CN104102543B - 一种云计算环境中负载调整的方法和装置 - Google Patents

Abstract

本发明实施例提供了一种云计算环境中负载调整的方法和装置，所述云计算环境中包括一台或多台存储物理机，存储物理机上运行有计算实例，所述方法包括：计算当前处理的存储物理机的负载状态；当判定所述存储物理机处于低负载状态时，调大所述计算实例的资源限额；当判定所述存储物理机处于高负载状态时，调小所述计算实例的资源限额；当判定所述存储物理机处于过负载状态时，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例。本发明可以充分合理利用物理机空余的计算资源，提高服务质量，提高物理机上运行的任务之间的隔离性，以及限制存储服务以外的任务对物理机资源的过多利用，从而减少存储服务以外的任务对存储服务的影响。

Description

一种云计算环境中负载调整的方法和装置

技术领域

本发明涉及云计算技术领域，特别是涉及一种云计算环境中负载调整的方法和一种云计算环境中负载调整的装置。

背景技术

随着互联网技术的发展，云计算已成为大多数企业和组织的关键性战略。云可以被分为三种：公有云，私有云和混合云。云存储是云计算具体应用的一种。

私有云中存储服务得到大量应用，互联网应用，大体可以分为以下几种：计算密集型、网络密集型、磁盘密集型等应用。在存储服务中，通常使用物理机作为主体存储单元，每个物理机拥有多种资源，如CPU、内存、磁盘、网络带宽、网络端口等。

但是，存储服务整体是磁盘密集型和网络密集型应用，对物理机的CPU、内存等计算资源的利用率比较低，造成了一定程度资源的浪费。

为了解决此问题，存储服务提供商一般会选择性能比较低的物理机做后端存储单元，以减少资源的浪费。

另一方面，存储服务提供商会在物理机上面额外运行一些轻量级的任务，主要是计算密集型的任务，以利用物理机空余的计算资源。

然而，存储服务提供商选择性能比较低的物理机作为后端存储单元，低性能的物理机会影响存储服务的性能，服务质量较低。

另一方面，存储服务提供商在物理机上直接运行一些计算密集型的任务，由于直接运行任务时，任务间的隔离性较差，会对存储服务造成很大影响，且这种影响不可预知。

最后，物理机上实际业务的负载在每个时段都不同，物理机资源的quota(使用情况和限额)并不能实时调整，若计算密集型的任务侵占物理机过多资源而不能调整，会致使存储服务得不到相应资源而运行失败，导致对存储服务产生影响，若计算密集型的任务侵占物理机过少资源而不能调整，物理机会存在空余的计算资源未使用，使得计算资源未得到合理利用。

因此，目前需要本领域技术人员迫切解决的一个技术问题就是：提供一种云计算环境中负载调整的方法和装置，用以充分合理利用物理机空余的计算资源，避免物理机资源的浪费，提高服务质量，提高物理机上运行的任务之间的隔离性，以及限制存储服务以外的任务对物理机资源的过多利用，从而减少存储服务以外的任务对存储服务的影响。

发明内容

本发明实施例所要解决的技术问题是提供一种云计算环境中负载调整的方法，用以充分合理利用物理机空余的计算资源，避免物理机资源的浪费，提高服务质量，提高物理机上运行的任务之间的隔离性，以及限制存储服务以外的任务对物理机资源的过多利用，从而减少存储服务以外的任务对存储服务的影响。

相应的，本发明实施例还提供了一种云计算环境中负载调整的装置，用以保证上述方法的实现及应用。

为了解决上述问题，本发明公开了一种云计算环境中负载调整的方法，所述云计算环境中包括一台或多台存储物理机，各台存储物理机上运行有计算实例，所述方法包括：

计算当前处理的存储物理机的负载状态；

当判定所述存储物理机处于低负载状态时，调大所述计算实例的资源限额；

当判定所述存储物理机处于高负载状态时，调小所述计算实例的资源限额；

当判定所述存储物理机处于过负载状态时，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例。

优选地，在所述计算当前处理的存储物理机的负载状态的步骤之前，还包括：

提取所述当前处理的存储物理机富余的计算能力；

采用所述计算能力组成计算实例；

采用预设的预留资源阈值范围和负载门限确定所述计算实例的资源限额阈值范围。

优选地，在所述采用所述计算能力组成计算实例的子步骤之后，还包括：

收集所述一台或多台存储物理机上的计算实例；

将所述一台或多台存储物理机上的计算实例组成计算池。

优选地，所述计算当前处理的存储物理机的负载状态的步骤包括：

获取当前处理的存储物理机一项或多项负载实时数据；

对所述一项或多项负载实时数据分别进行加权，获得一项或多项负载加权数据；

计算所述一项或多项负载加权数据的和，获得所述当前存储物理机的负载指数；

采用所述负载指数分别与预设的低负载门限、高负载门限和负载门限进行比较；

若所述负载指数小于预设的低负载门限，则判定所述存储物理机处于低负载状态；

若所述负载指数大于预设的高负载门限，且小于负载门限，则判定所述存储物理机处于高负载状态；

若所述负载指数大于预设的负载门限，则判定所述存储物理机处于过负载状态。

优选地，所述当判定所述存储物理机为过负载状态时，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例的子步骤包括：

当判定所述存储物理机处于过负载状态时，轮询所述计算池中的其他存储物理机的负载状态；

当检测出所述计算池中存在一台或多台目标存储物理机处于低负载状态，且所述一台或多台目标存储物理机富余的计算能力大于或等于所述计算实例的计算能力时，则将所述计算实例迁移到所述一台或多台目标存储物理机的其中一台目标存储物理机上；否则，停止运行所述计算实例。

优选地，所述当判定所述存储物理机为低负载状态时，加大所述计算实例的资源限额的步骤包括：

当判定所述存储物理机处于低负载状态时，计算当前资源富余量；

采用所述当前资源富余量调大所述计算实例的资源限额。

优选地，所述当判定所述存储物理机为高负载状态时，减少所述计算实例的资源限额的步骤包括：

当判定所述存储物理机处于高负载状态时，计算当前资源超出量；

采用所述当前资源超出量调小所述计算实例的资源限额。

依据本发明的实施例，还公开了一种云计算环境中负载调整的装置，所述云计算环境中包括一台或多台存储物理机，各台存储物理机上运行有计算实例，所述装置包括：

负载状态计算单元，用于计算当前处理的存储物理机的负载状态；

资源限额调大单元，用于在判定所述存储物理机处于低负载状态时，调大所述计算实例的资源限额；

资源限额调小单元，用于在判定所述存储物理机处于高负载状态时，调小所述计算实例的资源限额；

计算实例迁移或停止单元，用于在判定所述存储物理机处于过负载状态时，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例。

优选地，所述装置还包括：

计算能力提取单元，用于提取所述当前处理的存储物理机富余的计算能力；

计算实例组成单元，用于采用所述计算能力计算实例；

资源限额阈值范围确定单元，用于采用预设的预留资源阈值范围和负载门限确定所述计算实例的资源限额阈值范围。

优选地，所述装置还包括：

计算实例收集单元，用于收集所述一台或多台存储物理机上的计算实例；

计算池组成单元，用于将所述一台或多台存储物理机上的计算实例组成计算池。

优选地，负载状态计算单元包括：

负载实时数据获取子单元，用于获取当前处理的存储物理机一项或多项负载实时数据；

负载加权数据获得子单元，用于对所述一项或多项负载实时数据分别进行加权，获得一项或多项负载加权数据；

负载指数获得子单元，用于计算所述一项或多项负载加权数据的和，获得所述当前存储物理机的负载指数；

比较子单元，用于采用所述负载指数分别与预设的低负载门限、高负载门限和负载门限进行比较；

低负载状态判定子单元，用于在所述负载指数小于预设的低负载门限时，判定所述存储物理机处于低负载状态；

高负载状态判定子单元，用于在所述负载指数大于预设的高负载门限时，且小于负载门限，判定所述存储物理机处于高负载状态；

过负载状态判定子单元，用于在所述负载指数大于预设的负载门限时，判定所述存储物理机处于过负载状态。

优选地，所述计算实例迁移或停止单元包括：

负载状态轮询子单元，用于在判定所述存储物理机处于过负载状态时，轮询所述计算池中的其他存储物理机的负载状态；

计算实例迁移或停止子单元，用于在检测出所述计算池中存在一台或多台目标存储物理机处于低负载状态，且所述一台或多台目标存储物理机富余的计算能力大于或等于所述计算实例的计算能力时，将所述计算实例迁移到所述一台或多台目标存储物理机的其中一台目标存储物理机上；否则，停止运行所述计算实例。

优选地，所述资源限额调大单元包括：

当前资源富余量计算子单元，用于在判定所述存储物理机处于低负载状态时，计算当前资源富余量；

资源限额调大子单元，用于采用所述当前资源富余量调大所述计算实例的资源限额。

优选地，所述资源限额调小单元包括：

当前资源超出量计算子单元，用于在判定所述存储物理机处于高负载状态时，计算当前资源超出量；

资源限额调小子单元，用于采用所述当前资源超出量调小所述计算实例的资源限额。

与现有技术相比，本发明实施例包括以下优点：

本发明通过计算出当前处理的存储物理机的负载状态，动态地调大或调小计算实例的资源限额，调大计算实例的资源限额可以将存储物理机中富余的计算资源充分利用起来，避免物理机资源的浪费，并且，计算实例通过虚拟化技术提取富余的计算能力后构建起来，虚拟化技术使得计算实例的执行环境与存储服务的执行环境相隔离，减少了对存储服务的影响，从而提高服务质量，提高物理机上运行的任务之间的隔离性。此外，计算实例还设置了资源限额，可以确定计算实例对存储物理机上资源占用的最大限额和最小限额，在保证计算实例正常运行的同时，限制存储服务以外的任务对物理机资源的过多利用，从而减少存储服务以外的任务对存储服务的影响。

进一步地，本发明通过轮询计算池中的其他存储物理机的负载状态，以确定将当前处理的存储物理机上的计算实例迁移到目标存储物理机上，或者，停止运行当前处理的存储物理机上的计算实例，可以在存储物理机处于过负载状态时，释放出计算实例占用的资源给存储服务使用，从而减少存储服务以外的任务对存储服务的影响，充分合理利用物理机空余的计算资源，避免物理机资源的浪费，提高服务质量，提高物理机上运行的任务之间的隔离性，以及限制存储服务以外的任务对物理机资源的过多利用。

更进一步地，本发明通过计算当前资源富余量，或者计算当前资源超出量，可以确定调大或调小计算实例资源限额时的阈值范围，使得资源既能满足计算实例的使用，又不会对存储服务造成影响，从而可以充分合理利用物理机空余的计算资源，避免物理机资源的浪费，提高服务质量，提高物理机上运行的任务之间的隔离性，以及限制存储服务以外的任务对物理机资源的过多利用，从而减少存储服务以外的任务对存储服务的影响。

附图说明

图1示出了本发明一种云计算环境中负载调整的方法实施例1的步骤流程图；

图2示出了本发明一种云计算环境中负载调整的方法实施例2的步骤流程图；

图3示出了本发明一种云计算环境中存储物理机负载调整实际应用的场景示意图；

图4示出了本发明一种云计算环境中计算实例资源限额动态调整的流程示意图；

图5示出了本发明一种云计算环境中计算实例调度器迁移或者休眠计算实例的流程示意图；

图6示出了本发明一种云计算环境中负载调整的装置实施例的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例的核心构思之一在于，提取存储物理机上的富余计算能力组成计算实例，将一台或多台存储物理机上的计算实例以计算池的方式提供计算服务，同时，根据当前处理的存储物理机的负载实时数据，计算出存储物理机的负载状态，从而动态调节计算实例的资源限额，以保证计算实例的运行不会对存储服务造成影响，并且，当存储物理机处于过负载状态时，迁移或停止当前处理的存储物理机上的计算实例。

参照图1，示出了本发明一种云计算环境中负载调整的方法实施例1的步骤流程图，所述云计算环境中包括一台或多台存储物理机，各台存储物理机上运行有计算实例，具体可以包括如下步骤：

步骤101，计算当前处理的存储物理机的负载状态；当判定所述存储物理机处于低负载状态时，则执行步骤102；当判定所述存储物理机处于高负载状态时，则执行步骤103；当判定所述存储物理机处于过负载状态时，则执行步骤104；

在具体实现中，当前处理的存储物理机的负载状态可以通过计算物理机的实时负载进行判断，负载状态可以包括低负载状态、高负载状态、过负载状态，当前处理的存储物理机的实时负载小于低负载门限时，存储物理机处于低负载状态，执行步骤102；当前处理的存储物理机的实时负载大于高负载门限，且小于负载门限时，存储物理机处于高负载状态，执行步骤103；当前处理的存储物理机的实时负载大于负载门限时，存储物理机处于过负载状态，执行步骤104。

步骤102，调大所述计算实例的资源限额；

在实际应用中，当存储物理机处于低负载状态时，表明存储物理机中有计算能力富余，调大计算实例的资源限额可以充分利用存储物理机富余的资源，尤其是在计算实例中主要利用的存储物理机的计算资源。

步骤103，调小所述计算实例的资源限额；

在实际应用中，当存储物理机处于高负载状态时，表明存储物理机当前资源占用率较高，资源吃紧，调小计算实例的资源限额可以释放计算实例占用的一部分资源，使得存储物理机在正常负载下运行。

步骤104，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例。

在实际应用中，当存储物理机处于过负载状态时，说明计算实例的运行对存储服务产生了影响，可以通过虚拟化技术中的动态迁移方法，将当前处理的存储物理机上的计算实例迁移到目标存储物理机上继续运行，或者，通过虚拟化技术中的休眠方法，将当前处理的存储物理机上的计算实例休眠，保存当前任务的状态。

当当前处理的存储物理机负载恢复正常后，可以将休眠的计算实例唤醒，完成余下的计算任务，或者将已迁移的计算实例重新迁移回到当前处理的存储物理机上。

本发明通过轮询计算池中的其他存储物理机的负载状态，以确定将当前处理的存储物理机上的计算实例迁移到目标存储物理机上，或者，停止运行当前处理的存储物理机上的计算实例，可以在存储物理机处于过负载状态时，释放出计算实例占用的资源给存储服务使用，从而减少存储服务以外的任务对存储服务的影响，充分合理利用物理机空余的计算资源，避免物理机资源的浪费，提高服务质量，提高物理机上运行的任务之间的隔离性，以及限制存储服务以外的任务对物理机资源的过多利用。

参照图2，示出了本发明一种云计算环境中负载调整的方法实施例2的步骤流程图，所述云计算环境中包括一台或多台存储物理机，各台存储物理机上运行有计算实例，具体可以包括如下步骤：

步骤201，提取所述当前处理的存储物理机富余的计算能力；

在具体实现中，可以在当前处理的存储物理机上通过虚拟化技术提取富余的计算能力。通过虚拟化技术提取计算能力是通过CPU虚拟化技术来实现的，CPU虚拟化技术可以是单CPU模拟多CPU运行，允许一个平台同时运行多个操作系统，并且应用程序可以在相互独立的空间内运行而互不影响，从而显著提高计算机的工作效率。目前通用的CPU虚拟化技术是一种硬件方案，支持虚拟化技术的CPU带有特别优化过的指令集来控制虚拟过程，通过这些指令集，外加主板芯片组、BIOS和软件的支持，即可以实现单CPU模拟多CPU的运行。模拟出的新增CPU即可以代表富余的计算能力。

通常，存储物理机上拥有多种资源，可以包括CPU资源、内存资源、磁盘资源、网络带宽资源、网络端口资源等，对于存储物理机上运行的存储服务而言，磁盘资源、网络带宽资源、网络端口资源的占用较多，而CPU资源和内存资源的占用较少，CPU资源的占用可以是计算能力的一种体现，因此，存储物理机中存在富余的计算能力。

所谓虚拟化技术可以是指计算元件在虚拟的基础上而不是真实的基础上运行。采用虚拟化可以将应用程序的整个执行环境以打包的形式转到云计算平台中的其他节点处，实现了程序的执行环境与物理环境的隔离，使得改变应用程序的执行环境变得易于实现。正是由于虚拟化技术的成熟和广泛应用，云计算中的计算、存储、应用和服务都变成了资源，这些资源可以被动态扩展和配置，云计算最终才能在逻辑上以单一整体的形式呈现。

步骤202，采用所述计算能力组成计算实例；

在实际应用中，计算实例可以是通过软件模拟的具有完整硬件系统功能、运行在一个完全隔离环境中的完整计算系统。

采用存储物理机富余的计算能力，再集合存储物理机的一部分磁盘和网络等资源可以组成计算实例。

需要说明的是，集合的磁盘和网络等资源的量可以根据以往存储服务使用磁盘和网络等资源情况的统计结果，得出一般情况下富余的磁盘和网络等资源量，就将这部分提取出来组成计算实例，且计算实例所占用的磁盘和网络资源是可以动态调整的。

步骤203，收集所述一台或多台存储物理机上的计算实例；

作为本发明实际应用的一种示例，计算实例可以分布在一台或多台存储物理机上，可以将分散的计算实例收集在一起。

步骤204，将所述一台或多台存储物理机上的计算实例组成计算池。

在具体实现中，计算池可以是指将各个分散的计算实例统一管理起来，并且呈现给用户，用户能看到各种资源额度的计算实例，用户可以根据业务对资源的实际需求量来选择对应的计算实例提供服务。

将收集的一台或多台存储物理机上的计算实例组成计算池，以提供计算服务。计算实例服务的对象可以是计算密集型应用。

步骤205，采用预设的预留资源阈值范围和负载门限确定所述计算实例的资源限额阈值范围。

作为本发明具体实现的一种示例，预设的预留资源阈值范围可以是提供给存储服务使用的资源阈值范围，负载门限可以是存储物理机负载的上限。

在利用虚拟化技术提取存储物理机富余的计算能力时，需要额外占用存储物理机的磁盘和网络等资源，但是为了减少计算实例对存储服务的影响，可以对计算实例使用的资源设置一定的限额，例如对计算、磁盘、网络等资源设置计算实例可利用的上限值。

在本发明实施例中，可以采用预设的预留资源阈值范围和负载门限确定计算实例的资源限额阈值范围，计算实例的资源限额阈值范围可以是负载门限与预设的预留资源阈值范围的差。计算实例的资源限额初始时设定的是最小限额。

步骤206，计算当前处理的存储物理机的负载状态；当判定所述存储物理机处于低负载状态时，则执行步骤207；当判定所述存储物理机处于高负载状态时，则执行步骤208；当判定所述存储物理机处于过负载状态时，则执行步骤209；

在具体实现中，负载状态可以包括低负载状态、高负载状态、过负载状态，当前处理的存储物理机的实时负载小于低负载门限时，存储物理机处于低负载状态，当前处理的存储物理机的实时负载大于高负载门限，且小于负载门限时，存储物理机处于高负载状态，当前处理的存储物理机的实时负载大于负载门限时，存储物理机处于过负载状态。

在本发明实施例的一种优选示例中，所述步骤206具体可以包括以下子步骤：

子步骤S11，获取当前处理的存储物理机一项或多项负载实时数据；

作为本发明具体应用的一种示例，负载实时数据可以包括计算、网络、磁盘等资源的实时数据。对于利用计算能力的计算实例，负载实时数据可以包括计算资源的实时数据即可。

可以采用实时负载收集器抓取存储物理机的一项或多项负载实时数据，可以包括CPU、内存、磁盘、网络带宽等资源的使用率，和/或，绝对使用量。

子步骤S12，对所述一项或多项负载实时数据分别进行加权，获得一项或多项负载加权数据；

在实际应用中，获取的负载实时数据存在一定误差，可以对一项或多项负载实时数据分别进行加权，以消除这部分误差。

子步骤S13，计算所述一项或多项负载加权数据的和，获得所述当前存储物理机的负载指数；

在具体实现中，负载指数可以是判断存储物理机当前负载状态的标准，负载指数的一种计算方式可以是将一项或多项负载加权数据相加，以负载加权数据的和作为负载指数。

例如，可以将CPU、内存、磁盘、网络带宽等资源的使用率加权后相加，以和作为负载指数。

当然，上述负载指数的计算方式只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他负载指数的计算方式，本发明实施例对此不加以限制。另外，除了上述负载指数的计算方式外，本领域技术人员还可以根据实际需要采用其他负载指数的计算方式，本发明实施例对此也不加以限制。

子步骤S14，采用所述负载指数分别与预设的低负载门限、高负载门限和负载门限进行比较；若所述负载指数小于预设的低负载门限，则执行子步骤S15；若所述负载指数大于预设的高负载门限，且小于负载门限，则执行子步骤S16；若所述负载指数大于预设的负载门限，则执行子步骤S17；

在实际应用中，可以采用负载指数对存储物理机的负载状态进行判断，其中，低负载状态小于低负载门限，高负载状态介于高负载门限和负载门限之间，过负载状态大于负载门限。

由于计算实例主要利用的是存储物理机的计算能力，即对计算资源的占用更为明显，因此，低负载门限可以为CPU个数*核数*0.7，低负载门限阈值范围可以根据具体情况设定不同的阈值范围。

高负载门限可以为CPU个数*核数，高负载门限阈值范围也可以根据具体情况设定不同的阈值范围。

负载门限即可以是存储物理机负载的上限。

子步骤S15，判定所述存储物理机处于低负载状态；执行步骤207；

当负载指数小于预设的低负载门限时，即负载指数小于CPU个数*核数*0.7时，判定存储物理机为低负载状态，表明存储物理机中有计算能力富余，可以执行步骤207适当调大计算实例的资源限额。

子步骤S16，判定所述存储物理机处于高负载状态；执行步骤208；

当负载指数大于高负载门限，且小于负载门限，即负载指数大于CPU个数*核数，且小于负载门限时，判定储物理机为高负载状态，表明存储物理机当前资源占用率较高，可以执行步骤208适当调小计算实例的资源限额。

子步骤S17，判定所述存储物理机处于过负载状态；执行步骤209；

当负载指数大于负载门限时，判定存储物理机为过负载状态，表明计算实例的运行对存储服务产生了影响，可以执行步骤209将计算实例迁移至其他存储物理机上，或者，将计算实例休眠，以释放出计算实例占用的资源给存储服务使用。

步骤207，调大所述计算实例的资源限额；

在具体实现中，当存储物理机处于低负载状态时，调大计算实例的资源限额可以充分利用存储物理机富余的资源，尤其是存储物理机的计算能力。

调大计算实例的资源限额可以是计算出资源富余量后，将资源富余量加在当前的资源限额上，且资源富余量与当前的资源限额的总和不大于负载门限。

在本发明实施例的一种优选示例中，所述步骤207具体可以包括以下子步骤：

子步骤S21，当判定所述存储物理机为低负载状态时，计算当前资源富余量；

作为本发明具体实现的一种示例，当判定存储物理机处于低负载状态时，表明资源有富余，以计算资源有富余为例，当前资源富余量可以是负载指数与CPU个数*核数*0.7的差值。

当然，上述当前资源富余量的计算方式只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他当前资源富余量的计算方式，本发明实施例对此不加以限制。另外，除了上述当前资源富余量的计算方式外，本领域技术人员还可以根据实际需要采用其他当前资源富余量的计算方式，本发明实施例对此也不加以限制。

本发明通过计算当前资源富余量，可以确定调大计算实例资源限额时的阈值范围，使得资源既能满足计算实例的使用，又不会对存储服务造成影响，从而可以充分合理利用物理机空余的计算资源，避免物理机资源的浪费，提高服务质量，提高物理机上运行的任务之间的隔离性，以及限制存储服务以外的任务对物理机资源的过多利用，从而减少存储服务以外的任务对存储服务的影响。

子步骤S22，采用所述当前资源富余量调大所述计算实例的资源限额。

在具体实现中，可以在当前计算实例的资源限额的基础上增加当前资源富余量作为计算实例的资源限额，从而调大计算实例的资源限额。

需要说明的是，计算实例的资源限额可以在最小额度和最大额度间动态调整，增加当前资源富余量后不超过计算实例的资源限额阈值范围的最大额度即可。

步骤208，调小所述计算实例的资源限额；

在实际应用中，当存储物理机处于高负载状态时，调小计算实例的资源限额可以释放计算实例占用的一部分资源，使得存储物理机在正常负载下运行。

在本发明实施例中，计算资源也即可以是CPU资源，调小计算实例的资源限额可以理解为，调小的是逻辑的CPU个数，逻辑的CPU的总个数可以是CPU个数*核数。

在本发明实施例的一种优选示例中，所述步骤208具体可以包括以下子步骤：

子步骤S31，当判定所述存储物理机处于高负载状态时，计算当前资源超出量；

作为本发明具体应用的一种示例，当判定存储物理机处于高负载状态时，表明资源吃紧，以计算资源吃紧为例，当前资源超出量可以是负载指数与CPU个数*核数的差值。

当然，上述当前资源超出量的计算方式只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他当前资源超出量的计算方式，本发明实施例对此不加以限制。另外，除了上述当前资源超出量的计算方式外，本领域技术人员还可以根据实际需要采用其他当前资源超出量的计算方式，本发明实施例对此也不加以限制。

本发明通过计算当前资源超出量，可以确定调小计算实例资源限额时的阈值范围，使得资源既能满足计算实例的使用，又不会对存储服务造成影响，从而可以充分合理利用物理机空余的计算资源，避免物理机资源的浪费，提高服务质量，提高物理机上运行的任务之间的隔离性，以及限制存储服务以外的任务对物理机资源的过多利用，从而减少存储服务以外的任务对存储服务的影响。

子步骤S32，采用所述当前资源超出量调小所述计算实例的资源限额。

在具体实现中，可以在当前计算实例的资源限额的基础上减去当前资源超出量作为计算实例的资源限额，以调小计算实例的资源限额。

需要说明的是，计算实例的资源限额可以在最小额度和最大额度间动态调整，当前计算实例的资源限额的基础上减去当前资源超出量作为计算实例的资源限额不超过最小额度即可。

本发明通过计算出当前处理的存储物理机的负载状态，动态地调大或调小计算实例的资源限额，调大计算实例的资源限额可以将存储物理机中富余的计算资源充分利用起来，避免物理机资源的浪费，并且，计算实例通过虚拟化技术提取富余的计算能力后构建起来，虚拟化技术使得计算实例的执行环境与存储服务的执行环境相隔离，减少了对存储服务的影响，从而提高服务质量，提高物理机上运行的任务之间的隔离性。此外，计算实例还设置了资源限额，可以确定计算实例对存储物理机上资源占用的最大限额和最小限额，在保证计算实例正常运行的同时，限制存储服务以外的任务对物理机资源的过多利用，从而减少存储服务以外的任务对存储服务的影响。

步骤209，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例。

在实际应用中，当存储物理机处于过负载状态时，说明计算实例的运行对存储服务产生了影响，可以通过虚拟化技术中的动态迁移方法，将当前处理的存储物理机上的计算实例迁移到目标存储物理机上继续运行，或者，通过虚拟化技术中的休眠方法，将当前处理的存储物理机上的计算实例休眠，保存当前任务的状态。

迁移可以是指在不同的物理机之间在服务应用不中断的情况下，完成计算实例存储数据、内存数据和网络连接等状态的迁移。休眠可以是指使计算实例进入睡眠模式，当休眠实例时，会保存其当前状态到特定的文件中，包括存储、内存、运行的应用等的状态，在需要时可以将计算实例根据保存的状态恢复到休眠点上继续运行。目前通用的迁移和休眠方法是采用开源虚拟化工具如KVM(Kernel-based Virtual Machine，核心虚拟机)或者XEN提供的解决方案。

在本发明实施例的一种优选示例中，所述步骤209具体可以包括以下子步骤：

子步骤S41，当判定所述存储物理机处于过负载状态时，轮询所述计算池中的其他存储物理机的负载状态；

作为本发明具体实现的一种示例，当判定当前处理的存储物理机处于过负载状态时，调度器可以轮询检测计算池中的其他存储物理机负载状态，查看是否有处于低负载状态的目标存储物理机以能容纳当前计算实例的运行。

子步骤S42，当检测出所述计算池中存在一台或多台目标存储物理机处于低负载状态时，检测所述一台或多台目标存储物理机的富余的计算能力；

在实际应用中，当检测出计算池中存在一台或多台目标存储物理机处于低负载状态时，还需要查看处于低负载状态的目标存储物理机是否有足够多富余的计算能力容纳当前计算实例的运行，即查看资源的富余情况是否满足计算实例的需求。

子步骤S43，当检测出存在一台或多台目标存储物理机的富余的计算能力大于或等于所述计算实例的计算能力时，则执行子步骤S44，否则，执行子步骤S45；

在具体实现中，可以通过虚拟化技术提取目标存储物理机上富余的计算能力，与计算实例的资源限额的最小额度进行比较，若富余的计算能力大于或等于最小额度，则检测出存在一台或多台目标存储物理机的富余的计算能力大于或等于所述计算实例的计算能力，执行子步骤S44，否则，执行子步骤S45。

子步骤S44，将所述计算实例迁移到所述一台或多台目标存储物理机的其中一台目标存储物理机上；

当检测出存在一台或多台目标存储物理机的富余的计算能力大于或等于所述计算实例的计算能力时，说明处于低负载状态的目标存储物理机有足够多富余的计算能力容纳当前计算实例的运行，则通过虚拟化技术中的动态迁移方法，将当前处理的存储物理机上的计算实例迁移到一台或多台目标存储物理机的其中一台目标存储物理机上继续运行。

子步骤S45，停止运行所述计算实例。

当没有符合条件的目标存储物理机时，则通过虚拟化技术中的休眠方法，将当前物理机上的计算实例进入休眠，保存当前任务的状态。

计算实例通过迁移或者休眠后，当前处理的存储物理机上已无计算实例运行，迁移或者休眠的计算实例所占用的资源得以释放出来供存储服务使用。

当当前处理的存储物理机负载恢复正常后，可以将休眠的计算实例唤醒，完成余下的计算任务，或者将已迁移的计算实例重新迁移回到当前处理的存储物理机上。

本发明通过轮询计算池中的其他存储物理机的负载状态，以确定将当前处理的存储物理机上的计算实例迁移到目标存储物理机上，或者，停止运行当前处理的存储物理机上的计算实例，可以在存储物理机处于过负载状态时，释放出计算实例占用的资源给存储服务使用，从而减少存储服务以外的任务对存储服务的影响，充分合理利用物理机空余的计算资源，避免物理机资源的浪费，提高服务质量，提高物理机上运行的任务之间的隔离性，以及限制存储服务以外的任务对物理机资源的过多利用。

为使本领域技术人员更好地理解本发明，以下以存储物理机负载调整实际应用的场景为例，进一步说明本发明实施例。

参照图3，示出了本发明一种云计算环境中存储物理机负载调整实际应用的场景示意图。

如图3所示，云计算环境中可以包括第一存储物理机、第二存储物理机和调度中心，其中，第一存储物理机中可以包括第一负载收集器、第一计算能力提取模块和第一计算实例，第二存储物理机中可以包括第二负载收集器、第二计算能力提取模块和第二计算实例，调度中心可以包括负载计算引擎、计算实例调度器和计算实例资源动态调整模块。

在图3所示的云计算环境中，第一计算能力提取模块和第二计算能力提取模块是整个系统的基础，第一计算能力提取模块和第二计算能力提取模块通过虚拟化技术分别提取第一存储物理机和第二存储物理机上富余的计算能力，以构建第一计算实例和第二计算实例。第一计算能力提取模块可以根据第一存储物理机预设的预留资源阈值范围和负载门限对第一计算实例的计算、网络、磁盘等资源做相应的限额设定，初始时第一计算实例的计算、网络、磁盘等资源设定的都是最小限额。同理，第二计算实例的计算、网络、磁盘等资源设定的也是最小限额。

当第一存储物理机上除了运行有存储服务外，还运行有第一计算实例时，需要通过第一负载收集器抓取第一存储物理机的负载数据，以评估存储服务获取资源的情况。第一负载收集器将抓取的负载数据发送到调度中心的负载计算引擎中，计算出负载指数以判断第一存储物理机的负载状态。

负载数据以在第一计算实例中占主导地位的计算资源——CPU使用率为例，第一负载收集器收集第一存储物理机的CPU使用率，将CPU使用率发送到调度中心的负载计算引擎中，负载计算引擎对CPU使用率进行加权，得到负载指数，采用负载指数与低负载门限、高负载门限和负载门限进行比较，其中，低负载门限可以为CPU个数*核数*0.7，高负载门限可以为CPU个数*核数，负载门限为第一存储物理机的负载上限。若负载指数小于低负载门限，即CPU个数*核数*0.7，则第一存储物理机处于低负载状态，若负载指数大于高负载门限，即CPU个数*核数，且小于负载门限，则第一存储物理机处于低负载状态，若负载指数大于负载门限，则第一存储物理机处于过负载状态。

当判定第一存储物理机处于低负载状态或者高负载状态时，负载计算引擎可以将低负载状态指令，或者，高负载状态指令发送到计算实例资源限额动态调整模块，计算实例资源限额动态调整模块适当对第一计算实例做资源限额的动态调整，动态调整流程如图4所示，负载计算引擎可以将低负载状态指令，或者，高负载状态指令发送到计算实例资源限额动态调整模块，计算实例资源限额动态调整模块判断负载指数是否为低，若是，则调大计算实例资源限额，若否，则调小计算实例资源限额。

当判定第二存储物理机处于过负载状态时，计算实例会严重影响存储服务，此时，计算实例调度器会生效，负载计算引擎可以将过负载状态指令发送到计算实例调度器中，计算实例调度器轮询计算池中的其他存储物理机的负载状态后，将第二计算实例迁移或者休眠，计算实例调度器迁移或者休眠计算实例的流程如图5所示，负载计算引擎将过负载状态指令发送到计算实例调度器后，计算实例调度器判断负载过大时，查询系统中是否有可以容纳第二计算实例的目标存储物理机，若发现第一存储物理机中计算、网络、磁盘等各项资源的富余量都大于或等于第二计算实例对应的计算、网络、磁盘等资源设定的最小限额，则判定存在目标存储物理机，目标存储物理机为第一存储物理机，通过虚拟化技术中的动态迁移方法，将第二存储物理机上的计算实例迁移到第一存储物理机上继续运行，否则，休眠第二计算实例。

当第二存储物理机负载恢复正常后，可以将休眠的第二计算实例唤醒，完成余下的计算任务，或者将迁移到第一存储物理机上的第二计算实例重新迁移回第二存储物理机上。

需要说明的是，对于方法实施例，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，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，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，所涉及的动作并不一定是本发明实施例所必须的。

参照图6，示出了本发明一种云计算环境中负载调整的装置实施例的结构框图，所述云计算环境中包括一台或多台存储物理机，各台存储物理机上运行有计算实例，具体可以包括如下单元：

负载状态计算单元601，用于计算当前处理的存储物理机的负载状态；

资源限额调大单元602，用于在判定所述存储物理机处于低负载状态时，调大所述计算实例的资源限额；

资源限额调小单元603，用于在判定所述存储物理机处于高负载状态时，调小所述计算实例的资源限额；

计算实例迁移或停止单元604，用于在判定所述存储物理机处于过负载状态时，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例。

在本发明的一种优选示例中，所述装置还包括：

计算能力提取单元，用于提取所述当前处理的存储物理机富余的计算能力；

计算实例组成单元，用于采用所述计算能力计算实例；

资源限额阈值范围确定单元，用于采用预设的预留资源阈值范围和负载门限确定所述计算实例的资源限额阈值范围。

在本发明的一种优选示例中，所述装置还包括：

计算实例收集单元，用于收集所述一台或多台存储物理机上的计算实例；

计算池组成单元，用于将所述一台或多台存储物理机上的计算实例组成计算池。

在本发明的一种优选示例中，负载状态计算单元601具体可以包括以下子单元：

负载实时数据获取子单元，用于获取当前处理的存储物理机一项或多项负载实时数据；

负载加权数据获得子单元，用于对所述一项或多项负载实时数据分别进行加权，获得一项或多项负载加权数据；

负载指数获得子单元，用于计算所述一项或多项负载加权数据的和，获得所述当前存储物理机的负载指数；

比较子单元，用于采用所述负载指数分别与预设的低负载门限、高负载门限和负载门限进行比较；

低负载状态判定子单元，用于在所述负载指数小于预设的低负载门限时，判定所述存储物理机处于低负载状态；

高负载状态判定子单元，用于在所述负载指数大于预设的高负载门限时，且小于负载门限，判定所述存储物理机处于高负载状态；

过负载状态判定子单元，用于在所述负载指数大于预设的负载门限时，判定所述存储物理机处于过负载状态。

在本发明的一种优选示例中，所述计算实例迁移或停止单元604具体可以包括以下子单元：

负载状态轮询子单元，用于在判定所述存储物理机处于过负载状态时，轮询所述计算池中的其他存储物理机的负载状态；

计算实例迁移或停止子单元，用于在检测出所述计算池中存在一台或多台目标存储物理机处于低负载状态，且所述一台或多台目标存储物理机富余的计算能力大于或等于所述计算实例的计算能力时，将所述计算实例迁移到所述一台或多台目标存储物理机的其中一台目标存储物理机上；否则，停止运行所述计算实例。

在本发明的一种优选示例中，所述资源限额调大单元602具体可以包括以下子单元：

当前资源富余量计算子单元，用于在判定所述存储物理机处于低负载状态时，计算当前资源富余量；

资源限额调大子单元，用于采用所述当前资源富余量调大所述计算实例的资源限额。

在本发明的一种优选示例中，所述资源限额调小单元603具体可以包括以下子单元：

当前资源超出量计算子单元，用于在判定所述存储物理机处于高负载状态时，计算当前资源超出量；

资源限额调小子单元，用于采用所述当前资源超出量调小所述计算实例的资源限额。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种云计算环境中负载调整的方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种云计算环境中负载调整的方法，其特征在于，所述云计算环境中包括一台或多台存储物理机，各台存储物理机上运行有计算实例，所述方法包括：

计算当前处理的存储物理机的负载状态；

当判定所述存储物理机处于低负载状态时，调大所述计算实例的资源限额；

当判定所述存储物理机处于高负载状态时，调小所述计算实例的资源限额；

当判定所述存储物理机处于过负载状态时，通过虚拟化技术中的动态迁移方法，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例；

所述当判定所述存储物理机为过负载状态时，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例的子步骤包括：

当判定所述存储物理机处于过负载状态时，轮询所述云计算环境中其他存储物理机的负载状态；

当检测出所述云计算环境中存在一台或多台目标存储物理机处于低负载状态，且所述一台或多台目标存储物理机富余的计算能力大于或等于所述计算实例的计算能力时，则将所述计算实例迁移到所述一台或多台目标存储物理机的其中一台目标存储物理机上；否则，停止运行所述计算实例。

2.根据权利要求1所述的方法，其特征在于，在所述计算当前处理的存储物理机的负载状态的步骤之前，还包括：

提取所述当前处理的存储物理机富余的计算能力；

采用所述计算能力组成计算实例；

采用预设的预留资源阈值范围和负载门限确定所述计算实例的资源限额阈值范围。

3.根据权利要求2所述的方法，其特征在于，在所述采用所述计算能力组成计算实例的子步骤之后，还包括：

收集所述一台或多台存储物理机上的计算实例；

将所述一台或多台存储物理机上的计算实例组成计算池。

4.根据权利要求1或2或3所述的方法，其特征在于，所述计算当前处理的存储物理机的负载状态的步骤包括：

获取当前处理的存储物理机一项或多项负载实时数据；

对所述一项或多项负载实时数据分别进行加权，获得一项或多项负载加权数据；

计算所述一项或多项负载加权数据的和，获得所述当前存储物理机的负载指数；

采用所述负载指数分别与预设的低负载门限、高负载门限和负载门限进行比较；

若所述负载指数小于预设的低负载门限，则判定所述存储物理机处于低负载状态；

若所述负载指数大于预设的高负载门限，且小于负载门限，则判定所述存储物理机处于高负载状态；

若所述负载指数大于预设的负载门限，则判定所述存储物理机处于过负载状态。

5.根据权利要求4所述的方法，其特征在于，所述当判定所述存储物理机为低负载状态时，加大所述计算实例的资源限额的步骤包括：

当判定所述存储物理机处于低负载状态时，计算当前资源富余量；

采用所述当前资源富余量调大所述计算实例的资源限额。

6.根据权利要求4所述的方法，其特征在于，所述当判定所述存储物理机为高负载状态时，减少所述计算实例的资源限额的步骤包括：

当判定所述存储物理机处于高负载状态时，计算当前资源超出量；

采用所述当前资源超出量调小所述计算实例的资源限额。

7.一种云计算环境中负载调整的装置，其特征在于，所述云计算环境中包括一台或多台存储物理机，各台存储物理机上运行有计算实例，所述装置包括：

负载状态计算单元，用于计算当前处理的存储物理机的负载状态；

资源限额调大单元，用于在判定所述存储物理机处于低负载状态时，调大所述计算实例的资源限额；

资源限额调小单元，用于在判定所述存储物理机处于高负载状态时，调小所述计算实例的资源限额；

计算实例迁移或停止单元，用于在判定所述存储物理机处于过负载状态时，通过虚拟化技术中的动态迁移方法，将所述计算实例迁移到其他存储物理机上，或者，停止运行所述计算实例；

所述计算实例迁移或停止单元包括：

负载状态轮询子单元，用于判定所述存储物理机处于过负载状态时，轮询所述云计算环境中的其他存储物理机的负载状态；

迁移或停止判定子单元，用于当检测出所述云计算环境中存在一台或多台目标存储物理机处于低负载状态，且所述一台或多台目标存储物理机富余的计算能力大于或等于所述计算实例的计算能力时，则将所述计算实例迁移到所述一台或多台目标存储物理机的其中一台目标存储物理机上；否则，停止运行所述计算实例。

8.根据权利要求7所述的装置，其特征在于，还包括：

计算能力提取单元，用于提取所述当前处理的存储物理机富余的计算能力；

计算实例组成单元，用于采用所述计算能力组成计算实例；

资源限额阈值范围确定单元，用于采用预设的预留资源阈值范围和负载门限确定所述计算实例的资源限额阈值范围。

9.根据权利要求8所述的装置，其特征在于，还包括：

计算实例收集单元，用于收集所述一台或多台存储物理机上的计算实例；

计算池组成单元，用于将所述一台或多台存储物理机上的计算实例组成计算池。