CN105159751B - 一种云数据中心中能量高效的虚拟机迁移方法 - Google Patents
一种云数据中心中能量高效的虚拟机迁移方法 Download PDFInfo
- Publication number
- CN105159751B CN105159751B CN201510595905.2A CN201510595905A CN105159751B CN 105159751 B CN105159751 B CN 105159751B CN 201510595905 A CN201510595905 A CN 201510595905A CN 105159751 B CN105159751 B CN 105159751B
- Authority
- CN
- China
- Prior art keywords
- host
- virtual machine
- data center
- physical
- physical host
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明公开了云数据中心中一种能量高效的虚拟机迁移方法。本方法由物理机过载监测，虚拟机选择，物理机轻载监测和虚拟机迁移四个部分协同工作完成。该方法首先收集物理机资源的使用状况并利用预测技术判断出物理机是否过载；对于过载的物理机，从中选出需要迁移出去的虚拟机以减轻物理机负载，提高数据中心的服务质量；在迁移完成后，本方法将从数据中心选出轻载状态的物理机并在其虚拟机全部迁移出去之后，关闭该物理机达到节能目的。本方法能够在实现数据中心节能目的的同时提高服务质量，适用于异构的云数据中心。
Description
技术领域
本发明属于互联网技术领域，尤其涉及一种云数据中心中能量高效的虚拟机迁移方法。
背景技术
云计算是从集群、网格和效用计算发展而来，它是当前数据中心动态地提供计算资源的一种新范式。伴随着使用付费模型的应用，大量的计算资源和存储资源放置在云端，用户可以方便地根据自己的需求从云端获取和使用这些资源并为之付费。这样就使得用户可以专注于应用程序的开发，将他们从配置服务器硬件和管理系统软件等低级任务中解放出来，极大地提高了工作效率，降低了用户的开发成本。
随着云用户数量的不断增长，大量的云数据中心开始涌现，由此而带来的云数据中心能耗问题正引起人们的密切关注。目前，平均一个云数据中心消耗的电能就相当于25000户家庭一年的用电量。据估计，到2020年，云数据中心消耗的电能将会占到全球电能消耗的2％。数据中心的高能耗不仅会导致用户使用成本的增加，更重要的是还会引发全球变暖的环境问题。因此，如何实现云数据中心服务性能的逐步提升的同时减少数据中心的能耗成为学术界研究的热点问题。虚拟化技术由于其能够在同一个硬件主机上多路复用虚拟机以实现硬件资源共享的特征，正被应用于数据中心节能问题的研究。通过对数据中心物理主机上各类资源的虚拟化，在物理主机上运行多个共享物理机资源的虚拟机来负责处理不同用户提交的任务，这样既增强了物理机的功能又隔离了各个任务之间的联系。因而，如果将一些物理机上的虚拟机转移到另外一些物理机上，不仅可以提高物理机的资源利用率，还可以关闭处于空转状态的主机以节省能耗。随着虚拟机迁移技术的不断发展，虚拟机在不同主机之间的实时迁移成为现实。那么，对于云数据中心资源消耗少的物理主机，就可以使用虚拟机实时迁移技术将在它上面运行着的虚拟机全部迁移到其他的物理主机上，然后关闭该物理主机，降低数据中心的能耗。但是，虚拟机的迁移也会消耗系统资源引起能耗的增加，同时也会降低系统的服务质量；另外，由于云用户对于资源需求往往是动态变化的，在利用虚拟机实时迁移技术完成服务器聚集之后，负载的动态变化特性会导致宿主主机内的虚拟机资源需求总和超出物理机的资源容量，造成系统阻塞、服务响应时间变长，违反云用户和云服务提供者之间协商制定的服务水平协议(SLA)。因此，如何通过虚拟机实时迁移技术来减少云数据中心活动主机的数量同时尽可能地满足SLA成为实现云数据中心节能急需解决的问题。
经对现有文献检索发现，相关文献如下：
Beloglazov Anton于2011年在《Concurrency Computat.:PractExper》中的“Optimal online deterministic algorithms and adaptive heuristics for energyand performance efficient dynamic consolidation of virtual machines in Clouddata centers”一文，将虚拟机聚集过程分成四步，即(1)判断一个主机在何时成为过载主机，(2)从过载主机中选择应该迁移出去的虚拟机，(3)判断一个主机在何时成为轻载主机并选择其上的所有虚拟机，(4) 放置这些待迁移的虚拟机。为了找出过载主机，文章中提出了绝对中位差法(MAD)，四分差法(IR)，局部回归(LR)和鲁棒局部回归法(RLR)。对于虚拟机的选择，文中提出了最小迁移时间法(MMT)，随机选择(RC)和最大相关性法(MC)。另外，文中将CPU利用率最低的主机判定为轻载主机(SM)，使用PABFD算法放置待迁移的虚拟机，该算法旨在将虚拟机放置到功耗增加最少的物理主机上。文中的实验结果表明 LR/SM/MMT/PABFD这样的组合策略的性能要高于其它方法。
Abbas Horri于2014年在《J Supercomput》中的“Novel resource allocationalgorithms to performance and energy efficiency in cloud computing”一文，提出VDT算法用于虚拟机聚集过程中的轻载物理主机选择，该算法将物理机的CPU利用率与该物理主机上的虚拟机数量进行加权求和并选择所求得的和值最小的主机作为轻载主机；另外，提出 UMC算法用于为待迁移的虚拟机寻找宿主主机，即为待迁移的虚拟机选择与其相关性最小的物理主机作为其宿主主机。实验结果表明在虚拟机迁移数量和服务质量上都比组合策略(LR/SM/MMT/PABFD)有较大的提高。
综上所述，虽然云数据中心的节能和系统的服务质量在不断改善，但是还有一些问题有待于进一步的研究：
1.虽然已有研究表明，数据中心物理主机的能耗和CPU利用率成正比，但是如果仅从CPU利用率或者CPU利用率与虚拟机数量加权和的角度来判定轻载主机，对于由异构节点组成的数据中心来说，不同的物理节点上的CPU利用率的比较就失去了意义；另外，由于异构物理主机节点的初始能耗不同，对于利用率相近的异构主机节点，按照上述方法选择轻载主机显然不是最有利于数据中心的节能。因此，轻载主机的判定方法必须考虑到主机节点能量异构的特点，同时能够体现出关闭该主机对云数据中心节能的贡献。
2.上述的PABFD方法从物理主机能量增加最小的角度来放置待迁移的虚拟机，但是该方法在异构节点的数据中心将趋向于将虚拟机集中于绝对容量较大的主机节点上。这样，当主机的负载变动变化时，这些主机更容易出现过资源需求超出主机容量的情况，导致主机过载，服务质量下降。因此，在放置虚拟机时必须考虑到负载的动态特性和虚拟机数量对于主机状态的影响。
3.对于大规模的云数据中心，上述的UMC算法在为每一个虚拟机选择宿主主机时都必须遍历所有的物理主机并计算相关性系数，算法的时间成本较高，且实时性也无法保证。因此，需要设计满足实时性要求的算法。
发明内容
针对现有技术的上述缺陷，本发明提供了一种云数据中心中能量高效的虚拟机迁移方法。所述方法包括以下步骤：
步骤a：云数据中心物理主机和虚拟机资源使用的监测：在每个物理主机节点上运行着的虚拟机管理器对该物理机以及运行在该物理机内的虚拟机的资源使用情况进行实时监控，并且每隔一段时间记录一次当前物理主机的CPU资源使用状态；
步骤b：云数据中心过载主机的判断：过载主机的判断是根据本地管理器中记录的物理主机的CPU资源利用率日志，利用资源预测方法来预测该物理主机上运行着的虚拟机使用的CPU资源的总和是否将会超过该物理主机容量的情况；
步骤c：云数据中心过载物理主机的处理：如果存在过载主机，则在该过载主机中选择正在运行着的虚拟机，按照虚拟机迁移策略对选中的虚拟机进行迁移，直到该过载主机恢复到正常工作状态；如果没有监测到过载主机，则返回到步骤b继续监测；
步骤d：云数据中心轻载物理主机的判定：根据云数据中心各个物理主机的CPU使用情况，找出轻载状态的物理机，然后将其上运行着的所有虚拟机使用虚拟机迁移策略迁移出去，最后关闭该物理主机以实现云数据中心的节能；若在轻载主机上运行着的虚拟机中存在一个或者多个虚拟机找不到可用的宿主主机，则不进行虚拟机迁移，该轻载主机继续运行；该过程反复迭代直到数据中心不再出现轻载主机才停止。
优选地，所述步骤c中的虚拟机迁移策略的具体过程如下：
首先根据各个虚拟机当前的CPU使用量对等待迁移的虚拟机进行升序排列，得到虚拟机迁移列表VMlist。然后对数据中心的各个物理主机按照其当前的CPU利用率进行降序排列，得到候选主机列表PMlist。为了避免出现重复迁移的情况，那些需要迁移虚拟机的主机不在候选主机之列；同时，考虑到不影响轻载主机的判定，所有候选主机的CPU利用率都大于给定阈值THL。然后根据虚拟机列表VMlist和候选主机列表PMlist 中的顺序，对于一个物理主机是否接受虚拟机的判断规则如下：
假定物理主机的当前CPU利用率为Ucpu，而此时在该物理主机上运行着的虚拟机数量为N，s代表不使物理主机性能下降的安全参数，y代表该物理机上剩余的可用CPU 资源。那么物理主机状态可以分为三种情况进行讨论，如下所示，
则待接受的虚拟机在物理主机中的CPU利用率要小于
则待接受的虚拟机在物理主机中的CPU利用率要大于
则待接受的虚拟机在物理主机中的CPU利用率要接近或者等于
在上述的三种情况中，假定被接受的虚拟机在满足上述条件的同时，其资源需求不会超出物理主机的可用资源容量，即不会导致物理主机处于过载状态。这样，在遍历完待迁移的虚拟机列表VMlist后，所有的虚拟机都完成迁移。
优选地，所述步骤d中的轻载主机判定过程如下：
根据数据中心各个物理主机的CPU利用率情况，设定一个CPU利用率的下限值THL，将所有CPU利用率处于该阈值以下的主机标记为候选主机，得到一个候选主机集合。对于该集合中的每个主机，计算其功耗的平均值计算式如下：
上式中，Pj代表候选主机集合中主机j的能耗，Mj代表主机j中当前运行着的虚拟机的数量。然后，通过比较的大小，选择候选主机集合中值最大的主机作为轻载主机。
本发明的有益效果：
本发明考虑了云数据中心物理主机节点的异构特性，以及由此而带来的能耗差异的特征，同时考虑到了物理主机上运行着的虚拟机数量，这样使得轻载主机判定算法所选择的主机对于数据中心能耗节省的贡献更大，同时也降低了虚拟机迁移的数量。另外，虚拟机迁移策略考虑到了物理主机中虚拟机的数量，通过比较物理机中的虚拟机对 CPU资源的平均利用率与该主机中可用的剩余资源来选择待迁移的虚拟机，可以有效控制物理主机中虚拟机的数量，使得迁移后宿主主机的状态更加稳定，提高了系统的服务质量；该方法也不必遍历完云数据中心的所有物理主机节点，适用于大规模的云数据中心时，算法的实时性较好。
附图说明
图1是本发明的流程图；
图2是物理主机的资源利用状态图；
图3是按照本发明实施的一种云数据中心中能量高效的虚拟机迁移方法的具体流程示意图；
具体实施方式
如图1、图3所示，一种云数据中心中一种能量高效的虚拟机迁移方法，所述云数据中心包含异构的物理主机和在物理主机上运行着的虚拟机，用户提交的任务在各个虚拟机中完成，通过虚拟机迁移的方法实现云数据中心的节能，包括以下具体步骤：
步骤a：云数据中心物理主机和虚拟机资源使用的监测：在每个物理主机节点上运行着的虚拟机管理器对该物理机以及运行在该物理机内的虚拟机的资源使用情况进行实时监控，并且每隔一段时间记录一次当前物理主机的CPU资源使用状态；
步骤b：云数据中心过载主机的判断：过载主机的判断是根据本地管理器中记录的物理主机的CPU资源利用率日志，利用资源预测方法来预测该物理主机上运行着的虚拟机使用的CPU资源的总和是否将会超过该物理主机容量的情况；
步骤c：云数据中心过载物理主机的处理：如果存在过载主机，则在该过载主机中选择正在运行着的虚拟机，按照虚拟机迁移策略对选中的虚拟机进行迁移，直到该过载主机恢复到正常工作状态；如果没有监测到过载主机，则返回到步骤b继续监测；
步骤d：云数据中心轻载物理主机的判定：根据云数据中心各个物理主机的CPU使用情况，找出轻载状态的物理机，然后将其上运行着的所有虚拟机使用虚拟机迁移策略迁移出去，最后关闭该物理主机以实现云数据中心的节能；若在轻载主机上运行着的虚拟机中存在一个或者多个虚拟机找不到可用的宿主主机，则不进行虚拟机迁移，该轻载主机继续运行；该过程反复迭代直到数据中心不再出现轻载主机才停止。
优选地，所述步骤c中的虚拟机迁移策略的具体过程如下：
首先根据各个虚拟机当前的CPU使用量对等待迁移的虚拟机进行升序排列，得到虚拟机迁移列表VMlist。然后对数据中心的各个物理主机按照其当前的CPU利用率进行降序排列，得到候选主机列表PMlist。为了避免出现重复迁移的情况，那些需要迁移虚拟机的主机不在候选主机之列；同时，考虑到不影响轻载主机的判定，所有候选主机的CPU利用率都大于给定阈值THL。然后根据虚拟机列表VMlist和候选主机列表PMlist 中的顺序，对于一个物理主机是否接受虚拟机的判断规则如下：
如图2所示，假定物理主机的当前CPU利用率为Ucpu，而此时在该物理主机上运行着的虚拟机数量为N，s代表不使物理主机性能下降的安全参数，y代表该物理机上剩余的可用CPU资源。那么物理主机状态可以分为三种情况进行讨论，如下所示，
则待接受的虚拟机在物理主机中的CPU利用率要小于
则待接受的虚拟机在物理主机中的CPU利用率要大于
则待接受的虚拟机在物理主机中的CPU利用率要接近或者等于
在上述的三种情况中，假定被接受的虚拟机在满足上述条件的同时，其资源需求不会超出物理主机的可用资源容量，即不会导致物理主机处于过载状态。这样，在遍历完待迁移的虚拟机列表VMlist后，所有的虚拟机都完成迁移。
优选地，步骤d中的轻载主机判定过程如下：
根据数据中心各个物理主机的CPU利用率情况，设定一个CPU利用率的下限值THL，将所有CPU利用率处于该阈值以下的主机标记为候选主机，得到一个候选主机集合。对于该集合中的每个主机，计算其功耗的平均值计算式如下：
上式中，Pj代表候选主机集合中主机j的能耗，Mj代表主机j中当前运行着的虚拟机的数量。然后，通过比较的大小，选择候选主机集合中值最大的主机作为轻载主机。
该系统适用于IaaS环境，由本地管理器和全局管理器两层结构组成。本地管理器驻留在普通物理机节点上，监测物理机节点的CPU利用率，决定哪些虚拟机在什么时候需要从该节点上迁移出去。全局管理器则驻留在主控节点上，负责收集来自各个本地管理器的信息，维持对全局的资源利用率的监控，为需要迁移的虚拟机寻找合适的宿主主机。
以上所述是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应当视为本发明的保护范围。
Claims (2)
1.一种云数据中心中能量高效的虚拟机迁移方法，其特征在于，所述云数据中心包含异构的物理主机和在物理主机上运行着的虚拟机，用户提交的任务在各个虚拟机中完成，通过虚拟机迁移的方法实现节能云数据中心的节能，包括以下具体步骤：
步骤a：云数据中心物理主机和虚拟机资源使用的监测：在每个物理主机节点上运行着的虚拟机管理器对该物理机以及运行在该物理机内的虚拟机的资源使用情况进行实时监控，并且每隔一段时间记录一次当前物理主机的CPU资源使用状态；
步骤b：云数据中心过载主机的判断：过载主机的判断是根据本地管理器中记录的物理主机的CPU资源利用率日志，利用资源预测方法来预测该物理主机上运行着的虚拟机使用的CPU资源的总和是否将会超过该物理主机容量的情况；
步骤c：云数据中心过载物理主机的处理：如果存在过载主机，则在该过载主机中选择正在运行着的虚拟机，按照虚拟机迁移策略对选中的虚拟机进行迁移，直到该过载主机恢复到正常工作状态；如果没有监测到过载主机，则返回到步骤b继续监测；
所述步骤c中的虚拟机迁移策略如下：
(2a)、首先根据各个虚拟机当前的CPU使用量对等待迁移的虚拟机进行升序排列，得到虚拟机迁移列表VMlist；
(2b)、然后对数据中心的各个物理主机按照其当前的CPU利用率进行降序排列，得到候选主机列表PMlist；
为了避免出现重复迁移的情况，那些需要迁移虚拟机的主机不在候选主机之列；同时，考虑到不影响轻载主机的判定，所有候选主机的CPU利用率都大于给定阈值THL；
(2c)、最后根据虚拟机列表VMlist和候选主机列表PMlist中的顺序，对于一个物理主机是否接受虚拟机的判断规则如下：
假定物理主机的当前CPU利用率为Ucpu，而此时在该物理主机上运行着的虚拟机数量为N，y代表该物理机上剩余的可用CPU资源，那么物理主机状态分为三种情况进行讨论，如下所示，
则待接受的虚拟机在物理主机中的CPU利用率要小于
则待接受的虚拟机在物理主机中的CPU利用率要大于
则待接受的虚拟机在物理主机中的CPU利用率要接近或者等于
在上述的三种情况中，假定被接受的虚拟机在满足上述条件的同时，其资源需求不会超出物理主机的可用资源容量，即不会导致物理主机处于过载状态，在遍历完待迁移的虚拟机列表VMlist后，所有的虚拟机都完成迁移；
步骤d：云数据中心轻载物理主机的判定：根据云数据中心各个物理主机的CPU使用情况，找出轻载状态的物理主机，然后将其上运行着的所有虚拟机使用虚拟机迁移策略迁移出去，最后关闭该物理主机以实现云数据中心的节能；若在轻载主机上运行着的虚拟机中存在一个或者多个虚拟机找不到可用的宿主主机，则不进行虚拟机迁移，该轻载主机继续运行；该过程反复迭代直到数据中心不再出现轻载主机才停止。
2.如权利要求1所述的一种云数据中心中能量高效的虚拟机迁移方法，其特征在于，所述步骤d中的轻载物理主机判定过程如下：
根据数据中心各个物理主机的CPU利用率情况，设定一个CPU利用率的下限值THL，将所有CPU利用率处于该阈值以下的主机标记为候选主机，得到一个候选主机集合，对于该集合中的每个主机，计算其功耗的平均值计算式如下：
上式中，Pj代表候选主机集合中主机j的能耗，Mj代表主机j中当前运行着的虚拟机的数量；然后，通过比较的大小，选择候选主机集合中值最大的主机作为轻载主机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510595905.2A CN105159751B (zh) | 2015-09-17 | 2015-09-17 | 一种云数据中心中能量高效的虚拟机迁移方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510595905.2A CN105159751B (zh) | 2015-09-17 | 2015-09-17 | 一种云数据中心中能量高效的虚拟机迁移方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105159751A CN105159751A (zh) | 2015-12-16 |
| CN105159751B true CN105159751B (zh) | 2018-11-09 |
Family
ID=54800615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510595905.2A Active CN105159751B (zh) | 2015-09-17 | 2015-09-17 | 一种云数据中心中能量高效的虚拟机迁移方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105159751B (zh) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930202B (zh) * | 2016-04-29 | 2019-03-08 | 合肥工业大学 | 一种三阈值的虚拟机迁移方法 |
| CN106125888B (zh) * | 2016-06-23 | 2018-12-25 | 河海大学常州校区 | 云数据中心中基于虚拟机迁移的资源利用高效的节能方法 |
| CN106296191A (zh) * | 2016-08-13 | 2017-01-04 | 深圳市樊溪电子有限公司 | 一种区块链功耗感知的PoW共识机制 |
| CN108089909A (zh) * | 2016-11-22 | 2018-05-29 | 深圳先进技术研究院 | docker集群管理调度方法及系统 |
| CN106775944A (zh) * | 2016-12-12 | 2017-05-31 | 天津工业大学 | 云平台下基于文化‑多蚁群算法虚拟机整合的方法 |
| CN106843998A (zh) * | 2016-12-16 | 2017-06-13 | 郑州云海信息技术有限公司 | 一种数据中心管理方法及装置 |
| CN106909440A (zh) * | 2017-02-27 | 2017-06-30 | 郑州云海信息技术有限公司 | 一种虚拟机调度方法及系统 |
| CN106933650B (zh) * | 2017-03-03 | 2020-08-04 | 北方工业大学 | 云应用系统的负载管理方法及系统 |
| CN108664311B (zh) * | 2017-03-31 | 2022-07-01 | 鸿富锦精密工业（深圳）有限公司 | 虚拟机迁移控制方法及装置 |
| CN107423109B (zh) * | 2017-05-24 | 2020-05-01 | 兰雨晴 | 基于匿名随机变量的虚拟机节能调度方法 |
| CN107479947A (zh) * | 2017-08-18 | 2017-12-15 | 郑州云海信息技术有限公司 | 一种虚拟机能耗优化方法和系统 |
| CN108196935B (zh) * | 2017-12-06 | 2021-11-02 | 南京邮电大学 | 一种面向云计算的虚拟机节能迁移方法 |
| CN108287749A (zh) * | 2018-01-11 | 2018-07-17 | 郑州云海信息技术有限公司 | 一种数据中心综合管理系统云资源调度方法 |
| CN109144664B (zh) * | 2018-07-26 | 2021-09-14 | 西安电子科技大学 | 一种基于用户服务质量需求差异的虚拟机动态迁移方法 |
| CN109471669A (zh) * | 2018-11-23 | 2019-03-15 | 郑州云海信息技术有限公司 | 一种云平台资源处理的方法及装置 |
| CN111381928B (zh) * | 2018-12-28 | 2021-05-25 | 中兴通讯股份有限公司 | 一种虚拟机迁移方法、云计算管理平台和存储介质 |
| CN110401695A (zh) * | 2019-06-12 | 2019-11-01 | 北京因特睿软件有限公司 | 云资源动态调度方法、装置和设备 |
| CN110399203A (zh) * | 2019-07-25 | 2019-11-01 | 南京邮电大学 | 一种基于弗雷歇距离的云计算虚拟机迁移方法 |
| CN110888713A (zh) * | 2019-11-15 | 2020-03-17 | 西安石油大学 | 一种针对异构云数据中心的可信虚拟机迁移算法 |
| CN112559122A (zh) * | 2020-11-12 | 2021-03-26 | 国家电网有限公司 | 一种基于电力专用安防设备的虚拟化实例管控方法及系统 |
| CN115562812A (zh) * | 2022-10-23 | 2023-01-03 | 国网江苏省电力有限公司信息通信分公司 | 面向机器学习训练的分布式虚拟机调度方法、装置和系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104102523A (zh) * | 2013-04-03 | 2014-10-15 | 华为技术有限公司 | 迁移虚拟机的方法和资源调度平台 |
-
2015
- 2015-09-17 CN CN201510595905.2A patent/CN105159751B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104102523A (zh) * | 2013-04-03 | 2014-10-15 | 华为技术有限公司 | 迁移虚拟机的方法和资源调度平台 |
Non-Patent Citations (4)
| Title |
|---|
| Energy Efficient Resource Management in Virtualized Cloud Data Centers;Anton Beloglazov等;《2010 10th IEEE/ACM International Conference on Cluster, Cloud and Grid Computing》;20101231;第826-831页 * |
| 基于云计算环境的资源提供优化方法研究;张小庆;《中国博士学位论文全文数据库 基础科学辑》;20131115(第11期);第16-17,36-63页 * |
| 基于虚拟机调度的数据中心节能优化;向洁等;《计算机应用》;20131201;第33卷;第3331-3334,3353页 * |
| 数据中心环境下能耗性能感知的优化方法;郭力争等;《北京邮电大学学报》;20150630;第38卷;第72-76页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105159751A (zh) | 2015-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105159751B (zh) | 一种云数据中心中能量高效的虚拟机迁移方法 | |
| Esfandiarpoor et al. | Structure-aware online virtual machine consolidation for datacenter energy improvement in cloud computing | |
| Mazzucco et al. | Maximizing cloud providers' revenues via energy aware allocation policies | |
| Huang et al. | Dynamic virtual machine migration algorithms using enhanced energy consumption model for green cloud data centers | |
| Patel et al. | Energy efficient strategy for placement of virtual machines selected from underloaded servers in compute Cloud | |
| Al-Dulaimy et al. | Type-aware virtual machine management for energy efficient cloud data centers | |
| Sekhar et al. | A survey on energy efficient server consolidation through vm live migration | |
| CN104375897A (zh) | 基于最小相对负载不均衡度的云计算资源调度方法 | |
| CN108196935A (zh) | 一种面向云计算的虚拟机节能迁移方法 | |
| Fan et al. | Agent-based service migration framework in hybrid cloud | |
| Grover et al. | Agent based dynamic load balancing in Cloud Computing | |
| Hasan et al. | Heuristic based energy-aware resource allocation by dynamic consolidation of virtual machines in cloud data center | |
| Mosa et al. | Virtual machine consolidation for cloud data centers using parameter-based adaptive allocation | |
| Choi et al. | Task classification based energy-aware consolidation in clouds | |
| Farahnakian et al. | Self-adaptive resource management system in IaaS clouds | |
| Zhou et al. | An experience-based scheme for energy-SLA balance in cloud data centers | |
| Melhem et al. | Selection process approaches in live migration: A comparative study | |
| Nzanywayingoma et al. | Efficient resource management techniques in cloud computing environment: Review and discussion | |
| Devi et al. | Dynamic batch mode cost-efficient independent task scheduling scheme in cloud computing | |
| Leite et al. | Power‐aware server consolidation for federated clouds | |
| Wang et al. | A probabilistic multi-tenant model for virtual machine mapping in cloud systems | |
| Dhanoa et al. | Power efficient hybrid VM allocation algorithm | |
| Naeen | Cost reduction using SLA-aware genetic algorithm for consolidation of virtual machines in cloud data centers | |
| CN115269110A (zh) | 云计算平台的资源分配方法、装置、电子设备和存储介质 | |
| Sajitha et al. | Dynamic VM consolidation enhancement for designing and evaluation of energy efficiency in green data centers using regression analysis |
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 |