CN109684074A - 物理机资源分配方法及终端设备 - Google Patents
物理机资源分配方法及终端设备 Download PDFInfo
- Publication number
- CN109684074A CN109684074A CN201811338882.7A CN201811338882A CN109684074A CN 109684074 A CN109684074 A CN 109684074A CN 201811338882 A CN201811338882 A CN 201811338882A CN 109684074 A CN109684074 A CN 109684074A
- Authority
- CN
- China
- Prior art keywords
- physical machine
- target
- resource
- cloud host
- information
- 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 49
- 238000013468 resource allocation Methods 0.000 title claims abstract description 25
- 238000003860 storage Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004883 computer application Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 19
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 230000005012 migration Effects 0.000 description 5
- 238000013508 migration Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000013467 fragmentation Methods 0.000 description 3
- 238000006062 fragmentation reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000001089 thermophoresis Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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]
- G06F9/5005—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
- G06F9/505—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 considering the load
-
- 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
- G06F9/46—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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于计算机应用技术领域,提供了一种物理机资源分配方法、终端设备及计算机可读存储介质,包括:通过获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;根据配置信息和所有物理机的资源占用信息,确定与目标云主机对应的目标物理机;将目标物理机的资源标识发送至目标云主机;资源标识用于目标云主机查找并占用资源标识对应的目标物理机。通过根据目标云主机的配置信息确定对应的目标物理机,以将该目标物理机的资源分配给该目标云主机,提高了为云主机分配物理机资源的效率和准确性,并保证了系统中的物理机资源能够合理利用和负载均衡。
Description
技术领域
本发明属于计算机应用技术领域,尤其涉及一种物理机资源分配方法、终端设备及计算机可读存储介质。
背景技术
云可用来表示互联网和底层基础设施的抽象,也可以说是网络、互联网的一种比喻说法。它的出现意味着计算能力也可以作为一种商品通过互联网进行流通,就像燃气和水电一样按需交付使用即可。不过,云计算是必须通过网络才能进行传输和流通的。云计算可以满足大规模的计算需求,它通过互联网将大量的分布式计算机软硬件资源虚拟化为一个庞大的共享资源池,使用户可以随时随地通过网络按需使用云计算提供的基础设施、软件等相关的云服务
现有技术中的大部分云平台都是选择云计算平台做目标云主机的资源管理,云计算平台在创建目标云主机的时候一般都选用第一适配的原则,这个选择策略通常会造成目标云主机在一个集群物理机上的分布不均,导致对于资源的全局监控不准确,并且由于需要遍历一个集群下所有的物理机,当目标云主机和物理机数量都是大规模的时候,耗时非常的长。
发明内容
有鉴于此,本发明实施例提供了一种物理机资源分配方法、终端设备及计算机可读存储介质,以解决现有技术中不能合理的将目标云主机数目和物理机资源进行合理分配,而导致资源分配和主机负载不均衡的问题。
本发明实施例的第一方面提供了一种物理机资源分配方法,包括:
获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;
根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;
将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。
本发明实施例的第二方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;
根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;
将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。
本发明实施例的第三方面提供了一种终端设备,包括:
获取单元,用于获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;
确定单元,用于根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;
发送单元,用于将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例通过获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。通过根据目标云主机的配置信息确定对应的目标物理机,以将该目标物理机的资源分配给该目标云主机,提高了为云主机分配物理机资源的效率和准确性,并保证了系统中的物理机资源能够合理利用和负载均衡。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的物理机资源分配方法的流程图;
图2是本发明实施例二提供的物理机资源分配方法的流程图;
图3是本发明实施例三提供的终端设备的示意图;
图4是本发明实施例四提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
参见图1,图1是本发明实施例一提供的物理机资源分配方法的流程图。本实施例中物理机资源分配方法的执行主体为终端。终端包括但不限于智能手机、平板电脑、可穿戴设备等移动终端,还可以是台式电脑等。如图所示的物理机资源分配方法可以包括以下步骤:
S101:获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息。
随着互联网技术的发展,使得信息数据量成井喷式的增长,而且对这些数据的处理也是一个很大挑战,虽然服务器的存储能力逐年增加,运算性能也飞速发展,不过还是远远赶不上互联网的发展要求。云计算以其特有的网格结构、扩展性、灵活性、可靠性,成为了计算模式的主流。云计算将不同地区、不同类型、不同处理速度的服务器节点整合到一起,充分发挥每一个节点的能力,合适的负载均衡和任务调度策略使得各个云主机节点能够处于最佳处理能力,且计算能力也可以根据处理的要求进行定制,做到按需要求。完善的数据备份与恢复策略也使得数据信息的存储获得了巨大的保障,且对数据存取的位置也没有限制,只要能接入互联网就能够做到随存随取。企业可以通过购买大公司提供的云计算服务享受便利,按需定制数据容量、计算能力、网络带宽等。这样的好处是企业不用分出一部分人力物力来维护服务器,服务器的维护完全交给云计算运营商,可以专心做自己的业务。而且可以根据业务空闲期和忙碌期来动态定制云计算服务,更灵活的使用服务,同时也是更节省更便利。当企业有一定的能力使用自己建立的服务器时,最初一两台服务器并没有出现问题,当企业需要增加服务节点时,和以前服务节点的同步、备份、负载均衡问题就摆在了眼前。开源云平台为他们提供了解决方案,企业搭建自己的云平台,使用现有的服务器节点建立云计算网络,很好的解决了上述提到的问题,且增减服务器节点也会便利很多。
云计算是并行计算、分布式计算、网格技术以及虚拟化技术的发展。云计算是一种基于互联网的计算方式,通过这种方式共享的软硬件资源和信息可以按需求提供给计算机和其他设备。云计算包括互联网上各种服务形式的应用以及数据中心提供这些服务的软硬件设施。按使用量付费的模式可以提供可用的、便捷的、按需的网络访问,进入可配置的计算资源共享池。其中,物理机的资源包括网络、服务器、存储、应用软件、服务,这些资源能够被快速提供。
物理机和云主机的基本工作原理是:将大量通过网络连接的计算机软硬件资源虚拟化为一个大的资源池统一进行管理和调度,使用户通过互联网就能按需交付使用云资源。当用户需要完成有关数据处理与存储的操作时,用户只需通过网络就可以在任何时间和地点使用云平台所提供的资源,并按照所用资源的时间和数量付出相应的费用即可。这样的云服务模式不仅可以使资源随着请求数量的变化弹性分配,而且可以节省购置和维护计算机硬件资源的不菲资金,从而提高了硬件资源的利用率。用户租用云计算服务,其在云上的活动一般都是在云主机上进行。云主机由资源池中的物理机虚拟化而来。一般一台物理机会被虚拟化为多台云主机,这些云主机被作为服务器租给用户使用,构成用户使用的云计算的基础平台。云主机部署过程是基础设施即服务层实现其功能非常重要的一步。在本实施例中,在对云主机分配物理机之前,首先需要获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息。
具体的,在本实施例中,目标云主机的配置信息即该目标云主机的需求信息,包括但不限于中央处理器(CPU,Central Processing Unit)、随机存取存储器(Random AccessMemory,RAM)、网络带宽需求、存储需求、系统配置等信息。这些资源当中,CPU和RAM是主机本身的资源配置,云主机的部署过程是将云主机部署到物理机上,即物理机将自身资源的一部分虚拟化为云主机提供给用户,涉及到的是对主机本身资源的规划问题。一般认为,在未来的云计算时代,网络的带宽是无限大的,因此暂时不考虑网络对云主机部署过程中资源的非配带来的影响。在本方案中,对物理机上资源碎片数量的多少,最重要的影响因素是CPU和RAM。因此,在本方案中,将CPU和RAM作为资源规划的对象。
在本实施例中,每个物理机都是现实存在计算机设备,用于承载云主机以进行数据运算、存储等数据处理,一个物理机中可以承载一个或者多个云主机,且为根据当前云主机的需求配置合适的物理机,因此,在配置云主机之前,还需要获取当前时刻所有物理机的资源标识和资源占用信息。其中,物理机的资源标识用于对每个物理机进行唯一的标识,可以是物理机的媒体访问控制(Media Access Control,MAC)地址、网际协议地址(InternetProtocol Address,IP)地址或者物理机的编号,此处不做限定。物理机的资源占用信息可以是物理机的CPU占用量、存储占用比例等信息,此处不做限定。
S102:根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机。
在对云主机配置合适的物理机的时候,任何物理机的配置大于云主机需求的计算机设备,都可以将该物理机作为目标物理机,以分配给目标云主机。这种分配方式效率较高,但是当物理机的配置信息较高,例如内存较大、硬盘占有量较高的情况下,将其分配给需求不是那么高的云主机时,将可能造成物理机资源的浪费,或者影响云主机的运行,因此在本实施例中,在获取到云主机的配置信息和物理机的资源标识和资源占用信息之后,根据这些信息确定与该目标云主机对应的目标物理机,以使物理机的配置能和云主机的需求相符合,既不造成资源浪费,也不会影响云主机的运行。
可选的,还可以通过设定资源管理服务节点,通过资源管理服务节点查询资源池中所有物理机的状态,根据用户提交的云主机相关信息判断物理机上的资源是否满足用户需求,按照预先设定好的云主机部署方案,选择即将进行部署的目标物理机并将选择结果告知模版管理服务节点。从云主机的部署流程来看,目标物理机的选择是一项重要步骤,直接关系着物理机上的资源分配。在云计算环境中,服务提供商将云主机作为一种资源提供给用户。而云主机部署在物理机上,物理机作为一种资源,对服务提供商来说通常希望能够物尽其用,不希望出现资源浪费的现象。云主机的部署过程其实就是为云主机选择最合适的物理机的过程。因此,为了避免资源浪费,在这一过程中处理好物理机上资源的分配问题十分关键。
云主机选择什么样的物理机来部署需要考虑的因素很多,部署的结果会直接影响主机的性能和能耗。因为实际需求情况的不同,以及云计算环境本身的多样性和复杂性。找到一个满足各方面需求的云主机部署方案十分困难。可选的,将云主机的性能优先和成本优先作为云主机部署方案考虑的侧重点主要包括:先来先服务、负载均衡、高可靠性等。侧重成本优先的云主机部署方案考虑的侧重点主要包括:提高利用率、提高利润、降低成本等,如果在部署云主机之前就能充分考虑主机上的资源数量,将用户申请的云主机部署到合适的物理机上,将有利于提高资源的利用率,即减少资源碎片。
S103:将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。
在确定了与目标云主机对应的目标物理机之后,将该目标物理机的资源标识发送至目标云主机。目标云主机通过该资源标识连接至目标物理机,进行数据处理或者存储。具体的,将用户选择的系统模版通过拷贝的方式进行安装,或者直接根据云主机系统模版镜像来进行系统模版安装。目前,常用的系统模版镜像文件拷贝技术包括镜像流和快照技术。利用远程连接技术后台执行启动命令,在物理机上启动部署好的云主机,结束云主机的部署流程。
上述方案,通过获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。通过根据目标云主机的配置信息确定对应的目标物理机,以将该目标物理机的资源分配给该目标云主机,提高了为云主机分配物理机资源的效率和准确性,并保证了系统中的物理机资源能够合理利用和负载均衡。
参见图2,图2是本发明实施例二提供的物理机资源分配方法的流程图。本实施例中物理机资源分配方法的执行主体为终端。终端包括但不限于智能手机、平板电脑、可穿戴设备等移动终端,还可以是台式电脑等。如图所示的物理机资源分配方法可以包括以下步骤:
S201:获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息。
在本实施例中S201与图1对应的实施例中S101的实现方式完全相同,具体可参考图1对应的实施例中的S101的相关描述,在此不再赘述。
S202:设定至少一个备用物理机以及设定与所述备用物理机固定匹配的云主机参数条件。
在物理机构成的物理机网络系统中,每个物理机的配置可能相同,也可能不同,以适用于不同配置需求的云主机。因此,在本实施例中,根据每个物理机的配置情况,设定一定数据量备用物理机,其中,备用物理机的数量可以是一个,也可以是两个或者两个以上,此处不做限定。在设定备用物理机的同时,设定每个备用物理机固定匹配的云主机的参数条件,以在获取到目标云主机的参数之后,检测该参数是否符合预设的参数条件,以在符合条件时,将备用物理机分配给该云主机。
可选的,在对备用物理机进行分配时,可以是通过根据当前云主机的参数条件进行分配,例如,设定备用物理机的内存为8GB,则通过确定当前云主机的内存需求,便可以确定是否能够将备用物理机分配给该云主机。
S203:若所述云主机的配置信息符合所述云主机参数条件,则将所述备用物理机分配给所述云主机。
若该云主机的配置信息符合云主机的参数条件,则将该备用物理机分配给云主机。通过这种物理机资源的分配方式,避免了在资源和需求匹配过程中的计算过程,提高了资源分配的效率和准确度。
在本实施例中,云主机的参数条件可以包括:内存、硬盘或者处理速度等,此处不做限定,参数条件可以包括一种或者至少两种。优选的,为了能更加精确地将备用物理机分配给云主机,可以制定多个参数组成的参数条件。
S204:根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机。
若不存在符合云主机参数条件的备用物理机,则通过目标云主机的需求参数信息,与当前所有物理机的配置信息和使用情况,确定与该目标云主机对应的目标物理机。
具体的,步骤S204可以包括步骤S2041~S2043:
S2041:获取每个所述物理机的资源占用信息。
本实施例中,通过获取每个物理机的资源占用信息,来衡量物理机的使用情况。其中,资源占用信息可以包括但不限于:CPU使用率、内存的使用率、物理机当前状态、每秒CPU的中断次数等。
示例性的,在Linux系统中,通过输入命令行的方式查看系统资源占用信息。通过命令free可查看到的信息包括,Mem行包括total=used+free,其中buffers和cached虽然计算在used内,但其实为可用内存。在Mem下一行的used为真实已占内存,free为真实可用内存;Swap行包括内存交换区的使用情况。可以通过top命令获取到整体的负载,输入该命令之后所显示的第一行为系统时间、系统运行时间、用户、1/5/15分钟系统平均负载;第二行为进程总数、正在运行进程数、睡眠进程数、停止的进程数、僵尸进程数;第三行为用户空间CPU占比、内核空间CPU占比、CPU空置率。
S2042:根据所述资源占用信息计算所述物理机的综合负载值。
本实施例中根据物理机的CPU资源负载率和内存资源负载率确定该物理机的综合负载值。设第n台物理机为Pn,物理机Pn的CPU资源总量为S(Pn)cpu,并且,物理机Pn中的CPU的数量为N(Pn)cpu,物理机Pn中每个CPU的核心数量为C(Pn)cpu,考虑到CPU资源虚拟化以及多线程的情况,S(Pn)cpu为N(Pn)cpu与C(Pn)cpu乘积的4倍,即:S(Pn)cpu=4×N(Pn)cpu×C(Pn)cpu。
设T(Pn)mem为物理机Pn的内存资源的总量,U(Pn)mem、U(Pn)cpu分别用于表示物理机Pn的内存资源和CPU的消耗量,Wmem、Wcpu分别用于表示表示物理机Pn的内存资源和CPU的权重。
计算物理机Pn的CPU资源负载率为:
计算物理机Pn的内存资源负载率为:
则可得到物理机Pn的主机综合负载率为:L(Pn)=αL(Pn)cpu+βL(Pn)mem;其中α、β用于表示CPU资源负载率和内存资源负载率的负载系数。
S2043:将所述资源占用信息满足所述配置信息,且所述综合负载值最小的物理机,识别为与所述目标云主机对应的目标物理机。
根据获取到的云主机的需求信息,确定与该需求信息对应的主机综合负载率。判断综合负载值最小的物理机上的空闲资源是否满足所要创建该云主机的需求,若满足,则确定该综合负载值最小的物理机作为与需求信息对应的物理机。
进一步的,为了对物理机的资源进行合理的使用,使不需要太多资源空间的云主机不必安排负载率较低的物理机,因此在本实施例中,通过将云主机的需求信息进行量化得到资源需求值,将该资源需求值与物理机的综合负载率进行比较,确定综合负载率大于该资源需求值,并与该资源需求值最接近的物理机作为目标主机,以分配云主机。
需要说明的是,本方案中的方式只是针对与CPU和内存的使用情况进行参数计算,以及云主机和物理机之间的匹配,为了更加综合整合云平台的资源调配,还可以考虑进网络带宽的负载,将数据传输量需求较高的云主机分配给网络环境较好的物理机处,或者通过确定每个云主机的重要程度,根据数据的重要性或者功能重要性分配不同安全等级的物理机。
S205:将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。
在本实施例中S205与图1对应的实施例中S103的实现方式完全相同,具体可参考图1对应的实施例中的S103的相关描述,在此不再赘述。
进一步的,在步骤S205之后,还可以包括步骤S206~S208和步骤S209~S2010,且步骤S209~S2010与步骤S206~S208并列。具体的,步骤S206~S208如下:
S206:接收所述目标物理机发送的当前资源占用信息。
在目标云主机接入该目标物理机之后,目标物理机的资源占用信息将会发生变化。本实施例中,在目标云主机接入目标物理机之后,目标物理机将自己当前的资源占用信息发送至管理节点,或者由管理节点直接从目标物理机中获取该目标物理机的当前资源占用信息。
S207:根据所有所述当前资源占用信息,计算整个物理机网络中的全网负载率。
在获取到目标物理机发送的当前资源占用信息之后,根据所有所述当前资源占用信息,计算整个物理机网络中的全网负载率。具体的,全网负载率可以是整个网络中每个物理机的负载率的平均值,通过计算出的全网负载率,可以通过全网负载率衡量该网络中每个物理机的负载情况。
S208:根据所述全网负载率以及每个所述物理机的所述目标云主机部署信息、所述主机负载率,迁移所述物理机中所负载的云主机。
在确定了整个物理机网络中的全网负载率之后,根据全网负载率以及每个物理机的目标云主机部署信息、主机负载率,迁移物理机中所负载的云主机,以达到网络中的每个物理机的负载均衡的目的,保证物理机的数据处理效率。
在本实施例中,一个物理机中可以与运行一个或者至少两个云主机,在迁移过程中,可以迁移一个或者至少两个云主机。在进行迁移之前,通过判断每个物理机中的负载情况,即每个所述物理机的所述目标云主机部署信息、所述主机负载率,同时根据全网负载率大小来衡量主机负载率,若主机负载率大于该全网负载率,则进行云主机的迁移。在进行迁移的过程中,可以迁移物理机中的任何一个云主机。优选的,为了不影响云主机的运行,可以优先迁移物理机中占用内存较小的云主机,使的云主机的迁移对物理机的影响能够降低到最好,同时降低物理机的主机负载率。
可选的,通过基于核的虚拟机实现云主机的迁移,基于核的虚拟机允许多个操作系统同时共享一台物理服务器,每个操作系统都是在管理的云主机中运行的,每个云主机都将被分配一部分计算机的硬件资源。基于核的虚拟机用一个个进程来运行云主机。基于核的虚拟机可以执行云主机的热迁移,即将一个正在运行的云主机从一台物理计算机上迁移到另一台计算机上,但是并不影响云主机的运行;也可以保存云主机的运行状态到磁盘,然后可以重新启动云主机,其运行状态和之前一样。
与步骤S206~S208并列的,在步骤S205之后,还可以包括步骤S209~S2010:
S209:根据所有所述物理机的资源占用信息,预测与当前时段相邻的下一时段待分配物理机资源的目标云主机的数量和配置信息,得到负载预测结果。
通过预测下一时间段用户申请的不同规格的虚拟数量的增量,来确定现有的不同类型的资源应当如何规划和分配,预先设定好什么规格的云主机分配到哪一台主机上,以减少资源碎片,满足所有云主机的资源请求,当用户申请云主机时可以直接部署到指定的物理机上。
可选的,可以通过指数平滑预测的方式,通过计算指数平滑值,配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。示例性的,当时间数列无明显的趋势变化,可用一次指数平滑预测。具体的,通过公式:y(t+1)′=ay(t)+(1-a)y(t)′预测与当前时段相邻的下一时段待分配物理机资源的目标云主机的情况;其中,y(t+1)′用于表示当前时段相邻的下一时段t+1的预测值;y(t)用于表示当前时段t的实际值;y(t)′用于表示当前时段t的预测值。
S2010:根据所述负载预测结果,制定与所述负载预测结果对应的物理机资源分配方式。
具体的调整思路为,计算所有物理机的综合负载平均值,根据正太分布的思想,在综合负载值与该平均值相近的物理机的数量则在多数,计算每个物理机的综合负载值与综合负载平均值之间的差值,通过设定一个相差阈值,若计算出来的差值大于或者等于该相差阈值,则确定该物理机当前是负载过重还是负载过低,将负载过重的物理机上的资源调配至负载过低的物理机上,保证系统中每个物理机的负载均衡。
上述方案,通过获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;获取每个所述物理机的资源占用信息;根据所述资源占用信息计算所述物理机的综合负载值;将所述资源占用信息满足所述配置信息,且所述综合负载值最小的物理机,识别为与所述目标云主机对应的目标物理机。将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。接收所述目标物理机发送的当前资源占用信息;根据所有所述当前资源占用信息,计算整个物理机网络中的全网负载率;根据所述全网负载率以及每个所述物理机的所述目标云主机部署信息、所述主机负载率,迁移所述物理机中所负载的云主机。根据所有所述物理机的资源占用信息,预测与当前时段相邻的下一时段待分配物理机资源的目标云主机的数量和配置信息,得到负载预测结果;根据所述负载预测结果,制定与所述负载预测结果对应的物理机资源分配方式。通过根据每个物理机的综合负载值确定与目标云主机对应的目标物理机,并在目标云主机接入目标物理机之后,根据当前网络的全网负载率进行预测以调整当前网络中所有物理机的负载,保证了系统中每个物理机的负载均衡。
参见图3,图3是本发明实施例三提供的一种终端设备的示意图。终端设备包括的各单元用于执行图1~图2对应的实施例中的各步骤。具体请参阅图1~图2各自对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。本实施例的终端设备300包括:
获取单元301,用于获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;
确定单元302,用于根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;
发送单元303,用于将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。
进一步的,所述确定单元302可以包括:
第一获取单元,用于获取每个所述物理机的资源占用信息;
第一计算单元,用于根据所述资源占用信息计算所述物理机的综合负载值;
识别单元,用于将所述资源占用信息满足所述配置信息,且所述综合负载值最小的物理机,识别为与所述目标云主机对应的目标物理机。
进一步的,所述资源占用信息包括每个所述物理机中的目标云主机部署信息和主机负载率;所述终端设备还可以包括:
第二获取单元,用于接收所述目标物理机发送的当前资源占用信息;
第二计算单元,用于根据所有所述当前资源占用信息,计算整个物理机网络中的全网负载率;
迁移单元,用于根据所述全网负载率以及每个所述物理机的所述目标云主机部署信息、所述主机负载率,迁移所述物理机中所负载的云主机。
进一步的,所述终端设备还可以包括:
预测单元,用于根据所有所述物理机的资源占用信息,预测与当前时段相邻的下一时段待分配物理机资源的目标云主机的数量和配置信息,得到负载预测结果;
方式制定单元,用于根据所述负载预测结果,制定与所述负载预测结果对应的物理机资源分配方式。
进一步的,所述终端设备还可以包括:
预设单元,用于设定至少一个备用物理机以及设定与所述备用物理机固定匹配的云主机参数条件;
分配单元,用于若所述云主机的配置信息符合所述云主机参数条件,则将所述备用物理机分配给所述云主机。
上述方案,通过获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。通过根据目标云主机的配置信息确定对应的目标物理机,以将该目标物理机的资源分配给该目标云主机,提高了为云主机分配物理机资源的效率和准确性,并保证了系统中的物理机资源能够合理利用和负载均衡。
图4是本发明实施例四提供的终端设备的示意图。如图4所示,该实施例的终端设备4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个文字翻译的方法实施例中的步骤,例如图1所示的步骤101至103。或者,所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能,例如图3所示单元301至303的功能。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述终端设备4中的执行过程。
所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅仅是终端设备4的示例,并不构成对终端设备4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,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备4的内部存储单元,例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备,例如所述终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card,FC)等。进一步地,所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种物理机资源分配方法,其特征在于,包括:
获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;
根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;
将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。
2.如权利要求1所述的物理机资源分配方法,其特征在于,所述根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机,包括:
获取每个所述物理机的资源占用信息;
根据所述资源占用信息计算所述物理机的综合负载值;
将所述资源占用信息满足所述配置信息,且所述综合负载值最小的物理机,识别为与所述目标云主机对应的目标物理机。
3.如权利要求1所述的物理机资源分配方法,其特征在于,所述资源占用信息包括每个所述物理机中的目标云主机部署信息和主机负载率;
所述将所述目标物理机的资源标识发送至所述目标云主机之后,还包括:
接收所述目标物理机发送的当前资源占用信息;
根据所有所述当前资源占用信息,计算整个物理机网络中的全网负载率;
根据所述全网负载率以及每个所述物理机的所述目标云主机部署信息、所述主机负载率,迁移所述物理机中所负载的云主机。
4.如权利要求1所述的物理机资源分配方法,其特征在于,所述将所述目标物理机的资源标识发送至所述目标云主机之后,还包括:
根据所有所述物理机的资源占用信息,预测与当前时段相邻的下一时段待分配物理机资源的目标云主机的数量和配置信息,得到负载预测结果;
根据所述负载预测结果,制定与所述负载预测结果对应的物理机资源分配方式。
5.如权利要求1-4任一项所述的物理机资源分配方法,其特征在于,所述根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机之前,还包括:
设定至少一个备用物理机以及设定与所述备用物理机固定匹配的云主机参数条件;
若所述云主机的配置信息符合所述云主机参数条件,则将所述备用物理机分配给所述云主机。
6.一种终端设备,其特征在于,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如下步骤:
获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;
根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;
将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。
7.如权利要求6所述的终端设备,其特征在于,所述根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机,包括:
获取每个所述物理机的资源占用信息;
根据所述资源占用信息计算所述物理机的综合负载值;
将所述资源占用信息满足所述配置信息,且所述综合负载值最小的物理机,识别为与所述目标云主机对应的目标物理机。
8.如权利要求6所述的终端设备,其特征在于,所述资源占用信息包括每个所述物理机中的目标云主机部署信息和主机负载率;
所述将所述目标物理机的资源标识发送至所述目标云主机之后,还包括:
接收所述目标物理机发送的当前资源占用信息;
根据所有所述当前资源占用信息,计算整个物理机网络中的全网负载率;
根据所述全网负载率以及每个所述物理机的所述目标云主机部署信息、所述主机负载率,迁移所述物理机中所负载的云主机。
9.一种终端设备,其特征在于,包括:
获取单元,用于获取待分配物理机的目标云主机的配置信息,以及当前所有物理机的资源标识和资源占用信息;
确定单元,用于根据所述配置信息和所有所述物理机的资源占用信息,确定与所述目标云主机对应的目标物理机;
发送单元,用于将所述目标物理机的资源标识发送至所述目标云主机;所述资源标识用于所述目标云主机查找并占用所述资源标识对应的所述目标物理机。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811338882.7A CN109684074B (zh) | 2018-11-12 | 2018-11-12 | 物理机资源分配方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811338882.7A CN109684074B (zh) | 2018-11-12 | 2018-11-12 | 物理机资源分配方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109684074A true CN109684074A (zh) | 2019-04-26 |
CN109684074B CN109684074B (zh) | 2024-07-05 |
Family
ID=66185734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811338882.7A Active CN109684074B (zh) | 2018-11-12 | 2018-11-12 | 物理机资源分配方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684074B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110347502A (zh) * | 2019-06-21 | 2019-10-18 | 无锡华云数据技术服务有限公司 | 云主机服务器的负载均衡调度方法、装置及电子设备 |
CN110764876A (zh) * | 2019-10-25 | 2020-02-07 | 浪潮电子信息产业股份有限公司 | 一种云主机创建方法、装置、设备及可读存储介质 |
CN110806954A (zh) * | 2019-09-19 | 2020-02-18 | 平安科技(深圳)有限公司 | 评估云主机资源的方法、装置、设备及存储介质 |
CN111459660A (zh) * | 2020-03-13 | 2020-07-28 | 平安科技(深圳)有限公司 | 云主机在宿主机上的动态分配方法、电子装置及存储介质 |
CN111858037A (zh) * | 2020-06-30 | 2020-10-30 | 苏州浪潮智能科技有限公司 | 一种物理机的服务编排方法、装置、设备及存储介质 |
CN112015542A (zh) * | 2019-05-29 | 2020-12-01 | 潘仲光 | 资源收集方法、设备及存储介质 |
CN113296951A (zh) * | 2021-05-31 | 2021-08-24 | 阿里巴巴新加坡控股有限公司 | 一种资源配置方案确定方法及设备 |
WO2021228103A1 (zh) * | 2020-05-15 | 2021-11-18 | 北京金山云网络技术有限公司 | 云主机集群的负载均衡方法、装置及服务器 |
CN113783912A (zh) * | 2020-08-25 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 请求分发方法、装置及存储介质 |
CN114584565A (zh) * | 2020-12-01 | 2022-06-03 | 中移(苏州)软件技术有限公司 | 一种应用防护方法及系统、电子设备及存储介质 |
CN115426251A (zh) * | 2022-08-30 | 2022-12-02 | 山东海量信息技术研究院 | 一种云主机的容灾方法、装置及介质 |
CN115866092A (zh) * | 2022-11-24 | 2023-03-28 | 中国联合网络通信集团有限公司 | 数据转发方法、装置、设备及存储介质 |
Citations (8)
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 |
WO2012067431A2 (en) * | 2010-11-18 | 2012-05-24 | Wisetodd Pte. Ltd. | Resource distribution apparatus and method in cloud computing |
CN103548324A (zh) * | 2012-02-22 | 2014-01-29 | 华为技术有限公司 | 虚拟机分配方法和虚拟机分配装置 |
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 |
CN105359489A (zh) * | 2013-08-08 | 2016-02-24 | 华为技术有限公司 | 一种资源调度方法、装置及系统 |
CN105760230A (zh) * | 2016-02-18 | 2016-07-13 | 广东睿江云计算股份有限公司 | 一种自动调整云主机运行的方法及装置 |
CN105808341A (zh) * | 2014-12-29 | 2016-07-27 | 中国移动通信集团公司 | 一种资源调度的方法、装置和系统 |
US20170052805A1 (en) * | 2015-08-21 | 2017-02-23 | International Business Machines Corporation | Placement of virtual machines on preferred physical hosts |
-
2018
- 2018-11-12 CN CN201811338882.7A patent/CN109684074B/zh active Active
Patent Citations (8)
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 |
WO2012067431A2 (en) * | 2010-11-18 | 2012-05-24 | Wisetodd Pte. Ltd. | Resource distribution apparatus and method in cloud computing |
CN103548324A (zh) * | 2012-02-22 | 2014-01-29 | 华为技术有限公司 | 虚拟机分配方法和虚拟机分配装置 |
CN105359489A (zh) * | 2013-08-08 | 2016-02-24 | 华为技术有限公司 | 一种资源调度方法、装置及系统 |
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 |
CN105808341A (zh) * | 2014-12-29 | 2016-07-27 | 中国移动通信集团公司 | 一种资源调度的方法、装置和系统 |
US20170052805A1 (en) * | 2015-08-21 | 2017-02-23 | International Business Machines Corporation | Placement of virtual machines on preferred physical hosts |
CN105760230A (zh) * | 2016-02-18 | 2016-07-13 | 广东睿江云计算股份有限公司 | 一种自动调整云主机运行的方法及装置 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015542A (zh) * | 2019-05-29 | 2020-12-01 | 潘仲光 | 资源收集方法、设备及存储介质 |
CN110347502A (zh) * | 2019-06-21 | 2019-10-18 | 无锡华云数据技术服务有限公司 | 云主机服务器的负载均衡调度方法、装置及电子设备 |
CN110806954B (zh) * | 2019-09-19 | 2023-06-16 | 平安科技(深圳)有限公司 | 评估云主机资源的方法、装置、设备及存储介质 |
CN110806954A (zh) * | 2019-09-19 | 2020-02-18 | 平安科技(深圳)有限公司 | 评估云主机资源的方法、装置、设备及存储介质 |
CN110764876A (zh) * | 2019-10-25 | 2020-02-07 | 浪潮电子信息产业股份有限公司 | 一种云主机创建方法、装置、设备及可读存储介质 |
CN111459660A (zh) * | 2020-03-13 | 2020-07-28 | 平安科技(深圳)有限公司 | 云主机在宿主机上的动态分配方法、电子装置及存储介质 |
CN111459660B (zh) * | 2020-03-13 | 2023-07-07 | 平安科技(深圳)有限公司 | 云主机在宿主机上的动态分配方法、电子装置及存储介质 |
WO2021228103A1 (zh) * | 2020-05-15 | 2021-11-18 | 北京金山云网络技术有限公司 | 云主机集群的负载均衡方法、装置及服务器 |
CN111858037A (zh) * | 2020-06-30 | 2020-10-30 | 苏州浪潮智能科技有限公司 | 一种物理机的服务编排方法、装置、设备及存储介质 |
CN111858037B (zh) * | 2020-06-30 | 2023-07-14 | 苏州浪潮智能科技有限公司 | 一种物理机的服务编排方法、装置、设备及存储介质 |
US11861428B2 (en) | 2020-06-30 | 2024-01-02 | Inspur Suzhou Intelligent Technology Co., Ltd. | Service orchestration method, apparatus and device for physical machine, and storage medium |
CN113783912A (zh) * | 2020-08-25 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 请求分发方法、装置及存储介质 |
CN114584565A (zh) * | 2020-12-01 | 2022-06-03 | 中移(苏州)软件技术有限公司 | 一种应用防护方法及系统、电子设备及存储介质 |
CN114584565B (zh) * | 2020-12-01 | 2024-01-30 | 中移(苏州)软件技术有限公司 | 一种应用防护方法及系统、电子设备及存储介质 |
CN113296951A (zh) * | 2021-05-31 | 2021-08-24 | 阿里巴巴新加坡控股有限公司 | 一种资源配置方案确定方法及设备 |
CN115426251A (zh) * | 2022-08-30 | 2022-12-02 | 山东海量信息技术研究院 | 一种云主机的容灾方法、装置及介质 |
CN115426251B (zh) * | 2022-08-30 | 2024-02-13 | 山东海量信息技术研究院 | 一种云主机的容灾方法、装置及介质 |
CN115866092A (zh) * | 2022-11-24 | 2023-03-28 | 中国联合网络通信集团有限公司 | 数据转发方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109684074B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684074A (zh) | 物理机资源分配方法及终端设备 | |
Kaur et al. | Container-as-a-service at the edge: Trade-off between energy efficiency and service availability at fog nano data centers | |
US8972983B2 (en) | Efficient execution of jobs in a shared pool of resources | |
CN111344688B (zh) | 云计算中资源提供的方法及系统 | |
US10623481B2 (en) | Balancing resources in distributed computing environments | |
Masdari et al. | Efficient task and workflow scheduling in inter-cloud environments: challenges and opportunities | |
CN105302630B (zh) | 一种虚拟机的动态调整方法及其系统 | |
Arianyan et al. | Novel fuzzy multi objective DVFS-aware consolidation heuristics for energy and SLA efficient resource management in cloud data centers | |
Belgacem | Dynamic resource allocation in cloud computing: analysis and taxonomies | |
JP5400482B2 (ja) | 管理計算機、リソース管理方法、リソース管理プログラム、記録媒体および情報処理システム | |
US9218196B2 (en) | Performing pre-stage replication of data associated with virtual machines prior to migration of virtual machines based on resource usage | |
CN103729248B (zh) | 一种基于缓存感知的确定待迁移任务的方法和装置 | |
Mansouri et al. | Cost-based job scheduling strategy in cloud computing environments | |
Hashem et al. | MapReduce scheduling algorithms: a review | |
CN106385329B (zh) | 资源池的处理方法、装置和设备 | |
CN104881325A (zh) | 一种资源调度方法和资源调度系统 | |
CN103064744B (zh) | 一种基于SLA的面向多层Web应用的资源优化方法 | |
CN108549583A (zh) | 大数据处理方法、装置、服务器及可读存储介质 | |
Xu et al. | Resource pre-allocation algorithms for low-energy task scheduling of cloud computing | |
CN109408230A (zh) | 基于能耗优化的Docker容器部署方法及系统 | |
Ataie et al. | Modeling and evaluation of dispatching policies in IaaS cloud data centers using SANs | |
Rathinaraja et al. | Dynamic ranking-based MapReduce job scheduler to exploit heterogeneous performance in a virtualized environment | |
MUSTYALA | Dynamic Resource Allocation in Kubernetes: Optimizing Cost and Performance | |
Khaleel | A dynamic weight–assignment load balancing approach for workflow scheduling in edge-cloud computing using ameliorated moth flame and rock hyrax optimization algorithms | |
CN115373828A (zh) | 一种资源调度方法、装置、设备以及计算机存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |