CN111190691A - 适用于虚拟机的自动迁移方法、系统、装置及存储介质 - Google Patents

适用于虚拟机的自动迁移方法、系统、装置及存储介质 Download PDF

Info

Publication number
CN111190691A
CN111190691A CN201911360007.3A CN201911360007A CN111190691A CN 111190691 A CN111190691 A CN 111190691A CN 201911360007 A CN201911360007 A CN 201911360007A CN 111190691 A CN111190691 A CN 111190691A
Authority
CN
China
Prior art keywords
host
virtual machine
pool
migration
machine
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
CN201911360007.3A
Other languages
English (en)
Inventor
杨晨
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.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
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 China Construction Bank Corp filed Critical China Construction Bank Corp
Priority to CN201911360007.3A priority Critical patent/CN111190691A/zh
Publication of CN111190691A publication Critical patent/CN111190691A/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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
    • G06F9/4856—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine 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

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

本发明公开了一种适用于虚拟机的自动迁移方法、系统、装置及存储介质，其中，所述迁移方法包括：获取虚拟机的信息参数和目的宿主机池；根据所述信息参数通过预设的落位算法在所述目的宿主机池中计算所述虚拟机的落位宿主机；将所述虚拟机迁移至所述落位宿主机。本发明利用自动化手段进行不同类型资源池的虚拟机动态调度迁移，实现了对指定租户的虚拟机的自动迁移，可以为虚拟机找到最佳的分配物理主机，提高了资源利用率、运维效率和服务质量。

Description

适用于虚拟机的自动迁移方法、系统、装置及存储介质
技术领域
本发明涉及计算机应用技术领域，更为具体而言，涉及一种适用于虚拟机的自动迁移方法、系统、装置及存储介质。
背景技术
资源调度效率高低是制约云计算发展的重要因素，如何将自己拥有的云资源高效分配给租户是云平台需要考虑的关键问题。虚拟化技术通过时分复用原理实现对虚拟资源的调度，在物理主机整体资源利用率不高的条件下定期给各个虚拟内核分配时间片，并对其运行时间进行记账，以此来控制虚拟机获得物理计算资源的比例。分配时间片和记账的时间周期很短，对租户来说是无感知的。超分售卖是指宿主机资源池内大量虚机被分配但实际长期处于很低利用率的情况下，对该资源池内的宿主机的计算资源进行时分复用，对计算资源进一步进行分配，供给更多租户使用，以此充分发挥cpu的计算能力，提高整体资源利用率。因此，对业务空闲资源进行超分售卖是目前各大云服务提供商广泛采用的成熟技术。
同时，虚拟化技术也带来了虚拟机分配这一基本问题。一直以来虚拟机的分配问题都被视为装箱问题，其目标是用最少的物理机装下所有运行的虚拟机，这是一个NP-hard问题(Non-deterministic Polynomial，非确定性多项式问题。即，可在多项式时间复杂度内用一定数量的运算解决的问题)。因此，需要结合实际情况对虚拟机进行动态调度迁移，以不断保持最佳分配状态。
目前，虚拟机的迁移主要是由人工指定迁移目标，或由系统随机匹配出一个符合条件的宿主机进行迁移，但该方式无法为虚拟机找到最佳的分配物理主机。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种适用于虚拟机的自动迁移方法、系统、服务器及存储介质，可以为虚拟机找到最佳的分配物理主机，提高了资源利用率、运维效率和服务质量。
根据本发明的实施方式，提供了一种适用于虚拟机的自动迁移方法，所述迁移方法包括：获取虚拟机的信息参数和目的宿主机池；根据所述信息参数通过预设的落位算法在所述目的宿主机池中计算所述虚拟机的落位宿主机；将所述虚拟机迁移至所述落位宿主机。
在本发明的一些实施方式中，在获取所述虚拟机的信息参数前，所述迁移方法还包括：获取租户白名单，所述租户白名单包括多个需要迁移的租户名；根据所述租户名确定所述租户名下的虚拟机。
在本发明的一些实施方式中，所述迁移方法还包括：获取所述虚拟机的源宿主机信息，根据所述源宿主机信息判断所述虚拟机是否可迁移，若不可以，则标记所述虚拟机并结束处理，若可以，则进一步获取所述虚拟机的信息参数和目的宿主机池。
在本发明的一些实施方式中，所述目的宿主机池通过以下方式确定：遍历所述超分宿主机池，筛选出其中未被分配过虚拟机的宿主机；将筛选出的所述宿主机的集合作为所述目的宿主机池。
在本发明的一些实施方式中，若所述超分宿主机池中不存在未被分配过虚拟机的宿主机，则将所述超分宿主机池作为所述目的宿主机池。
在本发明的一些实施方式中，所述将筛选出的所述宿主机的集合作为所述目的宿主机池包括：确定筛选出的所述宿主机是否满足预设的迁移条件；将满足所述迁移条件的宿主机的集合作为所述目的宿主机池。
在本发明的一些实施方式中，所述根据所述信息参数通过预设的落位算法在所述目的宿主机池中计算所述虚拟机的落位宿主机包括：根据所述信息参数对所述目的宿主机池中的宿主机进行筛选，获取可落位宿主机；对筛选出的所述可落位宿主机进行权重计算，获取权重得分；将权重得分最高的所述可落位宿主机作为所述落位宿主机。
在本发明的一些实施方式中，所述权重计算的公式如下：
F＝y1h1+y2h2+…+yihi+…+ynhn；
其中，F为权重得分，yi为权重，hi为得分项；所述得分项包括反亲和性得分、非空闲优先得分、资源碎片率得分、任务并发度得分和宿主机负载得分。
在本发明的一些实施方式中，所述信息参数包括CPU信息、内存信息和磁盘容量信息。
同时，本发明提供了一种适用于虚拟机的自动迁移系统，所述迁移系统包括：信息获取模块，用于获取虚拟机的信息参数和目的宿主机池；落位确认模块，用于根据所述信息参数通过预设的落位算法在所述目的宿主机池中计算所述虚拟机的落位宿主机；迁移执行模块，用于将所述虚拟机迁移至所述落位宿主机。
在本发明的一些实施方式中，所述迁移系统还包括：虚拟机确认模块，用于获取租户白名单，所述租户白名单包括多个需要迁移的租户名，并根据所述租户名确定所述租户名下的虚拟机。
在本发明的一些实施方式中，所述迁移系统还包括：资格判定模块，用于获取所述虚拟机的源宿主机信息，根据所述源宿主机信息判断所述虚拟机是否可迁移，若不可以，则标记所述虚拟机并结束处理，若可以，则进一步获取所述虚拟机的信息参数和目的宿主机池。
在本发明的一些实施方式中，所述目的宿主机池通过以下方式确定：遍历所述超分宿主机池，筛选出其中未被分配过虚拟机的宿主机；将筛选出的所述宿主机的集合作为所述目的宿主机池。
在本发明的一些实施方式中，若所述超分宿主机池中不存在未被分配过虚拟机的宿主机，则将所述超分宿主机池作为所述目的宿主机池。
在本发明的一些实施方式中，所述将筛选出的所述宿主机的集合作为所述目的宿主机池包括：确定筛选出的所述宿主机是否满足预设的迁移条件；将满足所述迁移条件的宿主机的集合作为所述目的宿主机池。
在本发明的一些实施方式中，所述根据所述信息参数通过预设的落位算法在所述目的宿主机池中计算所述虚拟机的落位宿主机包括：根据所述信息参数对所述目的宿主机池中的宿主机进行筛选，获取可落位宿主机；对筛选出的所述可落位宿主机进行权重计算，获取权重得分；将权重得分最高的所述可落位宿主机作为所述落位宿主机。
在本发明的一些实施方式中，所述权重计算的公式如下：
F＝y1h1+y2h2+…+yihi+…+ynhn；
其中，F为权重得分，yi为权重，hi为得分项；所述得分项包括反亲和性得分、非空闲优先得分、资源碎片率得分、任务并发度得分和宿主机负载得分。
在本发明的一些实施方式中，所述信息参数包括CPU信息、内存信息和磁盘容量信息。
此外，本发明实施方式提供了一种适用于虚拟机的自动迁移装置，包括存储器和处理器，所述存储器用于存储一条或多条计算机可读指令；所述处理器用于执行所述一条或多条计算机可读指令从而实现前述任一项实施方式所述的方法。
本发明实施方式还提供了一种计算机存储介质，存储有一条或多条计算机程序，所述一条或多条计算机程序在执行时实现前述任一项实施方式所述的方法。
本发明通过对常规资源池进行定期扫描获得指定租户的虚拟机，在获得所需虚拟机信息后进行迁移任务，在目的宿主机池中过滤出内核和内存足够分配的宿主机，制定反亲和策略尽量将同一业务的虚拟机分配到不同宿主机上，然后对宿主机资源进行最佳适应排序进行落位。实现了利用自动化手段进行不同类型资源池的虚拟机的动态调度迁移，可以为虚拟机找到最佳的分配物理主机，提高了资源利用率、运维效率和服务质量。
附图说明
为了便于理解本发明，以下通过具体实施方式并结合附图对本发明进行具体说明。
图1是根据本发明一种实施方式的适用于虚拟机的自动迁移方法的流程示意图；
图2是根据本发明另一种实施方式的适用于虚拟机的自动迁移方法的流程示意图；
图3是根据本发明另一种实施方式的适用于虚拟机的自动迁移方法的流程示意图；
图4是根据本发明一种实施方式的适用于虚拟机的自动迁移系统的框图；
图5是根据本发明另一种实施方式的适用于虚拟机的自动迁移系统的框图。
具体实施方式
以下结合附图和具体实施方式对本发明的各个方面进行详细阐述。其中，众所周知的模块、单元及其相互之间的连接、链接、通信或操作没有示出或未作详细说明。并且，所描述的特征、架构或功能可在一个或一个以上实施方式中以任何方式组合。本领域技术人员应当理解，下述的各种实施方式只用于举例说明，而非用于限制本发明的保护范围。还可以容易理解，本文所述和附图所示的各实施方式中的模块或单元或处理方式可以按各种不同配置进行组合和设计。
图1是根据本发明一种实施方式的适用于虚拟机的自动迁移方法的流程示意图，在本发明的实施方式中，参照图1，该方法包括：
103：获取虚拟机的信息参数和目的宿主机池；
104：根据信息参数通过预设的落位算法在目的宿主机池中计算虚拟机的落位宿主机；
105：将虚拟机迁移至落位宿主机。
虚拟化管理系统对于虚拟CPU即vCPU的调度，取决于系统内的虚拟机数目以及虚拟机配置vCPU的情况，当系统内云服务器所需vCPU总数小于物理CPU(包括超线程Core)核数时，vCPU与物理机的核数的分配关系是可以绑定的，也可以是动态的。当系统内云服务器所需要vCPU核数大于物理主机CPU核数时，云服务器虚拟化管理系统首先按照时间片轮流调度一遍，如果还有剩余的CPU资源，则给所需要的vCPU。
例如，系统配置了64个vCPU，只有32个物理核，那么平均每个vCPU获取一个物理核心50％的资源。但是，由于会产生一些虚拟机业务满载，而另一些空闲的情况，虚拟化管理系统会在一个调度周期内划分出若干时间片，轮流给vCPU使用，较忙的vCPU可以使用完整的时间片，而闲的vCPU只使用部分时间片，会提前释放资源。这样在一个调度周期内对每个vCPU都调度一遍后会剩余空闲的时间片资源，业务负载较忙的vCPU就可以继续占用，从而兼顾公平和效率。通过系统测试，发现当系统所有虚拟机的vCPU总数目小于等于物理核数时，云服务器的性能较为稳定，当vCPU的数目大于物理核数时，在云服务器业务负载压力大的时候，其稳定性会受到影响。因此，超分是一把双刃剑，不适用于计算密集型云服务器，但在明确业务类型后，可大量节约空闲业务云服务器的资源占用，节约成本提高资源利用率。
在本发明的实施方式中，通过自动扫描不同资源池的虚拟机资源利用率，将资源利用率低的虚拟机动态迁移到超分资源池，将资源利用率高的云服务器动态迁移到普通资源池。
在本发明的实施方式中，可以将普通资源池中资源利用率低的虚拟机的租户记录至租户白名单中，基于此，如图2所示，该自动迁移方法可以包括：
100：获取租户白名单；
101：根据租户名确定租户名下的虚拟机；
103：获取虚拟机的信息参数和目的宿主机池；
104：根据信息参数通过预设的落位算法在目的宿主机池中计算虚拟机的落位宿主机；
105：将虚拟机迁移至落位宿主机。
在本发明的实施方式中，租户白名单中包括多个需要从普通资源池迁移到超分资源池的租户，以及其租户名。获取租户名后，可以根据例如关系映射表的方式确定该租户名下对应的所有虚拟机。
在可选的实施方式中，为了方便改进进行独立设计，可以将租户白名单独立建表名为C_WHITE_LIST，主键名为GUID，不可为空且为唯一ID。另外，设立两个字段分别为APPID和CREATE_TIME，分别表示虚拟机所属租户名和此虚拟机的新建时间。然后采用对象关系映射将数据模型规范为正确标准化的结构，并添加新增和删除的方法。
同时，由于虚拟机服务的原因，导致某些服务属于不可迁移的类型，对于执行该类服务的虚拟机，同样是不可迁移的。基于此，本发明给出了另一种自动迁移方法，如图3所示：
100：获取租户白名单；
101：根据租户名确定租户名下的虚拟机；
102：获取虚拟机的源宿主机信息，根据源宿主机信息判断虚拟机是否可迁移，若可以，则执行处理103，若不可以，则执行处理106；
103：获取虚拟机的信息参数和目的宿主机池；
104：根据信息参数通过预设的落位算法在目的宿主机池中计算虚拟机的落位宿主机；
105：将虚拟机迁移至落位宿主机；
106：标记虚拟机并结束处理。
由于在分配过程中考虑到在超分资源池中尽量将虚机打散落在不同故障域以提高稳定性，所以首先考虑未被分配过的主机进行落位。因此，在本发明的实施方式中，目的宿主机池可以通过以下方式确定：
遍历超分宿主机池，筛选出其中未被分配过虚拟机的宿主机，将筛选出的宿主机的集合作为目的宿主机池。若当前超分宿主机池中不存在未被分配过虚拟机的宿主机，则将该超分宿主机池作为目的宿主机池。
同时，目的宿主机应该满足迁移需求，因此，在筛选过后还可以确定筛选出的宿主机是否满足预设的迁移条件，将满足迁移条件的宿主机的集合作为目的宿主机池。在本发明的实施方式中，迁移条件可以包括宿主机的状态是否正常。
基于此，本发明的实施方式给出了一种具体的例子，在该实施例中，获取目的宿主机池可以分为两步，第一步拉取超分宿主机池中全量宿主机列表，第二步为拉取宿主机标签。宿主机标签用于表示宿主机状态是否正常，如果一台宿主机存在任何类型的tag，都表示宿主机状态异常，会导致tag接口返回值包含异常的提示信息，只有正常的宿主机才可以进行各种操作，所有支持的参数可以参考云服务器组件vstation接口说明。通过请求APIquery_host_resource拉取全量宿主机列表，通过控制fcondition字段只获取未被分配过宿主机的全量宿主机列表。然后对比宿主机标签列表进行筛选，最后获得满足条件的目的宿主机池，返回结果的数据结构可以为[{"hostIp1":xxx,"soldPool":xxx,"cpuTotal":xxx},{"hostIp2":xxx,"soldPool":xxx,"cpuTotal":xxx}...]，数组中每一项表示一台可用宿主机的详细信息。
由于虚拟机的具体落位将关系到该虚拟机后续的运行效率和质量，因此，应该尽可能的将其落位到最佳的物理宿主机上。在本发明的实施方式中，给出了一种实现处理104的方法，具体如下：
首先，根据信息参数对目的宿主机池中的宿主机进行筛选，获取可落位宿主机。再对筛选出的可落位宿主机进行权重计算，获取权重得分，将权重得分最高的可落位宿主机作为所述落位宿主机。信息参数可以包括CPU信息、内存信息和磁盘容量信息。
在本发明的实施方式中，可以通过以下权重计算公式计算权重得分：
F＝y1h1+y2h2+…+yihi+…+ynhn；
其中，F为权重得分，yi为权重，hi为得分项；
得分项包括反亲和性得分、非空闲优先得分、资源碎片率得分、任务并发度得分和宿主机负载得分。由此，计算出最佳的落位宿主机。
在确定出落位宿主机后，即可开始虚拟机的迁移。在本发明的实施方式中，当迁移任务由于某些原因执行异常时，可根据传入的超时时间自动判断任务失败，并进行重试，由于调度接口是轮询请求，重试次数大于两次则进行标识并跳过此次迁移任务，根据错误提示可以手工定位问题，避免hang死的情况发生。
此外，在可选的实施方式中，为了方便定位问题排查错误，使得每一步操作都有据可查，可以从每次请求中获取请求类型op_type，提取请求结果op_result，记录操作用户的信息user_id和app_id，提取服务器的时间作为op_time，提取操作目标对象op_target进行记录等，并将其深拷贝一份进行存储，并设计筛选规则最终可多维度查询全量请求和返回结果。
本发明通过对常规资源池进行定期扫描获得指定租户的虚拟机，在获得所需虚拟机信息后进行迁移任务，在目的宿主机池中过滤出内核和内存足够分配的宿主机，制定反亲和策略尽量将同一业务的虚拟机分配到不同宿主机上，然后对宿主机资源进行最佳适应排序进行落位。实现了利用自动化手段进行不同类型资源池的虚拟机的动态调度迁移，可以为虚拟机找到最佳的分配物理主机，提高了资源利用率、运维效率和服务质量。
图4是根据本发明一种实施方式的适用于虚拟机的自动迁移系统1的框图，参照图4，该迁移系统1包括：信息获取模块13，用于获取虚拟机的信息参数和目的宿主机池；落位确认模块14，用于根据信息参数通过预设的落位算法在目的宿主机池中计算虚拟机的落位宿主机；迁移执行模块15，用于将虚拟机迁移至落位宿主机。
在本发明的实施方式中，如图5所示，该迁移系统1还可以包括：虚拟机确认模块11，用于获取租户白名单，所述租户白名单包括多个需要迁移的租户名，并根据所述租户名确定所述租户名下的虚拟机；资格判定模块12，用于获取虚拟机的源宿主机信息，根据源宿主机信息判断该虚拟机是否可迁移，若不可以，则标记该虚拟机并结束处理，若可以，则进一步获取该虚拟机的信息参数和目的宿主机池。
在本发明的实施方式中，目的宿主机池可以通过以下方式确定：遍历超分宿主机池，筛选出其中未被分配过虚拟机的宿主机，将筛选出的宿主机的集合作为目的宿主机池。
在可选的实施方式中，若超分宿主机池中不存在未被分配过虚拟机的宿主机，则将该超分宿主机池作为目的宿主机池。
在本发明的实施方式中，将筛选出的宿主机的集合作为目的宿主机池可以通过以下方式执行：确定筛选出的宿主机是否满足预设的迁移条件，将满足迁移条件的宿主机的集合作为目的宿主机池。
在本发明的实施方式中，根据信息参数通过预设的落位算法在目的宿主机池中计算虚拟机的落位宿主机可以通过以下方式执行：根据信息参数对所述目的宿主机池中的宿主机进行筛选，获取可落位宿主机；对筛选出的可落位宿主机进行权重计算，获取权重得分；将权重得分最高的可落位宿主机作为落位宿主机。
在本发明的实施方式中，权重计算的公式如下：
F＝y1h1+y2h2+…+yihi+…+ynhn；
其中，F为权重得分，yi为权重，hi为得分项；
得分项可以包括反亲和性得分、非空闲优先得分、资源碎片率得分、任务并发度得分和宿主机负载得分。
在本发明的实施方式中，信息参数可以包括CPU信息、内存信息和磁盘容量信息。
可选的，本发明实施方式提供了一种适用于虚拟机的自动迁移装置，该装置包括存储器，用于存储一条或多条计算机可读指令；处理器，用于执行所述一条或多条计算机可读指令从而实现本发明前述实施方式或实现方式所提供的适用于虚拟机的自动迁移方法。可选地，在本发明实施方式的一种实现方式中，所述装置还可以包括用于进行数据通信的输入输出接口。例如，所述装置可以是计算机、智能终端、服务器等。
本发明实施方式还提供了一种计算机存储介质，存储有一条或多条计算机程序，用于在执行时实现本发明前述实施方式或实现方式提供的适用于虚拟机的自动迁移方法。例如，所述存储介质可以包括硬盘、软盘、光盘、磁带、磁盘、优盘、闪存等。
本文所公开的具体实施方式仅用于举例说明本发明，对于本领域技术人员而言，显然可以根据本文的教导进行各种修改，可以采用各种等同的方式实施本发明，因此，本发明上述公开的特定的实施方式仅仅是示例性的，其保护范围不受在此公开的结构或设计的细节所限，除非在权利要求中另有说明。因此，上述公开的特定的示例性的实施方式可进行各种替换、组合或修改，其所有的变形都落入本文公开的范围内。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。

Claims (20)

1.一种适用于虚拟机的自动迁移方法，其特征在于，所述迁移方法包括：
获取虚拟机的信息参数和目的宿主机池；
根据所述信息参数通过预设的落位算法在所述目的宿主机池中计算所述虚拟机的落位宿主机；
将所述虚拟机迁移至所述落位宿主机。
2.如权利要求1所述的迁移方法，其特征在于，在获取所述虚拟机的信息参数前，所述迁移方法还包括：
获取租户白名单，所述租户白名单包括多个需要迁移的租户名；
根据所述租户名确定所述租户名下的虚拟机。
3.如权利要求2所述的迁移方法，其特征在于，所述迁移方法还包括：
获取所述虚拟机的源宿主机信息，根据所述源宿主机信息判断所述虚拟机是否可迁移，
若不可以，则标记所述虚拟机并结束处理，
若可以，则进一步获取所述虚拟机的信息参数和目的宿主机池。
4.如权利要求1所述的迁移方法，其特征在于，所述目的宿主机池通过以下方式确定：
遍历超分宿主机池，筛选出其中未被分配过虚拟机的宿主机；
将筛选出的所述宿主机的集合作为所述目的宿主机池。
5.如权利要求4所述的迁移方法，其特征在于，
若所述超分宿主机池中不存在未被分配过虚拟机的宿主机，则将所述超分宿主机池作为所述目的宿主机池。
6.如权利要求4所述的迁移方法，其特征在于，所述将筛选出的所述宿主机的集合作为所述目的宿主机池包括：
确定筛选出的所述宿主机是否满足预设的迁移条件；
将满足所述迁移条件的宿主机的集合作为所述目的宿主机池。
7.如权利要求1所述的迁移方法，其特征在于，所述根据所述信息参数通过预设的落位算法在所述目的宿主机池中计算所述虚拟机的落位宿主机包括：
根据所述信息参数对所述目的宿主机池中的宿主机进行筛选，获取可落位宿主机；
对筛选出的所述可落位宿主机进行权重计算，获取权重得分；
将权重得分最高的所述可落位宿主机作为所述落位宿主机。
8.如权利要求7所述的迁移方法，其特征在于，所述权重计算的公式如下：
F＝y1h1+y2h2+…+yihi+…+ynhn；
其中，F为权重得分，yi为权重，hi为得分项；
所述得分项包括反亲和性得分、非空闲优先得分、资源碎片率得分、任务并发度得分和宿主机负载得分。
9.如权利要求1所述的迁移方法，其特征在于，
所述信息参数包括CPU信息、内存信息和磁盘容量信息。
10.一种适用于虚拟机的自动迁移系统，其特征在于，所述迁移系统包括：
信息获取模块，用于获取虚拟机的信息参数和目的宿主机池；
落位确认模块，用于根据所述信息参数通过预设的落位算法在所述目的宿主机池中计算所述虚拟机的落位宿主机；
迁移执行模块，用于将所述虚拟机迁移至所述落位宿主机。
11.如权利要求10所述的迁移系统，其特征在于，所述迁移系统还包括：
虚拟机确认模块，用于获取租户白名单，所述租户白名单包括多个需要迁移的租户名，并根据所述租户名确定所述租户名下的虚拟机。
12.如权利要求11所述的迁移系统，其特征在于，所述迁移系统还包括：
资格判定模块，用于获取所述虚拟机的源宿主机信息，根据所述源宿主机信息判断所述虚拟机是否可迁移，若不可以，则标记所述虚拟机并结束处理，若可以，则进一步获取所述虚拟机的信息参数和目的宿主机池。
13.如权利要求10所述的迁移系统，其特征在于，所述目的宿主机池通过以下方式确定：
遍历超分宿主机池，筛选出其中未被分配过虚拟机的宿主机；
将筛选出的所述宿主机的集合作为所述目的宿主机池。
14.如权利要求13所述的迁移系统，其特征在于，
若所述超分宿主机池中不存在未被分配过虚拟机的宿主机，则将所述超分宿主机池作为所述目的宿主机池。
15.如权利要求13所述的迁移系统，其特征在于，所述将筛选出的所述宿主机的集合作为所述目的宿主机池包括：
确定筛选出的所述宿主机是否满足预设的迁移条件；
将满足所述迁移条件的宿主机的集合作为所述目的宿主机池。
16.如权利要求10所述的迁移系统，其特征在于，所述根据所述信息参数通过预设的落位算法在所述目的宿主机池中计算所述虚拟机的落位宿主机包括：
根据所述信息参数对所述目的宿主机池中的宿主机进行筛选，获取可落位宿主机；
对筛选出的所述可落位宿主机进行权重计算，获取权重得分；
将权重得分最高的所述可落位宿主机作为所述落位宿主机。
17.如权利要求16所述的迁移系统，其特征在于，所述权重计算的公式如下：
F＝y1h1+y2h2+…+yihi+…+ynhn；
其中，F为权重得分，yi为权重，hi为得分项；
所述得分项包括反亲和性得分、非空闲优先得分、资源碎片率得分、任务并发度得分和宿主机负载得分。
18.如权利要求10所述的迁移系统，其特征在于，
所述信息参数包括CPU信息、内存信息和磁盘容量信息。
19.一种适用于虚拟机的自动迁移装置，包括存储器和处理器，其特征在于，
所述存储器用于存储一条或多条计算机可读指令；
所述处理器用于执行所述一条或多条计算机可读指令以实现如权利要求1-9中任一项所述的方法。
20.一种计算机存储介质，存储有一条或多条计算机程序，其特征在于，所述一条或多条计算机程序在被处理器执行时实现如权利要求1-9中任一项所述的方法。
CN201911360007.3A 2019-12-25 2019-12-25 适用于虚拟机的自动迁移方法、系统、装置及存储介质 Pending CN111190691A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911360007.3A CN111190691A (zh) 2019-12-25 2019-12-25 适用于虚拟机的自动迁移方法、系统、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911360007.3A CN111190691A (zh) 2019-12-25 2019-12-25 适用于虚拟机的自动迁移方法、系统、装置及存储介质

Publications (1)

Publication Number Publication Date
CN111190691A true CN111190691A (zh) 2020-05-22

Family

ID=70707598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911360007.3A Pending CN111190691A (zh) 2019-12-25 2019-12-25 适用于虚拟机的自动迁移方法、系统、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111190691A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111722911A (zh) * 2020-06-23 2020-09-29 浪潮云信息技术股份公司 一种云中心宿主机发生宕机时自动疏散的方法
CN112667364A (zh) * 2021-01-05 2021-04-16 烽火通信科技股份有限公司 绑核与非绑核虚拟混合部署方法、装置、设备及存储介质
CN113282366A (zh) * 2021-04-02 2021-08-20 中国船舶重工集团公司第七研究院 一种面向嵌入式虚拟化环境下的虚拟机静态放置方法
CN115016949A (zh) * 2022-08-09 2022-09-06 中智关爱通(南京)信息科技有限公司 为客户机选择宿主机的方法、计算设备和计算机介质
CN115664971A (zh) * 2022-12-13 2023-01-31 恒丰银行股份有限公司 一种基于分层故障域的云资源运维方法、设备及介质
CN113282366B (zh) * 2021-04-02 2024-06-28 中国船舶重工集团公司第七研究院 一种面向嵌入式虚拟化环境下的虚拟机静态放置方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929715A (zh) * 2012-10-31 2013-02-13 曙光云计算技术有限公司 基于虚拟机迁移的网络资源调度方法和系统
CN106227578A (zh) * 2016-07-12 2016-12-14 腾讯科技（深圳）有限公司 一种虚拟机热迁移的方法、设备及系统
CN107391233A (zh) * 2017-08-09 2017-11-24 郑州云海信息技术有限公司 一种虚拟机迁移方法和系统
WO2018006864A1 (zh) * 2016-07-07 2018-01-11 腾讯科技（深圳）有限公司 创建虚拟机的方法、装置及系统、控制设备和存储介质
CN107733701A (zh) * 2017-09-29 2018-02-23 中国联合网络通信集团有限公司 一种虚拟机部署的方法及设备
CN109739614A (zh) * 2018-11-22 2019-05-10 杭州数梦工场科技有限公司 虚拟机新建方法、装置及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929715A (zh) * 2012-10-31 2013-02-13 曙光云计算技术有限公司 基于虚拟机迁移的网络资源调度方法和系统
WO2018006864A1 (zh) * 2016-07-07 2018-01-11 腾讯科技（深圳）有限公司 创建虚拟机的方法、装置及系统、控制设备和存储介质
CN106227578A (zh) * 2016-07-12 2016-12-14 腾讯科技（深圳）有限公司 一种虚拟机热迁移的方法、设备及系统
CN107391233A (zh) * 2017-08-09 2017-11-24 郑州云海信息技术有限公司 一种虚拟机迁移方法和系统
CN107733701A (zh) * 2017-09-29 2018-02-23 中国联合网络通信集团有限公司 一种虚拟机部署的方法及设备
CN109739614A (zh) * 2018-11-22 2019-05-10 杭州数梦工场科技有限公司 虚拟机新建方法、装置及设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111722911A (zh) * 2020-06-23 2020-09-29 浪潮云信息技术股份公司 一种云中心宿主机发生宕机时自动疏散的方法
CN112667364A (zh) * 2021-01-05 2021-04-16 烽火通信科技股份有限公司 绑核与非绑核虚拟混合部署方法、装置、设备及存储介质
CN113282366A (zh) * 2021-04-02 2021-08-20 中国船舶重工集团公司第七研究院 一种面向嵌入式虚拟化环境下的虚拟机静态放置方法
CN113282366B (zh) * 2021-04-02 2024-06-28 中国船舶重工集团公司第七研究院 一种面向嵌入式虚拟化环境下的虚拟机静态放置方法
CN115016949A (zh) * 2022-08-09 2022-09-06 中智关爱通(南京)信息科技有限公司 为客户机选择宿主机的方法、计算设备和计算机介质
CN115664971A (zh) * 2022-12-13 2023-01-31 恒丰银行股份有限公司 一种基于分层故障域的云资源运维方法、设备及介质

Similar Documents

Publication Publication Date Title
US10871998B2 (en) Usage instrumented workload scheduling
US11379272B2 (en) Autoscaling using file access or cache usage for cluster machines
CN111190691A (zh) 适用于虚拟机的自动迁移方法、系统、装置及存储介质
EP3335119B1 (en) Multi-priority service instance allocation within cloud computing platforms
US10623481B2 (en) Balancing resources in distributed computing environments
AU2014309371B2 (en) Virtual hadoop manager
US10296389B2 (en) Time-bound conditional resource deallocation
US20120167101A1 (en) System and method for proactive task scheduling
US20230376346A1 (en) Techniques for container scheduling in a virtual environment
US10331488B2 (en) Multilayered resource scheduling
US10013288B2 (en) Data staging management system
CN112416585A (zh) 面向深度学习的gpu资源管理与智能化调度方法
CN104243617A (zh) 一种异构集群中面向混合负载的任务调度方法及系统
Pongsakorn et al. Container rebalancing: Towards proactive linux containers placement optimization in a data center
Wang et al. EA2S2: an efficient application-aware storage system for big data processing in heterogeneous clusters
CN112862098A (zh) 一种集群训练任务处理的方法及系统
CN114911613A (zh) 一种云际计算环境中跨集群资源高可用调度方法及系统
Harichane et al. KubeSC‐RTP: Smart scheduler for Kubernetes platform on CPU‐GPU heterogeneous systems
CN110084507B (zh) 云计算环境下分级感知的科学工作流调度优化方法
CN115964176B (zh) 云计算集群调度方法、电子设备和存储介质
Hu et al. An optimal resource allocator of elastic training for deep learning jobs on cloud
US10824640B1 (en) Framework for scheduling concurrent replication cycles
US20230161620A1 (en) Pull mode and push mode combined resource management and job scheduling method and system, and medium
KR102014246B1 (ko) 리소스 통합관리를 위한 메소스 처리 장치 및 방법
CN115061794A (zh) 调度任务及训练神经网络模型的方法、装置、终端和介质

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