CN108334402A - 一种无中心架构的虚拟化管理系统及其资源调度方法 - Google Patents
一种无中心架构的虚拟化管理系统及其资源调度方法 Download PDFInfo
- Publication number
- CN108334402A CN108334402A CN201810183968.0A CN201810183968A CN108334402A CN 108334402 A CN108334402 A CN 108334402A CN 201810183968 A CN201810183968 A CN 201810183968A CN 108334402 A CN108334402 A CN 108334402A
- Authority
- CN
- China
- Prior art keywords
- server
- move
- decision
- resource
- virtual 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
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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- 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)
- Computer And Data Communications (AREA)
Abstract
本发明涉及一种无中心架构的虚拟化管理系统及其资源调度方法,包括若干台服务器,每台服务器均包括数据采集模块、分析器、若干台虚拟机;数据采集模块周期性采集对应服务器的负载数据;分析器根据负载数据决策对应服务器是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;当接收到其它服务器的迁入请求时,分析器决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。本发明不需上报给管理中心或其他服务器,不需要由管理中心来分析决策,去除对管理中心的依赖,实现真正的无中心架构。
Description
技术领域
本发明涉及一种无中心架构的虚拟化管理系统及其资源调度方法,属于云计算虚拟化技术领域。
背景技术
随着云计算领域相关技术的发展与成熟,越来越多的云计算解决方案得到实际应用与推广。服务器虚拟化作为云计算的关键技术之一,在基础设施层发挥着重要的作用,通过虚拟化管理平台可以更加方便地管理业务,降低管理成本的同时,实现快速部署,提升资源利用率,并可及时检测故障,保障业务的连续性。虚拟机运行不同的应用需要不同的计算资源,若不进行有效地调控,很容易使服务器出现单一资源瓶颈、性能下降、资源不能有效利用等问题。通过动态资源调度可以自动均衡不通服务器之间的负载,提升各服务器的资源利用率,并有效避免资源瓶颈的出现。
目前服务器虚拟化的资源调度方式多数都是根据各个服务器的负载情况,从负载高的主机上迁移部分虚拟机到负载低的主机上,来均衡各服务器之间的负载。但传统的调度方式,都依赖于中心架构的管理平台,首先各服务器周期性地将负载数据上报给管理中心或由管理中心收集各个服务器的负载数据,然后由管理中心来分析所有服务器的负载数据,并作出虚拟机的迁移决策。基于这种架构的调度方式虽然可以全局地对资源进行监控和调度,但也存在不够灵活、过于依赖管理中心、负载数据收集成本较高、调度不够及时不够准确的问题。
首先,因为依赖管理中心,很难避免中心故障时资源调度的不可用,也必然面临当系统规模扩大时的规模和性能瓶颈,导致灵活性下降,不易于系统扩展。其次,因为负载数据都要上报给管理中心,给系统增加了数据传输成本,假如数据分散在各服务器上,既可以节省传输成本,又方便实现本地数据自主性地分析。第三,当管理中心出现计算资源紧张或负载数据未能及时收集的情况下,容易造成资源调度的不够及时,甚至导致决策的准确性下降。因此,设计一种可以支持无中心架构的虚拟化管理系统的资源调度方法可以有效解决上述问题。
发明内容
针对现有技术的不足,本发明提供了一种无中心架构的虚拟化管理系统;
本发明还提供了上述虚拟化管理系统的资源调度方法;
术语解释:
单维度负载值,是指服务器各种资源的负载值,比如CPU负载、内存负载、网络IO负载、存储IO负载。
本发明的技术方案为:
一种无中心架构的虚拟化管理系统,包括若干台服务器,每台服务器均包括数据采集模块、分析器、若干台虚拟机;
所述数据采集模块周期性采集对应服务器的负载数据,负载数据即各维度资源的使用情况,包括但不限于:CPU占用率、内存使用率、网络I/O、存储I/O;
所述分析器根据负载数据决策对应服务器是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;若不需要,则退出等待下一次决策;
同时,当接收到其它服务器的迁入请求时,所述分析器决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;若不允许迁入,则向其他服务器发送迁入请求;
收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
本发明采用支持无管理中心的系统架构。根据此类架构的特点,采用服务器负载数据自主收集,自主分析的方式,完全由各服务器来收集自身的负载数据,不需上报给管理中心或其他服务器,并由各服务器来分析自身负载过高还是过低,需要迁出虚拟机,还是可以接受其他虚拟机迁入,不需要由管理中心来分析决策,去除对管理中心的依赖,实现真正的无中心架构。
根据本发明优选的,所述分析器包括数据获取接口、资源加权归一化模块、第一阶段决策模块、第二阶段决策模块;
所述数据获取接口用于从所述数据采集模块查询负载数据;
所述资源加权归一化模块用于对各个资源(各维度资源的使用情况)进行加权归一化,计算出单维度负载值;
所述第一阶段决策模块用于评估对应服务器的负载情况,决策出是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;另外,当接收到其它服务器的迁入请求时,决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;
所述第二阶段决策模块用于收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
本发明采用两阶段决策的方式来决定最终的迁移计划。由于各服务器负载数据比较独立,在不清楚其他服务器负载的情况下,自主分析难免缺少全局性,通过两阶段决策可以很好的解决这一问题,比如:在某台服务器负载较高时,第一阶段先决策是否需要迁出虚拟机及哪些虚拟机可以迁出,第二阶段向其他服务器发出迁入请求,其他服务器根据自身负载情况,返回可迁入程度,源主机根据返回的结果对待迁移的虚拟机的目的服务器进行筛选,最终决策出迁移计划。
上述虚拟化管理系统的资源调度方法,包括:
(1)所述数据采集模块周期性采集对应服务器的负载数据,负载数据即各维度资源的使用情况,包括但不限于:CPU占用率、内存使用率、网络带宽利用率;
(2)所述分析器根据负载数据决策对应服务器是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;若不需要,则退出等待下一次决策;同时,当接收到其它服务器的迁入请求时,所述分析器决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;若不允许迁入,则向其他服务器发送迁入请求;
(3)收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
根据本发明优选的,所述步骤(2),包括:
A、所述数据获取接口从所述数据采集模块查询负载数据;
B、所述资源加权归一化模块对各个资源进行加权归一化,计算出单维度负载值;
C、所述第一阶段决策模块评估对应服务器的负载情况,决策出是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;另外,当接收到其它服务器的迁入请求时,决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;
D、所述第二阶段决策模块收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
根据本发明优选的,所述步骤B,包括:
E、计算各维度资源的利用率
根据所述数据采集模块采集的负载数据,分别计算各维度资源的利用率,即:资源使用量/资源总量,服务器上的各维度资源利用率向量U={c,m,n},c是指服务器的CPU占用率,m是指服务器的内存使用率,n是指服务器的网络带宽利用率;
F、计算各维度资源的权重比
各维度的权重之和为1.0,根据资源的维度N,每种资源的初始化权重为1/N,假设目前考虑如上三种资源,cpu资源的权重比rc为:
内存资源的权重比rm为:
网络资源的权重比rn为:
各维度资源的权重比例向量R为:R={rc,rm,rn};
G、归一化
按照各资源的权重比,归一化各维度的资源利用率,归一化公式为:
S=U×RT (Ⅰ)
式(Ⅰ)中,S是指归一化后的单维度负载值,U是指服务器上的各维度资源利用率向量,R是指各维度资源的权重比例向量。
本发明涉及的负载评估方法使用多维度资源加权归一化的方式进行评估。由于服务器的资源是多维度的,给负载评估带来一定的难度,为综合考虑各维度资源,避免服务器出现单一资源瓶颈,采用不同资源加权归一化的方式来计算统一的负载值,这样不仅可以均衡服务器间的负载,也可使每台服务器的各种资源使用均衡。
根据本发明优选的,所述步骤C,所述第一阶段决策模块评估对应服务器的负载情况,决策出是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;包括:
H、判断步骤B求取的服务器的单维度负载值是否超过预设比例Th1,Th1是指负载过高的阈值Th1的取值范围为0.6~1.0;若超过,进入步骤I;否则,等待下个调用周期;
I、模拟迁出某台虚拟机,该虚拟机同时满足以下条件:a、该虚拟机的负载值不超过0.5;否则迁移存在风险;b、该虚拟机非必须运行于这台服务器,比如许可证等因素,则不能迁移这台虚拟机;c、该虚拟机运行时间大于6小时,且6小时内未被迁移过,运行负载未曾超过0.5;满足以上条件的虚拟机作为可迁出的虚拟机,从服务器的使用量中减去该台虚拟机的资源使用量,并重新计算该服务器的单维度负载值是否超过预设比例Th1,若超过,重复执行该步骤I,否则,输出可迁出虚拟机列表。
根据本发明优选的,所述步骤C,当接收到其它服务器的迁入请求时,决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数,包括:
J、模拟迁入这些虚拟机,即将虚拟机的资源使用量加到服务器的资源使用量上,并重新计算单维度负载值,决策是否允许其他虚拟机迁入,当该服务器正在有虚拟机迁入时,或该服务器上没有足够的资源运行这些虚拟机时,或迁入这些虚拟机后,服务器单维度负载值超过预设比例Th1时,判定不允许这些虚拟机迁入,否则,允许这些虚拟机迁入,进入步骤K;
K、计算可迁出虚拟机的可迁入系数s,计算公式如式(Ⅱ)所示:
s=(1-(Snew-Sold))×(1-Sold) (Ⅱ)
模拟迁入这些虚拟机后,若这台服务器单维度负载值增幅越小,1-(Snew-Sold)值越大,说明这台服务器越容易接受这些虚拟机,原负载值越小,1-Sold值越大,说明这台服务器剩余资源越多。
根据本发明优选的,所述步骤D,所述第二阶段决策模块收集各服务器的负载数据,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议;包括:
所述第二阶段决策模块收集各服务器的负载数据,如果超过规定时间1min后,仍没有收到某台服务器的返回结果,则断定网络链路不好或该服务器无法及时提供决策,这些情况都不适合接下来的迁移,所以直接放弃该服务器;否则,选择可迁入系数最高的那台服务器作为目的服务器,并生成迁移建议,即需要迁移的虚拟机列表和目的服务器。
本发明的有益效果为:
1、本发明提供了一种支持无管理中心的系统架构,可以去除对管理中心的依赖,提高了系统的灵活性及可扩展性,当管理中心故障时,虚拟化系统仍可以正常进行资源调度,真正解决单点故障资源调度不可用的问题。另外,因为负载数据不再需要上报给管理中心,而是自主收集,这样削减了大量的数据传输成本,不再占用网络带宽,增加了系统的可用网络资源。
2、本发明提供了一种两阶段决策的方式来决策最终迁移计划,这样不仅可以考虑到自身负载情况,也能参考其他服务器的迁移建议,使决策同样具有全局性。第一阶段只需考虑自身的负载情况,可及时发现自身的负载变化,并及时作出初步决策,并不需要先上报负载数据后再等待管理中心来作出决策,具有充分的自主性,也明显提高了响应速度。第二阶段通过询问的方式,去获取每台服务器的迁移建议,可以从中选择出最佳的迁移方案。
3、本发明在负载评估方便采用了多维度资源加权归一化的方式来计算负载,在降低负载评估复杂度的同时,能够更加准确地评估各服务器的负载状况。在综合考虑各维度资源的情况下,决策出的迁移建议不仅可以使服务器之间的负载得到均衡,也能使服务器自身各种资源之间的使用趋于均衡,降低服务器出现单一资源瓶颈的风险。
附图说明
图1为本发明无中心架构的虚拟化管理系统的结构框图;
图2为本发明虚拟化管理系统的两阶段决策的流程框图;
图3为本发明资源加权归一化流程示意图;
图4为本发明第一阶段决策流程示意图;
图5为本发明第二阶段决策流程示意图;
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定,但不限于此。
实施例1
一种无中心架构的虚拟化管理系统,如图1所示,包括若干台服务器,每台服务器均包括数据采集模块、分析器、若干台虚拟机;
数据采集模块周期性采集对应服务器的负载数据,负载数据即各维度资源的使用情况,包括但不限于:CPU占用率、内存使用率、网络I/O、存储I/O;
分析器根据负载数据决策对应服务器是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;若不需要,则退出等待下一次决策;
同时,当接收到其它服务器的迁入请求时,分析器决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;若不允许迁入,则向其他服务器发送迁入请求;
收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
本发明采用支持无管理中心的系统架构。根据此类架构的特点,采用服务器负载数据自主收集,自主分析的方式,完全由各服务器来收集自身的负载数据,不需上报给管理中心或其他服务器,并由各服务器来分析自身负载过高还是过低,需要迁出虚拟机,还是可以接受其他虚拟机迁入,不需要由管理中心来分析决策,去除对管理中心的依赖,实现真正的无中心架构。
实施例2
根据实施例1所述的一种无中心架构的虚拟化管理系统,其区别在于,
分析器包括数据获取接口、资源加权归一化模块、第一阶段决策模块、第二阶段决策模块;
如图2所示,数据获取接口用于从数据采集模块查询负载数据;
资源加权归一化模块用于对各个资源(各维度资源的使用情况)进行加权归一化,计算出单维度负载值;
第一阶段决策模块用于评估对应服务器的负载情况,决策出是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;另外,当接收到其它服务器的迁入请求时,决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;
第二阶段决策模块用于收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
本发明采用两阶段决策的方式来决定最终的迁移计划。由于各服务器负载数据比较独立,在不清楚其他服务器负载的情况下,自主分析难免缺少全局性,通过两阶段决策可以很好的解决这一问题,比如:在某台服务器负载较高时,第一阶段先决策是否需要迁出虚拟机及哪些虚拟机可以迁出,第二阶段向其他服务器发出迁入请求,其他服务器根据自身负载情况,返回可迁入程度,源主机根据返回的结果对待迁移的虚拟机的目的服务器进行筛选,最终决策出迁移计划。
实施例3
实施例1所述的一种无中心架构的虚拟化管理系统的资源调度方法,包括:
(1)数据采集模块周期性采集对应服务器的负载数据,负载数据即各维度资源的使用情况,包括但不限于:CPU占用率、内存使用率、网络带宽利用率;
(2)分析器根据负载数据决策对应服务器是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;若不需要,则退出等待下一次决策;同时,当接收到其它服务器的迁入请求时,所述分析器决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;若不允许迁入,则向其他服务器发送迁入请求;
(3)收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
实施例4
实施例3所述的一种无中心架构的虚拟化管理系统的资源调度方法,其区别在于,所述步骤(2),如图3所示,包括:
A、数据获取接口从数据采集模块查询负载数据;
B、资源加权归一化模块对各个资源进行加权归一化,计算出单维度负载值;包括:
E、计算各维度资源的利用率
根据所述数据采集模块采集的负载数据,分别计算各维度资源的利用率,即:资源使用量/资源总量,服务器上的各维度资源利用率向量U={c,m,n},c是指服务器的CPU占用率,m是指服务器的内存使用率,n是指服务器的网络带宽利用率;
F、计算各维度资源的权重比
各维度的权重之和为1.0,根据资源的维度N,每种资源的初始化权重为1/N,假设目前考虑如上三种资源,cpu资源的权重比rc为:
内存资源的权重比rm为:
网络资源的权重比rn为:
各维度资源的权重比例向量R为:R={rc,rm,rn};
G、归一化
按照各资源的权重比,归一化各维度的资源利用率,归一化公式为:
S=U×RT (Ⅰ)
式(Ⅰ)中,S是指归一化后的单维度负载值,U是指服务器上的各维度资源利用率向量,R是指各维度资源的权重比例向量。
本发明涉及的负载评估方法使用多维度资源加权归一化的方式进行评估。由于服务器的资源是多维度的,给负载评估带来一定的难度,为综合考虑各维度资源,避免服务器出现单一资源瓶颈,采用不同资源加权归一化的方式来计算统一的负载值,这样不仅可以均衡服务器间的负载,也可使每台服务器的各种资源使用均衡。
C、第一阶段决策模块评估对应服务器的负载情况,决策出是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;如图4所示,包括:
H、判断步骤B求取的服务器的单维度负载值是否超过预设比例Th1,Th1是指负载过高的阈值Th1的取值范围为0.6~1.0;若超过,进入步骤I;否则,等待下个调用周期;
I、模拟迁出某台虚拟机,该虚拟机同时满足以下条件:a、该虚拟机的负载值不超过0.5;否则迁移存在风险;b、该虚拟机非必须运行于这台服务器,比如许可证等因素,则不能迁移这台虚拟机;c、该虚拟机运行时间大于6小时,且6小时内未被迁移过,运行负载未曾超过0.5;满足以上条件的虚拟机作为可迁出的虚拟机,从服务器的使用量中减去该台虚拟机的资源使用量,并重新计算该服务器的单维度负载值是否超过预设比例Th1,若超过,重复执行该步骤I,否则,输出可迁出虚拟机列表。
另外,当接收到其它服务器的迁入请求时,决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;包括:
J、模拟迁入这些虚拟机,即将虚拟机的资源使用量加到服务器的资源使用量上,并重新计算单维度负载值,决策是否允许其他虚拟机迁入,当该服务器正在有虚拟机迁入时,或该服务器上没有足够的资源运行这些虚拟机时,或迁入这些虚拟机后,服务器单维度负载值超过预设比例Th1时,判定不允许这些虚拟机迁入,否则,允许这些虚拟机迁入,进入步骤K;
K、计算可迁出虚拟机的可迁入系数s,计算公式如式(Ⅱ)所示:
s=(1-(Snew-Sold))×(1-Sold) (Ⅱ)
模拟迁入这些虚拟机后,若这台服务器单维度负载值增幅越小,1-(Snew-Sold)值越大,说明这台服务器越容易接受这些虚拟机,原负载值越小,1-Sold值越大,说明这台服务器剩余资源越多。
D、第二阶段决策模块收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。包括:
第二阶段决策模块收集各服务器的负载数据,如果超过规定时间1min后,仍没有收到某台服务器的返回结果,则断定网络链路不好或该服务器无法及时提供决策,这些情况都不适合接下来的迁移,所以直接放弃该服务器;否则,选择可迁入系数最高的那台服务器作为目的服务器,并生成迁移建议,即需要迁移的虚拟机列表和目的服务器。
Claims (8)
1.一种无中心架构的虚拟化管理系统,其特征在于,包括若干台服务器,每台服务器均包括数据采集模块、分析器、若干台虚拟机;
所述数据采集模块周期性采集对应服务器的负载数据,负载数据即各维度资源的使用情况,包括但不限于:CPU占用率、内存使用率、网络I/O、存储I/O;
所述分析器根据负载数据决策对应服务器是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;若不需要,则退出等待下一次决策;
同时,当接收到其它服务器的迁入请求时,所述分析器决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;若不允许迁入,则向其他服务器发送迁入请求;
收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
2.根据权利要求1所述的一种无中心架构的虚拟化管理系统,其特征在于,所述分析器包括数据获取接口、资源加权归一化模块、第一阶段决策模块、第二阶段决策模块;
所述数据获取接口用于从所述数据采集模块查询负载数据;
所述资源加权归一化模块用于对各个资源进行加权归一化,计算出单维度负载值;
所述第一阶段决策模块用于评估对应服务器的负载情况,决策出是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;另外,当接收到其它服务器的迁入请求时,决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;
所述第二阶段决策模块用于收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
3.权利要求1所述的无中心架构的虚拟化管理系统的资源调度方法,其特征在于,包括:
(1)所述数据采集模块周期性采集对应服务器的负载数据,负载数据即各维度资源的使用情况,包括但不限于:CPU占用率、内存使用率、网络带宽利用率;
(2)所述分析器根据负载数据决策对应服务器是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;若不需要,则退出等待下一次决策;同时,当接收到其它服务器的迁入请求时,所述分析器决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;若不允许迁入,则向其他服务器发送迁入请求;
(3)收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
4.根据权利要求3所述的所述的无中心架构的虚拟化管理系统的资源调度方法,其特征在于,所述步骤(2),包括:
A、所述数据获取接口从所述数据采集模块查询负载数据;
B、所述资源加权归一化模块对各个资源进行加权归一化,计算出单维度负载值;
C、所述第一阶段决策模块评估对应服务器的负载情况,决策出是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;另外,当接收到其它服务器的迁入请求时,决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数;
D、所述第二阶段决策模块收集各服务器的返回结果,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议。
5.根据权利要求3所述的所述的无中心架构的虚拟化管理系统的资源调度方法,其特征在于,所述步骤B,包括:
E、计算各维度资源的利用率
根据所述数据采集模块采集的负载数据,分别计算各维度资源的利用率,即:资源使用量/资源总量,服务器上的各维度资源利用率向量U={c,m,n},c是指服务器的CPU占用率,m是指服务器的内存使用率,n是指服务器的网络带宽利用率;
F、计算各维度资源的权重比
cpu资源的权重比rc为:
内存资源的权重比rm为:
网络资源的权重比rn为:
各维度资源的权重比例向量R为:R={rc,rm,rn};
G、归一化
按照各资源的权重比,归一化各维度的资源利用率,归一化公式为:
S=U×RT (Ⅰ)
式(Ⅰ)中,S是指归一化后的单维度负载值,U是指服务器上的各维度资源利用率向量,R是指各维度资源的权重比例向量。
6.根据权利要求3所述的所述的无中心架构的虚拟化管理系统的资源调度方法,其特征在于,所述步骤C,所述第一阶段决策模块评估对应服务器的负载情况,决策出是否需要迁出虚拟机,若需要,则继续决策可迁出的虚拟机列表;包括:
H、判断步骤B求取的服务器的单维度负载值是否超过预设比例Th1,Th1是指负载过高的阈值Th1的取值范围为0.6~1.0;若超过,进入步骤I;否则,等待下个调用周期;
I、模拟迁出某台虚拟机,该虚拟机同时满足以下条件:a、该虚拟机的负载值不超过0.5;b、该虚拟机非必须运行于这台服务器,c、该虚拟机运行时间大于6小时,且6小时内未被迁移过,运行负载未曾超过0.5;从服务器的使用量中减去该台虚拟机的资源使用量,并重新计算该服务器的单维度负载值是否超过预设比例Th1,若超过,重复执行该步骤I,否则,输出可迁出虚拟机列表。
7.根据权利要求3所述的所述的无中心架构的虚拟化管理系统的资源调度方法,其特征在于,所述步骤C,当接收到其它服务器的迁入请求时,决策是否允许其它服务器迁入,若允许迁入,则计算可迁出虚拟机的可迁入系数,包括:
J、模拟迁入这些虚拟机,即将虚拟机的资源使用量加到服务器的资源使用量上,并重新计算单维度负载值,决策是否允许其他虚拟机迁入,当该服务器正在有虚拟机迁入时,或该服务器上没有足够的资源运行这些虚拟机时,或迁入这些虚拟机后,服务器单维度负载值超过预设比例Th1时,判定不允许这些虚拟机迁入,否则,允许这些虚拟机迁入,进入步骤K;
K、计算可迁出虚拟机的可迁入系数s,计算公式如式(Ⅱ)所示:
s=(1-(Snew-Sold))×(1-Sold) (Ⅱ)
模拟迁入这些虚拟机后,若这台服务器单维度负载值增幅越小,1-(Snew-Sold)值越大,说明这台服务器越容易接受这些虚拟机,原负载值越小,1-Sold值越大,说明这台服务器剩余资源越多。
8.根据权利要求3所述的所述的无中心架构的虚拟化管理系统的资源调度方法,其特征在于,所述步骤D,所述第二阶段决策模块收集各服务器的负载数据,选择可迁入系数最高的那台服务器作为目的服务器,生成迁移建议;包括:
所述第二阶段决策模块收集各服务器的负载数据,如果超过规定时间1min后,仍没有收到某台服务器的返回结果,则断定网络链路不好或该服务器无法及时提供决策,直接放弃该服务器;否则,选择可迁入系数最高的那台服务器作为目的服务器,并生成迁移建议,即需要迁移的虚拟机列表和目的服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810183968.0A CN108334402A (zh) | 2018-03-07 | 2018-03-07 | 一种无中心架构的虚拟化管理系统及其资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810183968.0A CN108334402A (zh) | 2018-03-07 | 2018-03-07 | 一种无中心架构的虚拟化管理系统及其资源调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108334402A true CN108334402A (zh) | 2018-07-27 |
Family
ID=62930261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810183968.0A Pending CN108334402A (zh) | 2018-03-07 | 2018-03-07 | 一种无中心架构的虚拟化管理系统及其资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108334402A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579246A (zh) * | 2019-09-27 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 虚拟机迁移处理方法及装置 |
CN114003371A (zh) * | 2021-09-28 | 2022-02-01 | 中汽创智科技有限公司 | 一种自动驾驶负载均衡方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077082A (zh) * | 2013-01-08 | 2013-05-01 | 中国科学院深圳先进技术研究院 | 一种数据中心负载分配及虚拟机迁移节能方法及系统 |
CN104239123A (zh) * | 2014-09-05 | 2014-12-24 | 北方工业大学 | 面向校园云平台的虚拟机管理调度方法和系统 |
CN105260245A (zh) * | 2015-11-04 | 2016-01-20 | 浪潮(北京)电子信息产业有限公司 | 一种资源调度方法及装置 |
WO2017181936A1 (zh) * | 2016-04-18 | 2017-10-26 | 中兴通讯股份有限公司 | 网络资源部署的方法、装置、控制器及核心网设备 |
CN107544839A (zh) * | 2016-06-27 | 2018-01-05 | 腾讯科技(深圳)有限公司 | 虚拟机迁移系统、方法及装置 |
-
2018
- 2018-03-07 CN CN201810183968.0A patent/CN108334402A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077082A (zh) * | 2013-01-08 | 2013-05-01 | 中国科学院深圳先进技术研究院 | 一种数据中心负载分配及虚拟机迁移节能方法及系统 |
CN104239123A (zh) * | 2014-09-05 | 2014-12-24 | 北方工业大学 | 面向校园云平台的虚拟机管理调度方法和系统 |
CN105260245A (zh) * | 2015-11-04 | 2016-01-20 | 浪潮(北京)电子信息产业有限公司 | 一种资源调度方法及装置 |
WO2017181936A1 (zh) * | 2016-04-18 | 2017-10-26 | 中兴通讯股份有限公司 | 网络资源部署的方法、装置、控制器及核心网设备 |
CN107544839A (zh) * | 2016-06-27 | 2018-01-05 | 腾讯科技(深圳)有限公司 | 虚拟机迁移系统、方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579246A (zh) * | 2019-09-27 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 虚拟机迁移处理方法及装置 |
CN114003371A (zh) * | 2021-09-28 | 2022-02-01 | 中汽创智科技有限公司 | 一种自动驾驶负载均衡方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3847549B1 (en) | Minimizing impact of migrating virtual services | |
CN108829494B (zh) | 基于负载预测的容器云平台智能资源优化方法 | |
Tang et al. | The impact of data replication on job scheduling performance in the data grid | |
CN104102543B (zh) | 一种云计算环境中负载调整的方法和装置 | |
CN100440891C (zh) | 均衡网格负载的方法 | |
CN108388472A (zh) | 一种基于Docker集群的弹性任务调度系统及方法 | |
US20070300239A1 (en) | Dynamic application instance placement in data center environments | |
CN103401947A (zh) | 多个服务器的任务分配方法和装置 | |
CN110798517B (zh) | 去中心化集群负载均衡方法、系统、移动终端及存储介质 | |
TWI725744B (zh) | 透過多層次相關性建立系統資源預測及資源管理模型的方法 | |
CN104038540A (zh) | 一种应用代理服务器自动选择方法及系统 | |
CN110933139A (zh) | 一种解决Web服务器高并发的系统及方法 | |
CN113806018B (zh) | 基于神经网络和分布式缓存的Kubernetes集群资源混合调度方法 | |
CN113490254A (zh) | 一种基于联邦学习双向gru资源需求预测的vnf迁移方法 | |
CN111813330A (zh) | 用于分派输入-输出的系统及方法 | |
CN111752678A (zh) | 面向边缘计算中分布式协同学习的低功耗容器放置方法 | |
US8813087B2 (en) | Managing a workload in a cluster of computing systems with multi-type operational resources | |
CN101753359B (zh) | 动态组件分布的方法和系统 | |
CN106454947A (zh) | 一种ap接入负载均衡方法 | |
CN107977271A (zh) | 一种数据中心综合管理系统负载均衡方法 | |
CN108334402A (zh) | 一种无中心架构的虚拟化管理系统及其资源调度方法 | |
CN101957778A (zh) | 软件持续集成的方法、装置和系统 | |
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 | |
CN105677492B (zh) | 一种面向终端的可靠应用执行方法 | |
CN114116157A (zh) | 一种边缘环境下多边缘集群云结构及负载均衡调度方法 |
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: 20180727 |
|
RJ01 | Rejection of invention patent application after publication |