CN104010028B - 一种云平台下性能加权的虚拟资源动态管理策略方法 - Google Patents
一种云平台下性能加权的虚拟资源动态管理策略方法 Download PDFInfo
- Publication number
- CN104010028B CN104010028B CN201410184681.1A CN201410184681A CN104010028B CN 104010028 B CN104010028 B CN 104010028B CN 201410184681 A CN201410184681 A CN 201410184681A CN 104010028 B CN104010028 B CN 104010028B
- Authority
- CN
- China
- Prior art keywords
- host
- virtual machine
- performance
- mrow
- cloud platform
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013508 migration Methods 0.000 claims abstract description 37
- 230000005012 migration Effects 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 19
- 230000007334 memory performance Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 10
- 230000009191 jumping Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明涉及云计算的技术领域,特别涉及一种云平台下性能加权的虚拟资源动态管理策略方法。本发明首先配置各种请求资源与性能权值的对照矩阵,根据用户需求和云平台系统实时监测数据,提出基于负载性能加权的负载性能度量模型,然后根据该模型提出一种云平台下的虚拟资源动态管理策略方法,该方法包括虚拟机部署策略和虚拟机迁移策略,使得云平台在满足现有的负载请求下,保证每一个调度域的物理服务器的负载程度达到最大化,并且在该基础上,最小化云平台需开启的物理服务数量。本方法发明可以同时考虑用户需求并给予个性化权重设置和云平台系统实时性能监测数据,既满足了QoS需求,又合理地利用了云平台系统资源,保证了云平台的负载性能。
Description
技术领域
本发明涉及云计算的技术领域,特别涉及一种云平台下性能加权的虚拟资源动态管理策略方法。
背景技术
云计算是一种通过互联网将资源以“服务”的形式提供给客户的计算方式,所有的这些服务都是通过互联网的资源池的形式弹性地、按需所取、计费的方式提供。
虚拟化是实现这些特征的关键技术之一,如何有效地进行虚拟机部署,是IT资源共享池管理的关键技术。在云计算环境中,用户通常要求其运行具有稳定性,不希望出现虚拟机频繁迁移的现象。因此,集中式的虚拟机优化部署方式一直是当前技术研究的热点。
虚拟机的部署主要考虑数据中心的资源利用率以及虚拟机迁移次数。如何合理优化地部署虚拟机到物理服务器可以看作是一个近似装箱问题,即寻找最优的方法将虚拟机分配到物理服务器的方案,从而使每个结点中虚拟机的使用资源之和不超过物理服务器所能提供的上限。目前,针对云计算中虚拟机部署的研究大多只涉及了某一方面的优化,例如,QOS或SLA的保证,能源消耗的最少,使用的物理服务器数量最少,虚拟机迁移次数最少等等。但是,同时考虑到这些优化目标时,这些优化目标又都是相互矛盾。
如中国专利CN101719081B,名称为“一种虚拟机调度方法”,所属方法为一种虚拟机调度方法,具体步骤包括:1)在每台物理服务器上运行一宿主机监控器,用于定期搜集各虚拟机的负载并将其发送到虚拟机调度器,以及接收并执行虚拟机调度器发来的指令;2)虚拟机调度器定期判断出负载数据发生变化的虚拟机及其所在的物理服务器;3)虚拟机调度器采用装箱算法对负载数据发生变化的虚拟机进行调整,得到虚拟机与物理服务器的目标对应关系;4)虚拟机调度器比较虚拟机与物理服务器的当前对应关系和目标对应关系,生成一虚拟机调度计划;5)宿主机监控器根据虚拟机调度计划对虚拟机进行调度。其调度方法中仅对各虚拟机负载进行监测,调度的装箱算法仅仅考虑虚拟机各资源类型的负载与物理服务器容量比值的最大值。基于此种负载计算方法的调度不能动态考虑用户需求和系统的实时性,灵活性不够。与此同时,也没有考虑节能方面的考虑。对于中国专利CN102981910A,名称为“虚拟机调度的实现方法和装置”,该方法包括:监控多个虚拟机管理平台对资源的使用状况:根据每个虚拟机管理平台对资源的使用状况确定每个虚拟机管理平台的负载:在根据每个虚拟机管理平台的负载确定需要进行负载调整的情况下,动态地将运行于某个虚拟机管理平台内一个或多个虚拟机迁移至其他虚拟机管理平台。此方法能够综合划分物理分区和调整资源池结构,但针对的是整个虚拟机管理平台而不是用户请求,因此没有考虑用户请求的虚拟机参数偏好。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种云平台下性能加权的虚拟资源动态管理策略方法。本发明的另一目的,提供一种使用云平台下性能加权的虚拟资源动态管理策略方法的系统。
为了达到本发明的第一目的,本发明通过下述技术方案实现:
一种云平台下性能加权的虚拟资源动态管理策略方法,该方法包括下列步骤:
S1、云平台管理员预先配置好虚拟机规模及各性能权值预设值和宿主机负载性能权重参数并提供选择模板,允许用户在线选择虚拟机配置及自定义各性能要求权值,允许用户手动选择需要优化的虚拟机;
S2、资源监控器进行资源状态动态监控,实时监测云平台系统中虚拟机和宿主机的性能值,当虚拟机监测器监测到宿主机的性能值超过指定阈值,则通知虚拟机调度器进行预警处理,启动动态迁移调度策略;
S3、查看优化队列,当用户请求手动选择需要优化的虚拟机时,通知虚拟机调度器进行资源优化,启动动态迁移调度策略;
S4、查看新任务队列,当用户请求新的虚拟机时,通知虚拟机调度器进行资源自动部署,动态更新,结合当前云平台中宿主机负载性能权重参数和虚拟机参数的各性能监测值,根据基于负载性能加权的负载性能度量模型,启动虚拟机部署策略,从当前调度域中为用户计算出最合适的目标宿主机,若当前调度域无法找到满足条件的宿主机,则启用动态迁移策略,选择合适的虚拟机在调度域内迁移后再重新布置当前请求的虚拟机;
S5、云平台将当前宿主机分为n组,默认开启第一组,当第一组无法满足系统新的需求时,则开启下一组为启动的宿主机组并与当前活动组合并为一组,若当前调度域包括云平台系统所有宿主机,则输出相应信息,返回失败,否则启动下一组未启动的宿主机,并与当前调度域合并为一组,如此循环,直到所有宿主机已经开启。
优选的,所述步骤S1具体为:
S11、预置云平台中宿主机集合P及分组信息、系统监测的各宿主机性能数据集合和宿主机性能权重矩阵Wp,其中m代表云平台中宿主机即物理服务器的数量;
S12、预置云平台中所有的宿主机上部署的虚拟机信息V、虚拟机配置权重矩阵Wv、虚拟机预设配置矩阵;
S13、初始化告警队列;
S14、初始化用户指定优化处理的宿主机队列及指定参数信息;
S15、初始化新虚拟机申请队列Q。
优选的,所述步骤S2具体为
S21、查看告警队列是否不为空;
S22、若是不为空,则读取队列首节点宿主机ID;
S23、将该宿主机ID、系统单宿主机性能阈值、云平台中所有未进预警队列的宿主机集合作为输入参数,启动动态迁移调度策略,若动态迁移调度策略返回失败,则跳至步骤S5;
S24、删除告警队列首节点,若队列为空,则转至步骤S3,否则转至S21;
所述步骤S3具体为
S31、查看优化队列是否不为空;
S32、若是不为空,则读取队列首节点宿主机ID;
S33、将该宿主机ID、用户指定该宿主机性能值、云平台内所有未进优化队列的宿主机集合作为输入参数,启动动态迁移调度策略,若动态迁移调度策略返回失败,则跳至步骤S5;
S34、删除优化队列首节点,若队列为空,则转至步骤S4,否则转至S31;
所述步骤S4具体为
S41、查看新任务队列是否为空,若是,则退出;
S42、否则,若是不为空,则顺序读取新任务队列Qi=q1,q2,q3,......,qn中的新请求虚拟机qi信息作为虚拟机部署策略的输入参数;
S43、启用虚拟机部署策略;
S44、若虚拟机部署策略返回0,则跳至步骤S5;
S45、若虚拟机部署策略返回目标宿主机ID,
则建立当前映射f:即将新请求虚拟机qi部署到返回ID编号为j的宿主机上;
S46、根据S45中信息,更新云平台中宿主机上部署的虚拟机信息V;
S47、删除新任务队列首节点,若新任务队列为空,则退出,否则转至S41。
优选的,所述基于负载性能加权的负载性能度量模型,其具体如下:
O为云平台的负载均衡值,其中,m代表云平台中宿主机即物理服务器的数量,
其中表示云平台宿主机的负载性能均值;
其中bl(j)表示宿主机pj的负载性能值,σ和1-σ为负载性能加权参数,分别代表宿主机性能权值参数和虚拟机性能权值参数;
其中Hp(pj)为宿主机pj的性能值;
其中向量为宿主机pj的实时性能数据向量,其中CPj,MPj,HPj,NPj分别为宿主机pj当前的CPU性能值、内存性能值、外存性能值、网络性能值,向量其中wpj1,wpj2,wpj3,wpj4分别为宿主机pj当前CPU性能值、内存性能值、外存性能值、网络性能值的权重;
其中Hv(j,i)为第j个宿主机上第i个虚拟机Vji的性能值;
函数fn(j)返回第j个宿主机上已部署的虚拟机个数;
函数W(j,i),功能是返回第j个宿主机上第i个虚拟机的预设配置对应的权重向量;
其中wvS1,wvS2,wvS3,wvS4分别为虚拟机Vji当前CPU性能值、内存性能值、外存性能值、网络性能值的权重;
返回虚拟机Vji的性能数据向量(Cvji,Mvji,Hvji,Nvji),其中Cvji,Mvji,Hvji,Nv分别为虚拟机Vji当前CPU性能值、内存性能值、外存性能值、网络性能值。
优选的,所述虚拟机部署策略的输入为请求虚拟机类别,输出为目标宿主机的ID编号,若返回0表示无宿主机可以部署该虚拟机,具体步骤为:
SX1、若当前调度组内存在一台空负载宿主机且该宿主机各性能剩余资源均大于该虚拟机资源请求,则返回该宿主机ID编号;
SX2、若当前调度组所有宿主机各项剩余资源之和不全大于虚拟机各项资源请求,则返回0;
SX3、顺序扫描当前调度组内各宿主机,若该宿主机各项剩余资源均大于虚拟机各项资源请求,则将该宿主机加入候选队列p1,p2,p3,……,pl;
SX4、若候选队列为空,则将请求虚拟机类别id、云平台指定阈值、云平台中所有宿主机集合作为输入参数,调用动态迁移调度策略处理;
SX5、否则顺序扫描候选队列,若云平台启动的宿主机数目m大于指定阈值,则返回minj∈[1,l]Δbl(j)对应的j,否则返回minj∈[1,l]ΔO(j)对应的j,其中宿主机pj部署了新虚拟机Vx前后,宿主机pj负载性能变化值记为Δbl(j),云平台中宿主机pj部署新虚拟机Vx后,云平台负载性能变化值记为ΔO(j)。
优选的,所述动态迁移调度策略的输入为宿主机ID编号或新虚拟机类别id、单宿主机负载阈值、可调度域宿主机集合,输出为成功或失败信息,具体步骤为:
SD1、将云平台所有宿主机队列按照剩余资源大小降序排列,加入待调整队列;
SD2、若为告警队列或优化队列调用此动态迁移调度策略,则将ID为输入参数中宿主机ID的节点从调整队列中删除,并将请求虚拟机设置为宿主机ID上负载最大的虚拟机,
否则将请求虚拟机设置为输入参数的新虚拟机;
SD3、顺序扫描该待调整队列,找到一台宿主机px使得同时满足条件(t1)(t2),
其中(t1)在向量Vx中存在最小可被迁移的虚拟机组合,此组合被迁移后,此宿主机可以部署请求虚拟机,
(t2)此组合中每台虚拟机按照虚拟机部署策略调度都能找到目标宿主机;
SD4、若步骤SD3找不到符合条件的宿主机,则返回失败并退出,
否则调用虚拟机部署策略在本调度组内除px外顺序部署待迁移的虚拟机。
优选的,所述方法还包括以下前提条件:
(1)只要云平台还有可满足用户需求的资源,则不拒绝用户的请求;
(2)用户可选的虚拟机性能权重配置是系统预设的规格之一;
(3)每台宿主机的性能指标可以被监控并且能将状态返回给虚拟机监测器,若出现宿主机的性能值超过系统预设阈值的,则立即将该宿主机ID加入预警队列;
(4)分配给一台宿主机上所有虚拟机的参数上限不能超过物理服务器提供的上限。
优选的,所述的Δbl(j)和ΔO(j),具体计算如下:
其中|O'|表示云平台新的负载性能均值,bl'(j)表示宿主机pj部署了虚拟机vX后的预测负载性能值,bl(i)表示宿主机pi的负载性能值,H'V(vX)表示虚拟机vx预测性能值,取当前pj上所有虚拟机性能的平均值,HV(j,i)表示第j个宿主机上第i个虚拟机Vji的性能值为,fn(j)表示第j个宿主机上已部署的虚拟机个数,rkj表示第k类虚拟机在第j个宿主机上的最大配置数。
为了达到本发明的第二目的,本发明通过下述技术方案实现:
一种使用云平台下性能加权的虚拟资源动态管理策略方法的系统,,该系统包括:
客户层,用于向系统请求虚拟机服务;
中央控制器,系统的核心处理器,是主要的控制器组件,负责管理整个系统,具体负责处理用户和系统内部各组件提出的各种请求,并根据对应管理策略进行处理;
虚拟机调度器,通过分析虚拟机监测器的实时数据针对中央控制器发送的请求运用上述的云平台下性能加权的虚拟资源动态管理策略方法进行进行动态的虚拟机部署调度;
虚拟机监测器,可以监控宿主机的性能指标并且能将状态返回给虚拟机调度器;
集群控制器,负责维护和管理集群内所有虚拟机,集群控制器包括一个或一个以上宿主机,每个宿主机包含一个或一个以上的虚拟机,每个宿主机上都有一个宿主机控制器控制运行在本机的虚拟机;
存储控制器,负责云存储方面的管理,包括申请存储空间,回收闲置空间,访问权限控制;
中央管理器,是平台管理模块,包括服务管理、用户管理、安全管理;
客户层发送请求给中央控制器,或者虚拟机监测器监测到负载超过指定阈值的宿主机,则告警并将超阈值宿主机加入告警队列并通知中央控制器触发虚拟机调度器处理告警队列;中央控制器将请求发送给虚拟机调度器;虚拟机调度器发送请求给虚拟机监测器索取平台集群性能数据;虚拟机监测器返回数据至虚拟机调度器;虚拟机调度器采用上述的虚拟机部署策略返回结果至中央控制器,并通知集群控制器在目标宿主机上启动虚拟机;中央控制器将部署结果返回给客户层。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明提出的云平台下性能加权的虚拟资源动态管理策略方法,该方法使得云平台在满足现有的负载请求下,保证每一个调度域的物理服务器的负载程度达到最大化,并且在该基础上,最小化云平台需开启的物理服务数量。
(2)该方法可以同时考虑用户需求并给予个性化权重设置和云平台系统实时性能监测数据,达到如下效果:
1)动态地保证了系统的可靠性。系统对资源状态动态监控,实时监测云平台系统中虚拟机和宿主机的性能值,当虚拟机监测器监测到宿主机的性能值超过指定阈值,则将此宿主机添加至告警队列并通知虚拟机调度器进行预警处理,启动动态迁移调度策略,保证系统内所有宿主机的负载不超过阈值,从而减少了系统的故障率,动态地保证了系统的可靠性;
2)动态地满足了用户需求。当用户新申请虚拟资源时,只要还有可满足用户需求的资源,则不拒绝用户,根据用户需求分配满足条件的虚拟资源;在系统运行当中,当用户对所拥有的虚拟资源申请优化时,调用虚拟机调度器进行动态优化,以此尽量满足用户需求。
3)保证了系统的负载均衡。通过本发明的性能加权的虚拟资源动态管理策略方法中的系统负载均衡度量模型和虚拟机部署算法、动态迁移调度模块,保证了系统的各宿主机负载在系统运行期间趋于平衡。
4)保证上述优点的基础上减少了能耗。集群内宿主机采用分组方式启动。只有当前开启的宿主机调度域无法满足用户需求和系统需求时,才启动下一组未启动的宿主机值。这样既合理地利用了云平台系统资源,又减少了能耗。
附图说明
图1是本实施例一的云平台下性能加权的虚拟资源动态管理策略方法流程图;
图2是本实施例一中步骤S1的流程图;
图3是本实施例一中步骤S2的流程图;
图4是本实施例一中步骤S3的流程图;
图5是本实施例一中步骤S4的流程图;
图6是本实施例一中虚拟机部署策略的流程图;
图7是本实施例一中动态迁移调度策略的流程图;
图8是本实施例二中一种使用云平台下性能加权的虚拟资源动态管理策略方法的系统结构框图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例一
●问题描述及优化目标
VM虚拟机部署问题描述如下:n个VM申请请求集合,记为Qi=q1,q2,q3,......,qn,其中qi={sci,smi,shi,sni}表示VM虚拟机的配置,其中sci为CPU大小,smi为内存大小,shi为磁盘空间,sni为期望带宽。
云平台的m个宿主机集合P=p1,p2,p3,......,pm|m∈N,其中pi={SCi,SMi,SHi,SNi}表示宿主机pi的配置,其中SCi为CPU大小,SMi为内存大小,SHi为磁盘空间,SNi为拥有的带宽。P被分为n组,}P=Gi|i∈(0,n),Gi代表第i组宿主机。
管理层向系统提交虚拟机申请请求时,虚拟机部署调度策略建立虚拟机到宿主机的映射:其中当申请qi时返回qi部署的宿主机ID-j。本实施例考虑的虚拟机无论批量申请还是单次申请,都按单次申请的流程顺序处理。
1、云平台在满足现有的负载请求下,每一个调度域的物理服务器的负载程度达到最大化。
2、在满足1的基础上,最小化云平台需开启的物理服务数量。
3、每一个调度域内物理服务器的所有负载率不高于系统指定的阈值。
●算法参数定义
假设云平台有m台物理服务器;云平台的虚拟机规模总数有t个。
定义1设集合V={V1,V2,……,Vm|Vjm{vj1,vj2,……,vjk},k∈N,j∈N且j∈[1,m]}
表示云平台中所有虚拟机集合,其中Vj表示第j个宿主机上的虚拟机集合;
定义2设宿主机pj的性能值为Hp(pj),则计算公式如下:
其中Wp表示宿主机性能权值矩阵,
为宿主机Pj的性能权重向量,
且
为宿主机pj的实时性能数据向量,
其中分别表示宿主机pj的CPU、内存、外存、网络性能权重值,
CPj,MPj,HPj,NPj分别为宿主机pj当前的CPU性能值、内存性能值、外存性能值、网络性能值。
定义3设第j个宿主机上第i个虚拟机Vji的性能值为Hv(j,i),其计算公式如下。
其中Wv表示虚拟机配置权值矩阵,为系统配置,存于虚拟机调度器中,
并且
Wvs=(wvs1,wvs2,wvs3,wvs4)为虚拟机Vs的性能权重向量,
且wvs1+wvs2+wvs3+wvs4=1,
W(j,i)为一函数,功能是返回第j个宿主机上第i个虚拟机的预设配置对应的权重向量其中wvs1,wvs2,wvs3,wvs4分别表示第s种虚拟机预设的CPU、内存、外存、网络性能权重值,S(Vji)含义类似定义2中的SPj,返回节点Vji的性能数据向量(Cvji,Mvji,Hvji,Nvji)。
定义4云平台负载性能应综合考虑虚拟机和宿主机的性能值,因此该策略采取加权计算公式,设bl(j)(j∈[1,m])表示宿主机pj的负载性能值,函数fn(j)返回第j个宿主机上已部署的虚拟机个数。σ为系统管理员根据情况设定的权值,则宿主机pj的负载性能指标定义如下:
●负载性能度量方法
根据负载性能模型的定义,若设O为云平台的负载性能值,则计算公式如下:
其中表示云平台宿主机的负载性能均值。由此可以得出,若O越小,则代表云平台负载性能程度越高。
推理1根据宿主机的配置和虚拟机的预设配置可以得出矩阵
表示虚拟机可部署数量矩阵,其中rij表示第i类虚拟机在第j个宿主机上的最大配置数。
其中rij=min{l1,l2,l3,l4},i∈[1,t],j∈[1,m],
l1=SCPj/scVi,l2=SMPj/smVi,l3=SHPj/shVi,l4=SNPj/snVi。
推理2当新增虚拟机vX时,设已知vX属于配置矩阵Wv中第k种配置,则若将vX部署到宿主机pj上时,用H'V(vX)表示vX预测性能值(此方法中取当前pj上所有虚拟机性能的平均值),表示pj部署了vX后的性能数据向量预测值,则根据定义3和推理1可以推出。
推理2设H'p(pj)表示返回pj部署了vX后的预测性能值,bl'(j)表示宿主机pj部署了虚拟机vX后的预测负载性能值,则根据推理2得出:
结合公式(1)(7)得出。
综合(3)(6),得出
推理3假设宿主机pj部署了vX前后负载性能变化值记为Δbl(j),则根据(3)(9),得出
当fn(j)比较大时,则
其中,H'V(vX)表示虚拟机vx预测性能值,取当前pj上所有虚拟机性能的平均值,HV(j,i)表示第j个宿主机上第i个虚拟机Vji的性能值为,fn(j)表示第j个宿主机上已部署的虚拟机个数,rkj表示第k类虚拟机在第j个宿主机上的最大配置数。
推理4假设云平台中宿主机pj部署新虚拟机后,云平台负载性能变化值记为ΔO(j),|O'|表示云平台新的负载性能均值。则结合(4)(9)得出
●算法描述
1.算法概要
(1)将所有告警产生的任务加入告警队列,调用预警处理模块顺序处理队列中各宿主机;
(2)对用户指定要求优化任务加入优化队列,调用优化处理模块顺序优化队列各宿主机;
(3)将新的基本任务加入新任务队列,调用虚拟机部署模块顺序部署新任务队列中各请求。
2.算法的前提条件和限制条件
(1)只要云系统还有可满足用户需求的资源,则不拒绝用户的请求。
(2)用户可选的虚拟机性能权重配置是系统预设的规格之一;
(3)每台宿主机的性能指标可以被监控并且能将状态返回给虚拟机监测器,若出现宿主机的性能值超过系统预设阈值的,则立即将该宿主机ID加入预警队列;
(4)分配给一台宿主机上所有虚拟机的参数上限不能超过物理服务器提供的上限,云平台系统初始默认选择开启第一组宿主机作为当前调度域。
3.算法的输入
(1)预置云平台中宿主机集合P及分组信息、系统监测的各宿主机性能数据集合和宿主机性能权重矩阵Wp;
(2)预置云平台中所有的宿主机上部署的虚拟机信息V、虚拟机配置权重矩阵Wv、虚拟机预设配置矩阵;
(3)初始化预警队列;
(4)初始化用户指定优化处理的宿主机队列及指定参数信息;
(5)初始化新虚拟机申请队列Q。
4.算法的输出
虚拟机部署调度策略建立虚拟机到宿主机的映射:
5.算法详细
一种云平台下性能加权的虚拟资源动态管理策略方法,如图1所示,包括下列步骤:
S1、云平台管理员预先配置好虚拟机规模及各性能权值预设值和宿主机负载性能权重参数并提供选择模板,允许用户在线选择虚拟机配置及自定义各性能要求权值,允许用户手动选择需要优化的虚拟机;
S2、虚拟资源监控器进行资源状态动态监控,实时监测云平台系统中虚拟机和宿主机的性能值,当虚拟机监测器监测到宿主机的性能值超过指定阈值,则将此宿主机添加至告警队列并通知虚拟机调度器进行预警处理,启动动态迁移调度策略;
S3、查看优化队列,当用户请求手动选择需要优化的虚拟机时,通知虚拟机调度器进行资源优化,启动动态迁移调度策略;
S4、查看新任务队列,当用户请求新的虚拟机时,通知虚拟机调度器进行资源自动部署,动态更新,结合当前云平台中宿主机负载性能权重参数和虚拟机参数的各性能监测值,根据基于负载性能加权的负载性能度量模型,启动虚拟机部署策略,从当前调度域中为用户计算出最合适的目标宿主机,若当前调度域无法找到满足条件的宿主机,则启用动态迁移策略,选择合适的虚拟机在调度域内迁移后再重新布置当前请求的虚拟机;
S5、云平台将当前宿主机分为n组,默认开启第一组,当第一组无法满足系统新的需求时,则开启下一组为启动的宿主机组并与当前活动组合并为一组,若当前调度域包括云平台系统所有宿主机,则输出相应信息,返回失败,否则启动下一组未启动的宿主机,并与当前调度域合并为一组,如此循环,直到所有宿主机已经开启。
如图2所示,步骤S1又具体包括下列子步骤:
S11、预置云平台中宿主机集合P及分组信息、系统监测的各宿主机性能数据集合新请求虚拟机qi和宿主机性能权重矩阵Wp,其中m代表云平台中宿主机即物理服务器的数量;
S12、预置云平台中所有的宿主机上部署的虚拟机信息V、虚拟机配置权重矩阵Wv、虚拟机预设配置矩阵;
S13、初始化预警队列;
S14、初始化用户指定优化处理的宿主机队列及指定参数信息;
S15、初始化新虚拟机申请队列Q。
如图3所示,步骤S2又具体包括下列子步骤:
S21、查看告警队列是否不为空;
S22、若是不为空,则读取队列首节点宿主机ID;
S23、将该宿主机ID、系统单宿主机性能阈值、云平台中所有未进预警队列的宿主机集合作为输入参数,启动动态迁移调度策略,若动态迁移调度策略返回失败,则跳至步骤S5;
S24、删除告警队列首节点,若队列为空,则转至步骤S3,否则转至S21;
如图4所示,步骤S3又具体包括下列子步骤:
S31、查看优化队列是否不为空;
S32、若是不为空,则读取队列首节点宿主机ID;
S33、将该宿主机ID、用户指定该宿主机性能值、云平台内所有未进优化队列的宿主机集合作为输入参数,启动动态迁移调度策略,若动态迁移调度策略返回失败,则跳至步骤S5;
S34、删除优化队列首节点,若队列为空,则转至步骤S4,否则转至S31;
如图5所示,步骤S4又具体包括下列子步骤:
S41、查看新任务队列是否为空,若是,则退出;
S42、否则,若是不为空,则顺序读取新任务队列Qi=q1,q2,q3,......,qn中的新请求虚拟机qi信息作为虚拟机部署策略的输入参数;
S43、启用虚拟机部署策略;
S44、若虚拟机部署策略返回0,则跳至步骤S5;
S45、若虚拟机部署策略返回目标宿主机ID,
则建立当前映射f:即将新请求虚拟机qi部署到返回ID编号为j的宿主机上;
S46、根据S45中信息,更新云平台中宿主机上部署的虚拟机信息V;
S47、删除新任务队列首节点,若新任务队列为空,则退出,否则转至S41。
图6所示为虚拟机部署策略,
输入:请求虚拟机类别,
输出:目标宿主机的ID编号,若返回0表示无宿主机可以部署该虚拟机,
该虚拟机部署策略具体包括下列步骤:
SX1、若当前调度组内存在一台空负载宿主机且该宿主机各性能剩余资源均大于该虚拟机资源请求,则返回该宿主机ID编号;
SX2、若当前调度组所有宿主机各项剩余资源之和不全大于虚拟机各项资源请求,则返回0;
SX3、顺序扫描当前调度组内各宿主机,若该宿主机各项剩余资源均大于虚拟机各项资源请求,则将该宿主机加入候选队列p1,p2,p3,……,pl;
SX4、若候选队列为空,则将请求虚拟机类别id、云平台指定阈值、云平台中所有宿主机集合作为输入参数,调用动态迁移调度策略处理;
SX5、否则顺序扫描候选队列,若云平台启动的宿主机数目m大于指定阈值,则返回minj∈[1,l]Δbl(j)对应的j,否则返回minj∈[1,l]ΔO(j)对应的j,其中宿主机pj部署了新虚拟机Vx前后,宿主机pj负载性能变化值记为Δbl(j),云平台中宿主机pj部署新虚拟机Vx后,云平台负载性能变化值记为ΔO(j)。
图7所示为动态迁移调度策略,
输入:宿主机ID编号或新虚拟机类别id、单宿主机负载阈值、可调度域宿主机集合;
输出:成功或失败信息;
该动态迁移调度策略具体包括下列步骤:
SD1、将云平台所有宿主机队列按照剩余资源大小降序排列,加入待调整队列;
SD2、若为告警队列或优化队列调用此动态迁移调度策略,则将ID为输入参数中宿主机ID的节点从调整队列中删除,并将请求虚拟机设置为宿主机ID上负载最大的虚拟机,
否则将请求虚拟机设置为输入参数的新虚拟机;
SD3、顺序扫描该待调整队列,找到一台宿主机px使得同时满足条件(t1)(t2),
其中(t1)在向量Vx中存在最小可被迁移的虚拟机组合,此组合被迁移后,此宿主机可以部署请求虚拟机,
(t2)此组合中每台虚拟机按照虚拟机部署策略调度都能找到目标宿主机;
SD4、若步骤SD3找不到符合条件的宿主机,则返回失败并退出,
否则调用虚拟机部署策略在本调度组内除px外顺序部署待迁移的虚拟机。
实施例二
如图8所示,一种使用云平台下性能加权的虚拟资源动态管理策略方法的系统,该系统包括:客户层,平台管理层与虚拟资源池层。虚拟资源池层包括中央控制器,中央控制器,虚拟机监测器,集群控制器,存储控制器,中央管理器。其中,
客户层,用于向系统请求虚拟机服务;
中央控制器,系统的核心处理器,是主要的控制器组件,负责管理整个系统,具体负责处理用户和系统内部各组件提出的各种请求,并根据对应管理策略进行处理。中央控制器包括一组服务,这些服务用于处理各种请求、验证和维护系统、用户元数据,掌管整个智能系统的协调工作,并监视系统的运行;
虚拟机调度器,通过分析虚拟机监测器的实时数据针对中央控制器发送的请求运用本方法发明提出的云平台下性能加权的虚拟资源动态管理策略方法进行进行动态的虚拟机部署调度;
虚拟机监测器,可以监控宿主机的性能指标并且能将状态返回给虚拟机调度器;
集群控制器,负责维护和管理集群内所有虚拟机,集群控制器包括一个或一个以上宿主机,每个宿主机包含一个或一个以上的虚拟机,每个宿主机上都有一个宿主机控制器控制运行在本机的虚拟机;
存储控制器,负责云存储方面的管理,包括申请存储空间,回收闲置空间,访问权限控制;
中央管理器,是平台管理模块,包括服务管理、用户管理、安全管理。例如,用户管理子模块负责于管理用户信息与权限管理。服务管理子模块将底层提供的服务和功能封装成服务组件,用户在Web界面上可以根据需求定制服务。此模块不属于虚拟机资源动态管理策略范畴;
该系统的工作流程如下:客户层发送请求给中央控制器,或者虚拟机监测器监测到负载超过指定阈值的宿主机,则告警并将超阈值宿主机加入告警队列并通知中央控制器触发虚拟机调度器处理告警队列;中央控制器将请求发送给虚拟机调度器;虚拟机调度器发送请求给虚拟机监测器索取平台集群性能数据;虚拟机监测器返回数据至虚拟机调度器;虚拟机调度器采用权利要求5中所述的虚拟机部署策略返回结果至中央控制器,并通知集群控制器在目标宿主机上启动虚拟机;中央控制器将部署结果返回给客户层。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种云平台下性能加权的虚拟资源动态管理策略方法,其特征在于,所述方法包括下列步骤:
S1、云平台管理员预先配置好虚拟机规模及各性能权值预设值和宿主机负载性能权重参数并提供选择模板,允许用户在线选择虚拟机配置及自定义各性能要求权值,允许用户手动选择需要优化的虚拟机;
S2、资源监控器进行资源状态动态监控,实时监测云平台系统中虚拟机和宿主机的性能值,当虚拟机监测器监测到宿主机的性能值超过指定阈值,则通知虚拟机调度器进行预警处理,启动动态迁移调度策略;
S3、查看优化队列,当用户请求手动选择需要优化的虚拟机时,通知虚拟机调度器进行资源优化,启动动态迁移调度策略;
S4、查看新任务队列,当用户请求新的虚拟机时,通知虚拟机调度器进行资源自动部署,动态更新,结合当前云平台中宿主机负载性能权重参数和虚拟机参数的各性能监测值,根据基于负载性能加权的负载性能度量模型,启动虚拟机部署策略,从当前调度域中为用户计算出最合适的目标宿主机,若当前调度域无法找到满足条件的宿主机,则启用动态迁移策略,选择合适的虚拟机在调度域内迁移后再重新布置当前请求的虚拟机;
其中,所述基于负载性能加权的负载性能度量模型,其具体如下:
O为云平台的负载均衡值,
其中,m代表云平台中宿主机即物理服务器的数量,表示云平台宿主机的负载性能均值;
其中bl(j)表示宿主机pj的负载性能值,σ和1-σ为负载性能加权参数,分别代表宿主机性能权值参数和虚拟机性能权值参数;
其中Hp(pj)为宿主机pj的性能值;
其中向量为宿主机pj的实时性能数据向量,其中CPj,MPj,HPj,NPj分别为宿主机pj当前的CPU性能值、内存性能值、外存性能值、网络性能值,向量其中分别为宿主机pj当前CPU性能值、内存性能值、外存性能值、网络性能值的权重;
其中Hv(j,i)为第j个宿主机上第i个虚拟机Vji的性能值;
函数fn(j)返回第j个宿主机上已部署的虚拟机个数;
函数W(j,i),功能是返回第j个宿主机上第i个虚拟机的预设配置对应的权重向量其中wvS1,wvS2,wvS3,wvS4分别为虚拟机Vji当前CPU性能值、内存性能值、外存性能值、网络性能值的权重;
用于返回虚拟机Vji的性能数据向量其中分别为虚拟机Vji当前CPU性能值、内存性能值、外存性能值、网络性能值;
S5、云平台将当前宿主机分为n组,默认开启第一组,当第一组无法满足系统新的需求时,则开启下一组为启动的宿主机组并与当前活动组合并为一组,若当前调度域包括云平台系统所有宿主机,则输出相应信息,返回失败,否则启动下一组未启动的宿主机,并与当前调度域合并为一组,如此循环,直到所有宿主机已经开启。
2.根据权利要求1所述的云平台下性能加权的虚拟资源动态管理策略方法,其特征在于,所述步骤S1具体为:
S11、预置云平台中宿主机集合P及分组信息、系统监测的各宿主机性能数据集合和宿主机性能权重矩阵Wp,其中m代表云平台中宿主机即物理服务器的数量;
S12、预置云平台中所有的宿主机上部署的虚拟机信息V、虚拟机配置权重矩阵Wv、虚拟机预设配置矩阵;
S13、初始化告警队列;
S14、初始化用户指定优化处理的宿主机队列及指定参数信息;
S15、初始化新虚拟机申请队列Q。
3.根据权利要求1或2所述的云平台下性能加权的虚拟资源动态管理策略方法,其特征在于:
所述步骤S2具体为
S21、查看告警队列是否不为空;
S22、若是不为空,则读取队列首节点宿主机ID;
S23、将该宿主机ID、系统单宿主机性能阈值、云平台中所有未进预警队列的宿主机集合作为输入参数,启动动态迁移调度策略,若动态迁移调度策略返回失败,则跳至步骤S5;
S24、删除告警队列首节点,若队列为空,则转至步骤S3,否则转至S21;
所述步骤S3具体为
S31、查看优化队列是否不为空;
S32、若是不为空,则读取队列首节点宿主机ID;
S33、将该宿主机ID、用户指定该宿主机性能值、云平台内所有未进优化队列的宿主机集合作为输入参数,启动动态迁移调度策略,若动态迁移调度策略返回失败,则跳至步骤S5;
S34、删除优化队列首节点,若队列为空,则转至步骤S4,否则转至S31;
所述步骤S4具体为
S41、查看新任务队列是否为空,若是,则退出;
S42、否则,若是不为空,则顺序读取新任务队列Q i=q1,q2,q3,......,qn中的新请求虚拟机qi信息作为虚拟机部署策略的输入参数;
S43、启用虚拟机部署策略;
S44、若虚拟机部署策略返回0,则跳至步骤S5;
S45、若虚拟机部署策略返回目标宿主机ID,
则建立当前映射f:即将新请求虚拟机qi部署到返回ID编号为j的宿主机上;
S46、根据S45中信息,更新云平台中宿主机上部署的虚拟机信息V;
S47、删除新任务队列首节点,若新任务队列为空,则退出,
否则转至S41。
4.根据权利要求3所述的云平台下性能加权的虚拟资源动态管理策略方法,其特征在于:所述虚拟机部署策略的输入为请求虚拟机类别,输出为目标宿主机的ID编号,若返回0表示无宿主机可以部署该虚拟机,具体步骤为:
SX1、若当前调度组内存在一台空负载宿主机且该宿主机各性能剩余资源均大于该虚拟机资源请求,则返回该宿主机ID编号;
SX2、若当前调度组所有宿主机各项剩余资源之和不全大于虚拟机各项资源请求,则返回0;
SX3、顺序扫描当前调度组内各宿主机,若该宿主机各项剩余资源均大于虚拟机各项资源请求,则将该宿主机加入候选队列p1,p2,p3,……,pl;
SX4、若候选队列为空,则将请求虚拟机类别id、云平台指定阈值、云平台中所有宿主机集合作为输入参数,调用动态迁移调度策略处理;
SX5、否则顺序扫描候选队列,若云平台启动的宿主机数目m大于指定阈值,则返回minj∈[1,l]Δbl(j)对应的j,否则返回minj∈[1,l]ΔO(j)对应的j,其中宿主机pj部署了新虚拟机Vx前后,宿主机pj负载性能变化值记为Δbl(j),云平台中宿主机pj部署新虚拟机Vx后,云平台负载性能变化值记为ΔO(j)。
5.根据权利要求3所述的云平台下性能加权的虚拟资源动态管理策略方法,其特征在于:所述动态迁移调度策略的输入为宿主机ID编号或新虚拟机类别id、单宿主机负载阈值、可调度域宿主机集合,输出为成功或失败信息,具体步骤为:
SD1、将云平台所有宿主机队列按照剩余资源大小降序排列,加入待调整队列;
SD2、若为告警队列或优化队列调用此动态迁移调度策略,则将ID为输入参数中宿主机ID的节点从调整队列中删除,并将请求虚拟机设置为宿主机ID上负载最大的虚拟机,
否则将请求虚拟机设置为输入参数的新虚拟机;
SD3、顺序扫描该待调整队列,找到一台宿主机px使得同时满足条件(t1)(t2),
其中(t1)在向量Vx中存在最小可被迁移的虚拟机组合,此组合被迁移后,此宿主机可以部署请求虚拟机,
(t2)此组合中每台虚拟机按照虚拟机部署策略调度都能找到目标宿主机;
SD4、若步骤SD3找不到符合条件的宿主机,则返回失败并退出,
否则调用虚拟机部署策略在本调度组内除px外顺序部署待迁移的虚拟机。
6.根据权利要求1所述的云平台下性能加权的虚拟资源动态管理策略方法,其特征在于,所述方法还包括以下前提条件:
(1)只要云平台还有可满足用户需求的资源,则不拒绝用户的请求;
(2)用户可选的虚拟机性能权重配置是系统预设的规格之一;
(3)每台宿主机的性能指标可以被监控并且能将状态返回给虚拟机监测器,若出现宿主机的性能值超过系统预设阈值的,则立即将该宿主机ID加入预警队列;
(4)分配给一台宿主机上所有虚拟机的参数上限不能超过物理服务器提供的上限。
7.根据权利要求4所述的云平台下性能加权的虚拟资源动态管理策略方法,其特征在于,所述的Δbl(j)和ΔO(j),具体计算如下:
<mrow>
<mi>&Delta;</mi>
<mi>b</mi>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>bl</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>b</mi>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>&sigma;</mi>
<mo>&times;</mo>
<msub>
<mi>H</mi>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&sigma;</mi>
<mo>&times;</mo>
<msub>
<mover>
<mi>W</mi>
<mo>&RightArrow;</mo>
</mover>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
</msub>
<mo>/</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&sigma;</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<msub>
<mi>f</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msubsup>
<msub>
<mi>H</mi>
<mi>V</mi>
</msub>
<mo>(</mo>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mo>)</mo>
<mo>+</mo>
<msub>
<msup>
<mi>H</mi>
<mo>&prime;</mo>
</msup>
<mi>V</mi>
</msub>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>X</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>n</mi>
</msub>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mi>&sigma;</mi>
<mo>&times;</mo>
<msub>
<mi>H</mi>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&sigma;</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<msub>
<mi>f</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msubsup>
<msub>
<mi>H</mi>
<mi>V</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msub>
<mi>f</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
其中|O'|表示云平台新的负载性能均值,bl'(j)表示宿主机pj部署了虚拟机vX后的预测负载性能值,bl(i)表示宿主机pi的负载性能值,H'V(vX)表示虚拟机vx预测性能值,取当前pj上所有虚拟机性能的平均值,HV(j,i)表示第j个宿主机上第i个虚拟机Vji的性能值为,fn(j)表示第j个宿主机上已部署的虚拟机个数,rkj表示第k类虚拟机在第j个宿主机上的最大配置数。
8.一种使用云平台下性能加权的虚拟资源动态管理策略方法的系统,其特征在于,该系统包括:
客户层,用于向系统请求虚拟机服务;
中央控制器,系统的核心处理器,是主要的控制器组件,负责管理整个系统,具体负责处理用户和系统内部各组件提出的各种请求,并根据对应管理策略进行处理;
虚拟机调度器,通过分析虚拟机监测器的实时数据针对中央控制器发送的请求运用权利要求1至7任一项所述的云平台下性能加权的虚拟资源动态管理策略方法进行动态的虚拟机部署调度;
虚拟机监测器,可以监控宿主机的性能指标并且能将状态返回给虚拟机调度器;
集群控制器,负责维护和管理集群内所有虚拟机,集群控制器包括一个或一个以上宿主机,每个宿主机包含一个或一个以上的虚拟机,每个宿主机上都有一个宿主机控制器控制运行在本机的虚拟机;
存储控制器,负责云存储方面的管理,包括申请存储空间,回收闲置空间,访问权限控制;
中央管理器,是平台管理模块,包括服务管理、用户管理、安全管理;
客户层发送请求给中央控制器,或者虚拟机监测器监测到负载超过指定阈值的宿主机,则告警并将超阈值宿主机加入告警队列并通知中央控制器触发虚拟机调度器处理告警队列;中央控制器将请求发送给虚拟机调度器;虚拟机调度器发送请求给虚拟机监测器索取平台集群性能数据;虚拟机监测器返回数据至虚拟机调度器;虚拟机调度器采用权利要求4中所述的虚拟机部署策略返回结果至中央控制器,并通知集群控制器在目标宿主机上启动虚拟机;中央控制器将部署结果返回给客户层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410184681.1A CN104010028B (zh) | 2014-05-04 | 2014-05-04 | 一种云平台下性能加权的虚拟资源动态管理策略方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410184681.1A CN104010028B (zh) | 2014-05-04 | 2014-05-04 | 一种云平台下性能加权的虚拟资源动态管理策略方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104010028A CN104010028A (zh) | 2014-08-27 |
CN104010028B true CN104010028B (zh) | 2017-11-07 |
Family
ID=51370519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410184681.1A Expired - Fee Related CN104010028B (zh) | 2014-05-04 | 2014-05-04 | 一种云平台下性能加权的虚拟资源动态管理策略方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104010028B (zh) |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105635190B (zh) * | 2014-10-27 | 2018-11-09 | 新华三技术有限公司 | 数据中心网络中的服务执行方法及装置 |
CN104331332B (zh) * | 2014-11-04 | 2017-07-21 | 浪潮电子信息产业股份有限公司 | 一种基于sla的虚拟资源预分配方法 |
CN105677441B (zh) * | 2014-11-21 | 2019-07-09 | 华为技术有限公司 | 虚拟机迁移方法、虚拟设施管理器及协调器 |
CN104598368B (zh) * | 2014-12-22 | 2017-10-27 | 浙江大学 | 一种移动终端性能诊断方法 |
CN104714877B (zh) * | 2015-03-30 | 2018-06-15 | 上海交通大学 | 一种用于虚拟机上的混合监控度量方法及系统 |
CN104796466B (zh) * | 2015-04-09 | 2018-05-25 | 南京华讯方舟通信设备有限公司 | 一种云计算平台网络调度方法及系统 |
CN106339386B (zh) * | 2015-07-08 | 2019-12-24 | 阿里巴巴集团控股有限公司 | 数据库弹性调度方法以及装置 |
US9813413B2 (en) | 2015-08-15 | 2017-11-07 | Microsoft Technology Licensing, Llc | Domain joined virtual names on domainless servers |
CN105357251A (zh) * | 2015-09-24 | 2016-02-24 | 浪潮集团有限公司 | 一种资源池的管理系统及管理方法 |
CN105577457B (zh) * | 2016-03-09 | 2019-02-01 | 上海天玑科技股份有限公司 | 一种数据中心资源智能弹性调度系统及方法 |
CN106095581B (zh) * | 2016-06-18 | 2022-07-26 | 南京采薇且歌信息科技有限公司 | 一种私有云条件下的网络存储虚拟化调度方法 |
CN107547595B (zh) * | 2016-06-27 | 2021-05-25 | 腾讯科技(深圳)有限公司 | 云资源调度系统、方法及装置 |
CN106685752B (zh) * | 2016-06-28 | 2019-01-04 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及终端 |
US10142407B2 (en) * | 2016-06-30 | 2018-11-27 | Nokia Of America Corporation | Centralized load balancer with weighted hash function |
CN106330576B (zh) * | 2016-11-18 | 2019-10-25 | 北京红马传媒文化发展有限公司 | 容器化微服务自动伸缩及迁移调度的方法、系统和设备 |
CN112214382B (zh) * | 2016-12-16 | 2024-06-28 | 华为云计算技术有限公司 | 告警方法及装置 |
CN108345490B (zh) * | 2017-01-24 | 2021-04-09 | 华为技术有限公司 | 一种nfv中部署虚拟机的方法和系统 |
CN106874116A (zh) * | 2017-02-14 | 2017-06-20 | 郑州云海信息技术有限公司 | 一种放置新建虚拟机的服务器选择方法及装置 |
US20180262991A1 (en) * | 2017-03-10 | 2018-09-13 | Futurewei Technologies, Inc. | Optimization of energy management of mobile devices based on specific user and device metrics uploaded to cloud |
CN106982255B (zh) * | 2017-03-31 | 2020-08-25 | 联想(北京)有限公司 | 物理服务器、云调度器、云平台及用于其的方法 |
CN107135250A (zh) * | 2017-04-13 | 2017-09-05 | 华北水利水电大学 | 一种面向云计算的负载均衡系统及机制 |
CN108733693A (zh) * | 2017-04-18 | 2018-11-02 | 中兴通讯股份有限公司 | 数据管理方法、装置、存储介质及处理器 |
WO2018214009A1 (zh) * | 2017-05-23 | 2018-11-29 | 深圳中兴力维技术有限公司 | 服务器监控方法及系统 |
CN107332889B (zh) * | 2017-06-20 | 2020-02-14 | 湖南工学院 | 一种基于云计算的云端信息管理控制系统及控制方法 |
CN109413125A (zh) * | 2017-08-18 | 2019-03-01 | 北京京东尚科信息技术有限公司 | 动态调节分布式系统资源的方法和装置 |
CN107589981A (zh) * | 2017-09-07 | 2018-01-16 | 北京百悟科技有限公司 | 一种动态电源管理与动态资源调度方法及装置 |
CN108306780B (zh) * | 2017-09-07 | 2021-07-20 | 上海金融期货信息技术有限公司 | 一种基于云环境的虚拟机通信质量自优化的系统和方法 |
CN109495398A (zh) * | 2017-09-11 | 2019-03-19 | 中国移动通信集团浙江有限公司 | 一种容器云的资源调度方法及设备 |
CN108134842A (zh) * | 2018-01-26 | 2018-06-08 | 广东睿江云计算股份有限公司 | 一种云主机根据负载策略进行迁移的系统、方法 |
CN108377263A (zh) * | 2018-02-02 | 2018-08-07 | 北京杰思安全科技有限公司 | 自适应的私有云沙箱设置方法、设备及介质 |
CN108733475A (zh) * | 2018-05-22 | 2018-11-02 | 哈尔滨工业大学(威海) | 一种动态反馈调度方法 |
CN108932166B (zh) * | 2018-07-25 | 2020-01-10 | 苏州浪潮智能科技有限公司 | 一种云管理平台架构下的资源使用控制方法、装置及设备 |
CN109144666A (zh) * | 2018-07-30 | 2019-01-04 | 上海思询信息科技有限公司 | 一种跨云平台的资源处理方法及系统 |
CN109445931A (zh) * | 2018-08-31 | 2019-03-08 | 安徽四创电子股份有限公司 | 一种大数据资源调度系统及方法 |
CN109413147B (zh) * | 2018-09-13 | 2021-09-21 | 深圳壹账通智能科技有限公司 | 服务节点的管理方法、装置、设备及计算机可读存储介质 |
CN109788046B (zh) * | 2018-12-29 | 2020-06-16 | 河海大学 | 一种基于改进蜂群算法的多策略边缘计算资源调度方法 |
CN109828829B (zh) * | 2019-01-22 | 2022-10-18 | 重庆邮电大学 | 一种基于灾难预警时间的虚拟机快速撤离方法 |
CN110399226B (zh) * | 2019-07-31 | 2023-03-24 | 新乡学院 | 云系统用负载平衡器 |
CN110865872B (zh) * | 2019-11-14 | 2022-07-08 | 北京京航计算通讯研究所 | 基于资源合理化应用的虚拟化集群资源调度系统 |
CN113127146A (zh) * | 2020-01-16 | 2021-07-16 | 上海盛霄云计算技术有限公司 | 一种异构动态随机调度方法及系统 |
CN111541558B (zh) * | 2020-03-20 | 2022-08-30 | 新华三技术有限公司成都分公司 | 一种sla配置方法及装置 |
CN111459684A (zh) * | 2020-04-24 | 2020-07-28 | 中国人民解放军国防科技大学 | 面向多处理器架构的云计算资源融合调度管理方法、系统及介质 |
CN112181664B (zh) * | 2020-10-15 | 2023-07-14 | 网易(杭州)网络有限公司 | 负载均衡方法及装置、计算机可读存储介质及电子设备 |
CN113052564A (zh) * | 2020-10-17 | 2021-06-29 | 严怀华 | 应用于云服务的智慧社区信息处理方法及云服务设备 |
CN113312142B (zh) * | 2021-02-26 | 2023-12-26 | 阿里巴巴集团控股有限公司 | 虚拟化处理系统、方法、装置及设备 |
CN113112139A (zh) * | 2021-04-07 | 2021-07-13 | 上海联蔚盘云科技有限公司 | 云平台账单的处理方法和设备 |
US12067417B2 (en) | 2021-04-16 | 2024-08-20 | International Business Machines Corporation | Automatic container migration system |
CN113674131B (zh) * | 2021-07-21 | 2024-09-13 | 山东海量信息技术研究院 | 硬件加速器设备管理方法、装置及电子设备和存储介质 |
CN118227251A (zh) * | 2022-12-19 | 2024-06-21 | 华为技术有限公司 | 一种资源调度的方法、装置和智能驾驶设备 |
CN115952008B (zh) * | 2023-03-15 | 2023-06-16 | 之江实验室 | 一种服务器集群资源的统一调度方法和装置 |
CN116149798B (zh) * | 2023-04-13 | 2023-07-07 | 北京中电德瑞电子科技有限公司 | 云操作系统的虚拟机控制方法、装置以及存储介质 |
CN117499397B (zh) * | 2023-12-29 | 2024-03-22 | 广东信聚丰科技股份有限公司 | 基于大数据分析的教育云服务平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488098A (zh) * | 2009-02-13 | 2009-07-22 | 华中科技大学 | 基于虚拟计算技术的多核计算资源管理系统 |
CN103095599A (zh) * | 2013-01-18 | 2013-05-08 | 浪潮电子信息产业股份有限公司 | 一种云计算操作系统中动态反馈加权综合负载调度方法 |
CN103607308A (zh) * | 2013-11-29 | 2014-02-26 | 杭州东信北邮信息技术有限公司 | 云计算环境下的虚拟机多网络管理系统和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101658035B1 (ko) * | 2010-03-12 | 2016-10-04 | 삼성전자주식회사 | 가상 머신 모니터 및 가상 머신 모니터의 스케줄링 방법 |
-
2014
- 2014-05-04 CN CN201410184681.1A patent/CN104010028B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488098A (zh) * | 2009-02-13 | 2009-07-22 | 华中科技大学 | 基于虚拟计算技术的多核计算资源管理系统 |
CN103095599A (zh) * | 2013-01-18 | 2013-05-08 | 浪潮电子信息产业股份有限公司 | 一种云计算操作系统中动态反馈加权综合负载调度方法 |
CN103607308A (zh) * | 2013-11-29 | 2014-02-26 | 杭州东信北邮信息技术有限公司 | 云计算环境下的虚拟机多网络管理系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104010028A (zh) | 2014-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104010028B (zh) | 一种云平台下性能加权的虚拟资源动态管理策略方法 | |
Sefati et al. | Load balancing in cloud computing environment using the Grey wolf optimization algorithm based on the reliability: performance evaluation | |
Madni et al. | Resource scheduling for infrastructure as a service (IaaS) in cloud computing: Challenges and opportunities | |
US10623481B2 (en) | Balancing resources in distributed computing environments | |
Ge et al. | GA-based task scheduler for the cloud computing systems | |
Tomás et al. | An autonomic approach to risk-aware data center overbooking | |
Van et al. | Autonomic virtual resource management for service hosting platforms | |
TWI382318B (zh) | 協調的服務效能以及應用程式置放管理 | |
Ebadifard et al. | A dynamic task scheduling algorithm improved by load balancing in cloud computing | |
WO2017167025A1 (zh) | 一种实现任务调度的方法、装置及计算机存储介质 | |
Balasangameshwara et al. | Performance-driven load balancing with a primary-backup approach for computational grids with low communication cost and replication cost | |
Yala et al. | Cost and availability aware resource allocation and virtual function placement for CDNaaS provision | |
Nardelli et al. | Multi-level elastic deployment of containerized applications in geo-distributed environments | |
US20160019084A1 (en) | Method and system for inter-cloud virtual machines assignment | |
Wei et al. | Proactive virtualized resource management for service workflows in the cloud | |
Radhakrishnan et al. | Energy conservation in cloud data centers by minimizing virtual machines migration through artificial neural network | |
Thirumalaiselvan et al. | A strategic performance of virtual task scheduling in multi cloud environment | |
Supreeth et al. | Virtual machine scheduling strategies in cloud computing-A review | |
Kaur et al. | Proactive scheduling in cloud computing | |
Caglar et al. | Towards a performance interference-aware virtual machine placement strategy for supporting soft real-time applications in the cloud. | |
AU2021103249A4 (en) | A novel multi-level optimization for task scheduling and load balancing in cloud | |
Madhusudhan et al. | Dynamic virtual machine allocation in cloud computing using elephant herd optimization scheme | |
Shukla et al. | Survey on Importance of Load Balancing for Cloud Computing | |
Zhang et al. | PRMRAP: A proactive virtual resource management framework in cloud | |
Sah et al. | Scalability of efficient and dynamic workload distribution in autonomic cloud computing |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171107 |
|
CF01 | Termination of patent right due to non-payment of annual fee |