CN110597598B - 一种云环境中的虚拟机迁移的控制方法 - Google Patents
一种云环境中的虚拟机迁移的控制方法 Download PDFInfo
- Publication number
- CN110597598B CN110597598B CN201910870048.0A CN201910870048A CN110597598B CN 110597598 B CN110597598 B CN 110597598B CN 201910870048 A CN201910870048 A CN 201910870048A CN 110597598 B CN110597598 B CN 110597598B
- Authority
- CN
- China
- Prior art keywords
- migration
- server
- block
- virtual machine
- servers
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—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]
- G06F9/5083—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Hardware Redundancy (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明属于虚拟机的技术领域,具体涉及一种云环境中的虚拟机迁移的控制方法,包括遍历全部服务器,并检测服务器的状态;当服务器处于关闭状态时,则检测服务器上是否运行着虚拟机;若检测到虚拟机运行,则将全部的虚拟机加入迁移列表;当服务器处于开启状态时,则计算服务器的资源利用率,判断服务器是否需要迁移;根据迁移列表对虚拟机进行迁移。本发明减少控制系统的运算量,提高系统的运转效率,还能提高服务器资源的利用率。
Description
技术领域
本发明属于虚拟机的技术领域,具体涉及一种云环境中的虚拟机迁移的控制方法。
背景技术
如今,云计算开启了按需服务的新型消费模式,其通过将千万台计算机集成在一起,为用户提供了全方位的服务,包含了基础设施服务、平台服务和软件服务。随着云数据中心的规模不断增大,网络负载也成倍的增长,如何通过虚拟机迁移来改善服务质量、优化网络资源成为研究的热点。
云计算环境中虚拟化迁移技术可以缓解过载服务器的压力,整合低载服务器的资源,提高服务器资源利用率,减少云数据中心能耗。而随着云数据中心规模越来越大,更是需要在大规模环境下的虚拟机迁移技术。
目前针对优化网络的许多虚拟机迁移研究都是考虑网络上层应用的通信需求,并没有考虑到虚拟机实际迁移控制,而且不适合在大规模的环境下使用。
发明内容
本发明的目的在于:针对现有技术的不足,提供一种云环境中的虚拟机迁移的控制方法,减少控制系统的运算量,提高系统的运转效率,还能提高服务器资源的利用率。
为了实现上述目的,本发明采用如下技术方案:
一种云环境中的虚拟机迁移的控制方法,包括:
遍历全部服务器,并检测服务器的状态;
当服务器处于关闭状态时,则检测服务器上是否运行着虚拟机;若检测到虚拟机运行,则将全部的虚拟机加入迁移列表;
当服务器处于开启状态时,则计算服务器的资源利用率,判断服务器是否需要迁移;
根据迁移列表对虚拟机进行迁移。
需要说明的是:本发明的控制方法中,为了得到需要迁移的虚拟机列表,首先要遍历所有服务器,当服务器资源利用率过分高,需要迁移合适的虚拟机以减小服务器的负载,选择资源占用大的虚拟机可以极大的减小服务器的负载,但是虚拟机占用资源越大迁移的开销也越大,选择资源占用小的服务器又有可能没能减少服务器的负载,所以“合适”就是选择可以让服务器资源利用率降低回到上限以下的资源占用最小的虚拟机,这样在减轻服务器负载的同时极小的减少了迁移操作带来的开销。
作为本发明所述的一种云环境中的虚拟机迁移的控制方法的一种改进,判断所述服务器是否需要迁移的方法,包括:
若所述资源利用率大于预设上限,则将所述服务器上合适的虚拟机加入迁移列表;若所述资源利用率小于预设下限,则将所述服务器上全部的虚拟机加入迁移列表;若所述资源利用率在预设上限和预设下限之间,则不需要迁移。
需要说明的是:当服务器资源利用率过分高,需要迁移合适的虚拟机以减小服务器的负载,选择资源占用大的虚拟机可以极大的减小服务器的负载,但是虚拟机占用资源越大迁移的开销也越大,选择资源占用小的服务器又有可能没能减少服务器的负载,所以“合适”就是选择可以让服务器资源利用率降低回到上限以下的资源占用最小的虚拟机,这样在减轻服务器负载的同时极小的减少了迁移操作带来的开销。
作为本发明所述的一种云环境中的虚拟机迁移的控制方法的一种改进,对所述虚拟机进行迁移,包括:
将所述虚拟机的全部状态和内存从原始服务器上拷贝到目的服务器。
作为本发明所述的一种云环境中的虚拟机迁移的控制方法的一种改进,遍历全部所述服务器,还包括:
将全部所述服务器划分为若干块,选择块中心点作为所述块的初始节点;
计算每个相邻的所述节点与所述块的距离,选择最小距离的所述节点加入所述块中,直到全部所述节点都在所述块中。
需要说明的是:分块可以有效降低迁移算法的计算量,提高算法执行的效率。在每个块中使用基于网络的迁移目标函数得到局部最优解,以达到在大规模下虚拟机迁移快速有效的目的;分块算法理论基于最小生成树理论,两个物理节点之间边的权重表示两个物理节点之间的距离,当然分块理论和最小生成树理论还是有如下的区别:块中的主机数目具有上限且每个块只包含图中局部节点,最小生成树必须包含图中全部节点;每个块由一个根节点生成而来,整个图由多个块组成,也即图中包含多个根节点,最小生成树由一个根节点生成整棵树;块的划分会随中心节点的选择而变化,最小生成树是唯一的,不会随根节点的不同而变化。
作为本发明所述的一种云环境中的虚拟机迁移的控制方法的一种改进,对所述虚拟机进行迁移,还包括:
当所述块内资源超过阈值时,在所述块内选择迁移的目的服务器;
当所述块内资源低于阈值时,选择资源利用率最小的所述块进行迁移。
需要说明的是:在底层物理网络规模较大时,分块算法将大规模的物理网络划分为一些小规模的块,在块内资源足够时,在块内使用目标函数选择迁移的目的服务器,这样可以得到一个块内最优解,在得到合适的迁移目的服务器的同时极大的减少了计算量;在块内资源量不足时,选择资源利用率最小的块进行迁移,这样可以提高其资源利用率。
作为本发明所述的一种云环境中的虚拟机迁移的控制方法的一种改进,所述虚拟机通过底层物理网络进行通信。
本发明的有益效果在于,本发明包括遍历全部服务器,并检测服务器的状态;当服务器处于关闭状态时,则检测服务器上是否运行着虚拟机;若检测到虚拟机运行,则将全部的虚拟机加入迁移列表;当服务器处于开启状态时,则计算服务器的资源利用率,判断服务器是否需要迁移;根据迁移列表对虚拟机进行迁移。为了得到需要迁移的虚拟机列表,首先要遍历所有服务器,当服务器资源利用率过分高,需要迁移合适的虚拟机以减小服务器的负载,选择资源占用大的虚拟机可以极大的减小服务器的负载,但是虚拟机占用资源越大迁移的开销也越大,选择资源占用小的服务器又有可能没能减少服务器的负载,所以“合适”就是选择可以让服务器资源利用率降低回到上限以下的资源占用最小的虚拟机,这样在减轻服务器负载的同时极小的减少了迁移操作带来的开销。本发明减少控制系统的运算量,提高系统的运转效率,还能提高服务器资源的利用率。
附图说明
图1为本发明的流程示意图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接受的误差范围内,本领域技术人员能够在一定误差范围内解决技术问题,基本达到技术效果。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、水平”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
以下结合附图对本发明作进一步详细说明,但不作为对本发明的限定。
实施例1
如图1所示,一种云环境中的虚拟机迁移的控制方法,包括:
遍历全部服务器,并检测服务器的状态;
当服务器处于关闭状态时,则检测服务器上是否运行着虚拟机;若检测到虚拟机运行,则将全部的虚拟机加入迁移列表;
当服务器处于开启状态时,则计算服务器的资源利用率,判断服务器是否需要迁移;
根据迁移列表对虚拟机进行迁移。
需要说明的是:本发明的控制方法中,为了得到需要迁移的虚拟机列表,首先要遍历所有服务器,当服务器资源利用率过分高,需要迁移合适的虚拟机以减小服务器的负载,选择资源占用大的虚拟机可以极大的减小服务器的负载,但是虚拟机占用资源越大迁移的开销也越大,选择资源占用小的服务器又有可能没能减少服务器的负载,所以“合适”就是选择可以让服务器资源利用率降低回到上限以下的资源占用最小的虚拟机,这样在减轻服务器负载的同时极小的减少了迁移操作带来的开销。
优选的,判断服务器是否需要迁移的方法,包括:
若资源利用率大于预设上限,则将服务器上合适的虚拟机加入迁移列表;若资源利用率小于预设下限,则将服务器上全部的虚拟机加入迁移列表;若资源利用率在预设上限和预设下限之间,则不需要迁移。
需要说明的是:当服务器资源利用率过分高,需要迁移合适的虚拟机以减小服务器的负载,选择资源占用大的虚拟机可以极大的减小服务器的负载,但是虚拟机占用资源越大迁移的开销也越大,选择资源占用小的服务器又有可能没能减少服务器的负载,所以“合适”就是选择可以让服务器资源利用率降低回到上限以下的资源占用最小的虚拟机,这样在减轻服务器负载的同时极小的减少了迁移操作带来的开销。
优选的,对虚拟机进行迁移,包括:
将虚拟机的全部状态和内存从原始服务器上拷贝到目的服务器。
优选的,遍历全部服务器,还包括:
将全部服务器划分为若干块,选择块中心点作为块的初始节点;
计算每个相邻的节点与块的距离,选择最小距离的节点加入块中,直到全部节点都在块中。
需要说明的是:分块可以有效降低迁移算法的计算量,提高算法执行的效率。在每个块中使用基于网络的迁移目标函数得到局部最优解,以达到在大规模下虚拟机迁移快速有效的目的;分块算法理论基于最小生成树理论,两个物理节点之间边的权重表示两个物理节点之间的距离,当然分块理论和最小生成树理论还是有如下的区别:块中的主机数目具有上限且每个块只包含图中局部节点,最小生成树必须包含图中全部节点;每个块由一个根节点生成而来,整个图由多个块组成,也即图中包含多个根节点,最小生成树由一个根节点生成整棵树;块的划分会随中心节点的选择而变化,最小生成树是唯一的,不会随根节点的不同而变化。
分块算法的执行过程就是一台台物理主机添加到区域内的过程,首先选择每个块的中心点作为块的初始节点,计算每个与块邻接的节点到块的距离,选择具有最小距离的节点加入块中,直到所有节点都在块中,其间如果一个块的主机数量达到上限,那么这个块中将不再加入新的节点。由于每个块中的物理主机具有上限,所以执行过程中可能会出现一些“孤立点”,所谓“孤立点”指的就是那些与之相邻接块中物理主机都达到上限的点,对于这些“孤立点”在没有可加入块中时,将其加入离其最近的未满的块中。
优选的,对虚拟机进行迁移,还包括:
当块内资源超过阈值时,在块内选择迁移的目的服务器;
当块内资源低于阈值时,选择资源利用率最小的块进行迁移。
需要说明的是:在底层物理网络规模较大时,分块算法将大规模的物理网络划分为一些小规模的块,在块内资源足够时,在块内使用目标函数选择迁移的目的服务器,这样可以得到一个块内最优解,在得到合适的迁移目的服务器的同时极大的减少了计算量;在块内资源量不足时,选择资源利用率最小的块进行迁移,这样可以提高其资源利用率。
优选的,虚拟机通过底层物理网络进行通信。物理主机上的虚拟机不是孤单存在的,其往往需要和其他虚拟机通过底层物理机网络进行通信,将这种通信产生的代价称为通信开销。当一个虚拟机从源服务器迁移到目的服务器上时,虚拟机与其他虚拟机通信的路径发生了变化,所以虚拟机的通信开销也会发生变化;虚拟机迁移操需要将一个虚拟机的全部状态和内存从原始服务器上拷贝到目的服务器,服务器之间传递信息也会带来一定的开销,称这种迁移自身带来的代价为迁移开销。
为了便于计算,下对通信开销和迁移开销进行量化处理。
定义1:虚拟机Vi和虚拟机Vj进行通信对其所在服务器Sk和服务器Sl产生的通信开销为式2-1:
Cost_Com(Vi,Vj,Sk,Sl)=Wij*Dkl (2-1)
式中,Wij——表示虚拟机Vi和Vj之间的通信需求;
Dkl——表示服务器Sk和Sl之间的网络距离。
两个虚拟机之间的通信开销已经定义好了,因此服务器Sk上的虚拟机Vi与其他虚拟机进行通信对整个网络产生的通信开销为式2-2:
式中,aij——表示虚拟机Vi和服务器Sl之间的部署关系,其值为:
aij=1,当虚拟机Vi部署在服务器Sl之上;
aij=0,当虚拟机Vi未部署在服务器Sl之上。
当虚拟机Vi从服务器Sk迁移到服务器Sl上后,由于虚拟机Vi所在的服务器发生了变化,虚拟机与其他虚拟机进行通信经由的路径也发生了变化,因此整个网络的通信开销也发生了变化,定义通信开销增长量来描述这一过程的通信开销的增长量,如式2-3:
对通信开销增长量进行归一化处理,得到归一化的通信开销增长量式2-4:
式中,Max_Degree——表示虚拟节点最大的度;
Max_W——表示虚拟节点最大通信量;
Max_D——表示物理主机最大的距离。
定义2:虚拟机Vi从服务器Sk迁移到目的服务器Sl上的迁移开销为式2-5:
Cost_Mig(Vi,Sk,Sl)=(Memi*Dkl)/Bkl (2-5)
式中,Memi——表示虚拟机Vi所需的资源(以内存大小来衡量);
Bkl——表示服务器Sk和Sl之间网络链路的平均带宽。
对迁移开销增长量进行归一化处理,得到归一化的迁移开销式2-6:
式中,Max_Mem——表示最大的虚拟机Vi所需的资源;
Min_B——表示物理主机之间最小的带宽。
定义3:虚拟机Vi从源服务器Sk迁移到目的服务器Sl上的网络总开销为通信开销增长量与迁移开销的加权和,如式2-7:
式中α为通信增长量系数,β为迁移开销系数,且α+β=1。
为了使整个系统中的开销尽可能小,使用贪心策略,每次迁移中均选择产生最小网络总开销的目的服务器作为迁移的选择对象。所以用来做迁移策略的目标函数为式2-8:
基于网络开销的迁移目标函数已经确定,结合上3.3中的分块算法,提出完整的基于网络开销的分块虚拟机迁移算法。在底层物理网络规模较小时,所有的物理主机将会被分到一个块中(与不分块无异),使用式(2-8)确定的网络总开销目标函数来选择迁移目的服务器,这样总会得到全局最优解。
根据上述说明书的揭示和教导,本发明所属领域的技术人员还能够对上述实施方式进行变更和修改。因此,本发明并不局限于上述的具体实施方式,凡是本领域技术人员在本发明的基础上所作出的任何显而易见的改进、替换或变型均属于本发明的保护范围。此外,尽管本说明书中使用了一些特定的术语,但这些术语只是为了方便说明,并不对本发明构成任何限制。
Claims (6)
1.一种云环境中的虚拟机迁移的控制方法,其特征在于,包括:
遍历全部服务器,并检测服务器的状态;
当服务器处于关闭状态时,则检测服务器上是否运行着虚拟机;若检测到虚拟机运行,则将全部的虚拟机加入迁移列表;
当服务器处于开启状态时,则计算服务器的资源利用率,判断服务器是否需要迁移;当服务器资源利用率过分高,选择可以让服务器资源利用率降低回到上限以下的资源占用最小的虚拟机;
根据迁移列表对虚拟机进行迁移;
其中,当虚拟机进行迁移时,使用分块算法和将通信开销和迁移开销进行量化处理找到全局最优解的服务器进行迁移;分块算法将全部服务器划分为若干块,选择块中心点作为块的初始节点;计算每个相邻的节点与块的距离,选择最小距离的节点加入块中,直到全部节点都在块中;
分块算法的执行过程为:首先选择每个块的中心点作为块的初始节点,计算每个与块邻接的节点到块的距离,选择具有最小距离的节点加入块中,直到所有节点都在块中,其间如果一个块的主机数量达到上限,那么这个块中将不再加入新的节点;由于每个块中的物理主机具有上限,所以执行过程中可能会出现一些“孤立点”,所谓“孤立点”指的就是那些与之相邻接块中物理主机都达到上限的点,对于这些“孤立点”在没有可加入块中时,将其加入离其最近的未满的块中。
2.如权利要求1所述的一种云环境中的虚拟机迁移的控制方法,其特征在于,判断所述服务器是否需要迁移的方法,包括:
若所述资源利用率大于预设上限,则将所述服务器上合适的虚拟机加入迁移列表;若所述资源利用率小于预设下限,则将所述服务器上全部的虚拟机加入迁移列表;若所述资源利用率在预设上限和预设下限之间,则不需要迁移。
3.如权利要求1所述的一种云环境中的虚拟机迁移的控制方法,其特征在于,对所述虚拟机进行迁移,包括:
将所述虚拟机的全部状态和内存从原始服务器上拷贝到目的服务器。
4.如权利要求1所述的一种云环境中的虚拟机迁移的控制方法,其特征在于,遍历全部所述服务器,还包括:
将全部所述服务器划分为若干块,选择块中心点作为所述块的初始节点;
计算每个相邻的所述节点与所述块的距离,选择最小距离的所述节点加入所述块中,直到全部所述节点都在所述块中。
5.如权利要求4所述的一种云环境中的虚拟机迁移的控制方法,其特征在于,对所述虚拟机进行迁移,还包括:
当所述块内资源超过阈值时,在所述块内选择迁移的目的服务器;
当所述块内资源低于阈值时,选择资源利用率最小的所述块进行迁移。
6.如权利要求1所述的一种云环境中的虚拟机迁移的控制方法,其特征在于:所述虚拟机通过底层物理网络进行通信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910870048.0A CN110597598B (zh) | 2019-09-16 | 2019-09-16 | 一种云环境中的虚拟机迁移的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910870048.0A CN110597598B (zh) | 2019-09-16 | 2019-09-16 | 一种云环境中的虚拟机迁移的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110597598A CN110597598A (zh) | 2019-12-20 |
CN110597598B true CN110597598B (zh) | 2023-07-14 |
Family
ID=68859734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910870048.0A Active CN110597598B (zh) | 2019-09-16 | 2019-09-16 | 一种云环境中的虚拟机迁移的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110597598B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114024833B (zh) * | 2022-01-06 | 2022-04-01 | 深圳市聚能优电科技有限公司 | Ems的后端服务器切换方法、系统、设备及存储介质 |
CN115623000B (zh) * | 2022-09-23 | 2023-11-14 | 北京大学 | 一种数联网上数据高效分发方法与装置 |
CN115525302B (zh) * | 2022-09-23 | 2023-06-09 | 北京大学 | 一种大规模数字对象仓库集群的部署方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9874924B1 (en) * | 2015-12-03 | 2018-01-23 | Amazon Technologies, Inc. | Equipment rack power reduction using virtual machine instance migration |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5644150B2 (ja) * | 2010-03-23 | 2014-12-24 | 日本電気株式会社 | サービス提供システム、仮想マシンサーバ、サービス提供方法及びサービス提供プログラム |
CN102096461B (zh) * | 2011-01-13 | 2013-06-19 | 浙江大学 | 基于虚拟机迁移和负载感知整合的云数据中心节能方法 |
CN102724277B (zh) * | 2012-05-04 | 2016-01-06 | 华为技术有限公司 | 虚拟机热迁移和部署的方法、服务器及集群系统 |
CN102833310B (zh) * | 2012-07-03 | 2015-02-25 | 中山大学 | 一种基于虚拟化技术的工作流引擎集群系统 |
CN103077082B (zh) * | 2013-01-08 | 2016-12-28 | 中国科学院深圳先进技术研究院 | 一种数据中心负载分配及虚拟机迁移节能方法及系统 |
CN104199736A (zh) * | 2014-06-30 | 2014-12-10 | 浙江大学苏州工业技术研究院 | 云环境下的数据中心节能方法 |
US10067803B2 (en) * | 2015-11-25 | 2018-09-04 | International Business Machines Corporation | Policy based virtual machine selection during an optimization cycle |
US11113088B2 (en) * | 2017-07-26 | 2021-09-07 | Dell Products, L.P. | Generating and managing groups of physical hosts associated with virtual machine managers in an information handling system |
JP7003692B2 (ja) * | 2018-01-30 | 2022-01-20 | 富士通株式会社 | 情報処理装置,情報処理システムおよび制御プログラム |
-
2019
- 2019-09-16 CN CN201910870048.0A patent/CN110597598B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9874924B1 (en) * | 2015-12-03 | 2018-01-23 | Amazon Technologies, Inc. | Equipment rack power reduction using virtual machine instance migration |
Non-Patent Citations (1)
Title |
---|
云计算环境下虚拟机调度方法研究;郭珍;中国优秀硕士学位论文全文数据库 信息科技辑;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110597598A (zh) | 2019-12-20 |
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 | |
CN108260169B (zh) | 一种基于QoS保障的服务功能链动态部署方法 | |
CN110597598B (zh) | 一种云环境中的虚拟机迁移的控制方法 | |
CN102724277B (zh) | 虚拟机热迁移和部署的方法、服务器及集群系统 | |
CN110120915B (zh) | 三级分解网络架构系统、装置以及用于确保三级分解网络架构中的服务质量的方法 | |
CN108182105B (zh) | 基于Docker容器技术的局部动态迁移方法及控制系统 | |
CN102904955B (zh) | 云计算平台中Web应用的自适应伸缩控制系统及其方法 | |
CN109710374A (zh) | 移动边缘计算环境下最小化任务卸载费用的vm迁移策略 | |
CN110768837A (zh) | 一种网络切片虚拟资源分配方法、系统及装置 | |
CN112738820A (zh) | 一种服务功能链的动态部署方法、装置及计算机设备 | |
CN103077082A (zh) | 一种数据中心负载分配及虚拟机迁移节能方法及系统 | |
CN109995435B (zh) | 一种基于多纤芯光网络的虚拟网络映射方法及系统 | |
CN105159775A (zh) | 基于负载均衡器的云计算数据中心的管理系统和管理方法 | |
CN108897606B (zh) | 多租户容器云平台虚拟网络资源自适应调度方法及系统 | |
CN113490254A (zh) | 一种基于联邦学习双向gru资源需求预测的vnf迁移方法 | |
CN104679594B (zh) | 一种中间件分布式计算方法 | |
CN104104621B (zh) | 一种基于非线性降维的虚拟网络资源动态自适应调节方法 | |
CN110213351A (zh) | 一种面向广域高性能计算环境的动态自适应io负载均衡方法 | |
CN103188346A (zh) | 支持分布式决策的大规模高并发访问i/o服务器负载均衡系统 | |
CN104935628A (zh) | 一种在多个数据中心之间迁移多个关联虚拟机的方法 | |
WO2021259246A1 (zh) | 资源调度方法和装置、电子设备、计算机可读存储介质 | |
CN107220108A (zh) | 一种实现云数据中心负载均衡的方法和系统 | |
Liang et al. | A location-aware service deployment algorithm based on k-means for cloudlets | |
CN115718644A (zh) | 一种面向云数据中心的计算任务跨区迁移方法及系统 | |
CN102932271A (zh) | 负载均衡的实现方法和装置 |
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 |