CN105824686B - 一种虚拟机宿主机的选择方法和选择系统 - Google Patents

一种虚拟机宿主机的选择方法和选择系统 Download PDF

Info

Publication number
CN105824686B
CN105824686B CN201610141549.1A CN201610141549A CN105824686B CN 105824686 B CN105824686 B CN 105824686B CN 201610141549 A CN201610141549 A CN 201610141549A CN 105824686 B CN105824686 B CN 105824686B
Authority
CN
China
Prior art keywords
resource
physical machine
axis
node
physical
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
Application number
CN201610141549.1A
Other languages
English (en)
Other versions
CN105824686A (zh
Inventor
李伟杰
王志军
房秉毅
贾智宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201610141549.1A priority Critical patent/CN105824686B/zh
Publication of CN105824686A publication Critical patent/CN105824686A/zh
Application granted granted Critical
Publication of CN105824686B publication Critical patent/CN105824686B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F9/44—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
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • 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
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing

Abstract

本发明提供一种虚拟机宿主机的选择方法和选择系统。选择方法包括：查询并过滤出剩余物理资源大于虚拟机创建时要求资源的第一物理机节点；创建三维坐标系，比较各个第一物理机节点在三维坐标系中构成的向量与待创建虚拟机在三维坐标系中构成的向量之间的夹角大小，筛选出夹角最小的第二物理机节点；判断第二物理机节点的个数，当第二物理机节点为一个时，选择该第二物理机节点作为待创建虚拟机的宿主机；当第二物理机节点为多个时，则按照三个维度资源的重要性程度依次对多个第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个第二物理机节点作为待创建虚拟机的宿主机。该选择方法提高了虚拟机调度中资源的利用率。

Description

一种虚拟机宿主机的选择方法和选择系统
技术领域
本发明涉及通信技术领域，具体地，涉及一种虚拟机宿主机的选择方法和选择系统。
背景技术
随着智能化信息时代的到来，人们对计算机能力的要求越来越高，特别是一些学校、企业和研究机构，普通的小型计算机集群已不能够满足他们对计算、存储和网络的要求。云计算正是在这样的情形下应运而生，它是科学技术和互联网引发海量信息处理的必然需求。
云计算集成了大规模数据中心、分布式数据处理、虚拟化技术等一些计算机科学发展史上的里程碑技术，将计算、存储、通信等服务作为商品提供给顾客。在云计算的数据中心里包含大量的硬件基础设施，经过虚拟化后构成用于海量计算、存储和网络资源的虚拟资源池，能够为企业和个人提供源源不断的服务。
目前针对云计算的研究主要有数据中心的虚拟机资源调度、海量数据存储和大规模监测系统三个主要的方面。其中虚拟机调度涉及用户服务质量、系统的性能和能量消耗等方面，如何将云数据中心的共享虚拟机资源合理地按用户需求动态的分配以提高资源的利用率并提升云计算的系统性能，是云计算研究中的重点和难点。
由于云计算的虚拟化特性将资源分为虚拟资源和物理资源，使得虚拟机调度不同于其它分布式计算环境下的资源调度，它可以划分为两级，一级调度在虚拟资源层，为任务与虚拟机的匹配，一个合理的调度算法即要找到满足一定优化目标的任务与虚拟机节点映射；二级调度在物理资源层，为虚拟机节点与物理机节点的匹配，只有将虚拟机部署到物理机上才能保证任务的执行，业内称为虚拟机部署，同样一个合理的部署算法十分重要，能够影响到服务质量和系统性能。
云环境下的虚拟机调度按照其调度目标的不同可分为：以减少任务执行时间为目标的调度算法、以提高资源利用率为目标的调度算法、以系统负载均衡为目标的调度算法和以降低系统能耗为目标的调度算法。目前业内提出的调度算法主要有传统的调度算法、基于预测的调度算法、基于信任机制的调度算法和基于启发式智能调度算法。
当前，虚拟机在物理资源层的二级调度方法不能合理的分配多维度资源，几个维度资源消耗比例不同，当宿主机满载时，会出现某个维度资源消耗殆尽，另一维度资源空闲很多，造成资源的利用率不高，系统负载不均衡，且系统能耗较高。
发明内容
本发明针对现有技术中存在的上述技术问题，提供一种虚拟机宿主机的选择方法和选择系统。该虚拟机宿主机的选择方法能够实现虚拟机与物理机节点的匹配过程中多维度资源的合理分配，从而不仅提高了虚拟机调度中资源的利用率，使系统负载更加均衡，而且还大大降低了系统能耗。
本发明提供一种虚拟机宿主机的选择方法，包括：
查询多个待创建虚拟机的物理机节点各自剩余的物理资源，并将剩余的物理资源大于所述虚拟机创建时要求的资源的第一物理机节点过滤出来；所述物理资源包括三个维度的资源，所述第一物理机节点为多个；
创建三维坐标系，所述三维坐标系中的三个坐标轴分别表示三个维度的资源，比较各个所述第一物理机节点在所述三维坐标系中构成的向量与所述待创建虚拟机在所述三维坐标系中构成的向量之间的夹角大小，将夹角最小的第二物理机节点筛选出来；
判断所述第二物理机节点的个数为一个还是多个，如果所述第二物理机节点为一个，则选择该所述第二物理机节点作为所述待创建虚拟机的宿主机；如果所述第二物理机节点为多个，则按照三个维度的资源的重要性程度依次对多个所述第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个所述第二物理机节点作为所述待创建虚拟机的宿主机。
优选地，所述创建三维坐标系，所述三维坐标系中的三个坐标轴分别表示三个维度的资源，比较各个所述第一物理机节点在所述三维坐标系中构成的向量与所述待创建虚拟机在所述三维坐标系中构成的向量之间的夹角，将夹角最小的第二物理机节点筛选出来包括：
设所述三维坐标系中的三个坐标轴分别为X轴、Y轴和Z轴，所述X轴、所述Y轴和所述Z轴两两之间相互垂直，所述X轴、所述Y轴和所述Z轴分别表示三个维度的资源；
根据公式
计算各个所述第一物理机节点向量与所述待创建虚拟机向量之间的夹角的余弦值；其中，αi为第i个所述第一物理机节点向量与所述待创建虚拟机向量之间的夹角；xi、yi、zi分别为第i个所述第一物理机节点的剩余的三个维度的资源；a、b、c分别为三个维度资源的重要程度系数；x、y、z分别为所述待创建虚拟机要求的三个维度的资源；axi、byi、czi分别为第i个所述第一物理机节点在所述X轴、所述Y轴和所述Z轴上的坐标；ax、by、cz分别为所述待创建虚拟机在所述X轴、所述Y轴和所述Z轴上的坐标；
从多个余弦值中筛选出最大的余弦值，最大的余弦值对应的所述第一物理机节点为所述第二物理机节点。
优选地，所述按照三个维度的资源的重要性程度依次对多个所述第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个所述第二物理机节点作为所述待创建虚拟机的宿主机包括：
设定三个维度的资源的重要性程度为：X轴维度的资源大于Y轴维度的资源，Y轴维度的资源大于Z轴维度的资源；
先比较多个所述第二物理机节点剩余的X轴维度的资源的大小，选出剩余的X轴维度的资源最大的第三物理机节点；判断所述第三物理机节点的个数为一个还是多个，如果所述第三物理机节点为一个，则选择该所述第三物理机节点作为所述待创建虚拟机的宿主机；如果所述第三物理机节点为多个，再比较多个所述第三物理机节点剩余的Y轴维度的资源的大小，选出剩余的Y轴维度的资源最大的第四物理机节点；判断所述第四物理机节点的个数为一个还是多个，如果所述第四物理机节点为一个，则选择该所述第四物理机节点作为所述待创建虚拟机的宿主机；如果所述第四物理机节点为多个，则从多个所述第四物理机节点中随机选一个作为所述待创建虚拟机的宿主机。
优选地，所述三个维度的资源包括CPU资源、内存资源和硬盘资源。
优选地，所述X轴维度的资源为所述内存资源，所述Y轴维度的资源为所述硬盘资源，所述Z轴维度的资源为所述CPU资源。
本发明还提供一种虚拟机宿主机的选择系统，包括：
查询过滤模块，用于查询多个待创建虚拟机的物理机节点各自剩余的物理资源，并将剩余的物理资源大于所述虚拟机创建时要求的资源的第一物理机节点过滤出来；所述物理资源包括三个维度的资源，所述第一物理机节点为多个；
创建模块，用于创建三维坐标系，所述三维坐标系中的三个坐标轴分别表示三个维度的资源；
比较筛选模块，用于比较各个所述第一物理机节点在所述三维坐标系中构成的向量与所述待创建虚拟机在所述三维坐标系中构成的向量之间的夹角大小，将夹角最小的第二物理机节点筛选出来；
判断确定模块，用于判断所述第二物理机节点的个数为一个还是多个，当所述第二物理机节点为一个时，选择该所述第二物理机节点作为所述待创建虚拟机的宿主机；当所述第二物理机节点为多个时，按照三个维度的资源的重要性程度依次对多个所述第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个所述第二物理机节点作为所述待创建虚拟机的宿主机。
优选地，所述比较筛选模块包括：
设定单元，用于设所述三维坐标系中的三个坐标轴分别为X轴、Y轴和Z轴，所述X轴、所述Y轴和所述Z轴两两之间相互垂直，所述X轴、所述Y轴和所述Z轴分别表示三个维度的资源；
计算单元，用于根据公式
计算各个所述第一物理机节点向量与所述待创建虚拟机向量之间的夹角的余弦值；其中，αi为第i个所述第一物理机节点向量与所述待创建虚拟机向量之间的夹角；xi、yi、zi分别为第i个所述第一物理机节点的剩余的三个维度的资源；a、b、c分别为三个维度资源的重要程度系数；x、y、z分别为所述待创建虚拟机要求的三个维度的资源；axi、byi、czi分别为第i个所述第一物理机节点在所述X轴、所述Y轴和所述Z轴上的坐标；ax、by、cz分别为所述待创建虚拟机在所述X轴、所述Y轴和所述Z轴上的坐标；
筛选单元，用于从多个余弦值中筛选出最大的余弦值，最大的余弦值对应的所述第一物理机节点为所述第二物理机节点。
优选地，所述设定单元还用于设定三个维度的资源的重要性程度为：X轴维度的资源大于Y轴维度的资源，Y轴维度的资源大于Z轴维度的资源；
所述判断确定模块包括：
第一比较确定单元，用于比较多个所述第二物理机节点剩余的X轴维度的资源的大小，选出剩余的X轴维度的资源最大的第三物理机节点；并当所述第三物理机节点为一个时，选择该所述第三物理机节点作为所述待创建虚拟机的宿主机；
第二比较确定单元，用于当所述第三物理机节点为多个时，比较多个所述第三物理机节点剩余的Y轴维度的资源的大小，选出剩余的Y轴维度的资源最大的第四物理机节点；并当所述第四物理机节点为一个时，选择该所述第四物理机节点作为所述待创建虚拟机的宿主机；
第三确定单元，用于当所述第四物理机节点为多个时，从多个所述第四物理机节点中随机选一个作为所述待创建虚拟机的宿主机；
判断单元，用于判断所述第二物理机节点的个数为一个还是多个；还用于判断所述第三物理机节点的个数为一个还是多个，并判断所述第四物理机节点的个数为一个还是多个。
优选地，所述三个维度的资源包括CPU资源、内存资源和硬盘资源。
优选地，所述X轴维度的资源为所述内存资源，所述Y轴维度的资源为所述硬盘资源，所述Z轴维度的资源为所述CPU资源。
本发明的有益效果：本发明所提供的虚拟机宿主机的选择方法，通过创建三维坐标系，并将三维坐标系中与待创建虚拟机向量夹角最小的物理机节点向量筛选出来，从中选择一个作为待创建虚拟机的宿主机，能够实现虚拟机与物理机节点的匹配过程中多维度资源的合理分配，从而不仅提高了虚拟机调度中资源的利用率，使系统负载更加均衡，而且还大大降低了系统能耗。
本发明所提供的虚拟机宿主机的选择系统，通过设置查询过滤模块、创建模块、比较筛选模块和判断确定模块，能够实现虚拟机与物理机节点的匹配过程中多维度资源的合理分配，从而不仅提高了虚拟机调度中资源的利用率，使系统负载更加均衡，而且还大大降低了系统能耗。
附图说明
图1为本发明实施例1中虚拟机宿主机的选择方法的流程图；
图2为本发明实施例2中虚拟机宿主机的选择方法中步骤14的流程图；
图3为本发明实施例3中虚拟机宿主机的选择系统的原理框图；
图4为本发明实施例4中虚拟机宿主机的选择系统的原理框图。
其中的附图标记说明：
1.查询过滤模块；2.创建模块；3.比较筛选模块；31.设定单元；32.计算单元；33.筛选单元；4.判断确定模块；41.第一比较确定单元；42.第二比较确定单元；43.第三确定单元；44.判断单元。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明所提供的一种虚拟机宿主机的选择方法和选择系统作进一步详细描述。
实施例1：
本实施例提供一种虚拟机宿主机的选择方法，如图1所示，包括：
步骤10：查询多个待创建虚拟机的物理机节点各自剩余的物理资源，并将剩余的物理资源大于虚拟机创建时要求的资源的第一物理机节点过滤出来。
其中，物理资源包括三个维度的资源，第一物理机节点为多个。
步骤11：创建三维坐标系，三维坐标系中的三个坐标轴分别表示三个维度的资源，比较各个第一物理机节点在三维坐标系中构成的向量与待创建虚拟机在三维坐标系中构成的向量之间的夹角大小，将夹角最小的第二物理机节点筛选出来。
通过该步骤，能将剩余的三个维度的资源与待创建虚拟机要求的资源最接近的物理机节点筛选出来，从而能使虚拟机与物理机节点的匹配过程中多维度资源的分配更加合理，提高虚拟机调度中资源的利用率，使系统负载更加均衡。
步骤12：判断第二物理机节点的个数为一个还是多个。如果第二物理机节点为一个，则执行步骤13：选择该第二物理机节点作为待创建虚拟机的宿主机；如果第二物理机节点为多个，则执行步骤14：按照三个维度的资源的重要性程度依次对多个第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个第二物理机节点作为待创建虚拟机的宿主机。
通过该步骤，能对符合步骤11中条件的物理机节点按照三个维度资源的重要性程度进行进一步筛选，从而能最终选出三个维度资源均最优的一个物理机节点作为待创建虚拟机的宿主机，进而进一步提高了虚拟机调度中资源的利用率，使系统负载更加均衡，同时还降低了系统能耗。
通过该虚拟机宿主机的选择方法，能够实现虚拟机与物理机节点的匹配过程中多维度资源的合理分配，从而不仅提高了虚拟机调度中资源的利用率，使系统负载更加均衡，而且还大大降低了系统能耗。
实施例2：
本实施例提供一种虚拟机宿主机的选择方法，包括：
步骤10：查询多个待创建虚拟机的物理机节点各自剩余的物理资源，并将剩余的物理资源大于虚拟机创建时要求的资源的第一物理机节点过滤出来。
其中，物理资源包括三个维度的资源，第一物理机节点为多个。需要说明的是，如果第一物理机节点为一个，则不再进行后续步骤，直接选择该第一物理机节点作为待创建虚拟机的宿主机。
步骤11：创建三维坐标系，三维坐标系中的三个坐标轴分别表示三个维度的资源，比较各个第一物理机节点在三维坐标系中构成的向量与待创建虚拟机在三维坐标系中构成的向量之间的夹角大小，将夹角最小的第二物理机节点筛选出来。
该步骤包括：
步骤111：设三维坐标系中的三个坐标轴分别为X轴、Y轴和Z轴，X轴、Y轴和Z轴两两之间相互垂直，X轴、Y轴和Z轴分别表示三个维度的资源。
其中，三个维度的资源包括CPU资源、内存资源和硬盘资源。CPU资源、内存资源和硬盘资源为本实施例虚拟机调度中主要考虑的三种资源，也是传统的虚拟机调度中主要考虑的三种资源。需要说明的是，三个维度的资源也可以是根据虚拟机创建的要求确定的三个其他维度的资源。
步骤112：根据公式
计算各个第一物理机节点向量与待创建虚拟机向量之间的夹角的余弦值。其中，αi为第i个第一物理机节点向量与待创建虚拟机向量之间的夹角；xi、yi、zi分别为第i个第一物理机节点的剩余的三个维度的资源；a、b、c分别为三个维度资源的重要程度系数；x、y、z分别为待创建虚拟机要求的三个维度的资源；axi、byi、czi分别为第i个第一物理机节点在X轴、Y轴和Z轴上的坐标；ax、by、cz分别为待创建虚拟机在X轴、Y轴和Z轴上的坐标。
该步骤中，各个第一物理机节点以及待创建虚拟机在三维坐标系中分别构成一个向量，各个第一物理机节点向量在X轴、Y轴和Z轴上的坐标分别表示各个第一物理机节点三个维度的剩余资源；待创建虚拟机向量在X轴、Y轴和Z轴上的坐标表示待创建虚拟机要求的三个维度的资源。
步骤113：从多个余弦值中筛选出最大的余弦值，最大的余弦值对应的第一物理机节点为第二物理机节点。
该步骤中，第一物理机节点向量与待创建虚拟机向量之间的夹角的余弦值越大，则第一物理机节点向量与待创建虚拟机向量之间的夹角越小，因此，找到夹角余弦值最大的第一物理机节点，则这些夹角余弦值最大的第一物理机节点向量与待创建虚拟机向量之间的夹角最小。夹角最小的物理机节点的三个维度剩余资源的比例与待创建虚拟机要求的三个维度资源的比例最接近，即第二物理机节点最适合作为待创建虚拟机的宿主机。通过该步骤，使虚拟机与物理机节点的匹配过程中三个维度的资源能够更加合理地分配，从而提高了虚拟机调度中资源的利用率，进而使系统负载更加均衡。
步骤12：判断第二物理机节点的个数为一个还是多个。如果第二物理机节点为一个，则执行步骤13：选择该第二物理机节点作为待创建虚拟机的宿主机。如果第二物理机节点为多个，则执行步骤14：按照三个维度的资源的重要性程度依次对多个第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个第二物理机节点作为待创建虚拟机的宿主机。
其中，步骤14包括：如图2所示，
步骤141：设定三个维度的资源的重要性程度为：X轴维度的资源大于Y轴维度的资源，Y轴维度的资源大于Z轴维度的资源。
需要说明的是，三个维度资源的重要性程度可以随意设定，并不仅仅局限于步骤141中的这一种设置方式，即也可以设置为：Y轴维度的资源大于X轴维度的资源，X轴维度的资源大于Z轴维度的资源，或者，Z轴维度的资源大于X轴维度的资源，X轴维度的资源大于Y轴维度的资源等。
步骤142：先比较多个第二物理机节点剩余的X轴维度的资源的大小，选出剩余的X轴维度的资源最大的第三物理机节点。
步骤143：判断第三物理机节点的个数为一个还是多个。如果第三物理机节点为一个，则执行步骤144：选择该第三物理机节点作为待创建虚拟机的宿主机；如果第三物理机节点为多个，再执行步骤145：比较多个第三物理机节点剩余的Y轴维度的资源的大小，选出剩余的Y轴维度的资源最大的第四物理机节点。
步骤146：判断第四物理机节点的个数为一个还是多个。如果第四物理机节点为一个，则执行步骤147：选择该第四物理机节点作为待创建虚拟机的宿主机。如果第四物理机节点为多个，则执行步骤148：从多个第四物理机节点中随机选一个作为待创建虚拟机的宿主机。
本实施例中，X轴维度的资源为内存资源，Y轴维度的资源为硬盘资源，Z轴维度的资源为CPU资源。由于在传统的虚拟机调度中，内存资源的重要性程度大于硬盘资源和CPU资源，所以需要最优先考虑，即首先选择内存资源最大的物理机节点；而硬盘资源的重要性程度大于CPU资源，所以在内存资源优先考虑后，再考虑硬盘资源，选择硬盘资源最大的物理机节点；最后考虑CPU资源，CPU资源可以在满足内存资源和硬盘资源的物理机节点选定之后，从其中随机选出一个，并将该物理机节点作为待创建虚拟机的宿主机。
通过步骤141-148对物理机节点三个维度剩余资源的进一步筛选，能进一步地提升虚拟机与物理机节点的匹配过程中三个维度资源的合理分配程度，从而提高了虚拟机调度中资源的利用率，进而使系统负载更加均衡。
实施例1-2的有益效果：实施例1-2中所提供的虚拟机宿主机的选择方法，通过创建三维坐标系，并将三维坐标系中与待创建虚拟机向量夹角最小的物理机节点向量筛选出来，从中选择一个作为待创建虚拟机的宿主机，能够实现虚拟机与物理机节点的匹配过程中多维度资源的合理分配，从而不仅提高了虚拟机调度中资源的利用率，使系统负载更加均衡，而且还大大降低了系统能耗。
实施例3：
本实施例提供一种虚拟机宿主机的选择系统，如图3所示，包括：
查询过滤模块1，用于查询多个待创建虚拟机的物理机节点各自剩余的物理资源，并将剩余的物理资源大于虚拟机创建时要求的资源的第一物理机节点过滤出来。物理资源包括三个维度的资源，第一物理机节点为多个。
创建模块2，用于创建三维坐标系，所述三维坐标系中的三个坐标轴分别表示三个维度的资源。
比较筛选模块3，用于比较各个第一物理机节点在三维坐标系中构成的向量与待创建虚拟机在三维坐标系中构成的向量之间的夹角大小，将夹角最小的第二物理机节点筛选出来。
判断确定模块4，用于判断第二物理机节点的个数为一个还是多个，当第二物理机节点为一个时，选择该第二物理机节点作为待创建虚拟机的宿主机；当第二物理机节点为多个时，按照三个维度的资源的重要性程度依次对多个第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个第二物理机节点作为待创建虚拟机的宿主机。
通过该虚拟机宿主机的选择系统，能够实现虚拟机与物理机节点的匹配过程中多维度资源的合理分配，从而不仅提高了虚拟机调度中资源的利用率，使系统负载更加均衡，而且还大大降低了系统能耗。
实施例4：
本实施例提供一种虚拟机宿主机的选择系统，如图4所示，在实施例3的基础上，本实施例中的比较筛选模块3包括：
设定单元31，用于设三维坐标系中的三个坐标轴分别为X轴、Y轴和Z轴，X轴、Y轴和Z轴两两之间相互垂直，X轴、Y轴和Z轴分别表示三个维度的资源。
计算单元32，用于根据公式
计算各个第一物理机节点向量与待创建虚拟机向量之间的夹角的余弦值；其中，αi为第i个第一物理机节点向量与待创建虚拟机向量之间的夹角；xi、yi、zi分别为第i个第一物理机节点的剩余的三个维度的资源；a、b、c分别为三个维度资源的重要程度系数；x、y、z分别为待创建虚拟机要求的三个维度的资源；axi、byi、czi分别为第i个第一物理机节点在X轴、Y轴和Z轴上的坐标；ax、by、cz分别为待创建虚拟机在X轴、Y轴和Z轴上的坐标。
筛选单元33，用于从多个余弦值中筛选出最大的余弦值，最大的余弦值对应的第一物理机节点为第二物理机节点。
计算单元32和筛选单元33的设置，使虚拟机与物理机节点的匹配过程中三个维度的资源能够更加合理地分配，从而提高了虚拟机调度中资源的利用率，进而使系统负载更加均衡。
本实施例中，设定单元31还用于设定三个维度的资源的重要性程度为：X轴维度的资源大于Y轴维度的资源，Y轴维度的资源大于Z轴维度的资源。
判断确定模块4包括：第一比较确定单元41，用于比较多个第二物理机节点剩余的X轴维度的资源的大小，选出剩余的X轴维度的资源最大的第三物理机节点；并当第三物理机节点为一个时，选择该第三物理机节点作为待创建虚拟机的宿主机。
第二比较确定单元42，用于当第三物理机节点为多个时，比较多个第三物理机节点剩余的Y轴维度的资源的大小，选出剩余的Y轴维度的资源最大的第四物理机节点；并当第四物理机节点为一个时，选择该第四物理机节点作为待创建虚拟机的宿主机。
第三确定单元43，用于当第四物理机节点为多个时，从多个第四物理机节点中随机选一个作为待创建虚拟机的宿主机。
判断单元44，用于判断第二物理机节点的个数为一个还是多个；还用于判断第三物理机节点的个数为一个还是多个，并判断第四物理机节点的个数为一个还是多个。
本实施例中，三个维度的资源包括CPU资源、内存资源和硬盘资源。X轴维度的资源为内存资源，Y轴维度的资源为硬盘资源，Z轴维度的资源为CPU资源。
本实施例中，通过设置第一比较确定单元41、第二比较确定单元42、第三确定单元43和判断单元44，能够实现对物理机节点三个维度剩余资源的进一步筛选，从而能进一步地提升虚拟机与物理机节点的匹配过程中三个维度资源的合理分配程度，进而提高了虚拟机调度中资源的利用率，使系统负载更加均衡。
实施例3-4的有益效果：实施例3-4中所提供的虚拟机宿主机的选择系统，通过设置查询过滤模块、创建模块、比较筛选模块和判断确定模块，能够实现虚拟机与物理机节点的匹配过程中多维度资源的合理分配，从而不仅提高了虚拟机调度中资源的利用率，使系统负载更加均衡，而且还大大降低了系统能耗。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种虚拟机宿主机的选择方法，其特征在于，包括：
查询多个待创建虚拟机的物理机节点各自剩余的物理资源，并将剩余的物理资源大于所述虚拟机创建时要求的资源的第一物理机节点过滤出来；所述物理资源包括三个维度的资源，所述第一物理机节点为多个；
创建三维坐标系，所述三维坐标系中的三个坐标轴分别表示三个维度的资源，比较各个所述第一物理机节点在所述三维坐标系中构成的向量与所述待创建虚拟机在所述三维坐标系中构成的向量之间的夹角大小，将夹角最小的第二物理机节点筛选出来；
判断所述第二物理机节点的个数为一个还是多个，如果所述第二物理机节点为一个，则选择该所述第二物理机节点作为所述待创建虚拟机的宿主机；如果所述第二物理机节点为多个，则按照三个维度的资源的重要性程度依次对多个所述第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个所述第二物理机节点作为所述待创建虚拟机的宿主机。
2.根据权利要求1所述的选择方法，其特征在于，所述创建三维坐标系，所述三维坐标系中的三个坐标轴分别表示三个维度的资源，比较各个所述第一物理机节点在所述三维坐标系中构成的向量与所述待创建虚拟机在所述三维坐标系中构成的向量之间的夹角，将夹角最小的第二物理机节点筛选出来包括：
设所述三维坐标系中的三个坐标轴分别为X轴、Y轴和Z轴，所述X轴、所述Y轴和所述Z轴两两之间相互垂直，所述X轴、所述Y轴和所述Z轴分别表示三个维度的资源；
根据公式
计算各个所述第一物理机节点向量与所述待创建虚拟机向量之间的夹角的余弦值；其中，αi为第i个所述第一物理机节点向量与所述待创建虚拟机向量之间的夹角；xi、yi、zi分别为第i个所述第一物理机节点的剩余的三个维度的资源；a、b、c分别为三个维度资源的重要程度系数；x、y、z分别为所述待创建虚拟机要求的三个维度的资源；axi、byi、czi分别为第i个所述第一物理机节点在所述X轴、所述Y轴和所述Z轴上的坐标；ax、by、cz分别为所述待创建虚拟机在所述X轴、所述Y轴和所述Z轴上的坐标；
从多个余弦值中筛选出最大的余弦值，最大的余弦值对应的所述第一物理机节点为所述第二物理机节点。
3.根据权利要求2所述的选择方法，其特征在于，所述按照三个维度的资源的重要性程度依次对多个所述第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个所述第二物理机节点作为所述待创建虚拟机的宿主机包括：
设定三个维度的资源的重要性程度为：X轴维度的资源大于Y轴维度的资源，Y轴维度的资源大于Z轴维度的资源；
先比较多个所述第二物理机节点剩余的X轴维度的资源的大小，选出剩余的X轴维度的资源最大的第三物理机节点；判断所述第三物理机节点的个数为一个还是多个，如果所述第三物理机节点为一个，则选择该所述第三物理机节点作为所述待创建虚拟机的宿主机；如果所述第三物理机节点为多个，再比较多个所述第三物理机节点剩余的Y轴维度的资源的大小，选出剩余的Y轴维度的资源最大的第四物理机节点；判断所述第四物理机节点的个数为一个还是多个，如果所述第四物理机节点为一个，则选择该所述第四物理机节点作为所述待创建虚拟机的宿主机；如果所述第四物理机节点为多个，则从多个所述第四物理机节点中随机选一个作为所述待创建虚拟机的宿主机。
4.根据权利要求3所述的选择方法，其特征在于，所述三个维度的资源包括CPU资源、内存资源和硬盘资源。
5.根据权利要求4所述的选择方法，其特征在于，所述X轴维度的资源为所述内存资源，所述Y轴维度的资源为所述硬盘资源，所述Z轴维度的资源为所述CPU资源。
6.一种虚拟机宿主机的选择系统，其特征在于，包括：
查询过滤模块，用于查询多个待创建虚拟机的物理机节点各自剩余的物理资源，并将剩余的物理资源大于所述虚拟机创建时要求的资源的第一物理机节点过滤出来；所述物理资源包括三个维度的资源，所述第一物理机节点为多个；
创建模块，用于创建三维坐标系，所述三维坐标系中的三个坐标轴分别表示三个维度的资源；
比较筛选模块，用于比较各个所述第一物理机节点在所述三维坐标系中构成的向量与所述待创建虚拟机在所述三维坐标系中构成的向量之间的夹角大小，将夹角最小的第二物理机节点筛选出来；
判断确定模块，用于判断所述第二物理机节点的个数为一个还是多个，当所述第二物理机节点为一个时，选择该所述第二物理机节点作为所述待创建虚拟机的宿主机；当所述第二物理机节点为多个时，按照三个维度的资源的重要性程度依次对多个所述第二物理机节点的各个维度的资源进行最优化筛选，最终选择三个维度资源均最优的一个所述第二物理机节点作为所述待创建虚拟机的宿主机。
7.根据权利要求6所述的选择系统，其特征在于，所述比较筛选模块包括：
设定单元，用于设所述三维坐标系中的三个坐标轴分别为X轴、Y轴和Z轴，所述X轴、所述Y轴和所述Z轴两两之间相互垂直，所述X轴、所述Y轴和所述Z轴分别表示三个维度的资源；
计算单元，用于根据公式
计算各个所述第一物理机节点向量与所述待创建虚拟机向量之间的夹角的余弦值；其中，αi为第i个所述第一物理机节点向量与所述待创建虚拟机向量之间的夹角；xi、yi、zi分别为第i个所述第一物理机节点的剩余的三个维度的资源；a、b、c分别为三个维度资源的重要程度系数；x、y、z分别为所述待创建虚拟机要求的三个维度的资源；axi、byi、czi分别为第i个所述第一物理机节点在所述X轴、所述Y轴和所述Z轴上的坐标；ax、by、cz分别为所述待创建虚拟机在所述X轴、所述Y轴和所述Z轴上的坐标；
筛选单元，用于从多个余弦值中筛选出最大的余弦值，最大的余弦值对应的所述第一物理机节点为所述第二物理机节点。
8.根据权利要求7所述的选择系统，其特征在于，所述设定单元还用于设定三个维度的资源的重要性程度为：X轴维度的资源大于Y轴维度的资源，Y轴维度的资源大于Z轴维度的资源；
所述判断确定模块包括：
第一比较确定单元，用于比较多个所述第二物理机节点剩余的X轴维度的资源的大小，选出剩余的X轴维度的资源最大的第三物理机节点；并当所述第三物理机节点为一个时，选择该所述第三物理机节点作为所述待创建虚拟机的宿主机；
第二比较确定单元，用于当所述第三物理机节点为多个时，比较多个所述第三物理机节点剩余的Y轴维度的资源的大小，选出剩余的Y轴维度的资源最大的第四物理机节点；并当所述第四物理机节点为一个时，选择该所述第四物理机节点作为所述待创建虚拟机的宿主机；
第三确定单元，用于当所述第四物理机节点为多个时，从多个所述第四物理机节点中随机选一个作为所述待创建虚拟机的宿主机；
判断单元，用于判断所述第二物理机节点的个数为一个还是多个；还用于判断所述第三物理机节点的个数为一个还是多个，并判断所述第四物理机节点的个数为一个还是多个。
9.根据权利要求8所述的选择系统，其特征在于，所述三个维度的资源包括CPU资源、内存资源和硬盘资源。
10.根据权利要求9所述的选择系统，其特征在于，所述X轴维度的资源为所述内存资源，所述Y轴维度的资源为所述硬盘资源，所述Z轴维度的资源为所述CPU资源。
CN201610141549.1A 2016-03-11 2016-03-11 一种虚拟机宿主机的选择方法和选择系统 Active CN105824686B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610141549.1A CN105824686B (zh) 2016-03-11 2016-03-11 一种虚拟机宿主机的选择方法和选择系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610141549.1A CN105824686B (zh) 2016-03-11 2016-03-11 一种虚拟机宿主机的选择方法和选择系统

Publications (2)

Publication Number Publication Date
CN105824686A CN105824686A (zh) 2016-08-03
CN105824686B true CN105824686B (zh) 2019-03-22

Family

ID=56987219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610141549.1A Active CN105824686B (zh) 2016-03-11 2016-03-11 一种虚拟机宿主机的选择方法和选择系统

Country Status (1)

Country Link
CN (1) CN105824686B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108241531A (zh) * 2016-12-23 2018-07-03 阿里巴巴集团控股有限公司 一种在集群中为虚拟机分配资源的方法和装置
CN109558214B (zh) * 2018-12-05 2021-06-15 腾讯科技（深圳）有限公司 异构环境下宿主机资源管理方法、装置和存储介质
CN111367646B (zh) * 2020-03-31 2023-08-22 中国工商银行股份有限公司 容器转移方法及系统
CN111367677A (zh) * 2020-03-31 2020-07-03 中国工商银行股份有限公司 集群资源分配方法及系统
CN111324424B (zh) * 2020-04-15 2023-07-18 中国联合网络通信集团有限公司 一种虚拟机部署方法、装置、服务器及存储介质
CN111666158A (zh) * 2020-06-23 2020-09-15 中信银行股份有限公司 一种基于Kubernetes的容器调度方法、装置、存储介质及电子设备
CN112019628A (zh) * 2020-09-01 2020-12-01 江西凌峰售电有限公司 一种基于物联网的低延迟低能耗的智慧平台系统
CN113515209B (zh) * 2020-11-26 2023-07-25 腾讯科技（深圳）有限公司 音乐筛选方法、装置、设备及介质
CN113259206A (zh) * 2021-07-13 2021-08-13 云宏信息科技股份有限公司 监控节点选择方法、存储介质和存储集群

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929687A (zh) * 2012-10-12 2013-02-13 山东省计算中心 一种节能的云计算数据中心虚拟机放置方法
CN103701934A (zh) * 2014-01-13 2014-04-02 浪潮(北京)电子信息产业有限公司 一种资源优化调度方法及虚拟机宿主机优化选择方法
CN103885831A (zh) * 2012-12-19 2014-06-25 中国电信股份有限公司 虚拟机宿主机的选择方法与装置
US9047313B2 (en) * 2011-04-21 2015-06-02 Red Hat Israel, Ltd. Storing virtual machines on a file system in a distributed environment
CN105279027A (zh) * 2015-11-19 2016-01-27 浪潮(北京)电子信息产业有限公司 一种虚拟机部署方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9184982B2 (en) * 2013-01-15 2015-11-10 Hewlett-Packard Development Company, L.P. Balancing the allocation of virtual machines in cloud systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9047313B2 (en) * 2011-04-21 2015-06-02 Red Hat Israel, Ltd. Storing virtual machines on a file system in a distributed environment
CN102929687A (zh) * 2012-10-12 2013-02-13 山东省计算中心 一种节能的云计算数据中心虚拟机放置方法
CN103885831A (zh) * 2012-12-19 2014-06-25 中国电信股份有限公司 虚拟机宿主机的选择方法与装置
CN103701934A (zh) * 2014-01-13 2014-04-02 浪潮(北京)电子信息产业有限公司 一种资源优化调度方法及虚拟机宿主机优化选择方法
CN105279027A (zh) * 2015-11-19 2016-01-27 浪潮(北京)电子信息产业有限公司 一种虚拟机部署方法及装置

Also Published As

Publication number Publication date
CN105824686A (zh) 2016-08-03

Similar Documents

Publication Publication Date Title
CN105824686B (zh) 一种虚拟机宿主机的选择方法和选择系统
Zhu et al. Task scheduling for multi-cloud computing subject to security and reliability constraints
Ali et al. An automated task scheduling model using non-dominated sorting genetic algorithm II for fog-cloud systems
Jatoth et al. QoS-aware Big service composition using MapReduce based evolutionary algorithm with guided mutation
Ningning et al. Fog computing dynamic load balancing mechanism based on graph repartitioning
CN104050042B (zh) Etl作业的资源分配方法及装置
Song et al. Scheduling workflows with composite tasks: A nested particle swarm optimization approach
CN103793272A (zh) 一种周期性任务调度方法及系统
CN105471985A (zh) 负载均衡方法及云平台计算方法、云平台
CN108768716A (zh) 一种微服务路径选择方法及装置
Gandomi et al. HybSMRP: a hybrid scheduling algorithm in Hadoop MapReduce framework
Liu et al. Towards intelligent data placement for scientific workflows in collaborative cloud environment
CN116934056B (zh) 车辆调度方法、装置、计算机设备和存储介质
Koh et al. MapReduce skyline query processing with partitioning and distributed dominance tests
CN109409746A (zh) 一种生产调度方法及装置
Lan et al. Task partitioning and orchestration on heterogeneous edge platforms: The case of vision applications
Gounaris et al. A novel approach to resource scheduling for parallel query processing on computational grids
Chen et al. Research on workflow scheduling algorithms in the cloud
Menouer et al. New multi-objectives scheduling strategies in docker swarmkit
Sontakke et al. Optimization of hadoop mapreduce model in cloud computing environment
Zhiyong et al. An improved container cloud resource scheduling strategy
Zhao et al. BaPipe: Exploration of balanced pipeline parallelism for DNN training
CN107590000B (zh) 二次随机资源管理方法/系统、计算机存储介质及设备
Rostami et al. TMaLB: A Tolerable Many-objective Load Balancing Technique for IoT Workflows Allocation
Lin et al. A multi-centric model of resource and capability management in cloud simulation

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