CN106293871A - 一种集群虚拟机的资源调度方法 - Google Patents

一种集群虚拟机的资源调度方法 Download PDF

Info

Publication number
CN106293871A
CN106293871A CN201610586861.1A CN201610586861A CN106293871A CN 106293871 A CN106293871 A CN 106293871A CN 201610586861 A CN201610586861 A CN 201610586861A CN 106293871 A CN106293871 A CN 106293871A
Authority
CN
China
Prior art keywords
resource utilization
target
virtual machine
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.)
Pending
Application number
CN201610586861.1A
Other languages
English (en)
Inventor
高峰
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.)
Inspur Beijing Electronic Information Industry Co Ltd
Original Assignee
Inspur Beijing Electronic Information Industry 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 Inspur Beijing Electronic Information Industry Co Ltd filed Critical Inspur Beijing Electronic Information Industry Co Ltd
Priority to CN201610586861.1A priority Critical patent/CN106293871A/zh
Publication of CN106293871A publication Critical patent/CN106293871A/zh
Pending legal-status Critical Current

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
    • 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
    • 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)
  • Memory System Of A Hierarchy Structure (AREA)

Abstract

本发明公开了一种集群虚拟机的资源调度方法，包括：采集集群中各物理主机在当前时间点之前第一预设时间段内的资源利用率参数；根据资源利用率参数和预设的物理主机筛选策略，确定需要进行虚拟机迁移的目标物理主机；确定目标物理主机中的需要进行迁移的目标虚拟机；根据资源利用率参数确定目标宿主机；将目标虚拟机迁移到目标宿主机上。将目标物理主机中的目标虚拟机迁移到目标宿主机中，通过对虚拟机的动态迁移，可以将资源利用率高的目标物理主机上的虚拟机迁移到其他物理主机上，实现集群中物理主机的动态负载均衡，充分利用集群中的各种物理资源，从而解决了集群中资源的负载失衡问题，维持了高效的资源利用率。

Description

一种集群虚拟机的资源调度方法
技术领域
本发明涉及计算机技术领域，特别是涉及一种集群虚拟机的资源调度方法。
背景技术
随着计算机技术和互联网的快速发展。操作系统的虚拟化技术日益成熟，虚拟化系统允许多个操作系统并发运行在同一物理主机上，使用相同的硬件，且互不影响。
多个虚拟机可以组成集群，集群系统以其低廉的成本、强大的运算能力和容错机制逐渐成为了计算机行业的焦点。但是由于虚拟机内运行的应用程序存在差异性以及宿主物理主机性能存在差异性，这在集群的运行中可能会造成资源负载的失衡，影响应用的正常运行。
因此，如何在集群中解决资源的负载失衡问题，维持高效的资源利用率，是本领域技术人员目前需要解决的技术问题。
发明内容
本发明的目的是提供一种集群虚拟机的资源调度方法，可以有效解决在集群中资源的负载失衡问题，维持高效的资源利用率。
为解决上述技术问题，本发明提供了如下技术方案：
一种集群虚拟机的资源调度方法，包括：
采集集群中各物理主机在当前时间点之前第一预设时间段内的资源利用率参数；
根据所述资源利用率参数和预设的物理主机筛选策略，确定需要进行虚拟机迁移的目标物理主机；
确定所述目标物理主机中的需要进行迁移的目标虚拟机；
根据所述资源利用率参数确定目标宿主机；
将所述目标虚拟机迁移到所述目标宿主机上。
优选地，所述根据所述资源利用率参数和预设的物理主机筛选策略，确定需要进行虚拟机迁移的目标物理主机，包括：
根据所述资源利用率参数，通过线性回归模型判断各所述物理主机在当前时间点之前的所述第一预设时间段内的资源利用率情况，并预测各所述物理主机在当前时间点之后的第二预设时间段内的资源利用率趋势；
根据各所述物理主机的资源利用率趋势和预设资源利用率阈值，确定所述目标物理主机。
优选地，所述根据所述资源利用率参数，通过线性回归模型判断各所述物理主机在当前时间点之前的所述第一预设时间段内的资源利用率情况，并预测各所述物理主机在当前时间点之后的第二预设时间段内的资源利用率趋势，包括：
选取任一所述物理主机在所述第一预设时间段内的n个时刻的资源利用率参数：x1、x2、x3…xn，n为不小于3的整数；
预测该物理主机在所述第二预设时间段内的n+1时刻的资源利用率参数为xn+1＝β1x1+β2x2+β3x3+…+βnxn+ε，其中，n为不小于3的整数，ε为独立同分布的随机变量，βn为时间序列的参数。
优选地，所述根据各所述物理主机的资源利用率趋势和预设资源利用率阈值，确定所述目标物理主机，包括：
若预测的所述物理主机的资源利用率趋势是该物理主机的资源利用率不断增加，且在预设的第三时间段内超过了所述预设资源利用率阈值，则判定该物理主机为目标物理主机；
若预测的该物理主机的资源利用率趋势是该物理主机的资源利用率不断减少，且在所述预设的第三时间段内低于所述预设资源利用率阈值，则判定该物理主机为非目标物理主机。
优选地，所述确定所述目标物理主机中的需要进行迁移的目标虚拟机，包括：
获取所述目标物理主机中的各虚拟机的CPU使用率cR和内存大小mS；
计算各所述虚拟机的CPU使用率和对应虚拟机的内存大小的比值，记作vLoad，则有vLoad＝cR/mS；
对各所述虚拟机的vLoad自大到小进行排序；
选取前m个vLoad对应的虚拟机作为目标虚拟机，m为不小于1的整数，其中，
将m个目标虚拟机迁移出后，该目标物理主机的资源利用率符合预设的物理主机资源利用率正常利用标准。
优选地，所述根据所述资源利用率参数确定目标宿主机，包括：
筛选在当前时间点之前第一预设时间段内的资源利用率参数小于预设的资源利用率下限值的物理主机作为目标宿主机机群；
采用加权随机的方式在所述目标宿主机机群中选择目标宿主机。
优选地，所述将所述目标虚拟机迁移到所述目标宿主机上，包括：
根据所述m个目标虚拟机对应的vLoad的大小，依次分配目标宿主机并进行目标虚拟机迁移。
与现有技术相比，上述技术方案具有以下优点：
本发明所提供的集群虚拟机的资源调度方法，包括：采集集群中各物理主机在当前时间点之前第一预设时间段内的资源利用率参数；根据资源利用率参数和预设的物理主机筛选策略，确定需要进行虚拟机迁移的目标物理主机；确定目标物理主机中的需要进行迁移的目标虚拟机；根据资源利用率参数确定目标宿主机；将目标虚拟机迁移到目标宿主机上。通过一段时间内的物理主机的资源利用率参数可以获知该物理主机的资源利用情况，并根据预设的物理主机筛选策略，筛选出需要进行虚拟机迁移的目标物理主机，然后将该目标物理主机中的目标虚拟机迁移到目标宿主机中，通过对虚拟机的动态迁移，可以将资源利用率高的目标物理主机上的虚拟机迁移到其他物理主机(目标宿主机)上，实现集群中物理主机的动态负载均衡，充分利用集群中的各种物理资源，从而解决了集群中资源的负载失衡问题，维持了高效的资源利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种具体实施方式所提供的集群虚拟机的资源调度方法流程图。
具体实施方式
本发明的核心是提供一种集群虚拟机的资源调度方法，可以有效解决在集群中资源的负载失衡问题，维持高效的资源利用率。
为了使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。
请参考图1，图1为本发明一种具体实施方式所提供的集群虚拟机的资源调度方法流程图。
本发明的一种具体实施方式提供了一种集群虚拟机的资源调度方法，包括：
S11：采集集群中各物理主机在当前时间点之前第一预设时间段内的资源利用率参数。
采集集群中各物理主机在当前时间点之前的n个时间周期的资源利用率，这本实施方式中，物理主机的资源利用率用来表征物理主机的负载情况。
S12：根据资源利用率参数和预设的物理主机筛选策略，确定需要进行虚拟机迁移的目标物理主机。
在本实施方式中，所谓的预设的物理主机筛选策略指的是根据各物理主机的资源利用率，判断各物理主机的负载是否达到了一个上限值，若某物理主机的负载达到了该上限值则表示此时由于该物理主机的负载过高，可能会引起集群负载失衡。
S13：确定目标物理主机中的需要进行迁移的目标虚拟机。
S14：根据资源利用率参数确定目标宿主机。
S15：将目标虚拟机迁移到目标宿主机上。
通过一段时间内的物理主机的资源利用率参数可以获知该物理主机的资源利用情况，并根据预设的物理主机筛选策略，筛选出需要进行虚拟机迁移的目标物理主机，然后将该目标物理主机中的目标虚拟机迁移到目标宿主机中，通过对虚拟机的动态迁移，可以将资源利用率高的目标物理主机上的虚拟机迁移到其他物理主机(目标宿主机)上，实现集群中物理主机的动态负载均衡，充分利用集群中的各种物理资源，从而解决了集群中资源的负载失衡问题，维持了高效的资源利用率。
在上述实施方式的基础上，本发明一种实施方式中，根据资源利用率参数和预设的物理主机筛选策略，确定需要进行虚拟机迁移的目标物理主机，包括：
根据资源利用率参数，通过线性回归模型判断各物理主机在当前时间点之前的第一预设时间段内的资源利用率情况，并预测各物理主机在当前时间点之后的第二预设时间段内的资源利用率趋势。
其中，选取任一物理主机在第一预设时间段内的n个时刻的资源利用率参数：x1、x2、x3…xn，n为不小于3的整数；预测该物理主机在第二预设时间段内的n+1时刻的资源利用率参数为xn+1＝β1x1+β2x2+β3x3+…+βnxn+ε，其中，n为不小于3的整数，ε为独立同分布的随机变量，βn为时间序列的参数。
根据各物理主机的资源利用率趋势和预设资源利用率阈值，确定目标物理主机。其包括：若预测的物理主机的资源利用率趋势是该物理主机的资源利用率不断增加，且在预设的第三时间段内超过了预设资源利用率阈值，则判定该物理主机为目标物理主机；若预测的该物理主机的资源利用率趋势是该物理主机的资源利用率不断减少，且在预设的第三时间段内低于预设资源利用率阈值，则判定该物理主机为非目标物理主机。
即通过线性回归模型判断当前时间点之间一段时间内的一物理主机的负载情况，并以此来预测该物理主机未来一段时间内的负载时增加还是减少，进而确定需要迁移虚拟机的物理主机。当预测一物理主机未来的资源利用率趋势是不断增加的，且在一定的时间内超过了预设的资源利用率阈值，则表示其内的虚拟机需要进行迁移；若预测到一物理主机未来的资源利用率趋势是减小的，可在一定的时间内其资源利用率不会超过该预设的资源利用率阈值，则表示该物理主机的虚拟机无需进行迁移。
在本实施方式中，采用线性回归模型对物理主机未来的负载趋势进行预估，避免了瞬时负载峰值触发虚拟机迁移的情况的出现，同时可以对资源利用率不断上升的物理主机内的虚拟机提前进行迁移。
在本发明的一种实施方式中，确定目标物理主机中的需要进行迁移的目标虚拟机，包括：
获取目标物理主机中的各虚拟机的CPU使用率cR和内存大小mS；计算各虚拟机的CPU使用率和对应虚拟机的内存大小的比值，记作vLoad，则有vLoad＝cR/mS；对各虚拟机的vLoad自大到小进行排序；选取前m个vLoad对应的虚拟机作为目标虚拟机，m为不小于1的整数，其中，将m个目标虚拟机迁移出后，该目标物理主机的资源利用率符合预设的物理主机资源利用率正常利用标准。
在本实施方式中，对于目标虚拟机的选择上，采用了资源加权比的方法，使虚拟机进行迁移时占用的宽带尽量少。这是由于虚拟机的动态迁移需要拷贝内存数据，同时需要追踪被修改的内存页，重新进行发送，因此，内存占用量大的虚拟机需要更长的时间进行迁移。为了减少开销，在本实施方式中，对目标物理主机中的虚拟机的CPU使用率和内存大小进行比值计算，该比值记作vLoad，由此可知，vLoad越大，则虚拟机迁移开销越小。但是当目标物理主机需要进行虚拟机迁移时，并不需要将所有的虚拟机进行迁移，因此，在本实施方式中，对vLoad进行排序，选取vLoad较大的前m个虚拟机作为目标虚拟机进行迁移，其中，将m个目标虚拟机迁移出后，该目标物理主机的资源利用率符合预设的物理主机资源利用率正常利用标准，即将这m个目标虚拟机迁移出后，该目标物理主机的负载负荷正常负载情况，这样，既能实现物理主机的动态负载均衡问题，又能保证较少的迁移开销。
在本发明的一种实施方式中，根据资源利用率参数确定目标宿主机，包括：筛选在当前时间点之前第一预设时间段内的资源利用率参数小于预设的资源利用率下限值的物理主机作为目标宿主机机群；采用加权随机的方式在目标宿主机机群中选择目标宿主机。
其中，将目标虚拟机迁移到目标宿主机上，包括：根据m个目标虚拟机对应的vLoad的大小，依次分配目标宿主机并进行目标虚拟机迁移。
在本实施方式中，首先选取所有性能较高且负载较轻的物理主机作为目标宿主机机群，选择的标准即当前时间点之前第一预设时间段内的资源利用率参数小于预设的资源利用率下限值，该下限值可以根据实际情况进行设定。采用加权随机的方式选择目标宿主机，能够更好的实现对资源的平均分配。通过各个物理主机的CPU的使用率的不同，赋予不同的物理主机不同的权值，CPU空闲的物理主机拥有更高的分配权值。设目标宿主机机群中的物理主机vi的CPU使用率为ui，该物理主机的权值wi＝1-ui，物理主机vi的被选择的概率当触发迁移之后，根据物理主机被选择的概率，随机分配给迁移虚拟机，可以避免群聚效应，使资源在集群中平衡分配。
综上所述，本发明所提供的集群虚拟机的资源调度方法，将目标物理主机中的目标虚拟机迁移到目标宿主机中，通过对虚拟机的动态迁移，可以将资源利用率高的目标物理主机上的虚拟机迁移到其他物理主机(目标宿主机)上，实现集群中物理主机的动态负载均衡，充分利用集群中的各种物理资源，从而解决了集群中资源的负载失衡问题，维持了高效的资源利用率。尤其是采用线性回归模块对物理主机的负载情况的预测，避免了瞬时峰值造成的不必要的虚拟机迁移，也可以对资源利用率不断上升的物理主机中的虚拟机进行提前的迁移；根据CPU使用率和内存大小的比值关系排序，找出需要迁移且迁移过程中可能消耗宽带最小的虚拟机进行迁移，减少了虚拟机迁移带来的额外资源开销；采用加权随机的方式选择目标宿主机，避免了过多的虚拟机迁移到同一目标宿主机上发生的群聚现象，达到了集群内物理主机的资源的动态平衡。
以上对本发明所提供一种集群虚拟机的资源调度方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明及其核心思想。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，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (7)

1.一种集群虚拟机的资源调度方法，其特征在于，包括：
采集集群中各物理主机在当前时间点之前第一预设时间段内的资源利用率参数；
根据所述资源利用率参数和预设的物理主机筛选策略，确定需要进行虚拟机迁移的目标物理主机；
确定所述目标物理主机中的需要进行迁移的目标虚拟机；
根据所述资源利用率参数确定目标宿主机；
将所述目标虚拟机迁移到所述目标宿主机上。
2.根据权利要求1所述的方法，其特征在于，所述根据所述资源利用率参数和预设的物理主机筛选策略，确定需要进行虚拟机迁移的目标物理主机，包括：
根据所述资源利用率参数，通过线性回归模型判断各所述物理主机在当前时间点之前的所述第一预设时间段内的资源利用率情况，并预测各所述物理主机在当前时间点之后的第二预设时间段内的资源利用率趋势；
根据各所述物理主机的资源利用率趋势和预设资源利用率阈值，确定所述目标物理主机。
3.根据权利要求2所述的方法，其特征在于，所述根据所述资源利用率参数，通过线性回归模型判断各所述物理主机在当前时间点之前的所述第一预设时间段内的资源利用率情况，并预测各所述物理主机在当前时间点之后的第二预设时间段内的资源利用率趋势，包括：
选取任一所述物理主机在所述第一预设时间段内的n个时刻的资源利用率参数：x1、x2、x3…xn，n为不小于3的整数；
预测该物理主机在所述第二预设时间段内的n+1时刻的资源利用率参数为xn+1＝β1x1+β2x2+β3x3+…+βnxn+ε，其中，n为不小于3的整数，ε为独立同分布的随机变量，βn为时间序列的参数。
4.根据权利要求3所述的方法，其特征在于，所述根据各所述物理主机的资源利用率趋势和预设资源利用率阈值，确定所述目标物理主机，包括：
若预测的所述物理主机的资源利用率趋势是该物理主机的资源利用率不断增加，且在预设的第三时间段内超过了所述预设资源利用率阈值，则判定该物理主机为目标物理主机；
若预测的该物理主机的资源利用率趋势是该物理主机的资源利用率不断减少，且在所述预设的第三时间段内低于所述预设资源利用率阈值，则判定该物理主机为非目标物理主机。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述确定所述目标物理主机中的需要进行迁移的目标虚拟机，包括：
获取所述目标物理主机中的各虚拟机的CPU使用率cR和内存大小mS；
计算各所述虚拟机的CPU使用率和对应虚拟机的内存大小的比值，记作vLoad，则有vLoad＝cR/mS；
对各所述虚拟机的vLoad自大到小进行排序；
选取前m个vLoad对应的虚拟机作为目标虚拟机，m为不小于1的整数，其中，
将m个目标虚拟机迁移出后，该目标物理主机的资源利用率符合预设的物理主机资源利用率正常利用标准。
6.根据权利要求5所述的方法，其特征在于，所述根据所述资源利用率参数确定目标宿主机，包括：
筛选在当前时间点之前第一预设时间段内的资源利用率参数小于预设的资源利用率下限值的物理主机作为目标宿主机机群；
采用加权随机的方式在所述目标宿主机机群中选择目标宿主机。
7.根据权利要求6所述的方法，其特征在于，所述将所述目标虚拟机迁移到所述目标宿主机上，包括：
根据所述m个目标虚拟机对应的vLoad的大小，依次分配目标宿主机并进行目标虚拟机迁移。
CN201610586861.1A 2016-07-22 2016-07-22 一种集群虚拟机的资源调度方法 Pending CN106293871A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610586861.1A CN106293871A (zh) 2016-07-22 2016-07-22 一种集群虚拟机的资源调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610586861.1A CN106293871A (zh) 2016-07-22 2016-07-22 一种集群虚拟机的资源调度方法

Publications (1)

Publication Number Publication Date
CN106293871A true CN106293871A (zh) 2017-01-04

Family

ID=57652119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610586861.1A Pending CN106293871A (zh) 2016-07-22 2016-07-22 一种集群虚拟机的资源调度方法

Country Status (1)

Country Link
CN (1) CN106293871A (zh)

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107038064A (zh) * 2017-04-18 2017-08-11 腾讯科技（深圳）有限公司 虚拟机管理方法及装置、存储介质
CN107220128A (zh) * 2017-06-19 2017-09-29 郑州云海信息技术有限公司 一种集群系统中cpu的分配方法和装置
CN107220106A (zh) * 2017-06-27 2017-09-29 郑州云海信息技术有限公司 一种资源调度方法及装置
CN107391228A (zh) * 2017-07-25 2017-11-24 郑州云海信息技术有限公司 一种虚拟机迁移管理方法及装置
CN107729149A (zh) * 2017-10-16 2018-02-23 郑州云海信息技术有限公司 一种虚拟机迁移方法及装置
CN108182115A (zh) * 2017-12-28 2018-06-19 福州大学 一种云环境下的虚拟机负载均衡方法
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
CN108322404A (zh) * 2017-01-17 2018-07-24 阿里巴巴集团控股有限公司 资源的分配方法、装置及系统
CN108563489A (zh) * 2018-04-02 2018-09-21 郑州云海信息技术有限公司 一种数据中心综合管理系统的虚拟机迁移方法及系统
CN108762935A (zh) * 2018-06-04 2018-11-06 郑州云海信息技术有限公司 一种目标主机的选择方法和服务器
CN108804198A (zh) * 2017-04-26 2018-11-13 北京邮电大学 一种基于利用率变化趋势预测的虚拟机迁移时机确定方法
CN109656678A (zh) * 2018-11-01 2019-04-19 江苏南大苏富特科技股份有限公司 基于虚拟化的动态资源管理方法
CN109669760A (zh) * 2018-11-01 2019-04-23 江苏南大苏富特科技股份有限公司 虚拟化动态资源管理系统
CN109800059A (zh) * 2019-01-31 2019-05-24 南京邮电大学 一种基于负载曲线相似度的云计算虚拟机迁移方法
CN110196768A (zh) * 2018-03-22 2019-09-03 腾讯科技（深圳）有限公司 自动确定云平台资源的负载程度的方法和装置
CN110474966A (zh) * 2019-07-22 2019-11-19 腾讯科技（深圳）有限公司 处理云平台资源碎片的方法及相关设备
CN110493317A (zh) * 2019-07-22 2019-11-22 腾讯科技（深圳）有限公司 处理云平台资源碎片的方法及相关设备
CN110825212A (zh) * 2019-10-17 2020-02-21 北京京东尚科信息技术有限公司 节能调度方法及装置、计算机可存储介质
CN110928634A (zh) * 2018-09-19 2020-03-27 阿里巴巴集团控股有限公司 数据处理方法、装置及设备
CN111090470A (zh) * 2019-10-15 2020-05-01 平安科技（深圳）有限公司 云主机的安全启动方法、装置、计算机设备和存储介质
CN111858031A (zh) * 2020-06-19 2020-10-30 浪潮电子信息产业股份有限公司 一种集群分布式资源调度方法、装置、设备及存储介质
CN112559130A (zh) * 2020-12-16 2021-03-26 恒生电子股份有限公司 容器分配方法、装置、电子设备及存储介质
CN115774622A (zh) * 2023-02-13 2023-03-10 天翼云科技有限公司 资源调度方法、装置、电子设备和存储介质
CN115878329A (zh) * 2023-02-02 2023-03-31 天翼云科技有限公司 宿主机资源调度方法、装置、电子设备和存储介质
CN116382855A (zh) * 2023-05-26 2023-07-04 工业富联(佛山)创新中心有限公司 虚拟机迁移方法、电子设备及计算机存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593133A (zh) * 2009-06-29 2009-12-02 北京航空航天大学 虚拟机资源负载均衡方法及装置
CN103514046A (zh) * 2013-09-24 2014-01-15 华为技术有限公司 一种虚拟机放置方法及集群管理服务器
CN103810016A (zh) * 2012-11-09 2014-05-21 北京华胜天成科技股份有限公司 实现虚拟机迁移的方法、装置和集群系统
CN104270416A (zh) * 2014-09-12 2015-01-07 杭州华为数字技术有限公司 负载均衡控制方法及管理节点
CN105740074A (zh) * 2016-01-26 2016-07-06 中标软件有限公司 一种基于云计算的虚拟机负载均衡方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593133A (zh) * 2009-06-29 2009-12-02 北京航空航天大学 虚拟机资源负载均衡方法及装置
CN103810016A (zh) * 2012-11-09 2014-05-21 北京华胜天成科技股份有限公司 实现虚拟机迁移的方法、装置和集群系统
CN103514046A (zh) * 2013-09-24 2014-01-15 华为技术有限公司 一种虚拟机放置方法及集群管理服务器
CN104270416A (zh) * 2014-09-12 2015-01-07 杭州华为数字技术有限公司 负载均衡控制方法及管理节点
CN105740074A (zh) * 2016-01-26 2016-07-06 中标软件有限公司 一种基于云计算的虚拟机负载均衡方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘媛媛 等: "虚拟计算环境下虚拟机资源负载均衡方法", 《计算机工程》 *
张创 等: "基于虚拟机迁移的虚拟机集群负载均衡策略研究", 《微电子学与计算机》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108322404A (zh) * 2017-01-17 2018-07-24 阿里巴巴集团控股有限公司 资源的分配方法、装置及系统
CN107038064A (zh) * 2017-04-18 2017-08-11 腾讯科技（深圳）有限公司 虚拟机管理方法及装置、存储介质
CN108804198A (zh) * 2017-04-26 2018-11-13 北京邮电大学 一种基于利用率变化趋势预测的虚拟机迁移时机确定方法
CN107220128A (zh) * 2017-06-19 2017-09-29 郑州云海信息技术有限公司 一种集群系统中cpu的分配方法和装置
CN107220106A (zh) * 2017-06-27 2017-09-29 郑州云海信息技术有限公司 一种资源调度方法及装置
CN107391228A (zh) * 2017-07-25 2017-11-24 郑州云海信息技术有限公司 一种虚拟机迁移管理方法及装置
CN107729149A (zh) * 2017-10-16 2018-02-23 郑州云海信息技术有限公司 一种虚拟机迁移方法及装置
CN108182115A (zh) * 2017-12-28 2018-06-19 福州大学 一种云环境下的虚拟机负载均衡方法
CN108182115B (zh) * 2017-12-28 2021-08-31 福州大学 一种云环境下的虚拟机负载均衡方法
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
CN110196768B (zh) * 2018-03-22 2022-10-28 腾讯科技（深圳）有限公司 自动确定云平台资源的负载程度的方法和装置
CN110196768A (zh) * 2018-03-22 2019-09-03 腾讯科技（深圳）有限公司 自动确定云平台资源的负载程度的方法和装置
CN108563489A (zh) * 2018-04-02 2018-09-21 郑州云海信息技术有限公司 一种数据中心综合管理系统的虚拟机迁移方法及系统
CN108762935A (zh) * 2018-06-04 2018-11-06 郑州云海信息技术有限公司 一种目标主机的选择方法和服务器
CN110928634A (zh) * 2018-09-19 2020-03-27 阿里巴巴集团控股有限公司 数据处理方法、装置及设备
CN110928634B (zh) * 2018-09-19 2023-04-07 阿里巴巴集团控股有限公司 数据处理方法、装置及设备
CN109669760B (zh) * 2018-11-01 2020-03-31 江苏南大苏富特科技股份有限公司 虚拟化动态资源管理系统
CN109656678B (zh) * 2018-11-01 2020-05-08 江苏南大苏富特科技股份有限公司 基于虚拟化的动态资源管理方法
CN109656678A (zh) * 2018-11-01 2019-04-19 江苏南大苏富特科技股份有限公司 基于虚拟化的动态资源管理方法
CN109669760A (zh) * 2018-11-01 2019-04-23 江苏南大苏富特科技股份有限公司 虚拟化动态资源管理系统
CN109800059B (zh) * 2019-01-31 2022-10-21 南京邮电大学 一种基于负载曲线相似度的云计算虚拟机迁移方法
CN109800059A (zh) * 2019-01-31 2019-05-24 南京邮电大学 一种基于负载曲线相似度的云计算虚拟机迁移方法
CN110493317A (zh) * 2019-07-22 2019-11-22 腾讯科技（深圳）有限公司 处理云平台资源碎片的方法及相关设备
US11966792B2 (en) 2019-07-22 2024-04-23 Tencent Technology (Shenzhen) Company Limited Resource processing method of cloud platform, related device, and storage medium
CN110474966A (zh) * 2019-07-22 2019-11-19 腾讯科技（深圳）有限公司 处理云平台资源碎片的方法及相关设备
CN110493317B (zh) * 2019-07-22 2022-04-19 腾讯科技（深圳）有限公司 处理云平台资源碎片的方法及相关设备
CN111090470A (zh) * 2019-10-15 2020-05-01 平安科技（深圳）有限公司 云主机的安全启动方法、装置、计算机设备和存储介质
CN110825212A (zh) * 2019-10-17 2020-02-21 北京京东尚科信息技术有限公司 节能调度方法及装置、计算机可存储介质
CN111858031B (zh) * 2020-06-19 2022-06-07 浪潮电子信息产业股份有限公司 一种集群分布式资源调度方法、装置、设备及存储介质
CN111858031A (zh) * 2020-06-19 2020-10-30 浪潮电子信息产业股份有限公司 一种集群分布式资源调度方法、装置、设备及存储介质
CN112559130A (zh) * 2020-12-16 2021-03-26 恒生电子股份有限公司 容器分配方法、装置、电子设备及存储介质
CN112559130B (zh) * 2020-12-16 2024-01-19 恒生电子股份有限公司 容器分配方法、装置、电子设备及存储介质
CN115878329A (zh) * 2023-02-02 2023-03-31 天翼云科技有限公司 宿主机资源调度方法、装置、电子设备和存储介质
CN115774622A (zh) * 2023-02-13 2023-03-10 天翼云科技有限公司 资源调度方法、装置、电子设备和存储介质
CN116382855A (zh) * 2023-05-26 2023-07-04 工业富联(佛山)创新中心有限公司 虚拟机迁移方法、电子设备及计算机存储介质
CN116382855B (zh) * 2023-05-26 2024-02-20 工业富联(佛山)创新中心有限公司 虚拟机迁移方法、电子设备及计算机存储介质

Similar Documents

Publication Publication Date Title
CN106293871A (zh) 一种集群虚拟机的资源调度方法
CN102724277B (zh) 虚拟机热迁移和部署的方法、服务器及集群系统
EP3507692B1 (en) Resource oversubscription based on utilization patterns in computing systems
CN102567072B (zh) 一种资源分配方法、装置及系统
CN111078363B (zh) 一种虚拟机的numa节点调度方法、装置、设备及介质
Wei-guo et al. Research on kubernetes' resource scheduling scheme
CN104679594B (zh) 一种中间件分布式计算方法
CN106681839B (zh) 弹性计算动态分配方法
CN102790793A (zh) 一种面向云计算虚拟机迁移的决策方法及控制模块
US20160196157A1 (en) Information processing system, management device, and method of controlling information processing system
CN102185759A (zh) 一种满足需求特性的多物理服务器负载均衡的方法及装置
CN103051564A (zh) 资源动态调配的方法和装置
Razali et al. Virtual machine migration implementation in load balancing for cloud computing
WO2012124077A1 (ja) マルチコアプロセッサシステムおよびスケジューリング方法
Man et al. Virtual machine placement algorithm for virtualized desktop infrastructure
CN104199724B (zh) 一种基于性价比的虚拟化资源调度优化方法
CN111083189B (zh) 用于在运行时处理数据倾斜的系统和方法
US10754547B2 (en) Apparatus for managing disaggregated memory and method thereof
JP6374841B2 (ja) 仮想マシン配置装置および仮想マシン配置方法
CN113010262B (zh) 一种基于云计算的内存优化方法
CN104850423A (zh) 识别android系统下应用程序启动阶段的方法
CN103106112A (zh) 一种基于最高负载的进行负载均衡调度的方法及设备
CN106569728B (zh) 多磁盘阵列raid共享写缓存的处理方法及装置
KR101848418B1 (ko) 불균일 기억 장치 접근(numa) 구조에서 메모리 정책기반 쓰레드 재배치 방법
KR20130074953A (ko) 동적 가상 머신 배치 장치 및 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170104