队列失败,向信息提示模块发送失败信息;方法结束。
S9:输出目标资源最优队列,并向信息提示模块发送成功信息;方法结束。
2.基于业务类别特征相关的虚拟机宿主机优化选择方法
参照附图2,基于业务类别特征相关的虚拟机宿主机优化选择方法,根据前述的“一种资源优化调度发现方法”,通过对用户所申请的业务类别下其他用户已有的虚拟机申请配置及资源(宿主物理机)调度信息,为该用户推荐最合理的虚拟机配置详单,自动为其选择最优化的宿主物理机并进行配置。该方法包括如下策略:
①用户输入申请的业务类别后,云计算操作系统首先要判断该业务类别是否是已有的;
②用户在每次虚拟机申请配置请求成功后都要更新用户虚拟机申请配置信息记录模块和用户资源调度记录模块中的记录。
基于业务类别特征的虚拟机宿主机优化选择方法分为12个步骤,具体如下:
S1:用户进入云操作系统门户,输入该次申请的业务类别;判断是否是新业务类别,若是,进入步骤S2,否则进入步骤S4;
S2:根据预设的类别-虚拟机推荐配置模块中的记录(基于对IT领域内不同业务类别的相关资源配置情况的统计分析得出,如软件测试业务、财务分析业务等对计算资源CPU、内存等有不同的需求),推荐合理的虚拟机配置(主要考虑计算资源CPU/内存);
S3:根据配置,随机选择资源池中一未被配置使用的物理机资源进行配置;完成后,更新用户虚拟机申请配置信息记录模块和用户资源调度模块中的信息记录,方法结束;
S4:进入用户资源调度记录模块,获取该业务类别下已有用户资源历史调度信息记录,获得该业务类别下所有用户的“平均”配置信息详单(基于已有用户的群体智慧,社区达成的“共识”),即为该用户推荐的配置详单,记为:[C,M],其中C和M分别代表CPU和内存;
S5:根据资源调度使用模块信息记录,分别获取:1)与该业务相关的物理机队列源(基于CPU资源)Pc={c1,c2,,…cn};2)与该业务相关的物理机队列源(基于内存资源)Pm={m1,m2,…,mn};注意:二者是分别独立统计的,都是基于该主机被调用次数“降序”排列,只不过表现形式(统计内容)一个是CPU相关,另一个是内存相关,其中ci和mi分别表示标号为i的物理机上剩余的cpu和内存资源,其中i=1,2,……,n;
S6:对上面得到的Pc调用前述“一种资源优化调度发现方法”;判断获取CPU最优物理机队列是否成功;若是(成功),则直接获取输出的CPU优化物理机队列D;若否,则随机从资源池中选择一未被配置的物理机资源,并将其记录至CPU优化物理机队列D中;即最终都能得到CPU优化物理机队列D;
S7:判断得到的物理机队列中的物理机上,内存资源是否满足M的要求;若是,则表明该物理机队列可同时满足CPU和内存资源的分配需求,记录该物理机队列信息A(将队列D中记录信息复制到队列A中),接着进入步骤S8;若否,进入步骤S9;
S8:在获得的物理机队列A上配置用户申请的虚拟机(主要是计算资源:内存和CPU);接着,记录并更新用户虚拟机申请配置信息记录模块和用户资源调度记录模块中的记录;方法结束。
S9:记录前述步骤中得到的CPU优化物理机队列D,删除Pm与D中重复的信息(因为,此处设定配置过CPU的物理机,其内存也会被配置,因此队列D中的物理机CPU和内存都会被配置,所以在对Pm调用‘一种资源调度优化发现方法’前,必须在Pm中去掉与D中重复的记录),得一更新后的Pm;同时,将M值与CPU优化物理机队列中各个物理机的剩余内存之和作差,得最新的内存比较值M1;
S10:对上一步中得到的Pm调用“一种资源优化调度发现方法”,输入为最新的基于内存资源的该业务相关的物理机队列Pm和最新的内存比较值M1,输出为最优的内存物理机优化队列;判断获取内存最优化物理机队列是否成功,若是,直接获取输出的内存优化物理机队列;若否,则随机从资源池中选择一未被配置的物理机资源,并将其记录至内存优化队列中;不论是或否,都能保证能够得到最优的内存优化物理机队列,设为队列B;
S11:在物理机队列D(CPU优化物理机队列)上配置用户申请的CPU和内存,在物理机队列B(内存优化物理机队列)上配置用户申请的内存;
S12:记录并更新用户虚拟机申请配置信息记录模块和用户资源调度信息模块中的信息记录;方法结束。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明的权利要求的保护范围。
Claims (2)
1.一种资源优化调度方法,能够根据当前数据中心中所有物理机资源上剩余可用的资源值序列、用户此次调度请求的资源大小值确定最终的调度序列,其特征在于,所述方法包:
S1:获取输入的所述剩余可用的资源值序列M={m1,m2,…,mn}和所述用户此次调度请求的资源值Q;
S2:依次取M中的记录mi,其中i=1,2,……n,与Q做差值,得到一个差值队列;
S3:判断得到的所述差值队列中的值是否全为负值;若否,进入步骤S4;否则,进入步骤S5;
S4:将所述差值队列中第一个大于等于0的值所对应的资源值记录至最优资源队列中,记为{[P1,N1],…,[Pi,Ni]},其中,Pi代表资源信息,Ni代表该资源信息的配置数量,接着进入步骤S9;
S5:判断资源队列是否为空,若否,则取上步骤S2中得到的所述差值队列中值最大的记录Li,将其对应的mi所对应的资源值记录至最优资源队列中,记为{[P1,N1],…,[Pi,Ni]},其中,Pi代表资源信息,Ni代表该资源信息的配置数量,接着进入步骤S6;否则,进入步骤S8;
S6:从M中删掉步骤S5中已经记录至最优资源队列中的资源值,得到更新后的剩余可用的资源值序列;
S7:将更新后的剩余可用的资源值序列中记录的资源值与步骤S5中得到的Li的绝对值作差,得到一新的差值队列,进入步骤S3;
S8:获取目标资优化队列失败,向信息提示模块发送失败信息;方法结束;
S9:输出目标资源最优队列,并向信息提示模块发送成功信息;方法结束。
2.一种基于业务类别特征的虚拟机宿主机优化选择方法,其特征在于,所述方法包括:
S1:用户进入云操作系统门户,输入该次申请的业务类别;判断是否是新业务类别,若是,进入步骤S2,否则进入步骤S4;
S2:根据预设的类别-虚拟机推荐配置模块中的记录,推荐合理的虚拟机配置;
S3:根据所述虚拟机配置,随机选择资源池中一未被配置使用的物理机资源进行配置;完成后,更新用户虚拟机申请配置信息记录模块和用户资源调度模块中的信息记录,方法结束;
S4:进入用户资源调度记录模块,获取该业务类别下已有用户资源历史调度信息记录,获得该业务类别下所有用户的“平均”配置信息详单,作为向该用户推荐的配置详单,记为:[C,M],其中C和M分别代表CPU资源和内存资源;
S5:根据所述用户资源调度记录模块记录的信息,分别获取与该业务相关的物理机CPU资源队列Pc={c1,c2,,…cn}和与该业务相关的物理机内存资源队列Pm={m1,m2,…,mn},其中ci和mi分别表示标号为i的物理机上剩余的CPU资源和内存资源,其中i=1,2,……,n;
S6:针对步骤S5得到的队列Pc调用权利要求1所述方法进行处理,判断获取CPU资源最优物理机队列是否成功;若是,则得到CPU资源最优物理机队列,记为D;若否,则随机从资源池中选择一未被配置的物理机资源,并将记录为CPU资源最优物理机队列D中;
S7:判断队列D中记录的内存资源是否满足用户此次调度请求的内存资源值的要求,若是,则表明队列D可同时满足CPU资源和内存资源的分配需求,进入步骤S8;若否,进入步骤S9;
S8:根据所述队列D记录的信息配置用户申请的虚拟机,记录并更新用户虚拟机申请配置信息记录模块和用户资源调度记录模块中的记录,方法结束;
S9:删除内存资源队列Pm与队列D中重复的信息,得一更新后的内存资源队列Pm’,同时,将所述用户此次调度请求的内存资源值与队列D中记录的各个物理机的剩余内存资源之和作差,得到最新的内存比较值M1;
S10:对步骤S9中得到的内存资源队列Pm’调用权利要求1所述的方法进行处理,其中输入为内存资源队列Pm’和所述最新的内存比较值M1,输出为最优的内存物理机优化队列;判断获取最优的内存物理机优化队列是否成功,若是,直接获取输出的内存物理机优化队列;若否,则随机从资源池中选择一未被配置的物理机资源,并将其记录为内存物理机优化队列,记所述内存物理机优化队列为B;
S11:根据所述队列D记录的信息配置用户申请的CPU和内存,根据所述队列B记录的信息配置用户申请的内存;
S12:记录并更新用户虚拟机申请配置信息记录模块和用户资源调度信息模块中的信息记录,方法结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410014417.3A CN103701934B (zh) | 2014-01-13 | 2014-01-13 | 一种资源优化调度方法及虚拟机宿主机优化选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410014417.3A CN103701934B (zh) | 2014-01-13 | 2014-01-13 | 一种资源优化调度方法及虚拟机宿主机优化选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103701934A true CN103701934A (zh) | 2014-04-02 |
CN103701934B CN103701934B (zh) | 2017-02-01 |
Family
ID=50363328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410014417.3A Active CN103701934B (zh) | 2014-01-13 | 2014-01-13 | 一种资源优化调度方法及虚拟机宿主机优化选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103701934B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881322A (zh) * | 2015-05-18 | 2015-09-02 | 中国科学院计算技术研究所 | 一种基于装箱模型的集群资源调度方法及装置 |
CN105824686A (zh) * | 2016-03-11 | 2016-08-03 | 中国联合网络通信集团有限公司 | 一种虚拟机宿主机的选择方法和选择系统 |
CN106033373A (zh) * | 2015-03-11 | 2016-10-19 | 苏宁云商集团股份有限公司 | 一种云计算平台中虚拟机资源调度方法和调度系统 |
CN106648828A (zh) * | 2016-10-14 | 2017-05-10 | 郑州云海信息技术有限公司 | 一种面向领域的虚拟机快速部署方法 |
CN107153576A (zh) * | 2017-04-10 | 2017-09-12 | 广东欧珀移动通信有限公司 | 一种内存资源的分配方法及终端设备 |
US9792139B2 (en) | 2015-02-25 | 2017-10-17 | Red Hat Israel, Ltd. | Service driven virtual machine scheduling |
CN108241521A (zh) * | 2016-12-26 | 2018-07-03 | 北京国双科技有限公司 | 宿主机的选取方法及装置 |
CN108279974A (zh) * | 2017-01-06 | 2018-07-13 | 阿里巴巴集团控股有限公司 | 一种云资源分配方法及装置 |
CN108897626A (zh) * | 2018-07-20 | 2018-11-27 | 浪潮电子信息产业股份有限公司 | 一种资源调度方法及服务器 |
CN109644223A (zh) * | 2016-12-27 | 2019-04-16 | 惠普打印机韩国有限公司 | 对虚拟机的操作环境进行优化 |
CN109901928A (zh) * | 2019-03-01 | 2019-06-18 | 厦门容能科技有限公司 | 一种推荐云主机配置的方法及云主机 |
CN110851416A (zh) * | 2018-08-03 | 2020-02-28 | 阿里巴巴集团控股有限公司 | 数据存储性能分析方法和装置、宿主机确定方法和装置 |
CN112486679A (zh) * | 2020-11-25 | 2021-03-12 | 北京浪潮数据技术有限公司 | 一种kubernetes集群的pod调度方法、装置及设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102185779B (zh) * | 2011-05-11 | 2015-02-25 | 田文洪 | 与综合配置能力成比例的数据中心资源负载均衡的方法及装置 |
CN103248659B (zh) * | 2012-02-13 | 2016-04-20 | 北京华胜天成科技股份有限公司 | 一种云计算资源调度方法和系统 |
CN103369041B (zh) * | 2013-07-09 | 2017-10-03 | 北京奇虎科技有限公司 | 基于云计算的资源分配方法及装置 |
CN103647823A (zh) * | 2013-12-11 | 2014-03-19 | 浪潮电子信息产业股份有限公司 | 一种云计算操作系统下的存储资源调度方法 |
CN103647824A (zh) * | 2013-12-11 | 2014-03-19 | 浪潮电子信息产业股份有限公司 | 一种存储资源优化调度发现算法 |
-
2014
- 2014-01-13 CN CN201410014417.3A patent/CN103701934B/zh active Active
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9792139B2 (en) | 2015-02-25 | 2017-10-17 | Red Hat Israel, Ltd. | Service driven virtual machine scheduling |
CN106033373A (zh) * | 2015-03-11 | 2016-10-19 | 苏宁云商集团股份有限公司 | 一种云计算平台中虚拟机资源调度方法和调度系统 |
CN106033373B (zh) * | 2015-03-11 | 2019-09-27 | 苏宁易购集团股份有限公司 | 一种云计算平台中虚拟机资源调度方法和调度系统 |
CN104881322B (zh) * | 2015-05-18 | 2018-10-09 | 中国科学院计算技术研究所 | 一种基于装箱模型的集群资源调度方法及装置 |
CN104881322A (zh) * | 2015-05-18 | 2015-09-02 | 中国科学院计算技术研究所 | 一种基于装箱模型的集群资源调度方法及装置 |
CN105824686B (zh) * | 2016-03-11 | 2019-03-22 | 中国联合网络通信集团有限公司 | 一种虚拟机宿主机的选择方法和选择系统 |
CN105824686A (zh) * | 2016-03-11 | 2016-08-03 | 中国联合网络通信集团有限公司 | 一种虚拟机宿主机的选择方法和选择系统 |
CN106648828A (zh) * | 2016-10-14 | 2017-05-10 | 郑州云海信息技术有限公司 | 一种面向领域的虚拟机快速部署方法 |
CN108241521B (zh) * | 2016-12-26 | 2020-11-06 | 北京国双科技有限公司 | 宿主机的选取方法及装置 |
CN108241521A (zh) * | 2016-12-26 | 2018-07-03 | 北京国双科技有限公司 | 宿主机的选取方法及装置 |
CN109644223A (zh) * | 2016-12-27 | 2019-04-16 | 惠普打印机韩国有限公司 | 对虚拟机的操作环境进行优化 |
US10732909B2 (en) | 2016-12-27 | 2020-08-04 | Hewlett-Packard Development Company, L.P. | Optimizing operating environment of virtual machine |
CN109644223B (zh) * | 2016-12-27 | 2021-04-02 | 惠普发展公司,有限责任合伙企业 | 对虚拟机的操作环境进行优化的设备和方法 |
CN108279974B (zh) * | 2017-01-06 | 2022-07-19 | 阿里巴巴集团控股有限公司 | 一种云资源分配方法及装置 |
CN108279974A (zh) * | 2017-01-06 | 2018-07-13 | 阿里巴巴集团控股有限公司 | 一种云资源分配方法及装置 |
CN107153576A (zh) * | 2017-04-10 | 2017-09-12 | 广东欧珀移动通信有限公司 | 一种内存资源的分配方法及终端设备 |
US11099898B2 (en) | 2017-04-10 | 2021-08-24 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for allocating memory resources and terminal device |
WO2018188278A1 (zh) * | 2017-04-10 | 2018-10-18 | 广东欧珀移动通信有限公司 | 一种内存资源的分配方法及终端设备 |
CN108897626A (zh) * | 2018-07-20 | 2018-11-27 | 浪潮电子信息产业股份有限公司 | 一种资源调度方法及服务器 |
CN110851416A (zh) * | 2018-08-03 | 2020-02-28 | 阿里巴巴集团控股有限公司 | 数据存储性能分析方法和装置、宿主机确定方法和装置 |
CN110851416B (zh) * | 2018-08-03 | 2023-10-27 | 阿里巴巴集团控股有限公司 | 数据存储性能分析方法和装置、宿主机确定方法和装置 |
CN109901928A (zh) * | 2019-03-01 | 2019-06-18 | 厦门容能科技有限公司 | 一种推荐云主机配置的方法及云主机 |
CN109901928B (zh) * | 2019-03-01 | 2022-11-29 | 厦门星界链科技有限公司 | 一种推荐云主机配置的方法及云主机 |
CN112486679A (zh) * | 2020-11-25 | 2021-03-12 | 北京浪潮数据技术有限公司 | 一种kubernetes集群的pod调度方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103701934B (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103701934A (zh) | 一种资源优化调度方法及虚拟机宿主机优化选择方法 | |
US11847103B2 (en) | Data migration using customizable database consolidation rules | |
CN108364085B (zh) | 一种外卖配送时间预测方法和装置 | |
US20200104377A1 (en) | Rules Based Scheduling and Migration of Databases Using Complexity and Weight | |
CN110096349A (zh) | 一种基于集群节点负载状态预测的作业调度方法 | |
CN108090225A (zh) | 数据库实例的运行方法、装置、系统及计算机可读存储介质 | |
CN105049218B (zh) | PhiCloud云计费方法及系统 | |
CN109492774A (zh) | 一种基于深度学习的云资源调度方法 | |
CN108399101A (zh) | 资源调度的方法、装置和系统 | |
CN111338791A (zh) | 集群队列资源的调度方法、装置、设备及存储介质 | |
CN107968810A (zh) | 一种服务器集群的资源调度方法、装置和系统 | |
CN108255607A (zh) | 任务处理方法、装置、电子终端及可读存储介质 | |
CN109902919A (zh) | 服务器资产管理方法、装置、设备及可读存储介质 | |
CN109558991B (zh) | 基于自贩机的货道量推荐方法、装置、设备及存储介质 | |
CN108920265A (zh) | 一种基于服务器集群的任务执行方法及服务器 | |
CN105210089A (zh) | 生产模拟 | |
CN109376009A (zh) | 一种共享资源的方法及装置 | |
CN108897626A (zh) | 一种资源调度方法及服务器 | |
CN112365070A (zh) | 一种电力负荷预测方法、装置、设备及可读存储介质 | |
US9626156B2 (en) | Application architecture design method, application architecture design system, and recording medium | |
CN104717625A (zh) | 一种信控处理的方法及装置 | |
CN103119618A (zh) | 数据库、业务内容数据管理服务器和业务内容数据管理程序 | |
CN109582439A (zh) | Dcn部署方法、装置、设备及计算机可读存储介质 | |
CN111581087B (zh) | 应用程序测试方法和装置 | |
CN110389817A (zh) | 多云系统的调度方法、装置和计算机程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |