CN110865872A - 基于资源合理化应用的虚拟化集群资源调度系统 - Google Patents

基于资源合理化应用的虚拟化集群资源调度系统 Download PDF

Info

Publication number
CN110865872A
CN110865872A CN201911114824.0A CN201911114824A CN110865872A CN 110865872 A CN110865872 A CN 110865872A CN 201911114824 A CN201911114824 A CN 201911114824A CN 110865872 A CN110865872 A CN 110865872A
Authority
CN
China
Prior art keywords
resource
load
host
virtual machine
cpu
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
Application number
CN201911114824.0A
Other languages
English (en)
Other versions
CN110865872B (zh
Inventor
石春刚
张永静
李静
张彤
郑宇宁
车列权
张笑天
龚楠
郑理
张志海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jinghang Computing Communication Research Institute
Original Assignee
Beijing Jinghang Computing Communication Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jinghang Computing Communication Research Institute filed Critical Beijing Jinghang Computing Communication Research Institute
Priority to CN201911114824.0A priority Critical patent/CN110865872B/zh
Publication of CN110865872A publication Critical patent/CN110865872A/zh
Application granted granted Critical
Publication of CN110865872B publication Critical patent/CN110865872B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • 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
    • 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
    • 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
    • G06F2009/45583—Memory management, e.g. access or allocation
    • 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)
  • Debugging And Monitoring (AREA)

Abstract

本发明属于虚拟化与云计算技术领域，具体涉及一种基于资源合理化应用的虚拟化集群资源调度系统。与现有技术相比较，本发明采用基于虚拟化集群的综合启发式高效资源调度系统，首先在资源资源调度触发阶段，在考虑CPU、内存、网络多阀值触发条件的基础上，加入动态综合负载条件，能够更加有效的均衡服务器的资源利用情况；然后在选择虚拟阶段，对由综合负载条件触发的调度问题，引入虚拟机资源匹配的计算方法，选择合理的虚拟机进行调度，调度过程能够更充分的利用物理服务器的资源，提升了物理服务器资源的利用率，同时降低由于负载峰值的震荡导致虚拟机的频繁迁移，以达到进一步提高处理器性能的目的。

Description

基于资源合理化应用的虚拟化集群资源调度系统
技术领域
本发明属于虚拟化与云计算技术领域，具体涉及一种基于资源合理化应用的虚拟化集群资源调度系统。
背景技术
虚拟化技术是一种能够打破传统物理机器的结构壁垒，将硬件资源进行抽象，实现在一台物理机上运行多个虚拟机，虚拟机间互不干扰，从而提高系统可用性、节省硬件成本的技术。虚拟化集群技术是将多台物理服务器组成一个虚拟资源池，统一对外提供资源，供多台虚拟机使用，能够有效提高物理服务器的资源利用率的技术。在虚拟化集群中，对系统提供高性能和高可用主要是通过集群资源的调度实现的。
现有集群资源调度方案主要有两种：静态调度和动态调度两种方案。
1、静态资源调度：由系统维护人员，对虚拟机资源进行人工监控，在发现集群资源消耗影响到系统性能的情况下，手动对虚拟机资源进行迁移或对主机资源进行调整，以满足整个集群性能的要求。
2、动态资源调度：集群管理系统定时监控各物理服务器CPU、内存、网络的资源占用率，当某个资源阀值超出合理的范围，选择该主机上该类资源占用率比较高的虚拟机进行迁移，实现集群范围内的各物理服务器资源的负载均衡。
静态资源调度采用人力实现，操作繁琐，需要消耗大量的人力和物力，且系统的稳定性差，资源利用率低下。且静态资源调度具有滞后性，严重降低了整个系统的性能。
因此，目前主流的动态调度方法尽管会从CPU、内存、网络多个单独阀值出发考虑资源负载，但由于没有考虑整个服务器资源的综合负载情况，从而造成服务器多个资源利用率并未超过调度阀值，但是整个服务器资源的综合负载情况过高，影响虚拟机的性能。同时，主流的调度算法由于对主机的负载峰值评估不够准确，由于主机负载的峰值震荡导致虚拟机的频繁迁移，也增加了资源浪费。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是：如何提供一种基于资源合理化应用的虚拟化集群资源调度系统。
(二)技术方案
为解决上述技术问题，本发明提供一种基于资源合理化应用的虚拟化集群资源调度系统，所述虚拟化集群资源调度系统包括：资源监控模块、主机负载计算模块、虚拟机优先级排序模块、资源调度模块；其中，
所述资源监控模块用于实时对虚拟机的资源使用进行监控，采集虚拟机的cpu、内存、网络资源负载数据，并将虚拟机的cpu、内存、网络资源负载数据传输给虚拟机优先级排序模块；
所述资源监控模块还用于实时对主机的资源使用进行监控，采集主机的cpu、内存、网络资源负载数据，并将主机的cpu、内存、网络资源负载数据传输给主机负载计算模块和虚拟机优先级排序模块；
所述主机负载计算模块用于接收资源监控模块采集的主机的cpu、内存、网络资源负载数据，利用统计分析的方法对主机的cpu、内存、网络资源负载数据进行分析，得出主机的资源震荡粒度p；
所述主机负载计算模块还用于通过分析主机的cpu、内存、网络资源负载数据得出主机的cpu、内存、网络的资源权重Wcpu、Wmem、Wnet，进而获得当前主机资源负载LRhi，然后根据当前主机资源负载LRhi获得主机的动态综合负载LA；
如果主机的动态综合负载LA超过主机的综合负载阀值，则由主机负载计算模块向资源调度模块发送调度指令进行资源调度，并向虚拟机优先级排序模块发送排序指令，进行虚拟机优先级排序；
所述虚拟机优先级排序模块用于在接收到主机负载计算模块发送的排序指令后，对虚拟机的cpu、内存、网络资源负载数据及主机的cpu、内存、网络资源负载数据进行统计分析，计算出虚拟机契合系数λ；
所述虚拟机优先级排序模块还用于按照虚拟机契合系数λ对虚拟机进行优先级排序，形成虚拟机调度优先级列表，并将虚拟机调度优先级列表传输给资源调度模块；
所述资源调度模块用于在收到调度指令后，根据虚拟机调度优先级列表，选择优先级最高的虚拟机进行调度，选择合理的服务器进行资源调度。
其中，所述主机为物理服务器。
其中，所述主机资源震荡粒度p为：主机负载是一个动态变化的过程，可能会出现瞬时负载过高，在合理时间范围内又恢复到正常负载范围的情况，主机从瞬时负载到正常负载的时间内，所述资源监控模块采集资源的次数为主机的资源震荡粒度。
其中，所述动态综合负载LA根据如下公式获得：
LRhi＝LRhi_cpu*Wcpu+LRhi_mem*Wmem+LRhi_net*Wnet；
Figure BDA0002273752950000031
其中，p为主机资源震荡粒度；
LRhi_cpu、LRhi_mem、LRhi_net分别表示资源监控模块采集的主机的cpu、内存、网络资源负载数据。
其中，Wcpu+Wmem+Wnet＝1。
其中，主机的cpu、内存、网络的资源权重根据资源的负载情况动态自适应，且当某类资源的负载超过该资源的该项阈值时，该资源的权重为1。
其中，所述虚拟机契合系数λ根据如下公式获得：
Figure BDA0002273752950000041
其中，m表示资源类型维数；
Rij表示虚拟机资源j在i时刻的资源负载；
Lpj表示服务器资源j在动态综合负载LA超过综合负载阀值时的资源负载。
其中，在采用cpu、内存、网络三种类型资源的情况下，m＝3，j＝1表示cpu，j＝2表示内存，j＝3表示网络。
其中，Rij表示虚拟机资源j在i时刻的资源负载；所述虚拟机资源的资源负载，即资源监控模块采集的虚拟机的cpu、内存、网络资源负载数据。
其中，Lpj表示服务器资源j在动态综合负载LA超过综合负载阀值时的资源负载；
即，Lpj表示在动态综合负载LA超过综合负载阀值时的LRhi_cpu、LRhi_mem、LRhi_net。
(三)有益效果
与现有技术相比较，本发明采用基于虚拟化集群的综合启发式高效资源调度系统，首先在资源资源调度触发阶段，在考虑CPU、内存、网络多阀值触发条件的基础上，加入动态综合负载条件，能够更加有效的均衡服务器的资源利用情况；然后在选择虚拟阶段，对由综合负载条件触发的调度问题，引入虚拟机资源匹配的计算方法，选择合理的虚拟机进行调度，调度过程能够更充分的利用物理服务器的资源，提升了物理服务器资源的利用率，同时降低由于负载峰值的震荡导致虚拟机的频繁迁移，以达到进一步提高处理器性能的目的。
具体而言，本发明的技术效果在于：
(1)在主机负载计算模块引入主机的资源震荡粒度，能够避免主机资源负载的震荡造成的虚拟机频繁迁移。
(2)整个集群无中心节点，能够保证系统的高可用。
(3)在主机负载计算模块引入资源权值，能够综合评估整个主机的资源负载情况。
(4)在主机负载计算模块引入主机动态综合负载值，能够动态评估整个主机的资源负载情况，提升主机资源负载评估的合理性。
(5)在虚拟机优先级排序模块引入虚拟机的契合系数λ，能够在调度过程中选择合理的虚拟机进行调度，提升主机负载均衡的效率。
附图说明
图1为本发明技术方案原理示意图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
为解决上述技术问题，本发明提供一种基于资源合理化应用的虚拟化集群资源调度系统，如图1所示，所述虚拟化集群资源调度系统包括：资源监控模块、主机负载计算模块、虚拟机优先级排序模块、资源调度模块；其中，
所述资源监控模块用于实时对虚拟机的资源使用进行监控，采集虚拟机的cpu、内存、网络资源负载数据，并将虚拟机的cpu、内存、网络资源负载数据传输给虚拟机优先级排序模块；
所述资源监控模块还用于实时对主机的资源使用进行监控，采集主机的cpu、内存、网络资源负载数据，并将主机的cpu、内存、网络资源负载数据传输给主机负载计算模块和虚拟机优先级排序模块；
所述主机负载计算模块用于接收资源监控模块采集的主机的cpu、内存、网络资源负载数据，利用统计分析的方法对主机的cpu、内存、网络资源负载数据进行分析，得出主机的资源震荡粒度p；
所述主机负载计算模块还用于通过分析主机的cpu、内存、网络资源负载数据得出主机的cpu、内存、网络的资源权重Wcpu、Wmem、Wnet，进而获得当前主机资源负载LRhi，然后根据当前主机资源负载LRhi获得主机的动态综合负载LA；
如果主机的动态综合负载LA超过主机的综合负载阀值，则由主机负载计算模块向资源调度模块发送调度指令进行资源调度，并向虚拟机优先级排序模块发送排序指令，进行虚拟机优先级排序；
所述虚拟机优先级排序模块用于在接收到主机负载计算模块发送的排序指令后，对虚拟机的cpu、内存、网络资源负载数据及主机的cpu、内存、网络资源负载数据进行统计分析，计算出虚拟机契合系数λ；
所述虚拟机优先级排序模块还用于按照虚拟机契合系数λ对虚拟机进行优先级排序，形成虚拟机调度优先级列表，并将虚拟机调度优先级列表传输给资源调度模块；
所述资源调度模块用于在收到调度指令后，根据虚拟机调度优先级列表，选择优先级最高的虚拟机进行调度，选择合理的服务器进行资源调度。
其中，所述主机为物理服务器。
其中，所述主机资源震荡粒度p为：主机负载是一个动态变化的过程，可能会出现瞬时负载过高，在合理时间范围内又恢复到正常负载范围的情况，主机从瞬时负载到正常负载的时间内，所述资源监控模块采集资源的次数为主机的资源震荡粒度。
其中，所述动态综合负载LA根据如下公式获得：
LRhi＝LRhi_cpu*Wcpu+LRhi_mem*Wmem+LRhi_net*Wnet；
Figure BDA0002273752950000061
其中，p为主机资源震荡粒度；
LRhi_cpu、LRhi_mem、LRhi_net分别表示资源监控模块采集的主机的cpu、内存、网络资源负载数据。
其中，Wcpu+Wmem+Wnet＝1。
其中，主机的cpu、内存、网络的资源权重根据资源的负载情况动态自适应，且当某类资源的负载超过该资源的该项阈值时，该资源的权重为1。
其中，所述虚拟机契合系数λ根据如下公式获得：
Figure BDA0002273752950000071
其中，m表示资源类型维数；
Rij表示虚拟机资源j在i时刻的资源负载；
Lpj表示服务器资源j在动态综合负载LA超过综合负载阀值时的资源负载。
其中，在采用cpu、内存、网络三种类型资源的情况下，m＝3，j＝1表示cpu，j＝2表示内存，j＝3表示网络。
其中，Rij表示虚拟机资源j在i时刻的资源负载；所述虚拟机资源的资源负载，即资源监控模块采集的虚拟机的cpu、内存、网络资源负载数据。
其中，Lpj表示服务器资源j在动态综合负载LA超过综合负载阀值时的资源负载；
即，Lpj表示在动态综合负载LA超过综合负载阀值时的LRhi_cpu、LRhi_mem、LRhi_net。
此外，本发明还提供一种基于资源合理化应用的虚拟化集群资源调度方法，如图1所示，所述方法基于虚拟化集群资源调度系统来实施，所述虚拟化集群资源调度系统包括：资源监控模块、主机负载计算模块、虚拟机优先级排序模块、资源调度模块；
所述方法包括如下步骤：
步骤1：资源监控模块实时对虚拟机的资源使用进行监控，采集虚拟机的cpu、内存、网络资源负载数据，并将虚拟机的cpu、内存、网络资源负载数据传输给虚拟机优先级排序模块；
步骤2：资源监控模块实时对主机的资源使用进行监控，采集主机的cpu、内存、网络资源负载数据，并将主机的cpu、内存、网络资源负载数据传输给主机负载计算模块和虚拟机优先级排序模块；
步骤3：主机负载计算模块接收资源监控模块采集的主机的cpu、内存、网络资源负载数据，利用统计分析的方法对主机的cpu、内存、网络资源负载数据进行分析，得出主机的资源震荡粒度p；
步骤4：主机负载计算模块通过分析主机的cpu、内存、网络资源负载数据得出主机的cpu、内存、网络的资源权重Wcpu、Wmem、Wnet，进而获得当前主机资源负载LRhi，然后根据当前主机资源负载LRhi获得主机的动态综合负载LA；
步骤5：如果主机的动态综合负载LA超过主机的综合负载阀值，则由主机负载计算模块向资源调度模块发送调度指令进行资源调度，并向虚拟机优先级排序模块发送排序指令，进行虚拟机优先级排序；
步骤6：虚拟机优先级排序模块接收到主机负载计算模块发送的排序指令后，对虚拟机的cpu、内存、网络资源负载数据及主机的cpu、内存、网络资源负载数据进行统计分析，计算出虚拟机契合系数λ；
步骤7：虚拟机优先级排序模块按照虚拟机契合系数λ对虚拟机进行优先级排序，形成虚拟机调度优先级列表，并将虚拟机调度优先级列表传输给资源调度模块；
步骤8：资源调度模块收到调度指令后，根据虚拟机调度优先级列表，选择优先级最高的虚拟机进行调度，选择合理的服务器进行资源调度。
其中，所述主机为物理服务器。
其中，所述主机资源震荡粒度p为：主机负载是一个动态变化的过程，可能会出现瞬时负载过高，在合理时间范围内又恢复到正常负载范围的情况，主机从瞬时负载到正常负载的时间内，所述资源监控模块采集资源的次数为主机的资源震荡粒度。
其中，所述动态综合负载LA根据如下公式获得：
LRhi＝LRhi_cpu*Wcpu+LRhi_mem*Wmem+LRhi_net*Wnet；
Figure BDA0002273752950000091
其中，p为主机资源震荡粒度；
LRhi_cpu、LRhi_mem、LRhi_net分别表示资源监控模块采集的主机的cpu、内存、网络资源负载数据。
其中，Wcpu+Wmem+Wnet＝1。
其中，主机的cpu、内存、网络的资源权重根据资源的负载情况动态自适应，且当某类资源的负载超过该资源的该项阈值时，该资源的权重为1。
其中，所述虚拟机契合系数λ根据如下公式获得：
Figure BDA0002273752950000092
其中，m表示资源类型维数；
Rij表示虚拟机资源j在i时刻的资源负载；
Lpj表示服务器资源j在动态综合负载LA超过综合负载阀值时的资源负载。
其中，在采用cpu、内存、网络三种类型资源的情况下，m＝3，j＝1表示cpu，j＝2表示内存，j＝3表示网络。
其中，Rij表示虚拟机资源j在i时刻的资源负载；所述虚拟机资源的资源负载，即资源监控模块采集的虚拟机的cpu、内存、网络资源负载数据。
其中，Lpj表示服务器资源j在动态综合负载LA超过综合负载阀值时的资源负载；
即，Lpj表示在动态综合负载LA超过综合负载阀值时的LRhi_cpu、LRhi_mem、LRhi_net。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，所述虚拟化集群资源调度系统包括：资源监控模块、主机负载计算模块、虚拟机优先级排序模块、资源调度模块；其中，
所述资源监控模块用于实时对虚拟机的资源使用进行监控，采集虚拟机的cpu、内存、网络资源负载数据，并将虚拟机的cpu、内存、网络资源负载数据传输给虚拟机优先级排序模块；
所述资源监控模块还用于实时对主机的资源使用进行监控，采集主机的cpu、内存、网络资源负载数据，并将主机的cpu、内存、网络资源负载数据传输给主机负载计算模块和虚拟机优先级排序模块；
所述主机负载计算模块用于接收资源监控模块采集的主机的cpu、内存、网络资源负载数据，利用统计分析的方法对主机的cpu、内存、网络资源负载数据进行分析，得出主机的资源震荡粒度p；
所述主机负载计算模块还用于通过分析主机的cpu、内存、网络资源负载数据得出主机的cpu、内存、网络的资源权重Wcpu、Wmem、Wnet，进而获得当前主机资源负载LRhi，然后根据当前主机资源负载LRhi获得主机的动态综合负载LA；
如果主机的动态综合负载LA超过主机的综合负载阀值，则由主机负载计算模块向资源调度模块发送调度指令进行资源调度，并向虚拟机优先级排序模块发送排序指令，进行虚拟机优先级排序；
所述虚拟机优先级排序模块用于在接收到主机负载计算模块发送的排序指令后，对虚拟机的cpu、内存、网络资源负载数据及主机的cpu、内存、网络资源负载数据进行统计分析，计算出虚拟机契合系数λ；
所述虚拟机优先级排序模块还用于按照虚拟机契合系数λ对虚拟机进行优先级排序，形成虚拟机调度优先级列表，并将虚拟机调度优先级列表传输给资源调度模块；
所述资源调度模块用于在收到调度指令后，根据虚拟机调度优先级列表，选择优先级最高的虚拟机进行调度，选择合理的服务器进行资源调度。
2.如权利要求1所述的基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，所述主机为物理服务器。
3.如权利要求1所述的基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，所述主机资源震荡粒度p为：主机负载是一个动态变化的过程，可能会出现瞬时负载过高，在合理时间范围内又恢复到正常负载范围的情况，主机从瞬时负载到正常负载的时间内，所述资源监控模块采集资源的次数为主机的资源震荡粒度。
4.如权利要求1所述的基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，所述动态综合负载LA根据如下公式获得：
LRhi＝LRhi_cpu*Wcpu+LRhi_mem*Wmem+LRhi_net*Wnet；
Figure FDA0002273752940000021
其中，p为主机资源震荡粒度；
LRhi_cpu、LRhi_mem、LRhi_net分别表示资源监控模块采集的主机的cpu、内存、网络资源负载数据。
5.如权利要求4所述的基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，Wcpu+Wmem+Wnet＝1。
6.如权利要求5所述的基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，主机的cpu、内存、网络的资源权重根据资源的负载情况动态自适应，且当某类资源的负载超过该资源的该项阈值时，该资源的权重为1。
7.如权利要求4所述的基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，所述虚拟机契合系数λ根据如下公式获得：
Figure FDA0002273752940000022
其中，m表示资源类型维数；
Rij表示虚拟机资源j在i时刻的资源负载；
Lpj表示服务器资源j在动态综合负载LA超过综合负载阀值时的资源负载。
8.如权利要求7所述的基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，在采用cpu、内存、网络三种类型资源的情况下，m＝3，j＝1表示cpu，j＝2表示内存，j＝3表示网络。
9.如权利要求8所述的基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，Rij表示虚拟机资源j在i时刻的资源负载；所述虚拟机资源的资源负载，即资源监控模块采集的虚拟机的cpu、内存、网络资源负载数据。
10.如权利要求8所述的基于资源合理化应用的虚拟化集群资源调度系统，其特征在于，Lpj表示服务器资源j在动态综合负载LA超过综合负载阀值时的资源负载；
即，Lpj表示在动态综合负载LA超过综合负载阀值时的LRhi_cpu、LRhi_mem、LRhi_net。
CN201911114824.0A 2019-11-14 2019-11-14 基于资源合理化应用的虚拟化集群资源调度系统 Active CN110865872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911114824.0A CN110865872B (zh) 2019-11-14 2019-11-14 基于资源合理化应用的虚拟化集群资源调度系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911114824.0A CN110865872B (zh) 2019-11-14 2019-11-14 基于资源合理化应用的虚拟化集群资源调度系统

Publications (2)

Publication Number Publication Date
CN110865872A true CN110865872A (zh) 2020-03-06
CN110865872B CN110865872B (zh) 2022-07-08

Family

ID=69654028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911114824.0A Active CN110865872B (zh) 2019-11-14 2019-11-14 基于资源合理化应用的虚拟化集群资源调度系统

Country Status (1)

Country Link
CN (1) CN110865872B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110865871A (zh) * 2019-11-14 2020-03-06 北京京航计算通讯研究所 基于资源合理化应用的虚拟化集群资源调度方法
CN113806017A (zh) * 2021-09-10 2021-12-17 济南浪潮数据技术有限公司 云计算中虚拟机初始部署的方法、系统、设备和存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102790793A (zh) * 2012-05-08 2012-11-21 北京邮电大学 一种面向云计算虚拟机迁移的决策方法及控制模块
US20130179881A1 (en) * 2012-01-09 2013-07-11 Microsoft Corporation Decoupling paas resources, jobs, and scheduling
US20130179574A1 (en) * 2012-01-09 2013-07-11 Microsoft Corportaion Assignment of resources in virtual machine pools
CN103218261A (zh) * 2013-03-12 2013-07-24 浙江大学 一种基于性能预测的虚拟机动态迁移方法
CN103927231A (zh) * 2014-03-31 2014-07-16 华中科技大学 一种面向数据处理的能耗优化数据集分配方法
CN104010028A (zh) * 2014-05-04 2014-08-27 华南理工大学 一种云平台下性能加权的虚拟资源动态管理策略方法
US9027024B2 (en) * 2012-05-09 2015-05-05 Rackspace Us, Inc. Market-based virtual machine allocation
CN104836819A (zh) * 2014-02-10 2015-08-12 阿里巴巴集团控股有限公司 动态负载均衡的方法、系统及监控调度设备
CN106933650A (zh) * 2017-03-03 2017-07-07 北方工业大学 云应用系统的负载管理方法及系统
CN106970831A (zh) * 2017-05-15 2017-07-21 金航数码科技有限责任公司 一种面向云平台的虚拟机资源动态调度系统及方法
CN108429815A (zh) * 2018-03-23 2018-08-21 重庆邮电大学 基于OpenStack的动态资源调度方法
CN108519919A (zh) * 2018-03-19 2018-09-11 山东超越数控电子股份有限公司 一种在虚拟化集群环境下实现服务器资源动态调度的方法
CN109005130A (zh) * 2018-07-04 2018-12-14 中国人民解放军国防科技大学 网络资源配置调度方法和装置
CN110389813A (zh) * 2019-06-17 2019-10-29 东南大学 一种面向网络靶场的虚拟机动态迁移方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130179881A1 (en) * 2012-01-09 2013-07-11 Microsoft Corporation Decoupling paas resources, jobs, and scheduling
US20130179574A1 (en) * 2012-01-09 2013-07-11 Microsoft Corportaion Assignment of resources in virtual machine pools
CN102790793A (zh) * 2012-05-08 2012-11-21 北京邮电大学 一种面向云计算虚拟机迁移的决策方法及控制模块
US9027024B2 (en) * 2012-05-09 2015-05-05 Rackspace Us, Inc. Market-based virtual machine allocation
CN103218261A (zh) * 2013-03-12 2013-07-24 浙江大学 一种基于性能预测的虚拟机动态迁移方法
CN104836819A (zh) * 2014-02-10 2015-08-12 阿里巴巴集团控股有限公司 动态负载均衡的方法、系统及监控调度设备
CN103927231A (zh) * 2014-03-31 2014-07-16 华中科技大学 一种面向数据处理的能耗优化数据集分配方法
CN104010028A (zh) * 2014-05-04 2014-08-27 华南理工大学 一种云平台下性能加权的虚拟资源动态管理策略方法
CN106933650A (zh) * 2017-03-03 2017-07-07 北方工业大学 云应用系统的负载管理方法及系统
CN106970831A (zh) * 2017-05-15 2017-07-21 金航数码科技有限责任公司 一种面向云平台的虚拟机资源动态调度系统及方法
CN108519919A (zh) * 2018-03-19 2018-09-11 山东超越数控电子股份有限公司 一种在虚拟化集群环境下实现服务器资源动态调度的方法
CN108429815A (zh) * 2018-03-23 2018-08-21 重庆邮电大学 基于OpenStack的动态资源调度方法
CN109005130A (zh) * 2018-07-04 2018-12-14 中国人民解放军国防科技大学 网络资源配置调度方法和装置
CN110389813A (zh) * 2019-06-17 2019-10-29 东南大学 一种面向网络靶场的虚拟机动态迁移方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
KE YANG等: "2011 Sixth Annual Chinagrid Conference", 《2011 SIXTH ANNUAL CHINAGRID CONFERENCE》 *
SHAOPING ZHENG等: "Virtual machine migration techniques for managing time-varied workloads", 《2014 13TH INTERNATIONAL CONFERENCE ON OPTICAL COMMUNICATIONS AND NETWORKS (ICOCN)》 *
唐瑞春等: "基于效用最大化协商机制的云媒体资源分配算法", 《吉林大学学报(工学版)》 *
张伟等: "面向Internet数据中心的资源管理", 《软件学报》 *
郝庭毅等: "面向微服务架构的容器级弹性资源供给方法", 《计算机研究与发展》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110865871A (zh) * 2019-11-14 2020-03-06 北京京航计算通讯研究所 基于资源合理化应用的虚拟化集群资源调度方法
CN113806017A (zh) * 2021-09-10 2021-12-17 济南浪潮数据技术有限公司 云计算中虚拟机初始部署的方法、系统、设备和存储介质

Also Published As

Publication number Publication date
CN110865872B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
Usmani et al. A survey of virtual machine placement techniques in a cloud data center
WO2021136137A1 (zh) 一种资源调度方法、装置及相关设备
US8510747B2 (en) Method and device for implementing load balance of data center resources
US7882216B2 (en) Process and methodology for generic analysis of metrics related to resource utilization and performance
CN104902001B (zh) 基于操作系统虚拟化的Web请求负载均衡方法
CN110413389A (zh) 一种资源不均衡Spark环境下的任务调度优化方法
CN103500123B (zh) 异构环境中并行计算调度方法
WO2013163865A1 (zh) 虚拟机热迁移和部署的方法、服务器及集群系统
CN102790793A (zh) 一种面向云计算虚拟机迁移的决策方法及控制模块
CN102279771A (zh) 一种虚拟化环境中自适应按需资源分配的方法及系统
CN104375897A (zh) 基于最小相对负载不均衡度的云计算资源调度方法
Alboaneen et al. Energy-aware virtual machine consolidation for cloud data centers
CN104133727A (zh) 基于实时资源负载分配的方法
CN110865872B (zh) 基于资源合理化应用的虚拟化集群资源调度系统
CN102622275A (zh) 一种云计算环境下负载均衡实现方法
Razali et al. Virtual machine migration implementation in load balancing for cloud computing
Guo et al. A container scheduling strategy based on neighborhood division in micro service
CN111756656B (zh) 一种基于可靠性和历史数据的电力通信网资源分配方法
CN112954012B (zh) 基于负载的改进模拟退火算法的云任务调度方法
CN110865871A (zh) 基于资源合理化应用的虚拟化集群资源调度方法
CN115167984B (zh) 基于云计算平台的考虑物理资源竞争的虚拟机负载均衡放置方法
He et al. Energy-efficient framework for virtual machine consolidation in cloud data centers
CN109976879B (zh) 一种基于资源使用曲线互补的云计算虚拟机放置方法
Garg et al. Optimal virtual machine scheduling in virtualized cloud environment using VIKOR method
CN112565388A (zh) 一种基于打分体系的分布式采集服务调度系统及方法

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