CN105843678A - 一种基于最优化理论的虚拟机的资源调度迁移方法及系统 - Google Patents

一种基于最优化理论的虚拟机的资源调度迁移方法及系统 Download PDF

Info

Publication number
CN105843678A
CN105843678A CN201610153355.3A CN201610153355A CN105843678A CN 105843678 A CN105843678 A CN 105843678A CN 201610153355 A CN201610153355 A CN 201610153355A CN 105843678 A CN105843678 A CN 105843678A
Authority
CN
China
Prior art keywords
resource
virtual machine
scheduling
resources
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.)
Granted
Application number
CN201610153355.3A
Other languages
English (en)
Other versions
CN105843678B (zh
Inventor
李亮
曲延盛
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.)
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Shandong Electric Power 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 State Grid Corp of China SGCC, Information and Telecommunication Branch of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201610153355.3A priority Critical patent/CN105843678B/zh
Publication of CN105843678A publication Critical patent/CN105843678A/zh
Application granted granted Critical
Publication of CN105843678B publication Critical patent/CN105843678B/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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
    • G06F9/4856—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration
    • 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
    • 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]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于最优化理论的虚拟机的资源调度迁移方法及系统，本发明根据各个虚拟机的占用资源量，构建虚拟机经济指标取值区间，确定每个虚拟机的资源占用率；确定各个虚拟机的需要的最少占用资源，根据其建立占用资源最小阈值约束条件，建立虚拟环境下同一类资源的资源归属约束条件，确认同一时间只有一个虚拟机在使用同一类资源；根据占用资源最小阈值约束条件和资源归属约束条件，求解资源占用率的最优值，计算得到虚拟机和资源的占用关系，根据计算结果进行虚拟机的资源的调度迁移，进行资源的优化分配，能够实现虚拟机调度迁移的经济性指标、可靠性指标和安全指标的具体量化，确定最优化的虚拟机调度迁移策略。

Description

一种基于最优化理论的虚拟机的资源调度迁移方法及系统
技术领域
本发明涉及一种基于最优化理论的虚拟机的资源调度迁移方法及系统。
背景技术
随着计算机技术的快速发展，云计算逐渐兴起，特别是虚拟化技术，在提高应用系统的可靠性的同时降低了运维成本，被大型企事业单位广泛采用。
作为虚拟化技术的核心，虚拟机调度迁移方案是否合适，则决定着应用的安全、可靠和经济指标，而上述指标的目标并不是统一的，甚至存在互斥，例如可靠指标要求尽量将虚拟机调度到资源空闲且稳定性高的物理机上，做到虚拟机资源占用最大化；而经济性指标则要求将尽量多的虚拟机调度到某一台或者某几台虚拟机上，做到物理机资源最大化利用。如何综合考虑上述指标实现最优化虚拟机调度迁移仍然缺少有效的方法，目前虚拟机调度迁移方案往往只考虑上述因素的一种，例如可靠性，不能兼顾多重指标。因此急需一种虚拟机调度迁移方法，提供满足安全、可靠和经济性最优化虚拟机调度迁移策略。
发明内容
本发明为了解决上述问题，提出了一种基于最优化理论的虚拟机的资源调度迁移方法及系统，本发明能够实现虚拟机调度迁移的经济性指标、可靠性指标和安全指标的具体量化，确定最优化的虚拟机调度迁移策略。
为了实现上述目的，本发明采用如下技术方案：
一种基于最优化理论的虚拟机的资源调度迁移系统，包括多个虚拟机、物理机和管理模块，其中：
所述虚拟机共享物理机的物理资源，虚拟机和物理机的关系是多对多对应，一台物理机资源供若干个虚拟机使用，一台虚拟机也同时占用若干台物理机的资源，所述管理模块综合监控物理机的物理资源，根据每个虚拟机的资源需求、安全性和可靠性，为虚拟机分配物理资源，实现虚拟机的迁移调度。
所述物理资源包括具有计算资源、传输资源、存储资源和输入输出资源四种资源。
所述所有物理机的资源形成整个资源池。
一种基于最优化理论的虚拟机的资源调度迁移方法，包括以下步骤：
(1)根据各个虚拟机的资源需求，构建虚拟机经济指标取值区间确定不同资源占用情况下的资源占用率得分；
(2)确定各个虚拟机的需要的最少占用资源，根据其建立占用资源最小阈值约束条件；
(3)建立虚拟环境下同一类资源的资源归属约束条件，确认同一时间只有一个虚拟机在使用同一类资源；
(4)根据占用资源最小阈值约束条件和资源归属约束条件，求解所有虚拟机的资源占用率总和的最优值，计算得到各个虚拟机的资源的占用值，根据计算结果进行虚拟机的资源的调度迁移，进行资源的优化分配。
所述步骤(1)中，资源占用率得分取值区间为连续且有界的，虚拟机的占用资源越高得分越高。
所述步骤(1)中，资源占用率是每个虚拟机的占用的物理资源与资源池中所有物理资源的比值。
所述步骤(2)中，确定各个虚拟机可靠运行时所需要的最少资源，将其作为占用资源最小阈值，则相应的占用资源最小阈值约束条件为各个虚拟机占用的资源需要大于等于其最小阈值。
所述步骤(3)中，需要确定安全性原则，即两个或者多个虚拟机不能占用同一类资源。
所述步骤(4)中，以同时满足占用资源最小阈值约束条件和资源归属约束条件为前提，计算所有虚拟机的资源占用率之和，求解使其最小。
所述步骤(4)中，按照所有虚拟机的资源占用率之和最小时的各个虚拟机的资源占用率，根据其对每个虚拟机的资源进行迁移、调整。
优选的，本发明中步骤(2)和步骤(3)可以互换，并不影响整体的优化效果。
本发明的有益效果为：
(1)综合了经济性指标、可靠性指标和安全性指标，对其进行量化，便于所有虚拟机的管理和衡量、评估；
(2)以多种约束为前提，以物理资源占用量最小为优化目标，建立优化模型，求解得到最优解，使得在满足各个虚拟机的稳定运行的前提下，进一步提到效率和资源的合理化安排、调度；
(3)本发明的优化方法可以进一步应用到云计算中虚拟机的旁路攻击防范、网络资源的高效分配与利用、虚拟机的配置与优化等多个应用领域，有助于虚拟化技术的发展。
附图说明
图1为本发明的系统结构示意图；
图2为本发明的流程示意图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
为了满足节能的需求，虚拟机调度算法一般采用集中的策略，将虚拟机尽可能集中在有限的物理服务器上，关闭空闲的服务器，从而降低能耗。
但是负载集中也会影响性能方面。因为在云计算环境中，不同虚拟机之间共享宿主机的资源。因此，负载集中的同时也应当根据性能需求适当分散负载，避免负载过度集中而影响性能。
这几个指标是相互牵制和影响的，安全检测机制在一定程度上造成性能的损耗，同时在虚拟机放置策略中引入安全信任级别也在一定程度上增加了放置算法的复杂度，从而影响云计算整体性能。因此需要综合考虑虚拟机放置问题中的性能，能耗和安全三个方面因素。
如图1所示，一种虚拟化资源池系统，它包括物理资源和虚拟机、管理主机。
所述物理资源包括具有计算资源、传输资源、存储资源和输入输出资源四种资源，在虚拟化资源池的资源是共享的，可以供虚拟机共同使用。
所有物理机的资源形成资源池。
本发明用J＝{j1…jn}、C＝{c1…cn}、S＝{s1…sn}、I＝{i1…in}分别表示资源池的计算资源、传输资源、存储资源和输入输出资源，其中j1、c1、s1、i1分别表示虚拟机1的计算资源、传输资源、存储资源和输入输出资源。
所述虚拟机是运行在物理资源上的逻辑服务器，共享物理机上的计算资源、传输资源、存储资源和输入输出资源，虚拟机和物理机的关系是多对多的关系，即一台物理机资源可以供多个虚拟机使用，一台虚拟机可以占用多台物理机的资源。对于任意一台虚拟机XI，用O(XI)＝{ji、ci、si、ii}表示虚拟机XI的资源占用情况。
所述管理主机能够综合监控物理资源，并且能够为虚拟机分配物理资源，实现虚拟机的迁移调度。
如图2所示，基于最优化理论的虚拟机调度迁移方法，具体步骤为：
步骤一：量化经济指标。对于任意一个虚拟机，其占用资源越多越有益。本发明用JJ(XI)表示该虚拟机占用一定资源后的经济指标得分，其中该得分的取值区间是有界的和连续的，虚拟机XI的占用资源越高得分越高，若XI的占用资源池全部资源，则其得分最高，相反，若XI的不占用资源，则其得分最低；可以为虚拟机分配的资源多也可以为虚拟机分配的资源少，因此资源占用率不是一个确定的值。JJ(XI)与XI的资源占用率成正比。
资源占用率是每个虚拟机的占用的物理资源与资源池中所有物理资源的比值。
步骤二：量化可靠性指标。对于任意一个虚拟机XI，其可靠运行与占用资源多少是有关系的。本发明用KK(XI)表示该虚拟机可靠运行所需的最少资源，当O(XI)>＝KK(XI)时虚拟机可靠运行，反之运行不可靠；
在此对可靠运行所需的最少资源进行详细解释，就是少于这些资源，这个虚拟机承载的应用无法运行，或者功能受限制。比如一个虚拟机承载的应用是有上万个用户访问，需要的带宽至少1G，若分配不够1G，那用户体验就会受限。
步骤三：量化安全性指标。虚拟环境下，出于安全性考虑，两个或者多个虚拟机不能占用同一类资源，即O(XI)∩O(Xj)＝0，其中l≠j。
步骤四：迁移方案求解。综合上述量化指标就可以将虚拟机调度迁移转化为最优化求解的问题，即
Min∑JJ(Xj)
约束条件：O(XI)>＝KK(XI)，O(XI)∩O(Xj)＝0
管理主机计算上述最优值就得到虚拟机和资源的占用关系。
资源占用率得分是一个有界的区间，分配越多得分越高，不是一个确定的值。计算资源可以近似看成是CPU分配，多分配一个CPU哪就会多一个单元耗电，经济性就会差，但是还得保障虚拟机能够正常运行，所以得至少分配他所需的最少资源。
步骤五：进行虚拟机调度迁移。按照上述最优化问题求解得到的结果，对每个虚拟机进行资源分配。
在此步骤中，虚拟机的资源分配值小于资源池的总资源量，且虚拟机的资源分配值包括虚拟机的预留资源的分配值、资源上限的分配值，具体涵盖了计算资源、传输资源、存储资源和输入输出资源四种资源类型。
在解决上述问题后，可以基于解求得当前最优虚拟机迁移策略，得到当前状态下近最优接，利用该最优解指导多个虚拟机的放置、调度和资源配置，从而有效地兼顾安全，能耗和性能因素。
进一步的，本发明的优化方法可以进一步应用到云计算中虚拟机的旁路攻击防范、网络资源的高效分配与利用、虚拟机的配置与优化等多个应用领域。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于最优化理论的虚拟机的资源调度迁移系统，其特征是：包括多个虚拟机、物理机和管理模块，其中：
所述虚拟机共享物理机的物理资源，虚拟机和物理机的关系是多对多的关系，一台物理机资源供若干个虚拟机使用，一台虚拟机也同时占用若干台物理机的资源，所述管理模块综合监控物理机的物理资源，根据每个虚拟机的资源需求、安全性和可靠性，为虚拟机分配物理资源，实现虚拟机的迁移调度。
2.如权利要求1所述的一种基于最优化理论的虚拟机的资源调度迁移系统，其特征是：所述物理资源包括具有计算资源、传输资源、存储资源和输入输出资源四种资源。
3.如权利要求1所述的一种基于最优化理论的虚拟机的资源调度迁移系统，其特征是：所述所有物理机的资源形成整个资源池。
4.一种基于最优化理论的虚拟机的资源调度迁移方法，其特征是：包括以下步骤：
(1)根据各个虚拟机的资源需求，构建虚拟机经济指标取值区间确定不同资源占用情况下的资源占用率得分；
(2)确定各个虚拟机的需要的最少占用资源，根据其建立占用资源最小阈值约束条件；
(3)建立虚拟环境下同一类资源的资源归属约束条件，确认同一时间只有一个虚拟机在使用同一类资源；
(4)根据占用资源最小阈值约束条件和资源归属约束条件，求解所有虚拟机的资源占用率总和的最优值，计算得到各个虚拟机的资源的占用值，根据计算结果进行虚拟机的资源的调度迁移，进行资源的优化分配。
5.如权利要求4所述的一种基于最优化理论的虚拟机的资源调度迁移方法，其特征是：所述步骤(1)中，资源占用率的得分取值区间为连续且有界的，虚拟机的占用资源越高得分越高。
6.如权利要求4所述的一种基于最优化理论的虚拟机的资源调度迁移方法，其特征是：所述步骤(1)中，资源占用率是每个虚拟机的占用的物理资源与资源池中所有物理资源的比值。
7.如权利要求4所述的一种基于最优化理论的虚拟机的资源调度迁移方法，其特征是：所述步骤(2)中，确定各个虚拟机可靠运行时所需要的最少资源，将其作为占用资源最小阈值，则相应的占用资源最小阈值约束条件为各个虚拟机占用的资源需要大于等于其最小阈值。
8.如权利要求4所述的一种基于最优化理论的虚拟机的资源调度迁移方法，其特征是：所述步骤(3)中，需要确定安全性原则，即两个或者多个虚拟机不能占用同一类资源。
9.如权利要求4所述的一种基于最优化理论的虚拟机的资源调度迁移方法，其特征是：所述步骤(4)中，以同时满足占用资源最小阈值约束条件和资源归属约束条件为前提，计算所有虚拟机的资源占用率之和，求解使其最小。
10.如权利要求4所述的一种基于最优化理论的虚拟机的资源调度迁移方法，其特征是：所述步骤(4)中，按照所有虚拟机的资源占用率之和最小时的各个虚拟机的资源占用率，根据其对每个虚拟机的资源进行迁移、调整。
CN201610153355.3A 2016-03-17 2016-03-17 一种基于最优化理论的虚拟机的资源调度迁移方法及系统 Active CN105843678B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610153355.3A CN105843678B (zh) 2016-03-17 2016-03-17 一种基于最优化理论的虚拟机的资源调度迁移方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610153355.3A CN105843678B (zh) 2016-03-17 2016-03-17 一种基于最优化理论的虚拟机的资源调度迁移方法及系统

Publications (2)

Publication Number Publication Date
CN105843678A true CN105843678A (zh) 2016-08-10
CN105843678B CN105843678B (zh) 2018-02-06

Family

ID=56587124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610153355.3A Active CN105843678B (zh) 2016-03-17 2016-03-17 一种基于最优化理论的虚拟机的资源调度迁移方法及系统

Country Status (1)

Country Link
CN (1) CN105843678B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107291528A (zh) * 2017-07-14 2017-10-24 郑州云海信息技术有限公司 虚拟机迁移的处理方法和装置
CN108681479A (zh) * 2018-05-17 2018-10-19 中国科学院软件研究所 一种面向数据挖掘云的资源调度方法
CN108804210A (zh) * 2018-04-23 2018-11-13 北京奇艺世纪科技有限公司 一种云平台的资源配置方法及装置
CN110245015A (zh) * 2019-03-01 2019-09-17 浙江工业大学 基于最优二元交换的服务器优化调度方法
CN113138849A (zh) * 2020-01-20 2021-07-20 阿里巴巴集团控股有限公司 一种计算资源调度和迁移方法、相关装置及系统
CN113326135A (zh) * 2021-06-21 2021-08-31 桂林航天工业学院 一种多目标下的云资源调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593134B (zh) * 2009-06-29 2012-05-30 北京航空航天大学 虚拟机cpu资源分配方法和装置
CN102521052A (zh) * 2011-12-06 2012-06-27 北京航空航天大学 虚拟化数据中心资源分配方法及虚拟机监控器
CN104063265A (zh) * 2014-07-04 2014-09-24 云南电网公司 一种虚拟资源的综合评估方法
CN104572302A (zh) * 2015-01-04 2015-04-29 中国联合网络通信集团有限公司 一种实现资源分配的方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593134B (zh) * 2009-06-29 2012-05-30 北京航空航天大学 虚拟机cpu资源分配方法和装置
CN102521052A (zh) * 2011-12-06 2012-06-27 北京航空航天大学 虚拟化数据中心资源分配方法及虚拟机监控器
CN104063265A (zh) * 2014-07-04 2014-09-24 云南电网公司 一种虚拟资源的综合评估方法
CN104572302A (zh) * 2015-01-04 2015-04-29 中国联合网络通信集团有限公司 一种实现资源分配的方法及装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107291528A (zh) * 2017-07-14 2017-10-24 郑州云海信息技术有限公司 虚拟机迁移的处理方法和装置
CN108804210A (zh) * 2018-04-23 2018-11-13 北京奇艺世纪科技有限公司 一种云平台的资源配置方法及装置
CN108804210B (zh) * 2018-04-23 2021-05-25 北京奇艺世纪科技有限公司 一种云平台的资源配置方法及装置
CN108681479A (zh) * 2018-05-17 2018-10-19 中国科学院软件研究所 一种面向数据挖掘云的资源调度方法
CN108681479B (zh) * 2018-05-17 2021-09-03 中国科学院软件研究所 一种面向数据挖掘云的资源调度方法
CN110245015A (zh) * 2019-03-01 2019-09-17 浙江工业大学 基于最优二元交换的服务器优化调度方法
CN110245015B (zh) * 2019-03-01 2021-07-27 浙江工业大学 基于最优二元交换的服务器优化调度方法
CN113138849A (zh) * 2020-01-20 2021-07-20 阿里巴巴集团控股有限公司 一种计算资源调度和迁移方法、相关装置及系统
CN113138849B (zh) * 2020-01-20 2024-04-26 阿里巴巴集团控股有限公司 一种计算资源调度和迁移方法、相关装置及系统
CN113326135A (zh) * 2021-06-21 2021-08-31 桂林航天工业学院 一种多目标下的云资源调度方法
CN113326135B (zh) * 2021-06-21 2023-08-22 桂林航天工业学院 一种多目标下的云资源调度方法

Also Published As

Publication number Publication date
CN105843678B (zh) 2018-02-06

Similar Documents

Publication Publication Date Title
CN105843678A (zh) 一种基于最优化理论的虚拟机的资源调度迁移方法及系统
Zhou et al. Virtual machine placement algorithm for both energy-awareness and SLA violation reduction in cloud data centers
Pedram Energy-efficient datacenters
CN104991830B (zh) 基于服务等级协议的yarn资源分配和节能调度方法及系统
Beloglazov et al. Energy-aware resource allocation heuristics for efficient management of data centers for cloud computing
CN103118124B (zh) 一种基于分层多代理的云计算负载均衡方法
CN102780759B (zh) 基于调度目标空间的云计算资源调度方法
Liu et al. Resource preprocessing and optimal task scheduling in cloud computing environments
CN104636197B (zh) 一种数据中心虚拟机迁移调度策略的评价方法
Zhang et al. A genetic algorithm‐based task scheduling for cloud resource crowd‐funding model
Badshah et al. Performance‐based service‐level agreement in cloud computing to optimise penalties and revenue
CN104657215A (zh) 云计算中虚拟化节能系统
CN104636187B (zh) 基于负载预测的numa架构中虚拟机调度方法
CN103336722B (zh) 一种虚拟机cpu资源监控和动态分配方法
CN103645795A (zh) 一种基于人工神经网络的云计算数据中心节能方法
CN103957231A (zh) 一种云计算平台下的虚拟机分布式任务调度方法
CN104536832B (zh) 一种虚拟机部署方法
Liu et al. A survey on virtual machine scheduling in cloud computing
CN108196935A (zh) 一种面向云计算的虚拟机节能迁移方法
CN102521055A (zh) 一种虚拟机资源分配方法及其系统
CN106020969A (zh) 一种高性能云计算混合计算系统及其方法
CN115277692B (zh) 边缘网络计算终端设备自动运维方法、装置和系统
CN105760227B (zh) 云环境下资源调度方法及系统
US10509429B2 (en) Method and apparatus for improving efficiency of a cloud platform based on node usage
CN101860024A (zh) 电力系统省地调一体化pas系统的实现方法

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