CN107479947A - 一种虚拟机能耗优化方法和系统 - Google Patents

一种虚拟机能耗优化方法和系统 Download PDF

Info

Publication number
CN107479947A
CN107479947A CN201710713031.5A CN201710713031A CN107479947A CN 107479947 A CN107479947 A CN 107479947A CN 201710713031 A CN201710713031 A CN 201710713031A CN 107479947 A CN107479947 A CN 107479947A
Authority
CN
China
Prior art keywords
physical machine
resource
virtual machine
load
machine
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
CN201710713031.5A
Other languages
English (en)
Inventor
王盼
郭锋
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.)
Zhengzhou Yunhai Information Technology Co Ltd
Original Assignee
Zhengzhou Yunhai Information Technology 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 Zhengzhou Yunhai Information Technology Co Ltd filed Critical Zhengzhou Yunhai Information Technology Co Ltd
Priority to CN201710713031.5A priority Critical patent/CN107479947A/zh
Publication of CN107479947A publication Critical patent/CN107479947A/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
    • 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
    • G06F9/46—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
    • 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

  • 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)

Abstract

本发明实施例公开了一种虚拟机能耗优化方法，该方法包括：实时监控每个物理机的资源使用状态；根据资源使用状态对物理机的负载状态进行监控；将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上。本发明实施例还公开了一种虚拟机能耗优化系统。通过本发明实施例方案，降低了云数据中心能耗，提高了资源利用率。

Description

一种虚拟机能耗优化方法和系统
技术领域
本发明实施例涉及云计算与大数据技术领域，尤指一种虚拟机能耗优化方法和系统。
背景技术
随着云计算与大数据技术的快速发展，云服务供应商开始建立自己的云计算基础设施，为用户提供按需付费、即取即用的云计算服务。云计算服务由于众多好处，使其备受用户的欢迎，其良好的发展前景促使云服务供应商加大了对基础设施的投入，这使得云数据中心的规模不断扩大，服务器数量也急剧増加。然而，云数据中心在给用户提供便捷服务的同时，也消耗了大量的能量，増加了碳排放量。
近年来，云数据中心的能耗问题日益突出,如何降低云数据中心能耗、提高资源利用率，成为亟待解决的问题。
发明内容
为了解决上述技术问题，本发明实施例提供了一种虚拟机能耗优化方法和系统，能够降低云数据中心能耗、提高资源利用率。
为了达到本发明实施例目的，本发明实施例提供了一种虚拟机能耗优化方法，该方法包括：
实时监控每个物理机的资源使用状态；
根据资源使用状态对物理机的负载状态进行监控；
将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上。
可选地，该物理机包括：云数据中心的所有计算节点。
可选地，实时监控每个物理机的资源使用状态包括：
周期性采集计算节点的中央处理器CPU、内存以及磁盘的资源信息；
根据采集的资源信息实时分析每个计算节点上不同资源所对应的总共资源、已用资源和可用资源。
可选地，采集的计算节点的全部资源信息存储在云数据中心的mysql数据库中。
可选地，根据资源使用状态对物理机的负载状态进行监控包括：
计算每个计算节点上不同资源所对应的已用资源占总共资源的比例；
根据该比例和预设的加权值计算每个物理机上全部资源的负载值；
当计算出的负载值大于或等于预设的第一负载阈值时，确定当前计算节点上的负载状态处于欠载状态；当计算出的负载值小于或等于预设的第二负载阈值时，确定当前计算节点上的负载状态处于轻载状态；其中，第一负载阈值大于第二负载阈值。
可选地，将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上包括：
获取第一物理机上的预设的虚拟机列表；
根据预设的迁移规则选择第一物理机上的一个或多个虚拟机进行迁移，直至第一物理机上的负载状态达到预设标准。
可选地，将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上还包括：
通过预设的筛选规则对处于轻载状态的多个第二物理机进行筛选；
将第一物理机上的虚拟机迁移到筛选获得的第二物理机上。
可选地，该方法还包括：通过nova-api实现虚拟机的迁移。
可选地，该方法还包括：将处于欠载状态的第一物理机上的全部虚拟机迁移到处于轻载状态的第二物理机上；并关闭第一物理机。
为了达到本发明实施例目的，本发明实施例还提供了一种虚拟机能耗优化系统，该系统包括：第一监控模块，第二监控模块和迁移模块；
第一监控模块，用于实时监控每个物理机的资源使用状态；
第二监控模块，用于根据资源使用状态对物理机的负载状态进行监控；
迁移模块，用于将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上。
可选地，物理机包括：云数据中心的所有计算节点。
可选地，第一监控模块实时监控每个物理机的资源使用状态包括：
周期性采集计算节点的中央处理器CPU、内存以及磁盘的资源信息；
根据采集的资源信息实时分析每个计算节点上不同资源所对应的总共资源、已用资源和可用资源。
可选地，采集的计算节点的全部资源信息存储在云数据中心的mysql数据库中。
可选地，第二监控模块根据资源使用状态对物理机的负载状态进行监控包括：
计算每个计算节点上不同资源所对应的已用资源占总共资源的比例；
根据比例和预设的加权值计算每个物理机上全部资源的负载值；
当计算出的负载值大于或等于预设的第一负载阈值时，确定当前计算节点上的负载状态处于欠载状态；当计算出的负载值小于或等于预设的第二负载阈值时，确定当前计算节点上的负载状态处于轻载状态；其中，第一负载阈值大于第二负载阈值。
可选地，迁移模块将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上包括：
获取第一物理机上的预设的虚拟机列表；
根据预设的迁移规则选择第一物理机上的一个或多个虚拟机进行迁移，直至第一物理机上的负载状态达到预设标准。
可选地，迁移模块将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上还包括：
通过预设的筛选规则对处于轻载状态的多个第二物理机进行筛选；
将第一物理机上的虚拟机迁移到筛选获得的第二物理机上。
可选地，迁移模块还用于：通过nova-api实现虚拟机的迁移。
可选地，迁移模块还用于：将处于欠载状态的第一物理机上的全部虚拟机迁移到处于轻载状态的第二物理机上；并关闭第一物理机。
本发明实施例包括：实时监控每个物理机的资源使用状态；根据资源使用状态对物理机的负载状态进行监控；将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上。该实施例方案降低了云数据中心能耗、提高了资源利用率。
本发明实施例的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例而了解。本发明实施例的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明实施例的技术方案，并不构成对本发明实施例技术方案的限制。
图1为本发明实施例的虚拟机能耗优化方法流程图；
图2为本发明实施例的虚拟机能耗优化系统所涉及的物理资源层、虚拟化层、调度层和业务层示意图；
图3为本发明实施例的每个物理机的资源使用状态监控方法示意图；
图4为本发明实施例的虚拟机和物理机选择方法以及虚拟机迁移方法示意图；
图5为本发明实施例的虚拟机能耗优化系统组成框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
为了达到本发明实施例目的，本发明实施例提供了一种虚拟机能耗优化方法，如图1所示，该方法可以包括S101-S102：
S101、实时监控每个物理机的资源使用状态。
在本发明实施例中，为了降低云数据中心能耗、提高资源利用率，可以通过构建云平台架构，实时监控云数据中心物理机资源的使用情况，进而动态迁移虚拟机，减少开启物理机的数量，实现节能的目的。
可选地，该物理机可以包括：云数据中心的所有计算节点。
在本发明实施例中，该虚拟机能耗优化系统涉及物理资源层、虚拟化层、调度层和业务层四部分，其中，物理资源层由云数据中心的所有计算节点、网络节点(如网络设备)和控制节点组成，主要为上层提供计算、网络和存储服务，如图2所示。物理资源层是整个云数据中心的基础，是上层所有服务正常运行和云数据中心资源调度的根基。由于云数据中心中开启的物理机越多，消耗的能量也越多，所以可以通过关闭空闲物理机的方式实现云数据中心节能的目的。业务层主要用来向用户提供服务及信息，云数据中心后端的所有实现通过该层的系统管理仪表盘Horizon组件以web界面的形式为用户提供服务。计算节点资源管理系统帮助管理员管理云数据中心中的所有计算节点，可实时查看计算节点的各个资源的使用情况。述用户管理系统实现了用户的注册、配额分配等功能。
可选地，实时监控每个物理机的资源使用状态可以包括：
周期性采集计算节点的中央处理器CPU、内存以及磁盘的资源信息；
根据采集的资源信息实时分析每个计算节点上不同资源所对应的总共资源、已用资源和可用资源。
在本发明实施例中，调度层是整个云数据中心的核心层，可以由监控模块和迁移模块组成。监控模块主要负责监控云数据中心的计算节点资源使用情况，即实时监控每个物理机的资源使用状态，以及调用预设的虚拟机迁移触发算法判断是否需要进行虚拟机迁移操作。
在本发明实施例中，虚拟化层由KVM(全称是Kernel-based Virtual Machine，是Linux下x86硬件平台上的全功能虚拟化解决方案，包含一个可加载的内核模块kvm.ko提供和虚拟化核心架构和处理器规范模块)对底层物理资源进行虚拟化处理并为上层提供虚拟机服务。虚拟化层通过虚拟化技术可以在物理机上运行多个虚拟机，物理机的负载随虚拟机负载变化而变化，而物理机的资源容量是固定的，当多个虚拟机同时需要处理计算密集型任务时，就容易造成虚拟机之间的资源挣抢。云数据中心中计算节点的资源分配情况直接决定着虚拟机的服务质量，所以云数据中也需要一个具有资源监控作用的模块对计算节点的资源使用情况进行实时地监控，将监控数据作为判断虚拟机迁移时机的依据，为后期虚拟机调度做准备。
S102、根据资源使用状态对物理机的负载状态进行监控。
在本发明实施例中，通过上述步骤获取每个物理机的资源使用状态后，可以对监控的数据进行处理以判断计算节点负载情况是否满足虚拟机迁移的触发条件。上述的调度层的监控模块可以包括数据采集器、数据分析器、数据封装器、本地存储器及迁移触发器，如图3所示。
在本发明实施例中，每个计算节点均可以部署有数据采集器、数据分析器、数据封装器、本地存储器和虚拟机迁移触发器。数据采集器负责周期性的采集计算节点上的CPU、内存、磁盘等信息并通过数据分析器分析总共资源、已用资源和可用资源等，并将这些信息封装为适合通信的格式推送给控制节点以及保存到本地存储器。
可选地，采集的计算节点的全部资源信息存储在云数据中心的mysql数据库中。
在本发明实施例中，控制节点上的mysql数据库用于存储计算节点数据，可以方便查看和调用。
可选地，根据资源使用状态对物理机的负载状态进行监控可以包括S201-S203：
S201、计算每个计算节点上不同资源所对应的已用资源占总共资源的比例。
在本发明实施例中，根据不同的应用场景，也可以直接将已用资源与总共资源相比较，对于具体实施方案不做限制。
S202、根据该比例和预设的加权值计算每个物理机上全部资源的负载值。
在本发明实施例中，可分别采用CPU、内存、磁盘等资源对应的比例与其对应的加权值(通过预先设置或计算获得)相乘后求和获得，该加权值可以根据不同的应用场景自行定义或计算，对于其具体数值不做限制。
S203、当计算出的负载值大于或等于预设的第一负载阈值时，确定当前计算节点上的负载状态处于欠载状态；当计算出的负载值小于或等于预设的第二负载阈值时，确定当前计算节点上的负载状态处于轻载状态；其中，第一负载阈值大于第二负载阈值。
在本发明实施例中，第一负载阈值和第二负载阈值可以根据不同的应用场景自行定义或计算，对于其具体数值不做限制。另外，当确定当前计算节点上的负载状态处于欠载状态时，则可以确定当前计算节点的负载已经达到了虚拟机迁移的触发条件；当确定当前计算节点上的负载状态处于轻载状态，则可以确定该计算节点可以作为虚拟机迁移的目标节点。
S103、将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上。
可选地，将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上可以包括：
获取第一物理机上的预设的虚拟机列表；
根据预设的迁移规则选择第一物理机上的一个或多个虚拟机进行迁移，直至第一物理机上的负载状态达到预设标准。
可选地，将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上还包括：
通过预设的筛选规则对处于轻载状态的多个第二物理机进行筛选；
将第一物理机上的虚拟机迁移到筛选获得的第二物理机上。
在本发明实施例中，虚拟机的迁移业务可以由预设的迁移模块完成，该迁移模块可以被部署到每个计算节点上，当计算节点的负载达到了虚拟机迁移的触发条件，则预设的待迁移虚拟机选择模块(即VM选择器)可以首先获取虚拟机列表(VM列表)，使用待迁移虚拟机选择算法(即上述的迁移规则)从虚拟机列表中选择合适的虚拟机进行迁移，直到计算节点上的负载状态达到预设标准，例如CPU利用率降低到预设的上限阈值以下，如图4所示。
在本发明实施例中，还可以预先将目标物理机选择模块被部署到控制节点上，它接收到虚拟机调度请求后，可以通过RPC(Remote Procedure Call Protocol远程过程调用协议)调用云数据中心中可用的计算节点列表(即PM列表)。通过计算节点筛选器(即PM筛选器)剔除不满足虚拟机放置条件的计算节点，通过预设的目标物理机选择算法(即上述的筛选规则)在筛选后的计算节点列表中为待迁移虚拟机选择目标计算节点。
可选地，该方法还包括：通过nova-api实现虚拟机的迁移。
可选地，该方法还包括：将处于欠载状态的第一物理机上的全部虚拟机迁移到处于轻载状态的第二物理机上；并关闭第一物理机。
在本发明实施例中，通过实时监测物理机的资源使用状态，及时发现处于欠载状态的物理机，将其上的虚拟机全部迁移出去，并关闭该物理机。将分散的虚拟机整合到少数物理机上，提高了云数据中心的资源使用率，减少了能量消耗。
为了达到本发明实施例目的，本发明实施例还提供了一种虚拟机能耗优化系统1，如图5所示，该系统可以包括：第一监控模块11，第二监控模块12和迁移模块13；
第一监控模块11，用于实时监控每个物理机的资源使用状态；
第二监控模块12，用于根据资源使用状态对物理机的负载状态进行监控；
迁移模块13，用于将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上。
可选地，物理机包括：云数据中心的所有计算节点。
可选地，第一监控模块11实时监控每个物理机的资源使用状态包括：
周期性采集计算节点的中央处理器CPU、内存以及磁盘的资源信息；
根据采集的资源信息实时分析每个计算节点上不同资源所对应的总共资源、已用资源和可用资源。
可选地，采集的计算节点的全部资源信息存储在云数据中心的mysql数据库中。
可选地，第二监控模块12根据资源使用状态对物理机的负载状态进行监控包括：
计算每个计算节点上不同资源所对应的已用资源占总共资源的比例；
根据比例和预设的加权值计算每个物理机上全部资源的负载值；
当计算出的负载值大于或等于预设的第一负载阈值时，确定当前计算节点上的负载状态处于欠载状态；当计算出的负载值小于或等于预设的第二负载阈值时，确定当前计算节点上的负载状态处于轻载状态；其中，第一负载阈值大于第二负载阈值。
可选地，迁移模块13将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上包括：
获取第一物理机上的预设的虚拟机列表；
根据预设的迁移规则选择第一物理机上的一个或多个虚拟机进行迁移，直至第一物理机上的负载状态达到预设标准。
可选地，迁移模块13将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上还包括：
通过预设的筛选规则对处于轻载状态的多个第二物理机进行筛选；
将第一物理机上的虚拟机迁移到筛选获得的第二物理机上。
可选地，迁移模块13还用于：通过nova-api实现虚拟机的迁移。
可选地，迁移模块13还用于：将处于欠载状态的第一物理机上的全部虚拟机迁移到处于轻载状态的第二物理机上；并关闭第一物理机。
本发明实施例包括：实时监控每个物理机的资源使用状态；根据资源使用状态对物理机的负载状态进行监控；将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上。该实施例方案降低了云数据中心能耗、提高了资源利用率。
虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种虚拟机能耗优化方法，其特征在于，所述方法包括：
实时监控每个物理机的资源使用状态；
根据所述资源使用状态对所述物理机的负载状态进行监控；
将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上。
2.如权利要求1所述的虚拟机能耗优化方法，其特征在于，所述物理机包括：云数据中心的所有计算节点。
3.如权利要求2所述的虚拟机优能耗化方法，其特征在于，所述实时监控每个物理机的资源使用状态包括：
周期性采集所述计算节点的中央处理器CPU、内存以及磁盘的资源信息；
根据采集的所述资源信息实时分析每个所述计算节点上不同资源所对应的总共资源、已用资源和可用资源。
4.如权利要求3所述的虚拟机能耗优化方法，其特征在于，采集的所述计算节点的全部资源信息存储在所述云数据中心的mysql数据库中。
5.如权利要求3所述的虚拟机能耗优化方法，其特征在于，所述根据所述资源使用状态对所述物理机的负载状态进行监控包括：
计算每个所述计算节点上不同资源所对应的已用资源占总共资源的比例；
根据所述比例和预设的加权值计算每个物理机上全部资源的负载值；
当计算出的所述负载值大于或等于预设的第一负载阈值时，确定当前计算节点上的负载状态处于所述欠载状态；当计算出的所述负载值小于或等于预设的第二负载阈值时，确定当前计算节点上的负载状态处于所述轻载状态；其中，所述第一负载阈值大于所述第二负载阈值。
6.如权利要求5所述的虚拟机能耗优化方法，其特征在于，所述将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上包括：
获取所述第一物理机上的预设的虚拟机列表；
根据预设的迁移规则选择所述第一物理机上的一个或多个虚拟机进行迁移，直至所述第一物理机上的负载状态达到预设标准。
7.如权利要求6所述的虚拟机能耗优化方法，其特征在于，所述将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上还包括：
通过预设的筛选规则对处于所述轻载状态的多个第二物理机进行筛选；
将所述第一物理机上的虚拟机迁移到筛选获得的第二物理机上。
8.如权利要求6或7所述的虚拟机能耗优化方法，其特征在于，所述方法还包括：通过nova-api实现所述虚拟机的迁移。
9.如权利要求1所述的虚拟机能耗优化方法，其特征在于，所述方法还包括：将处于欠载状态的第一物理机上的全部虚拟机迁移到处于轻载状态的第二物理机上；并关闭所述第一物理机。
10.一种虚拟机能耗优化系统，其特征在于，所述系统包括：第一监控模块，第二监控模块和迁移模块；
所述第一监控模块，用于实时监控每个物理机的资源使用状态；
所述第二监控模块，用于根据所述资源使用状态对所述物理机的负载状态进行监控；
所述迁移模块，用于将处于欠载状态的第一物理机上的虚拟机迁移到处于轻载状态的第二物理机上。
CN201710713031.5A 2017-08-18 2017-08-18 一种虚拟机能耗优化方法和系统 Pending CN107479947A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710713031.5A CN107479947A (zh) 2017-08-18 2017-08-18 一种虚拟机能耗优化方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710713031.5A CN107479947A (zh) 2017-08-18 2017-08-18 一种虚拟机能耗优化方法和系统

Publications (1)

Publication Number Publication Date
CN107479947A true CN107479947A (zh) 2017-12-15

Family

ID=60600839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710713031.5A Pending CN107479947A (zh) 2017-08-18 2017-08-18 一种虚拟机能耗优化方法和系统

Country Status (1)

Country Link
CN (1) CN107479947A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108833528A (zh) * 2018-06-11 2018-11-16 郑州云海信息技术有限公司 一种云平台集群调度方法和装置
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
CN110753372A (zh) * 2018-07-24 2020-02-04 中兴通讯股份有限公司 基带处理分离架构中的信息处理方法、装置及存储介质
CN111556165A (zh) * 2019-08-01 2020-08-18 广州知弘科技有限公司 基于云计算的信息处理方法和系统
CN111857960A (zh) * 2020-07-27 2020-10-30 浪潮云信息技术股份公司 一种计算资源的统一管理方法及系统
CN112134917A (zh) * 2020-08-04 2020-12-25 深圳市中兴系统集成技术有限公司 一种基于超融合云的异地容灾方法
CN112379766A (zh) * 2020-11-25 2021-02-19 航天通信中心 数据处理方法、装置、非易失性存储介质和处理器
WO2022222975A1 (zh) * 2021-04-20 2022-10-27 华为云计算技术有限公司 负载处理方法、计算节点、计算节点集群及相关设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100211956A1 (en) * 2009-02-18 2010-08-19 International Business Machines Corporation Method and system for continuous optimization of data centers by combining server and storage virtualization
CN104268004A (zh) * 2014-10-17 2015-01-07 浪潮电子信息产业股份有限公司 一种云计算操作系统下的虚拟机迁移方法
CN105159751A (zh) * 2015-09-17 2015-12-16 河海大学常州校区 云数据中心中一种能量高效的虚拟机迁移方法
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
CN106970831A (zh) * 2017-05-15 2017-07-21 金航数码科技有限责任公司 一种面向云平台的虚拟机资源动态调度系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100211956A1 (en) * 2009-02-18 2010-08-19 International Business Machines Corporation Method and system for continuous optimization of data centers by combining server and storage virtualization
CN104268004A (zh) * 2014-10-17 2015-01-07 浪潮电子信息产业股份有限公司 一种云计算操作系统下的虚拟机迁移方法
CN105159751A (zh) * 2015-09-17 2015-12-16 河海大学常州校区 云数据中心中一种能量高效的虚拟机迁移方法
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
CN106970831A (zh) * 2017-05-15 2017-07-21 金航数码科技有限责任公司 一种面向云平台的虚拟机资源动态调度系统及方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108833528A (zh) * 2018-06-11 2018-11-16 郑州云海信息技术有限公司 一种云平台集群调度方法和装置
CN110753372A (zh) * 2018-07-24 2020-02-04 中兴通讯股份有限公司 基带处理分离架构中的信息处理方法、装置及存储介质
CN110753372B (zh) * 2018-07-24 2023-05-30 中兴通讯股份有限公司 基带处理分离架构中的信息处理方法、装置及存储介质
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
CN111556165A (zh) * 2019-08-01 2020-08-18 广州知弘科技有限公司 基于云计算的信息处理方法和系统
CN111857960A (zh) * 2020-07-27 2020-10-30 浪潮云信息技术股份公司 一种计算资源的统一管理方法及系统
CN112134917A (zh) * 2020-08-04 2020-12-25 深圳市中兴系统集成技术有限公司 一种基于超融合云的异地容灾方法
CN112134917B (zh) * 2020-08-04 2023-11-14 中兴系统技术有限公司 一种基于超融合云的异地容灾方法
CN112379766A (zh) * 2020-11-25 2021-02-19 航天通信中心 数据处理方法、装置、非易失性存储介质和处理器
CN112379766B (zh) * 2020-11-25 2024-04-26 航天通信中心 数据处理方法、装置、非易失性存储介质和处理器
WO2022222975A1 (zh) * 2021-04-20 2022-10-27 华为云计算技术有限公司 负载处理方法、计算节点、计算节点集群及相关设备

Similar Documents

Publication Publication Date Title
CN107479947A (zh) 一种虚拟机能耗优化方法和系统
Toosi et al. Resource provisioning for data-intensive applications with deadline constraints on hybrid clouds using Aneka
CN105207798B (zh) 软件定义网络中的业务编排方法及装置
CN108182105B (zh) 基于Docker容器技术的局部动态迁移方法及控制系统
Téllez et al. A tabu search method for load balancing in fog computing
CN105103506B (zh) 用于为云计算网络中的非均匀带宽请求分配带宽的方法和系统
CN108667859A (zh) 一种实现资源调度的方法及装置
CN109684074A (zh) 物理机资源分配方法及终端设备
CN112783649A (zh) 一种面向云计算的交互感知的容器化微服务资源调度方法
CN109067890A (zh) 一种基于docker容器的CDN节点边缘计算系统
CN103747107B (zh) 一种兼容式云操作平台及其实现方法
CN108595306A (zh) 一种面向混部云的服务性能测试方法
CN105893113A (zh) 虚拟机的管理系统及管理方法
CN104731528B (zh) 一种云计算块存储服务的构建方法及系统
CN111381928B (zh) 一种虚拟机迁移方法、云计算管理平台和存储介质
CN110109756A (zh) 一种网络靶场构建方法、系统及存储介质
CN104050043A (zh) 基于共享缓存感知的虚拟机调度方法和装置
CN106155763A (zh) 虚拟机调度方法和装置
CN107220108A (zh) 一种实现云数据中心负载均衡的方法和系统
CN109271257A (zh) 一种虚拟机迁移部署的方法及设备
CN106909462A (zh) 一种云资源调度方法及装置
WO2023109068A1 (zh) 一种多云环境下基于用户体验的虚拟机自动迁移决策方法
CN103023936B (zh) 一种多层次网络系统及基于该网络系统的任务执行方法
CN116319240A (zh) 使用用于确定性微服务性能的交互式矩阵的规模化遥测
CN108900435A (zh) 一种业务部署的方法、装置及计算机存储介质

Legal Events

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

Application publication date: 20171215

RJ01 Rejection of invention patent application after publication