CN104461673A - 一种虚拟机迁移判定方法及装置 - Google Patents
一种虚拟机迁移判定方法及装置 Download PDFInfo
- Publication number
- CN104461673A CN104461673A CN201310430338.6A CN201310430338A CN104461673A CN 104461673 A CN104461673 A CN 104461673A CN 201310430338 A CN201310430338 A CN 201310430338A CN 104461673 A CN104461673 A CN 104461673A
- Authority
- CN
- China
- Prior art keywords
- moment
- virtual machine
- time
- steady state
- expectation
- 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
Abstract
本发明实施例公开了一种虚拟机迁移判定方法及装置。该方法包括:确定虚拟机的迁移条件是否被满足,所述虚拟机迁移条件包括:所述多台物理机的负载不平衡,或者,至少一台物理机的负载低于轻载指标,或者至少一台物理机的负载高于重载指标;若确定虚拟机的迁移条件被满足,确定待迁移虚拟机的预计稳定时间,所述预计稳定时间为预估的所述待迁移虚拟机从本次迁移到下次迁移之间的时间段;将所述预计稳定时间与预先设定的迁移时间阈值进行比较,所述预先设定的迁移时间阈值为根据业务特性预先设定的;若所述预计稳定时间大于预先设定的迁移时间阈值,进行所述待迁移虚拟机的迁移。该判定方法操作非常简便,而且不失有效性。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种虚拟机迁移判定方法及装置。
背景技术
在资源调度过程中,必会面对虚拟机(Virtual Machine,VM)迁移震荡的问题,该问题也是必须要解决的问题。VM迁移震荡主要包括负载均衡震荡和物理机(PhysicalMachine,PM)上下电震荡。其中,负载均衡震荡是指由于VM负载(workload)的随机变化而引起VM反复迁移现象;PM上下电震荡是指由于VM随机变化而引起PM反复上下电的现象。
VMware节能算法是目前在集群资源调度中用于防止VM迁移震荡而使用的广泛的判定算法之一。VMware节能算法应用VMware成本-收益策略来防止负载均衡震荡和PM上下电震荡。VMware成本-收益策略主要是通过精细量化VM迁移所带来的成本以及所获得的收益,然后根据收益与成本的关系来判定是否进行VM迁移,以防止VM迁移震荡。然而,该判定方法需要非常精细地量化VM迁移所带来的收益和成本,该方法在实际操作中非常复杂。
发明内容
本发明实施例中提供了一种虚拟机迁移判定方法及装置,提供优化的VM迁移的判定过程并避免迁移震荡。
为了解决上述技术问题,本发明实施例公开了如下技术方案:
第一方面,提供一种虚拟机迁移判定方法,应用于虚拟化计算机系统,所述计算机系统包括多台物理机,以及根据所述多台物理机的资源组成的多台虚拟机,所述方法包括:
确定虚拟机的迁移条件是否被满足,所述虚拟机迁移条件包括:所述多台物理机的负载不平衡,或者,至少一台物理机的负载低于轻载指标,或者至少一台物理机的负载高于重载指标;
若确定虚拟机的迁移条件被满足,确定待迁移虚拟机的预计稳定时间,所述预计稳定时间为预估的所述待迁移虚拟机从本次迁移到下次迁移之间的时间段;
将所述预计稳定时间与预先设定的迁移时间阈值进行比较;
若所述预计稳定时间大于预先设定的迁移时间阈值,进行所述待迁移虚拟机的迁移。
结合上述第一方面,在第一种可能的实现方式中,所述预先设定的迁移时间阈值为根据设备性能或者业务特性预先设定的。
结合上述第一方面,和/或第一种可能的实现方式,在第二种可能的实现方式中,还包括:
若所述预计稳定时间小于预先设定的迁移时间阈值,计算所述预计稳定时间与预先设定的迁移时间阈值的比值;
若所述比值小于1且大于随机数S时,进行所述待迁移虚拟机的迁移,其中,0<S≤1。
结合上述第一方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,在第三种可能的实现方式中,若所述比值小于随机数S时,禁止所述待迁移虚拟机的迁移。
结合上述第一方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,和/或第三种可能的实现方式,在第四种可能的实现方式中,当确定所述多台物理机的负载不平衡时,所述确定待迁移虚拟机的预计稳定时间包括:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述每台虚拟机的稳定状态的历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
确定i1时刻和i2时刻,所述i1时刻为处于稳定状的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
结合上述第一方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,和/或第三种可能的实现方式,和/或第四种可能的实现方式,在第五种可能的实现方式中,当确定所述多台物理机的负载不平衡时,所述确定待迁移虚拟机的预计稳定时间包括:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
绘制虚拟机稳定状态直方图;所述直方图的横轴为时间,纵轴为处于稳定状态的虚拟机的比例;
根据所述直方图确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
结合上述第一方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,和/或第三种可能的实现方式,和/或第四种可能的实现方式,和/或第五种可能的实现方式,在第六种可能的实现方式中,当确定至少一台物理机的负载低于轻载指标时,所述确定待迁移虚拟机的预计稳定时间包括:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i3时刻和i4时刻,所述i3时刻和i4时刻为所述至少一台物理机的轻载指标低于轻载阈值的两个连续时刻;
将所述i3时刻和i4时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
结合上述第一方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,和/或第三种可能的实现方式,和/或第四种可能的实现方式,和/或第五种可能的实现方式,和/或第六种可能的实现方式,在第七种可能的实现方式中,当确定至少一台物理机的负载高于重载指标时,所述确定待迁移虚拟机的预计稳定时间包括:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i5时刻和i6时刻,所述i5时刻和i6时刻为所述至少一台物理机的重载指标高于重载阈值的两个连续时刻;
将所述i5时刻和i6时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
结合上述第一方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,和/或第三种可能的实现方式,和/或第四种可能的实现方式,和/或第五种可能的实现方式,和/或第六种可能的实现方式,和/或第七种可能的实现方式,在第八种可能的实现方式中,在确定所述迁移虚拟机的预计稳定时间时,考虑平均值。
第二方面,提供一种虚拟机迁移判定装置,所述装置应用于虚拟化计算机系统,所述计算机系统包括多台物理机,以及根据所述多台物理机的资源组成的多台虚拟机,所述装置包括:
确定模块,用于确定虚拟机的迁移条件是否被满足,所述虚拟机迁移条件包括:所述多台物理机的负载不平衡,或者,至少一台物理机的负载低于轻载指标,或者至少一台物理机的负载高于重载指标;
时间预估模块,用于当所述确定模块确定虚拟机的迁移条件被满足时,确定待迁移虚拟机的预计稳定时间,所述预计稳定时间为预估的所述待迁移虚拟机从本次迁移到下次迁移之间的时间段;
比较模块,用于将所述预计稳定时间与预先设定的迁移时间阈值进行比较,所述预先设定的迁移时间阈值为根据业务特性预先设定的;
迁移决策模块,用于当所述预计稳定时间大于预先设定的迁移时间阈值时,进行所述待迁移虚拟机的迁移。
结合上述第二方面,在第一种可能的实现方式中,所述预先设定的迁移时间阈值为根据设备性能或业务特性预先设定的。
结合上述第二方面,和/或第一种可能的实现方式,在第二种可能的实现方式中,还包括:
计算模块,用于当所述预计稳定时间小于预先设定的迁移时间阈值时,计算所述预计稳定时间与预先设定的迁移时间阈值的比值;
所述迁移决策模块,还用于当所述比值小于1且大于随机数S时,进行所述待迁移虚拟机的迁移,其中,0<S≤1。
结合上述第二方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,在第三种可能的实现方式中,所述迁移决策模块,还用于当所述比值小于随机数S时,禁止所述待迁移虚拟机的迁移。
结合上述第二方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,和/或第三种可能的实现方式,在第四种可能的实现方式中,当所述确定模块确定所述多台物理机的负载不平衡时,所述时间预估模块用于:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述每台虚拟机的稳定状态的历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
结合上述第二方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,和/或第三种可能的实现方式,和/或第四种可能的实现方式,在第五种可能的实现方式中,当所述确定模块确定所述多台物理机的负载不平衡时,所述时间预估模块用于:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
绘制虚拟机稳定状态直方图;所述直方图的横轴为时间,纵轴为处于稳定状态的虚拟机的比例;
根据所述直方图确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
结合上述第二方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,和/或第三种可能的实现方式,和/或第四种可能的实现方式,和/或第五种可能的实现方式,在第六种可能的实现方式中,当所述确定模块确定至少一台物理机的负载低于轻载指标时,所述时间预估模块用于:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i3时刻和i4时刻,所述i3时刻和i4时刻为所述至少一台物理机的轻载指标低于轻载阈值的两个连续时刻;
将所述i3时刻和i4时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
结合上述第二方面,和/或第一种可能的实现方式,和/或第二种可能的实现方式,和/或第三种可能的实现方式,和/或第四种可能的实现方式,和/或第五种可能的实现方式,和/或第六种可能的实现方式,在第七种可能的实现方式中,当所述确定模块确定至少一台物理机的负载高于重载指标时,所述时间预估模块用于:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i5时刻和i6时刻,所述i5时刻和i6时刻为所述至少一台物理机的重载指标高于重载阈值的两个连续时刻;
将所述i5时刻和i6时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
本发明实施例通过对历史统计数据进行简单分析获得预计稳定时间,然后通过比较预计稳定时间与预先设定的迁移时间阈值即可确定是否进行虚拟机迁移。该判定方法操作非常简便,无需进行成本收益等的精细计算,而且该方法根据实时数据作出判断,不失有效性。因此,利用本发明方法可以很方便地防止负载均衡震荡和物理机上下电震荡,从而使整个系统的资源调度更加合理有效。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种虚拟机迁移判定方法流程图;
图2为本发明实施例另一种虚拟机迁移判定方法流程图;
图3为本发明实施例中一种确定待迁移虚拟机的预计稳定时间的方法流程图;
图4为本发明实施例另一种确定待迁移虚拟机的预计稳定时间的方法流程图;
图5为图4所示实施例中根据稳定时间的历史数据绘制的直方图;
图6为本发明实施例另一种确定待迁移虚拟机的预计稳定时间的方法流程图;
图7为本发明实施例另一种确定待迁移虚拟机的预计稳定时间的方法流程图;
图8为本发明实施例一种虚拟机迁移判定装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明实施例中技术方案作进一步详细的说明。
参见图1,为本发明实施例一种虚拟机迁移判定方法流程图。
本发明实施例应用于虚拟化计算机系统,该计算机系统包括多台物理机,以及根据所述多台物理机的资源组成的多台虚拟机,该虚拟机迁移判定方法可以包括:
步骤101,确定虚拟机的迁移条件是否被满足。
所述虚拟机迁移条件包括:所述多台物理机的负载不平衡,或者,至少一台物理机的负载低于轻载指标,或者至少一台物理机的负载高于重载指标。
本发明实施例中,当多台物理机的负载不均衡,或者存在物理机的负载低于轻载指标(Low Load Metric,LLM),或者存在物理机的负载高于重载指标(Low Load Metric,LLM)时,均可能引起虚拟机的迁移。虚拟机迁移判定装置在确定满足上述虚拟机的迁移条件时,通过后续步骤决策是否执行虚拟机迁移。
步骤102,确定待迁移虚拟机的预计稳定时间,所述预计稳定时间为预估的所述待迁移虚拟机从本次迁移到下次迁移之间的时间段。
稳定时间是指虚拟机连续两次迁移之间的时间间隔,待迁移虚拟机的预计稳定时间为预估的所述待迁移虚拟机从本次迁移到下次迁移之间的时间段,其中,虚拟机的迁移既可以是在虚拟机负载均衡场景中,物理机中的虚拟机的迁移,又可以是在物理机上/下电场景中,物理机上的虚拟机的迁移。负载均衡(又称为负载分担),其意思就是将负载(工作任务)进行平衡、分摊到多个操作单元上进行执行,如平衡分摊到多个虚拟机执行。总之,在稳定时间内虚拟机不迁移或物理机不上/下电。处于稳定时间内的虚拟机或物理机的状态即为稳定状态。
本发明实施例中,预计稳定时间可以根据该待迁移虚拟机在历史时间段内的稳定状态的历史统计数据来确定,具体请参见后续实施例的描述。
步骤103,将所述预计稳定时间与预先设定的迁移时间阈值进行比较,所述预先设定的迁移时间阈值为根据业务特性预先设定的。
其中,预先设定的迁移时间阈值可以根据经验值设定,也可以由用户根据当前设备性能需求或者业务特性等设定,例如,对于虚拟机上运行的重要业务或者业务连续性较高的业务,所述预先设定的迁移时间阈值可以长一些,例如45分钟,对于非重要业务或者业务连续性没有要求的业务,可以将所述迁移时间阈值设置的短一些,如15分钟等,此处不做具体限定。当然,不同场景中的预设时间阈值可以不同。若预计稳定时间大于预先设定的迁移时间阈值,则说明虚拟机迁移不会引起负载均衡震荡或PM上/下电震荡,进而转入步骤104。若预计稳定时间小于等于预先设定的迁移时间阈值,则说明虚拟机迁移可能会引起负载均衡震荡或PM上/下电震荡,此时可以直接禁止待虚拟机的迁移,也可以进行进一步判断后,再确定是否进行待迁移虚拟机的迁移。
步骤104,进行所述待迁移虚拟机的迁移。
本发明实施例通过对历史统计数据进行简单分析获得预计稳定时间,然后通过比较预计稳定时间与预先设定的迁移时间阈值即可确定是否进行虚拟机迁移。该判定方法操作非常简便,无需进行成本收益等的精细计算,而且该方法根据实时数据作出判断,不失有效性。因此,利用本发明方法可以很方便地防止负载均衡震荡和物理机上下电震荡,从而使整个系统的资源调度更加合理有效。
在本发明的另一实施例中,如图2所示,图2中的步骤101-104与上述实施例相同,此处不再赘述;当步骤103中判断出预计稳定时间小于等于预先设定的迁移时间阈值时,则说明虚拟机迁移可能会引起震荡,但仍可能有一定概率迁移待迁移虚拟机,例如若预先设定的时间阈值设置不太合理或存在其他干扰等情况,为避免整个集群都完全不能迁移,在一定程度上增加迁移的可能性,此时转入步骤201。
步骤201,计算所述预计稳定时间与预先设定的迁移时间阈值的比值。
若所述比值小于1且大于随机数S时,执行步骤202;若所述比值小于随机数S时,执行步骤203。其中,随机数S:0<S≤1。
步骤202,进行所述待迁移虚拟机的迁移。
步骤203,禁止所述待迁移虚拟机的迁移。
在本发明的另一实施例中,在虚拟机负载均衡的场景中,也可以采用冷冻期策略以防止负载均衡震荡,即在虚拟机迁移时,在一段时间内冷冻该虚拟机迁入的物理机上的所有虚拟机,对于该物理机在这段时间内只允许虚拟机迁入,而不允许其上的虚拟机迁出,该时间段即为冷冻期,冷冻期可以大于等于预设的时间阈值。此方案最大优点就是操作简单,但在冷冻期内如果出现负载上升,可能会加大资源争用,影响虚拟机性能。
下面针对不同的应用场景分别对本发明实施例中确定待迁移虚拟机的预计稳定时间的方法进行说明。
参见图3,为本发明实施例中一种确定待迁移虚拟机的预计稳定时间的方法流程图。
在VM负载均衡场景中,当确定所述多台物理机的负载不平衡时,该方法可以包括:
步骤301,获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据。
假定某个集群中有5台PM,分别为PM1、PM2…PM5,且这个集群共布置了10台VMVM-0,VM-1,…,VM-9,VM的布置情况如表1所示。
表1集群虚拟机布置情况表
物理机名称 | 物理机布置的虚拟机名称 |
PM1 | VM0 |
PM2 | VM1 VM2 VM3 |
PM3 | VM4 VM5 |
PM4 | VM6 VM7 |
PM5 | VM8 VM9 |
本实施例中,取历史时间段为最近的一个小时,所获取的集群中PM上所有10个VM的稳定状态的历史数据,也即稳定时间,如表2所示。其中,所述历史时间段可以根据需要灵活设置,此实施例不做具体限定。
表2:一小时内集群所有VM稳定时间表(每台VM的稳定状态的历史统计数据)
虚拟机名称 | 稳定时间(单位:分钟) |
VM1 | 12-15 18-22 |
VM2 | 13-16 19-23 25-28 |
VM3 | 15-18 20-23 25-28 |
VM4 | 18-21 23-25 26-28 |
VM5 | 19-21 24-26 |
VM6 | 22-25 27-30 |
VM7 | 23-26 28-31 |
VM8 | 26-28 30-32 33-34 |
VM9 | 26-29 31-32 |
VM10 | 29-32 34-35 |
在获得稳定时间的历史数据后,即可根据稳定时间的历史数据预估待虚拟机迁移后的预计稳定时间了,该预计稳定时间是预设一段时间内集群中绝大多数(如这里95%)的虚拟机处于稳定状态的时间。
步骤302,根据所述每台虚拟机的稳定状态的历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻。
首先,计算历史时间段内每个时刻虚拟机处于稳定状态的比例Si(i=1,2,…n)(即处于稳定状态的VM数/总VM数),其中,i为历史时间段内的时刻。其中,所述时刻可以是时间点,即所述的历史时间段内的时间点,该时间点的单位可以是任意的时间单位,例如小时、分钟、秒、分秒等等;时间点的间隔也可以任意设置,例如每隔5分钟的每个时刻,或者每隔300秒的每个时刻。
然后,计算最小的k值使得最小的k值满足以下公式,k∈i,j∈i:
这里第一比例阈值是指多大比例的虚拟机在历史时间段内处于稳定状态,该第一比例阈值的大小具体可由用户设定。处于稳定状态的虚拟机的比例大于等于该第一比例阈值时,方可认为集群的虚拟机绝大多数处于稳定状态。假设这里设定的第一比例阈值为95%。
步骤303,确定i1时刻和i2时刻。
所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻。
步骤304,将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
参见图4,为本发明实施例另一种确定待迁移虚拟机的预计稳定时间的方法流程图。
在本发明的另一实施例中,在VM负载均衡场景中,当确定所述多台物理机的负载不平衡时,该确定待迁移虚拟机的预计稳定时间的方法还可以通过以下步骤获得,包括:
步骤401,获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据。
步骤402,根据所述历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻。
步骤401~402与前述实施例中的步骤301~302类似,此处不再赘述。
步骤403,绘制虚拟机稳定状态直方图。
该直方图的横轴为时间,纵轴为处于稳定状态的虚拟机的比例。根据表2绘制如图5所示的直方图,横轴是时间0-60min,纵轴是处于稳定状态的虚拟机占所有虚拟机的比例。
步骤404,根据所述直方图确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻。
具体的,可以沿直方图横轴方向取直方图中第一比例阈值的面积处对应的时间作为预计稳定时间。
该第一比例阈值可以根据用户需要确定,例如95%。
步骤405,将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
如图5所示,可知该预计稳定时间T为19分钟。
在获得预计稳定时间后,假设预先设定的迁移时间阈值R为15分钟,则T/R=19/15。该比值大于1,进行虚拟机迁移。若预先设定的迁移时间阈值是20分钟,则T/R小于1,此时可以不执行虚拟机迁移,以防发生负载均衡震荡。也可以产生一个(0,1]的随机数S,若T/R小于1且大于S,则进行虚拟机迁移,若T/R小于S,则不进行虚拟机迁移。
在另一实施例中,还可以不执行上述步骤,直接进行虚拟机迁移,将虚拟机迁入的目的物理机直接冷冻,冷冻期大于等于预设时间阈值15,这样迁入的物理机在冷冻期内是不会再次被迁移的,从而可以防止负载均衡震荡。
参见图6,为本发明实施例另一种确定待迁移虚拟机的预计稳定时间的方法流程图。
在物理机下电场景中,当确定至少一台物理机的负载低于轻载指标时,确定待迁移虚拟机的预计稳定时间的方法可以包括:
步骤601,获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据。
本实施例中仍以图3所示实施例中的集群为例进行说明。本步骤中首先判断集群中的各物理机是否轻载,具体的,可以直接用资源利用率来作为衡量物理机重载还是轻载的指标。所述物理机的负载低于轻载指标,也即物理机轻载。假设判断结果为PM1轻载。
在本步骤中,需要获得PM1在历史时间段内的稳定状态的历史统计数据,也即稳定时间的历史数据,该稳定时间可以为LLM连续两次低于轻载阈值的时间间隔。其中,轻载阈值可以根据资源利用率进行设定,此处不做具体限定。该历史时间段具体可以是PM1的LLM最近连续三次低于轻载阈值的总时间。
步骤602,根据所述至少一台物理机的稳定状态的历史统计数据,确定i3时刻和i4时刻,所述i3时刻和i4时刻为所述至少一台物理机的轻载指标低于轻载阈值的两个连续时刻。
该步骤可以获得PM1的LLM最近连续三次低于轻载阈值的时间段内的稳定时刻,确定i3时刻和i4时刻,其中,i3时刻和i4时刻为所述至少一台物理机的轻载指标低于轻载阈值的两个连续时刻。本领域技术人员都知道,轻载指标可以有多种定义方式,在本发明实施例中物理机的轻载指标越低,说明物理机越有可能下电。在其它实施例中,也可以将轻载指标定义为其它参量,物理机的轻载指标越高,物理机越有可能下电。
步骤603,将所述i3时刻和i4时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
在具体计算时,可以将历史时间段内PM1的稳定时间的平均值作为预计稳定时间。例如,获得历史时间段内的第一个稳定时间是15分钟,第二个稳定时间是10分钟。
本步骤中可以将稳定时间的平均值Average=(10+15)/2=12.5作为预计稳定时间T。
在获得预计稳定时间后,假设预先设定的迁移时间阈值R为10分钟,则T/R=12.5/10。该比值大于1,进行虚拟机迁移。PM1上的VM-0迁移后,PM1下电。
若预先设定的迁移时间阈值是15分钟,则T/R小于1,此时可以不执行VM-0迁移,以防发生PM1下电震荡。也可以产生一个(0,1]的随机数S,若T/R小于1且大于S,则进行VM-0迁移,然后,PM1下电,若T/R小于S,则不进行VM-0迁移,不执行PM1下电,以防发生PM下电震荡。
参见图7,为本发明实施例另一种确定待迁移虚拟机的预计稳定时间的方法流程图。
在物理机上电场景中,当确定至少一台物理机的负载高于重载指标时,该方法可以包括:
步骤701,获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据。
本实施例中仍以图3所示实施例中的集群为例进行说明。本步骤中首先判断集群中的各物理机是否重载,具体的,可以直接用资源利用率来作为衡量物理机重载还是轻载的指标。所述物理机负载高于重载指标,即物理机重载。假设判断结果为PM2重载。
在本步骤中,需要获得PM2在历史时间段内的稳定状态的历史统计数据,即稳定时间的历史数据,该稳定时间为HLM连续两次超过重载阈值的时间间隔。其中,重载阈值可以根据资源利用率进行设定,此处不做具体限定。该历史时间段具体可以是PM2的HLM最近连续三次超过重载阈值的时间段。
步骤702,根据所述至少一台物理机的稳定状态的历史统计数据,确定i5时刻和i6时刻,所述i5时刻和i6时刻为所述至少一台物理机的重载指标高于重载阈值的两个连续时刻。
该步骤可以获得PM2的HLM最近连续三次超过重载阈值的时间段内的稳定时刻,i5时刻和i6时刻,所述i5时刻和i6时刻为所述至少一台物理机的重载指标高于重载阈值的两个连续时刻。本领域技术人员都知道,类似于轻载指标,重载指标也可以有多种定义方式,在本发明实施例中物理机的重载指标越高,说明物理机越有可能上电。在其它实施例中,也可以将重载指标定义为其它参量,物理机的重载指标越低,物理机越有可能上电。
步骤703,将所述i5时刻和i6时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
在具体计算时,可以将历史时间段内PM2的稳定时间的平均值作为预计稳定时间。例如,获得历史时间段内的第一个稳定时间是20分钟,第二个稳定时间是15分钟。
本步骤中可以将稳定时间的平均值Average=(20+15)/2=17.5作为预计稳定时间T。
假设预先设定的迁移时间阈值R为15分钟,则T/R=17.5/15。该比值大于1,进行VM迁移,PM2上电。
若预先设定的迁移时间阈值是20分钟,则T/R小于1,此时可以不执行VM迁移,以防发生PM2上电震荡。也可以产生一个(0,1]的随机数S,若T/R小于1且大于S,则进行虚拟机迁移,然后,PM2上电,若T/R小于S,则不进行虚拟机迁移,不执行PM2上电,以防发生PM2上电震荡。
上述实施例中,历史时间段可以是固定的时间段,例如距离该装置启动判定虚拟机是否迁移的时间点最近的一小时;也可以是非固定的时间段,例如可以是虚拟机迁移一定次数所占用的时间,或者物理机上/下电一定次数所占用的时间,还可以是虚拟机或物理机的某一参数值的变化过程所占用的时间等。具体可以根据不同场景和不同需要设置,此处不做具体限定。
上述实施例中,在获得历史时间段内的稳定状态的历史统计数据后,计算预计稳定时间时,可以取这些历史统计数据的平均值,也可以从历史统计数据中取样后,根据取样值计算,还可以加权计算等。不仅局限于上述实施例的方式。
以上是对本发明方法实施例的描述,下面对实现上述方法的装置进行介绍。
参见图8,为本发明实施例一种虚拟机迁移判定装置的结构示意图。
该装置应用于虚拟化计算机系统,所述计算机系统包括多台物理机,以及根据所述多台物理机的资源组成的多台虚拟机,该装置可以包括:
确定模块801,用于确定虚拟机的迁移条件是否被满足,所述虚拟机迁移条件包括:所述多台物理机的负载不平衡,或者,至少一台物理机的负载低于轻载指标,或者至少一台物理机的负载高于重载指标;
时间预估模块802,用于当所述确定模块确定虚拟机的迁移条件被满足时,确定待迁移虚拟机的预计稳定时间,所述预计稳定时间为预估的所述待迁移虚拟机从本次迁移到下次迁移之间的时间段;
比较模块803,用于将所述预计稳定时间与预先设定的迁移时间阈值进行比较,所述预先设定的迁移时间阈值为根据业务特性预先设定的;
迁移决策模块804,用于当所述预计稳定时间大于预先设定的迁移时间阈值时,进行所述待迁移虚拟机的迁移。
本发明实施例通过上述模块获得预计稳定时间,然后通过比较预计稳定时间与预设阈值即可确定是否进行虚拟机迁移。该判定装置操作非常简便,无需进行成本收益等的精细计算,而且该判定装置根据实时数据作出判断,不失有效性。因此,利用该装置可以很方便地防止负载均衡震荡和PM上下电震荡,从而使整个系统的资源调度更加合理有效。
在本发明的另一实施例中,该装置还可以进一步包括:
计算模块,用于当所述预计稳定时间小于预先设定的迁移时间阈值时,计算所述预计稳定时间与预先设定的迁移时间阈值的比值;
迁移决策模块,还用于当所述比值小于1且大于随机数S时,进行所述待迁移虚拟机的迁移,其中,0<S≤1;还用于当所述比值小于随机数S时,禁止所述待迁移虚拟机的迁移。
在本发明的另一实施例中,当所述确定模块确定所述多台物理机的负载不平衡时,所述时间预估模块用于:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述每台虚拟机的稳定状态的历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
在另一实施例中,所述确定模块确定所述多台物理机的负载不平衡时,所述时间预估模块用于:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
绘制虚拟机稳定状态直方图;所述直方图的横轴为时间,纵轴为处于稳定状态的虚拟机的比例;
根据所述直方图确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
在另一实施例中,在物理机下电场景中,当所述确定模块确定至少一台物理机的负载低于轻载指标时,所述时间预估模块用于:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i3时刻和i4时刻,所述i3时刻和i4时刻为所述至少一台物理机的轻载指标低于轻载阈值的两个连续时刻;
将所述i3时刻和i4时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
在另一实施例中,在物理机上电场景中,当所述确定模块确定至少一台物理机的负载高于重载指标时,所述时间预估模块用于:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i5时刻和i6时刻,所述i5时刻和i6时刻为所述至少一台物理机的重载指标高于重载阈值的两个连续时刻;
将所述i5时刻和i6时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
上述预估单元在确定所述待迁移虚拟机的预计稳定时间时,考虑平均值。
本发明实施例中,该虚拟机迁移判定装置的时间预估模块可以同时具有上述数据获取单元、计算单元、确定单元、绘图单元、预估单元,只是在不同的场景下,分别完成不同的动作。
本发明实施例还提供了一种虚拟机迁移判定装置,该装置应用于虚拟化计算机系统,所述计算机系统包括多台物理机,以及根据所述多台物理机的资源组成的多台虚拟机,该装置包括处理器和存储器。
处理器与存储器通过总线相互连接;总线可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。
其中,存储器中存储有一段程序,具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器用于读取存储器中的程序代码,执行以下步骤:
确定虚拟机的迁移条件是否被满足,所述虚拟机迁移条件包括:所述多台物理机的负载不平衡,或者,至少一台物理机的负载低于轻载指标,或者至少一台物理机的负载高于重载指标;
若确定虚拟机的迁移条件被满足,确定待迁移虚拟机的预计稳定时间,所述预计稳定时间为预估的所述待迁移虚拟机从本次迁移到下次迁移之间的时间段;
将所述预计稳定时间与预先设定的迁移时间阈值进行比较,所述预先设定的迁移时间阈值为根据业务特性预先设定的;
若所述预计稳定时间大于预先设定的迁移时间阈值,进行所述待迁移虚拟机的迁移。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (17)
1.一种虚拟机迁移判定方法,其特征在于,应用于虚拟化计算机系统,所述计算机系统包括多台物理机,以及根据所述多台物理机的资源组成的多台虚拟机,所述方法包括:
确定虚拟机的迁移条件是否被满足,所述虚拟机迁移条件包括:所述多台物理机的负载不平衡,或者,至少一台物理机的负载低于轻载指标,或者至少一台物理机的负载高于重载指标;
若确定虚拟机的迁移条件被满足,确定待迁移虚拟机的预计稳定时间,所述预计稳定时间为预估的所述待迁移虚拟机从本次迁移到下次迁移之间的时间段;
将所述预计稳定时间与预先设定的迁移时间阈值进行比较;
若所述预计稳定时间大于预先设定的迁移时间阈值,进行所述待迁移虚拟机的迁移。
2.根据权利要求1所述的方法,其特征在于,所述预先设定的迁移时间阈值为根据设备性能或者业务特性预先设定的。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
若所述预计稳定时间小于预先设定的迁移时间阈值,计算所述预计稳定时间与预先设定的迁移时间阈值的比值;
若所述比值小于1且大于随机数S时,进行所述待迁移虚拟机的迁移,其中,0<S≤1。
4.根据权利要求3所述的方法,其特征在于,还包括:
若所述比值小于随机数S时,禁止所述待迁移虚拟机的迁移。
5.根据权利要求1或2所述的方法,其特征在于,当确定所述多台物理机的负载不平衡时,所述确定待迁移虚拟机的预计稳定时间包括:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述每台虚拟机的稳定状态的历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
6.根据权利要求1或2所述的方法,其特征在于,当确定所述多台物理机的负载不平衡时,所述确定待迁移虚拟机的预计稳定时间包括:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
绘制虚拟机稳定状态直方图;所述直方图的横轴为时间,纵轴为处于稳定状态的虚拟机的比例;
根据所述直方图确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
7.根据权利要求1或2所述的方法,其特征在于,当确定至少一台物理机的负载低于轻载指标时,所述确定待迁移虚拟机的预计稳定时间包括:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i3时刻和i4时刻,所述i3时刻和i4时刻为所述至少一台物理机的轻载指标低于轻载阈值的两个连续时刻;
将所述i3时刻和i4时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
8.根据权利要求1或2所述的方法,其特征在于,当确定至少一台物理机的负载高于重载指标时,所述确定待迁移虚拟机的预计稳定时间包括:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i5时刻和i6时刻,所述i5时刻和i6时刻为所述至少一台物理机的重载指标高于重载阈值的两个连续时刻;
将所述i5时刻和i6时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
9.根据权利要求7或8所述的方法,其特征在于,在确定所述迁移虚拟机的预计稳定时间时,考虑平均值。
10.一种虚拟机迁移判定装置,其特征在于,所述装置应用于虚拟化计算机系统,所述计算机系统包括多台物理机,以及根据所述多台物理机的资源组成的多台虚拟机,所述装置包括:
确定模块,用于确定虚拟机的迁移条件是否被满足,所述虚拟机迁移条件包括:所述多台物理机的负载不平衡,或者,至少一台物理机的负载低于轻载指标,或者至少一台物理机的负载高于重载指标;
时间预估模块,用于当所述确定模块确定虚拟机的迁移条件被满足时,确定待迁移虚拟机的预计稳定时间,所述预计稳定时间为预估的所述待迁移虚拟机从本次迁移到下次迁移之间的时间段;
比较模块,用于将所述预计稳定时间与预先设定的迁移时间阈值进行比较;
迁移决策模块,用于当所述预计稳定时间大于预先设定的迁移时间阈值时,进行所述待迁移虚拟机的迁移。
11.根据权利要求10所述的装置,其特征在于,所述预先设定的迁移时间阈值为根据设备性能或业务特性预先设定的。
12.根据权利要求10或11所述的装置,其特征在于,还包括:
计算模块,用于当所述预计稳定时间小于预先设定的迁移时间阈值时,计算所述预计稳定时间与预先设定的迁移时间阈值的比值;
所述迁移决策模块,还用于当所述比值小于1且大于随机数S时,进行所述待迁移虚拟机的迁移,其中,0<S≤1。
13.根据权利要求12所述的装置,其特征在于,
所述迁移决策模块,还用于当所述比值小于随机数S时,禁止所述待迁移虚拟机的迁移。
14.根据权利要求10或11所述的装置,其特征在于,当所述确定模块确定所述多台物理机的负载不平衡时,所述时间预估模块用于:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述每台虚拟机的稳定状态的历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
15.根据权利要求10或11所述的装置,其特征在于,当所述确定模块确定所述多台物理机的负载不平衡时,所述时间预估模块用于:
获取所述多台物理机的每台虚拟机在历史时间段内的稳定状态的历史统计数据;
根据所述历史统计数据,计算每个i时刻处于稳定状态的虚拟机的比例,所述i时刻为所述历史时间段内的时刻;
绘制虚拟机稳定状态直方图;所述直方图的横轴为时间,纵轴为处于稳定状态的虚拟机的比例;
根据所述直方图确定i1时刻和i2时刻,所述i1时刻为处于稳定状态的虚拟机的比例第一次大于第一比例阈值的时刻,所述i2时刻为处于稳定状态的虚拟机的比例最后一次大于第一比例阈值的时刻;
将所述i1时刻和i2时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
16.根据权利要求10或11所述的装置,其特征在于,当所述确定模块确定至少一台物理机的负载低于轻载指标时,所述时间预估模块用于:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i3时刻和i4时刻,所述i3时刻和i4时刻为所述至少一台物理机的轻载指标低于轻载阈值的两个连续时刻;
将所述i3时刻和i4时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
17.根据权利要求10或11所述的装置,其特征在于,当所述确定模块确定至少一台物理机的负载高于重载指标时,所述时间预估模块用于:
获取所述至少一台物理机在历史时间段内的稳定状态的历史统计数据;
根据所述至少一台物理机的稳定状态的历史统计数据,确定i5时刻和i6时刻,所述i5时刻和i6时刻为所述至少一台物理机的重载指标高于重载阈值的两个连续时刻;
将所述i5时刻和i6时刻之间的时间段确定为所述待迁移虚拟机的预计稳定时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310430338.6A CN104461673B (zh) | 2013-09-18 | 2013-09-18 | 一种虚拟机迁移判定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310430338.6A CN104461673B (zh) | 2013-09-18 | 2013-09-18 | 一种虚拟机迁移判定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104461673A true CN104461673A (zh) | 2015-03-25 |
CN104461673B CN104461673B (zh) | 2018-10-30 |
Family
ID=52907778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310430338.6A Active CN104461673B (zh) | 2013-09-18 | 2013-09-18 | 一种虚拟机迁移判定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104461673B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105847385A (zh) * | 2016-04-20 | 2016-08-10 | 南京邮电大学 | 一种基于运行时长的云计算平台虚拟机调度方法 |
CN106603661A (zh) * | 2016-12-14 | 2017-04-26 | 国云科技股份有限公司 | 一种适用于云平台的动态资源平衡调度方法 |
CN108984271A (zh) * | 2018-07-20 | 2018-12-11 | 浪潮电子信息产业股份有限公司 | 一种均衡负载的方法以及相关设备 |
CN110673925A (zh) * | 2019-09-06 | 2020-01-10 | 苏州浪潮智能科技有限公司 | 一种基于循环码的虚拟机迁移数据的方法、设备及介质 |
CN110928636A (zh) * | 2018-09-19 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 虚拟机热迁移方法、装置和设备 |
CN111953732A (zh) * | 2015-11-10 | 2020-11-17 | 华为技术有限公司 | 一种云计算系统中的资源调度方法及装置 |
CN114553765A (zh) * | 2022-01-29 | 2022-05-27 | 苏州浪潮智能科技有限公司 | 一种ospf邻居震荡处理的方法、装置及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504620A (zh) * | 2009-03-03 | 2009-08-12 | 华为技术有限公司 | 一种虚拟化集群系统负载平衡方法、装置及系统 |
CN102790793A (zh) * | 2012-05-08 | 2012-11-21 | 北京邮电大学 | 一种面向云计算虚拟机迁移的决策方法及控制模块 |
CN102866915A (zh) * | 2012-08-21 | 2013-01-09 | 华为技术有限公司 | 虚拟化集群整合方法、装置及虚拟化集群系统 |
CN102999389A (zh) * | 2012-11-14 | 2013-03-27 | 中国电子科技集团公司第十四研究所 | 一种基于心跳幅度的虚拟机动态迁移选择方法 |
-
2013
- 2013-09-18 CN CN201310430338.6A patent/CN104461673B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504620A (zh) * | 2009-03-03 | 2009-08-12 | 华为技术有限公司 | 一种虚拟化集群系统负载平衡方法、装置及系统 |
CN102790793A (zh) * | 2012-05-08 | 2012-11-21 | 北京邮电大学 | 一种面向云计算虚拟机迁移的决策方法及控制模块 |
CN102866915A (zh) * | 2012-08-21 | 2013-01-09 | 华为技术有限公司 | 虚拟化集群整合方法、装置及虚拟化集群系统 |
CN102999389A (zh) * | 2012-11-14 | 2013-03-27 | 中国电子科技集团公司第十四研究所 | 一种基于心跳幅度的虚拟机动态迁移选择方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111953732A (zh) * | 2015-11-10 | 2020-11-17 | 华为技术有限公司 | 一种云计算系统中的资源调度方法及装置 |
CN111953732B (zh) * | 2015-11-10 | 2023-03-28 | 华为技术有限公司 | 一种云计算系统中的资源调度方法及装置 |
CN105847385A (zh) * | 2016-04-20 | 2016-08-10 | 南京邮电大学 | 一种基于运行时长的云计算平台虚拟机调度方法 |
CN105847385B (zh) * | 2016-04-20 | 2018-11-13 | 南京邮电大学 | 一种基于运行时长的云计算平台虚拟机调度方法 |
CN106603661A (zh) * | 2016-12-14 | 2017-04-26 | 国云科技股份有限公司 | 一种适用于云平台的动态资源平衡调度方法 |
CN106603661B (zh) * | 2016-12-14 | 2019-08-30 | 国云科技股份有限公司 | 一种适用于云平台的动态资源平衡调度方法 |
CN108984271A (zh) * | 2018-07-20 | 2018-12-11 | 浪潮电子信息产业股份有限公司 | 一种均衡负载的方法以及相关设备 |
CN110928636A (zh) * | 2018-09-19 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 虚拟机热迁移方法、装置和设备 |
CN110673925A (zh) * | 2019-09-06 | 2020-01-10 | 苏州浪潮智能科技有限公司 | 一种基于循环码的虚拟机迁移数据的方法、设备及介质 |
CN114553765A (zh) * | 2022-01-29 | 2022-05-27 | 苏州浪潮智能科技有限公司 | 一种ospf邻居震荡处理的方法、装置及介质 |
CN114553765B (zh) * | 2022-01-29 | 2023-06-23 | 苏州浪潮智能科技有限公司 | 一种ospf邻居震荡处理的方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104461673B (zh) | 2018-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104461673A (zh) | 一种虚拟机迁移判定方法及装置 | |
CN102111337B (zh) | 任务调度方法和系统 | |
KR101770673B1 (ko) | 작업부하 밀도를 증가시키고 또한 에너지 효율성을 개선하기 위한 전력 균형화 | |
US9552230B2 (en) | Apparatus and method for allocating a task based on measured and estimated core usage | |
US8341626B1 (en) | Migration of a virtual machine in response to regional environment effects | |
US20140082202A1 (en) | Method and Apparatus for Integration of Virtual Cluster and Virtual Cluster System | |
US20160018883A1 (en) | Dynamic power limit sharing in a platform | |
CN108173698B (zh) | 网络服务管理方法、装置、服务器及存储介质 | |
CN103677958A (zh) | 一种虚拟化集群的资源调度方法及装置 | |
US8667089B2 (en) | Apparatus and method for executing an application | |
CN104270416A (zh) | 负载均衡控制方法及管理节点 | |
WO2008124455A3 (en) | Priority based throttling for power/performance quality of service | |
CN104102543A (zh) | 一种云计算环境中负载调整的方法和装置 | |
CN103037109B (zh) | 多核设备能耗管理方法及装置 | |
CN105117285A (zh) | 一种基于移动虚拟化系统的非易失性存储器调度优化方法 | |
Monil et al. | Energy-aware VM consolidation approach using combination of heuristics and migration control | |
CN110928638A (zh) | 一种虚拟机部署的宿主机的选择方法和装置 | |
CN102339233A (zh) | 云计算集中管理平台 | |
CN107624181B (zh) | 包括虚拟处理器的闲置和调度的虚拟机管理方法和装备 | |
CN103838520A (zh) | 一种输入/输出流量控制方法及设备 | |
CN101819459B (zh) | 一种基于异构对象存储系统的功耗控制方法 | |
CN104243531A (zh) | 一种数据处理的方法、装置及系统 | |
JP6750368B2 (ja) | 仮想マシン制御プログラム、仮想マシン制御方法および仮想マシン制御装置 | |
CN102427468B (zh) | 一种云计算操作系统及其调度方法 | |
CN103399799A (zh) | 云操作系统中计算物理资源节点负载评价的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |