CN109271257A - 一种虚拟机迁移部署的方法及设备 - Google Patents
一种虚拟机迁移部署的方法及设备 Download PDFInfo
- Publication number
- CN109271257A CN109271257A CN201811184596.XA CN201811184596A CN109271257A CN 109271257 A CN109271257 A CN 109271257A CN 201811184596 A CN201811184596 A CN 201811184596A CN 109271257 A CN109271257 A CN 109271257A
- Authority
- CN
- China
- Prior art keywords
- virtual machine
- information
- migration
- deployment
- algorithm
- 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.)
- Withdrawn
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
- G06F9/46—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
-
- 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
- G06F9/5072—Grid computing
-
- 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
- G06F2209/503—Resource availability
-
- 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
- G06F2209/508—Monitor
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种虚拟机迁移部署的方法,应用于云计算管理系统,其中包括多个物理服务器,每个物理服务器中包含多个虚拟机,该方法包括:获取所有物理服务器及虚拟机的资源使用信息,性能指标及以及待迁移的虚拟机的迁移请求;根据第一算法模型分析上述信息以得到负载性能模型;根据负载性能模型预测资源需求信息和负载信息;再根据上述信息确定目标优化算法以获得待迁移虚拟机的部署最优解;最后根据部署最优解及迁移请求信息确定迁移算法,生成待迁移虚拟机的迁移部署策略。本发明实施例还提供相应的设备。本申请技术方案使用一系列算法模型对虚拟机和物理服务器的资源数据进行分析及预测,得到虚拟机最优部署策略,使得资源利用率得到提升。
Description
技术领域
本发明涉及云计算技术领域,具体涉及一种虚拟机迁移部署的方法及设备。
背景技术
虚拟化使用软件的方法重新定义划分IT资源,打破数据中心、网络、服务器、数据、应用和存储中的物理设备之间的划分,实现统一管理和动态使用物理资源和虚拟资源,提高了系统结构的灵活性和弹性。实现IT资源的动态分配、灵活调度、跨域共享,提高IT资源利用率,使IT资源能够真正成为社会基础设施,服务于各行各业中灵活多变的应用需求。虚拟化在云计算供应商的应用,给用户提供按需购买计算能力,虚拟机的部署以及调度策略以用户为中心,满足用户的各种需求,但这样的调度和分配方式对系统资源带来的就是资源碎片问题。
虚拟化技术可以帮助云供应商在物理服务器上创建多个虚拟机作为应用服务器来改善数据中心的能效问题,以提高资源利用率。云计算管理系统通过监控对虚拟机动态迁移,根据资源需求动态将虚拟机迁移部署到更少的物理主机上,达到节能效果。基于目前的应用类型通常设计动态变化的负载需求,这种动态行为和虚拟机合并可能导致虚拟机无法获得预期请求资源量,从而导致物理资源的不合理分配以及应用性能损失。
发明内容
本发明实施例提供一种虚拟机迁移部署的方法,通过一系列的算法模型对虚拟机和物理服务器的资源数据进行计算分析及预测,最后获取虚拟机的最优部署方案,使得物理资源利用率得到提升,虚拟化产品性能得到保障。
有鉴于此,本申请第一方面提供一种虚拟机迁移部署的方法,该方法应用于云计算管理系统,该云计算管理系统中包括多个物理服务器,其中,每个物理服务器中包含多个第一虚拟机,包括:获取第一信息,第一信息包括每个第一虚拟机的性能指标和第一资源使用信息,每个物理服务器的第二资源使用信息,以及第一虚拟机中待迁移的第二虚拟机的迁移请求信息;根据第一算法模型分析第一信息,以得到负载性能模型;根据所述负载性能模型预测第二信息,第二信息包括第一虚拟机对应的目标应用的资源需求信息和物理服务器的负载信息;根据所述第二信息确定目标优化算法,以获得第二虚拟机的部署最优解;根据部署最优解及迁移请求信息,确定迁移算法;根据迁移算法生成第二虚拟机的迁移策略,迁移策略用于第二虚拟机进行迁移部署。
可选地,结合上述第一方面,在第一种可能的实现方式中,获取第一信息之前,还包括:增强监控功能,以实时监控第一信息。
可选地,结合上述第一方面第一种可能的实现方式,在第二种可能的实现方式中,增强监控功能的方式包括多指标配置或优化算法模型,以实现对每个第一虚拟机的实时监控。
可选地,结合上述第一方面,第一方面第一种和第二种中任意一种可能的实现方式,在第三种可能的实现方式中,第一资源使用信息包括第一虚拟机的中央处理器、内存或磁盘的资源使用信息,以及第一虚拟机所对应的目标应用的当前和历史资源使用数据。
可选地,结合上述第一方面,第一方面第一种和第二种中任意一种可能的实现方式,在第四种可能的实现方式中,负载信息用于指示物理服务器超载或物理服务器负载不足。
可选地,结合上述第一方面,第一方面第一种和第二种中任意一种可能的实现方式,在第五种可能的实现方式中,迁移策略包括三个第二虚拟机迁移部署的方案建议,该方案建议包括用于用户根据需要进行选择的分析说明。
可选地,结合上述第一方面,第一方面第一种和第二种中任意一种可能的实现方式,在第六种可能的实现方式中,部署最优解包括性能均衡部署策略或者资源节省部署策略。
本申请第二方面提供一种虚拟机迁移部署的设备,该设备应用于云计算管理系统,云计算管理系统中包括多个物理服务器,其中,每个物理服务器中包含多个第一虚拟机,包括:获取模块,用于获取第一信息,第一信息包括每个第一虚拟机的性能指标和第一资源使用信息,每个物理服务器的第二资源使用信息,以及第一虚拟机中待迁移的第二虚拟机的迁移请求信息;分析模块,用于根据第一算法模型分析获取模块获取的第一信息,以得到负载性能模型;预测模块,用于根据分析模块得到的负载性能模型预测第二信息,第二信息包括第一虚拟机对应的目标应用的资源需求信息和物理服务器的负载信息;确定模块,用于根据预测模块预测的第二信息确定目标优化算法,以获得第二虚拟机的部署最优解;确定模块,还用于根据部署最优解及迁移请求信息,确定迁移算法;生成模块,用于根据确定模块确定的迁移算法生成第二虚拟机的迁移策略,迁移策略用于第二虚拟机进行迁移部署。
本申请第三方面提供一种网络设备,该网络设备应用于云计算管理系统,云计算管理系统中包括多个物理服务器,物理服务器中包含多个第一虚拟机,所述网络设备包括:输入装置、输出装置、处理器和存储器,所述存储器中存储有程序指令;通过调用存储器存储的操作指令,该处理器,用于执行上述第一方面或第一方面任意一种可能实现方式的虚拟机迁移部署的方法。
本申请第四方面提供一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机可以执行上述第一方面或第一方面任意一种可能实现方式的虚拟机迁移部署的方法。
本申请第五方面提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机可以执行上述第一方面或第一方面任意一种可能实现方式的虚拟机迁移部署的方法。
本申请第六方面提供一种芯片系统,该芯片系统包括处理器,用于支持云计算管理系统实现上述第一方面或第一方面任意一种可能的实现方式中所涉及的功能。在一种可能的设计中,芯片系统还包括存储器,存储器,用于保存执云计算管理系统必要的程序指令和数据。该芯片系统,可以由芯片构成,也可以包含芯片和其他分立器件。
本发明实施例采用一种虚拟机迁移部署的方法,通过增强系统的监控功能对虚拟机和物理服务器的资源数据进行深入的监控及获取,采用一系列的算法模型对虚拟机和物理服务器的资源数据进行计算分析及预测,最后获取虚拟机的最优部署方案,使得物理资源利用率得到提升,虚拟化产品性能得到保障。
附图说明
图1是本申请实施例中虚拟机迁移部署方法的一实施例;
图2是本申请实施例中虚拟机迁移部署方法的另一实施例;
图3是本申请实施例中虚拟机迁移部署设备的一实施例;
图4是本申请实施例中虚拟机迁移部署设备的另一实施例;
图5是本申请实施例提供的一种网络设备的结构示意图。
具体实施方式
下面结合附图,对本发明的实施例进行描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。本领域普通技术人员可知,随着图计算框架的演变和新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。
本发明实施例提供一种虚拟机迁移部署的方法,采用一系列的算法模型对虚拟机和物理服务器的资源数据进行计算分析及预测,最后获取虚拟机的最优部署方案,使得物理资源利用率得到提升,虚拟化产品性能得到保障。本发明实施例还提供相应的虚拟机迁移部署的设备。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是本申请实施例中虚拟机迁移部署方法的一实施例示意图。
如图1所示,本申请实施例提供的虚拟机迁移部署的方法应用于云计算管理系统,云计算管理系统中包括多个物理服务器,其中,每个物理服务器中包含多个第一虚拟机,该方法包括:
101、云计算管理系统获取第一信息,第一信息包括每个第一虚拟机的性能指标和资源使用信息,每个物理服务器的第二资源使用信息,以及第一虚拟机中待迁移的第二虚拟机的迁移请求信息。
本实施例中,云计算管理系统实时获取所有虚拟机的中央处理器、内存和磁盘资源等的使用情况,以及每个虚拟机的应用性能指标、每个物理服务器的资源使用情况及可用情况以及所有虚拟机中待迁移的虚拟机的迁移请求。
102、云计算管理系统根据第一算法模型分析所述第一信息,以得到负载性能模型。
本实施例中,云计算管理系统根据第一算法模型对获取的第一信息进行计算分析,第一信息中包含第一虚拟机对应的目标应用的当前及历史数据,基于第一算法模型对这些数据进行分析,从而建立预测长期的负载性能模型,用于预测未来的负载信息,从而对第二虚拟机进行部署。需要说明的是,第一算法模型的作用是为了分析数据从而得到负载性能模型,具体算法可以根据实际需求进行设计,此处不做限定。
103、云计算管理系统根据所述负载性能模型预测第二信息,第二信息包括第一虚拟机对应的目标应用的资源需求信息和物理服务器的负载信息。
本实施例中,云计算管理系统根据建立好的负载性能模型对第一虚拟机所对应的目标应用的资源需求进行预测,并根据预测结果判断未来物理服务器的长期负载信息。需要说明的是,负载性能模型是根据第一算法模型对数据进行分析后自动优化创建的,第一算法模型的多样性也使得负载性能模型具备多样性,可以理解的是,本实施例中的负载性能模型的作用是对应用的资源需求进行预测以及对物理服务器的长期负载进行判断,具体算法在此处不做限定。
104、云计算管理系统根据第二信息确定目标优化算法,以获得第二虚拟机的部署最优解。
本实施例中,云计算管理系统根据预测得到的资源需求信息与长期的负载信息,确定目标优化算法对这些信息数据进行计算分析,从而获得第二虚拟机的部署最优解,该部署最优解下第二虚拟机的迁移部署,能够使得系统在至少一个方面的性能得到优化。需要说明的是,本实施例中的目标优化算法,用于确定第二虚拟机的部署最优解,在实际应用过程中,具体算法的设计具备多样性,此处不做限定。
105、云计算管理系统根据部署最优解及迁移请求信息,确定迁移算法。
本实施例中,云计算管理系统在获得虚拟机部署最优解的同时,结合来自集群内每个节点控制的待迁移虚拟机的迁移请求,确定迁移算法及相应的待迁移虚拟机的迁移部署。需要说明的是,本实施例中的迁移算法,用于确定第二虚拟机的迁移方法,在实际应用过程中,具体算法的设计具备多样性,此处不做限定。
106、云计算管理系统根据迁移算法生成第二虚拟机的迁移策略,迁移策略用于第二虚拟机进行迁移部署。
本实施例中,云计算管理系统根据迁移算法确定第二虚拟机的迁移策略,该迁移策略用于第二虚拟机进行迁移部署,根据该迁移策略进行第二虚拟机的迁移部署,第二虚拟机在该迁移策略的指令下进行迁移部署,从而提高物理资源的利用率。
本发明实施例提供一种虚拟机迁移部署的方法,通过采用一系列的算法模型对虚拟机和物理服务器的资源数据进行计算分析及预测,根据预测结果计算出虚拟机的最优部署方案,使得物理资源利用率得到提升,虚拟化产品性能得到保障。
图2是本申请实施例中虚拟机迁移部署方法的另一实施例示意图。
如图2所示,本申请实施例提供的虚拟机迁移部署的方法应用于云计算管理系统,云计算管理系统中包括多个物理服务器,其中,每个物理服务器中包含多个第一虚拟机,包括:
201、云计算管理系统增强监控功能,以实时监控第一信息。
本实施例中,云计算管理系统增强系统的监控功能,通过增强后的监控功能对所有虚拟机的CPU、内存、磁盘资源使用情况,每个虚拟机的应用性能指标,每个物理服务器的资源使用和可用情况以及物理服务器控制的虚拟机迁移请求进行细致的实时的监控。需要说明的是,增强监控功能的方式可以包括多指标配置或优化算法模型,从而实现大规模虚拟机监控不崩溃的结果,在实际应用的过程中,可以根据实际情况及需要对系统的监控功能进行增强和优化,以达到更为细致的数据监控,具体此处不做限定。
202、云计算管理系统获取第一信息,所述第一信息包括每个第一虚拟机的性能指标和第一资源使用信息,所述每个物理服务器的第二资源使用信息,以及所述第一虚拟机中待迁移的第二虚拟机的迁移请求信息。
本实施例中,云计算管理系统在增强监控功能之后对第一信息进行实时且详细的监控,获取该监控信息,从而对该信息进行分析建模。
203、云计算管理系统根据第一算法模型分析第一信息,以得到负载性能模型。
本实施例中,云计算管理系统根据第一算法模型对获取的第一信息进行计算分析,第一信息中包含第一虚拟机对应的目标应用的当前及历史数据,基于第一算法模型对这些数据进行分析,从而建立预测长期的负载性能模型,用于预测未来的负载信息,从而对第二虚拟机进行部署。需要说明的是,第一算法模型的作用是为了分析数据从而得到负载性能模型,具体算法可以根据实际需求进行设计,此处不做限定。
204、云计算管理系统根据所述负载性能模型预测第二信息,所述第二信息包括所述第一虚拟机对应的目标应用的资源需求信息和所述物理服务器的负载信息。
本实施例中,云计算管理系统根据建立好的负载性能模型对第一虚拟机所对应的目标应用的资源需求进行预测,并根据预测结果对物理服务器是否超载或负载不足进行判断。需要说明的是,负载性能模型是根据第一算法模型对数据进行分析后自动优化创建的,第一算法模型的多样性也使得负载性能模型具备多样性,可以理解的是,本实施例中的负载性能模型的作用是对应用的资源需求进行预测以及对物理服务器的长期负载进行判断,具体算法在此处不做限定。
205、云计算管理系统根据所述第二信息确定目标优化算法,以获得所述第二虚拟机的部署最优解。
本实施例中,云计算管理系统在获取到预测和模型算法结果之后,确定迁移部署策略需要达到的目标,设计出相应的目标优化算法,得到虚拟机部署最优解。该部署最优解下第二虚拟机的部署可以满足迁移部署策略最终需要达到的目标,该目标可以是最大程度的节省物理资源,同时不影响虚拟机对于预期资源请求量的获取,也可以是达到性能均衡的状态,在适当的节省物力资源的情况下,不影响虚拟机所对应的应用在被使用时的性能,可以理解的是,在实际应用中,管理员用户可以根据实际需求对该目标优化算法进行设计,从而达到最终的目标,具体此处不做限定。
206、云计算管理系统根据部署最优解及迁移请求信息,确定迁移算法。
本实施例中,云计算管理系统在获得虚拟机部署最优解的同时,结合来自集群内每个节点控制的待迁移虚拟机的迁移请求,确定迁移算法及相应的待迁移虚拟机的迁移部署。需要说明的是,本实施例中的迁移算法,用于确定第二虚拟机的迁移方法,在实际应用过程中,具体算法的设计具备多样性,此处不做限定。
207、云计算管理系统根据迁移算法生成第二虚拟机的迁移策略,该迁移策略用于第二虚拟机进行迁移部署。
本实施例中,云计算管理系统在确定好迁移算法之后,生成第二虚拟机的迁移策略,该迁移策略包括第二虚拟机相应的部署及迁移方法。本实施例可以为管理员用户提供虚拟机部署的三套方案建议及分析说明,从而可以使管理员用户能够根据实际需要选择部署模型。需要说明的是,第二虚拟机的迁移策略具有多样性,在实际应用的过程中,可以根据实际需要进行迁移策略的展示形式及多样性选择设置,具体此处不做限定。
本申请实施例提供一种虚拟机迁移部署的方法,通过增强虚拟化系统的监控功能对虚拟机和物理服务器的资源数据及相关数据进行细致的监控及获取,从而实现大规模虚拟机监控不崩溃通过增加一系列的算法模型对这些数据进行计算分析及预测,最后获取虚拟机的最优部署方案,使得物理资源利用率得到提升,虚拟化产品性能得到保障。
上述是本申请实施例中虚拟机迁移部署方法的实施例介绍,本申请实施例还提供相应的虚拟机迁移部署的设备。如图3,本申请实施例中虚拟机迁移部署设备的一实施例。
如图3所示,本申请实施例中虚拟机迁移部署设备应用于云计算管理系统,所述云计算管理系统中包括多个物理服务器,其中,每个物理服务器中包含多个第一虚拟机,所述设备包括:
获取模块301,用于获取第一信息,所述第一信息包括每个第一虚拟机的性能指标和第一资源使用信息,所述每个物理服务器的第二资源使用信息,以及所述第一虚拟机中待迁移的第二虚拟机的迁移请求信息。
本申请实施例中,获取模块301获取所有虚拟机的中央处理器、内存、磁盘资源使用情况,以及每个虚拟机的应用性能指标、每个物理服务器的资源使用及可用情况以及物理服务器控制的虚拟机迁移请求。
分析模块302,用于根据第一算法模型分析所述获取模块301获取的所述第一信息,以得到负载性能模型。
本实施例中,分析模块302根据第一算法模型对获取的第一信息进行计算分析,第一信息中包含第一虚拟机对应的目标应用的当前及历史数据,基于第一算法模型对这些数据进行分析,从而建立预测长期的负载性能模型,用于预测未来的负载信息,从而对第二虚拟机进行部署。需要说明的是,第一算法模型的作用是为了分析数据从而得到负载性能模型,具体算法可以根据实际需求进行设计,此处不做限定。
预测模块303,用于根据所述分析模块302得到的所述负载性能模型预测第二信息,所述第二信息包括所述第一虚拟机对应的目标应用的资源需求信息和所述物理服务器的负载信息。
本实施例中,预测模块303根据建立好的负载性能模型对第一虚拟机所对应的目标应用的资源需求进行预测,并根据预测结果判断未来物理服务器的长期负载信息。需要说明的是,负载性能模型是根据第一算法模型对数据进行分析后自动优化创建的,第一算法模型的多样性也使得负载性能模型具备多样性,可以理解的是,本实施例中的负载性能模型的作用是对应用的资源需求进行预测以及对物理服务器的长期负载进行判断,具体算法在此处不做限定。
确定模块304,用于根据预测模块303预测的所述第二信息确定目标优化算法,以获得所述第二虚拟机的部署最优解。
本实施例中,确定模块304根据预测模块303预测得到的资源需求信息与长期的负载信息,确定目标优化算法对这些信息数据进行计算分析,从而获得第二虚拟机的部署最优解,该部署最优解下第二虚拟机的迁移部署,能够使得系统在至少一个方面的性能得到优化。需要说明的是,本实施例中的目标优化算法,用于确定第二虚拟机的部署最优解,在实际应用过程中,具体算法的设计具备多样性,此处不做限定。
确定模块304,还用于根据所述部署最优解及所述迁移请求信息,确定迁移算法。
本实施例中,确定模块304在获得虚拟机部署最优解的同时,结合来自集群内每个节点控制的待迁移虚拟机的迁移请求,确定迁移算法及相应的待迁移虚拟机的迁移部署。需要说明的是,本实施例中的迁移算法,用于确定第二虚拟机的迁移方法,在实际应用过程中,具体算法的设计具备多样性,此处不做限定。
生成模块305,用于根据所述确定模块304确定的所述迁移算法生成所述第二虚拟机的迁移策略,所述迁移策略用于所述第二虚拟机进行迁移部署。
本实施例中,生成模块305,在确定模块304确定迁移算法之后,根据该迁移算法,生成第二虚拟机的迁移策略,需要说明的是,本实施例中,生成模块305生成的迁移策略可以是多个,可以理解的是,根据不同的实际需求,可以同时生成不同的迁移策略,达到不同的效果,例如,迁移部署的目的是资源节省或性能均衡,针对不同的目标也可以包括不同的迁移路径的部署,具体此处不做限定。
本申请实施例提供一种虚拟机迁移部署的设备,通过采用一系列的算法模型对虚拟机和物理服务器的资源数据进行计算分析及预测,最后获取虚拟机的最优部署方案,使得物理资源利用率得到提升,虚拟化产品性能得到保障。
图4是本申请实施例中虚拟机迁移部署设备的另一实施例。
如图4所示,本申请实施例中虚拟机迁移部署设备应用于云计算管理系统,所述云计算管理系统中包括多个物理服务器,其中,每个物理服务器中包含多个第一虚拟机,所述设备包括:
增强模块401,用于在所述获取模块402获取所述第一信息之前,增强监控功能,以实时监控所述第一信息。
本实施例中,增强模块401增强系统的监控功能,通过增强后的监控功能对所有虚拟机的CPU、内存、磁盘资源使用情况,每个虚拟机的应用性能指标,每个物理服务器的资源使用和可用情况以及物理服务器控制的虚拟机迁移请求进行细致的实时的监控。需要说明的是,增强监控功能的方式可以包括多指标配置或优化算法模型,从而实现大规模虚拟机监控不崩溃的结果,在实际应用的过程中,可以根据实际情况及需要对系统的监控功能进行增强和优化,以达到更为细致的数据监控,具体此处不做限定。
获取模块402,用于获取第一信息,所述第一信息包括每个第一虚拟机的性能指标和第一资源使用信息,所述每个物理服务器的第二资源使用信息,以及所述第一虚拟机中待迁移的第二虚拟机的迁移请求信息。
本实施例中,获取模块402通过增强的监控功能对第一信息进行实时且详细的监控,从而获取监控数据信息,进而对其进行分析。
分析模块403,用于根据第一算法模型分析获取模块402获取的所述第一信息,以得到负载性能模型。
本实施例中,分析模块403根据第一算法模型对获取模块402获取的第一信息进行计算分析,第一信息中包含第一虚拟机对应的目标应用的当前及历史数据,基于第一算法模型对这些数据进行分析,从而建立预测长期的负载性能模型,用于预测未来的负载信息,从而对第二虚拟机进行部署。需要说明的是,第一算法模型的作用是为了分析数据从而得到负载性能模型,具体算法可以根据实际需求进行设计,此处不做限定。
预测模块404,用于根据分析模块403得到的负载性能模型预测第二信息,该第二信息包括第一虚拟机对应的目标应用的资源需求信息和物理服务器的负载信息。
本实施例中,预测模块404,根据分析模块403建立好的负载性能模型对第一虚拟机所对应的目标应用的资源需求进行预测,并根据预测结果对物理服务器是否超载或负载不足进行判断。需要说明的是,负载性能模型是根据第一算法模型对数据进行分析后自动优化创建的,第一算法模型的多样性也使得负载性能模型具备多样性,可以理解的是,本实施例中的负载性能模型的作用是对应用的资源需求进行预测以及对物理服务器的长期负载进行判断,具体算法在此处不做限定。
确定模块405,用于根据预测模块404预测的第二信息确定目标优化算法,以获得所述第二虚拟机的部署最优解。
本实施例中,确定模块405在获取预测模块404预测的资源需求信息和模型算法结果之后,确定迁移部署策略需要达到的目标,设计出相应的目标优化算法,得到虚拟机部署最优解。该部署最优解下第二虚拟机的部署可以满足迁移部署策略最终需要达到的目标,该目标可以是最大程度的节省物理资源,同时不影响虚拟机对于预期资源请求量的获取,也可以是达到性能均衡的状态,在适当的节省物力资源的情况下,不影响虚拟机所对应的应用在被使用时的性能,可以理解的是,在实际应用中,管理员用户可以根据实际需求对该目标优化算法进行设计,从而达到最终的目标,具体此处不做限定。
确定模块405,还用于根据所述部署最优解及所述迁移请求信息,确定迁移算法。
本实施例中,确定模块405在获得虚拟机部署最优解的同时,结合来自集群内每个节点控制的待迁移虚拟机的迁移请求,确定迁移算法及相应的待迁移虚拟机的迁移部署。需要说明的是,本实施例中的迁移算法,用于确定第二虚拟机的迁移方法,在实际应用过程中,具体算法的设计具备多样性,此处不做限定。
生成模块406,用于根据所述确定模块405确定的所述迁移算法生成所述第二虚拟机的迁移策略,所述迁移策略用于所述第二虚拟机进行迁移部署。
本实施例中,生成模块406在确定模块405确定好迁移算法之后,生成第二虚拟机的迁移策略,该迁移策略包括第二虚拟机相应的部署及迁移方法。本实施例可以为管理员用户提供虚拟机部署的三套方案建议及分析说明,从而可以使管理员用户能够根据实际需要选择部署模型。需要说明的是,第二虚拟机的迁移策略具有多样性,在实际应用的过程中,可以根据实际需要进行迁移策略的展示形式及多样性选择设置,具体此处不做限定。
本申请实施例提供一种虚拟机迁移部署的设备,通过增强虚拟化系统的监控功能对虚拟机和物理服务器的资源数据进行深入的监控及获取,采用一系列的算法模型对虚拟机和物理服务器的资源数据进行计算分析及预测,最后获取虚拟机的最优部署方案,使得物理资源利用率得到提升,虚拟化产品性能得到保障。
图5是本申请实施例提供的一种网络设备结构示意图,该网络设备50可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)522(例如,一个或一个以上处理器)和存储器532,一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器532和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器522可以设置为与存储介质530通信,在网络设备50上执行存储介质530中的一系列指令操作。
该中央处理器522可以根据指令操作执行如下步骤:
获取第一信息,所述第一信息包括每个第一虚拟机的性能指标和第一资源使用信息,所述每个物理服务器的第二资源使用信息,以及所述第一虚拟机中待迁移的第二虚拟机的迁移请求信息;
根据第一算法模型分析所述第一信息,以得到负载性能模型;
根据所述负载性能模型预测第二信息,所述第二信息包括所述第一虚拟机对应的目标应用的资源需求信息和所述物理服务器的负载信息;
根据所述第二信息确定目标优化算法,以获得所述第二虚拟机的部署最优解;
根据所述部署最优解及所述迁移请求信息,确定迁移算法;
根据所述迁移算法生成所述第二虚拟机的迁移策略,所述迁移策略用于所述第二虚拟机进行迁移部署。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
以上对本发明实施例所提供的一种虚拟机迁移部署的方法以及设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种虚拟机迁移部署的方法,其特征在于,所述方法应用于云计算管理系统,所述云计算管理系统中包括多个物理服务器,其中,每个物理服务器中包含多个第一虚拟机,所述方法包括:
获取第一信息,所述第一信息包括每个第一虚拟机的性能指标和第一资源使用信息,所述每个物理服务器的第二资源使用信息,以及所述第一虚拟机中待迁移的第二虚拟机的迁移请求信息;
根据第一算法模型分析所述第一信息,以得到负载性能模型;
根据所述负载性能模型预测第二信息,所述第二信息包括所述第一虚拟机对应的目标应用的资源需求信息和所述物理服务器的负载信息;
根据所述第二信息确定目标优化算法,以获得所述第二虚拟机的部署最优解;
根据所述部署最优解及所述迁移请求信息,确定迁移算法;
根据所述迁移算法生成所述第二虚拟机的迁移策略,所述迁移策略用于所述第二虚拟机进行迁移部署。
2.根据权利要求1所述的方法,其特征在于,所述获取第一信息之前,还包括:
增强监控功能,以实时监控所述第一信息。
3.根据权利要求2所述的方法,其特征在于,所述增强监控功能的方式包括多指标配置或优化算法模型,以实现对所述每个第一虚拟机的实时监控。
4.根据权利要求1、2和3中任一所述的方法,其特征在于,所述第一资源使用信息包括所述第一虚拟机的中央处理器、内存或磁盘的资源使用信息,以及所述第一虚拟机所对应的所述目标应用的当前和历史资源使用数据。
5.根据权利要求1、2和3中任一所述的方法,其特征在于,所述负载信息用于指示所述物理服务器超载或所述物理服务器负载不足。
6.根据权利要求1、2和3中任一所述的方法,其特征在于,所述迁移策略包括三个所述第二虚拟机迁移部署的方案建议,所述方案建议包括用于用户根据需要进行选择的分析说明。
7.根据权利要求1、2和3中任一所述的方法,其特征在于,所述部署最优解包括性能均衡部署策略或者资源节省部署策略。
8.一种虚拟机迁移部署的设备,其特征在于,所述设备应用于云计算管理系统,所述云计算管理系统中包括多个物理服务器,其中,每个物理服务器中包含多个第一虚拟机,所述设备包括:
获取模块,用于获取第一信息,所述第一信息包括每个第一虚拟机的性能指标和第一资源使用信息,所述每个物理服务器的第二资源使用信息,以及所述第一虚拟机中待迁移的第二虚拟机的迁移请求信息;
分析模块,用于根据第一算法模型分析所述获取模块获取的所述第一信息,以得到负载性能模型;
预测模块,用于根据所述分析模块得到的所述负载性能模型预测第二信息,所述第二信息包括所述第一虚拟机对应的目标应用的资源需求信息和所述物理服务器的负载信息;
确定模块,用于根据所述预测模块预测的所述第二信息确定目标优化算法,以获得所述第二虚拟机的部署最优解;
所述确定模块,还用于根据所述部署最优解及所述迁移请求信息,确定迁移算法;
生成模块,用于根据所述确定模块确定的所述迁移算法生成所述第二虚拟机的迁移策略,所述迁移策略用于所述第二虚拟机进行迁移部署。
9.一种网络设备,其特征在于,所述网络设备应用于云计算管理系统,所述云计算管理系统中包括多个物理服务器,所述物理服务器中包含多个第一虚拟机,所述网络设备包括:输入装置、输出装置、处理器和存储器,所述存储器中存储有程序指令;
通过调用所述存储器存储的操作指令,所述处理器,用于执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在计算机设备上运行时,使得所述计算机设备执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811184596.XA CN109271257A (zh) | 2018-10-11 | 2018-10-11 | 一种虚拟机迁移部署的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811184596.XA CN109271257A (zh) | 2018-10-11 | 2018-10-11 | 一种虚拟机迁移部署的方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109271257A true CN109271257A (zh) | 2019-01-25 |
Family
ID=65195666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811184596.XA Withdrawn CN109271257A (zh) | 2018-10-11 | 2018-10-11 | 一种虚拟机迁移部署的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109271257A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389814A (zh) * | 2019-06-28 | 2019-10-29 | 苏州浪潮智能科技有限公司 | 一种云主机迁移调度方法、系统、终端及存储介质 |
CN110413373A (zh) * | 2019-06-21 | 2019-11-05 | 无锡华云数据技术服务有限公司 | 故障虚拟机的恢复方法、装置、电子设备及存储介质 |
CN111274033A (zh) * | 2020-01-19 | 2020-06-12 | 北京达佳互联信息技术有限公司 | 一种资源部署方法、装置、服务器以及存储介质 |
CN111431996A (zh) * | 2020-03-20 | 2020-07-17 | 北京百度网讯科技有限公司 | 用于资源配置的方法、装置、设备和介质 |
CN113075877A (zh) * | 2021-03-09 | 2021-07-06 | 北京和利时系统工程有限公司 | 一种轨道交通综合监控系统 |
WO2024066640A1 (zh) * | 2022-09-28 | 2024-04-04 | 华为云计算技术有限公司 | 磁盘迁移方法、相关设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106020934A (zh) * | 2016-05-24 | 2016-10-12 | 浪潮电子信息产业股份有限公司 | 一种基于虚拟集群在线迁移的优化部署方法 |
CN107124449A (zh) * | 2017-04-17 | 2017-09-01 | 吉林工程技术师范学院 | 一种云计算系统中的资源分配方法 |
CN107562512A (zh) * | 2016-07-01 | 2018-01-09 | 华为技术有限公司 | 一种迁移虚拟机的方法、装置及系统 |
CN107577518A (zh) * | 2017-09-14 | 2018-01-12 | 郑州云海信息技术有限公司 | 一种虚拟机部署方法及装置 |
-
2018
- 2018-10-11 CN CN201811184596.XA patent/CN109271257A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106020934A (zh) * | 2016-05-24 | 2016-10-12 | 浪潮电子信息产业股份有限公司 | 一种基于虚拟集群在线迁移的优化部署方法 |
CN107562512A (zh) * | 2016-07-01 | 2018-01-09 | 华为技术有限公司 | 一种迁移虚拟机的方法、装置及系统 |
CN107124449A (zh) * | 2017-04-17 | 2017-09-01 | 吉林工程技术师范学院 | 一种云计算系统中的资源分配方法 |
CN107577518A (zh) * | 2017-09-14 | 2018-01-12 | 郑州云海信息技术有限公司 | 一种虚拟机部署方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413373A (zh) * | 2019-06-21 | 2019-11-05 | 无锡华云数据技术服务有限公司 | 故障虚拟机的恢复方法、装置、电子设备及存储介质 |
CN110389814A (zh) * | 2019-06-28 | 2019-10-29 | 苏州浪潮智能科技有限公司 | 一种云主机迁移调度方法、系统、终端及存储介质 |
CN111274033A (zh) * | 2020-01-19 | 2020-06-12 | 北京达佳互联信息技术有限公司 | 一种资源部署方法、装置、服务器以及存储介质 |
CN111274033B (zh) * | 2020-01-19 | 2024-02-13 | 北京达佳互联信息技术有限公司 | 一种资源部署方法、装置、服务器以及存储介质 |
CN111431996A (zh) * | 2020-03-20 | 2020-07-17 | 北京百度网讯科技有限公司 | 用于资源配置的方法、装置、设备和介质 |
CN113075877A (zh) * | 2021-03-09 | 2021-07-06 | 北京和利时系统工程有限公司 | 一种轨道交通综合监控系统 |
CN113075877B (zh) * | 2021-03-09 | 2022-11-18 | 北京和利时系统工程有限公司 | 一种轨道交通综合监控系统 |
WO2024066640A1 (zh) * | 2022-09-28 | 2024-04-04 | 华为云计算技术有限公司 | 磁盘迁移方法、相关设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271257A (zh) | 一种虚拟机迁移部署的方法及设备 | |
US20200236012A1 (en) | System and method for applying machine learning algorithms to compute health scores for workload scheduling | |
US20220353201A1 (en) | Controlling placement of workloads of an application within an application environment | |
CN103729248B (zh) | 一种基于缓存感知的确定待迁移任务的方法和装置 | |
US9483288B2 (en) | Method and system for running a virtual appliance | |
CN105843683B (zh) | 用于动态优化平台资源分配的方法、系统和设备 | |
CN102724103B (zh) | 代理服务器、分层次网络系统及分布式工作负载管理方法 | |
US11757790B2 (en) | Method and server for adjusting allocation of computing resources to plurality of virtualized network functions (VNFs) | |
CN102156665A (zh) | 一种虚拟化系统竞争资源差异化服务方法 | |
US11055139B2 (en) | Smart accelerator allocation and reclamation for deep learning jobs in a computing cluster | |
EP3035619B1 (en) | A method and system for scaling and a telecommunications network | |
CN105893113A (zh) | 虚拟机的管理系统及管理方法 | |
CN105426241A (zh) | 一种基于云计算数据中心的统一资源调度节能方法 | |
Wang et al. | An adaptive model-free resource and power management approach for multi-tier cloud environments | |
Farahnakian et al. | Multi-agent based architecture for dynamic VM consolidation in cloud data centers | |
Tarahomi et al. | A prediction‐based and power‐aware virtual machine allocation algorithm in three‐tier cloud data centers | |
Rajabzadeh et al. | New comprehensive model based on virtual clusters and absorbing Markov chains for energy-efficient virtual machine management in cloud computing | |
Rolik et al. | Dynamie management of data center resources using reinforcement learning | |
Nehra et al. | Efficient resource allocation and management by using load balanced multi-dimensional bin packing heuristic in cloud data centers | |
CN106487854A (zh) | 存储资源分配方法、装置和系统 | |
Vigliotti et al. | A green network-aware VMs placement mechanism | |
Abbas et al. | Autonomous DRL-based energy efficient VM consolidation for cloud data centers | |
Bouterse et al. | Performance analysis of the reserve capacity policy for dynamic VM allocation in a SaaS environment | |
CN109062669A (zh) | 一种随机负载下的虚拟机迁移方法及系统 | |
Cano et al. | ADARES: adaptive resource management for virtual machines |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190125 |
|
WW01 | Invention patent application withdrawn after publication |