CN103729252A - 一种虚拟机调度的方法及调度监控器 - Google Patents
一种虚拟机调度的方法及调度监控器 Download PDFInfo
- Publication number
- CN103729252A CN103729252A CN201310719546.8A CN201310719546A CN103729252A CN 103729252 A CN103729252 A CN 103729252A CN 201310719546 A CN201310719546 A CN 201310719546A CN 103729252 A CN103729252 A CN 103729252A
- Authority
- CN
- China
- Prior art keywords
- resource
- virtual machine
- physical server
- size
- curve
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明实施例公开了一种虚拟机调度的方法,包括:当监测到第一物理服务器的中央处理器CPU占用率大于或等于预设的第一阈值时,获取所述第一物理服务器中的各虚拟机的第一运行日志,其中,所述第一运行日志包括各虚拟机的第一资源使用大小与时间的对应关系;根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机;将所述待控虚拟机迁出所述第一物理服务器,以降低所述第一物理服务器的CPU占用率。本发明实施例还公开了一种调度监控器。采用本发明,可提高物理服务器的资源利用率,降低能耗。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种虚拟机调度的方法及调度监控器。
背景技术
随着虚拟化技术的发展,虚拟化技术在数据中心得到了广泛的应用,数据中心通过虚拟化技术可以在一台物理服务器上虚拟出多台相互隔离的虚拟机,各虚拟机可以同时运行相互独立的操作系统,这些操作系统不独享底层的物理计算资源,只是运行在一个与真实计算环境完全相同的虚拟机中,其中,与真实计算环境完全相同指具有相同的CPU主频,内存和硬盘容量等。通过虚拟化技术的应用,数据中心能够应对日益增长的数据处理需求,可以有效的提高计算机资源利用率,也可以降低成本。
但在虚拟机运行过程中,可能会造成物理服务器的负载不均,从而导致业务效率低下,并造成资源浪费,这需要通过负载均衡调度平衡各物理服务器的负载。
目前的虚拟机的调度,一般是获取虚拟机的业务描述信息以及各物理服务器的物理资源利用信息来进行分析,再在各物理服务器中选择合适的物理服务器来运行虚拟机。但这样的调度存在调度抖动,即调度监控器在结合物理资源利用信息来分析某个物理服务器在某个时间点CPU占用率很低时,调度监控器将某个虚拟机迁移到物理服务器运行,但物理服务器在某个时间点的CPU的占用率低可以是个暂态,后期可能占用率变高,这可能引发重新调度,导致物理服务器工作效率低,并带来能耗的开销。
发明内容
本发明实施例所要解决的技术问题在于,提供一种虚拟机调度的方法及调度监控器。可提高物理服务器的资源利用率,节约成本开支。
为了解决上述技术问题,本发明第一方面提供了一种虚拟机调度的方法,包括:
当监测到第一物理服务器的中央处理器CPU占用率大于或等于预设的第一阈值时,获取所述第一物理服务器中的各虚拟机的第一运行日志,其中,所述第一运行日志包括各虚拟机的第一资源使用大小与时间的对应关系;
根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机;
将所述待控虚拟机迁出所述第一物理服务器,以降低所述第一物理服务器的CPU占用率。
在第一种可能实现的方式中,所述根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机包括:
根据各所述虚拟机的第一资源使用大小与时间的对应关系,拟合各所述虚拟机的第一资源使用时间曲线;
计算各所述第一资源使用时间曲线间的第一曲线相似度,获取最高的第一曲线相似度所对应的第三资源使用时间曲线;
根据各所述第一资源时间曲线与各虚拟机的对应关系,获取所述第三资源使用时间曲线所对应的待控虚拟机。
结合第一方面或第一方面的第一种可能实现方式,在第二种可能实现方式中,所述将所述待控虚拟机迁出所述第一物理服务器包括:
获取与调度监控器相连接的第二物理服务器的第二运行日志,其中,所述第二运行日志包括第二物理服务器的第二资源使用大小与时间的对应关系;
根据所述第二资源使用大小与时间的对应关系和所述待控虚拟机的第一资源使用大小与时间的对应关系,计算所述第二物理服务器与所述待控虚拟机的相似度,并判断所述相似度是否小于或等于预设的第二阈值;
当所述相似度小于或等于预设的第二阈值,将所述待控虚拟机迁移至所述第二物理服务器运行。
结合第一方面的第二种可能的实现方式,在第三种可能的实现方式中,所述根据所述第二资源使用大小与时间的对应关系和所述待控虚拟机的第一资源使用大小与时间的对应关系,计算所述第二物理服务器与所述待控虚拟机的相似度包括:
根据所述第二资源使用大小与时间的对应关系,拟合所述第二物理服务器的第二资源使用时间曲线;
计算所述第二资源使用时间曲线与所述第三资源使用时间曲线间的第二曲线相似度。
结合第一方面的第二种可能或第一方面的第三种可能的实现方式,在第四种可能实现的方式中,所述获取与调度监控器相连接的第二物理服务器的第二运行日志之前包括:
获取所述第二物理服务器的CPU占用资源大小,并判断所述第二物理服务器的CPU占用资源大小是否小于或等于第三阈值;
当所述第二物理服务器的CPU占用率小于或等于第三阈值,获取待控虚拟机的CPU占用资源大小并判断所述待控虚拟机的CPU占用资源大小与所述第二物理服务器的CPU占用资源大小之和是否小于或等于第四阈值;
当所述待控虚拟机的CPU占用资源大小与所述第二物理服务器的CPU占用资源大小之和小于或等于第四阈值,执行获取与调度监控器相连接的第二物理服务器的第二运行日志步骤。
结合第一方面或第一方面的第一种可能至第一方面的第四种可能的实现方式中,在第五种可能实现的方式中,所述虚拟机的第一资源使用大小包括:所述虚拟机CPU的第一资源使用大小、所述虚拟机内存的第一资源使用大小、所述虚拟机硬盘的第一资源使用大小以及所述虚拟机带宽的第一资源使用大小中的任一种或多种。
结合第一方面的第二种可能至第一方面的第五种可能的实现方式,在第六种可能实现的方式中,所述第二物理服务器的第二资源使用大小包括:所述第二物理服务器CPU的第二资源使用大小、所述第二物理服务器内存的第二资源使用大小、所述第二物理服务器硬盘的第二资源使用大小以及所述第二物理服务器带宽的第二资源使用大小中的任一种或多种。
本发明第二方面提供调度监控器,包括:
获取单元,用于当监测到第一物理服务器的中央处理器CPU占用率大于或等于预设的第一阈值时,获取所述第一物理服务器中的各虚拟机的第一运行日志,其中,所述第一运行日志包括各虚拟机的第一资源使用大小与时间的对应关系;
计算单元,用于根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机;
迁移单元,用于将所述待控虚拟机迁出所述第一物理服务器,以降低所述第一物理服务器的CPU占用率。
在第一种可能的实现方式中,所述计算单元包括:
第一拟合子单元,用于根据各所述虚拟机的第一资源使用大小与时间的对应关系,拟合各所述虚拟机的第一资源使用时间曲线;
第一计算子单元,用于计算各所述第一资源使用时间曲线间的第一曲线相似度,获取最高的第一曲线相似度所对应的第三资源使用时间曲线;
第一获取子单元,用于根据各所述资源时间曲线与各虚拟机的对应关系,获取第三资源使用时间曲线所对应的待控虚拟机。
结合第二方面或第二方面的第一种可能的实现方式,在第二种可能的实现方式中,所述迁移单元包括:
第二获取子单元,用于获取与调度监控器相连接的第二物理服务器的第二运行日志,其中,所述第二运行日志包括第二物理服务器的第二资源使用大小与时间的对应关系;
第二计算子单元,用于根据所述第二资源使用大小与时间的对应关系和所述待控虚拟机的第一资源使用大小与时间的对应关系,计算所述第二物理服务器与所述待控虚拟机的相似度,并判断所述相似度是否小于或等于预设的第二阈值;
迁移子单元,用于当所述相似度小于或等于预设的第二阈值,将所述待控虚拟机迁移至所述第二物理服务器运行。
结合第二方面的第二种可能的实现方式,在第三种可能实现的方式中,所述第二计算子单元包括:
第二拟合子单元,用于根据所述第二资源使用大小与时间的对应关系,拟合所述第二物理服务器的第二资源使用时间曲线;
第三计算子单元,用于计算所述第二资源使用时间曲线与所述第三资源使用时间曲线间的第二曲线相似度。
结合第二方面的第二种可能的实现方式或第二方面的第三种可能的实现方式,在第三种可能实现的方式中,所述迁移单元还包括:
第一判断子单元,用于获取所述第二物理服务器的CPU占用资源大小,并判断所述第二物理服务器的CPU占用资源大小是否小于或等于第三阈值;
第二判断子单元,用于当第一判断子单元的判断结果为是时,获取待控虚拟机的CPU占用资源大小并判断所述待控虚拟机的CPU占用资源大小与所述第二物理服务器的CPU占用资源大小之和是否小于或等于第四阈值,并当第二判断子单元的判断结果为是时,第二判断子单元通知获取子单元获取所述第二物理服务器的第二运行日志。
结合第一方面或第一方面的第一种可能至第四种可能的实现方式,在第五种可能实现的方式中,所述虚拟机的第一资源使用大小包括:所述虚拟机CPU的第一资源使用大小、所述虚拟机内存的第一资源使用大小、所述虚拟机硬盘的第一资源使用大小以及所述虚拟机带宽的第一资源使用大小中的任一种或多种。
结合第二方面的第二种可能至第二方面的第五种可能的实现方式,在第六种可能实现的方式中,所述第二物理服务器的第二资源使用大小包括:所述第二物理服务器CPU的第二资源使用大小、所述第二物理服务器内存的第二资源使用大小、所述第二物理服务器硬盘的第二资源使用大小以及所述第二物理服务器带宽的第二资源使用大小中的任一种或多种。
由上可见,在本发明的一些实施例中,调度监控器获取物理服务器的各虚拟机的第一资源使用大小与时间的对应关系,并对其进行分析计算各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机,进而将所述待控虚拟机迁出所述第一物理服务器,这使得物理服务器的虚拟机分布更合理科学,提高物理服务器的工作效率和资源利用率,节约成本开支。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种虚拟机调度的方法的流程示意图;
图2为本发明实施例提供的不同虚拟机的第一资源使用时间曲线示意图;
图3为本发明实施例提供的另一种虚拟机调度的方法的流程示意图;
图4为本发明实施例提供的各个第二物理服务器的第二资源使用时间曲线;
图5为本发明实施例提供的一种调度监控器的结构示意图;
图6为本发明实施例提供的另一种调度监控器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例中的执行主体可以是调度监控器或调度监控系统等具备监控和调度功能的终端或系统,在以下的实施例描述中,将采用调度监控器作为执行主体进行描述。
请参见图1,为本发明一种虚拟机调度的方法的一种实施例流程示意图。如图1所示,一种虚拟机调度的方法的步骤包括:
S100,当监测到第一物理服务器的中央处理器CPU占用率大于或等于预设的第一阈值时,获取所述第一物理服务器中的各虚拟机的第一运行日志,其中,所述第一运行日志包括各虚拟机的第一资源使用大小与时间的对应关系。
在本发明实施例中,调度监控器与不少于一个物理服务器相连接以监控各个物理服务器的运行情况。其中,每个物理服务器可以同时运行着多个操作系统,每个操作系统都包括虚拟资源,如CPU、内存、硬盘等虚拟资源。这些操作系统共享物理服务器的资源,其中,以上所述的操作系统即为虚拟机。进一步的,物理服务器内置日志系统,以记录在物理服务器上运行的各虚拟机CPU、内存、硬盘和带宽中的一种或多种虚拟资源所占用的资源大小与时间的对应关系,并可以向外部提供查询接口。CPU、内存、硬盘和带宽等的虚拟资源的占用资源大小与时间的对应关系可以是不同时间点对应的数据。CPU、内存、硬盘和带宽等在每个时间点上都会有相应的占用资源大小,日志系统将不同时间点所对应的占用资源大小记录下来并保存。
在本发明实施例中,第一物理服务器可以是与调度监控器相连接的物理服务器,调度监控器可实时或周期性的采集所连接的各个物理服务器的CPU的使用信息并获取每个物理服务器的CPU占用率,其中,CPU的占用率可以是物理服务器中所运行的程序占用的CPU资源相比于物理服务器的CPU总资源的百分比,CPU占用率越高,说明物理服务器运行的程序越多。
在本发明实施例中,当调度监控器检查到第一物理服务器的CPU占用率大于或等于预设的第一阈值时,调度监控器将对第一物理服务器进行进一步的操作。在本实施例中,当调度监控器检查到第一物理服务器的CPU占用率大于或等于预设的第一阈值时,调度监控器将获取该物理服务器中运行的各虚拟机的第一运行日志,其中,第一运行日志记录了物理服务器上运行的各虚拟机的CPU、内存、硬盘和带宽等的虚拟资源所占用的资源大小与时间的对应关系。其中,在本发明实施例中,第一资源使用大小可以是虚拟资源所占用的资源大小。例如:各虚拟机的CPU的第一资源使用大小可以是各虚拟机的CPU运行的程序占用CPU资源的大小,各虚拟机的内存的第一资源使用大小可以是各虚拟机运行在内存上的程序占用第一物理服务器的内存的大小。
可选的,在本发明实施例中,预设的第一阈值可以是80%或其他数值。
S102,根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机的间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机。
在本发明实施例中,第一资源使用大小可以是虚拟机运行的程序占用CPU资源的大小,或者可以是虚拟机的运行的程序占用第一物理服务器的内存资源大小,或者可以是虚拟机的输入输出数据的大小等,调度监控器的管理员可根据具体的需要选择获取需要的第一资源使用。在本发明实施例中,第一资源使用大小是虚拟机运行的程序占用CPU资源的大小。
进一步的,调度监控器可根据第一物理服务器的各所述虚拟机的第一资源使用大小与时间的对应关系来拟合第一资源使用时间曲线图。第一资源使用时间曲线图可以表示虚拟机的第一资源使用大小与时间的关系。其中,调度监控器在拟合第一资源使用时间曲线图时,可对第一资源使用大小进行处理再拟合。例如:计算虚拟机的第一资源使用大小相比于虚拟机的CPU总资源的百分比,从而获得虚拟机的单位第一资源使用。再根据单位第一资源使用与时间的对应关系来进行拟合,如图2。其中,绘制第一资源使用时间曲线图时可去除最高和最低的第一资源使用大小和对应的时间点。
在本发明实施例中,调度监控器可预设多个时间点,可根据第一资源使用大小与时间的对应关系获取预设的时间点所对应的各虚拟机的第一资源使用大小,再进行计算,如将获得的第一资源使用大小相比于CPU总资源的百分比,从而获得第一资源使用率。例如:预设时间点是t1_1,t1_2,t1_3,…,t1_n,则预设的时间点上的某一台虚拟机的第一资源使用率可以是s1_1,s1_2,s1_3,…,s1_m,另一台的虚拟机的第一资源使用大小可以是s2_1,s2_2,s2_3,…,s2_m。进一步优选的,调度监控器还可根据各虚拟机的第一资源使用时间曲线在预设的时间点上进行取样,获得预设的时间点上的第一资源使用率。
在本发明实施例中,本实施例可采用系统聚类分析法或其他聚类分析方法对获取到的各虚拟机在预设的至少一个时间点上的第一资源使用大小来进行分析计算获得第一资源使用相似度。其中,本发明实施例的预设的至少一个时间点上的第一资源使用大小可以是根据调度监控器绘制的第一资源使用时间曲线来获取到的。具体的,聚类分析法可如下:
如图2所示,m条第一资源使用时间曲线可记为L_1、L_2、……、L_m,m条第一资源使用时间曲线所对应的m台虚拟机可记为v_1、v_2、……、v_m。在L_1第一资源使用时间曲线上进行周期采样,获取n个采样点,分别记为P1_1、P1_2、……、P1_n,各采样点的坐标可记为(t1_1,s1_1),(t1_2,s1_2),……,(t1_n,s1_n)。进一步的,在L_2第一资源使用时间曲线上也进行同样的周期采样,获取n个采样点,分别记为P2_1、P2_2、……、P2_n,各采样点的坐标可记为(t2_1,s2_1),(t2_2,s2_2),……,(t2_n,s2_n)。按照以上的采样方法,则在L_m第一资源使用时间曲线上通过周期采样获取的n个采样点可记为Pm_1、Pm_2、……、Pm_n,各采样点的坐标可记为(tm_1,sm_1),(tm_2,sm_2),……,(tm_n,sm_n)。其中,根据m条的第一资源使用时间曲线的采样时间的一致性可以理解的是,tj_1=tk_1,tj_2=tk_2,……,tj_n=tk_n,其中,1≤j≤m,1≤k≤m。
进一步的,将每条曲线的各采样点进行归一化处理,具体的归一化处理方法可如下:
在第一资源使用时间曲线L_1的样本上获取第一资源使用大小最高的样本点,当有多个第一资源使用大小最高的样本点,任意选取一个样本点并记为Max_1,相应的,在第一资源使用时间曲线L_1的样本上获取第一资源使用大小最低的样本点,当有多个第一资源使用大小最低的样本点,任意选取一个样本点并记为Min_1;同样的,对第一资源使用时间曲线L_2~L_m进行同样的操作,获得每条第一资源使用时间曲线对应的第一资源使用大小最高样本点Max_2~Max_m,第一资源使用大小最低样本点Min_2~Min_m。
进一步的,对第一资源使用时间曲线L_1的各采样点对应的第一资源使用大小s1_1,s1_2,……,s1_n进行线性变换获得:S1_1=(s1_1-Min_1)/(Max_1-Min_1),S1_2=(s1_2-Min_1)/(Max_1-Min_1),……,S1_n=(s1_n-Min_1)/(Max_1-Min_1),同样的,对第一资源使用时间曲线L_2的各采样点对应的第一资源使用大小s2_1,s2_2,……,s2_n进行线性变换获得:S2_1=(s2_1-Min_1)/(Max_1-Min_1),S2_2=(s2_2-Min_1)/(Max_1-Min_1),……,S2_n=(s2_n-Min_1)/(Max_1-Min_1),……,对第一资源使用时间曲线L_m的各采样点对应的第一资源使用大小sm_1,sm_2,……,sm_n进行线性变换获得:Sm_1=(sm_1-Min_1)/(Max_1-Min_1),Sm_2=(sm_2-Min_1)/(Max_1-Min_1),……,Sm_n=(sm_n-Min_1)/(Max_1-Min_1)。
其中,我们可以定义任意两条第一资源使用时间曲线之间的距离为: 其中,1≤j≤m,1≤k≤m;
进一步的,我们还可以定义任意两条资源需求时间曲线之间的距离为:d(L_j,L_k)=min1≤i≤n|Sj_i-Sk_i|,其中,1≤j≤m,1≤k≤m。在本发明中,定义任意两条第一资源使用曲线间的距离所采用的方法不局限于以上所描述的,在此不进行赘述。
在本发明实施例中,令f(L_j,L_k)表示2条曲线L_j,L_k之间的第一曲线相似程度,并定义如下:f(L_j,L_k)=100(1-d(L_j,L_k)),根据d(L_j,L_k)的定义可知0≤d(L_j,L_k)≤1,如:当d(L_j,L_k)=0.05时,可得曲线j与曲线k之间的第一曲线相似度为100*(1-0.05)=95。
在本发明实施例中,通过以上所描述的系统聚类方法可计算出任意两条曲线间的第一曲线相似度。进一步的,在计算出的任意两条曲线间的第一曲线中获取数值最高的第一曲线相似度,从而获取数值最高的第一曲线相似度所对应的第一资源使用时间曲线,在本发明实施例中,第三资源使用时间曲线是数值最高的第一曲线相似度所对应的第一资源使用时间曲线。
进一步的,在本发明实施例中,可根据获取到的第三资源使用时间曲线获取到所述第三资源使用时间曲线所对应的虚拟机,该虚拟机为待控虚拟机。其中具体的,以上所描述的第一曲线相似度可以是虚拟机间的第一资源使用相似度。进一步的,待控虚拟机可以是任意一个第一资源使用相似度最高所对应的虚拟机。或者,本发明实施例的待控虚拟机还可以是所有第一资源使用相似度最高所对应的虚拟机。
S103,将所述待控虚拟机迁出所述第一物理服务器,以降低所述第一物理服务器的CPU占用率。
在本发明实施例中,将第一物理服务器上的待控虚拟机迁移至其他物理服务器上运行,使得第一物理服务器上的CPU占用率降低,从而不影响第一物理服务器上的其他的虚拟机运行,并充分利用其他物理服务器上的空闲资源,其中,本发明实施例中进行迁出的待控虚拟机可以是一个虚拟机也可以是多个虚拟机。
请参见图3,为本发明的一种虚拟机调度的方法的第二实施例流程示意图。如图3所示,本发明的一种虚拟机调度的方法包括步骤:
S200,当监测到第一物理服务器的中央处理器CPU占用率大于或等于预设的第一阈值时,获取所述第一物理服务器中的各虚拟机的第一运行日志,其中,所述第一运行日志包括各虚拟机的第一资源使用大小与时间的对应关系。
S201,根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机。
S202,获取与调度监控器相连接的第二物理服务器的第二运行日志,其中,所述第二运行日志包括第二物理服务器的第二资源使用大小与时间的对应关系。
在本发明实施例中,调度监控器与多个第二物理服务器相连接,并获取各个第二物理服务器的第二运行日志,其中,第二物理服务器是除第一物理服务器之外的任意一个与调度监控器连接的物理服务器。进一步的,第二运行日志可为物理服务器内置的日志系统,以记录在第二物理服务器上的CPU、内存、硬盘和带宽中的一种或多种虚拟资源所占用的资源大小与时间的对应关系,并可以向外部提供查询接口,其中,第二资源使用大小可以是第二物理服务器上的CPU、内存、硬盘和带宽中的一种或多种虚拟资源所占用的资源大小。其中,CPU、内存、硬盘和带宽等的虚拟资源的第二资源使用大小与时间的对应关系可以是不同时间点对应的第二资源使用大小。第二运行日志将不同时间点所对应的第二资源使用大小记录下来并保存。进一步的,第二物理服务器上的CPU的第二资源使用大小可以是第二物理服务器上的CPU运行的程序占用CPU资源的大小,第二物理服务器上的内存的第二资源使用大小可以是第二物理服务器在内存上运行的程序占用第一物理服务器的内存的大小。
S203,根据所述第二资源使用大小与时间的对应关系和所述待控虚拟机的第一资源使用大小与时间的对应关系,计算所述第二物理服务器与所述待控虚拟机的相似度,并判断所述相似度是否小于或等于预设的第二阈值。
在本发明实施例中,第二资源使用大小可以是第二物理服务器上运行的程序占用CPU资源的大小,或者可以是第二物理服务器内存上运行的程序占用第二物理服务器的内存资源大小,或者可以是第二物理服务器的输入输出数据的大小等,调度监控器的管理员可根据具体的需要选择获取需要的第二资源使用大小。在本发明实施例中,第二资源使用大小可以指的是第二物理服务器运行的程序占用CPU资源的大小。
进一步的,调度监控器可根据第二物理服务器的第二资源使用大小与时间的对应关系来拟合第二资源使用时间曲线图。第二资源使用时间曲线图可以表示第二物理服务器的第二资源使用大小与时间的关系。其中,调度监控器在拟合第二资源使用时间曲线图时,可对第二资源使用大小进行处理再拟合。例如:计算第二物理服务器的第二资源使用大小相比于CPU总资源的百分比,从而获得第二资源使用率。再根据第二资源使用率与时间的对应关系来进行拟合,如图4。其中,绘制第二资源使用时间曲线图时可去除最高和最低的第二资源使用率和对应的时间点。
在本发明实施例中,调度监控器可预设多个时间点,可根据第二资源使用大小与时间的对应关系获取预设的时间点所对应的第二物理服务器的第二资源使用大小,再进行计算,如将获得的第二资源使用大小相比于第一物理服务器的CPU总资源的百分比,从而获得第二资源使用率。例如:预设时间点是t1_1,t1_2,t1_3,…,t1_n,则预设的时间点上的第一物理服务器的第二资源使用率可以是s1_1,s1_2,s1_3,…,s1_m。从而,根据获得的采样点与待控虚拟机获得的采样点进行计算,获得待控虚拟机与第二物理服务器的相似度。
进一步的,在本发明实施例中,调度监控器还可将获得的各个第二物理服务器的第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线比较,以获取第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线的第二曲线相似度,其中,待控虚拟机的第一资源使用时间曲线即第三资源使用时间曲线。其中,待控虚拟机的第一资源使用时间曲线可以是第一物理服务器中的第一资源使用时间曲线相似度最高的曲线中的任意一条。进一步的,本发明实施例可采用系统聚类分析法或其他聚类分析方法对第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线进行分析计算获得曲线间的第二曲线相似度。其中,本实施例中的具体的聚类分析法可参见如图1实施例所描述的聚类分析法,在此不进行赘述。
进一步的,本发明还可采用加权的方法对第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线进行分析计算获得曲线间的第二曲线相似度。例如:第二相似度=a*fsimilarity(CPU)+b*fsimilarity(MEM)+c*fsimilarity(IO),且a+b+c=1。
在本发明实施例中,调度监控器可通过分析逐个获得各个第二物理服务器的第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线间的第二曲线相似度,并逐个判断第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线间的第二曲线相似度是否小于或等于预设的第二阈值,并当相似度小于或等于预设的第二阈值时,获取满足条件的第二资源使用时间曲线所对应的第二物理服务器,调度监控器可将待控虚拟机迁移至满足条件的第二物理服务器上运行。其中,在本发明实施例中,预设的第二阈值可以是80%。即在本实施过程中,调度监控器获取与待控虚拟机的工作频率不一致的第二物理服务器。
进一步的,在获取与调度监控器相连接的第二物理服务器的第二运行日志之前时,调度监控器可先获取第二物理服务器的当前的CPU占用资源大小,并判断每个第二物理服务器的CPU占用资源大小是否小于或等于第三阈值,其中,第三阈值可以是第二物理服务器的CPU的总资源的一半。从而使得调度监控器获取CPU占用资源大小比较低的第二物理服务器,保证了第二物理服务器在运行新的虚拟机时不会导致第二物理服务器的CPU超负荷工作。当第二物理服务器的CPU占用资源大小小于或等于第三阈值时,再进行判断待控虚拟机在第二物理服务器运行的CPU占用资源大小与第二物理服务器的CPU占用资源大小之和是否小于或等于预设第四阈值,并当待控虚拟机的CPU占用资源大小与第二物理服务器的CPU占用资源大小之和小于或等于预设的第四阈值时,调度监控器执行获取所述第二物理服务器的第二运行日志步骤。其中,第四阈值可以是第二物理服务器的CPU总资源的80%。
S204,当所述相似度小于或等于预设的第二阈值,将所述待控虚拟机迁移至所述第二物理服务器运行。
在本发明实施例中,当调度监控器判断第二物理服务器的第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线间的第二曲线相似度小于或等于预设的第二阈值时,调度监控器将待控虚拟机迁移至第二物理服务器上运行。
进一步的,在本发明实施例中,调度监控器可在短时间内进行多次调度从而更有效的将不同频率的虚拟机调度至一台物理服务器上进行运行,使得各个物理服务器上的负载趋向均匀从而降低调度次数降低能耗,并提高物理服务器的工作效率、提升节能效果。
其中,步骤S200和步骤S201的具体实施方式可以参见如图1所示的步骤S100和步骤S101的实施方式,在此不进行赘述。
请参见图5,为本发明实施例提供的一种调度监控器。如图5所示,本实施例所述的一种调度监控器包括:
获取单元100,用于当监测到第一物理服务器的中央处理器CPU占用率大于或等于预设的第一阈值时,获取所述第一物理服务器中的各虚拟机的第一运行日志,其中,所述第一运行日志包括各虚拟机的第一资源使用大小与时间的对应关系。
在本发明实施例中,调度监控器与不少于一个物理服务器相连接以监控各个物理服务器的运行情况。其中,每个物理服务器可以同时运行着多个操作系统,每个操作系统都包括虚拟资源,如CPU、内存、硬盘等虚拟资源。这些操作系统共享物理服务器的资源,其中,以上所述的操作系统即为虚拟机。进一步的,物理服务器内置日志系统,以记录在物理服务器上运行的各虚拟机CPU、内存、硬盘和带宽中的一种或多种虚拟资源所占用的资源大小与时间的对应关系,并可以向外部提供查询接口。CPU、内存、硬盘和带宽等的虚拟资源的占用资源大小与时间的对应关系可以是不同时间点对应的数据。CPU、内存、硬盘和带宽等在每个时间点上都会有相应的占用资源大小,日志系统将不同时间点所对应的占用资源大小记录下来并保存。
在本发明实施例中,第一物理服务器可以是与调度监控器相连接的物理服务器,调度监控器可实时或周期性的采集所连接的各个物理服务器的CPU的使用信息并获取每个物理服务器的CPU占用率,其中,CPU的占用率可以是物理服务器中所运行的程序占用的CPU资源相比于物理服务器的CPU总资源的百分比,CPU占用率越高,说明物理服务器运行的程序越多。
在本发明实施例中,当调度监控器监测到第一物理服务器的CPU占用率大于或等于预设的第一阈值时,调度监控器将对第一物理服务器进行进一步的操作。在本实施例中,当调度监控器检查到第一物理服务器的CPU占用率大于或等于预设的第一阈值时,调度监控器的获取单元100将获取该物理服务器中运行的各虚拟机的第一运行日志,其中,第一运行日志记录了物理服务器上运行的各虚拟机的CPU、内存、硬盘和带宽等的虚拟资源所占用的资源大小与时间的对应关系。其中,在本发明实施例中,第一资源使用大小可以是虚拟资源所占用的资源大小。例如:各虚拟机的CPU的第一资源使用大小可以是各虚拟机的CPU运行的程序占用CPU资源的大小,各虚拟机的内存的第一资源使用大小可以是各虚拟机运行在内存上的程序占用第一物理服务器的内存的大小。
可选的,在本发明实施例中,预设的第一阈值可以是80%或其他数值。
计算单元200,用于根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机的间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机。
在本发明实施例中,第一资源使用大小可以是虚拟机运行的程序占用CPU资源的大小,或者可以是虚拟机的运行的程序占用第一物理服务器的内存资源大小,或者可以是虚拟机的输入输出数据的大小等,调度监控器的管理员可根据具体的需要选择获取需要的第一资源使用大小。在本发明实施例中,第一资源使用大小是虚拟机运行的程序占用CPU资源的大小。
进一步的,调度监控器的计算单元200可根据第一物理服务器的各所述虚拟机的第一资源使用大小与时间的对应关系来拟合第一资源使用时间曲线图。第一资源使用时间曲线图可以表示虚拟机的第一资源使用大小与时间的关系。其中,调度监控器的计算单元200在拟合第一资源使用时间曲线图时,可对第一资源使用大小进行处理再拟合。例如:计算虚拟机的第一资源使用大小相比于虚拟机的CPU总资源的百分比,从而获得虚拟机的单位第一资源使用。再根据单位第一资源使用与时间的对应关系来进行拟合,如图2。其中,绘制第一资源使用时间曲线图时可去除最高和最低的第一资源使用大小和对应的时间点。
在本发明实施例中,调度监控器的计算单元200可预设多个时间点,可根据第一资源使用大小与时间的对应关系获取预设的时间点所对应的各虚拟机的第一资源使用大小,再进行计算,如将获得的第一资源使用大小相比于CPU总资源的百分比,从而获得第一资源使用率。例如:预设时间点是t1_1,t1_2,t1_3,…,t1_n,则预设的时间点上的某一台虚拟机的第一资源使用率可以是s1_1,s1_2,s1_3,…,s1_m,另一台的虚拟机的第一资源使用大小可以是s2_1,s2_2,s2_3,…,s2_m。进一步优选的,调度监控器的计算单元200还可根据各虚拟机的第一资源使用时间曲线在预设的时间点上进行取样,获得预设的时间点上的第一资源使用率。
在本发明实施例中,本实施例可采用系统聚类分析法或其他聚类分析方法对获取到的各虚拟机在预设的至少一个时间点上的第一资源使用大小来进行分析计算获得第一资源使用相似度。其中,本发明实施例的预设的至少一个时间点上的第一资源使用大小可以是根据调度监控器的计算单元200绘制的第一资源使用时间曲线来获取到的。具体的,聚类分析法可如下:
如图2所示,m条第一资源使用时间曲线可记为L_1、L_2、……、L_m,m条第一资源使用时间曲线所对应的m台虚拟机可记为v_1、v_2、……、v_m。在L_1第一资源使用时间曲线上进行周期采样,获取n个采样点,分别记为P1_1、P1_2、……、P1_n,各采样点的坐标可记为(t1_1,s1_1),(t1_2,s1_2),……,(t1_n,s1_n)。进一步的,在L_2第一资源使用时间曲线上也进行同样的周期采样,获取n个采样点,分别记为P2_1、P2_2、……、P2_n,各采样点的坐标可记为(t2_1,s2_1),(t2_2,s2_2),……,(t2_n,s2_n)。按照以上的采样方法,则在L_m第一资源使用时间曲线上通过周期采样获取的n个采样点可记为Pm_1、Pm_2、……、Pm_n,各采样点的坐标可记为(tm_1,sm_1),(tm_2,sm_2),……,(tm_n,sm_n)。其中,根据m条的第一资源使用时间曲线的采样时间的一致性可以理解的是,tj_1=tk_1,tj_2=tk_2,……,tj_n=tk_n,其中,1≤j≤m,1≤k≤m。
进一步的,将每条曲线的各采样点进行归一化处理,具体的归一化处理方法可如下:
在第一资源使用时间曲线L_1的样本上获取第一资源使用大小最高的样本点,当有多个第一资源使用大小最高的样本点,任意选取一个样本点并记为Max_1,相应的,在第一资源使用时间曲线L_1的样本上获取第一资源使用大小最低的样本点,当有多个第一资源使用大小最低的样本点,任意选取一个样本点并记为Min_1;同样的,对第一资源使用时间曲线L_2~L_m进行同样的操作,获得每条第一资源使用时间曲线对应的第一资源使用大小最高样本点Max_2~Max_m,第一资源使用大小最低样本点Min_2~Min_m。
进一步的,对第一资源使用时间曲线L_1的各采样点对应的第一资源使用大小s1_1,s1_2,……,s1_n进行线性变换获得:S1_1=(s1_1-Min_1)/(Max_1-Min_1),S1_2=(s1_2-Min_1)/(Max_1-Min_1),……,S1_n=(s1_n-Min_1)/(Max_1-Min_1),同样的,对第一资源使用时间曲线L_2的各采样点对应的第一资源使用大小s2_1,s2_2,……,s2_n进行线性变换获得:S2_1=(s2_1-Min_1)/(Max_1-Min_1),S2_2=(s2_2-Min_1)/(Max_1-Min_1),……,S2_n=(s2_n-Min_1)/(Max_1-Min_1),……,对第一资源使用时间曲线L_m的各采样点对应的第一资源使用大小sm_1,sm_2,……,sm_n进行线性变换获得:Sm_1=(sm_1-Min_1)/(Max_1-Min_1),Sm_2=(sm_2-Min_1)/(Max_1-Min_1),……,Sm_n=(sm_n-Min_1)/(Max_1-Min_1)。
其中,我们可以定义任意两条第一资源使用时间曲线之间的距离为: 其中,1≤j≤m,1≤k≤m;
进一步的,我们还可以定义任意两条资源需求时间曲线之间的距离为:d(L_j,L_k)=min1≤i≤n|Sj_i-Sk_i|,其中,1≤j≤m,1≤k≤m。在本发明中,定义任意两条第一资源使用曲线间的距离所采用的方法不局限于以上所描述的,在此不进行赘述。
在本发明实施例中,令f(L_j,L_k)表示2条曲线L_j,L_k之间的第一曲线相似程度,并定义如下:f(L_j,L_k)=100(1-d(L_j,L_k)),根据d(L_j,L_k)的定义可知0≤d(L_j,L_k)≤1,如:当d(L_j,L_k)=0.05时,可得曲线j与曲线k之间的第一曲线相似度为100*(1-0.05)=95,即该第一曲线相似度可以是曲线j所对应的虚拟机与曲线k所对应的虚拟机之间的第一资源使用相似度。
在本发明实施例中,通过以上所描述的系统聚类方法可计算出任意两个虚拟机间的第一资源使用相似度。其中,待控虚拟机是任意一个第一资源使用相似度最高所对应的虚拟机。进一步的,本发明实施例的待控虚拟机还可以是所有第一资源使用相似度最高所对应的虚拟机。
迁移单元300,用于将所述待控虚拟机迁出所述第一物理服务器,以降低所述第一物理服务器的CPU占用率。
在本发明实施例中,迁移单元300将第一物理服务器上的待控虚拟机迁移至其他物理服务器上运行,使得第一物理服务器上的CPU占用率降低,从而不影响第一物理服务器上的其他的虚拟机运行,并充分利用其他物理服务器上的空闲资源,其中,本发明实施例中迁移单元300进行迁出的待控虚拟机可以是一个虚拟机也可以是多个虚拟机。
请参照图6,为本发明实施例提供的一种调度监控器。如图6所示,本实施例所述的一种终端可包括:获取单元100、计算单元200和迁移单元300。
其中,本发明的计算单元200包括:
第一拟合子单元10,用于根据各所述虚拟机的第一资源使用大小与时间的对应关系,拟合各所述虚拟机的第一资源使用时间曲线。
在本发明实施例中,调度监控器的第一拟合子单元10可根据第一物理服务器的各所述虚拟机的第一资源使用大小与时间的对应关系来拟合第一资源使用时间曲线图。第一资源使用时间曲线图可以表示虚拟机的第一资源使用大小与时间的关系。其中,调度监控器在拟合第一资源使用时间曲线图时,可对第一资源使用大小进行处理再拟合。例如:计算虚拟机的第一资源使用大小相比于虚拟机的CPU总资源的百分比,从而获得虚拟机的单位第一资源使用。再根据单位第一资源使用与时间的对应关系来进行拟合,如图2。其中,第一拟合子单元10绘制第一资源使用时间曲线图时可去除最高和最低的第一资源使用大小和对应的时间点。
第一计算子单元20,用于计算各所述第一资源使用时间曲线间的第一曲线相似度,获取最高的第一曲线相似度所对应的第一资源使用时间曲线。
在本发明实施例中,本实施例调度监控器的第一计算子单元20可采用系统聚类分析法或其他聚类分析方法对调度监控器的第一拟合子单元10绘制的第一资源使用时间曲线来计算曲线间的第一曲线相似度。具体的,聚类分析法可如下:
如图2所示,m条第一资源使用时间曲线可记为L_1、L_2、……、L_m,m条第一资源使用时间曲线所对应的m台虚拟机可记为v_1、v_2、……、v_m。在L_1第一资源使用时间曲线上进行周期采样,获取n个采样点,分别记为P1_1、P1_2、……、P1_n,各采样点的坐标可记为(t1_1,s1_1),(t1_2,s1_2),……,(t1_n,s1_n)。进一步的,在L_2第一资源使用时间曲线上也进行同样的周期采样,获取n个采样点,分别记为P2_1、P2_2、……、P2_n,各采样点的坐标可记为(t2_1,s2_1),(t2_2,s2_2),……,(t2_n,s2_n)。按照以上的采样方法,则在L_m第一资源使用时间曲线上通过周期采样获取的n个采样点可记为Pm_1、Pm_2、……、Pm_n,各采样点的坐标可记为(tm_1,sm_1),(tm_2,sm_2),……,(tm_n,sm_n)。其中,根据m条的第一资源使用时间曲线的采样时间的一致性可以理解的是,tj_1=tk_1,tj_2=tk_2,……,tj_n=tk_n,其中,1≤j≤m,1≤k≤m。
进一步的,将每条曲线的各采样点进行归一化处理,具体的归一化处理方法可如下:
在第一资源使用时间曲线L_1的样本上获取第一资源使用大小最高的样本点,当有多个第一资源使用大小最高的样本点,任意选取一个样本点并记为Max_1,相应的,在第一资源使用时间曲线L_1的样本上获取第一资源使用大小最低的样本点,当有多个第一资源使用大小最低的样本点,任意选取一个样本点并记为Min_1;同样的,对第一资源使用时间曲线L_2~L_m进行同样的操作,获得每条第一资源使用时间曲线对应的第一资源使用大小最高样本点Max_2~Max_m,第一资源使用大小最低样本点Min_2~Min_m。
进一步的,对第一资源使用时间曲线L_1的各采样点对应的第一资源使用大小s1_1,s1_2,……,s1_n进行线性变换获得:S1_1=(s1_1-Min_1)/(Max_1-Min_1),S1_2=(s1_2-Min_1)/(Max_1-Min_1),……,S1_n=(s1_n-Min_1)/(Max_1-Min_1),同样的,对第一资源使用时间曲线L_2的各采样点对应的第一资源使用大小s2_1,s2_2,……,s2_n进行线性变换获得:S2_1=(s2_1-Min_1)/(Max_1-Min_1),S2_2=(s2_2-Min_1)/(Max_1-Min_1),……,S2_n=(s2_n-Min_1)/(Max_1-Min_1),……,对第一资源使用时间曲线L_m的各采样点对应的第一资源使用大小sm_1,sm_2,……,sm_n进行线性变换获得:Sm_1=(sm_1-Min_1)/(Max_1-Min_1),Sm_2=(sm_2-Min_1)/(Max_1-Min_1),……,Sm_n=(sm_n-Min_1)/(Max_1-Min_1)。
其中,我们可以定义任意两条第一资源使用时间曲线之间的距离为: 其中,1≤j≤m,1≤k≤m;
进一步的,我们还可以定义任意两条资源需求时间曲线之间的距离为:d(L_j,L_k)=min1≤i≤n|Sj_i-Sk_i|,其中,1≤j≤m,1≤k≤m。在本发明中,调度监控器的第一计算子单元20定义任意两条第一资源使用曲线间的距离所采用的方法不局限于以上所描述的,在此不进行赘述。
在本发明实施例中,令f(L_j,L_k)表示2条曲线L_j,L_k之间的第一曲线相似程度,并定义如下:f(L_j,L_k)=100(1-d(L_j,L_k)),根据d(L_j,L_k)的定义可知0≤d(L_j,L_k)≤1,如:当d(L_j,L_k)=0.05时,可得曲线j与曲线k之间的第一曲线相似度为100*(1-0.05)=95。
在本发明实施例中,通过以上所描述的系统聚类方法可计算出任意两条曲线间的第一曲线相似度。进一步的,在计算出的任意两条曲线间的第一曲线中获取数值最高的第一曲线相似度,从而获取数值最高的第一曲线相似度所对应的第一资源使用时间曲线,在本发明实施例中,第三资源使用时间曲线是数值最高的第一曲线相似度所对应的第一资源使用时间曲线。
进一步的,在本发明实施例中,可根据获取到的第三资源使用时间曲线获取到所述第三资源使用时间曲线所对应的虚拟机,该虚拟机为待控虚拟机。其中具体的,以上所描述的第一曲线相似度可以是虚拟机间的第一资源使用相似度。进一步的,待控虚拟机可以是任意一个第一资源使用相似度最高所对应的虚拟机。或者,本发明实施例的待控虚拟机还可以是所有第一资源使用相似度最高所对应的虚拟机。
第一获取子单元30,用于根据各所述第一资源时间曲线与各虚拟机的对应关系,获取第三资源使用时间曲线所对应的待控虚拟机。
在本发明实施例中,第一获取子单元30可根据获取到的第三资源使用时间曲线获取到所述第三资源使用时间曲线所对应的虚拟机,该虚拟机可为待控虚拟机。其中具体的,以上所描述的第一曲线相似度可以是虚拟机间的第一资源使用相似度。进一步的,待控虚拟机可以是任意一个第一资源使用相似度最高所对应的虚拟机。或者,本发明实施例的待控虚拟机还可以是所有第一资源使用相似度最高所对应的虚拟机。
其中,所述迁移单元300包括:
第一判断子单元40,用于获取所述第二物理服务器的CPU占用资源大小,并判断所述第二物理服务器的CPU占用资源大小是否小于或等于第三阈值。
调度监控器的第一判断子单元40可先获取第二物理服务器的CPU占用资源大小,并判断每个第二物理服务器的CPU占用资源大小是否小于或等于第三阈值,其中,第三阈值可以是第二物理服务器的CPU的总资源的一半。从而使得调度监控器获取CPU占用资源大小比较低的第二物理服务器,保证了第二物理服务器在运行新的虚拟机时不会导致第二物理服务器的CPU超负荷工作。
第二判断子单元50,用于当第一判断子单元40的判断结果为是时,获取待控虚拟机的CPU占用资源大小并判断所述待控虚拟机的CPU占用资源大小与所述第二物理服务器的CPU占用资源大小之和是否小于或等于第四阈值,并当第二判断子单元50的判断结果为是时,第二判断子单元50通知获取子单元60获取所述第二物理服务器的第二运行日志。
在本发明实施例中,当第一判断子单元40的判断结果为是时,即第二物理服务器的CPU占用资源大小小于或等于第三阈值时,第二判断子单元50获取待控虚拟机在第二物理服务器运行的CPU占用资源大小,并判断待控虚拟机在第二物理服务器运行的CPU占用资源大小与第二物理服务器的CPU占用资源大小之和是否小于或等于预设第四阈值,并当第二判断子单元50判断结果为是时,即待控虚拟机的CPU占用资源大小与第二物理服务器的CPU占用资源大小之和小于或等于预设的第四阈值时,第二判断子单元50通知获取子单元60获取所述第二物理服务器的第二运行日志。其中,第四阈值可以是第二物理服务器的CPU总资源的80%。
第二获取子单元60,用于获取与调度监控器相连接的第二物理服务器的第二运行日志,其中,所述第二运行日志包括第二物理服务器的第二资源使用大小与时间的对应关系。
在本发明实施例中,调度监控器与多个第二物理服务器相连接,调度监控器的第二获取子单元60获取各个第二物理服务器的第二运行日志,其中,第二物理服务器是除第一物理服务器之外的任意一个与调度监控器连接的物理服务器。进一步的,第二运行日志可为物理服务器内置的日志系统,以记录在第二物理服务器上的CPU、内存、硬盘和带宽中的一种或多种虚拟资源所占用的资源大小与时间的对应关系,并可以向外部提供查询接口,其中,第二资源使用大小可以是第二物理服务器上的CPU、内存、硬盘和带宽中的一种或多种虚拟资源所占用的资源大小。其中,CPU、内存、硬盘和带宽等的虚拟资源的第二资源使用大小与时间的对应关系可以是不同时间点对应的第二资源使用大小。第二运行日志将不同时间点所对应的第二资源使用大小记录下来并保存。进一步的,第二物理服务器上的CPU的第二资源使用大小可以是第二物理服务器上的CPU运行的程序占用CPU资源的大小,第二物理服务器上的内存的第二资源使用大小可以是第二物理服务器在内存上运行的程序占用第一物理服务器的内存的大小。
第二计算子单元70,用于根据所述第二资源使用大小与时间的对应关系和所述待控虚拟机的第一资源使用大小与时间的对应关系,计算所述第二物理服务器与所述待控虚拟机的相似度,并判断所述相似度是否小于或等于预设的第二阈值。
在本发明实施例中,第二资源使用大小可以是第二物理服务器上运行的程序占用CPU资源的大小,或者可以是第二物理服务器内存上运行的程序占用第二物理服务器的内存资源大小,或者可以是第二物理服务器的输入输出数据的大小等,调度监控器的管理员可根据具体的需要选择获取需要的第二资源使用大小。在本发明实施例中,第二资源使用大小可以指的是第二物理服务器运行的程序占用CPU资源的大小。
进一步的,调度监控器的第二计算子单元70可根据第二物理服务器的第二资源使用大小与时间的对应关系来拟合第二资源使用时间曲线图。第二资源使用时间曲线图可以表示第二物理服务器的第二资源使用大小与时间的关系。其中,调度监控器的第二计算子单元70在拟合第二资源使用时间曲线图时,可对第二资源使用大小进行处理再拟合。例如:计算第二物理服务器的第二资源使用大小相比于CPU总资源的百分比,从而获得第二资源使用率。再根据第二资源使用率与时间的对应关系来进行拟合,如图4。其中,第二计算子单元70绘制第二资源使用时间曲线图时可去除最高和最低的第二资源使用率和对应的时间点。
在本发明实施例中,调度监控器的第二计算子单元70可预设多个时间点,可根据第二资源使用大小与时间的对应关系获取预设的时间点所对应的第二物理服务器的第二资源使用大小,再进行计算,如将获得的第二资源使用大小相比于第一物理服务器的CPU总资源的百分比,从而获得第二资源使用率。例如:预设时间点是t1_1,t1_2,t1_3,…,t1_n,则预设的时间点上的第一物理服务器的第二资源使用率可以是s1_1,s1_2,s1_3,…,s1_m。从而,根据获得的采样点与待控虚拟机获得的采样点进行计算,获得待控虚拟机与第二物理服务器的相似度。
进一步的,在本发明实施例中,调度监控器的第二计算子单元70还可将获得的各个第二物理服务器的第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线比较,以获取第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线的第二曲线相似度,其中,待控虚拟机的第一资源使用时间曲线即第三资源使用时间曲线。其中,待控虚拟机的第一资源使用时间曲线可以是第一物理服务器中的第一资源使用时间曲线相似度最高的曲线中的任意一条。进一步的,本发明实施例的第二计算子单元70可采用系统聚类分析法或其他聚类分析方法对第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线进行分析计算获得曲线间的第二曲线相似度。其中,本实施例中的具体的聚类分析法可参见如图1实施例所描述的聚类分析法,在此不进行赘述。
进一步的,本发明的第二计算子单元70还可采用加权的方法对第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线进行分析计算获得曲线间的第二曲线相似度。例如:第二相似度=a*fsimilarity(CPU)+b*fsimilarity(MEM)+c*fsimilarity(IO),且a+b+c=1。
在本发明实施例中,调度监控器的第二计算子单元70可通过分析逐个获得各个第二物理服务器的第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线间的第二曲线相似度,并逐个判断第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线间的第二曲线相似度是否小于或等于预设的第二阈值,并当相似度小于或等于预设的第二阈值时,获取满足条件的第二资源使用时间曲线所对应的第二物理服务器,调度监控器可将待控虚拟机迁移至满足条件的第二物理服务器上运行。其中,在本发明实施例中,预设的第二阈值可以是80%。即在本实施过程中,调度监控器获取与待控虚拟机的工作频率不一致的第二物理服务器。
迁移子单元80,用于当所述相似度小于或等于预设的第二阈值,将所述待控虚拟机迁移至所述第二物理服务器运行。
在本发明实施例中,当调度监控器判断第二物理服务器的第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线间的第二曲线相似度小于或等于预设的第二阈值时,调度监控器的迁移子单元80将待控虚拟机迁移至第二物理服务器上运行。
进一步的,在本发明实施例中,调度监控器可在短时间内进行多次调度从而更有效的将不同频率的虚拟机调度至一台物理服务器上进行运行,使得各个物理服务器上的负载趋向均匀从而降低调度次数降低能耗,并提高物理服务器的工作效率、提升节能效果。
进一步的,所述第二计算子单元70还包括:
第二拟合子单元11,用于根据所述第二资源使用大小与时间的对应关系,拟合所述第二物理服务器的第二资源使用时间曲线。
在本发明实施例中,调度监控器的第二拟合子单元11可根据第二物理服务器的第二资源使用大小与时间的对应关系来拟合第二资源使用时间曲线图。第二资源使用时间曲线图可以表示第二物理服务器的第二资源使用大小与时间的关系。其中,调度监控器的第二拟合子单元11在拟合第二资源使用时间曲线图时,可对第二资源使用大小进行处理再拟合。例如:第二拟合子单元11计算第二物理服务器的第二资源使用大小相比于CPU总资源的百分比,从而获得第二资源使用率。再根据第二资源使用率与时间的对应关系来进行拟合,如图4。其中,第二拟合子单元11绘制第二资源使用时间曲线图时可去除最高和最低的第二资源使用率和对应的时间点。
第三计算子单元12,用于计算所述第二资源使用时间曲线与所述第三资源使用时间曲线间的第二曲线相似度。
在本发明实施例中,调度监控器的第三计算子单元12还可将获得的各个第二物理服务器的第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线比较,以获取第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线的第二曲线相似度,其中,待控虚拟机的第一资源使用时间曲线即第三资源使用时间曲线。其中,待控虚拟机的第一资源使用时间曲线可以是第一物理服务器中的第一资源使用时间曲线相似度最高的曲线中的任意一条。进一步的,本发明实施例的第三计算子单元12可采用系统聚类分析法或其他聚类分析方法对第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线进行分析计算获得曲线间的第二曲线相似度。其中,本实施例中的具体的聚类分析法可参见如图1实施例所描述的聚类分析法,在此不进行赘述。
进一步的,本发明的第三计算子单元12还可采用加权的方法对第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线进行分析计算获得曲线间的第二曲线相似度。例如:第二相似度=a*fsimilarity(CPU)+b*fsimilarity(MEM)+c*fsimilarity(IO),且a+b+c=1。
在本发明实施例中,调度监控器的第三计算子单元12可通过分析逐个获得各个第二物理服务器的第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线间的第二曲线相似度,并逐个判断第二资源使用时间曲线与待控虚拟机的第一资源使用时间曲线间的第二曲线相似度是否小于或等于预设的第二阈值,并当相似度小于或等于预设的第二阈值时,第三计算子单元12获取满足条件的第二资源使用时间曲线所对应的第二物理服务器,使得调度监控器可将待控虚拟机迁移至满足条件的第二物理服务器上运行。其中,在本发明实施例中,预设的第二阈值可以是80%。即在本实施过程中,调度监控器获取与待控虚拟机的工作频率不一致的第二物理服务器。
由上可见,在本发明的一些实施例中,调度监控器获取物理服务器的各虚拟机的第一资源使用大小与时间的对应关系,并对其进行分析计算各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机,进而将所述待控虚拟机迁出所述第一物理服务器,这使得物理服务器的虚拟机分布更合理科学,提高物理服务器的工作效率和资源利用率,节约成本开支。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
综上,在本发明的一些实施例中,调度监控器获取物理服务器的各虚拟机的第一资源使用大小与时间的对应关系,并对其进行分析计算各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机,进而将所述待控虚拟机迁出所述第一物理服务器,这使得物理服务器的虚拟机分布更合理科学,提高物理服务器的工作效率和资源利用率,节约成本开支。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (14)
1.一种虚拟机调度的方法,其特征在于,所述方法包括:
当监测到第一物理服务器的中央处理器CPU占用率大于或等于预设的第一阈值时,获取所述第一物理服务器中的各虚拟机的第一运行日志,其中,所述第一运行日志包括各虚拟机的第一资源使用大小与时间的对应关系;
根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机;
将所述待控虚拟机迁出所述第一物理服务器,以降低所述第一物理服务器的CPU占用率。
2.如权利要求1所述的方法,其特征在于,所述根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机包括:
根据各所述虚拟机的第一资源使用大小与时间的对应关系,拟合各所述虚拟机的第一资源使用时间曲线;
计算各所述第一资源使用时间曲线间的第一曲线相似度,获取最高的第一曲线相似度所对应的第三资源使用时间曲线;
根据各所述第一资源时间曲线与各虚拟机的对应关系,获取所述第三资源使用时间曲线所对应的待控虚拟机。
3.如权利要求1或2所述的方法,其特征在于,所述将所述待控虚拟机迁出所述第一物理服务器包括:
获取与调度监控器相连接的第二物理服务器的第二运行日志,其中,所述第二运行日志包括第二物理服务器的第二资源使用大小与时间的对应关系;
根据所述第二资源使用大小与时间的对应关系和所述待控虚拟机的第一资源使用大小与时间的对应关系,计算所述第二物理服务器与所述待控虚拟机的相似度,并判断所述相似度是否小于或等于预设的第二阈值;
当所述相似度小于或等于预设的第二阈值,将所述待控虚拟机迁移至所述第二物理服务器运行。
4.如权利要求3所述的方法,其特征在于,所述根据所述第二资源使用大小与时间的对应关系和所述待控虚拟机的第一资源使用大小与时间的对应关系,计算所述第二物理服务器与所述待控虚拟机的相似度包括:
根据所述第二资源使用大小与时间的对应关系,拟合所述第二物理服务器的第二资源使用时间曲线;
计算所述第二资源使用时间曲线与所述第三资源使用时间曲线间的第二曲线相似度。
5.如权利要求3或4所述的方法,其特征在于,所述获取与调度监控器相连接的第二物理服务器的第二运行日志之前包括:
获取所述第二物理服务器的CPU占用资源大小,并判断所述第二物理服务器的CPU占用资源大小是否小于或等于第三阈值;
当所述第二物理服务器的CPU占用率小于或等于第三阈值,获取待控虚拟机的CPU占用资源大小并判断所述待控虚拟机的CPU占用资源大小与所述第二物理服务器的CPU占用资源大小之和是否小于或等于第四阈值;
当所述待控虚拟机的CPU占用资源大小与所述第二物理服务器的CPU占用资源大小之和小于或等于第四阈值,执行获取与调度监控器相连接的第二物理服务器的第二运行日志步骤。
6.如权利要1-5任一项所述的方法,其特征在于,所述虚拟机的第一资源使用大小包括:所述虚拟机CPU的第一资源使用大小、所述虚拟机内存的第一资源使用大小、所述虚拟机硬盘的第一资源使用大小以及所述虚拟机带宽的第一资源使用大小中的任一种或多种。
7.如权利要求3-6任一项所述的方法,其特征在于,所述第二物理服务器的第二资源使用大小包括:所述第二物理服务器CPU的第二资源使用大小、所述第二物理服务器内存的第二资源使用大小、所述第二物理服务器硬盘的第二资源使用大小以及所述第二物理服务器带宽的第二资源使用大小中的任一种或多种。
8.一种调度监控器,其特征在于,所述调度监控器包括:
获取单元,用于当监测到第一物理服务器的中央处理器CPU占用率大于或等于预设的第一阈值时,获取所述第一物理服务器中的各虚拟机的第一运行日志,其中,所述第一运行日志包括各虚拟机的第一资源使用大小与时间的对应关系;
计算单元,用于根据各所述虚拟机的第一资源使用大小与时间的对应关系计算所述各虚拟机间的第一资源使用相似度,并获取最高的第一资源使用相似度所对应的待控虚拟机;
迁移单元,用于将所述待控虚拟机迁出所述第一物理服务器,以降低所述第一物理服务器的CPU占用率。
9.如权利要求8所述的调度监控器,其特征在于,所述计算单元包括:
第一拟合子单元,用于根据各所述虚拟机的第一资源使用大小与时间的对应关系,拟合各所述虚拟机的第一资源使用时间曲线;
第一计算子单元,用于计算各所述第一资源使用时间曲线间的第一曲线相似度,获取最高的第一曲线相似度所对应的第三资源使用时间曲线;
第一获取子单元,用于根据各所述资源时间曲线与各虚拟机的对应关系,获取第三资源使用时间曲线所对应的待控虚拟机。
10.如权利要求8或9所述的调度监控器,其特征在于,所述迁移单元包括:
第二获取子单元,用于获取与调度监控器相连接的第二物理服务器的第二运行日志,其中,所述第二运行日志包括第二物理服务器的第二资源使用大小与时间的对应关系;
第二计算子单元,用于根据所述第二资源使用大小与时间的对应关系和所述待控虚拟机的第一资源使用大小与时间的对应关系,计算所述第二物理服务器与所述待控虚拟机的相似度,并判断所述相似度是否小于或等于预设的第二阈值;
迁移子单元,用于当所述相似度小于或等于预设的第二阈值,将所述待控虚拟机迁移至所述第二物理服务器运行。
11.如权利要求10所述的调度监控器,其特征在于,所述第二计算子单元包括:
第二拟合子单元,用于根据所述第二资源使用大小与时间的对应关系,拟合所述第二物理服务器的第二资源使用时间曲线;
第三计算子单元,用于计算所述第二资源使用时间曲线与所述第三资源使用时间曲线间的第二曲线相似度。
12.如权利要求10或11所述的调度监控器,其特征在于,所述迁移单元还包括:
第一判断子单元,用于获取所述第二物理服务器的CPU占用资源大小,并判断所述第二物理服务器的CPU占用资源大小是否小于或等于第三阈值;
第二判断子单元,用于当第一判断子单元的判断结果为是时,获取待控虚拟机的CPU占用资源大小并判断所述待控虚拟机的CPU占用资源大小与所述第二物理服务器的CPU占用资源大小之和是否小于或等于第四阈值,并当第二判断子单元的判断结果为是时,第二判断子单元通知获取子单元获取所述第二物理服务器的第二运行日志。
13.如权利要求8-12任一项所述的调度监控器,其特征在于,所述虚拟机的第一资源使用大小包括:所述虚拟机CPU的第一资源使用大小、所述虚拟机内存的第一资源使用大小、所述虚拟机硬盘的第一资源使用大小以及所述虚拟机带宽的第一资源使用大小中的任一种或多种。
14.如权利要求10-13任一项所述的调度监控器,其特征在于,所述第二物理服务器的第二资源使用大小包括:所述第二物理服务器CPU的第二资源使用大小、所述第二物理服务器内存的第二资源使用大小、所述第二物理服务器硬盘的第二资源使用大小以及所述第二物理服务器带宽的第二资源使用大小中的任一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310719546.8A CN103729252B (zh) | 2013-12-20 | 2013-12-20 | 一种虚拟机调度的方法及调度监控器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310719546.8A CN103729252B (zh) | 2013-12-20 | 2013-12-20 | 一种虚拟机调度的方法及调度监控器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103729252A true CN103729252A (zh) | 2014-04-16 |
CN103729252B CN103729252B (zh) | 2017-09-05 |
Family
ID=50453335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310719546.8A Active CN103729252B (zh) | 2013-12-20 | 2013-12-20 | 一种虚拟机调度的方法及调度监控器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103729252B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955397A (zh) * | 2014-04-28 | 2014-07-30 | 浙江大学 | 一种基于微架构感知的虚拟机调度多策略选择方法 |
CN104639415A (zh) * | 2015-02-06 | 2015-05-20 | 杭州华三通信技术有限公司 | 一种虚拟机的迁移方法和软件定义网络sdn控制器 |
CN104883273A (zh) * | 2015-05-05 | 2015-09-02 | 广州杰赛科技股份有限公司 | 虚拟化服务管理平台中业务影响模型的处理方法和系统 |
CN105446792A (zh) * | 2014-08-27 | 2016-03-30 | 联想(北京)有限公司 | 一种虚拟机的部署方法、部署装置和管理节点 |
CN105607952A (zh) * | 2015-12-18 | 2016-05-25 | 航天恒星科技有限公司 | 一种虚拟化资源的调度方法及装置 |
WO2016082546A1 (zh) * | 2014-11-24 | 2016-06-02 | 中兴通讯股份有限公司 | 一种虚拟机迁移决策方法及装置 |
CN113138846A (zh) * | 2020-01-19 | 2021-07-20 | 华为技术有限公司 | 资源调节方法以及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100138831A1 (en) * | 2008-12-02 | 2010-06-03 | Hitachi, Ltd. | Virtual machine system, hypervisor in virtual machine system, and scheduling method in virtual machine system |
US20110202741A1 (en) * | 2006-09-01 | 2011-08-18 | Sachie Tajima | Storage system, data relocation method thereof, and recording medium that records data relocation program |
CN102170474A (zh) * | 2011-04-22 | 2011-08-31 | 广州杰赛科技股份有限公司 | 一种云计算网络中虚拟资源动态调度方法及系统 |
CN102937912A (zh) * | 2012-11-28 | 2013-02-20 | 华为技术有限公司 | 虚拟机调度方法和设备 |
CN102968344A (zh) * | 2012-11-26 | 2013-03-13 | 北京航空航天大学 | 一种多虚拟机迁移调度的方法 |
CN103218261A (zh) * | 2013-03-12 | 2013-07-24 | 浙江大学 | 一种基于性能预测的虚拟机动态迁移方法 |
-
2013
- 2013-12-20 CN CN201310719546.8A patent/CN103729252B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110202741A1 (en) * | 2006-09-01 | 2011-08-18 | Sachie Tajima | Storage system, data relocation method thereof, and recording medium that records data relocation program |
US20100138831A1 (en) * | 2008-12-02 | 2010-06-03 | Hitachi, Ltd. | Virtual machine system, hypervisor in virtual machine system, and scheduling method in virtual machine system |
CN102170474A (zh) * | 2011-04-22 | 2011-08-31 | 广州杰赛科技股份有限公司 | 一种云计算网络中虚拟资源动态调度方法及系统 |
CN102968344A (zh) * | 2012-11-26 | 2013-03-13 | 北京航空航天大学 | 一种多虚拟机迁移调度的方法 |
CN102937912A (zh) * | 2012-11-28 | 2013-02-20 | 华为技术有限公司 | 虚拟机调度方法和设备 |
CN103218261A (zh) * | 2013-03-12 | 2013-07-24 | 浙江大学 | 一种基于性能预测的虚拟机动态迁移方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955397A (zh) * | 2014-04-28 | 2014-07-30 | 浙江大学 | 一种基于微架构感知的虚拟机调度多策略选择方法 |
CN103955397B (zh) * | 2014-04-28 | 2017-01-04 | 浙江大学 | 一种基于微架构感知的虚拟机调度多策略选择方法 |
CN105446792A (zh) * | 2014-08-27 | 2016-03-30 | 联想(北京)有限公司 | 一种虚拟机的部署方法、部署装置和管理节点 |
CN105446792B (zh) * | 2014-08-27 | 2019-09-24 | 联想(北京)有限公司 | 一种虚拟机的部署方法、部署装置和管理节点 |
WO2016082546A1 (zh) * | 2014-11-24 | 2016-06-02 | 中兴通讯股份有限公司 | 一种虚拟机迁移决策方法及装置 |
CN105656969A (zh) * | 2014-11-24 | 2016-06-08 | 中兴通讯股份有限公司 | 一种虚拟机迁移决策方法及装置 |
CN104639415A (zh) * | 2015-02-06 | 2015-05-20 | 杭州华三通信技术有限公司 | 一种虚拟机的迁移方法和软件定义网络sdn控制器 |
CN104883273A (zh) * | 2015-05-05 | 2015-09-02 | 广州杰赛科技股份有限公司 | 虚拟化服务管理平台中业务影响模型的处理方法和系统 |
CN104883273B (zh) * | 2015-05-05 | 2018-04-27 | 广州杰赛科技股份有限公司 | 虚拟化服务管理平台中业务影响模型的处理方法和系统 |
CN105607952A (zh) * | 2015-12-18 | 2016-05-25 | 航天恒星科技有限公司 | 一种虚拟化资源的调度方法及装置 |
CN105607952B (zh) * | 2015-12-18 | 2021-04-20 | 航天恒星科技有限公司 | 一种虚拟化资源的调度方法及装置 |
CN113138846A (zh) * | 2020-01-19 | 2021-07-20 | 华为技术有限公司 | 资源调节方法以及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103729252B (zh) | 2017-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103729252A (zh) | 一种虚拟机调度的方法及调度监控器 | |
US10372723B2 (en) | Efficient query processing using histograms in a columnar database | |
US10229129B2 (en) | Method and apparatus for managing time series database | |
Chong et al. | Big data analytics: a literature review | |
Liu et al. | A hybrid ICT-solution for smart meter data analytics | |
Aydin et al. | Architecture and implementation of a scalable sensor data storage and analysis system using cloud computing and big data technologies | |
CN108874535A (zh) | 一种任务调节方法、计算机可读存储介质及终端设备 | |
CN106780149A (zh) | 一种基于定时任务调度的设备实时监测系统 | |
CN103488564A (zh) | 一种分布式实时测试系统多路测试数据压缩与归并方法 | |
Chen et al. | Optimal variability sensitive condition-based maintenance with a Cox PH model | |
CN111813517B (zh) | 任务队列的分配方法、装置、计算机设备及介质 | |
CN109190025A (zh) | 信息监控方法、装置、系统和计算机可读存储介质 | |
Maroulis et al. | A holistic energy-efficient real-time scheduler for mixed stream and batch processing workloads | |
CN109376162A (zh) | 表格数据处理方法、终端设备及计算机可读存储介质 | |
Xiong et al. | SLDP: A novel data placement strategy for large-scale heterogeneous Hadoop cluster | |
Choi et al. | Interference-aware co-scheduling method based on classification of application characteristics from hardware performance counter using data mining | |
Khan et al. | Advanced data analytics modeling for evidence-based data center energy management | |
AU2018350897B2 (en) | Memory allocation in a data analytics system | |
Zhuang et al. | Improved t-SNE in Anomaly Detection of Cloud Virtual Machine | |
CN104331322A (zh) | 一种进程迁移方法和装置 | |
Zhou et al. | Network Data Processing Based on Cloud Computing Platform | |
Sawada et al. | Power consumption and computation models of a storage server | |
CN118801963A (zh) | 一种星载计算系统的在轨监测与恢复容错方法、装置 | |
Lei et al. | Research of RFID Data mining based on supply chain management | |
Vilar et al. | Dynamic timeout power policy for network interfaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200423 Address after: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Patentee after: HUAWEI TECHNOLOGIES Co.,Ltd. Address before: 301, A building, room 3, building 301, foreshore Road, No. 310053, Binjiang District, Zhejiang, Hangzhou Patentee before: Huawei Technologies Co.,Ltd. |