CN110677499A - 一种云资源管理应用系统 - Google Patents
一种云资源管理应用系统 Download PDFInfo
- Publication number
- CN110677499A CN110677499A CN201911047494.8A CN201911047494A CN110677499A CN 110677499 A CN110677499 A CN 110677499A CN 201911047494 A CN201911047494 A CN 201911047494A CN 110677499 A CN110677499 A CN 110677499A
- Authority
- CN
- China
- Prior art keywords
- virtual machine
- resource
- server
- management
- cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 claims abstract description 112
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000013468 resource allocation Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 31
- 238000013508 migration Methods 0.000 claims description 29
- 230000005012 migration Effects 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 10
- 238000011161 development Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 5
- 230000002688 persistence Effects 0.000 claims description 4
- 230000002085 persistent effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及互联网技术领域,具体地说,涉及一种云资源管理应用系统,所述管理应用系统采用开源云平台Open Stack作为平台的IaaS基础设施服务层,Cloud Foundry开源软件作为平台的PaaS平台服务层部署软件,云资源管理应用系统包括虚拟机管理、服务器管理和系统管理,虚拟机管理功能包括虚拟机资源监控模块和虚拟机资源调配模块。本发明实现云平台虚拟机资源的自动化管理。在虚拟机手动资源管理功能的基础上,研究实现资源的自动化高效管理。系统首先通过资源监控,采集虚拟机的负载情况,并对采集的负载数据进行分析判断,制定适当的资源调整策略,最终实现平台资源自动化管理。确保云平台以及云平台中的应用运行稳定可靠,平台资源高效利用。
Description
技术领域
本发明涉及互联网技术领域,具体为一种云资源管理应用系统。
背景技术
随着信息技术的不断发展,我们不断的需要对越来越庞大的海量数据信息进行处理,而传统的计算架构已经不能应对日益增长的信息处理需求,面对信息处理能力的瓶颈,云计算这一新兴技术应运而生,并迅速发展普及。针对计算能力的不足,传统的解决方式是由用户自己购买更多的硬件设备和系统软件,这本身需要用户支付较高的开销。同时由于信息技术发展迅速,更新换代频繁,且用户计算能力的需求也在不断变化,现有的设备软件可能在不久后就会面临过时更换的问题,这将进一步增加用户的成本。随着云计算规模的发展,云资源管理的工作越来越复杂,工作量也越来越繁重,资源管理系统的高效性、合理性和自动化管理成为越来越重要的问题。
发明内容
本发明的目的在于提供一种云资源管理应用系统,以解决上述背景技术中提出的某种或某些缺陷。
为实现上述目的,本发明提供如下技术方案:
一种云资源管理应用系统,所述管理应用系统采用开源云平台Open Stack作为平台的IaaS基础设施服务层,Cloud Foundry开源软件作为平台的PaaS平台服务层部署软件,通过开发资源管理应用系统对云平台资源进行综合管理,所述云资源管理应用系统包括虚拟机管理、服务器管理和系统管理,虚拟机管理功能包括虚拟机资源监控模块和虚拟机资源调配模块;服务器管理包括服务器资源监控模块、虚拟机资源监控模块和虚拟热迁移模块;系统管理包括系统日志管理模块与用户权限管理模块。
作为优选,开源云平台包括IaaS基础设施服务层和PaaS平台服务层,开发资源管理应用系统用于对IaaS基础设施服务层中的虚拟机与服务器的资源管理。
作为优选,IaaS基础设施服务层用于提供基础设施服务,部署工具为Openstack,实现服务器集群的虚拟化,将服务器集群中的CPU、内存、硬盘硬件资源虚拟后,以虚拟机VM的方式将资源提供给更高的PaaS平台服务层。
作为优选,IaaS基础设施服务层中系统用于对虚拟机的负载状态监控和资源伸缩调整,以及根据物理服务器的负载状况,进行的虚拟机热迁移和维护服务器负载均衡。
作为优选,服务器资源管理用于虚拟机镜像上传、虚拟机配置信息查询、订单查询、权限管理以及日志管理。
作为优选,PaaS平台服务层用于提供运行时平台服务,应用程序在对应的运行时环境正常运行,PaaS平台服务层是在IaaS基础设施服务层提供的虚拟化资源之上,提供应用实例运行所需的运行时环境,即提供平台服务。
作为优选,管理应用系统采用java语言编写,使用B/S结构,以网页的形式将各种操作功能提供给用户,选择Spring框架和Hibernate框架,管理系统共分为4层,分别为WEB层、控制层、业务层和持久层。
作为优选,WEB层用于展现给用户的网页,页面采用JSP语言编写,向用户提供信息展示与操作按键;系统Controller部分代码文件是系统的控制层,用于页面与后台业务间的跳转调度;系统Service文件指的是系统业务层,用于负责具体的事务处理,为系统后台功能实现的核心;系统的DAO文件和POJO文件为持久层,用于对数据的操作,其中包括增删改查、聚类查询和模糊查找功能。
作为优选,虚拟机资源调配模块用于实现虚拟机的基本配置操作、创建撤销虚拟机、虚拟机资源弹性伸缩和迁移,虚拟机资源调配模块调用IaaS基础设施服务层开源云平台Open Stack提供的API,按照设计策略进行逻辑处理,用于系统自动化管理或者向用户提供页面形式的手动操作管理。
其中Dj表示第j台计算节点服务器负载与整个服务集群负载均值的偏离程度,Dj值越大,表示偏离程度越大;Li与Lavg_i分别表示第i种资源的利用率与服务集群中i类资源的平均利用率,Wi表示第i类资源在总体评估中占有的权重,Wi是资源的权重,集群中一种资源的使用量越高,则在策略考量中所占的权重越大,设定资源权值与该类资源在集群中的负载率成正比关系,权值设定并归一化后的公式为:
通过对将添加虚拟机负载状况进行分析预测,计算出迁移创建虚拟机之后,服务器的负载程度公式为:
其中Li′为添加虚拟机后服务器的i类资源的负载率,为服务器第i种资源的使用量,Rvm_i是虚拟机i类资源的预测使用量,Rcurrent_i是i类资源服务器的最大上限,整理得到添加虚拟机后服务器的负载偏离预测值:
DΔj=Dj-Dj′,式中的DΔj服务器的负载偏离改善值。
与现有技术相比,本发明的有益效果是:
1、本云资源管理应用系统以开源云平台OpenStack和Cloud Foundry为基础,设计资源管理系统,实现基本的资源管理功能。通过对云平台项目API的调用,实现对资源的监控和调配功能。平台的管理者和消费者通过网页,登陆系统,直观的了解平台资源的使用情况,并进行资源的操作调配。
2、本云资源管理应用系统实现云平台虚拟机资源的自动化管理。在虚拟机手动资源管理功能的基础上,研究实现资源的自动化高效管理。系统首先通过资源监控,采集虚拟机的负载情况,并对采集的负载数据进行分析判断,制定适当的资源调整策略,最终实现平台资源自动化管理。确保云平台以及云平台中的应用运行稳定可靠,平台资源高效利用。
3、本实施例的云资源管理应用系统对Cloud Foundry云平台软件原有实例分发策略的优化。改善运行节点的任务分发机制,优化其负载均衡性能。针对当前Cloud Foundry的新增实例分发功能的不足之处,在原有机制的基础上,改进实例分发策略,动态制定负载量化策略,修正判断误差,提高运行节点负载均衡性。
4、本云资源管理应用系统实现虚拟机的自动化迁移功能。根据对服务器和虚拟机的综合负载评估,综合考虑虚拟机和服务器资源消耗特性,设计迁移虚拟机选择和目标服务器选择策略,实现虚拟机迁移和服务器负载均衡的更高程度的自动化管理,保障服务器运行稳定、高效。
附图说明
图1是本发明的系统与功能模块图;
图2是本发明的云平台架构示意图;
图3是本发明的系统软件技术架构示意图;
图4是本发明的虚拟机资源调配功能类图;
图5是本发明的虚拟机实时资源监控。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
一种云资源管理应用系统,如图1所示,所述管理应用系统采用开源云平台OpenStack作为平台的IaaS基础设施服务层,Cloud Foundry开源软件作为平台的PaaS平台服务层部署软件,通过开发资源管理应用系统对云平台资源进行综合管理,所述云资源管理应用系统包括虚拟机管理、服务器管理和系统管理,虚拟机管理功能包括虚拟机资源监控模块和虚拟机资源调配模块;服务器管理包括服务器资源监控模块、虚拟机资源监控模块和虚拟热迁移模块;系统管理包括系统日志管理模块与用户权限管理模块。
进一步的,如图2所示,开源云平台包括IaaS基础设施服务层和PaaS平台服务层,开发资源管理应用系统用于对IaaS基础设施服务层中的虚拟机与服务器的资源管理,平台中的虚拟机分为两种,一种是含有运行节点DEA的虚拟机,简称运行节点虚拟机,这类虚拟机提供应用运行的资源与环境,云平台中的各类应用即运行在这类虚拟机之上,云平台中的大多数虚拟机都是这类虚拟机。另一种虚拟机则提供云平台组件模块的运行,如支持PaaS平台服务层Cloud Foundry软件的各类组件。
具体的,IaaS基础设施服务层用于提供基础设施服务,部署工具为Openstack,实现服务器集群的虚拟化,将服务器集群中的CPU、内存、硬盘硬件资源虚拟后,以虚拟机VM的方式将资源提供给更高的PaaS平台服务层,IaaS基础设施服务层中系统用于对虚拟机的负载状态监控和资源伸缩调整,以及根据物理服务器的负载状况,进行的虚拟机热迁移和维护服务器负载均衡,服务器资源管理用于虚拟机镜像上传、虚拟机配置信息查询、订单查询、权限管理以及日志管理。
值得说明的是,PaaS平台服务层用于提供运行时平台服务,应用程序在对应的运行时环境正常运行,PaaS平台服务层是在IaaS基础设施服务层提供的虚拟化资源之上,提供应用实例运行所需的运行时环境,即提供平台服务,PaaS平台服务层是在IaaS基础设施服务层提供的虚拟化资源之上,提供应用实例运行所需的运行时环境,即提供平台服务。不同的应用需要的运行环境各不相同,分为java类、.Net类以及C++等。
如图3所示,管理应用系统采用java语言编写,使用B/S结构,以网页的形式将各种操作功能提供给用户,选择Spring框架和Hibernate框架,管理系统共分为4层,分别为WEB层、控制层、业务层和持久层。
此外,WEB层用于展现给用户的网页,页面采用JSP语言编写,向用户提供信息展示与操作按键;系统Controller部分代码文件是系统的控制层,用于页面与后台业务间的跳转调度;系统Service文件指的是系统业务层,用于负责具体的事务处理,为系统后台功能实现的核心;系统的DAO文件和POJO文件为持久层,用于对数据的操作,其中包括增删改查、聚类查询和模糊查找功能。
值得说明的是,WEB层是展现给用户的网页,页面采用JSP语言编写,向用户提供信息展示与操作按键等。JSP在展示网页内容与提供操作界面时,需要Form表单与一些页面控件技术的支持。尽管JSP本身也具有展示信息与操作的能力,为了使系统用户够获得更好的用户体验,仍然需要其他页面技术的支持,系统中在也采用了如Ajax等技术,简化用户操作,美化界面。系统Controller部分代码文件是系统的控制层,负责页面与后台业务间的跳转调度。控制层收到页面的请求后,分析请求的内容与类型,将请求处理封装后,送往对应的业务层模块。在处理较复杂业务时,控制层与业务层的分离使系统层次更清晰。系统Service文件指的是系统业务层,负责具体的事务处理,是系统后台功能实现的核心。Service层接收来自Controller调度发出的请求,对这些请求进行业务逻辑上的分析处理,处理过程中需要调用持久层的接口,实现数据库的操作。系统的DAO文件和POJO文件为持久层,主要负责对数据的操作,其中包括基本的增删改查,以及一些聚类查询,模糊查找等功能。这部分使用了Hibernate框架,通过Hibernate的封装,数据库操作更为简洁高效。在实现系统的4层软件架构中,使用MVC模式,在业务层、控制层和WEB层采用了Spring技术框架,Spring也是系统中使用的最重要的框架,帮助系统实现良好的并发性与模块化开发。
进一步的,虚拟机资源调配模块用于实现虚拟机的基本配置操作、创建撤销虚拟机、虚拟机资源弹性伸缩和迁移,虚拟机资源调配模块调用IaaS基础设施服务层开源云平台Open Stack提供的API,按照设计策略进行逻辑处理,用于系统自动化管理或者向用户提供页面形式的手动操作管理。
其中Dj表示第j台计算节点服务器负载与整个服务集群负载均值的偏离程度,Dj值越大,表示偏离程度越大;Li与Lavg_i分别表示第i种资源的利用率与服务集群中i类资源的平均利用率,Wi表示第i类资源在总体评估中占有的权重,Wi是资源的权重,集群中一种资源的使用量越高,则在策略考量中所占的权重越大,设定资源权值与该类资源在集群中的负载率成正比关系,权值设定并归一化后的公式为:
通过对将添加虚拟机负载状况进行分析预测,计算出迁移创建虚拟机之后,服务器的负载程度公式为:
其中Li′为添加虚拟机后服务器的i类资源的负载率,为服务器第i种资源的使用量,Rvm_i是虚拟机i类资源的预测使用量,Rcurrent_i是i类资源服务器的最大上限,整理得到添加虚拟机后服务器的负载偏离预测值:
′
DΔj=Dj-Dj,式中的DΔj服务器的负载偏离改善值,选取迁移后改善幅度最大的目标服务器进行迁移,从而最大程度的改善物理服务器的负载均衡程度。
本实施例的云资源管理应用系统实现了虚拟机资源自动扩展和自动迁移等关键功能,当虚拟机负载超过阈值时,系统对该虚拟机资源进行自动调整,调用平台接口,增加虚拟机资源,虚拟机资源增加后,资源利用率处于正常范围。当服务器处于负载过重状态时,管理系统自动识别发现负载过重的服务器,在该服务器中选择迁移虚拟机,并根据设定策略,确定迁移目标服务器,实现虚拟机的自动化热迁移,降低服务器负载。除此之外,系统也实现了虚拟机的监控、虚拟机手动资源调配、服务器监控、资源订单与系统日志管理等基本功能。资源管理系统的高并发访问测试、运行节点负载均衡测试。高并发测试主要检验系统在受到大量用户请求时的处理能力,而负载均衡机制的测试则主要检验,在优化应用实例分发机制后,运行时节点负载均衡情况的改善程度。
本实施例的云资源管理应用系统以开源云平台OpenStack和Cloud Foundry为基础,设计资源管理系统,实现基本的资源管理功能。通过对云平台项目API的调用,实现对资源的监控和调配功能。平台的管理者和消费者通过网页,登陆系统,直观的了解平台资源的使用情况,并进行资源的操作调配。
本实施例的云资源管理应用系统实现云平台虚拟机资源的自动化管理。在虚拟机手动资源管理功能的基础上,研究实现资源的自动化高效管理。系统首先通过资源监控,采集虚拟机的负载情况,并对采集的负载数据进行分析判断,制定适当的资源调整策略,最终实现平台资源自动化管理。确保云平台以及云平台中的应用运行稳定可靠,平台资源高效利用。
本实施例的云资源管理应用系统对Cloud Foundry云平台软件原有实例分发策略的优化。改善运行节点的任务分发机制,优化其负载均衡性能。针对当前Cloud Foundry的新增实例分发功能的不足之处,在原有机制的基础上,改进实例分发策略,动态制定负载量化策略,修正判断误差,提高运行节点负载均衡性。
本实施例的云资源管理应用系统实现虚拟机的自动化迁移功能。根据对服务器和虚拟机的综合负载评估,综合考虑虚拟机和服务器资源消耗特性,设计迁移虚拟机选择和目标服务器选择策略,实现虚拟机迁移和服务器负载均衡的更高程度的自动化管理,保障服务器运行稳定、高效。
实施例2
作为本发明的第二种实施例,在虚拟机的资源调配中,主要功能由4个类实现,VMController.class,VMService.class,VirtualMachineDAO.class,VirtualMachinePOJO.class四个类协同合作,共同完成虚拟机的资源管理,如图4所示。
实施例3
作为本发明的第三种实施例,如图5所示为列出虚拟机资源监控流程图,系统的资源监控主要包括虚拟机与服务器的资源监控,除此之外系统也实现了对平台运行时环境、数据库资源的查看以及应用的监控。对虚拟机和服务器的监控包括:各类资源当前实时使用情况的监控、近期资源使用的监控和虚拟机所属订购服务相关信息的查询。用户在登陆并经过权限审核后,查看虚拟机列表,然后选择需监控的虚拟机。虚拟机监控分为实时资源利用信息监控和近期趋势监控两种,在选择监控方式后,选择具体监控的资源类型,随后用户便获取监控信息。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种云资源管理应用系统,其特征在于:所述管理应用系统采用开源云平台OpenStack作为平台的IaaS基础设施服务层,Cloud Foundry开源软件作为平台的PaaS平台服务层部署软件,通过开发资源管理应用系统对云平台资源进行综合管理,所述云资源管理应用系统包括虚拟机管理、服务器管理和系统管理,虚拟机管理功能包括虚拟机资源监控模块和虚拟机资源调配模块;服务器管理包括服务器资源监控模块、虚拟机资源监控模块和虚拟热迁移模块;系统管理包括系统日志管理模块与用户权限管理模块。
2.根据权利要求1所述的云资源管理应用系统,其特征在于:开源云平台包括IaaS基础设施服务层和PaaS平台服务层,开发资源管理应用系统用于对IaaS基础设施服务层中的虚拟机与服务器的资源管理。
3.根据权利要求2所述的云资源管理应用系统,其特征在于:IaaS基础设施服务层用于提供基础设施服务,部署工具为Open stack,实现服务器集群的虚拟化,将服务器集群中的CPU、内存、硬盘硬件资源虚拟后,以虚拟机VM的方式将资源提供给更高的PaaS平台服务层。
4.根据权利要求3所述的云资源管理应用系统,其特征在于:IaaS基础设施服务层中系统用于对虚拟机的负载状态监控和资源伸缩调整,以及根据物理服务器的负载状况,进行的虚拟机热迁移和维护服务器负载均衡。
5.根据权利要求1所述的云资源管理应用系统,其特征在于:服务器资源管理用于虚拟机镜像上传、虚拟机配置信息查询、订单查询、权限管理以及日志管理。
6.根据权利要求1所述的云资源管理应用系统,其特征在于:PaaS平台服务层用于提供运行时平台服务,应用程序在对应的运行时环境正常运行,PaaS平台服务层是在IaaS基础设施服务层提供的虚拟化资源之上,提供应用实例运行所需的运行时环境,即提供平台服务。
7.根据权利要求1所述的云资源管理应用系统,其特征在于:管理应用系统采用java语言编写,使用B/S结构,以网页的形式将各种操作功能提供给用户,选择Spring框架和Hibernate框架,管理系统共分为4层,分别为WEB层、控制层、业务层和持久层。
8.根据权利要求7所述的云资源管理应用系统,其特征在于:WEB层用于展现给用户的网页,页面采用JSP语言编写,向用户提供信息展示与操作按键;系统Controller部分代码文件是系统的控制层,用于页面与后台业务间的跳转调度;系统Service文件指的是系统业务层,用于负责具体的事务处理,为系统后台功能实现的核心;系统的DAO文件和POJO文件为持久层,用于对数据的操作,其中包括增删改查、聚类查询和模糊查找功能。
9.根据权利要求1所述的云资源管理应用系统,其特征在于:虚拟机资源调配模块用于实现虚拟机的基本配置操作、创建撤销虚拟机、虚拟机资源弹性伸缩和迁移,虚拟机资源调配模块调用IaaS基础设施服务层开源云平台Open Stack提供的API,按照设计策略进行逻辑处理,用于系统自动化管理或者向用户提供页面形式的手动操作管理。
10.根据权利要求4所述的云资源管理应用系统,其特征在于:虚拟机热迁移用于保持各物理服务器的负载均衡,某服务器与集群服务器负载平均值越接近,则设定表示服务器的负载状况越好,因此设定服务器的负载均衡偏离程度的量化函数:
式中Dj表示第j台计算节点服务器负载与整个服务集群负载均值的偏离程度,Dj值越大,表示偏离程度越大;Li与Lavg_i分别表示第i种资源的利用率与服务集群中i类资源的平均利用率,Wi表示第i类资源在总体评估中占有的权重,Wi是资源的权重,集群中一种资源的使用量越高,则在策略考量中所占的权重越大,设定资源权值与该类资源在集群中的负载率成正比关系,权值设定并归一化后的公式为:
通过对将添加虚拟机负载状况进行分析预测,计算出迁移创建虚拟机之后,服务器的负载程度公式为:
其中Li′为添加虚拟机后服务器的i类资源的负载率,为服务器第i种资源的使用量,Rvm_i是虚拟机i类资源的预测使用量,Rcurrent_i是i类资源服务器的最大上限,整理得到添加虚拟机后服务器的负载偏离预测值:
DΔj=Dj-Dj′,式中的DΔj服务器的负载偏离改善值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911047494.8A CN110677499A (zh) | 2019-10-30 | 2019-10-30 | 一种云资源管理应用系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911047494.8A CN110677499A (zh) | 2019-10-30 | 2019-10-30 | 一种云资源管理应用系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110677499A true CN110677499A (zh) | 2020-01-10 |
Family
ID=69084793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911047494.8A Pending CN110677499A (zh) | 2019-10-30 | 2019-10-30 | 一种云资源管理应用系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110677499A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111290839A (zh) * | 2020-05-09 | 2020-06-16 | 南京江北新区生物医药公共服务平台有限公司 | 一种基于openstack的iaas云平台系统 |
CN111796908A (zh) * | 2020-06-18 | 2020-10-20 | 聚好看科技股份有限公司 | 一种资源自动弹性伸缩的系统、方法及云平台 |
CN111930092A (zh) * | 2020-06-18 | 2020-11-13 | 许昌许继软件技术有限公司 | 一种配电监控平台自动化测试系统及方法 |
CN113572740A (zh) * | 2021-06-30 | 2021-10-29 | 长沙证通云计算有限公司 | 一种基于国密的云管理平台认证加密方法 |
CN114265671A (zh) * | 2022-03-03 | 2022-04-01 | 浙江省邮电工程建设有限公司 | 虚拟机房的混合式扩展方法 |
CN114567556A (zh) * | 2022-03-07 | 2022-05-31 | 海尔数字科技(上海)有限公司 | 一种虚拟机纳管系统 |
CN115051993A (zh) * | 2022-06-01 | 2022-09-13 | 上海弘积信息科技有限公司 | 一种基于mc集中管理系统的业务虚拟机弹性伸缩方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102833314A (zh) * | 2012-07-27 | 2012-12-19 | 合肥华云通信技术有限公司 | 云公共服务平台 |
US20130014107A1 (en) * | 2011-07-07 | 2013-01-10 | VCE Company LLC | Automatic monitoring and just-in-time resource provisioning system |
CN104142853A (zh) * | 2014-08-12 | 2014-11-12 | 华为技术有限公司 | 虚拟机存储资源部署方法和装置 |
CN109962940A (zh) * | 2017-12-14 | 2019-07-02 | 北京云基数技术有限公司 | 一种基于云平台的虚拟化实例调度系统及调度方法 |
-
2019
- 2019-10-30 CN CN201911047494.8A patent/CN110677499A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130014107A1 (en) * | 2011-07-07 | 2013-01-10 | VCE Company LLC | Automatic monitoring and just-in-time resource provisioning system |
CN102833314A (zh) * | 2012-07-27 | 2012-12-19 | 合肥华云通信技术有限公司 | 云公共服务平台 |
CN104142853A (zh) * | 2014-08-12 | 2014-11-12 | 华为技术有限公司 | 虚拟机存储资源部署方法和装置 |
WO2016023390A1 (zh) * | 2014-08-12 | 2016-02-18 | 华为技术有限公司 | 虚拟机存储资源部署方法和装置 |
CN109962940A (zh) * | 2017-12-14 | 2019-07-02 | 北京云基数技术有限公司 | 一种基于云平台的虚拟化实例调度系统及调度方法 |
Non-Patent Citations (1)
Title |
---|
张远: "基于开源平台的云资源管理系统的研究与应用", 《中国优秀硕士学位论文全文数据库, pages 6 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111290839A (zh) * | 2020-05-09 | 2020-06-16 | 南京江北新区生物医药公共服务平台有限公司 | 一种基于openstack的iaas云平台系统 |
CN111796908A (zh) * | 2020-06-18 | 2020-10-20 | 聚好看科技股份有限公司 | 一种资源自动弹性伸缩的系统、方法及云平台 |
CN111930092A (zh) * | 2020-06-18 | 2020-11-13 | 许昌许继软件技术有限公司 | 一种配电监控平台自动化测试系统及方法 |
CN113572740A (zh) * | 2021-06-30 | 2021-10-29 | 长沙证通云计算有限公司 | 一种基于国密的云管理平台认证加密方法 |
CN113572740B (zh) * | 2021-06-30 | 2023-04-18 | 长沙证通云计算有限公司 | 一种基于国密的云管理平台认证加密方法 |
CN114265671A (zh) * | 2022-03-03 | 2022-04-01 | 浙江省邮电工程建设有限公司 | 虚拟机房的混合式扩展方法 |
CN114567556A (zh) * | 2022-03-07 | 2022-05-31 | 海尔数字科技(上海)有限公司 | 一种虚拟机纳管系统 |
CN115051993A (zh) * | 2022-06-01 | 2022-09-13 | 上海弘积信息科技有限公司 | 一种基于mc集中管理系统的业务虚拟机弹性伸缩方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110677499A (zh) | 一种云资源管理应用系统 | |
Menouer | KCSS: Kubernetes container scheduling strategy | |
CN107273185B (zh) | 一种基于虚拟机的负载均衡控制方法 | |
JP7138126B2 (ja) | リソース配置を最適化するための適時性リソース移行 | |
US10788989B2 (en) | Non-uniform memory access (NUMA) resource assignment and re-evaluation | |
Mustafa et al. | Resource management in cloud computing: Taxonomy, prospects, and challenges | |
US8423646B2 (en) | Network-aware virtual machine migration in datacenters | |
US8332862B2 (en) | Scheduling ready tasks by generating network flow graph using information receive from root task having affinities between ready task and computers for execution | |
JP2012221273A (ja) | 動的にリソースを割り当てる方法、システム及びプログラム | |
CN111381928B (zh) | 一种虚拟机迁移方法、云计算管理平台和存储介质 | |
Limam et al. | Data replication strategy with satisfaction of availability, performance and tenant budget requirements | |
Chien et al. | An efficient virtual machine migration algorithm based on minimization of migration in cloud computing | |
Mollamotalebi et al. | Multi-objective dynamic management of virtual machines in cloud environments | |
AU2021103249A4 (en) | A novel multi-level optimization for task scheduling and load balancing in cloud | |
Eswaran et al. | Multiservice load balancing with hybrid particle swarm optimization in cloud-based multimedia storage system with QoS provision | |
US10594620B1 (en) | Bit vector analysis for resource placement in a distributed system | |
Zhang et al. | PRMRAP: A proactive virtual resource management framework in cloud | |
Ma et al. | SE-PSO: resource scheduling strategy for multimedia cloud platform based on security enhanced virtual migration | |
US11336519B1 (en) | Evaluating placement configurations for distributed resource placement | |
US11625273B1 (en) | Changing throughput capacity to sustain throughput for accessing individual items in a database | |
Sun et al. | An energy efficient and runtime-aware framework for distributed stream computing systems | |
Radhika et al. | Load balancing in cloud computing using support vector machine and optimized dynamic task scheduling | |
Nascimento et al. | Dynamic self-scheduling for parallel applications with task dependencies | |
US11381468B1 (en) | Identifying correlated resource behaviors for resource allocation | |
US10721181B1 (en) | Network locality-based throttling for automated resource migration |
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 |