CN110928640A - 一种云平台的虚拟机带内指标获取方法及系统 - Google Patents

一种云平台的虚拟机带内指标获取方法及系统 Download PDF

Info

Publication number
CN110928640A
CN110928640A CN201911033432.1A CN201911033432A CN110928640A CN 110928640 A CN110928640 A CN 110928640A CN 201911033432 A CN201911033432 A CN 201911033432A CN 110928640 A CN110928640 A CN 110928640A
Authority
CN
China
Prior art keywords
virtual machine
cpu
time
counted
time period
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
Application number
CN201911033432.1A
Other languages
English (en)
Inventor
李盼
赵丹
刘亚敏
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.)
Fiberhome Telecommunication Technologies Co Ltd
Original Assignee
Fiberhome Telecommunication Technologies Co Ltd
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 Fiberhome Telecommunication Technologies Co Ltd filed Critical Fiberhome Telecommunication Technologies Co Ltd
Priority to CN201911033432.1A priority Critical patent/CN110928640A/zh
Publication of CN110928640A publication Critical patent/CN110928640A/zh
Pending legal-status Critical Current

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
    • G06F9/44—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
    • G06F2009/45591—Monitoring or debugging support

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

本发明公开了一种云平台的虚拟机带内指标获取方法及系统，其通过获取虚拟机cpu系统运行文件，读取虚拟机cpu系统运行文件中的cpu运行目标指标项，利用cpu运行目标指标项计算虚拟机带内指标值，将虚拟机带内指标值上报给虚拟机管理模块，精确的虚拟机带内指标值能直观，准确地呈现节点的业务压力，进而辅助管理者做出合理的扩容缩容决策，最终达到提高系统资源利用率的效果。

Description

一种云平台的虚拟机带内指标获取方法及系统
技术领域
本发明属于云平台领域，具体涉及一种云平台的虚拟机带内指标获取方法及系统。
背景技术
目前普遍的云主机的监控方式是在创建云主机的过程中增加监控脚本及其配置文件、定时任务和监控信息推送配置文件的注入过程。这四个文件中，其中监控信息推送配置文件由云主机所属用户的注册信息以及监控平台相关配置生成，并且传入创建云主机的API来实现文件的注入。
然而，这种监控方案存在很多缺点，首先云主机必须存在root账户，为了注入这些监控文件，需要对openstack中nova(openstack中计算模块)组件代码进行大的改动，也无法与社区同步；windows镜像也会注入这些无用的文件，可能导致一些意想不到的问题；另外如果有的镜像的操作系统不在第一个分区上，则注入的监控文件会失效，已经运行的云主机内部的监控相关文件更新困难，导致新监控项的添加、推送周期、推送地址等的修改也比较困难，灵活性较差，Nova中base64编码的注入脚本的代码可读性很差，代码更新及维护困难，定位问题一般都需要登录到云主机内部进行，对于采用密钥对登录的云主机来说定位问题比较困难。
在openstack为主的云平台中，虚拟机指标值如虚拟机cpu使用率数据是由ceilometer组件采集并保存，该指标数据计算过程为：(本次cpu使用时间-上次cpu使用时间)/系统时间间隔，其中cpu使用时间是调用libvirt获得，为虚拟机进程在宿主机上的使用时间。然而虚拟机平均使用率应该仅关注客户机上线程所所占用的cpu时间。这就意味着ceilometer计算cpu使用率指标数据所依赖的cpu time会大于实际cpu time，进而导致cpu使用率不够准确，因而，采用传统方式统计虚拟机指标值并不准确。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种云平台的虚拟机带内指标获取方法及系统，其通过获取虚拟机cpu系统运行文件，读取虚拟机cpu系统运行文件中的cpu运行目标指标项，利用cpu运行目标指标项计算虚拟机带内指标值，将虚拟机带内指标值上报给虚拟机管理模块，准确的虚拟机监控指标值能更更好地呈现节点的业务压力，进而辅助管理者做出扩容缩容的决策，最终提高虚拟机资源的利用率。
为实现上述目的，按照本发明的一个方面，提供了一种云平台的虚拟机带内指标获取方法，包括如下步骤：
获取虚拟机cpu系统运行文件，读取虚拟机cpu系统运行文件中的cpu运行目标指标项，利用cpu运行目标指标项计算虚拟机带内指标值，将虚拟机带内指标值上报给虚拟机管理模块，虚拟机管理模块依据虚拟机带内指标值进行扩容缩容决策。
作为本发明的进一步改进，虚拟机带内指标值包括虚拟机cpu使用率、虚拟机cpu负载和虚拟机内存使用率。
作为本发明的进一步改进，利用上述方法获取待统计时间段虚拟机cpu使用率具体为：
读取待统计时间段起点的虚拟机cpu系统运行文件中的cpu运行目标指标项以统计待统计时间段起点的cpu使用总时间，读取待统计时间段起点的虚拟机cpu系统运行文件中的cpu运行目标指标项以统计待统计时间段终点的cpu使用总时间，待统计时间段的cpu使用总时间为待统计时间段终点和待统计时间段起点的cpu使用总时间的差值；
统计待统计时间段起点的非硬盘IO等待时间，统计待统计时间段终点的非硬盘IO等待时间，待统计时间段的非硬盘IO等待时间为待统计时间段终点和待统计时间段起点的非硬盘IO等待时间的差值；
待统计时间段的cpu使用总时间与非硬盘IO等待时间的差值除以cpu使用总时间的数值即为待统计时间段的虚拟机cpu使用率。
作为本发明的进一步改进，cpu运行目标指标项包括用户态占用的cpu时间、非用户态占用的cpu时间、系统核心时间、非硬盘IO等待时间、硬盘IO等待时间、硬中断时间、软中断时间和hypervisor占用的虚拟机时间。
作为本发明的进一步改进，利用qemu-guest-agent接口进行扩展实现虚拟机带内指标值的获取，具体为：qemu-guest-agent接口通过读写串口设备与宿主机的socket通道进行交互，宿主机通过unix socket读写方式对虚拟机cpu系统运行文件进行读写，以实现虚拟机带内指标值的获取。
作为本发明的进一步改进，利用Ceilometer组件实现按照预设的时间间隔统计虚拟机带内指标值。
为实现上述目的，按照本发明的另一个方面，提供了一种云平台的虚拟机带内指标获取系统，包括至少一个处理单元、以及至少一个存储单元，其中，存储单元存储有计算机程序，当程序被处理单元执行时，使得处理单元执行上述方法的步骤。
为实现上述目的，按照本发明的另一个方面，提供了一种计算机可读介质，其存储有可由终端设备执行的计算机程序，当上述程序在终端设备上运行时，使得上述终端设备执行上述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明的一种云平台的虚拟机带内指标获取方法及系统，其通过获取虚拟机cpu系统运行文件，读取虚拟机cpu系统运行文件中的cpu运行目标指标项，利用cpu运行目标指标项计算虚拟机带内指标值，将虚拟机带内指标值上报给虚拟机管理模块，虚拟机管理模块呈现的指标值，能更准确地呈现节点的业务压力，辅助管理者做出扩容缩容的决策，提高虚拟机资源的利用率。
本发明的一种云平台的虚拟机带内指标获取方法及系统，其通过获取待统计时间段起点和待统计时间段终点的虚拟机cpu系统运行文件，读取虚拟机cpu系统运行文件中的cpu运行目标指标项，待统计时间段的cpu使用总时间与非硬盘IO等待时间的差值除以cpu使用总时间的数值即为待统计时间段的虚拟机cpu使用率，从而准确地获取到虚拟机的cpu使用率，同时，利用Ceilometer组件实现按照预设的时间间隔统计虚拟机带内指标值，从而实现虚拟机的cpu使用率实时查询，进一步辅助管理者做出扩容缩容的决策，提高虚拟机资源的利用率。
附图说明
图1是本发明实施例的一种云平台的虚拟机带内指标获取方法的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。
本发明所用的技术术语解释如下：
OpenStack，基础设施即服务软件，允许任何人自行建立和提供云端让任何人都可以自行建立和提供云端运算服务。由美国国家航空航天局和Rackspace合作研发的云计算软件，以Apache授权条款授权，并且是自由和开放源代码软件。
qemu-guest-agent，一个运行在虚拟机内部的普通应用程序(可执行文件名称默认为qemu-ga，服务名称默认为qemu-guest-agent)，其目的是实现一种宿主机和虚拟机进行交互的方式，这种方式不依赖于网络，而是依赖于virtio-serial(默认首选方式)或者isa-serial，而QEMU则提供了串口设备的模拟及数据交换的通道，最终呈现出来的是一个串口设备(虚拟机内部)和一个unix socket文件(宿主机上)。qemu-guest-agent通过读写串口设备与宿主机上的socket通道进行交互，宿主机上可以使用普通的unix socket读写方式对socket文件进行读写，最终实现与qga的交互，交互的协议与qmp相同(简单来说就是使用JSON格式进行数据交换)。
Ceilometer，为openstack中的资源提供计量服务，其目标是通过计量为上层的计费、结算或者监控应用提供统一的资源使用数据收集功能，资源使用的计量项属性包括：名称(name)、单位(unit)、类型(cumulative)、累计值(delta)，变化值、gauge：离散或者波动值)以及对应的资源属性等。
图1是本发明实施例的一种云平台的虚拟机带内指标获取方法的示意图。如图1所示，一种云平台的虚拟机带内指标获取方法，其包括如下步骤：
获取虚拟机cpu系统运行文件，读取虚拟机cpu系统运行文件中的cpu运行目标指标项，利用cpu运行目标指标项计算虚拟机带内指标值，将虚拟机带内指标值上报给虚拟机管理模块，虚拟机管理模块依据虚拟机带内指标值进行扩容缩容决策。
作为一个优选的实施例，虚拟机带内指标值包括虚拟机cpu使用率、虚拟机cpu负载和虚拟机内存使用率。
作为一个示例，以采集待统计时间段的虚拟机cpu使用率为示例，一般来说，Linux系统中，依据预设的时间间隔cpu时间的分配信息会定期保存在/proc/stat文件(虚拟机cpu系统运行文件)中，可利用这个文件进行待统计时间段的虚拟机cpu使用率的获取，具体地，
可执行cat/proc/stat命令以获取当前时刻的/proc/stat文件，从该文件中读取cpu运行目标指标项，cpu运行目标指标项包括用户态占用的cpu时间、非用户态占用的cpu时间、系统核心时间、非硬盘IO等待时间、硬盘IO等待时间、硬中断时间、软中断时间和hypervisor占用的虚拟机时间，上述所有的时间项均从系统启动开始累计到当前时刻，其中，cpu使用总时间为上述所有的时间项的总和，非硬盘IO等待时间为除硬盘IO等待时间以外其它等待时间；
获取待统计时间段起点的/proc/stat文件和待统计时间段终点的/proc/stat文件，统计待统计时间段起点的cpu使用总时间，读取虚拟机cpu系统运行文件中的cpu运行目标指标项以统计待统计时间段终点的cpu使用总时间，计算上述两个cpu使用总时间的差值得到待统计时间段的cpu使用总时间；统计待统计时间段起点的非硬盘IO等待时间，统计待统计时间段终点的非硬盘IO等待时间，计算上述两个非硬盘IO等待时间的差值得到待统计时间段的非硬盘IO等待时间；待统计时间段的cpu使用总时间与非硬盘IO等待时间的差值除以cpu使用总时间的数值即为待统计时间段的虚拟机cpu使用率。从而准确地获取到虚拟机的cpu使用率，更准确地呈现节点的业务压力，辅助管理者做出扩容缩容的决策，提高虚拟机资源的利用率。
当然，上述待统计时间段的虚拟机cpu使用率的获取仅为一个示例，其他指标如cpu负载，内存使用率等虚拟机相关指标，如果需要精确采集，都可参考cpu使用率带内指标采集方案进行实现，在此不做累述。
作为一个优选的实施例，利用qemu-guest-agent接口进行扩展实现虚拟机带内指标值的获取，具体为：qemu-guest-agent接口通过读写串口设备与宿主机的socket通道进行交互，宿主机通过unix socket读写方式对虚拟机cpu系统运行文件进行读写，以实现虚拟机带内指标值的获取。以待统计时间段的虚拟机cpu使用率的获取为示例，可对qemu-guest-agent接口进行扩展，qemu-guest-agent通过读写串口设备与宿主机上的socket通道进行交互，宿主机上可以使用普通的unix socket读写方式对socket文件进行读写，最终实现与qga的交互，以实现上述待统计时间段的虚拟机cpu使用率的获取，其交互的协议与qmp相同，即使用JSON格式进行数据交换，串口设备的速率通常都较低，所以比较适合小数据量的交换。当然，上述待统计时间段的虚拟机cpu使用率的获取仅为一个示例，其他指标如cpu负载，内存使用率等虚拟机相关指标都可采用此种方式实现，在此不做赘述。
作为一个优选的实施例，利用Ceilometer组件实现按照预设的时间间隔统计虚拟机带内指标值。作为一个示例，可以在Ceilometer组件中增加新的带内指标项cpu_util来表示虚拟机cpu使用率，Ceilometer组件每30秒查询一次指标项(30秒为默认值可以修改)，通过依次调用Libvirt-python、Libvirt、qemu-guest-agent获取待统计时间段的虚拟机cpu使用率。
具体地，libvrit提供了专门的virDomainQemuAgentCommand API接口与qemu-guest-agent通讯，可以通过接口的扩展来实现更多功能，具体为，libvirt-python是组件调用libvirt的入口，通过libvirt-python可以实现Ceilometer与libvirt的交互。在libvirt-python中增加新的接口vcpuUsagerate，该接口调用libvirt的接口，最终调用到qemu-guest-agent，将获取的待统计时间段的虚拟机cpu使用率信息返回给Ceilometer。当然，上述待统计时间段的虚拟机cpu使用率的获取仅为一个示例，其他指标如cpu负载，内存使用率等虚拟机相关指标都可采用此种方式实现，在此不做累述。
Ceilometer组件通过在计算节点部署进程与libvirt进行交互，进而与qemu-guest-agent交互获取具体的指标数据，然后发送至消息队列，交由另外的进程进行数据处理以及保存，并提供相关接口给虚拟机管理模块，以实现具体的指标数据查询和呈现。
作为一个示例，对于其他指标，当虚拟机没有安装qemu-guest-agent时做相应的容错处理，利用带外指标采集方式进行采集，也就是通过Libvirt-python、Libvirt直接获取数据，不会深入到虚拟机内部。通过该方式可以使得虚拟机兼容带内带外指标采集方式，使得方案更易使用和扩展，其开放性有显著增强。
其中，qemu-guest-agent的安装过程为：
制作镜像，安装制作好的qemu-guest-agent，关闭selinux，并初始化镜像。selinux(security enhanced linux)为安全增强型linux系统，它是一个linux内核模块，主要作用就是最大限度地减小系统中服务进程可访问的资源。在selinux中，程序对于文件的读写要求较为严格，qemu-guest-agent中的有些操作或者自己开发的接口牵扯到写文件，所以需要暂时关闭seliunx或者针对此程序放开权限。
上传镜像，给镜像设置如下属性hw_qemu_guest_agent＝yes。hw_qemu_guest_agent相当于虚拟机和qemu服务连通的开关，设置为yes后，虚拟机内部就可以和宿主机上的qemu服务进行交互。
qemu-guest-agent通过查询cpu状态信息获取相应的cpu time值并保存，当下次ceilometer查询时根据上次记录的值计算出待统计时间段内虚拟机cpu使用率。
一种云平台的虚拟机带内指标获取系统，包括至少一个处理单元、以及至少一个存储单元，其中，存储单元存储有计算机程序，当程序被处理单元执行时，使得处理单元执行上述方法的步骤。
一种计算机可读介质，其存储有可由终端设备执行的计算机程序，当上述程序在终端设备上运行时，使得上述终端设备执行上述方法的步骤。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种云平台的虚拟机带内指标获取方法，其特征在于，包括如下步骤：
获取虚拟机cpu系统运行文件，读取虚拟机cpu系统运行文件中的cpu运行目标指标项，利用cpu运行目标指标项计算虚拟机带内指标值，将虚拟机带内指标值上报给虚拟机管理模块，虚拟机管理模块依据虚拟机带内指标值进行扩容缩容决策。
2.根据权利要求1所述的一种云平台的虚拟机带内指标获取方法，其特征在于，所述虚拟机带内指标值包括虚拟机cpu使用率、虚拟机cpu负载和虚拟机内存使用率等。
3.根据权利要求1所述的一种云平台的虚拟机带内指标获取方法，其特征在于，利用所述方法获取待统计时间段虚拟机cpu使用率具体为：
读取待统计时间段起点的虚拟机cpu系统运行文件中的cpu运行目标指标项以统计待统计时间段起点的cpu使用总时间，读取待统计时间段起点的虚拟机cpu系统运行文件中的cpu运行目标指标项以统计待统计时间段终点的cpu使用总时间，待统计时间段的cpu使用总时间为待统计时间段终点和待统计时间段起点的cpu使用总时间的差值；
统计待统计时间段起点的非硬盘IO等待时间，统计待统计时间段终点的非硬盘IO等待时间，待统计时间段的非硬盘IO等待时间为待统计时间段终点和待统计时间段起点的非硬盘IO等待时间的差值；
待统计时间段的cpu使用总时间与非硬盘IO等待时间的差值除以cpu使用总时间的数值即为待统计时间段的虚拟机cpu使用率。
4.根据权利要求3所述的一种云平台的虚拟机带内指标获取方法，其特征在于，cpu运行目标指标项包括用户态占用的cpu时间、非用户态占用的cpu时间、系统核心时间、非硬盘IO等待时间、硬盘IO等待时间、硬中断时间、软中断时间和hypervisor占用的虚拟机时间。
5.根据权利要求1-4中任一项所述的一种云平台的虚拟机带内指标获取方法，其特征在于，利用qemu-guest-agent接口进行扩展实现虚拟机带内指标值的获取，具体为：qemu-guest-agent接口通过读写串口设备与宿主机的socket通道进行交互，宿主机通过unixsocket读写方式对虚拟机cpu系统运行文件进行读写，以实现虚拟机带内指标值的获取。
6.根据权利要求1-4中任一项所述的一种云平台的虚拟机带内指标获取方法，其特征在于，利用Ceilometer组件实现按照预设的时间间隔统计虚拟机带内指标值。
7.一种云平台的虚拟机带内指标获取系统，其特征在于，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述程序被所述处理单元执行时，使得所述处理单元执行权利要求1～6任一权利要求所述方法的步骤。
8.一种计算机可读介质，其特征在于，其存储有可由终端设备执行的计算机程序，当所述程序在终端设备上运行时，使得所述终端设备执行权利要求1～6任一权利要求所述方法的步骤。
CN201911033432.1A 2019-10-28 2019-10-28 一种云平台的虚拟机带内指标获取方法及系统 Pending CN110928640A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911033432.1A CN110928640A (zh) 2019-10-28 2019-10-28 一种云平台的虚拟机带内指标获取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911033432.1A CN110928640A (zh) 2019-10-28 2019-10-28 一种云平台的虚拟机带内指标获取方法及系统

Publications (1)

Publication Number Publication Date
CN110928640A true CN110928640A (zh) 2020-03-27

Family

ID=69849624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911033432.1A Pending CN110928640A (zh) 2019-10-28 2019-10-28 一种云平台的虚拟机带内指标获取方法及系统

Country Status (1)

Country Link
CN (1) CN110928640A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112000436A (zh) * 2020-08-21 2020-11-27 北京浪潮数据技术有限公司 一种虚拟机磁盘信息获取方法、装置及相关设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120254443A1 (en) * 2011-03-30 2012-10-04 International Business Machines Corporation Information processing system, information processing apparatus, method of scaling, program, and recording medium
US20140115586A1 (en) * 2011-06-30 2014-04-24 Huawei Technologies Co., Ltd. Method for dispatching central processing unit of hotspot domain virtual machine and virtual machine system
CN104239193A (zh) * 2014-09-04 2014-12-24 浪潮电子信息产业股份有限公司 一种基于Linux的CPU和内存使用率收集的方法
CN106055388A (zh) * 2016-06-25 2016-10-26 国云科技股份有限公司 一种云平台应用自动部署框架
CN110008000A (zh) * 2019-03-05 2019-07-12 阿里巴巴集团控股有限公司 应用集群缩容方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120254443A1 (en) * 2011-03-30 2012-10-04 International Business Machines Corporation Information processing system, information processing apparatus, method of scaling, program, and recording medium
US20140115586A1 (en) * 2011-06-30 2014-04-24 Huawei Technologies Co., Ltd. Method for dispatching central processing unit of hotspot domain virtual machine and virtual machine system
CN104239193A (zh) * 2014-09-04 2014-12-24 浪潮电子信息产业股份有限公司 一种基于Linux的CPU和内存使用率收集的方法
CN106055388A (zh) * 2016-06-25 2016-10-26 国云科技股份有限公司 一种云平台应用自动部署框架
CN110008000A (zh) * 2019-03-05 2019-07-12 阿里巴巴集团控股有限公司 应用集群缩容方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112000436A (zh) * 2020-08-21 2020-11-27 北京浪潮数据技术有限公司 一种虚拟机磁盘信息获取方法、装置及相关设备

Similar Documents

Publication Publication Date Title
US10423356B2 (en) Monitoring storage systems
CN103458020B (zh) 一种基于xcp的云平台的监控方法及系统
US9298492B2 (en) System and method for modifying allocated resources
CN112181764B (zh) Kubernetes资源数据的监视方法及装置
CN102073535B (zh) 基于硬件计数器虚拟化的多虚拟机性能分析方法
US20210004000A1 (en) Automated maintenance window predictions for datacenters
US11734098B2 (en) Computer-readable recording medium storing failure cause identification program and method of identifying failure cause
US8656224B2 (en) Network fault management in busy periods
EP3204848B1 (en) Real-time reporting based on instrumentation of software
CN112085535A (zh) 资源计量计费方法、装置、集群及存储介质
CN112667405B (zh) 信息处理方法、装置、设备及存储介质
Di Sanzo et al. A flexible framework for accurate simulation of cloud in-memory data stores
CN111966748A (zh) 分布式空基仿真运行控制管理方法
CN112579692A (zh) 一种数据同步方法、装置、系统、设备及存储介质
CN110928640A (zh) 一种云平台的虚拟机带内指标获取方法及系统
CN111078418B (zh) 操作同步方法、装置、电子设备及计算机可读存储介质
Perennou et al. Workload characterization for a non-hyperscale public cloud platform
CN115550382A (zh) 配置项同步方法、装置、系统以及设备
CN113708994A (zh) 一种基于Go语言的云物理主机和云服务器监控方法及系统
CN112540886B (zh) Cpu负荷值检测方法和装置
Liu et al. Funcstore: Resource efficient ephemeral storage for serverless data sharing
Carata Provenance-based computing
CN112131267A (zh) 计数处理方法、装置、服务器和计数处理系统
Zhang et al. Cloud terminal for bulk power grid dispatching system
CN110674006A (zh) Kvm虚拟机资源利用率准确获取方法、系统、终端及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200327

RJ01 Rejection of invention patent application after publication