CN104407912A - 一种虚拟机配置方法及装置 - Google Patents

Abstract

本发明公开了一种虚拟机配置方法及装置。该方法包括以下步骤：用户端计算交互式作业的优先级；根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求；用户端监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，并在下一计价周期开始时调整周期计价虚拟机租赁数量；用户端监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求。本发明提供的一种虚拟机配置方法及装置，根据用户需求合理动态调整虚拟机配置，降低了租赁成本。

Description

一种虚拟机配置方法及装置

技术领域

本发明涉及云计算领域，尤其涉及一种虚拟机配置方法及装置。

背景技术

近年来，云计算实现了计算资源变成公用设施的长期梦想，促使信息产业结构转型和升级，创造了维护和构建本地资源池的新型模式。典型的代表包括亚马逊的AWS EC2、微软的Azure、Google的AppEngine、淘宝的Aliyun和腾讯的TecentCloud。利用云供应商的资源租赁服务，客户只需简单操作，就可按小时租赁云供应商的虚拟资源。这种模式帮助处于起步阶段的用户可以从较小规模做起，避免过度部署而造成的资源浪费，并保证服务高峰期的服务质量。随着互联网时代创新型应用的迅猛发展，越来越多的用户不在拥有大量服务器或硬件基础设施，而是完全依靠云供应商的资源租赁服务。据统计，仅2013年第三季度，用户租用亚马逊硬件资源的花费就超过25亿美元。

针对上层应用对CPU、内存、存储和操作系统等几个方面的需求有所侧重，云供应商提供了不同类型的虚拟机，并按照租赁数量和时间进行计费。以腾讯和亚马逊为例，腾讯对外提供标准类和灵活类共16种不同配置和计价的虚拟机。亚马逊全球部署了8个云计算数据中心，并对外提供10个大类共27种不同配置和计价的虚拟机。并且亚马逊于2013年12月宣布开启中国公有云服务平台，通过北京和宁夏的云计算数据中心为中国各地用户提供这27种虚拟机的租赁服务。云计算环境下用户不再购买昂贵的硬件资源，而是选择租用基础设施运营商的虚拟机构建运营环境。然而尽管云计算的资源使用模式将用户从硬件部署和维护的泥潭解救，但同时也为用户带来新的选择问题。由于不同类型和负载的应用对处理器、内存和存储等计算资源的需求存在较大差异，其“性能–配置”变化曲线也各有不同。因此，面对市场纷杂的云供应商和性能、计价复杂的虚拟机，如何根据应用请求的负载选择最合适的虚拟机，即为用户的高收益服务加速问题成为云计算环境下用户面临主要问题。其中，高收益是指用户根据当前应用负载选择合适的计价和数量的虚拟机。服务加速是指用户根据应用请求的类型合理安排执行顺序以优化响应时间和系统吞吐量。

现有技术中，资源配置和任务调度成为云计算环境下用户高收益服务加速问题的核心技术。当前绝大多数系统根据应用负载的周期性变化动态配置资源，并根据应用请求的到达顺序和资源需求部署简单的分发算法。然而云计算环境下用户与以往的运营模式和资源使用方式上存在巨大差别。首先，虚拟机性能与应用负载适配关系存在不确定性。云供应商提供具有不同硬件配置的虚拟机。同一台虚拟机在处理不同应用负载的情况下，应用请求的执行时间存在巨大差异。其次，用户承载的应用负载动态变化存在不确定性。用户部署的交互式作业(如：在线搜索、在线视频和在线商店等)一天内所处理的应用请求到达速率动态变化，并且云供应商提供的虚拟机按照每小时的使用量进行计费。最后，用户聚合调度混合应用请求存在不确定性。一个典型的用户所处理的应用请求可划分为交互式作业和批量式任务两类。交互式作业规定的服务等级协议一般较为严格，如用户输入关键词后搜索的容忍延迟一般在5秒以内。而批量式任务可以选择在任意时刻执行任务，并可以在任意时刻将任务挂起，只需保证所有任务在最晚完成时间之前执行完成即可。用户融合调度需交互式作业和批量式任务需要同时考虑两者任务特点和服务质量需求。事实上，以上三方面因素所带来的不确定性，导致现有的资源配置方法难以直接应用于云计算环境下虚拟机配置模块。

发明内容

本发明提供一种虚拟机配置方法及装置，以实现根据用户需求合理动态调整虚拟机配置，降低租赁成本。

第一方面，本发明实施例提供了一种虚拟机配置方法，包括：

用户端计算交互式作业的优先级；

根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求；

用户端监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，并在下一计价周期开始时调整周期计价虚拟机租赁数量；

用户端监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求。

进一步地，所述用户端计算交互式作业的优先级，包括：根据交互式作业的计算负载和响应时间约束计算交互式作业的优先级，计算公式为：

$\mathrm{Pr}\left(i\right)=\frac{{\∫}_{w^{\′}}^{\hat{w}}w\·f\left(w\right|w\≥w^{\′})\mathrm{dw}-w^{\′}}{{\mathrm{\γ}}_i-t_i}$

其中，γ_i表示交互式作业i的约束响应时间，w表示交互式作业i的计算负载，表示交互式作业i计算负载的上限，w′表示当前已经处理完成的计算负载数，f(w|w≥w′)表示在计算负载完成w′条件下，将当前交互式作业在约束响应时间内处理完成的概率密度函数，t_i表示当前交互式作业处理已用时间，分母γ_i-t_i表示当交互式作业的剩余执行时间。Pr值越大，交互式作业的优先级越高。

进一步地，所述根据交互式作业的优先级向周期计价虚拟机分发应用请求包括：按照交互式作业优先级从高到低的顺序依次向处理速度从快到慢的周期计价虚拟机分发应用请求。

进一步地，所述用户端监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，包括：

用户端对交互式作业历史数据进行建模分析，预测下一计价周期内交互式作业的到达速率；

根据下一计价周期内交互式作业的到达速率，对下一计价周期内的交互式作业建模分析，预测下一计价周期的周期计价虚拟机租赁数量。

进一步地，所述用户端监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求包括：

将批量式任务动态切分，将批量式任务的最晚完成时间切分给每一个子任务，为每一个子任务设置最晚完成时间；

根据监控结果动态聚合具有通信关联关系的子任务；

若周期计价虚拟机剩余资源能够满足批量式任务的资源需求，向周期计价虚拟机分发批量式任务应用请求；否则，

根据竞价虚拟机计价波动，在满足批量式任务最晚完成时间下，低价租赁竞价虚拟机，并向周期计价虚拟机和竞价虚拟机分发批量式任务应用请求。

进一步地，所述虚拟机配置方法还包括：

将当前运行的优先级最高的交互式作业应用请求迁移到当前空闲且运行速度比当前所在周期计价虚拟机运行速度快的周期计价虚拟机中运行。

第二方面，本发明实施例还提供了一种虚拟机配置装置，包括：

交互式作业优先级计算模块，用于计算交互式作业的优先级；

交互式作业应用请求分发模块，用于根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求；

预测租赁模块，用于监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，并在下一计价周期开始时调整周期计价虚拟机租赁数量；

批量式任务处理模块，用于监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求。

进一步地，所述交互式作业优先级计算模块具体用于：根据交互式作业的计算负载和响应时间约束计算交互式作业的优先级，计算公式为：

$\mathrm{Pr}\left(i\right)=\frac{{\∫}_{w^{\′}}^{\hat{w}}w\·f\left(w\right|w\≥w^{\′})\mathrm{dw}-w^{\′}}{{\mathrm{\γ}}_i-t_i}$

其中，γ_i表示交互式作业i的约束响应时间，w表示交互式作业i的计算负载，表示交互式作业i计算负载的上限，w′表示当前已经处理完成的计算负载数，f(w|w≥w′)表示在计算负载完成w′条件下，将当前交互式作业在约束响应时间内处理完成的概率密度函数，t_i表示当前交互式作业处理已用时间，分母γ_i-t_i表示当交互式作业的剩余执行时间。Pr值越大，交互式作业的优先级越高。

进一步地，所述交互式作业应用请求分发模块具体用于：按照交互式作业优先级从高到低的顺序依次向处理速度从快到慢的周期计价虚拟机分发应用请求。

将当前运行的优先级最高的交互式作业应用请求迁移到当前空闲且运行速度比当前所在周期计价虚拟机运行速度快的周期计价虚拟机中运行。

进一步地，所述预测租赁模块具体用于：

用户端对交互式作业历史数据进行建模分析，预测下一计价周期内交互式作业的到达速率；

根据下一计价周期内交互式作业的到达速率，对下一计价周期内的交互式作业建模分析，预测下一计价周期的周期计价虚拟机租赁数量；

根据预测下一计价周期的周期计价虚拟机租赁数量，在下一计价周期开始时调整周期计价虚拟机租赁数量。

进一步地，所述批量式任务处理模块包括：

时间切分模块，用于将批量式任务动态切分，将批量式任务的最晚完成时间切分给每一个子任务，为每一个子任务设置最晚完成时间；

任务聚类模块，用于根据监控结果动态聚合具有通信关联关系的子任务；

批量式任务配置和分发模块，用于若周期计价虚拟机剩余资源能够满足批量式任务的资源需求，向周期计价虚拟机分发批量式任务应用请求；否则，根据竞价虚拟机计价波动，在满足批量式任务最晚完成时间下，低价租赁竞价虚拟机，并向周期计价虚拟机和竞价虚拟机分发批量式任务应用请求。

本发明通过计算交互式作业的优先级，根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求，预测并调整下一计价周期的周期计价虚拟机租赁数量，同时，监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果分发批量式任务应用请求，解决了现有技术中用户在租用云计算虚拟机过程中的成本浪费问题，降低了用户处理交互式作业和批量式任务的虚拟机租赁开销。

附图说明

图1是本发明实施例一中的虚拟机配置方法的流程图；

图2是本发明实施例二中的虚拟机配置方法的流程图；

图3是本发明实施例二中的实现虚拟机配置方法的原理示意图；

图4是本发明实施例三中的虚拟机配置装置的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种虚拟机配置方法的流程图，本实施例可适用于包括云计算虚拟机和至少一台用户端的系统架构中。用户端可以是应用开发商，网站运营商和个人用户。用户端通过租用云计算供应商的虚拟机来处理交互式作业和批量式任务。示例性的，本实施例为基于硬件虚拟化环境的实施方案，具体包括如下步骤：

S10、用户端计算交互式作业的优先级；

具体地，根据交互式作业的计算负载和响应时间约束计算交互式作业的优先级，计算公式为：

$\mathrm{Pr}\left(i\right)=\frac{{\∫}_{w^{\′}}^{\hat{w}}w\·f\left(w\right|w\≥w^{\′})\mathrm{dw}-w^{\′}}{{\mathrm{\γ}}_i-t_i}$

其中，γ_i表示交互式作业i的约束响应时间，w表示交互式作业i的计算负载，表示交互式作业i计算负载的上限，w′表示当前已经处理完成的计算负载数，f(w|w≥w′)表示在计算负载完成w′条件下，将当前交互式作业在约束响应时间内处理完成的概率密度函数，t_i表示当前交互式作业处理已用时间，分母γ_i-t_i表示当交互式作业的剩余执行时间。Pr值越大，交互式作业的优先级越高。

S11、根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求；

用户端可根据每个交互式作业优先级的高低，将每个交互式作业合理地分发到处理速度不同的周期计价虚拟机。

S12、用户端监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，并在下一计价周期开始时调整周期计价虚拟机租赁数量；

具体地，用户端根据交互式作业分发结果，评估交互式作业历史数据，并根据交互式作业历史数据预测下一计价周期交互式作业的到达速率，并根据预测的下一计价周期交互式作业的到达速率计算出下一计价周期内需租赁的周期计价虚拟机租赁数量，并在下一计价周期开始时调整周期计价虚拟机租赁数量，例如，在预测下一计价周期内交互式作业的到达数量呈现下降趋势时，用户端可缩减虚拟机数量，以降低虚拟机租赁开销。

S13、用户端监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求。

该步骤中，用户端监控周期计价虚拟机资源剩余，尽可能充分利用周期计价虚拟机的剩余资源，将尽可能多的批量式任务分发到剩余周期计价虚拟机上；在当前系统中周期计价虚拟机剩余资源的总量不能满足批量式任务的资源需求时，并在满足最晚完成时间的前提下，将批量式任务调度到竞价虚拟机价格较低的时段运行。其中，竞价虚拟机的价格主要根据当前系统的资源利用率和应用请求数量动态变化。

本发明实施例一提供的一种虚拟机配置方法，通过计算交互式作业的优先级，根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求，预测并调整下一计价周期的周期计价虚拟机租赁数量，同时，监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果分发批量式任务应用请求，解决了现有技术中用户在租用云计算虚拟机过程中的成本浪费问题，降低了用户处理交互式作业和批量式任务的虚拟机租赁开销。

实施例二

图2为本发明实施例二提供的虚拟机配置方法的流程图，如图2所示，该方法包括：

S20、用户端计算交互式作业的优先级；

具体地，根据交互式作业的计算负载和响应时间约束计算交互式作业的优先级，计算公式为：

$\mathrm{Pr}\left(i\right)=\frac{{\∫}_{w^{\′}}^{\hat{w}}w\·f\left(w\right|w\≥w^{\′})\mathrm{dw}-w^{\′}}{{\mathrm{\γ}}_i-t_i}$

其中，γ_i表示交互式作业i的约束响应时间，w表示交互式作业i的计算负载，表示交互式作业i计算负载的上限，w′表示当前已经处理完成的计算负载数，f(w|w≥w′)表示在计算负载完成w′条件下，将当前交互式作业在约束响应时间内处理完成的概率密度函数，t_i表示当前交互式作业处理已用时间，分母γ_i-t_i表示当交互式作业的剩余执行时间。Pr值越大，交互式作业的优先级越高。

本实施例在上述实施例一的基础上，将步骤S11、根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求进一步优化为：

S21、按照交互式作业优先级从高到低的顺序依次向处理速度从快到慢的周期计价虚拟机分发应用请求；

由于用户端选用以周期计价虚拟机处理交互式作业，所以将计算负载最高且响应时间最短的交互式作业请求分发到执行速度最快的虚拟机上运行，能够将用户端最小化周期计价虚拟机的租赁开销转化为最大化用户端单位时间内的系统吞吐量，并为批量式任务空闲更多的剩余资源。

S22、将当前运行的优先级最高的交互式作业应用请求迁移到当前空闲且运行速度比当前所在周期计价虚拟机运行速度快的周期计价虚拟机中运行。

其中，本实施例设计一种交互式作业的处理算法，该算法首先根据优先级度量方法为系统中每一个交互式作业建立优先级，然后在运行状态下将具有最高优先级的应用请求迁移到系统中处于空闲状态且运行速度最快的周期计价虚拟机执行，并在运行过程中，根据周期计价虚拟机的运行状态，将当前处理的应用请求迁移到速度更快的周期计价虚拟机，使当前运行速度最快的周期计价虚拟机一直执行最高优先级的交互式作业。交互式作业请求的迁移，有效降低了处理每一个交互式作业的虚拟机租赁开销，使用户在固定的虚拟机租赁开销条件下最大化系统的吞吐量。

在实施例一的基础上，将步骤S12、用户端监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，进一步优化为：

S23、用户端对交互式作业历史数据进行建模分析，预测下一计价周期内交互式作业的到达速率；以及

S24、根据下一计价周期内交互式作业的到达速率，对下一计价周期内的交互式作业建模分析，预测下一计价周期的周期计价虚拟机租赁数量。

其中，在步骤S23中，用户端对交互式作业历史数据进行建模分析，可以利用差分自回归移动平均模型对交互式作业的到达数量进行建模，预测下一计价周期交互式作业到达的数量。上述建模的具体方法为用户端根据交互式作业的到达数量随时间推移而形成的数据序列初始化为一个随机序列，采用自相关函数及偏自相关函数进行数学分析，最后将此模型所具有的相关性或依赖关系用数学模型描述出来，从而达到可以从时间序列的历史数据和当前数据预测下一计价周期可能出现的数据。

在步骤S24中，根据下一计价周期内交互式作业的到达速率，可以利用排队论模型对下一计价周期内的交互式作业建模分析，预测下一计价周期的周期计价虚拟机租赁数量。若预测下一计价周期交互式作业到达速率呈现下降趋势，则用户端为降低虚拟机租赁开销，可以缩减虚拟机数量。

在实施例一的基础上，将步骤S13、用户端监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求，进一步优化为：

S25、将批量式任务动态切分，将批量式任务的最晚完成时间切分给每一个子任务，为每一个子任务设置最晚完成时间；

其中，将批量式任务动态切分主要完成时间切分操作；时间切分是利用关键路径分发方法将一个批量式任务的最晚完成时间切分给每一个子任务。首先计算关键路径上的任务都调度到处理速度最快的虚拟机上的执行时间，若当前作业执行时间小于最晚完成时间，则从起始任务开始，迭代式更换每一个任务的调度方案直到执行时间等于最晚完成时间；若关键路径上的所有任务均调度到速度最慢的虚拟机上的执行时间依然小于最晚完成时间，则将剩余的空闲时间等比例的切分给关键路径上的任务。

S26、根据监控结果动态聚合具有通信关联关系的子任务；

其中，动态聚合具有通信关联关系的子任务主要完成任务聚类的操作，主要根据当前系统的剩余资源和竞价虚拟机的价格动态聚合具有通信关联关系的任务；任务聚类，可以简化批量式任务内部复杂的通信关联关系，降低任务调度的难度。例如，将两个串联的任务聚合为一个任务时，任务调度阶段仅需要考虑新生成的任务模型。

S27、监测周期计价虚拟机剩余资源是否满足批量式任务的资源需求，若是，执行步骤S28，否则执行步骤S29；

S28、向周期计价虚拟机分发批量式任务应用请求；

S29、根据竞价虚拟机计价波动，在满足批量式任务最晚完成时间下，低价租赁竞价虚拟机，并向周期计价虚拟机和竞价虚拟机分发批量式任务应用请求。

批量式任务分发策略不仅需要考虑周期计价虚拟机的剩余资源，还需要考虑竞价虚拟机的价格变化。若周期计价虚拟机剩余资源能够满足批量式任务的资源需求，则向周期计价虚拟机分发批量式任务应用请求；若当前系统中剩余资源的总量不能满足批量式任务的资源需求，服务提供商将租用竞价虚拟机处理剩余任务，此时，在满足最晚完成时间的前提下，将批量式任务调度到竞价虚拟机价格较低的时段运行。其中，竞价虚拟机的价格主要根据当前系统的资源利用率和应用请求数量的动态变化。

终上所述，参考图3，该虚拟机配置方法的原理为：用户端首先计算交互式作业的优先级，根据优先级的计算结果向周期计价虚拟机分发交互式作业应用请求，将负载高且响应时间约束严格的应用请求优先调度到处理速度快的虚拟机上运行，以最大化单位时间内系统的吞吐量，即为批量式任务空闲更多的剩余资源，并将具有高优先级的应用请求迁移到系统中处于空闲状态且运行速度较快的周期计价虚拟机执行。然后建立模型预测下一周期交互式作业到达数据，并在下一个计价周期开始前，动态配置周期计价虚拟机租赁数量，降低周期计价虚拟机的资源租赁开销。针对批量式任务的处理，用户端首先对批量式任务进行实践切分，根据批量式任务的最晚完成时间，为批量式任务中的每一个子任务设置最晚完成时间；利用当前系统周期计价虚拟机剩余资源的大小，将具有通信关联的任务聚类，动态聚合批量式任务；根据竞价虚拟机价格的动态变化，分发任务，达到最小化服务提供商虚拟机租赁开销的目的。

本发明实施例二提供的一种虚拟机配置方法，通过计算交互式作业优先级，合理分发交互式作业，并根据周期计价虚拟机的运行状况，实时迁移交互式作业，通过建立模型预测调整下一周期周期计价虚拟机的租赁数量，针对批量式任务，根据用户端的任务切分和聚类，并实时监控周期计价虚拟机的的剩余资源和竞价虚拟机的价格波动，制定批量式任务的分发策略，最终实现了降低用户租赁虚拟机费用，提高用户的收益。

实施例三

图4所示为本发明实施例三提供的虚拟机配置装置的结构示意图，如图4所示，该虚拟机配置装置具体包括：

交互式作业优先级计算模块410，用于计算交互式作业的优先级；

交互式作业应用请求分发模块420，用于根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求；

预测租赁模块430，用于监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，并在下一计价周期开始时调整周期计价虚拟机租赁数量；以及

批量式任务处理模块440，用于监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求。

其中，交互式作业优先级计算模块410具体用于：根据交互式作业的计算负载和响应时间约束计算交互式作业的优先级，计算公式为：

$\mathrm{Pr}\left(i\right)=\frac{{\∫}_{w^{\′}}^{\hat{w}}w\·f\left(w\right|w\≥w^{\′})\mathrm{dw}-w^{\′}}{{\mathrm{\γ}}_i-t_i}$

其中，γ_i表示交互式作业i的约束响应时间，w表示交互式作业i的计算负载，表示交互式作业i计算负载的上限，w′表示当前已经处理完成的计算负载数，f(w|w≥w′)表示在计算负载完成w′条件下，将当前交互式作业在约束响应时间内处理完成的概率密度函数，t_i表示当前交互式作业处理已用时间，分母γ_i-t_i表示当交互式作业的剩余执行时间。Pr值越大，交互式作业的优先级越高。

其中，交互式作业应用请求分发模块420具体用于：按照交互式作业优先级从高到低的顺序依次向处理速度从快到慢的周期计价虚拟机分发应用请求；

将当前运行的优先级最高的交互式作业应用请求迁移到当前空闲且运行速度比当前所在周期计价虚拟机运行速度快的周期计价虚拟机中运行。

其中，预测租赁模块430具体用于：用户端对交互式作业历史数据进行建模分析，预测下一计价周期内交互式作业的到达速率；根据下一计价周期内交互式作业的到达速率，对下一计价周期内的交互式作业建模分析，预测下一计价周期的周期计价虚拟机租赁数量；根据预测下一计价周期的周期计价虚拟机租赁数量，在下一计价周期开始时调整周期计价虚拟机租赁数量。

进一步地，所述批量式任务处理模块440还包括：

时间切分模块441，用于将批量式任务动态切分，将批量式任务的最晚完成时间切分给每一个子任务，为每一个子任务设置最晚完成时间；

任务聚类模块442，用于根据监控结果动态聚合具有通信关联关系的子任务；

批量式任务配置和分发模块443，用于若周期计价虚拟机剩余资源能够满足批量式任务的资源需求，向周期计价虚拟机分发批量式任务应用请求；否则，根据竞价虚拟机计价波动，在满足批量式任务最晚完成时间下，低价租赁竞价虚拟机，并向周期计价虚拟机和竞价虚拟机分发批量式任务应用请求。

本发明实施例三提供的一种虚拟机配置装置，针对交互式作业，用户端利用交互式作业分发策略处理系统交互式作业请求，通过历史数据计算预测下一周期周期计价虚拟机租赁数量，并在下一计价周期开始前进行调整；针对批量式任务，用户端根据当前周期计价虚拟机剩余资源和竞价虚拟机价格动态变化，制定批量式任务分发策略，最终实现了虚拟机的动态配置，解决了传统虚拟机租赁过程中的高费用问题，降低了虚拟机租赁开销，提高了用户收益。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种虚拟机配置方法，其特征在于，包括：

用户端计算交互式作业的优先级；

根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求；

用户端监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，并在下一计价周期开始时调整周期计价虚拟机租赁数量；

用户端监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求。

2.根据权利要求1所述的虚拟机配置方法，其特征在于，所述用户端计算交互式作业的优先级包括：

根据交互式作业的计算负载和响应时间约束计算交互式作业的优先级，计算公式为：

$\mathrm{Pr}\left(i\right)=\frac{{\∫}_{w^{\′}}^{\hat{w}}w\·f\left(w\right|w\≥w^{\′})\mathrm{dw}-w^{\′}}{{\mathrm{\γ}}_i-t_i}$

其中，γ_i表示交互式作业i的约束响应时间，w表示交互式作业i的计算负载，表示交互式作业i计算负载的上限，w′表示当前已经处理完成的计算负载数，f(w|w≥w′)表示在计算负载完成w′条件下，将当前交互式作业在约束响应时间内处理完成的概率密度函数，t_i表示当前交互式作业处理已用时间，分母γ_i-t_i表示当交互式作业的剩余执行时间。Pr值越大，交互式作业的优先级越高。

3.根据权利要求1所述的虚拟机配置方法，其特征在于，所述根据交互式作业的优先级向周期计价虚拟机分发应用请求包括：

按照交互式作业优先级从高到低的顺序依次向处理速度从快到慢的周期计价虚拟机分发应用请求；

将当前运行的优先级最高的交互式作业应用请求迁移到当前空闲且运行速度比当前所在周期计价虚拟机运行速度快的周期计价虚拟机中运行。

4.根据权利要求1所述的虚拟机配置方法，其特征在于，所述用户端监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，包括：

用户端对交互式作业历史数据进行建模分析，预测下一计价周期内交互式作业的到达速率；

根据下一计价周期内交互式作业的到达速率，对下一计价周期内的交互式作业建模分析，预测下一计价周期的周期计价虚拟机租赁数量。

5.根据权利要求1所述的虚拟机配置方法，其特征在于，所述用户端监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求包括：

将批量式任务动态切分，将批量式任务的最晚完成时间切分给每一个子任务，为每一个子任务设置最晚完成时间；

根据监控结果动态聚合具有通信关联关系的子任务；

若周期计价虚拟机剩余资源能够满足批量式任务的资源需求，向周期计价虚拟机分发批量式任务应用请求；否则，

根据竞价虚拟机计价波动，在满足批量式任务最晚完成时间下，低价租赁竞价虚拟机，并向周期计价虚拟机和竞价虚拟机分发批量式任务应用请求。

6.一种虚拟机配置装置，其特征在于，包括：

交互式作业优先级计算模块，用于计算交互式作业的优先级；

交互式作业应用请求分发模块，用于根据交互式作业的优先级向周期计价虚拟机分发交互式作业应用请求；

预测租赁模块，用于监控计算交互式作业历史数据，预测下一计价周期的周期计价虚拟机租赁数量，并在下一计价周期开始时调整周期计价虚拟机租赁数量；

批量式任务处理模块，用于监控周期计价虚拟机资源剩余和竞价虚拟机计价波动，根据监控结果设置批量式任务的虚拟机配置，并分发批量式任务应用请求。

7.根据权利要求6所述的虚拟机配置装置，其特征在于，所述交互式作业优先级计算模块具体用于：

根据交互式作业的计算负载和响应时间约束计算交互式作业的优先级，计算公式为：

$\mathrm{Pr}\left(i\right)=\frac{{\∫}_{w^{\′}}^{\hat{w}}w\·f\left(w\right|w\≥w^{\′})\mathrm{dw}-w^{\′}}{{\mathrm{\γ}}_i-t_i}$

其中，γ_i表示交互式作业i的约束响应时间，w表示交互式作业i的计算负载，表示交互式作业i计算负载的上限，w′表示当前已经处理完成的计算负载数，f(w|w≥w′)表示在计算负载完成w′条件下，将当前交互式作业在约束响应时间内处理完成的概率密度函数，t_i表示当前交互式作业处理已用时间，分母γ_i-t_i表示当交互式作业的剩余执行时间。Pr值越大，交互式作业的优先级越高。

8.根据权利要求6所述的虚拟机配置装置，其特征在于，所述交互式作业应用请求分发模块具体用于：

按照交互式作业优先级从高到低的顺序依次向处理速度从快到慢的周期计价虚拟机分发应用请求；

将当前运行的优先级最高的交互式作业应用请求迁移到当前空闲且运行速度比当前所在周期计价虚拟机运行速度快的周期计价虚拟机中运行。

9.根据权利要求6所述的虚拟机配置装置，其特征在于，所述预测租赁模块具体用于：

用户端对交互式作业历史数据进行建模分析，预测下一计价周期内交互式作业的到达速率；

根据下一计价周期内交互式作业的到达速率，对下一计价周期内的交互式作业建模分析，预测下一计价周期的周期计价虚拟机租赁数量；

根据预测下一计价周期的周期计价虚拟机租赁数量，在下一计价周期开始时调整周期计价虚拟机租赁数量。

10.根据权利要求6所述的虚拟机配置装置，其特征在于，所述批量式任务处理模块包括：

时间切分模块，用于将批量式任务动态切分，将批量式任务的最晚完成时间切分给每一个子任务，为每一个子任务设置最晚完成时间；

任务聚类模块，用于根据监控结果动态聚合具有通信关联关系的子任务；

批量式任务配置和分发模块，用于若周期计价虚拟机剩余资源能够满足批量式任务的资源需求，向周期计价虚拟机分发批量式任务应用请求；否则，根据竞价虚拟机计价波动，在满足批量式任务最晚完成时间下，低价租赁竞价虚拟机，并向周期计价虚拟机和竞价虚拟机分发批量式任务应用请求。