CN108563489A - 一种数据中心综合管理系统的虚拟机迁移方法及系统 - Google Patents
一种数据中心综合管理系统的虚拟机迁移方法及系统 Download PDFInfo
- Publication number
- CN108563489A CN108563489A CN201810280361.4A CN201810280361A CN108563489A CN 108563489 A CN108563489 A CN 108563489A CN 201810280361 A CN201810280361 A CN 201810280361A CN 108563489 A CN108563489 A CN 108563489A
- Authority
- CN
- China
- Prior art keywords
- virtual machine
- migration
- host
- data center
- management system
- 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
- G06F9/48—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
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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
本发明实施例公开了一种数据中心综合管理系统的虚拟机迁移方法及系统,所述迁移方法包括:根据宿主机的负载,判断是否需要进行虚拟机迁移;当确定进行虚拟机迁移时,从发送者处选择作为迁移对象的虚拟机;在宿主机触发迁移后,为待迁移虚拟机寻找合适的目标宿主机。本发明实施例基于虚拟机的管理平衡机制,根据宿主机的负载情况进行虚拟机迁移,避免了因瞬时的峰值带来不必要的迁移,节约了网络资源,并解决了群聚效应引发的冲突问题,确保了虚拟计算系统的稳定。本发明较好地实现了虚拟机的迁移和资源均衡,使资源了得到公平合理的利用。
Description
技术领域
本发明实施例涉及云计算技术领域,具体涉及一种数据中心综合管理系统的虚拟机迁移方法及系统。
背景技术
模块化数据中心是基于云计算的新一代数据中心部署形式,管理系统是数据中心内部配置的重要组成部分。近年来,随着虚拟化技术的日益成熟,虚拟机允许多个操作系统实例并发且独立运行在相同的硬件资源上,这些系统的核心是一个虚拟机监控器。虚拟机监控器为guest操作系统(也称为domain)提供了一个完整的虚拟硬件接口,并且调度这些domain在物理硬件资源上执行。虚拟机的一个主要特征是domain可以在运行于不同计算机上的虚拟机监控器之间透明地在线迁移。
现有技术中,虚拟机的管理平衡问题是面向虚拟计算环境中存在的关键问题。由于应用程序信息的不确定性以及宿主机处理能力的差异性,使得虚拟计算环境中宿主机的负载极易产生失衡。因此如何在网络中协调不同宿主机的负载、维持高效的资源使用率,是当前虚拟计算环境中亟待解决的重要问题。
发明内容
本发明实施例提供了一种数据中心综合管理系统的虚拟机迁移方法及系统,解决现有虚拟计算环境中存在的宿主机负载易失衡、网络资源使用率低的问题。
为了解决上述技术问题,本发明实施例公开了如下技术方案:
本发明第一方面提供了一种数据中心综合管理系统的虚拟机迁移方法,包括以下步骤:
根据宿主机的负载,判断是否需要进行虚拟机迁移;
当确定进行虚拟机迁移时,从发送者处选择作为迁移对象的虚拟机;
在宿主机触发迁移后,为待迁移虚拟机寻找合适的目标宿主机。
基于上述方案,本方法做如下优化:
作为一种优化,所述根据宿主机的负载判断是否进行虚拟机迁移,包括如下过程:
若宿主机的负载值大于某个设定的阈值,继续观测它未来的n个负载值;
当未来n个负载值中的k个负载值大于阈值时,对下一个负载值进行预测;
如果对下一个负载值的预测值大于阈值,则触发虚拟机迁移。
优选的,如上所述的数据中心综合管理系统的虚拟机迁移方法,采用P阶自回归模型对下一个负载值进行预测。
作为一种优化,所述从发送者处选择作为迁移对象的虚拟机,包括如下过程:定义USR为宿主机中运行的虚拟机的CPU利用率与该虚拟机占用的内存大小的比值,然后选择USR值最大的虚拟机作为迁移对象。
作为一种优化,所述为待迁移虚拟机寻找合适的目标宿主机,包括如下过程:
设宿主机Vi的CPU利用率为Ui,宿主机权值Wi=1-Ui,宿主机的转发概率为
令宿主机集合V={V1,V2,V3,V4},其负载权值为W={1.0,0.5,0.3,0.2},根据转发概率公式得到转发概率为P={0.5,0.25,0.15,0.1},当宿主机触发迁移后,通过随机函数生成一个[0,1]之间的数值,然后根据转发概率公式确定产生的数值落入在哪个宿主机的概率空间中确定目标宿主机。
本发明第二方面提供了一种数据中心综合管理系统的虚拟机迁移系统,系统包括策略触发模块、策略选择模块和策略定位模块;
所述策略触发模块用于根据宿主机的负载,判断是否需要进行虚拟机迁移;
所述策略选择模块用于当确定进行虚拟机迁移时,从发送者处选择作为迁移对象的虚拟机;
所述策略定位模块用于在宿主机触发迁移后,为待迁移虚拟机寻找合适的目标宿主机。
基于上述系统,所述策略触发模块在负载超过设定阈值并且持续一段时间后触发迁移,当宿主机的负载值大于设定阈值时,策略触发模块对未来的n个负载值进行观测,如果n个负载值中的k个值大于阈值,则对下一个负载值进行预测,当预测的负载值大于设定阈值时触发虚拟机迁移。
进一步的,所述策略选择模块定义USR为宿主机中运行的虚拟机的CPU利用率与该虚拟机占用的内存大小的比值,并选择USR值最大的虚拟机作为迁移对象。
作为一种优化,所述策略定位模块采用概率的方式为待迁移虚拟机寻找合适的目标宿主机。
本申请的实施例提供的技术方案包括以下有益效果:
本发明的数据中心综合管理系统的虚拟机迁移方法,包括:根据宿主机的负载,判断是否需要进行虚拟机迁移;当确定进行虚拟机迁移时,从发送者处选择作为迁移对象的虚拟机;在宿主机触发迁移后,为待迁移虚拟机寻找合适的目标宿主机。本发明实施例的虚拟机迁移方法,基于虚拟机的管理平衡机制,根据宿主机的负载情况进行虚拟机迁移,避免了因瞬时的峰值带来不必要的迁移,节约了网络资源,并解决了群聚效应引发的冲突问题,确保了虚拟计算系统的稳定。本方法较好地实现了虚拟机的迁移和资源均衡,使资源得到了公平合理的利用。
本发明第二方面的数据中心综合管理系统的虚拟机迁移系统,能够实现第一方面的设计方法,并取得相同的效果。
附图说明
此处的附图被并入说明书中并构成说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的数据中心综合管理系统的虚拟机迁移方法的流程示意图;
图2为本申请实施例提供的数据中心综合管理系统的虚拟机迁移系统的结构示意图;
附图标记:
1-策略触发模块,2-策略选择模块,3-策略定位模块。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
图1为本申请实施例提供的一种数据中心综合管理系统的虚拟机迁移方法的流程示意图,由图1可知,本实施例的迁移方法包括以下步骤:
S1、根据宿主机的负载,判断是否需要进行虚拟机迁移;
S2、当确定进行虚拟机迁移时,从发送者处选择作为迁移对象的虚拟机;
S3、在宿主机触发迁移后,为待迁移虚拟机寻找合适的目标宿主机。
具体地,所述S1中根据宿主机的负载判断是否进行虚拟机迁移,包括如下过程:
S11、设定负载的阈值,若宿主机的负载值大于所设定的阈值,继续观测它未来的n个负载值;
S12、当未来n个负载值中的k个负载值大于阈值时,对下一个负载值进行预测;
S13、如果对下一个负载值的预测值大于阈值,则触发虚拟机迁移。
通过设定负载阈值的方式来触发虚拟机迁移,可以过滤掉瞬时的负载峰值,确保只有当负载值超过设定的阈值持续一段时间后才触发迁移,避免因一个小的瞬时峰值触发无谓的迁移。本实施例迁移方法除了对n个负载中的k个负载值进行观察外,还对下一个负载值进行了预测,从而确保了负载呈下降趋势的宿主机不会触发虚拟机迁移。
在本实施例中,可采用时间序列预测技术中的自回归模型AR(n)进行将来负载值的预测,具体使用n个过去的、按时间序列排列的观测值对未来值做出预测。例如若观测的负载值序列为y1,y2,...,yt-1,则对于这个给定的时间序列,利用p阶自回归模型AR(p)预测第t个时刻的负载值,得到第t个时刻的负载预测值其中,ε是独立同分布的随机变量;是时间序列的参数。采用该模型对负载序列进行预测,则t+1步预测值等于其以为参数的前p步所有输出值之和,而t+2步预测值等于其以为参数的t+1步预测值与前p-1步负载值之和,以此类推。
所述S2中,从发送者处选择作为迁移对象的虚拟机,在选择虚拟机时应考虑迁移所产生的开销较小。在该过程中,减少传输的数据量是非常必要的,因为虚拟机的在线迁移机制是通过迭代拷贝虚拟机的内存镜像到目标主机,同时追踪哪些页面被修改及需要重新发送,所以需要拦截正在被迁移虚拟机的所有内存访问,这严重影响了虚拟机中应用程序的性能。而通过减少网络中拷贝的数据量,可以使总的迁移时间最少,也可以最小化对应用程序性能的影响。在本实施例中,定义一个USR,它表示宿主机中运行的虚拟机的CPU利用率Ui与该虚拟机占用的内存大小Si的比值,根据USR的定义可知,CPU的利用率越高,虚拟机占用的内存越小,USR值越大。在此选择USR值最大的虚拟机作为迁移对象,虚拟主机的资源利用率越大,表示消耗的本地宿主机资源越多;虚拟主机的内存越小,表示其迁移过程中需要传输的数据量越小。因此,USR值越大,该虚拟主机消耗本地宿主机的资源越多,且传输的数据量越小。
所述S3中,在为待迁移虚拟机寻找目标宿主机时,并不以固定的方式将虚拟机迁移到性能最高并且负载最轻的宿主机,而是以概率的方式选择目标节点,具体包括如下过程:
设宿主机Vi的CPU利用率为Ui,宿主机权值Wi=1-Ui,宿主机的转发概率为
令宿主机集合V={V1,V2,V3,V4},其负载权值为W={1.0,0.5,0.3,0.2},根据转发概率公式得到转发概率为P={0.5,0.25,0.15,0.1},当宿主机触发迁移后,通过随机函数生成一个[0,1]之间的数值,然后根据转发概率公式确定产生的数值落入在哪个宿主机的概率空间中,确定迁移到哪个宿主机上。
在本过程中,对于负载权值相对较大的宿主机,计算后的转发概率也会相对较大,那么产生的随机数落在这个空间上的概率也较大,从而能以较大的概率被选中作为虚拟机迁移的目标节点。此外,虽然资源利用率越低的宿主机被选中的概率越大,但也有可能选中资源利用率次低的,因此在一定程度上避免了群聚效应的发生,最大程度地实现虚拟计算系统中的负载均衡,并且这种概率的计算是相互独立的,既不受上次计算结果的影响,也不会对下次的计算产生影响,能够产生更好的平衡效果。
图2为本申请实施例提供的一种数据中心综合管理系统的虚拟机迁移系统的结构示意图,由图2可知,本实施例的迁移系统包括策略触发模块1、策略选择模块2和策略定位模块3;
所述的策略触发模块1用于根据宿主机的负载,判断是否需要进行虚拟机迁移;
所述的策略选择模块2用于当确定进行虚拟机迁移时,从发送者处选择作为迁移对象的虚拟机;
所述的策略定位模块3用于在宿主机触发迁移后,为待迁移虚拟机寻找合适的目标宿主机。
具体而言,所述策略触发模块1在负载超过设定阈值并且持续一段时间后触发迁移,当宿主机的负载值大于设定阈值时,策略触发模块1对未来的n个负载值进行观测,如果n个负载值中的k个值大于设定阈值,则对下一个负载值进行预测,当预测的负载值大于设定阈值时触发虚拟机迁移。通过设定负载阈值和负载值预测的方式触发虚拟机迁移,可以过滤掉瞬时的负载峰值,避免因小的瞬时峰值触发无谓的迁移,同时确保了负载呈下降趋势的宿主机不会触发虚拟机迁移。具体的,策略触发模块1可采用时间序列预测技术中的P阶自回归模型进行下一负载值的预测。
所述策略选择模块2定义USR为宿主机中运行的虚拟机的CPU利用率Ui与该虚拟机占用的内存大小Si的比值,CPU的利用率越高,虚拟机占用的内存越小,USR值越大。选择USR值最大的虚拟机作为迁移对象,USR值越大,该虚拟主机消耗本地宿主机的资源越多,且传输的数据量越小。
所述策略定位模块3在为待迁移虚拟机寻找目标宿主机时,并不以固定的方式将虚拟机迁移到性能最高并且负载最轻的宿主机,而是以概率的方式为待迁移虚拟机寻找合适的目标宿主机。对于资源利用率低的宿主机,能以较大的概率被选中作为虚拟机迁移的目标节点。对于资源利用率次低的宿主机,也有部分概率被选中作为虚拟机迁移的目标节点。因此可在一定程度上避免了群聚效应的发生,最大程度地实现虚拟计算系统中的负载均衡。
本实施例的数据中心综合管理系统的虚拟机迁移方法及系统,基于虚拟机的管理平衡机制,根据宿主机的负载情况进行虚拟机迁移,避免了因瞬时的峰值带来不必要的迁移开销,节约了网络资源,并解决了群聚效应引发的冲突问题,确保了虚拟计算系统的稳定,使资源了得到公平合理的利用。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种数据中心综合管理系统的虚拟机迁移方法,其特征在于,包括如下步骤:
根据宿主机的负载,判断是否需要进行虚拟机迁移;
当确定进行虚拟机迁移时,从发送者处选择作为迁移对象的虚拟机;
在宿主机触发迁移后,为待迁移虚拟机寻找合适的目标宿主机。
2.根据权利要求1所述的数据中心综合管理系统的虚拟机迁移方法,其特征在于,所述根据宿主机的负载判断是否进行虚拟机迁移,包括如下过程:
若宿主机的负载值大于某个设定的阈值,继续观测它未来的n个负载值;
当未来n个负载值中的k个负载值大于阈值时,对下一个负载值进行预测;
如果对下一个负载值的预测值大于阈值,则触发虚拟机迁移。
3.根据权利要求2所述的数据中心综合管理系统的虚拟机迁移方法,其特征在于,采用P阶自回归模型对下一个负载值进行预测。
4.根据权利要求1所述的数据中心综合管理系统的虚拟机迁移方法,其特征在于,所述从发送者处选择作为迁移对象的虚拟机,包括过程:定义USR为宿主机中运行的虚拟机的CPU利用率与该虚拟机占用的内存大小的比值,然后选择USR值最大的虚拟机作为迁移对象。
5.根据权利要求1所述的数据中心综合管理系统的虚拟机迁移方法,其特征在于,所述为待迁移虚拟机寻找合适的目标宿主机,包括如下过程:
设宿主机Vi的CPU利用率为Ui,宿主机权值Wi=1-Ui,宿主机的转发概率为
令宿主机集合V={V1,V2,V3,V4},其负载权值为W={1.0,0.5,0.3,0.2},根据转发概率公式得到转发概率为P={0.5,0.25,0.15,0.1},当宿主机触发迁移后,通过随机函数生成一个[0,1]之间的数值,然后根据转发概率公式确定产生的数值落入在哪个宿主机的概率空间中确定目标宿主机。
6.一种数据中心综合管理系统的虚拟机迁移系统,其特征在于,包括策略触发模块、策略选择模块和策略定位模块;
所述策略触发模块用于根据宿主机的负载,判断是否需要进行虚拟机迁移;
所述策略选择模块用于当确定进行虚拟机迁移时,从发送者处选择作为迁移对象的虚拟机;
所述策略定位模块用于在宿主机触发迁移后,为待迁移虚拟机寻找合适的目标宿主机。
7.根据权利要求6所述的数据中心综合管理系统的虚拟机迁移系统,其特征在于,所述策略触发模块在负载超过设定阈值并且持续一段时间后触发迁移,当宿主机的负载值大于设定阈值时,策略触发模块对未来的n个负载值进行观测,如果n个负载值中的k个值大于阈值,则对下一个负载值进行预测,当预测的负载值大于设定阈值时触发虚拟机迁移。
8.根据权利要求6所述的数据中心综合管理系统的虚拟机迁移系统,其特征在于,所述策略选择模块定义USR为宿主机中运行的虚拟机的CPU利用率与该虚拟机占用的内存大小的比值,并选择USR值最大的虚拟机作为迁移对象。
9.根据权利要求6所述的数据中心综合管理系统的虚拟机迁移系统,其特征在于,所述策略定位模块采用概率的方式为待迁移虚拟机寻找合适的目标宿主机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810280361.4A CN108563489A (zh) | 2018-04-02 | 2018-04-02 | 一种数据中心综合管理系统的虚拟机迁移方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810280361.4A CN108563489A (zh) | 2018-04-02 | 2018-04-02 | 一种数据中心综合管理系统的虚拟机迁移方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108563489A true CN108563489A (zh) | 2018-09-21 |
Family
ID=63533609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810280361.4A Pending CN108563489A (zh) | 2018-04-02 | 2018-04-02 | 一种数据中心综合管理系统的虚拟机迁移方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108563489A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020134364A1 (zh) * | 2018-12-28 | 2020-07-02 | 中兴通讯股份有限公司 | 一种虚拟机迁移方法、云计算管理平台和存储介质 |
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 |
Citations (4)
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 |
CN102790793A (zh) * | 2012-05-08 | 2012-11-21 | 北京邮电大学 | 一种面向云计算虚拟机迁移的决策方法及控制模块 |
CN106293871A (zh) * | 2016-07-22 | 2017-01-04 | 浪潮(北京)电子信息产业有限公司 | 一种集群虚拟机的资源调度方法 |
CN106528270A (zh) * | 2016-11-16 | 2017-03-22 | 航天信息股份有限公司 | 一种基于OpenStack云平台的虚拟机自动迁移方法及系统 |
-
2018
- 2018-04-02 CN CN201810280361.4A patent/CN108563489A/zh active Pending
Patent Citations (4)
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 |
CN102790793A (zh) * | 2012-05-08 | 2012-11-21 | 北京邮电大学 | 一种面向云计算虚拟机迁移的决策方法及控制模块 |
CN106293871A (zh) * | 2016-07-22 | 2017-01-04 | 浪潮(北京)电子信息产业有限公司 | 一种集群虚拟机的资源调度方法 |
CN106528270A (zh) * | 2016-11-16 | 2017-03-22 | 航天信息股份有限公司 | 一种基于OpenStack云平台的虚拟机自动迁移方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020134364A1 (zh) * | 2018-12-28 | 2020-07-02 | 中兴通讯股份有限公司 | 一种虚拟机迁移方法、云计算管理平台和存储介质 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108829494B (zh) | 基于负载预测的容器云平台智能资源优化方法 | |
CN113377540B (zh) | 集群资源调度方法及装置、电子设备和存储介质 | |
US11233710B2 (en) | System and method for applying machine learning algorithms to compute health scores for workload scheduling | |
US8510747B2 (en) | Method and device for implementing load balance of data center resources | |
CN108009016B (zh) | 一种资源负载均衡控制方法及集群调度器 | |
CN108182105B (zh) | 基于Docker容器技术的局部动态迁移方法及控制系统 | |
US8296760B2 (en) | Migrating a virtual machine from a first physical machine in response to receiving a command to lower a power mode of the first physical machine | |
CN108021451B (zh) | 一种雾计算环境下的自适应容器迁移方法 | |
CN108984301A (zh) | 自适应云资源调配方法和装置 | |
CN106095532B (zh) | 一种云环境中虚拟机负载均衡安全调度方法 | |
CN108845886B (zh) | 基于相空间的云计算能耗优化方法和系统 | |
Monil et al. | QoS-aware virtual machine consolidation in cloud datacenter | |
Li et al. | Evidence-efficient affinity propagation scheme for virtual machine placement in data center | |
Awad et al. | A novel intelligent approach for dynamic data replication in cloud environment | |
CN108563489A (zh) | 一种数据中心综合管理系统的虚拟机迁移方法及系统 | |
KR102129389B1 (ko) | 클라우드 컴퓨팅 환경에서의 다목적 가상머신 배치 방법 및 장치 | |
CN113608855B (zh) | 一种边缘计算中服务功能链放置的强化学习方法 | |
Awad et al. | A swarm intelligence-based approach for dynamic data replication in a cloud environment | |
CN106537323B (zh) | 存储设备访问调解 | |
Petrovska et al. | Sequential Series-Based Prediction Model in Adaptive Cloud Resource Allocation for Data Processing and Security | |
Garg et al. | Optimal virtual machine scheduling in virtualized cloud environment using VIKOR method | |
Choudhury et al. | An energy efficient fog level resource management scheme for software defined cities | |
Naik et al. | Developing a cloud computing data center virtual machine consolidation based on multi-objective hybrid fruit-fly cuckoo search algorithm | |
Monil et al. | Incorporating Migration Control in VM Selection Strategies to Enhance Performance. | |
CN115373862B (zh) | 基于数据中心的动态资源调度方法、系统及存储介质 |
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: 20180921 |
|
RJ01 | Rejection of invention patent application after publication |