CN109213595A - 负载均衡调度方法、装置及计算机可读存储介质 - Google Patents
负载均衡调度方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109213595A CN109213595A CN201710554364.8A CN201710554364A CN109213595A CN 109213595 A CN109213595 A CN 109213595A CN 201710554364 A CN201710554364 A CN 201710554364A CN 109213595 A CN109213595 A CN 109213595A
- Authority
- CN
- China
- Prior art keywords
- physical machine
- machine
- parameter
- load
- bandwidth
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000011067 equilibration Methods 0.000 title claims abstract description 52
- 230000005012 migration Effects 0.000 claims abstract description 46
- 238000013508 migration Methods 0.000 claims abstract description 46
- 239000013598 vector Substances 0.000 claims description 75
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1031—Controlling of the operation of servers by a load balancer, e.g. adding or removing servers that serve requests
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5022—Workload threshold
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种负载均衡调度方法,包括:基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机;在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机;在所述预设物理机的除所述第一物理机之外的第二物理机中,按照第二预设规则确定目标物理机;将所述待迁移虚拟机迁移至所述目标物理机。本发明还公开了一种负载均衡调度装置及计算机可读存储介质。本发明实现了对满足预设条件的第一物理机中的待迁移虚拟机进行迁移,能够在保证应用服务性能的基础上大大降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,提高资源的有效利用率。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种负载均衡调度方法、装置及计算机可读存储介质。
背景技术
云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云计算中的资源管理是云计算的重要组成部分,从为用户提供方便、高效的服务的角度来看,它与传统的分布式计算环境或集群计算环境下的资源管理类似。
目前,通过将服务封装在虚拟机中并映射到各台物理服务器上,虚拟化技术能够根据负载的变化进行虚拟机和物理资源的重映射,从而动态地实现整个系统的负载均衡。
但是,现有云计算模型中的资源管理即虚拟机的动态调度,难以实现对虚拟机资源有效的动态调度,以使云数据中心的整体负载均衡。
发明内容
本发明的主要目的在于提供一种负载均衡调度方法、装置及计算机可读存储介质,旨在解决现有云计算模型中的虚拟机的动态调度难以实现云数据中心的整体负载均衡的技术问题。
为实现上述目的,本发明提供一种负载均衡调度方法,所述负载均衡调度方法包括以下步骤:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机;
在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机;
在所述预设物理机的除所述第一物理机之外的第二物理机中,按照第二预设规则确定目标物理机;
将所述待迁移虚拟机迁移至所述目标物理机。
此外,为实现上述目的,本发明还提供一种负载均衡调度装置,所述负载均衡调度装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的负载均衡调度程序,所述负载均衡调度程序被所述处理器执行时实现上述任一项所述的负载均衡调度方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有负载均衡调度程序,所述负载均衡调度程序被处理器执行时实现上述任一项所述的负载均衡调度方法的步骤。
本发明通过基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机;而后在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机;接着在所述预设物理机的除所述第一物理机之外的第二物理机中,按照第二预设规则确定目标物理机;最后将所述待迁移虚拟机迁移至所述目标物理机,实现了对满足预设条件的第一物理机中的待迁移虚拟机进行迁移,能够在保证应用服务性能的基础上大大降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,提高资源的有效利用率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境中的负载均衡调度装置所属终端的结构示意图;
图2为本发明负载均衡调度方法第一实施例的流程示意图;
图3为本发明云计算中心的结构示意图;
图4为本发明负载均衡调度方法第二实施例中确定所述预设物理机中是否存在满足预设条件的第一物理机的步骤的细化流程示意图;
图5为本发明负载均衡调度方法第三实施例中按照第一预设规则确定所述第一物理机中的待迁移虚拟机的步骤的细化流程示意图;
图6为本发明负载均衡调度方法第四实施例中确定所述预设物理机中是否存在满足预设条件的第一物理机的步骤的细化流程示意图;
图7为本发明负载均衡调度方法第五实施例的流程示意图;
图8为本发明负载均衡调度方法第六实施例中分别获取各个所述预设物理机所对应的CPU特征参数、内存特征参数以及带宽特征参数的步骤的细化流程示意图;
图9为本发明负载均衡调度方法第七实施例中按照第二预设规则获取目标物理机的步骤的细化流程示意图;
图10为本发明负载均衡调度方法第八实施例中在所述第二物理机中确定所述目标物理机的步骤的细化流程示意图;
图11为本发明负载均衡调度方法第九实施例中获取所述待迁移虚拟机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数的步骤的细化流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境中的负载均衡调度装置所属终端的结构示意图。
本发明实施例终端可以是PC。如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及负载均衡调度程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的负载均衡调度程序。
在本实施例中,负载均衡调度装置包括:存储器1005、处理器1001及存储在所述存储器上并可在所述处理器上运行的数据操作程序,其中:
处理器1001调用存储器1005中存储的负载均衡调度程序时,执行以下操作:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机;
在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机;
在所述预设物理机的除所述第一物理机之外的第二物理机中,按照第二预设规则确定目标物理机;
将所述待迁移虚拟机迁移至所述目标物理机。
进一步地,处理器1001可以调用存储器1005中存储的负载均衡调度程序,还执行以下操作:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值大于最大负载阈值的过载物理机;
在所述预设物理机中存在过载物理机时,确定当前时刻之前的预设时间间隔内所述过载物理机的过载次数是否大于第一预设阈值;
在所述过载次数大于第一预设阈值时,将所述过载物理机作为满足预设条件的第一物理机。
进一步地,处理器1001可以调用存储器1005中存储的负载均衡调度程序,还执行以下操作:
分别获取所述第一物理机中各个虚拟机的CPU利用率、内存利用率以及带宽利用率;
基于获取到的所述CPU利用率、内存利用率以及带宽利用率计算各个所述虚拟机的迁移损耗比;
将各个所述虚拟机的迁移损耗比最大的虚拟机作为所述待迁移虚拟机。
进一步地,处理器1001可以调用存储器1005中存储的负载均衡调度程序,还执行以下操作:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值小于最小负载阈值的低载物理机;
在所述预设物理机中存在低载物理机时,确定当前时刻之前的预设时间间隔内所述低载物理机的低载次数是否大于第二预设阈值;
在所述低载次数大于第二预设阈值时,将所述低载物理机作为满足预设条件的第一物理机;
所述按照第一预设规则确定所述第一物理机中的待迁移虚拟机的步骤包括:将所述第一物理机中所有虚拟机作为待迁移虚拟机。
进一步地,处理器1001可以调用存储器1005中存储的负载均衡调度程序,还执行以下操作:
分别获取各个所述预设物理机的CPU特征参数、内存特征参数以及带宽特征参数;
基于获取到的所述CPU特征参数、所述内存特征参数以及所述带宽特征参数,分别计算各个所述预设物理机的综合负载值。
进一步地,处理器1001可以调用存储器1005中存储的负载均衡调度程序,还执行以下操作:
分别获取各个所述预设物理机的CPU资源使用量、预留CPU资源量以及CPU总资源量,并基于获取到的所述CPU资源使用量、预留CPU资源量以及CPU总资源量分别计算各个所述预设物理机的CPU特征参数;
分别获取各个所述预设物理机的内存资源使用量、预留内存资源量以及内存总资源量,并基于获取到的所述内存资源使用量、预留内存资源量以及内存总资源量分别计算各个所述预设物理机的内存特征参数;
分别获取各个所述预设物理机的带宽资源使用量、预留带宽资源量以及带宽总资源量,并基于获取到的所述带宽资源使用量、预留带宽资源量以及带宽总资源量分别计算各个所述预设物理机的带宽特征参数。
进一步地,处理器1001可以调用存储器1005中存储的负载均衡调度程序,还执行以下操作:
获取所述待迁移虚拟机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数;
基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数,及各个所述第二物理机的CPU特征参数、内存特征参数以及带宽特征参数,在所述第二物理机中确定所述目标物理机。
进一步地,处理器1001可以调用存储器1005中存储的负载均衡调度程序,还执行以下操作:
基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数生成所述待迁移虚拟机的需求向量;
基于所述CPU特征参数、内存特征参数以及带宽特征参数生成各个所述第二物理机的性能向量;
基于所述需求向量、所述性能向量以及预设权重向量,在第二物理机中确定所述目标物理机。
进一步地,处理器1001可以调用存储器1005中存储的负载均衡调度程序,还执行以下操作:
获取所述待迁移虚拟机的CPU资源需求量,基于所述CPU资源需求量、所述第二物理机的预留CPU资源量以及所述第二物理机的CPU总资源量计算所述待迁移虚拟机的CPU资源需求参数;
获取所述待迁移虚拟机的内存资源需求量,基于所述内存资源需求量、所述第二物理机的预留内存资源量以及所述第二物理机的内存总资源量计算所述待迁移虚拟机的内存资源需求参数;
获取所述待迁移虚拟机的带宽资源需求量,基于所述带宽资源需求量、所述第二物理机的预留带宽资源量以及所述第二物理机的带宽总资源量计算所述待迁移虚拟机的带宽资源需求参数。
本发明提供一种负载均衡调度方法,参照图2,图2为本发明负载均衡调度方法第一实施例的流程示意图,所述负载均衡调度方法包括:
步骤S100,基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机;
如图3所示,对云计算模型主要由物理资源层、虚拟资源层、应用服务层三层结构组成。其中,应用服务层主要包括各类业务管理的应用系统、各应用系统之间存在一定的异构,搭建在虚拟资源层上,实现应用服务的按需动态伸缩;虚拟资源层用于为应用服务层提供运行载体,虚拟资源层搭建在物理资源层上,通过虚拟化技术快速动态创建虚拟机,满足应用服务层上各应用系统的性能需求,一般情况下,可根据应用系统的访问量需要,一个应用系统可以搭载在一个或多个虚拟机上,应用系统与虚拟机的映射关系为一对多;物理资源层为虚拟资源层提供硬件资源,主要由数据中心的各类硬件服务器组成,虚拟资源层上的虚拟机与物理资源层上的物理机,它们的映射关系为多对一,一个物理机可以搭载一个或多个虚拟机。云计算模型中应用服务的访问连接需求是动态变化的,云资源管理平台会通过增加或减少虚拟机的数量以满足应用服务的系统稳定,而虚拟机数量的变化会影响数据中心物理服务器集群的整体负载均衡水平和能耗,从而影响应用服务的稳定性。
其中,预设物理机为当前云资源管理平台下的所有物理机即物理节点,由于当前未运行的物理机的综合负载值为0,因此,一般情况下,该预设物理机可仅包括当前云资源管理平台下的正在运行的物理机。
在本实施例中,可根据各个预设物理机的CPU特征参数、内存特征参数以及带宽特征参数计算得到对应的预设物理机的综合负载值,具体地,某一预设物理机的CPU特征参数、内存特征参数以及带宽特征参数的均值为该预设物理机的综合负载值。其中,某一物理机的CPU特征参数、内存特征参数以及带宽特征参数可通过该物理机的运行参数进行计算得到,具体地,可通过该物理机的CPU资源使用量、预留CPU资源量以及CPU总资源量计算得到对应的CPU特征参数,通过该物理机的内存资源使用量、预留内存资源量以及内存总资源量计算得到对应的内存特征参数,通过该物理机的带宽资源使用量、预留带宽资源量以及带宽总资源量计算得到对应的带宽特征参数。
在本实施例中,根据当前各个预设物理机的综合负载值确定该预设物理机中是否存在满足预设条件的物理机,其中,该预设条件可以为综合负载值大于最大负载阈值,即确定该预设物理机中是否存在综合负载值大于最大负载阈值的物理机,或者,该预设条件可以为综合负载值小于最小负载阈值,即确定该预设物理机中是否存在综合负载值小于最小负载阈值的物理机,或者,该预设条件可以为综合负载值大于最大负载阈值、且综合负载值大于最大负载阈值的次数超过预设的次数,又或者,该预设条件可以为综合负载值小于最小负载阈值、且综合负载值小于最小负载阈值的次数超过预设的次数等。优选地,可定时根据当前各个预设物理机的综合负载值确定该预设物理机中是否存在满足预设条件的物理机,其中,定时的时间间隔可根据实际需求进行合理的设置。
步骤S200,在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机;
在本实施例中,在预设物理机中存在满足预设条件的第一物理机时,确定该第一物理机中的待迁移虚拟机,具体地,可获取第一物理机中各个虚拟机的迁移损耗比,并将迁移损耗比最大的虚拟机作为该待迁移虚拟机。
步骤S300,在所述预设物理机的除所述第一物理机之外的第二物理机中,按照第二预设规则确定目标物理机;
在本实施例中,在确定待迁移虚拟机之时,在预设物理机的除第一物理机之外的第二物理机中,确定目标物理机,具体地,可通过待迁移虚拟机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数,及各个第二物理机的CPU特征参数、内存特征参数以及带宽特征参数,在第二物理机中确定目标物理机。
步骤S400,将所述待迁移虚拟机迁移至所述目标物理机。
在本实施例中,在选定目标物理机时,将该待迁移虚拟机迁移至目标物理机,实现了对满足预设条件的第一物理机中的待迁移虚拟机进行迁移,能够在保证应用服务性能的基础上,可以大大降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,提高资源的有效利用率。
本实施例提出的负载均衡调度方法,通过基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机;而后在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机;接着在所述预设物理机的除所述第一物理机之外的第二物理机中,按照第二预设规则确定目标物理机;最后将所述待迁移虚拟机迁移至所述目标物理机,实现了对满足预设条件的第一物理机中的待迁移虚拟机进行迁移,能够在保证应用服务性能的基础上大大降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,提高资源的有效利用率。
基于第一实施例,提出本发明负载均衡调度方法的第二实施例,参照图4,在本实施例中,步骤S100包括:
步骤S110,基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值大于最大负载阈值的过载物理机;
在本实施例中,该预设条件包括综合负载值大于最大负载阈值、且预设时间间隔内的过载次数大于第一预设阈值,因此先通过当前各个预设物理机的综合负载值,确定预设物理机中是否存在过载物理机,即当前的综合负载值大于最大负载阈值的物理机。
其中,最大负载阈值可根据云计算中心的实际情况进行合理的设置,例如,该最大负载阈值可设置为80%等。
步骤S120,在所述预设物理机中存在过载物理机时,确定当前时刻之前的预设时间间隔内所述过载物理机的过载次数是否大于第一预设阈值;
在本实施例中,在预设物理机中存在过载物理机时,通过确定当前时刻之前的预设时间间隔内所述过载物理机的过载次数是否大于第一预设阈值,进而能够判断该过载物理机是否经常出现过载现象,若该过载物理机经常出现过载现象,则需要将该过载物理机的虚拟机进行迁移,以平衡该过载物理机的负载,使得云计算中心中的所有物理机的负载均衡。
其中,预设时间间隔以及第一预设阈值可进行合理的设置,例如,该预设时间间隔可设置为5分钟、10分钟等,该第一预设阈值可设置为3次、5次等。
步骤S130,在所述过载次数大于第一预设阈值时,将所述过载物理机作为满足预设条件的第一物理机。
在本实施例中,在过载次数大于第一预设阈值时,表明该过载物理机经常出现过载现象,因此需要将该过载物理机的虚拟机进行迁移,进而将该过载物理机作为满足预设条件的第一物理机。
本实施例提出的负载均衡调度方法,通过基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值大于最大负载阈值的过载物理机;接着在所述预设物理机中存在过载物理机时,确定当前时刻之前的预设时间间隔内所述过载物理机的过载次数是否大于第一预设阈值;而后在所述过载次数大于第一预设阈值时,将所述过载物理机作为满足预设条件的第一物理机,实现了根据最大负载阈值以及过载次数确定预设物理机只能够的第一物理机即过载物理机,进而能够准确的确定过载物理机,以实现对过载物理机进行迁移,能够在保证应用服务性能的基础上大大降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,进一步提高资源的有效利用率。
基于第二实施例,提出本发明负载均衡调度方法的第三实施例,参照图5,在本实施例中,步骤S200包括:
步骤S210,分别获取所述第一物理机中各个虚拟机的CPU利用率、内存利用率以及带宽利用率;
在本实施例中,在当前的第一物理机为过载物理机时,需要确定该过载物理机中的待迁移虚拟机,具体地,可通过该过载物理机中各个虚拟机的迁移损耗比进行确定,因此,首先获取该第一物理机中各个虚拟机的CPU利用率、内存利用率以及带宽利用率。
步骤S220,基于获取到的所述CPU利用率、内存利用率以及带宽利用率计算各个所述虚拟机的迁移损耗比;
在本实施例中,根据迁移损耗比的计算公式计算每一个虚拟机的迁移损耗比,具体地,迁移损耗比=(CPU利用率+带宽利用率)/内存利用率,进而能够根据每一个虚拟机的CPU利用率、内存利用率以及带宽利用率计算得到该虚拟机的迁移损耗比。
步骤S230,将各个所述虚拟机的迁移损耗比最大的虚拟机作为所述待迁移虚拟机。
在本实施例中,在得到第一物理机中各个虚拟机的迁移损耗比时,将各个所述虚拟机的迁移损耗比最大的虚拟机作为所述待迁移虚拟机,进而将该第一物理机中移损耗比最大的虚拟机进行迁移,以在依次迁移完成时,能够最大限度的降低该第一物理机的负载,进而使该第一物理机能够在正常的负载范围内。
本实施例提出的负载均衡调度方法,通过分别获取所述第一物理机中各个虚拟机的CPU利用率、内存利用率以及带宽利用率;接着基于获取到的所述CPU利用率、内存利用率以及带宽利用率计算各个所述虚拟机的迁移损耗比;而后将各个所述虚拟机的迁移损耗比最大的虚拟机作为所述待迁移虚拟机,实现了将迁移损耗比最大的虚拟机作为待迁移虚拟机,进而能够最大限度的降低第一物理机的负载,以使该第一物理机在负载迁移后的负载能够正常运行,进而能够降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,进一步提高资源的有效利用率。
基于第一实施例,提出本发明负载均衡调度方法的第四实施例,参照图6,在本实施例中,步骤S100包括:
步骤S140,基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值小于最小负载阈值的低载物理机;
在本实施例中,该预设条件包括综合负载值小于最小负载阈值、且预设时间间隔内的低载次数大于第二预设阈值,因此先通过当前各个预设物理机的综合负载值,确定预设物理机中是否存在低载物理机,即当前的综合负载值小于最小负载阈值的物理机。
其中,最小负载阈值可根据云计算中心的实际情况进行合理的设置,例如,该最大负载阈值可设置为20%等。
步骤S150,在所述预设物理机中存在低载物理机时,确定当前时刻之前的预设时间间隔内所述低载物理机的低载次数是否大于第二预设阈值;
在本实施例中,在预设物理机中存在低载物理机时,通过确定当前时刻之前的预设时间间隔内所述低载物理机的低载次数是否大于第二预设阈值,进而能够判断该低载物理机是否经常出现低载现象,若该低载物理机经常出现低载现象,则需要将该低载物理机的所有虚拟机进行迁移,以使该低载物理机处于停止运行状态,减少云计算中心中启动的物理机的数量,提高资源利用率。
其中,预设时间间隔以及第二预设阈值可进行合理的设置,例如,该预设时间间隔可设置为5分钟、10分钟等,该第二预设阈值可设置为3次、5次等,且该第二预设阈值可以与第一预设阈值相同,当然也可以不同。
步骤S160,在所述低载次数大于第二预设阈值时,将所述低载物理机作为满足预设条件的第一物理机。
在本实施例中,在低载次数大于第二预设阈值时,表明该低载物理机经常出现低载现象,因此需要将该低载物理机的虚拟机进行迁移,进而将该低载物理机作为满足预设条件的第一物理机。
步骤S300包括:将所述第一物理机中所有虚拟机作为待迁移虚拟机。
在本实施例中,由于该第一物理机为低载物理机,其本身运行的虚拟机较少或者虚拟机运行的应用程序较少,因此将第一物理机中所有虚拟机作为待迁移虚拟机,以将该第一物理机的所有虚拟机进行迁移,并在虚拟机迁移完成后,使该低载物理机停止运行,或者直接关闭该低载物理机,进而减少云计算中心在同一时刻启动的物理机的数量,以提高云计算中心的节能效果,降低能耗。
或者,另一实施例中,在步骤S40之后,该方法还包括:停止运行该第一物理机,或关闭该第一物理机。
本实施例提出的负载均衡调度方法,通过基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值小于最小负载阈值的低载物理机,接着在所述预设物理机中存在低载物理机时,确定当前时刻之前的预设时间间隔内所述低载物理机的低载次数是否大于第二预设阈值,而后在所述低载次数大于第二预设阈值时,将所述低载物理机作为满足预设条件的第一物理机,最后将所述第一物理机中所有虚拟机作为待迁移虚拟机,实现了将低载物理机即第一物理机的所有虚拟机作为待迁移虚拟机,进而减少云计算中心中物理机的运行数量,以提高云计算中心的节能效果,降低能耗,进一步提高资源的有效利用率。
基于第一实施例,提出本发明负载均衡调度方法的第五实施例,参照图7,在本实施例中,在步骤S100之前,该负载均衡调度方法还包括:
步骤S500,分别获取各个所述预设物理机的CPU特征参数、内存特征参数以及带宽特征参数;
在本实施例中,可通过预设物理机的CPU资源使用量、预留CPU资源量以及CPU总资源量得到CPU特征参数,通过预设物理机的内存资源使用量、预留内存资源量以及内存总资源量得到内存特征参数,通过预设物理机的带宽资源使用量、预留带宽资源量以及带宽总资源量得到带宽特征参数。
步骤S600,基于获取到的所述CPU特征参数、所述内存特征参数以及所述带宽特征参数,分别计算各个所述预设物理机的综合负载值。
在本实施例中,可基于各个预设物理机的CPU特征参数、内存特征参数以及带宽特征参数计算得到各个物理机对应的综合负载值,具体地,某一预设物理机的综合负载值为该预设物理机的CPU特征参数、内存特征参数以及带宽特征参数三者之间的均值。
本实施例提出的负载均衡调度方法,通过分别获取各个所述预设物理机的CPU特征参数、内存特征参数以及带宽特征参数,而后基于获取到的所述CPU特征参数、所述内存特征参数以及所述带宽特征参数,分别计算各个所述预设物理机的综合负载值,进而能够根据预设物理机的CPU特征参数、内存特征参数以及带宽特征参数准确的得到该预设物理机的综合负载值,提高了综合负载值的准确性,进而能够在保证应用服务性能的基础上大大降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,进一步提高资源的有效利用率。
基于第五实施例,提出本发明负载均衡调度方法的第六实施例,参照图8,在本实施例中,步骤S500包括:
步骤S510,分别获取各个所述预设物理机的CPU资源使用量、预留CPU资源量以及CPU总资源量,并基于获取到的所述CPU资源使用量、预留CPU资源量以及CPU总资源量分别计算各个所述预设物理机的CPU特征参数;
在本实施例中,可通过各个预设物理机的CPU资源使用量、预留CPU资源量以及CPU总资源量得到CPU特征参数,以预设物理机中的某一物理机为例,其CPU特征参数的计算公式如下:
CPU特征参数=1-CPU资源使用量/(CPU总资源量-预留CPU资源量)。
步骤S520,分别获取各个所述预设物理机的内存资源使用量、预留内存资源量以及内存总资源量,并基于获取到的所述内存资源使用量、预留内存资源量以及内存总资源量分别计算各个所述预设物理机的内存特征参数;
在本实施例中,可通过各个预设物理机的内存资源使用量、预留内存资源量以及内存总资源量得到内存特征参数,以预设物理机中的某一物理机为例,其内存特征参数的计算公式如下:
内存特征参数=1-内存资源使用量/(内存总资源量-预留内存资源量)。
步骤S530,分别获取各个所述预设物理机的带宽资源使用量、预留带宽资源量以及带宽总资源量,并基于获取到的所述带宽资源使用量、预留带宽资源量以及带宽总资源量分别计算各个所述预设物理机的带宽特征参数。
在本实施例中,可通过各个预设物理机的带宽资源使用量、预留带宽资源量以及带宽总资源量得到带宽特征参数,以预设物理机中的某一物理机为例,其带宽特征参数的计算公式如下:
带宽特征参数=1-带宽资源使用量/(带宽总资源量-预留带宽资源量)。
本实施例提出的负载均衡调度方法,通过分别获取各个所述预设物理机的CPU资源使用量、预留CPU资源量以及CPU总资源量,并基于获取到的所述CPU资源使用量、预留CPU资源量以及CPU总资源量分别计算各个所述预设物理机的CPU特征参数;而后分别获取各个所述预设物理机的内存资源使用量、预留内存资源量以及内存总资源量,并基于获取到的所述内存资源使用量、预留内存资源量以及内存总资源量分别计算各个所述预设物理机的内存特征参数;接着分别获取各个所述预设物理机的带宽资源使用量、预留带宽资源量以及带宽总资源量,并基于获取到的所述带宽资源使用量、预留带宽资源量以及带宽总资源量分别计算各个所述预设物理机的带宽特征参数,能够准确的得到该预设物理机的CPU特征参数、内存特征参数以及带宽特征参数,进而提高了综合负载值的准确性。
基于第五实施例,提出本发明负载均衡调度方法的第七实施例,参照图9,在本实施例中,步骤S300包括:
步骤S310,获取所述待迁移虚拟机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数;
在本实施例中,可根据待迁移虚拟机的CPU资源需求量、各个第二物理机的预留CPU资源量以及各个第二物理机的CPU总资源量得到该待迁移虚拟机相对于各个第二物理机的CPU资源需求参数;根据待迁移虚拟机的内存资源需求量、各个第二物理机的预留内存资源量以及各个第二物理机的内存总资源量得到该待迁移虚拟机相对于各个第二物理机的内存资源需求参数;根据待迁移虚拟机的带宽资源需求量、各个第二物理机的预留带宽资源量以及各个第二物理机的带宽总资源量得到该待迁移虚拟机相对于各个第二物理机的带宽资源需求参数。
步骤S320,基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数,及各个所述第二物理机的CPU特征参数、内存特征参数以及带宽特征参数,在所述第二物理机中确定所述目标物理机。
在本实施例中,可根据该待迁移虚拟机相对于各个第二物理机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数生成待迁移虚拟机的需求向量,其中,需求向量的个数与第二物理机中的物理机个数相同,每一个需求向量中的元素为该待迁移虚拟机相对于各个第二物理机中同一个物理机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数。同时,根据各个第二物理机的CPU特征参数、内存特征参数以及带宽特征参数生成各个所述第二物理机的性能向量,其中,该性能向量的个数与第二物理机中的物理机个数相同,该性能向量中的元素为第二物理机中同一个物理机的CPU特征参数、内存特征参数以及带宽特征参数,并且,需求向量与性能向量对应设置,即第i个需求向量与第i个性能向量所对应的物理机为第二物理机中的同一个物理机。而后计算各个第二物理机对应的性能向量与需求向量的差值向量,并计算各个第二物理机对应的差值向量与预设权重向量之间的乘积,得到各个第二物理机的匹配度,将匹配度最大的第二物理机作为目标物理机。
本实施例提出的负载均衡调度方法,通过获取所述待迁移虚拟机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数,接着基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数,及各个所述第二物理机的CPU特征参数、内存特征参数以及带宽特征参数,在所述第二物理机中确定所述目标物理机,能够准确的在第二物理机中确定目标物理机,进而在第二物理机中选择最合适的物理机作为目标物理机,在将待迁移虚拟机迁移至该目标物理机后,并不会导致该目标物理机的综合负载值过大,能够在保证应用服务性能的基础上大大降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,提高资源的有效利用率。
基于第七实施例,提出本发明负载均衡调度方法的第八实施例,参照图10,在本实施例中,步骤S320包括:
步骤S321,基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数生成所述待迁移虚拟机的需求向量;
在本实施例中,可根据该待迁移虚拟机相对于各个第二物理机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数生成待迁移虚拟机的需求向量,其中,需求向量的个数与第二物理机中的物理机个数相同,每一个需求向量中的元素为该待迁移虚拟机相对于各个第二物理机中同一个物理机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数。
步骤S322,基于所述CPU特征参数、内存特征参数以及带宽特征参数生成各个所述第二物理机的性能向量;
在本实施例中,同时,根据各个第二物理机的CPU特征参数、内存特征参数以及带宽特征参数生成各个所述第二物理机的性能向量,其中,该性能向量的个数与第二物理机中的物理机个数相同,该性能向量中的元素为第二物理机中同一个物理机的CPU特征参数、内存特征参数以及带宽特征参数,并且,需求向量与性能向量对应设置,即第i个需求向量与第i个性能向量所对应的物理机为第二物理机中的同一个物理机。
步骤S323,基于所述需求向量、所述性能向量以及预设权重向量,在第二物理机中确定所述目标物理机。
在本实施例中,各个第二物理机对应的性能向量与需求向量的差值向量,并计算各个第二物理机对应的差值向量与预设权重向量之间的乘积,得到各个第二物理机与待迁移虚拟机之间的匹配度,将匹配度最大的第二物理机作为目标物理机,其中,若差值向量中存在小于等于0的元素,则将该差值向量设置为0向量,即该差值向量的所有元素都设置为0。具体地,对于第二物理机中的某一物理机而言,首先根据其对应的性能向量与需求向量计算差值向量,然后计算该差值向量与预设权重向量之间的乘积,即差值向量与预设权重向量之间的点乘积,得到该物理机与待迁移虚拟机之间的匹配度。然后,选取第二物理机中与待迁移虚拟机之间的匹配度最大的物理机作为目标物理机。
其中,预设权重向量可根据实际情况进行合理的设置,具体地,可根据该预设权重向量对应的物理机的CPU特征参数、内存特征参数以及带宽特征参数进行合理设置,并且该预设权重向量中的三个元素之和为1。
本实施例提出的负载均衡调度方法,通过基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数生成所述待迁移虚拟机的需求向量;接着基于所述CPU特征参数、内存特征参数以及带宽特征参数生成各个所述第二物理机的性能向量,而后基于所述需求向量、所述性能向量以及预设权重向量,在第二物理机中确定所述目标物理机,实现了根据需求向量、性能向量以及预设权重向量确定目标物理机,进而能够在第二物理机中确定最适合的物理机作为目标物理机,在将待迁移虚拟机迁移至该目标物理机后,并不会导致该目标物理机的综合负载值过大,能够在保证应用服务性能的基础上大大降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,提高资源的有效利用率。
基于第七实施例,提出本发明负载均衡调度方法的第九实施例,参照图11,在本实施例中,步骤S310包括:
步骤S311,获取所述待迁移虚拟机的CPU资源需求量,基于所述CPU资源需求量、所述第二物理机的预留CPU资源量以及所述第二物理机的CPU总资源量计算所述待迁移虚拟机的CPU资源需求参数;
在本实施例中,可根据待迁移虚拟机的CPU资源需求量、各个第二物理机的预留CPU资源量以及各个第二物理机的CPU总资源量得到该待迁移虚拟机相对于各个第二物理机的CPU资源需求参数;具体地,以第二物理机中的某一物理机为例,待迁移虚拟机相对于该物理机的CPU资源需求参数=待迁移虚拟机的CPU资源需求量/(该物理机的CPU总资源量-该物理机的预留CPU资源量)。
步骤S312,获取所述待迁移虚拟机的内存资源需求量,基于所述内存资源需求量、所述第二物理机的预留内存资源量以及所述第二物理机的内存总资源量计算所述待迁移虚拟机的内存资源需求参数;
在本实施例中,可根据待迁移虚拟机的内存资源需求量、各个第二物理机的预留内存资源量以及各个第二物理机的内存总资源量得到该待迁移虚拟机相对于各个第二物理机的内存资源需求参数;具体地,以第二物理机中的某一物理机为例,待迁移虚拟机相对于该物理机的内存资源需求参数=待迁移虚拟机的内存资源需求量/(该物理机的内存总资源量-该物理机的预留内存资源量)。
步骤S313,获取所述待迁移虚拟机的带宽资源需求量,基于所述带宽资源需求量、所述第二物理机的预留带宽资源量以及所述第二物理机的带宽总资源量计算所述待迁移虚拟机的带宽资源需求参数。
在本实施例中,可根据待迁移虚拟机的带宽资源需求量、各个第二物理机的预留带宽资源量以及各个第二物理机的带宽总资源量得到该待迁移虚拟机相对于各个第二物理机的带宽资源需求参数;具体地,以第二物理机中的某一物理机为例,待迁移虚拟机相对于该物理机的带宽资源需求参数=待迁移虚拟机的带宽资源需求量/(该物理机的带宽总资源量-该物理机的带宽内存资源量)。
本实施例提出的负载均衡调度方法,通过获取所述待迁移虚拟机的CPU资源需求量,基于所述CPU资源需求量、所述第二物理机的预留CPU资源量以及所述第二物理机的CPU总资源量计算所述待迁移虚拟机的CPU资源需求参数,接着获取所述待迁移虚拟机的内存资源需求量,基于所述内存资源需求量、所述第二物理机的预留内存资源量以及所述第二物理机的内存总资源量计算所述待迁移虚拟机的内存资源需求参数,而后获取所述待迁移虚拟机的带宽资源需求量,基于所述带宽资源需求量、所述第二物理机的预留带宽资源量以及所述第二物理机的带宽总资源量计算所述待迁移虚拟机的带宽资源需求参数,实现了准确的获取待迁移虚拟机相对于第二物理机中的各个物理机的CPU资源需求参数、内存资源需求参数及带宽资源需求参数,进而能够根据上述参数准确的确定目标物理机,进而能够在保证应用服务性能的基础上大大降低虚拟机迁移次数,减轻因迁移对云计算中心整体性能的影响,提高资源的有效利用率。
此外,本发明实施例还提出一种负载均衡调度装置,该负载均衡调度装置包括:
第一确定模块,用于基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机;
第二确定模块,用于在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机;
第三确定模块,用于在所述预设物理机的除所述第一物理机之外的第二物理机中,按照第二预设规则确定目标物理机;
迁移模块,用于将所述待迁移虚拟机迁移至所述目标物理机。
进一步地,第一确定模块包括:
第一确定单元,用于基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值大于最大负载阈值的过载物理机;
第二确定单元,用于在所述预设物理机中存在过载物理机时,确定当前时刻之前的预设时间间隔内所述过载物理机的过载次数是否大于第一预设阈值;
第一设置单元,用于在所述过载次数大于第一预设阈值时,将所述过载物理机作为满足预设条件的第一物理机。
进一步地,第二确定模块包括:
第一获取单元,用于分别获取所述第一物理机中各个虚拟机的CPU利用率、内存利用率以及带宽利用率;
第一计算单元,用于基于获取到的所述CPU利用率、内存利用率以及带宽利用率计算各个所述虚拟机的迁移损耗比;
第二设置单元,用于将各个所述虚拟机的迁移损耗比最大的虚拟机作为所述待迁移虚拟机。
进一步地,第一确定模块包括:
第三确定单元,用于基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值小于最小负载阈值的低载物理机;
第四确定单元,用于在所述预设物理机中存在低载物理机时,确定当前时刻之前的预设时间间隔内所述低载物理机的低载次数是否大于第二预设阈值;
第三设置单元,用于在所述低载次数大于第二预设阈值时,将所述低载物理机作为满足预设条件的第一物理机;
所述第二确定模块还用于将所述第一物理机中所有虚拟机作为待迁移虚拟机。
进一步地,该负载均衡调度装置还包括:
获取模块,用于分别获取各个所述预设物理机的CPU特征参数、内存特征参数以及带宽特征参数;
计算模块,用于基于获取到的所述CPU特征参数、所述内存特征参数以及所述带宽特征参数,分别计算各个所述预设物理机的综合负载值。
进一步地,该获取模块包括:
第二获取单元,用于分别获取各个所述预设物理机的CPU资源使用量、预留CPU资源量以及CPU总资源量,并基于获取到的所述CPU资源使用量、预留CPU资源量以及CPU总资源量分别计算各个所述预设物理机的CPU特征参数;
第三获取单元,用于分别获取各个所述预设物理机的内存资源使用量、预留内存资源量以及内存总资源量,并基于获取到的所述内存资源使用量、预留内存资源量以及内存总资源量分别计算各个所述预设物理机的内存特征参数;
第四获取单元,用于分别获取各个所述预设物理机的带宽资源使用量、预留带宽资源量以及带宽总资源量,并基于获取到的所述带宽资源使用量、预留带宽资源量以及带宽总资源量分别计算各个所述预设物理机的带宽特征参数。
进一步地,第三确定模块包括:
第五获取单元,用于获取所述待迁移虚拟机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数;
第五确定单元,用于基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数,及各个所述第二物理机的CPU特征参数、内存特征参数以及带宽特征参数,在所述第二物理机中确定所述目标物理机。
进一步地,第五确定单元包括:
第一生成子单元,用于基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数生成所述待迁移虚拟机的需求向量;
第二生成子单元,用于基于所述CPU特征参数、内存特征参数以及带宽特征参数生成各个所述第二物理机的性能向量;
确定子单元,用于基于所述需求向量、所述性能向量以及预设权重向量,在第二物理机中确定所述目标物理机。
进一步地,第五获取单元包括:
第一获取子单元,用于获取所述待迁移虚拟机的CPU资源需求量,基于所述CPU资源需求量、所述第二物理机的预留CPU资源量以及所述第二物理机的CPU总资源量计算所述待迁移虚拟机的CPU资源需求参数;
第二获取子单元,用于获取所述待迁移虚拟机的内存资源需求量,基于所述内存资源需求量、所述第二物理机的预留内存资源量以及所述第二物理机的内存总资源量计算所述待迁移虚拟机的内存资源需求参数;
第三获取子单元,用于获取所述待迁移虚拟机的带宽资源需求量,基于所述带宽资源需求量、所述第二物理机的预留带宽资源量以及所述第二物理机的带宽总资源量计算所述待迁移虚拟机的带宽资源需求参数。
上述各个实施例中的负载均衡调度装置,与负载均衡调度方法的各个实施例类似,再次不再赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有负载均衡调度程序,所述负载均衡调度程序被处理器执行时实现如下操作:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机;
在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机;
在所述预设物理机的除所述第一物理机之外的第二物理机中,按照第二预设规则确定目标物理机;
将所述待迁移虚拟机迁移至所述目标物理机。
进一步地,所述负载均衡调度程序被处理器执行时还实现如下操作:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值大于最大负载阈值的过载物理机;
在所述预设物理机中存在过载物理机时,确定当前时刻之前的预设时间间隔内所述过载物理机的过载次数是否大于第一预设阈值;
在所述过载次数大于第一预设阈值时,将所述过载物理机作为满足预设条件的第一物理机。
进一步地,所述负载均衡调度程序被处理器执行时还实现如下操作:
分别获取所述第一物理机中各个虚拟机的CPU利用率、内存利用率以及带宽利用率;
基于获取到的所述CPU利用率、内存利用率以及带宽利用率计算各个所述虚拟机的迁移损耗比;
将各个所述虚拟机的迁移损耗比最大的虚拟机作为所述待迁移虚拟机。
进一步地,所述负载均衡调度程序被处理器执行时还实现如下操作:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值小于最小负载阈值的低载物理机;
在所述预设物理机中存在低载物理机时,确定当前时刻之前的预设时间间隔内所述低载物理机的低载次数是否大于第二预设阈值;
在所述低载次数大于第二预设阈值时,将所述低载物理机作为满足预设条件的第一物理机;
所述按照第一预设规则确定所述第一物理机中的待迁移虚拟机的步骤包括:将所述第一物理机中所有虚拟机作为待迁移虚拟机。
进一步地,所述负载均衡调度程序被处理器执行时还实现如下操作:
分别获取各个所述预设物理机的CPU特征参数、内存特征参数以及带宽特征参数;
基于获取到的所述CPU特征参数、所述内存特征参数以及所述带宽特征参数,分别计算各个所述预设物理机的综合负载值。
进一步地,所述负载均衡调度程序被处理器执行时还实现如下操作:
分别获取各个所述预设物理机的CPU资源使用量、预留CPU资源量以及CPU总资源量,并基于获取到的所述CPU资源使用量、预留CPU资源量以及CPU总资源量分别计算各个所述预设物理机的CPU特征参数;
分别获取各个所述预设物理机的内存资源使用量、预留内存资源量以及内存总资源量,并基于获取到的所述内存资源使用量、预留内存资源量以及内存总资源量分别计算各个所述预设物理机的内存特征参数;
分别获取各个所述预设物理机的带宽资源使用量、预留带宽资源量以及带宽总资源量,并基于获取到的所述带宽资源使用量、预留带宽资源量以及带宽总资源量分别计算各个所述预设物理机的带宽特征参数。
进一步地,所述负载均衡调度程序被处理器执行时还实现如下操作:
获取所述待迁移虚拟机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数;
基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数,及各个所述第二物理机的CPU特征参数、内存特征参数以及带宽特征参数,在所述第二物理机中确定所述目标物理机。
进一步地,所述负载均衡调度程序被处理器执行时还实现如下操作:
基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数生成所述待迁移虚拟机的需求向量;
基于所述CPU特征参数、内存特征参数以及带宽特征参数生成各个所述第二物理机的性能向量;
基于所述需求向量、所述性能向量以及预设权重向量,在第二物理机中确定所述目标物理机。
进一步地,所述负载均衡调度程序被处理器执行时还实现如下操作:
获取所述待迁移虚拟机的CPU资源需求量,基于所述CPU资源需求量、所述第二物理机的预留CPU资源量以及所述第二物理机的CPU总资源量计算所述待迁移虚拟机的CPU资源需求参数;
获取所述待迁移虚拟机的内存资源需求量,基于所述内存资源需求量、所述第二物理机的预留内存资源量以及所述第二物理机的内存总资源量计算所述待迁移虚拟机的内存资源需求参数;
获取所述待迁移虚拟机的带宽资源需求量,基于所述带宽资源需求量、所述第二物理机的预留带宽资源量以及所述第二物理机的带宽总资源量计算所述待迁移虚拟机的带宽资源需求参数。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (11)
1.一种负载均衡调度方法,其特征在于,所述负载均衡调度方法包括以下步骤:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机;
在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机;
在所述预设物理机的除所述第一物理机之外的第二物理机中,按照第二预设规则确定目标物理机;
将所述待迁移虚拟机迁移至所述目标物理机。
2.如权利要求1所述的负载均衡调度方法,其特征在于,所述基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机的步骤包括:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值大于最大负载阈值的过载物理机;
在所述预设物理机中存在过载物理机时,确定当前时刻之前的预设时间间隔内所述过载物理机的过载次数是否大于第一预设阈值;
在所述过载次数大于第一预设阈值时,将所述过载物理机作为满足预设条件的第一物理机。
3.如权利要求2所述的负载均衡调度方法,其特征在于,在所述预设物理机中存在满足预设条件的第一物理机时,按照第一预设规则确定所述第一物理机中的待迁移虚拟机的步骤包括:
分别获取所述第一物理机中各个虚拟机的CPU利用率、内存利用率以及带宽利用率;
基于获取到的所述CPU利用率、内存利用率以及带宽利用率计算各个所述虚拟机的迁移损耗比;
将各个所述虚拟机的迁移损耗比最大的虚拟机作为所述待迁移虚拟机。
4.如权利要求1所述的负载均衡调度方法,其特征在于,所述基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机的步骤包括:
基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在综合负载值小于最小负载阈值的低载物理机;
在所述预设物理机中存在低载物理机时,确定当前时刻之前的预设时间间隔内所述低载物理机的低载次数是否大于第二预设阈值;
在所述低载次数大于第二预设阈值时,将所述低载物理机作为满足预设条件的第一物理机;
所述按照第一预设规则确定所述第一物理机中的待迁移虚拟机的步骤包括:将所述第一物理机中所有虚拟机作为待迁移虚拟机。
5.如权利要求1至4任一项所述的负载均衡调度方法,其特征在于,所述基于当前各个预设物理机的综合负载值,确定所述预设物理机中是否存在满足预设条件的第一物理机的步骤之前,所述负载均衡调度方法还包括:
分别获取各个所述预设物理机的CPU特征参数、内存特征参数以及带宽特征参数;
基于获取到的所述CPU特征参数、所述内存特征参数以及所述带宽特征参数,分别计算各个所述预设物理机的综合负载值。
6.如权利要求5所述的负载均衡调度方法,其特征在于,所述分别获取各个所述预设物理机所对应的CPU特征参数、内存特征参数以及带宽特征参数的步骤包括:
分别获取各个所述预设物理机的CPU资源使用量、预留CPU资源量以及CPU总资源量,并基于获取到的所述CPU资源使用量、预留CPU资源量以及CPU总资源量分别计算各个所述预设物理机的CPU特征参数;
分别获取各个所述预设物理机的内存资源使用量、预留内存资源量以及内存总资源量,并基于获取到的所述内存资源使用量、预留内存资源量以及内存总资源量分别计算各个所述预设物理机的内存特征参数;
分别获取各个所述预设物理机的带宽资源使用量、预留带宽资源量以及带宽总资源量,并基于获取到的所述带宽资源使用量、预留带宽资源量以及带宽总资源量分别计算各个所述预设物理机的带宽特征参数。
7.如权利要求5所述的负载均衡调度方法,其特征在于,在所述预设物理机的除所述第一物理机之外的其他物理机中,按照第二预设规则获取目标物理机的步骤包括:
获取所述待迁移虚拟机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数;
基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数,及各个所述第二物理机的CPU特征参数、内存特征参数以及带宽特征参数,在所述第二物理机中确定所述目标物理机。
8.如权利要求7所述的负载均衡调度方法,其特征在于,所述基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数,及各个所述第二物理机的CPU特征参数、内存特征参数以及带宽特征参数,在所述第二物理机中确定所述目标物理机的步骤包括:
基于获取到的所述CPU资源需求参数、内存资源需求参数以及带宽资源需求参数生成所述待迁移虚拟机的需求向量;
基于所述CPU特征参数、内存特征参数以及带宽特征参数生成各个所述第二物理机的性能向量;
基于所述需求向量、所述性能向量以及预设权重向量,在第二物理机中确定所述目标物理机。
9.如权利要求7所述的负载均衡调度方法,其特征在于,所述获取所述待迁移虚拟机的CPU资源需求参数、内存资源需求参数以及带宽资源需求参数的步骤包括:
获取所述待迁移虚拟机的CPU资源需求量,基于所述CPU资源需求量、所述第二物理机的预留CPU资源量以及所述第二物理机的CPU总资源量计算所述待迁移虚拟机的CPU资源需求参数;
获取所述待迁移虚拟机的内存资源需求量,基于所述内存资源需求量、所述第二物理机的预留内存资源量以及所述第二物理机的内存总资源量计算所述待迁移虚拟机的内存资源需求参数;
获取所述待迁移虚拟机的带宽资源需求量,基于所述带宽资源需求量、所述第二物理机的预留带宽资源量以及所述第二物理机的带宽总资源量计算所述待迁移虚拟机的带宽资源需求参数。
10.一种负载均衡调度装置,其特征在于,所述负载均衡调度装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的负载均衡调度程序,所述负载均衡调度程序被所述处理器执行时实现如权利要求1至9中任一项所述的负载均衡调度方法的步骤。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有负载均衡调度程序,所述负载均衡调度程序被处理器执行时实现如权利要求1至9中任一项所述的负载均衡调度方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710554364.8A CN109213595B (zh) | 2017-07-07 | 2017-07-07 | 负载均衡调度方法、装置及计算机可读存储介质 |
PCT/CN2018/094827 WO2019007420A1 (zh) | 2017-07-07 | 2018-07-06 | 负载均衡调度方法、装置及计算机可读存储介质 |
EP18827555.6A EP3629163A4 (en) | 2017-07-07 | 2018-07-06 | LOAD BALANCE PLANNING PROCESS AND DEVICE, AND COMPUTER READABLE STORAGE MEDIA |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710554364.8A CN109213595B (zh) | 2017-07-07 | 2017-07-07 | 负载均衡调度方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109213595A true CN109213595A (zh) | 2019-01-15 |
CN109213595B CN109213595B (zh) | 2023-12-26 |
Family
ID=64950630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710554364.8A Active CN109213595B (zh) | 2017-07-07 | 2017-07-07 | 负载均衡调度方法、装置及计算机可读存储介质 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3629163A4 (zh) |
CN (1) | CN109213595B (zh) |
WO (1) | WO2019007420A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134495A (zh) * | 2019-05-21 | 2019-08-16 | 山东大学 | 一种容器跨主机在线迁移方法、存储介质及终端设备 |
CN110321208A (zh) * | 2019-06-27 | 2019-10-11 | 大连理工大学 | 一种求解云任务调度的进化计算方法 |
CN110888713A (zh) * | 2019-11-15 | 2020-03-17 | 西安石油大学 | 一种针对异构云数据中心的可信虚拟机迁移算法 |
CN111833465A (zh) * | 2020-06-23 | 2020-10-27 | 武汉菲奥达物联科技有限公司 | 一种基于汽车流量的小区停车收费平台扩展方法及装置 |
CN111858069A (zh) * | 2020-08-03 | 2020-10-30 | 网易(杭州)网络有限公司 | 集群资源调度的方法、装置及电子设备 |
CN112379970A (zh) * | 2020-11-17 | 2021-02-19 | 深圳先进技术研究院 | 一种负载控制方法、装置、计算机设备及存储介质 |
CN112433858A (zh) * | 2020-12-17 | 2021-03-02 | 济南浪潮数据技术有限公司 | 一种负载分配方法、装置、设备及可读存储介质 |
CN112579258A (zh) * | 2020-12-14 | 2021-03-30 | 科东(广州)软件科技有限公司 | 一种虚拟机的管理方法、装置、设备及存储介质 |
CN113742090A (zh) * | 2021-11-08 | 2021-12-03 | 苏州浪潮智能科技有限公司 | 面向虚拟机的负载均衡方法、装置和存储介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109960568A (zh) * | 2019-02-18 | 2019-07-02 | 深圳大学 | 一种调度方法及电子设备 |
CN110308985B (zh) * | 2019-05-17 | 2023-09-19 | 平安科技(深圳)有限公司 | 云专属服务器资源管理方法、装置、设备及存储介质 |
CN110399203A (zh) * | 2019-07-25 | 2019-11-01 | 南京邮电大学 | 一种基于弗雷歇距离的云计算虚拟机迁移方法 |
CN111694636B (zh) * | 2020-05-11 | 2022-08-23 | 国网江苏省电力有限公司南京供电分公司 | 一种面向边缘网络负载均衡的电力物联网容器迁移方法 |
CN114070754B (zh) * | 2021-11-15 | 2023-06-23 | 迈普通信技术股份有限公司 | 测试Overlay网络虚拟机迁移性能的方法及系统 |
CN117148955B (zh) * | 2023-10-30 | 2024-02-06 | 北京阳光金力科技发展有限公司 | 一种基于能耗数据的数据中心能耗管理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130054813A1 (en) * | 2011-08-24 | 2013-02-28 | Radware, Ltd. | Method for live migration of virtual machines |
CN104102543A (zh) * | 2014-06-27 | 2014-10-15 | 北京奇艺世纪科技有限公司 | 一种云计算环境中负载调整的方法和装置 |
CN105302632A (zh) * | 2015-11-19 | 2016-02-03 | 国家电网公司 | 一种云计算工作负载动态整合方法 |
CN105607943A (zh) * | 2015-12-18 | 2016-05-25 | 浪潮集团有限公司 | 一种云环境下虚拟机动态部署机制 |
CN105847385A (zh) * | 2016-04-20 | 2016-08-10 | 南京邮电大学 | 一种基于运行时长的云计算平台虚拟机调度方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8825863B2 (en) * | 2011-09-20 | 2014-09-02 | International Business Machines Corporation | Virtual machine placement within a server farm |
WO2014005277A1 (en) * | 2012-07-03 | 2014-01-09 | Empire Technology Development Llc | Resource management in a cloud computing environment |
CN103605578B (zh) * | 2013-12-09 | 2017-03-08 | 武汉理工大学 | 基于虚拟机迁移的负载均衡调度方法 |
CN106326000B (zh) * | 2015-06-30 | 2019-11-29 | 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 |
US10067803B2 (en) * | 2015-11-25 | 2018-09-04 | International Business Machines Corporation | Policy based virtual machine selection during an optimization cycle |
CN106125888B (zh) * | 2016-06-23 | 2018-12-25 | 河海大学常州校区 | 云数据中心中基于虚拟机迁移的资源利用高效的节能方法 |
CN106197890A (zh) * | 2016-07-12 | 2016-12-07 | 潜江菲利华石英玻璃材料有限公司 | 一种石英玻璃锭熔制用下料管的检测方法 |
CN106227578A (zh) * | 2016-07-12 | 2016-12-14 | 腾讯科技(深圳)有限公司 | 一种虚拟机热迁移的方法、设备及系统 |
CN106909462A (zh) * | 2017-02-27 | 2017-06-30 | 郑州云海信息技术有限公司 | 一种云资源调度方法及装置 |
-
2017
- 2017-07-07 CN CN201710554364.8A patent/CN109213595B/zh active Active
-
2018
- 2018-07-06 WO PCT/CN2018/094827 patent/WO2019007420A1/zh unknown
- 2018-07-06 EP EP18827555.6A patent/EP3629163A4/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130054813A1 (en) * | 2011-08-24 | 2013-02-28 | Radware, Ltd. | Method for live migration of virtual machines |
CN104102543A (zh) * | 2014-06-27 | 2014-10-15 | 北京奇艺世纪科技有限公司 | 一种云计算环境中负载调整的方法和装置 |
CN105302632A (zh) * | 2015-11-19 | 2016-02-03 | 国家电网公司 | 一种云计算工作负载动态整合方法 |
CN105607943A (zh) * | 2015-12-18 | 2016-05-25 | 浪潮集团有限公司 | 一种云环境下虚拟机动态部署机制 |
CN105847385A (zh) * | 2016-04-20 | 2016-08-10 | 南京邮电大学 | 一种基于运行时长的云计算平台虚拟机调度方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134495A (zh) * | 2019-05-21 | 2019-08-16 | 山东大学 | 一种容器跨主机在线迁移方法、存储介质及终端设备 |
CN110321208A (zh) * | 2019-06-27 | 2019-10-11 | 大连理工大学 | 一种求解云任务调度的进化计算方法 |
CN110321208B (zh) * | 2019-06-27 | 2022-10-14 | 大连理工大学 | 一种求解云任务调度的进化计算方法 |
CN110888713A (zh) * | 2019-11-15 | 2020-03-17 | 西安石油大学 | 一种针对异构云数据中心的可信虚拟机迁移算法 |
CN111833465A (zh) * | 2020-06-23 | 2020-10-27 | 武汉菲奥达物联科技有限公司 | 一种基于汽车流量的小区停车收费平台扩展方法及装置 |
CN111858069A (zh) * | 2020-08-03 | 2020-10-30 | 网易(杭州)网络有限公司 | 集群资源调度的方法、装置及电子设备 |
CN112379970A (zh) * | 2020-11-17 | 2021-02-19 | 深圳先进技术研究院 | 一种负载控制方法、装置、计算机设备及存储介质 |
CN112579258A (zh) * | 2020-12-14 | 2021-03-30 | 科东(广州)软件科技有限公司 | 一种虚拟机的管理方法、装置、设备及存储介质 |
CN112433858A (zh) * | 2020-12-17 | 2021-03-02 | 济南浪潮数据技术有限公司 | 一种负载分配方法、装置、设备及可读存储介质 |
CN113742090A (zh) * | 2021-11-08 | 2021-12-03 | 苏州浪潮智能科技有限公司 | 面向虚拟机的负载均衡方法、装置和存储介质 |
CN113742090B (zh) * | 2021-11-08 | 2022-03-08 | 苏州浪潮智能科技有限公司 | 面向虚拟机的负载均衡方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3629163A1 (en) | 2020-04-01 |
CN109213595B (zh) | 2023-12-26 |
EP3629163A4 (en) | 2021-03-10 |
WO2019007420A1 (zh) | 2019-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109213595A (zh) | 负载均衡调度方法、装置及计算机可读存储介质 | |
US11164285B2 (en) | Electronic device and method for displaying image on a display to prevent burn-in of the display | |
US10796803B2 (en) | Method for integrating and providing collected data from multiple devices and electronic device for implementing same | |
CN106462325B (zh) | 控制显示器的方法和提供该方法的电子设备 | |
CN105388931B (zh) | 基于内部温度的波动控制装置性能的装置及其方法 | |
KR102430941B1 (ko) | 생체 상태 정보 제공 방법 및 이를 지원하는 전자 장치 | |
CN104106053B (zh) | 使用功率的动态cpu gpu负载平衡 | |
US11385935B2 (en) | Task scheduling method and electronic device for implementing same | |
KR102329862B1 (ko) | 영상의 컬러 변환 방법 및 전자 장치 | |
US20160364888A1 (en) | Image data processing method and electronic device supporting the same | |
US10785676B2 (en) | Electronic device and traffic control method thereof | |
KR102326945B1 (ko) | 태스크 마이그레이션 방법 및 장치 | |
CN104704469B (zh) | 动态地重新平衡图形处理器资源 | |
CN110389841A (zh) | 一种服务器负载均衡方法、装置和存储介质 | |
US10695002B2 (en) | Activity information providing method and electronic device supporting the same | |
US20160253779A1 (en) | Image processing apparatus and method | |
US11579744B2 (en) | Systems and methods for seat selection in virtual reality | |
KR20160127515A (ko) | 사용자 인터페이스 표시 방법 및 그 전자 장치 | |
KR20170098119A (ko) | 전자 장치 및 전자 장치의 디스플레이 밝기 제어 방법 | |
CN108388336A (zh) | 功耗控制方法、装置及计算机可读存储介质 | |
CN108124054A (zh) | 基于握持传感器的感测信号显示用户界面的设备 | |
CN111476872B (zh) | 一种图像绘制方法及图像绘制装置 | |
CN108369474A (zh) | 电子设备和电子设备的显示方法 | |
CN115170390B (zh) | 一种文件风格化方法、装置、设备及存储介质 | |
KR102385246B1 (ko) | 원단의 색상을 측정하는 방법 및 이를 위한 장치 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |