CN105607952B - 一种虚拟化资源的调度方法及装置 - Google Patents
一种虚拟化资源的调度方法及装置 Download PDFInfo
- Publication number
- CN105607952B CN105607952B CN201510957804.5A CN201510957804A CN105607952B CN 105607952 B CN105607952 B CN 105607952B CN 201510957804 A CN201510957804 A CN 201510957804A CN 105607952 B CN105607952 B CN 105607952B
- Authority
- CN
- China
- Prior art keywords
- virtualized
- resource
- virtual machine
- virtual
- scheduling
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种虚拟化资源的调度方法及装置,该方法包括:获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟化资源分配参数;根据所述实际使用参数、所述分配参数以及预测算法,确定运行的虚拟机在下一个周期的虚拟化资源使用参数;根据获取到的所述虚拟化资源使用参数,生成调度指令,其中,所述调度指令用于调度虚拟机在下一个周期需要使用的虚拟化资源;根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量。也就是说,通过本发明实施例所提供的方法可以实时的按需的位虚拟机分配对应的虚拟化资源,从而提升了虚拟化资源的利用率,进而提升了虚拟化的进一步发展。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种虚拟化资源的调度方法及装置。
背景技术
虚拟化技术使用户可以根据需求创建虚拟机,从物理机中分配一定的虚拟化资源供虚拟机使用,并且用户可以随心所欲的分配物理机限定范围内的虚拟化资源。
但是,目前在分配给虚拟机一定的虚拟化资源后,往往不再对该虚拟机的资源进行任何调整,或者仅在虚拟化资源出现严重不足的情况下进行滞后的调整。在分配资源远大于实际使用资源的情况下,这种模式会浪费大量虚拟化资源,而在分配资源小于或接近于实际使用资源的情况下,这种模式会严重影响效率。
在这种情况下,由于虚拟化资源无法实时按需分配,导致的虚拟化资源利用率低,最终将限制虚拟化的进一步发展。
发明内容
本发明实施例提供了一种虚拟化资源的调度方法及装置,用以解决现有技术中由于虚拟化资源无法实时按需分配,导致的虚拟化资源利用率低,最终将限制虚拟化的进一步发展的问题。
其具体的技术方案如下:
一种虚拟化资源的调度方法,所述方法包括:
获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟化资源分配参数;
根据所述实际使用参数、所述分配参数以及预测算法,确定运行的虚拟机在下一个周期的虚拟化资源使用参数;
根据获取到的所述虚拟化资源使用参数,生成调度指令,其中,所述调度指令用于调度虚拟机在下一个周期需要使用的虚拟化资源;
根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量。
可选的,获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟机资源分配参数,包括:
获取某一个时刻的所有虚拟机的虚拟机内存、CPU、磁盘和网络的使用量,并将所述使用量作为所述虚拟化资源实际使用参数;或者
获取若干个时刻的所有虚拟机内存、CPU、磁盘和网络的使用量,获取若干个时刻的使用量的平均值,并将所述平均值作为所述虚拟化资源实际使用参数。
可选的,根据所述虚拟化资源实际使用参数、所述虚拟化资源分配参数以及预测算法,获取运行的虚拟机在下一个周期的虚拟化资源使用参数,包括:
根据聚类算法,对虚拟化资源实际使用参数进行分类,得到分类结果;
将所述分类结果与当前运行中的虚拟机的虚拟化资源使用参数进行匹配;
若所述分类结果与所述虚拟化资源使用参数差异超过预设阈值时,则获取运行的虚拟机在下一个周期的虚拟化资源使用参数;
若所述分类结果与所述虚拟化资源使用参数差异未超过预设阈值时,则忽略所述差异。
可选的,根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量,包括:
根据所述调度指令,读取各个物理机的虚拟化资源剩余量;
将所述虚拟化资源分配参数以及虚拟化资源剩余量带入设定调度算法,计算得到下一个周期各个虚拟机的所述虚拟化资源分配量。
可选的,在确定所述下一个周期各个虚拟机的虚拟化资源分配量之后,所述方法还包括:
根据虚拟机的虚拟化资源的限制条件,对确定出的所述虚拟化资源分配量进行重新分配,得到虚拟化资源重新分配量;
根据虚拟化资源重新分配量对虚拟机进行虚拟化资源分配。
一种虚拟化资源的调度装置,包括:
资源监控模块,用于获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟化资源分配参数;
数据分析模块,用于根据所述实际使用参数、所述分配参数以及预测算法,确定运行的虚拟机在下一个周期的虚拟化资源使用参数;根据获取到的所述虚拟化资源使用参数,生成调度指令,其中,所述调度指令用于调度虚拟机在下一个周期需要使用的虚拟化资源;
资源调度模块,用于根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量。
可选的,所述资源监控模块,具体用于获取某一个时刻的所有虚拟机的虚拟机内存、CPU、磁盘和网络的使用量,并将所述使用量作为所述虚拟化资源实际使用参数;或者获取若干个时刻的所有虚拟机内存、CPU、磁盘和网络的使用量,获取若干个时刻的使用量的平均值,并将所述平均值作为所述虚拟化资源实际使用参数。
可选的,所述数据分析模块,具体用于根据聚类算法,对虚拟化资源实际使用参数进行分类,得到分类结果;将所述分类结果与当前运行中的虚拟机的虚拟化资源使用参数进行匹配;若所述分类结果与所述虚拟化资源使用参数差异超过预设阈值时,则获取运行的虚拟机在下一个周期的虚拟化资源使用参数;若所述分类结果与所述虚拟化资源使用参数差异未超过预设阈值时,则忽略所述差异。
可选的,所述资源调度模块,具体用于根据所述调度指令,读取各个物理机的虚拟化资源剩余量;将所述虚拟化资源分配参数以及虚拟化资源剩余量带入设定调度算法,计算得到下一个周期各个虚拟机的所述虚拟化资源分配量。
可选的,所述资源调度模块,还用于根据虚拟机的虚拟化资源的限制条件,对确定出的所述虚拟化资源分配量进行重新分配,得到虚拟化资源重新分配量;根据虚拟化资源重新分配量对虚拟机进行虚拟化资源分配。
本发明提供了一种虚拟化资源的调度方法,该方法包括:获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟化资源分配参数;根据所述实际使用参数、所述分配参数以及预测算法,确定运行的虚拟机在下一个周期的虚拟化资源使用参数;根据获取到的所述虚拟化资源使用参数,生成调度指令,其中,所述调度指令用于调度虚拟机在下一个周期需要使用的虚拟化资源;根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量。也就是说,通过本发明实施例所提供的方法可以实时地按需地为虚拟机分配对应的虚拟化资源,从而提升了虚拟化资源的利用率,进而提升了虚拟化的进一步发展。
附图说明
图1为本发明实施例中一种虚拟化资源的调度方法的流程图;
图2为本发明实施例中虚拟机监控器与虚拟化资源池之间的关系示意图;
图3为本发明实施例中数据分析模块的执行流程图;
图4为本发明实施例中资源调度模块的执行流程图;
图5为本发明实施例中一种虚拟化资源的调度装置的结构示意图。
具体实施方式
本发明实施例中提供了一种虚拟化资源的调度方法,该方法包括:获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟化资源分配参数;根据所述实际使用参数、所述分配参数以及预测算法,确定运行的虚拟机在下一个周期的虚拟化资源使用参数;根据获取到的所述虚拟化资源使用参数,生成调度指令,其中,所述调度指令用于调度虚拟机在下一个周期需要使用的虚拟化资源;根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量。也就是说,通过本发明实施例所提供的方法可以实时地按需地为虚拟机分配对应的虚拟化资源,从而提升了虚拟化资源的利用率,进而提升了虚拟化的进一步发展。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解,本发明实施例以及实施例中的具体技术特征只是对本发明技术方案的说明,而不是限定,在不冲突的情况下,本发明实施例以及实施例中的具体技术特征可以相互组合。
如图1所示为本发明实施例中一种虚拟化资源的调度方法的流程图,该方法包括:
S101,获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟化资源分配参数;
S102,根据实际使用参数、分配参数以及预测算法,确定运行的虚拟机在下一个周期的虚拟化资源使用参数;
S103,根据获取到的虚拟化资源使用参数,生成调度指令;
S104,根据虚拟化资源分配参数以及调度指令,确定下一个周期各个虚拟机的虚拟化资源分配量。
具体来讲,本发明实施例所提供的方法应用到一虚拟机监控器中,如图2所示为虚拟机监控器与虚拟化资源池之间的关系示意图,该虚拟机监控器包括了资源监控模块、数据分析模块、资源调度模块。
资源监控模块,记录所有虚拟机(包括已被删除的虚拟机)在不同时刻的虚拟化资源分配参数和虚拟化资源实际使用参数,拟化资源分配参数指虚拟机监控器在特定周期内为特定虚拟机分配的内存、CPU、磁盘和网络量;虚拟化资源实际使用参数指特定周期内特定虚拟机的内存、CPU、磁盘和网络的实际使用量;
进一步,资源监控模块记录所述虚拟化资源使用情况,所述虚拟化资源使用情况记录的虚拟机内存、CPU、磁盘和网络的实际使用量,是特定周期内通过抽取某一时刻的虚拟机内存、CPU、磁盘和网络的使用量作为样本直接获取,或通过抽取若干时刻的虚拟机内存、CPU、磁盘和网络的使用量作为样本通过简单代数平均计算获取。
数据分析模块,根据实际使用参数、分配参数以及预测算法,确定运行的虚拟机在下一个周期的虚拟化资源使用参数,根据预测算法计算得到虚拟化资源使用参数,生成调度指令。
具体来讲,数据分析模块根据虚拟化资源实际使用参数,通过特定的预测算法进行预测;所述预测算法,首先采用非监督式的聚类算法对特定资源的所述虚拟化资源使用情况进行分类,接着将分类后的特定资源的虚拟化资源使用情况和当前运行中的虚拟机的特定资源的虚拟化资源使用情况进行匹配,最后通过神经网络的方法预测当前运行中的虚拟机在下一个周期的特定资源使用情况;
进一步来讲,如图3所示,预测算法首先从虚拟化资源使用参数选取时间长度相同的内存、CPU、磁盘和网络使用量的时间序列,通过聚类算法进行聚类分析,将时间序列进行分类。聚类算法以时间序列的曼哈顿距离、欧氏距离、相关系数等作为距离度量,采用模糊聚类分析方法,如常见的FuzzyC-Means聚类算法,进行时间序列的模糊聚类。根据聚类结果,构建神经网络并使用聚类得到的各个子簇对神经网络进行训练,然后将当前运行中的虚拟机的特定资源的虚拟化资源使用参数作为输入,即可输出当前运行中的虚拟机在下一个周期的特定资源使用参数,完成下一个周期的虚拟化资源使用参数的有效预测。
根据所述预测算法得到的运行中的虚拟机在下一个周期的内存、CPU、磁盘和网络使用参数,以及所述虚拟化资源分配参数,数据分析模块生成虚拟机调度指令,整合成对应的虚拟化资源调度命令,指导下一周期的虚拟化资源分配,如果预测出的虚拟化资源使用参数和当前虚拟化资源使用参数差异较小,则忽略该变化;
此后,数据分析模块根据虚拟化资源使用情况预测,整合出虚拟化资源调度命令,并将该命令传输至资源调度模块,同时资源监控模块将虚拟化资源分配情况传输至资源调度模块。
资源调度模块根据所述调度指令,读取各个物理机的虚拟化资源剩余量;将所述虚拟化资源分配参数以及虚拟化资源剩余量带入设定调度算法,计算得到下一个周期各个虚拟机的所述虚拟化资源分配量。
具体来讲,资源调度模块结合虚拟化资源调度指令、虚拟化资源分配参数和从虚拟机监控器获取的资源现状,通过调度算法对虚拟化资源进行调度,调度算法的主要流程如图4所示。
调度算法是一个优化问题,出于高效率的考虑,特定虚拟机的内存、CPU、磁盘和网络资源应当来源于同一物理机,而来源于同一物理机的虚拟机的内存、CPU、磁盘和网络资源的总和应当小于该物理机的内存、CPU、磁盘和网络资源也就是部分内存、CPU、磁盘和网络资源应当留作运行虚拟机监控器等。而优化问题的优化目标则是达成负载均衡和调度量小,以便于实现更高效稳定的虚拟化环节。在此基础上,通过常见的优化算法,如贪心算法、蚁群算法、遗传算法,首先建立初始调度方案,进而迭代进行对应的信息素寻径、种群繁殖等步骤,直至找到最优解,即作为虚拟化资源的资源调度方法。
也就是说,根据虚拟机的虚拟化资源的限制条件,对确定出的虚拟化资源分配量进行重新分配,得到虚拟化资源重新分配量,根据虚拟化资源重新分配量对虚拟机进行虚拟化资源分配。
通过上述的实施例,虚拟化资源监控器可以实时地按需地为虚拟机分配对应的虚拟化资源,从而提升了虚拟化资源的利用率,进而提升了虚拟化的进一步发展。
对应本发明实施例中的一种虚拟化资源的调度方法,本发明实施例还提供了一种虚拟化资源的调度装置,如图5所示为本发明实施例中一种虚拟化资源的调度装置的结构示意图,该装置包括:
资源监控模块501,用于获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟化资源分配参数;
数据分析模块502,用于根据所述实际使用参数、所述分配参数以及预测算法,确定运行的虚拟机在下一个周期的虚拟化资源使用参数;根据获取到的所述虚拟化资源使用参数,生成调度指令,其中,所述调度指令用于调度虚拟机在下一个周期需要使用的虚拟化资源;
资源调度模块503,用于根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量。
进一步,在本发明实施例中,所述资源监控模块501,具体用于获取某一个时刻的所有虚拟机的虚拟机内存、CPU、磁盘和网络的使用量,并将所述使用量作为所述虚拟化资源实际使用参数;或者获取若干个时刻的所有虚拟机内存、CPU、磁盘和网络的使用量,获取若干个时刻的使用量的平均值,并将所述平均值作为所述虚拟化资源实际使用参数。
进一步,在本发明实施例中,所述数据分析模块502,具体用于根据聚类算法,对虚拟化资源实际使用参数进行分类,得到分类结果;将所述分类结果与当前运行中的虚拟机的虚拟化资源使用参数进行匹配;若所述分类结果与所述虚拟化资源使用参数差异超过预设阈值时,则获取运行的虚拟机在下一个周期的虚拟化资源使用参数;若所述分类结果与所述虚拟化资源使用参数差异未超过预设阈值时,则忽略所述差异。
进一步,在本发明实施例中,所述资源调度模块503,具体用于根据所述调度指令,读取各个物理机的虚拟化资源剩余量;将所述虚拟化资源分配参数以及虚拟化资源剩余量带入设定调度算法,计算得到下一个周期各个虚拟机的所述虚拟化资源分配量。
进一步,在本发明实施例中,所述资源调度模块503,还用于根据虚拟机的虚拟化资源的限制条件,对确定出的所述虚拟化资源分配量进行重新分配,得到虚拟化资源重新分配量;根据虚拟化资源重新分配量对虚拟机进行虚拟化资源分配。
尽管已描述了本申请的优选实施例,但本领域内的普通技术人员一旦得知了基本创造性概念,则可对这些实施例作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申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种虚拟化资源的调度方法,其特征在于,所述方法包括:
获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟化资源分配参数;
根据聚类算法,对虚拟化资源实际使用参数进行分类,得到分类结果;
基于所述分类结果,构建并训练神经网络,将当前运行中的虚拟机的特定资源的虚拟化资源使用参数作为输入,得到输出结果;
若所述输出结果与所述虚拟化资源使用参数差异超过预设阈值时,则获取运行的虚拟机在下一个周期的虚拟化资源使用参数;
根据获取到的所述虚拟化资源使用参数,生成调度指令,其中,所述调度指令用于调度虚拟机在下一个周期需要使用的虚拟化资源;
根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量。
2.如权利要求1所述的方法,其特征在于,获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟机资源分配参数,包括:
获取某一个时刻的所有虚拟机的虚拟机内存、CPU、磁盘和网络的使用量,并将所述使用量作为所述虚拟化资源实际使用参数;或者
获取若干个时刻的所有虚拟机内存、CPU、磁盘和网络的使用量,获取若干个时刻的使用量的平均值,并将所述平均值作为所述虚拟化资源实际使用参数。
3.如权利要求1所述的方法,其特征在于,在所述基于所述分类结果,构建并训练神经网络,将当前运行中的虚拟机的特定资源的虚拟化资源使用参数作为输入,得到输出结果之后,包括:
若所述输出结果与所述虚拟化资源使用参数差异未超过预设阈值时,则忽略所述差异。
4.如权利要求1所述的方法,其特征在于,根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量,包括:
根据所述调度指令,读取各个物理机的虚拟化资源剩余量;
将所述虚拟化资源分配参数以及虚拟化资源剩余量带入设定调度算法,计算得到下一个周期各个虚拟机的所述虚拟化资源分配量。
5.如权利要求1所述的方法,其特征在于,在确定所述下一个周期各个虚拟机的虚拟化资源分配量之后,所述方法还包括:
根据虚拟机的虚拟化资源的限制条件,对确定出的所述虚拟化资源分配量进行重新分配,得到虚拟化资源重新分配量;
根据虚拟化资源重新分配量对虚拟机进行虚拟化资源分配。
6.一种虚拟化资源的调度装置,其特征在于,包括:
资源监控模块,用于获取所有虚拟机对应的虚拟化资源实际使用参数以及虚拟化资源分配参数;
数据分析模块,用于根据聚类算法,对虚拟化资源实际使用参数进行分类,得到分类结果;基于所述分类结果,构建并训练神经网络,将当前运行中的虚拟机的特定资源的虚拟化资源使用参数作为输入,得到输出结果;若所述输出结果与所述虚拟化资源使用参数差异超过预设阈值时,则获取运行的虚拟机在下一个周期的虚拟化资源使用参数;根据获取到的所述虚拟化资源使用参数,生成调度指令,其中,所述调度指令用于调度虚拟机在下一个周期需要使用的虚拟化资源;
资源调度模块,用于根据所述虚拟化资源分配参数以及所述调度指令,确定所述下一个周期各个虚拟机的虚拟化资源分配量。
7.如权利要求6所述的装置,其特征在于,所述资源监控模块,具体用于获取某一个时刻的所有虚拟机的虚拟机内存、CPU、磁盘和网络的使用量,并将所述使用量作为所述虚拟化资源实际使用参数;或者获取若干个时刻的所有虚拟机内存、CPU、磁盘和网络的使用量,获取若干个时刻的使用量的平均值,并将所述平均值作为所述虚拟化资源实际使用参数。
8.如权利要求6所述的装置,其特征在于,所述数据分析模块,具体还用于若所述输出结果与所述虚拟化资源使用参数差异未超过预设阈值时,则忽略所述差异。
9.如权利要求6所述的装置,其特征在于,所述资源调度模块,具体用于根据所述调度指令,读取各个物理机的虚拟化资源剩余量;将所述虚拟化资源分配参数以及虚拟化资源剩余量带入设定调度算法,计算得到下一个周期各个虚拟机的所述虚拟化资源分配量。
10.如权利要求6所述的装置,其特征在于,所述资源调度模块,还用于根据虚拟机的虚拟化资源的限制条件,对确定出的所述虚拟化资源分配量进行重新分配,得到虚拟化资源重新分配量;根据虚拟化资源重新分配量对虚拟机进行虚拟化资源分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510957804.5A CN105607952B (zh) | 2015-12-18 | 2015-12-18 | 一种虚拟化资源的调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510957804.5A CN105607952B (zh) | 2015-12-18 | 2015-12-18 | 一种虚拟化资源的调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105607952A CN105607952A (zh) | 2016-05-25 |
CN105607952B true CN105607952B (zh) | 2021-04-20 |
Family
ID=55987906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510957804.5A Active CN105607952B (zh) | 2015-12-18 | 2015-12-18 | 一种虚拟化资源的调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105607952B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106293945A (zh) * | 2016-08-11 | 2017-01-04 | 浪潮(北京)电子信息产业有限公司 | 一种跨虚拟机的资源感知方法及系统 |
CN106407013B (zh) * | 2016-09-30 | 2020-05-26 | 苏州浪潮智能科技有限公司 | 资源动态调度的方法、装置、资源调度服务器及系统 |
CN108459905B (zh) * | 2017-02-17 | 2022-01-14 | 华为技术有限公司 | 资源池容量规划方法及服务器 |
CN110262891B (zh) * | 2018-10-30 | 2020-08-25 | 湖北省农村信用社联合社网络信息中心 | 跨虚拟化平台自动化多功能资源循环利用系统 |
CN109947567B (zh) * | 2019-03-14 | 2021-07-20 | 深圳先进技术研究院 | 一种多智能体强化学习调度方法、系统及电子设备 |
CN109976880B (zh) * | 2019-04-10 | 2021-08-31 | 上海东方财富证券投资咨询有限公司 | 一种虚拟机资源使用的方法及其系统 |
CN114647481A (zh) * | 2020-12-17 | 2022-06-21 | 中兴通讯股份有限公司 | 虚拟化资源的配置方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336722A (zh) * | 2013-07-16 | 2013-10-02 | 上海大学 | 一种虚拟机cpu资源监控和动态分配方法 |
CN103729252A (zh) * | 2013-12-20 | 2014-04-16 | 杭州华为数字技术有限公司 | 一种虚拟机调度的方法及调度监控器 |
CN104753977A (zh) * | 2013-12-26 | 2015-07-01 | 中国石油化工股份有限公司 | 基于模糊聚类的地震处理解释基础设施云资源调度方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8359594B1 (en) * | 2009-06-30 | 2013-01-22 | Sychron Advanced Technologies, Inc. | Automated rapid virtual machine provisioning system |
CN102759984A (zh) * | 2012-06-13 | 2012-10-31 | 上海交通大学 | 虚拟化服务器集群的电源和性能管理系统 |
CN104050043A (zh) * | 2014-06-17 | 2014-09-17 | 华为技术有限公司 | 基于共享缓存感知的虚拟机调度方法和装置 |
-
2015
- 2015-12-18 CN CN201510957804.5A patent/CN105607952B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336722A (zh) * | 2013-07-16 | 2013-10-02 | 上海大学 | 一种虚拟机cpu资源监控和动态分配方法 |
CN103729252A (zh) * | 2013-12-20 | 2014-04-16 | 杭州华为数字技术有限公司 | 一种虚拟机调度的方法及调度监控器 |
CN104753977A (zh) * | 2013-12-26 | 2015-07-01 | 中国石油化工股份有限公司 | 基于模糊聚类的地震处理解释基础设施云资源调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105607952A (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105607952B (zh) | 一种虚拟化资源的调度方法及装置 | |
CN110096349B (zh) | 一种基于集群节点负载状态预测的作业调度方法 | |
Zhang et al. | Slaq: quality-driven scheduling for distributed machine learning | |
CN110869909B (zh) | 应用机器学习算法来计算健康分数以进行工作负载调度的系统和方法 | |
CN108984301B (zh) | 自适应云资源调配方法和装置 | |
CN111258767B (zh) | 复杂系统仿真应用的云计算资源智能分配方法与装置 | |
Mahgoub et al. | Wisefuse: Workload characterization and dag transformation for serverless workflows | |
EP4068090A1 (en) | Container scheduling method and apparatus, and non-volatile computer-readable storage medium | |
US20170109205A1 (en) | Computing Resources Workload Scheduling | |
US9705816B2 (en) | Method and apparatus for allocating resource reflecting adaptive evaluation in cloud computing for high-throughput computing | |
US20150295970A1 (en) | Method and device for augmenting and releasing capacity of computing resources in real-time stream computing system | |
CN108804227A (zh) | 基于移动云计算的计算密集型任务卸载和最佳资源配置的方法 | |
US9374314B2 (en) | QoS aware balancing in data centers | |
CN112148468B (zh) | 一种资源调度方法、装置、电子设备及存储介质 | |
CN111414070A (zh) | 一种机箱功耗管理方法、系统及电子设备和存储介质 | |
CN106471473A (zh) | 用于控制数据中心中的服务器过高分配的机制 | |
CN104391879A (zh) | 层次聚类的方法及装置 | |
US20220035665A1 (en) | Sharing of compute resources between the virtualized radio access network (vran) and other workloads | |
CN111367632B (zh) | 一种基于周期特征的容器云调度方法 | |
CN115586961A (zh) | 一种ai平台计算资源任务调度方法、装置及介质 | |
CN113158435B (zh) | 基于集成学习的复杂系统仿真运行时间预测方法与设备 | |
CN106406976A (zh) | 云计算环境下io密集型应用识别方法及装置 | |
CN117349026A (zh) | 一种用于aigc模型训练的分布式算力调度系统 | |
US20140122403A1 (en) | Loading prediction method and electronic device using the same | |
CN114741160A (zh) | 一种基于平衡能耗与服务质量的动态虚拟机整合方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |