CN105049536A - IaaS云环境中的负载均衡系统和负载均衡方法 - Google Patents
IaaS云环境中的负载均衡系统和负载均衡方法 Download PDFInfo
- Publication number
- CN105049536A CN105049536A CN201510567042.8A CN201510567042A CN105049536A CN 105049536 A CN105049536 A CN 105049536A CN 201510567042 A CN201510567042 A CN 201510567042A CN 105049536 A CN105049536 A CN 105049536A
- Authority
- CN
- China
- Prior art keywords
- load
- virtual machine
- load balancing
- physical machine
- machine
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 9
- 235000006679 Mentha X verticillata Nutrition 0.000 claims description 5
- 235000002899 Mentha suaveolens Nutrition 0.000 claims description 5
- 235000001636 Mentha x rotundifolia Nutrition 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000000737 periodic effect Effects 0.000 abstract 2
- 230000008859 change Effects 0.000 description 7
- 239000000654 additive Substances 0.000 description 4
- 230000000996 additive effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/101—Server selection for load balancing based on network conditions
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Multi Processors (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种IaaS云环境中的负载均衡系统和负载均衡方法,通过增加负载均衡调度模块,实现对负载均衡器的周期性调整,解决了IaaS云环境中现有的负载均衡器虽然可以对流量进行分发以及对后端机器进行负载均衡,但是由于负载均衡器的后端机器由传统的物理机变成了虚拟机,而负载均衡器并没有办法针对虚拟机和物理机的对应关系做出合适的负载均衡策略从而导致的云环境中物理机负载不均衡的问题,本发明的负载均衡系统和负载均衡方法针对上述情况,通过结合云环境拓扑及实时监控信息指导负载均衡器进行周期性的权重调整,达到平衡云环境中物理机负载的效果。
Description
技术领域
本发明涉及云计算领域中的负载均衡技术,尤其涉及一种IaaS云环境中的负载均衡系统和负载均衡方法。
背景技术
基础设施即服务IaaS所提供给消费者的服务是对所有计算基础设施的利用,包括处理CPU、内存、存储、网络和其它基本的计算资源,用户能够部署和运行任意软件,包括操作系统和应用程序。消费者不管理或控制任何云计算基础设施,但能控制操作系统的选择、存储空间、部署的应用,也有可能获得有限制的网络组件(例如路由器、防火墙、负载均衡器等)的控制。
负载均衡器是一种把网络请求分散到一个服务器集群中的可用服务器上去,通过管理进入的Web数据流量和增加有效的网络带宽。当前负载均衡技术广泛应用于网络服务器中(2-4层网络),横向拓展的特性非常适合于网络服务器对于负载压力的应对,各类负载均衡方案层出不穷,如硬件的F5、软件的LVS、HAProxy、Nginx等,在长期的实践中已经成为了主流的系统架构设计方法。
OpenStack是一个开源的云计算管理平台项目,由几个主要的组件组合起来完成具体工作。OpenStack通过各种互补的服务提供了基础设施即服务IaaS的解决方案,每个服务提供API以进行集成。
当传统应用迁移到IaaS云环境中后,由于以下原因,仍然需要采用对虚拟机之间进行负载均衡来达到横向拓展:
(1)大量已经编写好的应用在系统设计架构上基于负载均衡而设计,非常适合于做横向拓展;(2)纵向拓展(如创建性能更强的虚拟机)由于不能超过物理服务器本身的性能极限,所以并不能满足大型应用的需求;(3)横向拓展避免了应用可能出现的单点故障问题,增强了系统整体鲁棒性,有利于应用的稳定运行。
前两点基于应用的可拓展性(Scalability)要求,第三点基于应用的可用性(Availability)要求,因此,在云环境中,云服务提供商(如OpenStack)本身为用户提供了负载均衡服务(LBaaS),用户可以通过简单的配置在自己创建的虚拟机之间建立负载均衡。
但是由于云环境和传统的物理机环境不同,直接在虚拟机之间建立的负载均衡关系的做法由于无视了底层的物理服务器关系,虽然虚拟机之间维持了均衡的负载,但是非常容易造成底层的物理服务器之间的负载严重不平衡,而较高的物理机负载又会反过来影响虚拟机的性能,造成整体云服务性能的下降。
发明内容
发明目的:为了解决现有技术中存在的问题,本发明提供了一种IaaS云环境中的负载均衡系统和负载均衡方法,基于整体云环境的结构信息和监控信息(主要包含CPU利用率和I/O负载信息),对负载均衡的策略进行调整,通过对虚拟机之间负载均衡的比例进行调整,来平衡整体物理机的CPU利用率及I/O负载,从而达到提升整体云服务性能、优化云环境整体效率的效果。
技术方案:本发明的IaaS云环境中的负载均衡系统包括:网络节点、计算节点以及控制节点,网络节点上运行有负载均衡器,所述负载均衡器负责对网络流量进行分发;控制节点上运行有网络控制模块、负载均衡控制模块、计算控制模块以及监控模块;其特征在于,该系统还包括负载均衡调度模块,所述负载均衡调度模块与所述控制节点进行周期性信息交互并通过所述控制节点对所述负载均衡器的权重分配进行调整。
其中,所述负载均衡调度模块与所述控制节点进行周期性信息交互具体如下:
(1)所述负载均衡调度模块与所述网络控制模块进行交互,获取用户负载均衡配置信息,所述用户负载均衡配置信息包括所有用户配置的所有负载均衡池的信息;
(2)所述负载均衡调度模块与所述计算控制模块进行交互,获取虚拟机与物理机的对应关系,并与步骤(1)中获得的负载均衡池中的虚拟机信息进行关联,形成拓扑关系;
(3)所述负载均衡调度模块与所述监控模块进行交互,获取需要的监控信息,所述监控信息为物理机以及虚拟机的实时CPU占用率和I/O负载监控数据;
(4)以全部物理机的最大CPU占用率取最小值为优化目标建立线性规划问题,并进行求解得到所述线性规划问题的最优解;
(5)将步骤(4)中的最优解转换为各个负载均衡池中虚拟机的权重;
(6)所述负载均衡调度模块将所述各个负载均衡池中虚拟机的权重信息反馈给所述网络控制模块请求修改所述负载均衡器的权重分配;
(7)所述控制节点负责调整所述负载均衡器的后端权重,完成一次负载均衡。
其中,步骤(4)中建立的线性规划问题如下:
优化目标:minT
约束条件:
1)对于每个负载均衡池Pi,有:
2)对于每台虚拟机vj,有:
3)对于每台物理机hi,有:
4)对于每台物理机hi,有:
式中,T为物理机的CPU占用率,Ci为物理机hi的最大容量;lj为负载均衡池Pi中虚拟机vj均衡调整前的负载,l′j为虚拟机vj均衡调整后的负载,cj为虚拟机的最大容量;对于每一个物理机hi,L′i为物理机hi均衡调整后的负载,S(hi)为物理机hi上的虚拟机集合。
本发明还公开了一种IaaS云环境中的负载均衡方法,负载均衡调度模块与控制节点上运行的网络控制模块、计算控制模块、监控模块进行周期性信息交互并通过所述控制节点对负载均衡器的权重分配进行调整实现负载均衡,进行一次所述负载均衡包括以下步骤:
(1)所述负载均衡调度模块与所述网络控制模块进行交互,获取用户负载均衡配置信息,所述用户负载均衡配置信息包括所有用户配置的所有负载均衡池的信息;
(2)所述负载均衡调度模块与所述计算控制模块进行交互,获取虚拟机与物理机的对应关系,并与步骤(1)中获得的负载均衡池中的虚拟机信息进行关联,形成拓扑关系;
(3)所述负载均衡调度模块与所述监控模块进行交互,获取需要的监控信息,所述监控信息为物理机以及虚拟机的实时CPU占用率和I/O负载监控数据;
(4)以全部物理机的最大CPU占用率取最小值为优化目标建立线性规划问题,并进行求解得到所述线性规划问题的最优解;
(5)将步骤(4)中的最优解转换为各个负载均衡池中虚拟机的权重;
(6)所述负载均衡调度模块将所述各个负载均衡池中虚拟机的权重信息回馈给所述网络控制模块请求修改所述负载均衡器的权重分配;
(7)所述控制节点负责调整所述负载均衡器的后端权重。
其中,步骤(4)中建立的所述线性规划问题如下:
优化目标:minT
约束条件:
1)对于每个负载均衡池Pi,有:
2)对于每台虚拟机vj,有:
3)对于每台物理机hi,有:
4)对于每台物理机hi,有:
式中,T为物理机的CPU占用率,Ci为物理机hi的最大容量;lj为负载均衡池Pi中虚拟机vj均衡调整前的负载,l′j为虚拟机vj均衡调整后的负载,cj为虚拟机的最大容量;对于每一个物理机hi,L′i为物理机hi均衡调整后的负载,S(hi)为物理机hi上的虚拟机集合。
有益效果:本发明提出了基于线性规划的云环境负载均衡,通过结合云环境的拓扑及实时监控信息指导负载均衡器权值的调整,以达到优化云环境整体效率的目的。负载均衡调度模块基于整体云环境的结构信息和监控信息,对负载均衡的策略进行调整,通过对虚拟机之间负载均衡的比例进行调整,来平衡整体物理机的负载,从而达到提升整体云服务性能的目的。
附图说明
图1是结合OpenStack平台的负载均衡系统的结构示意图;
图2是图1中的负载均衡系统收集数据示意图;
图3是虚拟机和物理机的拓扑结构示意图;
图4是虚拟机v1的CPU负载变化监控图;
图5是虚拟机v2的CPU负载变化监控图;
图6是虚拟机v3的CPU负载变化监控图;
图7是物理机h1的CPU负载变化监控图;
图8是物理机h2的CPU负载变化监控图。
具体实施方式
为了便于理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
图1以OpenStack平台为例介绍本发明的负载均衡系统,图中左侧部分为OpenStack的网络布局,包含了连接公共网络的网络节点、计算节点以及标准的控制节点;网络节点负责为租户提供虚拟网络服务,主要专注于租户虚拟网络的实现;计算节点负责为用户提供计算资源,通过运行用户指定的虚拟机将计算资源提供给用户,控制节点为整个云环境的中央管理节点,负责云平台内部的管理和通信,并且作为用户的控制接口。
用户对负载均衡池的访问请求通过网络节点进行,在网络节点上运行有HAProxy模块,HAProxy模块作为负载均衡器,负责对网络流量进行分发;控制节点上同时运行有计算控制模块Nova、网络控制模块Neutron、负载均衡控制模块LBaaS和监控模块Ceilometer;计算控制模块用来控制用户的虚拟机在计算节点上的运行;网络控制模块用来控制用户在虚拟机上建立的虚拟网络服务;负载均衡控制模块用来控制用户创建的虚拟机负载均衡服务;监控模块用于收集云环境中的实时监控信息,包括计算节点上运行的虚拟机以及真实计算节点对应的物理机的CPU、I/O等各个方面的实时负载信息等;图1展示了上述模块的基本结构,可以看到控制节点在整个云环境中通过计算、网络、负载均衡控制模块的共同协同工作,将运行在各个计算机节点上的用户虚拟机组织成虚拟网络,并在此基础上建立负载均衡服务。其中右侧为负载均衡调度模块,该模块可以把网络请求分散到一个服务器集群中的可用服务器上去,通过管理进入的Web数据流量和增加有效的网络带宽,并且支持在运行过程中对处于负载均衡状态下的后端机器进行动态的权重调整。负载均衡调度模块周期性运行对云环境负载均衡做出调整,其一次运行过程如下:
(1)使用OpenStack提供的neutronclient或其他方法访问网络控制模块API,与OpenStack的网络控制模块进行交互,调用ListpoolsAPI(/v2.0/lbaas/pools),获取用户负载均衡配置信息,即:全局所有用户配置的所有负载均衡池的信息;
(2)使用OpenStack提供的novaclient或其他方法访问计算控制模块API,与OpenStack的计算控制模块进行交互,调用ListserverdetailsAPI(/v2.1/servers/detail)获取云环境中虚拟机与物理机的逻辑对应关系,即某台虚拟机实际运行在云环境中具体哪一台计算节点上,并与上一步中获得的负载均衡池中的虚拟机信息进行连接,形成如图2所示的拓扑关系;
(3)使用OpenStack提供的ceilometerclient或其他方法访问监控模块API,与OpenStack的监控模块进行交互,调用ListsamplesAPI(/v2/samples),获得需要的监控信息,即:物理机以及虚拟机的实时CPU利用率及I/O负载监控数据,如图2左侧列出的监控项所示;
(4)建立线性规划问题,并进行求解得到最优解;
(5)将步骤(4)中的最优解转换为各个负载均衡池中虚拟机的权重;
(6)将新的权重信息通过OpenStack提供的neutronclient或其他方法访问网络控制模块API反馈给OpenStack网络控制模块,对于调整后的每一台虚拟机,调用UpdatepoolmemberAPI(/v2.0/lbaas/pools/{pool_id}/members/{member_id})请求修改负载均衡器权值;
(7)OpenStack的控制节点在执行API调用后自动修改对应HAProxy的配置文件完成HAProxy后端权重的调整,完成一次负载均衡。
OpenStack中默认通过HAProxy提供软件负载均衡功能,用户可以通过创建负载均衡池并将想要作为负载均衡后端的虚拟机绑定到该负载均衡来建立负载均衡服务。创建成功后通过负载均衡池所绑定的公共IP即可访问所有虚拟机后端构成的负载均衡集群。
HAProxy的一个重要功能在于可以实时的调整负载均衡后端机器的比例权重,实时修改后端虚拟机的负载分配比例。
本发明中将物理机的CPU利用率和I/O负载作为首要的负载衡量标准,上述步骤(4)中所建立的线性规划问题具体如下:
问题输入:
1)共有N台物理机(计算节点),物理机hi的负载为Li,每台物理机的最大容量为Ci;
2)系统中虚拟机vj的负载为lj,最大容量为cj;
3)共有M个负载均衡池,每个负载均衡池Pi对应一组虚拟机:Pi={v1,v2,v3,…vj…},且每个虚拟机vj仅能存在于一个负载均衡池中,即对于任意两个负载均衡池,其交集为空集;
4)对于每一个物理机hi,S(hi)表示这台物理机上的虚拟机集合;
问题输出:对于每个负载均衡池Pi,对所有的虚拟机vj∈Pi,给出新的期望负载l′j;
求解该问题后得到期望负载,将其转换为比例后即可用来指导HAProxy进行各个后端虚拟机的动态权重调整,以达到云环境整体负载优化的目的。求解上述问题的线性规划问题,具体如下:
约束条件:
1)对于每个负载均衡池Pi,其总负载不变:
2)对于每台虚拟机vj,其负载不超过最大容量:
3)对于每台物理机hi,其负载不超过最大容量:
优化目标:添加变量T,对所有物理机hi,有规划目标为minT。
通过求解该线性规划问题,即可得到先前定义问题的解。
以下结合具体数值对本发明所提供的IaaS云环境中的负载均衡方法做更进一步详细介绍。
用户设置了两个负载均衡池P1和P2,P1对应于虚拟机{v1,v2},P2对应于虚拟机{v3},虚拟机v1运行在物理机h1上,虚拟机v2,v3运行在物理机h2上。此处作为决策依据的负载可以采用CPU占用率和I/O负载,为便于理解,此处取CPU占用率作为负载衡量指标,虚拟机均为2CPU机器,物理机均为4CPU机器。所有虚拟机上都运行着相同的产生CPU负载的Web应用,当收到用户请求后进行一定量的CPU运算后返回。
通过向负载均衡池P1产生两倍于P2的访问量,使得所有虚拟机负载均为50%,生成虚拟机负载如下(机器负载=实时CPU利用率*机器CPU核数量):
对应的物理机负载为:
1.建立线性规划问题并进行运行算法求解
在本实施例中根据本发明中描述的问题及算法可以得到对应的线性规划问题:
采用单纯形法求解该问题,得到结果:
2.调整权重
根据上一步中得到的结果,可以确定负载均衡池P1中新的权重比例关系应该修改为3:1,使用此比例对HAProxy进行调整。
3.实验测试效果
实验的效果如图4至图8所示,图4、图5以及图6中可以看到在图的中间靠右位置(约10:54:45的位置),在运行本发明的负载均衡方法后,v1的负载出现了上涨而v2的负载出现了下降,v3则保持不变。图7和图8中可以看出在运行本发明的负载均衡方法后,两台物理机的权重发生了改变,并趋向于平衡。
本发明具体应用途径很多,上述以OpenStack平台为例进行介绍,仅为便于理解设置,本发明中的负载均衡调度模块以及负载均衡方法对于支持负载均衡功能的IaaS云环境的如OpenNebula(HTTP的loadbalancer模块)、CloudStack(OVSPlugin提供LoadBalancing功能)和OpenStack(LBaaS模块)等开源平台均适用,应当指出以上实施例对本发明不构成限定,相关工作人员在不偏离本发明技术思想的范围内,所进行的多样变化和修改,均落在本发明的保护范围内。
Claims (5)
1.一种IaaS云环境中的负载均衡系统,包括:网络节点、计算节点以及控制节点,网络节点上运行有负载均衡器,所述负载均衡器负责对网络流量进行分发;控制节点上运行有网络控制模块、负载均衡控制模块、计算控制模块以及监控模块;其特征在于,该系统还包括负载均衡调度模块,所述负载均衡调度模块与所述控制节点进行周期性信息交互并通过所述控制节点对所述负载均衡器的权重分配进行调整。
2.根据权利要求1所述的IaaS云环境中的负载均衡系统,其特征在于,所述负载均衡调度模块与所述控制节点进行周期性信息交互包括如下步骤:
(1)所述负载均衡调度模块与所述网络控制模块进行交互,获取用户负载均衡配置信息,所述用户负载均衡配置信息包括所有用户配置的所有负载均衡池的信息;
(2)所述负载均衡调度模块与所述计算控制模块进行交互,获取虚拟机与物理机的对应关系,并与步骤(1)中获得的负载均衡池中的虚拟机信息进行关联,形成拓扑关系;
(3)所述负载均衡调度模块与所述监控模块进行交互,获取需要的监控信息,所述监控信息为物理机以及虚拟机的实时CPU占用率和I/O负载监控数据;
(4)以全部物理机的最大CPU占用率取最小值为优化目标建立线性规划问题,并进行求解得到所述线性规划问题的最优解;
(5)将步骤(4)中的最优解转换为各个负载均衡池中虚拟机的权重;
(6)所述负载均衡调度模块将所述各个负载均衡池中虚拟机的权重信息反馈给所述网络控制模块请求修改所述负载均衡器的权重分配;
(7)所述控制节点负责调整所述负载均衡器的后端权重,完成一次负载均衡。
3.根据权利要求2所述的IaaS云环境中的负载均衡系统,其特征在于,步骤(4)中建立的线性规划问题如下:
优化目标:minT
约束条件:
1)对于每个负载均衡池Pi,有:
2)对于每台虚拟机vj,有:l′j≤cj
3)对于每台物理机hi,有:
4)对于每台物理机hi,有:
式中,T为物理机的CPU占用率,Ci为物理机hi的最大容量;lj为负载均衡池Pi中虚拟机vj均衡调整前的负载,l′j为虚拟机vj均衡调整后的负载,cj为虚拟机的最大容量;对于每一个物理机hi,L′i为物理机hi均衡调整后的负载,S(hi)为物理机hi上的虚拟机集合。
4.一种IaaS云环境中的负载均衡方法,其特征在于,负载均衡调度模块与控制节点上运行的网络控制模块、计算控制模块、监控模块进行周期性信息交互并通过所述控制节点对负载均衡器的权重分配进行调整实现负载均衡,进行一次所述负载均衡包括以下步骤:
(1)所述负载均衡调度模块与所述网络控制模块进行交互,获取用户负载均衡配置信息,所述用户负载均衡配置信息包括所有用户配置的所有负载均衡池的信息;
(2)所述负载均衡调度模块与所述计算控制模块进行交互,获取虚拟机与物理机的对应关系,并与步骤(1)中获得的负载均衡池中的虚拟机信息进行关联,形成拓扑关系;
(3)所述负载均衡调度模块与所述监控模块进行交互,获取需要的监控信息,所述监控信息为物理机以及虚拟机的实时CPU占用率和I/O负载监控数据;
(4)以全部物理机的最大CPU占用率取最小值为优化目标建立线性规划问题,并进行求解得到所述线性规划问题的最优解;
(5)将步骤(4)中的最优解转换为各个负载均衡池中虚拟机的权重;
(6)所述负载均衡调度模块将所述各个负载均衡池中虚拟机的权重信息回馈给所述网络控制模块请求修改所述负载均衡器的权重分配;
(7)所述控制节点负责调整所述负载均衡器的后端权重。
5.根据权利要求4所述的IaaS云环境中的负载均衡方法,其特征在于,步骤(4)中建立的所述线性规划问题如下:
优化目标:minT
约束条件:
1)对于每个负载均衡池Pi,有:
2)对于每台虚拟机vj,有:l′j≤cj
3)对于每台物理机hi,有:
4)对于每台物理机hi,有:
式中,T为物理机的CPU占用率,Ci为物理机hi的最大容量;lj为负载均衡池Pi中虚拟机vj均衡调整前的负载,l′j为虚拟机vj均衡调整后的负载,cj为虚拟机的最大容量;对于每一个物理机hi,L′i为物理机hi均衡调整后的负载,S(hi)为物理机hi上的虚拟机集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510567042.8A CN105049536B (zh) | 2015-09-08 | 2015-09-08 | IaaS云环境中的负载均衡系统和负载均衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510567042.8A CN105049536B (zh) | 2015-09-08 | 2015-09-08 | IaaS云环境中的负载均衡系统和负载均衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105049536A true CN105049536A (zh) | 2015-11-11 |
CN105049536B CN105049536B (zh) | 2018-04-06 |
Family
ID=54455739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510567042.8A Expired - Fee Related CN105049536B (zh) | 2015-09-08 | 2015-09-08 | IaaS云环境中的负载均衡系统和负载均衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105049536B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106506648A (zh) * | 2016-11-10 | 2017-03-15 | 东软集团股份有限公司 | 负载均衡服务管理方法及系统 |
CN106657220A (zh) * | 2016-09-21 | 2017-05-10 | 郑州云海信息技术有限公司 | 一种基于nginx的Cloud Foundry内网部署方案 |
CN106961367A (zh) * | 2017-05-19 | 2017-07-18 | 济南浪潮高新科技投资发展有限公司 | 基于openstack的云资源监控系统和方法 |
CN106991170A (zh) * | 2017-04-01 | 2017-07-28 | 广东浪潮大数据研究有限公司 | 一种分布式文件容量均衡的方法与装置 |
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 |
CN108234159A (zh) * | 2016-12-14 | 2018-06-29 | 中标软件有限公司 | 负载均衡主机的配置方法及系统 |
CN108429815A (zh) * | 2018-03-23 | 2018-08-21 | 重庆邮电大学 | 基于OpenStack的动态资源调度方法 |
CN108769271A (zh) * | 2018-08-20 | 2018-11-06 | 北京百度网讯科技有限公司 | 负载均衡的方法、装置、存储介质和终端设备 |
CN108965381A (zh) * | 2018-05-31 | 2018-12-07 | 康键信息技术(深圳)有限公司 | 基于Nginx的负载均衡实现方法、装置、计算机设备和介质 |
CN109617966A (zh) * | 2018-12-14 | 2019-04-12 | 武汉烽火信息集成技术有限公司 | 一种基于Openstack的云管平台部署系统及方法 |
CN109962951A (zh) * | 2017-12-25 | 2019-07-02 | 航天信息股份有限公司 | 云平台监控数据系统 |
CN110266593A (zh) * | 2019-07-15 | 2019-09-20 | 上海仪电(集团)有限公司中央研究院 | 一种基于流量监控的自适应路由切换云网络系统 |
CN110543366A (zh) * | 2019-08-27 | 2019-12-06 | 上海易点时空网络有限公司 | 用于业务集群的业务模块容量调优方法以及装置、服务器 |
CN111787095A (zh) * | 2020-06-29 | 2020-10-16 | 杭州数梦工场科技有限公司 | 负载均衡方法和负载均衡器 |
CN113271335A (zh) * | 2020-08-20 | 2021-08-17 | 丁禹 | 一种管控云计算终端和云服务器运作的系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938790A (zh) * | 2012-11-20 | 2013-02-20 | 无锡城市云计算中心有限公司 | 云计算系统中的资源分配方法 |
US20130145367A1 (en) * | 2011-09-27 | 2013-06-06 | Pneuron Corp. | Virtual machine (vm) realm integration and management |
CN104657221A (zh) * | 2015-03-12 | 2015-05-27 | 广东石油化工学院 | 一种云计算中基于任务分类的多队列错峰调度模型及方法 |
-
2015
- 2015-09-08 CN CN201510567042.8A patent/CN105049536B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130145367A1 (en) * | 2011-09-27 | 2013-06-06 | Pneuron Corp. | Virtual machine (vm) realm integration and management |
CN102938790A (zh) * | 2012-11-20 | 2013-02-20 | 无锡城市云计算中心有限公司 | 云计算系统中的资源分配方法 |
CN104657221A (zh) * | 2015-03-12 | 2015-05-27 | 广东石油化工学院 | 一种云计算中基于任务分类的多队列错峰调度模型及方法 |
Non-Patent Citations (1)
Title |
---|
钟志伟: "基于OpenStack的私有云管理平台及其关键技术研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106657220A (zh) * | 2016-09-21 | 2017-05-10 | 郑州云海信息技术有限公司 | 一种基于nginx的Cloud Foundry内网部署方案 |
CN106506648B (zh) * | 2016-11-10 | 2019-05-17 | 东软集团股份有限公司 | 负载均衡服务管理方法及系统 |
CN106506648A (zh) * | 2016-11-10 | 2017-03-15 | 东软集团股份有限公司 | 负载均衡服务管理方法及系统 |
CN108234159A (zh) * | 2016-12-14 | 2018-06-29 | 中标软件有限公司 | 负载均衡主机的配置方法及系统 |
CN106991170A (zh) * | 2017-04-01 | 2017-07-28 | 广东浪潮大数据研究有限公司 | 一种分布式文件容量均衡的方法与装置 |
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 |
CN106961367A (zh) * | 2017-05-19 | 2017-07-18 | 济南浪潮高新科技投资发展有限公司 | 基于openstack的云资源监控系统和方法 |
CN109962951A (zh) * | 2017-12-25 | 2019-07-02 | 航天信息股份有限公司 | 云平台监控数据系统 |
CN108429815A (zh) * | 2018-03-23 | 2018-08-21 | 重庆邮电大学 | 基于OpenStack的动态资源调度方法 |
CN108965381A (zh) * | 2018-05-31 | 2018-12-07 | 康键信息技术(深圳)有限公司 | 基于Nginx的负载均衡实现方法、装置、计算机设备和介质 |
CN108769271A (zh) * | 2018-08-20 | 2018-11-06 | 北京百度网讯科技有限公司 | 负载均衡的方法、装置、存储介质和终端设备 |
US10972535B2 (en) | 2018-08-20 | 2021-04-06 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for load balancing, and storage medium |
CN109617966A (zh) * | 2018-12-14 | 2019-04-12 | 武汉烽火信息集成技术有限公司 | 一种基于Openstack的云管平台部署系统及方法 |
CN110266593A (zh) * | 2019-07-15 | 2019-09-20 | 上海仪电(集团)有限公司中央研究院 | 一种基于流量监控的自适应路由切换云网络系统 |
CN110266593B (zh) * | 2019-07-15 | 2021-10-22 | 上海仪电(集团)有限公司中央研究院 | 一种基于流量监控的自适应路由切换云网络系统 |
CN110543366A (zh) * | 2019-08-27 | 2019-12-06 | 上海易点时空网络有限公司 | 用于业务集群的业务模块容量调优方法以及装置、服务器 |
CN111787095A (zh) * | 2020-06-29 | 2020-10-16 | 杭州数梦工场科技有限公司 | 负载均衡方法和负载均衡器 |
CN113271335A (zh) * | 2020-08-20 | 2021-08-17 | 丁禹 | 一种管控云计算终端和云服务器运作的系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105049536B (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105049536A (zh) | IaaS云环境中的负载均衡系统和负载均衡方法 | |
Qi et al. | A QoS-aware virtual machine scheduling method for energy conservation in cloud-based cyber-physical systems | |
CN108170530B (zh) | 一种基于混合元启发式算法的Hadoop负载均衡任务调度方法 | |
Liu et al. | Resource preprocessing and optimal task scheduling in cloud computing environments | |
Moens et al. | Hierarchical network-aware placement of service oriented applications in clouds | |
CN105159762A (zh) | 基于贪心策略的启发式云计算任务调度方法 | |
Chen et al. | Cost-aware streaming workflow allocation on geo-distributed data centers | |
WO2014057304A1 (en) | Decentralized controls and communications for autonomous distribution networks in smart grid | |
CN105446816B (zh) | 一种面向异构平台的能耗优化调度方法 | |
Wang et al. | A new algorithm for grid independent task schedule: genetic simulated annealing | |
Li et al. | An effective scheduling strategy based on hypergraph partition in geographically distributed datacenters | |
Ma et al. | Dynamic task scheduling in cloud computing based on greedy strategy | |
Lan et al. | Task partitioning and orchestration on heterogeneous edge platforms: The case of vision applications | |
Xiang et al. | Computing power allocation and traffic scheduling for edge service provisioning | |
CN105005503A (zh) | 基于元胞自动机的云计算负载均衡任务调度方法 | |
Zubair et al. | Integration of cloud-fog based platform for load balancing using hybrid genetic algorithm using bin packing technique | |
Kaur et al. | Load balancing using improved genetic algorithm (iga) in cloud computing | |
Xu et al. | Task scheduling algorithm based on PSO in cloud environment | |
CN111242801A (zh) | 一种电力系统调控云电网运行分析平台 | |
CN102624596B (zh) | 一种p2p直播覆盖网的可靠性最优树状核心拓扑求解方法 | |
Xu et al. | Flexcloud: A flexible and extendible simulator for performance evaluation of virtual machine allocation | |
Lin et al. | Task scheduling algorithm based on Pre-allocation strategy in cloud computing | |
CN117493020A (zh) | 一种数据网格的计算资源调度实现方法 | |
CN105190599A (zh) | 云应用带宽建模 | |
CN110535148A (zh) | 一种可用性备用的优化配置方法及系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180406 |