CN108123893A - 一种实时虚拟机迁移的多目标带宽分配方法 - Google Patents
一种实时虚拟机迁移的多目标带宽分配方法 Download PDFInfo
- Publication number
- CN108123893A CN108123893A CN201711363024.3A CN201711363024A CN108123893A CN 108123893 A CN108123893 A CN 108123893A CN 201711363024 A CN201711363024 A CN 201711363024A CN 108123893 A CN108123893 A CN 108123893A
- Authority
- CN
- China
- Prior art keywords
- virtual machine
- mrow
- bandwidth
- performance
- migration
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/52—Queue scheduling by attributing bandwidth to queues
- H04L47/525—Queue scheduling by attributing bandwidth to queues by redistribution of residual bandwidth
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/62—Queue scheduling characterised by scheduling criteria
- H04L47/622—Queue service order
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种实时虚拟机迁移的多目标带宽分配方法，所述方法包括(1)采用性能模型对虚拟机剩余带宽与性能之间的关系建模；(2)采用网络带宽分配算法对该性能模型进行分配。本发明基于排队论，提出一个性能模型来描述虚拟机剩余带宽与性能之间的关系。基于性能模型，提出实时迁移的网络带宽分配算法，以提高实时迁移的性能并平衡实时迁移的性能改进和迁移对虚拟机的影响。
Description
技术领域
本发明属于计算机技术领域，具体涉及一种实时虚拟机迁移的多目标带宽分配方法。
背景技术
实时虚拟机迁移已成为实现不同服务器间负载均衡和节能的核心系统管理工具。研究主要集中在活动虚拟机迁移的性能改进。
执行应用程序和硬件之间的中间层的虚拟机已被广泛应用于云计算。虚拟机的实时迁移指的是通过网络从一台物理主机向另一台物理主机传输正在运行的虚拟机。在集群中替代和整合正在运行的虚拟机是一项核心功能，在虚拟机负载均衡、容错、电源管理等多种关键场景下已经成为系统管理的一个非常强大的工具。
目前来讲，已经提出了许多改进实时虚拟机迁移的性能指标的工作：总迁移时间，停机时间和总数据传输。改进主要包括重复数据删除，增量页面转换，压缩，以及页面转移的等价转换。这些方法可以有效地减少迁移时间和网络流量开销，但是虚拟机忽略了迁移对运行在迁移源和目标主机上的虚拟机的性能的影响。这导致他们的实际效果低于预期。因此，实时迁移的实际性能应该通过性能指标和迁移对虚拟机的影响来衡量。造成这种影响的主要原因是实时迁移和正在运行的虚拟机竞争资源共享等。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种实时虚拟机迁移的多目标带宽分配方法。网络带宽是影响实时迁移和运行虚拟机性能的关键因素。因此，适当的带宽分配不仅可以提高迁移时间等指标衡量的实时迁移性能，还可以平衡迁移对虚拟机的影响。本发明将实时迁移的性能定义为迁移时间的加权总和，迁移时间的一个重要性能指标以及影响。之后，将求和的形式化为一个多目标优化问题，然后提出一种网络带宽分配算法来解决这个问题。
为实现以上目的，本发明采用如下技术方案：
1、一种实时虚拟机迁移的多目标带宽分配方法，其改进之处在于：所述方法包括
(1)将实时迁移的性能定义为迁移时间的加权总和；
(2)采用性能模型对虚拟机剩余带宽与性能之间的关系建模；
(3)采用网络带宽分配算法对该性能模型进行分配。
进一步的，所述步骤(1)包括
采用加权的形式来正式描述表现如下：
Pt＝αP+βPm；
其中，P和Pm分别表示虚拟机的平均响应时间和实时迁移的性能，α和β分别表示虚拟机的权重；
设实时迁移和VM竞争可用的网络带宽，进一步减少Pt的最小化公式如(1)所示：
Minimize Pt＝α(P+ΔP)+β(Pm-ΔPm) (1)；
其中，ΔPm表示残留的增加带宽，ΔP表示虚拟机剩余带宽的减少而导致的性能下降；
P是已知的，由ΔP量化迁移对虚拟机的影响可知，Pm和ΔPm可用于实时迁移性能模型进行评估；
因此，公式(1)ΔP最小化，令Bi和Bimini分别表示VMi的剩余带宽和在SLA中没有违规的最小带宽；Bi-Bimin是从虚拟机回收的最大带宽，让mi＝Bi-Bimin，将最大带宽视为mi项目；各自的权重为一个带宽单位，依次提供实时迁移；
如果有n个虚拟机的最大回收带宽分别为r1～rn和r个带宽需要从中回收，则说明ΔP的最小值应该从每个虚拟机回收，以使虚拟机的性能下降最小；如下所示：
进一步的，所述步骤(2)包括
采用排队理论来模拟网络带宽与以不同的请求速率运行虚拟机的性能之间的关系。
进一步的，将每个虚拟机建模为一个M/G/1/PS队列，即服务时间被假定为任意分布，并假定每个虚拟机的服务规则是处理器共享，设来自外部的请求的到达间隔时间的分布具有泊松分布；
基于排队论的结果，BCMP定理，建立ρ，λ和μ之间的关系如下：
其中，ρ表示在VM处的网络带宽利用率，μ表示在VM处的请求的平均服务速率，λ表示在VM处的传入请求速率；公式(2)将虚拟机的资源利用率作为其请求速率和服务速率的函数进行建模。
进一步的，根据Little.s定律，将P，μ和λ之间的关系建模如下：
P表示VM请求的平均响应时间，公式(3)将虚拟机的性能作为其网络带宽利用率和服务速率的函数进行建模；对于消耗网络带宽的请求，其服务速率μ被视为网络带宽B的函数，其给出如下：
其中，F表示请求的平均流量；
基于方程(3)和(4)，可得
该方程将VM的性能建模为其剩余带宽B的函数。
进一步的，在性能模型的基础上，分析带宽对实时迁移和虚拟机的影响，采用网络带宽回收算法进行计算。
进一步的，
采用网络带宽分配算法将求和的形式化为一个多目标进行优化。
进一步的，采用网络带宽分配算法将求和的形式化为一个多目标进行优化
包括
剩余带宽分别减少ΔB，基于公式(5)，虚拟机的性能降低描述如下：
ΔP＝P(B)-P(B-ΔB)
＝-ΔB/(B/F-λ)*((B-ΔB)/F-λ)；
该式表明三个虚拟机的性能都会随着各自剩余带宽的逐渐减小而急剧下降；假设虚拟机被分别回收相同的带宽，虚拟机各自的降级是不同的，由B，F和λ决定。
进一步的，采用网络带宽回收算法和贪婪算法，从每个虚拟机回收部分带宽，使其总体性能下降最小化。
进一步的，计算每个虚拟机在剩余带宽减少一个带宽单位时的性能下降，并将虚拟机存储在红黑树Trb中；从退化最小的虚拟机中回收一个带宽单元，重新计算退化，并将其存储到Trb；如果满足要求的带宽B或不再有带宽可以从VM回收，算法终止。
本发明采用以上技术方案，
本发明为了改善实际效果，本发明首先使用加权求和方法来将VM迁移性能的改善形式化为多目标优化问题。然后用排队论模型分析了虚拟机的性能和剩余带宽之间的关系。之后，在性能模型的基础上，提出了一种实时VM迁移的带宽分配算法来解决这个问题。实验结果表明，与QEMU实时迁移的带宽分配方法相比，本发明的算法可以将实时虚拟机迁移的性能提高76％以上。
本发明基于排队论，提出一个性能模型来描述虚拟机剩余带宽与性能之间的关系。基于性能模型，提出实时迁移的网络带宽分配算法，以提高实时迁移的性能并平衡实时迁移的性能改进和迁移对虚拟机的影响。
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，下面描述中的附图仅仅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是本发明提供的一种实时虚拟机迁移的多目标带宽分配方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
本发明涉及一种实时虚拟机迁移的多目标带宽分配方法，包括如下步骤：
1、使用加权求和方法来将活VM迁移性能的改善形式化为多目标优化问题；
其中，使用加权的形式来正式描述表现如下：
Pt＝αP+βPm；
其中，P和Pm分别表示虚拟机的平均响应时间和实时迁移的性能，α和β分别表示虚拟机的权重。为了简化，本发明只关注传统性能指标的迁移时间。P和Pm越小，各自的表现越高。实时迁移性能的优化是最大限度地减少Ptotal，而带宽分配问题则是找出优化的最佳解决方案。此外，P和Pm与虚拟机各自的剩余带宽成反比。
由于其对网络带宽的竞争，剩余带宽的增加总会导致另一个剩余带宽的减少。因此，实时迁移性能的提高和虚拟机性能下降是实际上带宽分配的两个相互冲突的目标。因此，Pt的最小化实际上是一个多目标优化问题。假设实时迁移和VM竞争可用的网络带宽，那么可以进一步减少Pt的最小化如下：
Minimize Pt＝α(P+ΔP)+β(Pm-ΔPm) (1)
其中，ΔPm表示由于残留的增加带宽和ΔP表示虚拟机由于剩余带宽的减少而导致的性能下降。ΔP量化迁移对虚拟机的影响。P是已知的，Pm和ΔPm可以用于实时迁移性能模型进行评估。因此，公式(1)的关键是使ΔP最小，描述ΔP的最小化，令Bi和Bimini分别表示VMi的剩余带宽和在SLA中没有违规的最小带宽，Bi-Bimin是从虚拟机回收的最大带宽，让mi＝Bi-Bimin，本发明可以将最大带宽视为mi项目。虚拟机各自的权重是一个带宽单位，可以依次提供实时迁移。
如果有n个虚拟机的最大回收带宽分别为r1，...，rn和r个带宽需要从中回收，则说明ΔP的最小值应该从每个虚拟机回收，以使虚拟机的性能下降最小。这个问题可以正式描述如下：
2、采用性能模型对虚拟机剩余带宽与性能之间的关系建模，给运行web应用的虚拟机提供一个性能模型；
本发明使用排队论来分析和建模这些因素与表现之间的关系。首先，本发明将每个虚拟机建模为一个M/G/1/PS队列，即服务时间被假定为任意分布，并假定每个虚拟机的服务规则是处理器共享(PS)。为了便于分析，本发明假设来自外部的请求的到达间隔时间的分布具有泊松分布。
其次，基于众所周知的排队论的结果，称为BCMP定理，本发明建立ρ，λ和μ之间的关系如下：
其中ρ表示在VM处的网络带宽利用率，μ表示在VM处的请求的平均服务速率，λ表示在VM处的传入请求速率。该等式将虚拟机的资源利用率作为其请求速率和服务速率的函数进行建模。
此外，根据Little.s定律，本发明可以将P，μ和λ之间的关系建模如下：
P表示VM请求的平均响应时间。该公式(3)将虚拟机的性能作为其网络带宽利用率和服务速率的函数进行建模。
另一方面，对于消耗网络带宽的请求，其服务速率μ被视为网络带宽B的函数，其给出如下：
其中F表示请求的平均流量。
基于方程(3)和(4)，本发明有
该方程将VM的性能建模为其剩余带宽B的函数。
3、采用网络带宽分配算法对该性能模型进行分配，基于公式(1)，本发明采用网络带宽分配算法，提高实时迁移的性能；
如果虚拟机的剩余带宽分别减少ΔB，则基于等式(5)，虚拟机的性能降低可以被描述如下：
ΔP＝P(B)-P(B-ΔB)
＝-ΔB/(B/F-λ)*((B-ΔB)/F-λ)；
该等式表明三个虚拟机的性能都会随着各自剩余带宽的逐渐减小而急剧下降。而且，假设虚拟机被分别回收相同的带宽，虚拟机各自的降级是不同的，主要由B，F和λ决定。
综上所述，本发明首先提出一个网络带宽回收算法，一个贪婪算法，从每个虚拟机回收部分带宽，使其总体性能下降可以最小化。首先计算每个虚拟机在剩余带宽减少一个带宽单位时的性能下降，并将虚拟机存储在红黑树Trb中。之后，从退化最小的虚拟机中回收一个带宽单元，重新计算退化，并将其存储到Trb。如果满足要求的带宽B或不再有带宽可以从VM回收，算法终止。
本发明算法的核心描述如下：
每一个虚拟机VM，减少它的虚拟机单位带宽，根据公式(5)计算ΔP，存储ΔP到红黑树，选择最大ΔP和最小ΔP的虚拟机VMi和VMj，将虚拟机VMi的带宽分与VMj。
输入:(1)m VMs V＝{VM1，…，VMm}，
(2)每个VM的当前和最小网络带宽，间隔＝{(B'1,B1)，(B,Bm)}，
(3)提供实时迁移的带宽B。输出:从每个VM中回收的网络带宽，R＝(Br1，…，Brn)，其中Bri。
由于Web应用程序已广泛部署在云计算环境中，因此本发明仅考虑迁移对运行Web应用程序的VM的影响。Web应用程序主要负责响应其请求。有许多工具可以记录请求和响应的信息，例如请求时间，请求类型，响应时间，资源利用率等等。
上述技术方案中，本发明首先使用排队理论来模拟网络带宽与以不同的请求速率运行虚拟机的性能之间的关系。其次，在此模型的基础上，分析带宽对实时迁移和虚拟机的影响，提出网络带宽回收算法。它可以最大限度地减少从特定带宽回收的虚拟机的性能下降，然后提供实时迁移。之后，基于该算法和现有的实时迁移性能模型，提出了一种网络带宽分配算法来解决多目标优化问题。因此，算法给出的带宽分配不仅可以尽可能地提高实时迁移的性能，而且可以平衡迁移对虚拟机的影响。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：所述方法包括
(1)将实时迁移的性能定义为迁移时间的加权总和；
(2)采用性能模型对虚拟机剩余带宽与性能之间的关系建模；
(3)采用网络带宽分配算法对该性能模型进行分配。
2.根据权利要求1所述的一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：所述步骤(1)包括
采用加权的形式来正式描述表现如下：
Pt＝αP+βPm；
其中，P和Pm分别表示虚拟机的平均响应时间和实时迁移的性能，α和β分别表示虚拟机的权重；
设实时迁移和VM竞争可用的网络带宽，进一步减少Pt的最小化公式如(1)所示：
Minimize Pt＝α(P+ΔP)+β(Pm-ΔPm) (1)；
其中，ΔPm表示残留的增加带宽，ΔP表示虚拟机剩余带宽的减少而导致的性能下降；
P是已知的，由ΔP量化迁移对虚拟机的影响可知，Pm和ΔPm可用于实时迁移性能模型进行评估；
公式(1)ΔP最小化，令Bi和Bimini分别表示VMi的剩余带宽和在SLA中没有违规的最小带宽；Bi-Bimin是从虚拟机回收的最大带宽，让mi＝Bi-Bimin，将最大带宽视为mi项目；各自的权重为一个带宽单位，依次提供实时迁移；
有n个虚拟机的最大回收带宽分别为r1～rn和r个带宽需要从中回收，则说明ΔP的最小值应该从每个虚拟机回收，以使虚拟机的性能下降最小；如下所示：
<mrow>
<mi>M</mi>
<mi>i</mi>
<mi>n</mi>
<mi>i</mi>
<mi>m</mi>
<mi>i</mi>
<mi>z</mi>
<mi>e</mi>
<mi>&Delta;</mi>
<mi>P</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>r</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&Delta;P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
3.根据权利要求1所述的一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：所述步骤(2)包括
采用排队理论来模拟网络带宽与以不同的请求速率运行虚拟机的性能之间的关系。
4.根据权利要求3所述的一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：将每个虚拟机建模为一个M/G/1/PS队列，即服务时间被假定为任意分布，并假定每个虚拟机的服务规则是处理器共享，设来自外部的请求的到达间隔时间的分布具有泊松分布；
基于排队论的结果，BCMP定理，建立ρ，λ和μ之间的关系如下：
<mrow>
<mi>&rho;</mi>
<mo>=</mo>
<mfrac>
<mi>&lambda;</mi>
<mi>&mu;</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，ρ表示在VM处的网络带宽利用率，μ表示在VM处的请求的平均服务速率，λ表示在VM处的传入请求速率；公式(2)将虚拟机的资源利用率作为其请求速率和服务速率的函数进行建模。
5.根据权利要求4所述的一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：根据Little.s定律，将P，μ和λ之间的关系建模如下：
<mrow>
<mi>P</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
P表示VM请求的平均响应时间，公式(3)将虚拟机的性能作为其网络带宽利用率和服务速率的函数进行建模；对于消耗网络带宽的请求，其服务速率μ被视为网络带宽B的函数，其给出如下：
<mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mi>B</mi>
<mi>F</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，F表示请求的平均流量；
基于方程(3)和(4)，可得
<mrow>
<mi>P</mi>
<mo>=</mo>
<mfrac>
<mi>F</mi>
<mrow>
<mi>B</mi>
<mo>-</mo>
<mi>&lambda;</mi>
<mi>F</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
该方程将VM的性能建模为其剩余带宽B的函数。
6.根据权利要求1所述的一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：在性能模型的基础上，分析带宽对实时迁移和虚拟机的影响，采用网络带宽回收算法进行计算。
7.根据权利要求6所述的一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：
采用网络带宽分配算法将求和的形式化为一个多目标进行优化。
8.根据权利要求7所述的一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：采用网络带宽分配算法将求和的形式化为一个多目标进行优化包括剩余带宽分别减少ΔB，基于公式(5)，虚拟机的性能降低描述如下：
ΔP＝P(B)-P(B-ΔB)
＝-ΔB/(B/F-λ)*((B-ΔB)/F-λ)；
该式表明三个虚拟机的性能都会随着各自剩余带宽的逐渐减小而急剧下降；假设虚拟机被分别回收相同的带宽，虚拟机各自的降级是不同的，由B，F和λ决定。
9.根据权利要求1所述的一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：采用网络带宽回收算法和贪婪算法，从每个虚拟机回收部分带宽，使其总体性能下降最小化。
10.根据权利要求9所述的一种实时虚拟机迁移的多目标带宽分配方法，其特征在于：计算每个虚拟机在剩余带宽减少一个带宽单位时的性能下降，并将虚拟机存储在红黑树Trb中；从退化最小的虚拟机中回收一个带宽单元，重新计算退化，并将其存储到Trb；如果满足要求的带宽B或不再有带宽可以从VM回收，算法终止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711363024.3A CN108123893A (zh) | 2017-12-18 | 2017-12-18 | 一种实时虚拟机迁移的多目标带宽分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711363024.3A CN108123893A (zh) | 2017-12-18 | 2017-12-18 | 一种实时虚拟机迁移的多目标带宽分配方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108123893A true CN108123893A (zh) | 2018-06-05 |
Family
ID=62230093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711363024.3A Pending CN108123893A (zh) | 2017-12-18 | 2017-12-18 | 一种实时虚拟机迁移的多目标带宽分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108123893A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110995620A (zh) * | 2019-11-28 | 2020-04-10 | 广东电力通信科技有限公司 | 一种充分利用带宽提高云迁移效率的方法 |
| CN112419601A (zh) * | 2020-10-29 | 2021-02-26 | 东北大学秦皇岛分校 | 一种基于排队论的单向车辆共享系统规模优化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103294546A (zh) * | 2013-04-03 | 2013-09-11 | 华中科技大学 | 多维度资源性能干扰感知的虚拟机在线迁移方法及系统 |
| CN106326000A (zh) * | 2015-06-30 | 2017-01-11 | 华为技术有限公司 | 一种云计算系统中的资源调度方法及装置 |
| CN106681815A (zh) * | 2016-12-27 | 2017-05-17 | 中山大学 | 一种虚拟机并发迁移方法 |
-
2017
- 2017-12-18 CN CN201711363024.3A patent/CN108123893A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103294546A (zh) * | 2013-04-03 | 2013-09-11 | 华中科技大学 | 多维度资源性能干扰感知的虚拟机在线迁移方法及系统 |
| CN106326000A (zh) * | 2015-06-30 | 2017-01-11 | 华为技术有限公司 | 一种云计算系统中的资源调度方法及装置 |
| CN106681815A (zh) * | 2016-12-27 | 2017-05-17 | 中山大学 | 一种虚拟机并发迁移方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110995620A (zh) * | 2019-11-28 | 2020-04-10 | 广东电力通信科技有限公司 | 一种充分利用带宽提高云迁移效率的方法 |
| CN112419601A (zh) * | 2020-10-29 | 2021-02-26 | 东北大学秦皇岛分校 | 一种基于排队论的单向车辆共享系统规模优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Priya et al. | Resource scheduling algorithm with load balancing for cloud service provisioning | |
| CN109324875B (zh) | 一种基于强化学习的数据中心服务器功耗管理与优化方法 | |
| Tarahomi et al. | An efficient power-aware VM allocation mechanism in cloud data centers: a micro genetic-based approach | |
| CN104902001B (zh) | 基于操作系统虚拟化的Web请求负载均衡方法 | |
| Al-Dulaimy et al. | Type-aware virtual machine management for energy efficient cloud data centers | |
| CN107992353B (zh) | 一种基于最小迁移量的容器动态迁移方法及系统 | |
| CN105718364A (zh) | 一种云计算平台中计算资源能力动态评估方法 | |
| CN104216782A (zh) | 高性能计算和云计算混合环境中的动态资源管理方法 | |
| CN107734052A (zh) | 面向组件依赖的负载均衡容器调度方法 | |
| CN105242956A (zh) | 虚拟功能服务链部署系统及其部署方法 | |
| CN102981893B (zh) | 一种虚拟机调度方法及系统 | |
| CN105426241A (zh) | 一种基于云计算数据中心的统一资源调度节能方法 | |
| Zuo et al. | Dynamically weighted load evaluation method based on self-adaptive threshold in cloud computing | |
| CN105373432A (zh) | 一种基于虚拟资源状态预测的云计算资源调度方法 | |
| CN105260230A (zh) | 基于分段服务等级协议的数据中心虚拟机资源调度方法 | |
| CN107450855A (zh) | 一种用于分布式存储的模型可变的数据分布方法及系统 | |
| CN104821906A (zh) | 一种高效节能虚拟网络节点映射模型及算法 | |
| CN112559122A (zh) | 一种基于电力专用安防设备的虚拟化实例管控方法及系统 | |
| Zhou et al. | Strategy optimization of resource scheduling based on cluster rendering | |
| CN108123893A (zh) | 一种实时虚拟机迁移的多目标带宽分配方法 | |
| CN109976879B (zh) | 一种基于资源使用曲线互补的云计算虚拟机放置方法 | |
| CN115714820A (zh) | 一种分布式的微服务调度优化方法 | |
| CN112954012B (zh) | 基于负载的改进模拟退火算法的云任务调度方法 | |
| CN107479949A (zh) | 低能耗云计算任务调度方法 | |
| CN108170522B (zh) | 一种基于动态阈值的云计算虚拟机迁移控制方法 |
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: 20180605 |
|
| RJ01 | Rejection of invention patent application after publication |