CN111443988A - 虚拟机放置方法、装置、电子设备及存储介质 - Google Patents
虚拟机放置方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111443988A CN111443988A CN202010210152.XA CN202010210152A CN111443988A CN 111443988 A CN111443988 A CN 111443988A CN 202010210152 A CN202010210152 A CN 202010210152A CN 111443988 A CN111443988 A CN 111443988A
- Authority
- CN
- China
- Prior art keywords
- virtual machine
- molecule
- model
- molecular
- fitness
- 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.)
- Withdrawn
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
- G06F2009/4557—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
- G06F2009/45595—Network integration; Enabling network access in virtual machine instances
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于云计算技术领域,公开了一种虚拟机放置方法、装置、电子设备及存储介质。所述方法包括:获取待放置的虚拟机集合及物理主机集合,并生成包含多个虚拟机分子的虚拟机分子模型;对虚拟机分子模型中的所有虚拟机分子进行适应度计算;根据计算结果对虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型;对更新后的所有虚拟机分子进行适应度计算,根据适应度计算结果确定适应度值最大的目标虚拟机分子,并将目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解;根据虚拟机放置最优解将虚拟机集合中的虚拟机放置到物理主机集合对应的物理主机中。实现了利用化学反应机制、满足可靠性的虚拟机放置方法。
Description
技术领域
本发明涉及云计算技术领域,尤其涉及一种虚拟机放置方法、装置、电子设备及存储介质。
背景技术
云计算数据中心内的高能耗问题越来越突出,其主机能耗和冷却系统能耗已经组成数据中心运营成本的主要部分。物理主机的低效利用是数据中心能耗成本的主要来源。通过虚拟化技术,可以在一台物理主机上虚拟机若干台虚拟机,以虚拟机为单位执行用户应用。如何在主机上放置虚拟机成为最终影响主机能耗的关键因素。虚拟机部署问题即是将虚拟机集合部署至物理主机的过程。由于虚拟机在资源请求上的异构性和主机资源提供能力上的不同,不同的虚拟机放置策略将导致不同的主机能耗。而研究表明,闲置部分的物理主机仍然会消耗满载主机能耗的一半以上。为了降低总体的主机能耗,应该尽可能利用数量更少的主机进行虚拟机放置,从而关闭完全未利用的主机,节省闲置部分的能耗。
发明内容
本发明的主要目的在于提供一种虚拟机放置方法、装置、电子设备及存储介质,旨在解决满足执行效率、跨度及可靠性的虚拟机放置的技术问题。
为实现上述目的,本发明提供了一种虚拟机放置方法,所述方法包括:
获取待放置的虚拟机集合及物理主机集合,并根据所述虚拟机集合及所述物理主机集合生成包含多个虚拟机分子的虚拟机分子模型;
对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算;
根据计算结果对所述虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型;
对分子结构更新后的虚拟机分子模型中的所有虚拟机分子进行适应度计算,获得适应度计算结果;
根据所述适应度计算结果确定适应度值最大的目标虚拟机分子,并将所述目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解;
根据所述虚拟机放置最优解将所述虚拟机集合中的虚拟机放置到所述物理主机集合对应的物理主机中。
优选地,所述获取待放置的虚拟机集合及物理主机集合,并根据所述虚拟机集合及所述物理主机集合生成包含多个虚拟机分子的虚拟机分子模型的步骤,具体包括:
获取所述物理主机集合中的物理主机数及所述虚拟机集合的虚拟机数,所述虚拟机集合的各虚拟机分子包含第一原子集合第二原子集;
将所述第一原子集作为虚拟机原子集,将所述第二原子集作为物理主机原子集;
将所述虚拟机数作为各原子集中包含的原子数,根据所述物理主机数设置物理主机原子集中的原子取值范围,根据预设模型规模设置虚拟机分子个数;
根据所述虚拟机分子个数、所述原子取值范围及所述原子数建立虚拟机分子模型。
优选地,所述根据计算结果对所述虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型的步骤,具体包括:
根据计算结果对所述虚拟机分子模型进行单分子反应,获取反应后的中间分子模型;
对所述中间分子模型进行分子间反应,以获取分子结构更新后的虚拟机分子模型。
优选地,所述根据计算结果对所述虚拟机分子模型进行单分子反应,获取反应后的中间分子模型的步骤,具体包括:
在所述虚拟机分子模型中随机选取一个虚拟机分子进行分子碰撞,以生成第一新虚拟机分子;
获取所述第一新虚拟机分子的适应度值,在所述第一新虚拟机分子的适应度值大于分子碰撞前的原虚拟机分子的适应度值时,将所述原虚拟机分子替换为所述第一新虚拟机分子;
在所述虚拟机分子模型中随机选取一个虚拟机分子进行单分子分解,以生成第二新虚拟机分子及第三新虚拟机分子,并获取所述第二新虚拟机分子及所述第三新虚拟机分子的适应度值;
对所述第二新虚拟机分子、所述第三新虚拟机分子及单分子分解前的原虚拟机分子对应的适应度值进行排序,根据排序结果选取满足预设保留条件的待保留分子,并将所述待保留分子保留在所述虚拟机分子模型中,以获取反应后的中间分子模型。
优选地,所述对所述中间分子模型进行分子间反应,以获取分子结构更新后的虚拟机分子模型的步骤,具体包括:
在所述中间分子模型中随机选取两个虚拟机分子进行分子间碰撞,以生成第四新虚拟机分子及第五新虚拟机分子,并获取所述第四新虚拟机分子及所述第五新虚拟机分子的适应度值;
对所述第四新虚拟机分子、所述第五新虚拟机分子及分子间碰撞前的两个原虚拟机分子对应的适应度值进行排序,根据排序结果选取满足所述预设保留条件的中间分子,并将所述中间分子保留在所述中间分子模型中;
对分子间碰撞反应后的所述中间分子模型进行分子间合成,以获取分子结构更新后的虚拟机分子模型。
优选地,所述对分子间碰撞反应后的所述中间分子模型进行分子间合成,以获取分子结构更新后的虚拟机分子模型的步骤,具体包括:
在分子间碰撞反应后的所述中间分子模型中随机选取两个虚拟机分子进行分子间合成,以生成第六新虚拟机分子;
获取所述第六新虚拟机分子的适应度值,将所述第六新虚拟机分子及分子间合成前的两个原虚拟机分子中适应度值最大的虚拟机分子保留在所述中间分子模型中,以获取分子结构更新后的虚拟机分子模型。
优选地,所述根据所述适应度计算结果确定适应度值最大的目标虚拟机分子,并将所述目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解的步骤之后,所述方法还包括:
获取当前虚拟机分子模型的当前迭代次数,判断所述当前迭代次数是否小于预设迭代次数;
在所述当前迭代次数小于所述预设迭代次数时,返回所述对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算的步骤;
在所述当前迭代次数等于所述预设迭代次数时,输出所述虚拟机放置最优解。
此外,为实现上述目的,本发明还提出一种虚拟机放置装置,所述装置包括:建模模块、计算模块、解获取模块及放置模块,其中;
所述建模模块,用于获取待放置的虚拟机集合及物理主机集合,并根据所述虚拟机集合及所述物理主机集合生成包含多个虚拟机分子的虚拟机分子模型;
所述计算模块,用于对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算;还用于根据计算结果对所述虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型;还用于对分子结构更新后的虚拟机分子模型中的所有虚拟机分子进行适应度计算,获得适应度计算结果;
所述解获取模块,用于根据所述适应度计算结果确定适应度值最大的目标虚拟机分子,并将所述目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解;
所述放置模块,用于根据所述虚拟机放置最优解将所述虚拟机集合中的虚拟机放置到所述物理主机集合对应的物理主机中。
此外,为实现上述目的,本发明还提出一种电子设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的虚拟机放置程序,所述虚拟机放置程序配置为实现如上所述的虚拟机放置方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有虚拟机放置程序,所述虚拟机放置程序被处理器执行时实现如上所述的虚拟机放置方法的步骤。
本发明通过获取待放置的虚拟机集合及物理主机集合,并根据所述虚拟机集合及所述物理主机集合生成包含多个虚拟机分子的虚拟机分子模型;对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算;根据计算结果对所述虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型;对分子结构更新后的虚拟机分子模型中的所有虚拟机分子进行适应度计算,获得适应度计算结果;根据所述适应度计算结果确定适应度值最大的目标虚拟机分子,并将所述目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解;根据所述虚拟机放置最优解将所述虚拟机集合中的虚拟机放置到所述物理主机集合对应的物理主机中。通过化学反应机制生成新的分子,即新的放置方案,根据多种目标优化虚拟机分子模型以获取更优的放置方案,实现了利用化学反应机制、满足可靠性的虚拟机放置方法。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的电子设备的结构示意图;
图2为本发明虚拟机放置方法第一实施例的流程示意图;
图3为本发明虚拟机放置方法一实施例的分子结构图;
图4为本发明虚拟机放置方法一实施例的单分子碰撞示意图;
图5为本发明虚拟机放置方法一实施例的单分子分解示意图;
图6为本发明虚拟机放置方法一实施例的分子间碰撞示意图;
图7为本发明虚拟机放置方法一实施例的分子间合成示意图;
图8为本发明虚拟机放置方法第二实施例的流程示意图
图9为本发明虚拟机放置装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的电子设备结构示意图。
如图1所示,该电子设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及虚拟机放置程序。
在图1所示的电子设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明电子设备中的处理器1001、存储器1005可以设置在电子设备中,所述电子设备通过处理器1001调用存储器1005中存储的虚拟机放置程序,并执行本发明实施例提供的虚拟机放置方法。
本发明实施例提供了一种虚拟机放置方法,参照图2,图2为本发明一种虚拟机放置方法第一实施例的流程示意图。
需要说明的是,云计算环境中,物理主机的能耗主要来源于CPU、内存RAM以及存储系统等。通常,CPU的能耗占据物理主机能耗的绝大部分。单CPU的节能技术以动态电压/频率缩放(DVFS,Dynamic voltage and frequency scaling)最为常用。该技术主要考虑了CPU的两种状态:空闲状态和负荷状态。在空闲状态下(即无任何执行负载),CPU的内部组件可以转换为关闭模式,从而降低CPU的时钟频率,CPU可以最小的运行频率进行运转,以此节省能耗。负荷状态下,CPU的能耗取决于CPU上执行的负载量以及CPU的利用率。研究表明,物理主机的功耗与其CPU的利用率是成线性关系的。
定义主机功耗公式为:
其中,Pj,max表示物理主机hj的最大功耗,即物理主机满载时的功耗,Pj,idle表示物理主机hj的最小功耗,即物理主机空闲状况下的功耗,该功耗通常为满载功耗的70%,uj,CPU表示物理主机hj的CPU利用率。
易于理解的是,假设云计算环境中现有待放置的虚拟机n台,表示为集合V={v1,v2,...,vn},可用物理主机有m台,表示为集合H={h1,h2,...,hm}。虚拟机放置问题即是将虚拟机集合映射至物理主机的过程。考虑放置过程中三种资源类型的请求,包括:CPU、内存RAM以及磁盘存储DISK。令ri,CPU、ri,RAM和ri,DISK分别表示虚拟机vi在CPU资源、内存RAM资源和存储DISK资源上的请求量,i=1,2,...,n,cj,CPU、cj,RAM和cj,DISK分别表示物理主机hj在CPU资源、内存RAM资源和存储DISK资源上的提供能力,j=1,2,...,m。令xi,j表示放置因子,表明虚拟机vi是否放置在物理主机hj上,为二进制变量,放置因子的表达式为:
令zj表示物理主机的利用因子,表示虚拟机放置过程中物理主机hj是否被利用,为二进制变量,利用因子的表达式为:
为了节省物理主机能耗,完全空闲状态的物理主机需要转换为休眠模式,以此节省空闲物理主机的能耗。因此,能耗最小化公式为:
相应的约束条件依次为:虚拟机对应约束条件,确保一台虚拟机仅能放置至一台物理主机上,对应公式如下:
放置因子约束条件,表明放置因子是仅能取值0或1的二进制数,对应公式如下:
利用因子约束条件,表明物理主机利用因子是仅能取值0或1的二进制数,对应公式如下:
内存量约束条件,表明虚拟机请求的内存量不能超过主机的内存能力,对应公式如下:
内存请求约束条件,确保虚拟机请求的内存资源不能超过物理主机的内存能力,对应公式如下:
存储请求约束条件,确保虚拟机请求的存储资源不能超过物理主机的存储能力,对应公式如下:
本实施例中,所述虚拟机放置方法包括以下步骤:
步骤S10,获取待放置的虚拟机集合及物理主机集合,并根据所述虚拟机集合及所述物理主机集合生成包含多个虚拟机分子的虚拟机分子模型。
步骤S10具体包括:获取所述物理主机集合中的物理主机数及所述虚拟机集合的虚拟机数;将所述虚拟机集合中的虚拟机被放置至所述物理主机集合的物理主机中时的放置解作为分子结构的解码;各虚拟机分子中包含第一原子集合第二原子集,将所述第一原子集作为虚拟机原子集,将所述第二原子集作为物理主机原子集;将所述虚拟机数作为各原子集中包含的原子数,根据所述物理主机数设置物理主机原子集中的原子取值范围,根据预设模型规模设置虚拟机分子个数;根据所述虚拟机分子个数、所述原子取值范围及所述原子数建立虚拟机分子模型。
需要说明的是,本实施例中为模拟化学反应的虚拟机分子模型,并非实际的分子。
化学反应机制模拟实现了封闭容器中分子发生一系列化学反应的过程,每一次化学反应均会生成新的分子结构,每一个分子拥有唯一的结构,对应于一种虚拟机放置解。一个分子由两个原子集构成,一个原子集表示分子的元素位置,代表虚拟机序列,另一个原子集表示元素取值,代表放置相应位置上虚拟机的物理主机序号。
参考图3,图3为本发明虚拟机放置方法一实施例的分子结构图;表示一个化学分子结构,该分子结构表明现有8个虚拟机,放置到5个物理主机上执行,即虚拟机总数n=8,物理主机总数m=5。图3所示的分子结构对应的虚拟机放置解为:一共8个虚拟机放置到5个物理主机上,其中,虚拟机T1、T5在物理主机R4上执行,虚拟机T2、T4在物理主机R1上执行,虚拟机T3、T7在物理主机R2上执行,虚拟机T6在物理主机R3上执行,虚拟机T8在物理主机R5上执行。
步骤S20,对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算。
需要说明的是,根据虚拟机放置目标,目标函数值越小,个体适应度越大。故可以设置评估分子结构所代表的虚拟机放置解的适应度函数为:
其中,α表示跨度因子,β表示完工因子,γ表示浪费时间因子,分别用于描述用户在三个指标优化间的权重,各因子取值范围同上,此处不再一一赘述。
步骤S30,根据计算结果对所述虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型。
步骤S30具体包括根据计算结果对所述虚拟机分子模型进行单分子反应,获取反应后的中间分子模型;对所述中间分子模型进行分子间反应,以获取分子结构更新后的虚拟机分子模型。即,化学反应分为两个部分,其一是单分子的反应,其二为分子间反应。
易于理解的是,化学反应机制中,分子一共可能经历四种化学反应:单分子碰撞、单分子分解、分子间碰撞和分子间合成。单分子碰撞和分子间碰撞对于原分子结构改变较小,用于实现在邻域空间内搜索更优解,实现了局部开发。而单分子分解和分子间碰撞可以较大改变原分子结构,用于实现搜索更大的解空间,避免过早收敛和局部最优,实现全局勘探。
需要说明的是,单分子反应过程具体为:单分子碰撞过程,在所述虚拟机分子模型中随机选取一个虚拟机分子进行分子碰撞,以生成第一新虚拟机分子;获取所述第一新虚拟机分子的适应度值,在所述第一新虚拟机分子的适应度值大于分子碰撞前的原虚拟机分子的适应度值时,用所述第一新虚拟机分子替换所述原虚拟机分子。
单分子碰撞是单个分子与容器内壁发生碰撞,可以生成一个新的分子,具体方法是:在分子中从代表元素位置的原子中随机选择一个位置,将该元素位置对应的元素取值在[1,m]范围内作随机改变,从而生成一个新的分子结构。以图3中的分子结构为例作单分子碰撞,碰撞结果参考图4,图4为本发明虚拟机放置方法一实施例的单分子碰撞示意图。;
本实施例中,随机选取的元素位置s=4,将其元素取值从1改变为3,表示原分子结构中,虚拟机T4在物理主机R1上执行,新分子中将虚拟机T4放置至物理主机R3上执行,其他分子结构保持不变,表明其他虚拟机的执行物理主机保持不变。
需要说明的是,单分子分解过程,在所述虚拟机分子模型中随机选取一个虚拟机分子进行单分子分解,以生成第二新虚拟机分子及第三新虚拟机分子,并获取所述第二新虚拟机分子及所述第三新虚拟机分子的适应度值;对所述第二新虚拟机分子、所述第三新虚拟机分子及单分子分解前的原虚拟机分子对应的适应度值进行排序,根据排序结果选取满足预设保留条件的待保留分子,并将所述待保留分子保留在所述虚拟机分子模型中,以获取反应后的中间分子模型。
需要说明的是,所述预设保留条件为,在排序结果中获取适应度值最大,与适应度值第二大的适应度值对应的分子,并将所述分子作为待保留分子。
易于理解的是,单分子分解同样是分子自身的变异过程,可以生成两个新的分子结构,具体过程是:将原分子中元素位置分为奇数位置和偶数位置,奇数位置及其元素取值保留至新分子C1中的奇数位置上,新分子C1的其他位置中的元素取值在[1,m]间随机生成;偶数位置及其元素取值保留至新分子C2中的偶数位置上,新分子C2的其他位置中的元素取值在[1,m]间随机生成。以图3中的分子结构为原分子作单分子分解,结果如图5所示,参考图5,图5为本发明虚拟机放置方法一实施例的单分子分解示意图;将原分子中1、3、5、7对应元素取值保留至新分子C1中,C1的2、4、6、8对应元素取值随机生成;将原分子中2、4、6、8对应元素取值保留至新分子C2中,C2的1、3、5、7对应元素取值随机生成。
需要说明的是,分子间反应的过程为分子间碰撞:在所述中间分子模型中随机选取两个虚拟机分子进行分子间碰撞,以生成第四新虚拟机分子及第五新虚拟机分子,并获取所述第四新虚拟机分子及所述第五新虚拟机分子的适应度值;对所述第四新虚拟机分子、所述第五新虚拟机分子及分子间碰撞前的两个原虚拟机分子对应的适应度值进行排序,根据排序结果选取满足所述预设保留条件的中间分子,并将所述中间分子保留在所述中间分子模型中。
需要说明的是,所述预设保留条件为,在排序结果中获取适应度值最大,与适应度值第二大的适应度值对应的虚拟机分子,并将所述虚拟机分子作为中间分子。
需要说明的是,分子间碰撞是发生在两个分子结构间的化学反应行为,可以生成两个新的分子结构,具体过程是:在分子结构中的元素位置上随机选择两个位置s和k,s和k将两个原分子结构P1和P2划分为三个部分,将s和k之间的元素位置的元素取值互换,其他保持不变,得到两个新的分子结构C1和C2。参考图6,图6为本发明虚拟机放置方法一实施例的分子间碰撞示意图,随机选择的两个元素位置s=3和k=6,互换原分子P1和P2之间第3至第6区间内的元素取值,得到两个新的分子结构C1和C2。
分子间合成的过程为:在分子间碰撞反应后的所述中间分子模型中随机选取两个虚拟机分子进行分子间合成,以生成第六新虚拟机分子;获取所述第六新虚拟机分子的适应度值,将所述第六新虚拟机分子及分子间合成前的两个原虚拟机分子中适应度值最大的虚拟机分子保留在所述中间分子模型中,以获取分子结构更新后的虚拟机分子模型。
分子间合成发生在两个分子结构间的化学反应行为,可以合成一个新的分子结构,具体过程是:在分子结构中的元素位置上随机选择一个位置s,s将两个原分子结构P1和P2划分为左右两个部分,分别保留P1的左半部分分子结构和P2的右半部分分子结构合成一个新分子,同时丢弃P1的右半部分分子结构和P2的左半部分分子结构。参考图7,图7为本发明虚拟机放置方法一实施例的分子间合成示意图,随机选择的位置s=4,则保留原分子P1中元素位置1~4的元素取值和P2中元素位置5~8的元素取值形成新的分子结构。
步骤S40,对分子结构更新后的虚拟机分子模型中的所有虚拟机分子进行适应度计算,获得适应度计算结果。
易于理解的是,经过分子结构更新,虚拟机分子模型中的虚拟机分子的适应度也存在变化,在优化虚拟机分子模型后重新进行适应度计算,计算方式参照本实施例上述内容,此处不再一一赘述。
步骤S50,根据所述适应度计算结果确定适应度值最大的目标虚拟机分子,并将所述目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解。
易于理解的是,适应度值越大,意味着虚拟机分子的当前分子结构的解码对应的放置解为越优的放置方案。
步骤S60,根据所述虚拟机放置最优解将所述虚拟机集合中的虚拟机放置到所述物理主机集合对应的物理主机中。
易于理解的是,获取到虚拟机放置最优解后可根据最优解进行虚拟机放置,以执行用户所需的虚拟机。
本发明实施例通过上述方法,在基于虚拟机执行效率、跨度及可靠性考虑,根据分子模型进行化学反应过程优化放置方案,形成虚拟机放置的多目标均衡优化,提高了虚拟机放置的效率及效果。
参考图8,图8为本发明一种虚拟机放置方法第二实施例的流程示意图。基于上述第一实施例,本实施例虚拟机放置方法在所述步骤S50之后,具体包括:
步骤S501,获取当前虚拟机分子模型的当前迭代次数,判断所述当前迭代次数是否小于预设迭代次数;
步骤S502,在所述当前迭代次数小于所述预设迭代次数时,返回所述对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算的步骤;
步骤S503,在所述当前迭代次数等于所述预设迭代次数时,输出所述虚拟机放置最优解。
易于理解的是,所述预设迭代次数为虚拟机分子模型的最大迭代次数Tmax,在生成所述虚拟机分子模型时根据虚拟机的放置需求进行设置。通过上述步骤通过对虚拟机分子模型进行模拟化学反应迭代直到达到最大迭代次数Tmax,以对虚拟机分子模型中各分子的分子结构的解码对应的放置方案进行更新。输出分子种群中适应度最大的分子结构的解码作为最终的虚拟机放置最优解。
本发明实施例通过上述方法,对虚拟机分子模型进行模拟化学反应,迭代进行虚拟机分子模型中虚拟机分子结构的更新,虚拟机分子结构的解码对应虚拟机放置解,通过更新不断优化分子结构即放置解,优化放置方案,以实现可靠性更高的虚拟机放置。
此外,本发明还提出一种虚拟机放置装置,参照图9,图9为本发明虚拟机放置装置第一实施例的结构框图。所述装置包括:建模模块10、计算模块20、解获取模块30及放置模块40。
需要说明的是,本发明装置基于本发明方法实施例中的云计算环境,此处不再一一赘述。
所述建模模块10,用于获取待放置的虚拟机集合及物理主机集合,并根据所述虚拟机集合及所述物理主机集合生成包含多个虚拟机分子的虚拟机分子模型。
所述建模模块10,具体用于:获取所述物理主机集合中的物理主机数及所述虚拟机集合的虚拟机数;将所述虚拟机集合中的虚拟机被放置至所述物理主机集合的物理主机中时的放置解作为分子结构的解码;各虚拟机分子中包含第一原子集合第二原子集,将所述第一原子集作为虚拟机原子集,将所述第二原子集作为物理主机原子集;将所述虚拟机数作为各原子集中包含的原子数,根据所述物理主机数设置物理主机原子集中的原子取值范围,根据预设模型规模设置虚拟机分子个数;根据所述虚拟机分子个数、所述原子取值范围及所述原子数建立虚拟机分子模型。
需要说明的是,本实施例中为模拟化学反应的虚拟机分子模型,并非实际的分子。
化学反应机制模拟实现了封闭容器中分子发生一系列化学反应的过程,每一次化学反应均会生成新的分子结构,每一个分子拥有唯一的结构,对应于一种虚拟机放置解。一个分子由两个原子集构成,一个原子集表示分子的元素位置,代表虚拟机序列,另一个原子集表示元素取值,代表放置相应位置上虚拟机的物理主机序号。
参考图3,图3为本发明虚拟机放置方法一实施例的分子结构图;表示一个化学分子结构,该分子结构表明现有8个虚拟机,放置到5个物理主机上执行,即虚拟机总数n=8,物理主机总数m=5。图3所示的分子结构对应的虚拟机放置解为:一共8个虚拟机放置到5个物理主机上,其中,虚拟机T1、T5在物理主机R4上执行,虚拟机T2、T4在物理主机R1上执行,虚拟机T3、T7在物理主机R2上执行,虚拟机T6在物理主机R3上执行,虚拟机T8在物理主机R5上执行。
所述计算模块20,用于对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算。
需要说明的是,根据虚拟机放置目标,目标函数值越小,个体适应度越大。故可以设置评估分子结构所代表的虚拟机放置解的适应度函数为:
其中,α表示跨度因子,β表示完工因子,γ表示浪费时间因子,分别用于描述用户在三个指标优化间的权重,各因子取值范围同上,此处不再一一赘述。
所述计算模块20,还用于根据计算结果对所述虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型。具体用于根据计算结果对所述虚拟机分子模型进行单分子反应,获取反应后的中间分子模型;对所述中间分子模型进行分子间反应,以获取分子结构更新后的虚拟机分子模型。即,化学反应分为两个部分,其一是单分子的反应,其二为分子间反应。
易于理解的是,化学反应机制中,分子一共可能经历四种化学反应:单分子碰撞、单分子分解、分子间碰撞和分子间合成。单分子碰撞和分子间碰撞对于原分子结构改变较小,用于实现在邻域空间内搜索更优解,实现了局部开发。而单分子分解和分子间碰撞可以较大改变原分子结构,用于实现搜索更大的解空间,避免过早收敛和局部最优,实现全局勘探。
需要说明的是,单分子反应过程具体为:单分子碰撞过程,在所述虚拟机分子模型中随机选取一个虚拟机分子进行分子碰撞,以生成第一新虚拟机分子;获取所述第一新虚拟机分子的适应度值,在所述第一新虚拟机分子的适应度值大于分子碰撞前的原虚拟机分子的适应度值时,用所述第一新虚拟机分子替换所述原虚拟机分子。
单分子碰撞是单个分子与容器内壁发生碰撞,可以生成一个新的分子,具体方法是:在分子中从代表元素位置的原子中随机选择一个位置,将该元素位置对应的元素取值在[1,m]范围内作随机改变,从而生成一个新的分子结构。以图3中的分子结构为例作单分子碰撞,碰撞结果参考图4,图4为本发明虚拟机放置方法一实施例的单分子碰撞示意图。;
本实施例中,随机选取的元素位置s=4,将其元素取值从1改变为3,表示原分子结构中,虚拟机T4在物理主机R1上执行,新分子中将虚拟机T4放置至物理主机R3上执行,其他分子结构保持不变,表明其他虚拟机的执行物理主机保持不变。
需要说明的是,单分子分解过程,在所述虚拟机分子模型中随机选取一个虚拟机分子进行单分子分解,以生成第二新虚拟机分子及第三新虚拟机分子,并获取所述第二新虚拟机分子及所述第三新虚拟机分子的适应度值;对所述第二新虚拟机分子、所述第三新虚拟机分子及单分子分解前的原虚拟机分子对应的适应度值进行排序,根据排序结果选取满足预设保留条件的待保留分子,并将所述待保留分子保留在所述虚拟机分子模型中,以获取反应后的中间分子模型。
需要说明的是,所述预设保留条件为,在排序结果中获取适应度值最大,与适应度值第二大的适应度值对应的虚拟机分子,并将所述虚拟机分子作为待保留分子。
易于理解的是,单分子分解同样是分子自身的变异过程,可以生成两个新的分子结构,具体过程是:将原分子中元素位置分为奇数位置和偶数位置,奇数位置及其元素取值保留至新分子C1中的奇数位置上,新分子C1的其他位置中的元素取值在[1,m]间随机生成;偶数位置及其元素取值保留至新分子C2中的偶数位置上,新分子C2的其他位置中的元素取值在[1,m]间随机生成。以图3中的分子结构为原分子作单分子分解,结果如图5所示,参考图5,图5为本发明虚拟机放置方法一实施例的单分子分解示意图;将原分子中1、3、5、7对应元素取值保留至新分子C1中,C1的2、4、6、8对应元素取值随机生成;将原分子中2、4、6、8对应元素取值保留至新分子C2中,C2的1、3、5、7对应元素取值随机生成。
需要说明的是,分子间反应的过程为分子间碰撞:在所述中间分子模型中随机选取两个虚拟机分子进行分子间碰撞,以生成第四新虚拟机分子及第五新虚拟机分子,并获取所述第四新虚拟机分子及所述第五新虚拟机分子的适应度值;对所述第四新虚拟机分子、所述第五新虚拟机分子及分子间碰撞前的两个原虚拟机分子对应的适应度值进行排序,根据排序结果选取满足所述预设保留条件的中间分子,并将所述中间分子保留在所述中间分子模型中。
需要说明的是,所述预设保留条件为,在排序结果中获取适应度值最大,与适应度值第二大的适应度值对应的虚拟机分子,并将所述虚拟机分子作为中间分子。
需要说明的是,分子间碰撞是发生在两个分子结构间的化学反应行为,可以生成两个新的分子结构,具体过程是:在分子结构中的元素位置上随机选择两个位置s和k,s和k将两个原分子结构P1和P2划分为三个部分,将s和k之间的元素位置的元素取值互换,其他保持不变,得到两个新的分子结构C1和C2。参考图6,图6为本发明虚拟机放置方法一实施例的分子间碰撞示意图,随机选择的两个元素位置s=3和k=6,互换原分子P1和P2之间第3至第6区间内的元素取值,得到两个新的分子结构C1和C2。
分子间合成的过程为:在分子间碰撞反应后的所述中间分子模型中随机选取两个虚拟机分子进行分子间合成,以生成第六新虚拟机分子;获取所述第六新虚拟机分子的适应度值,将所述第六新虚拟机分子及分子间合成前的两个原虚拟机分子中适应度值最大的虚拟机分子保留在所述中间分子模型中,以获取分子结构更新后的虚拟机分子模型。
分子间合成发生在两个分子结构间的化学反应行为,可以合成一个新的分子结构,具体过程是:在分子结构中的元素位置上随机选择一个位置s,s将两个原分子结构P1和P2划分为左右两个部分,分别保留P1的左半部分分子结构和P2的右半部分分子结构合成一个新分子,同时丢弃P1的右半部分分子结构和P2的左半部分分子结构。参考图7,图7为本发明虚拟机放置方法一实施例的分子间合成示意图,随机选择的位置s=4,则保留原分子P1中元素位置1~4的元素取值和P2中元素位置5~8的元素取值形成新的分子结构。
所述计算模块20,用于对分子结构更新后的虚拟机分子模型中的所有虚拟机分子进行适应度计算,获得适应度计算结果。
易于理解的是,经过分子结构更新,虚拟机分子模型中的虚拟机分子的适应度也存在变化,在优化虚拟机分子模型后重新进行适应度计算,计算方式参照本实施例上述内容,此处不再一一赘述。
所述解获取模块30,用于根据所述适应度计算结果确定适应度值最大的目标虚拟机分子,并将所述目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解。
易于理解的是,适应度值越大,意味着虚拟机分子的当前分子结构的解码对应的放置解为越优的放置方案。
所述放置模块40,用于根据所述虚拟机放置最优解将所述虚拟机集合中的虚拟机放置到所述物理主机集合对应的物理主机中。
易于理解的是,获取到虚拟机放置最优解后可根据最优解进行虚拟机放置,以执行用户所需的虚拟机。
本发明实施例通过上述装置,在基于虚拟机执行效率、跨度及可靠性考虑,根据分子模型进行化学反应过程优化放置方案,形成虚拟机放置的多目标均衡优化,提高了虚拟机放置的效率及效果。
此外,本发明实施例还提出一种电子设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的虚拟机放置程序,所述虚拟机放置程序配置为实现如上所述的虚拟机放置方法的步骤。
由于本设备采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有虚拟机放置程序,所述虚拟机放置程序被处理器执行如上文所述的虚拟机放置方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的虚拟机放置方法,此处不再赘述。
此外,需要说明的是,在本实施例中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种虚拟机放置方法,其特征在于,所述方法包括:
获取待放置的虚拟机集合及物理主机集合,并根据所述虚拟机集合及所述物理主机集合生成包含多个虚拟机分子的虚拟机分子模型;
对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算;
根据计算结果对所述虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型;
对分子结构更新后的虚拟机分子模型中的所有虚拟机分子进行适应度计算,获得适应度计算结果;
根据所述适应度计算结果确定适应度值最大的目标虚拟机分子,并将所述目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解;
根据所述虚拟机放置最优解将所述虚拟机集合中的虚拟机放置到所述物理主机集合对应的物理主机中。
2.如权利要求1所述的虚拟机放置方法,其特征在于,所述获取待放置的虚拟机集合及物理主机集合,并根据所述虚拟机集合及所述物理主机集合生成包含多个虚拟机分子的虚拟机分子模型的步骤,具体包括:
获取所述物理主机集合中的物理主机数及所述虚拟机集合的虚拟机数,所述虚拟机集合的各虚拟机分子包含第一原子集合第二原子集;
将所述第一原子集作为虚拟机原子集,将所述第二原子集作为物理主机原子集;
将所述虚拟机数作为各原子集中包含的原子数,根据所述物理主机数设置物理主机原子集中的原子取值范围,根据预设模型规模设置虚拟机分子个数;
根据所述虚拟机分子个数、所述原子取值范围及所述原子数建立虚拟机分子模型。
3.如权利要求2所述的虚拟机放置方法,其特征在于,所述根据计算结果对所述虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型的步骤,具体包括:
根据计算结果对所述虚拟机分子模型进行单分子反应,获取反应后的中间分子模型;
对所述中间分子模型进行分子间反应,以获取分子结构更新后的虚拟机分子模型。
4.如权利要求3所述的虚拟机放置方法,其特征在于,所述根据计算结果对所述虚拟机分子模型进行单分子反应,获取反应后的中间分子模型的步骤,具体包括:
在所述虚拟机分子模型中随机选取一个虚拟机分子进行分子碰撞,以生成第一新虚拟机分子;
获取所述第一新虚拟机分子的适应度值,在所述第一新虚拟机分子的适应度值大于分子碰撞前的原虚拟机分子的适应度值时,将所述原虚拟机分子替换为所述第一新虚拟机分子;
在所述虚拟机分子模型中随机选取一个虚拟机分子进行单分子分解,以生成第二新虚拟机分子及第三新虚拟机分子,并获取所述第二新虚拟机分子及所述第三新虚拟机分子的适应度值;
对所述第二新虚拟机分子、所述第三新虚拟机分子及单分子分解前的原虚拟机分子对应的适应度值进行排序,根据排序结果选取满足预设保留条件的待保留分子,并将所述待保留分子保留在所述虚拟机分子模型中,以获取反应后的中间分子模型。
5.如权利要求4所述的虚拟机放置方法,其特征在于,所述对所述中间分子模型进行分子间反应,以获取分子结构更新后的虚拟机分子模型的步骤,具体包括:
在所述中间分子模型中随机选取两个虚拟机分子进行分子间碰撞,以生成第四新虚拟机分子及第五新虚拟机分子,并获取所述第四新虚拟机分子及所述第五新虚拟机分子的适应度值;
对所述第四新虚拟机分子、所述第五新虚拟机分子及分子间碰撞前的两个原虚拟机分子对应的适应度值进行排序,根据排序结果选取满足所述预设保留条件的中间分子,并将所述中间分子保留在所述中间分子模型中;
对分子间碰撞反应后的所述中间分子模型进行分子间合成,以获取分子结构更新后的虚拟机分子模型。
6.如权利要求5所述的虚拟机放置方法,其特征在于,所述对分子间碰撞反应后的所述中间分子模型进行分子间合成,以获取分子结构更新后的虚拟机分子模型的步骤,具体包括:
在分子间碰撞反应后的所述中间分子模型中随机选取两个虚拟机分子进行分子间合成,以生成第六新虚拟机分子;
获取所述第六新虚拟机分子的适应度值,将所述第六新虚拟机分子及分子间合成前的两个原虚拟机分子中适应度值最大的虚拟机分子保留在所述中间分子模型中,以获取分子结构更新后的虚拟机分子模型。
7.如权利要求6所述的虚拟机放置方法,其特征在于,所述根据所述适应度计算结果确定适应度值最大的目标虚拟机分子,并将所述目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解的步骤之后,所述方法还包括:
获取当前虚拟机分子模型的当前迭代次数,判断所述当前迭代次数是否小于预设迭代次数;
在所述当前迭代次数小于所述预设迭代次数时,返回所述对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算的步骤;
在所述当前迭代次数等于所述预设迭代次数时,输出所述虚拟机放置最优解。
8.一种虚拟机放置装置,其特征在于,所述装置包括:建模模块、计算模块、解获取模块及放置模块,其中;
所述建模模块,用于获取待放置的虚拟机集合及物理主机集合,并根据所述虚拟机集合及所述物理主机集合生成包含多个虚拟机分子的虚拟机分子模型;
所述计算模块,用于对所述虚拟机分子模型中的所有虚拟机分子进行适应度计算;还用于根据计算结果对所述虚拟机分子模型进行化学反应,以获取分子结构更新后的虚拟机分子模型;还用于对分子结构更新后的虚拟机分子模型中的所有虚拟机分子进行适应度计算,获得适应度计算结果;
所述解获取模块,用于根据所述适应度计算结果确定适应度值最大的目标虚拟机分子,并将所述目标虚拟机分子的当前分子结构的解码作为虚拟机放置最优解;
所述放置模块,用于根据所述虚拟机放置最优解将所述虚拟机集合中的虚拟机放置到所述物理主机集合对应的物理主机中。
9.一种电子设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的虚拟机放置程序,所述虚拟机放置程序配置为实现如权利要求1至7中任一项所述的虚拟机放置方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有虚拟机放置程序,所述虚拟机放置程序被处理器执行时实现如权利要求1至7任一项所述的虚拟机放置方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010210152.XA CN111443988A (zh) | 2020-03-23 | 2020-03-23 | 虚拟机放置方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010210152.XA CN111443988A (zh) | 2020-03-23 | 2020-03-23 | 虚拟机放置方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111443988A true CN111443988A (zh) | 2020-07-24 |
Family
ID=71629526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010210152.XA Withdrawn CN111443988A (zh) | 2020-03-23 | 2020-03-23 | 虚拟机放置方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111443988A (zh) |
-
2020
- 2020-03-23 CN CN202010210152.XA patent/CN111443988A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Spafford et al. | Aspen: A domain specific language for performance modeling | |
Orlando et al. | A new massively parallel version of CRYSTAL for large systems on high performance computing architectures | |
Zhang et al. | Autogeneration and autotuning of 3D stencil codes on homogeneous and heterogeneous GPU clusters | |
Economon et al. | Towards high-performance optimizations of the unstructured open-source SU2 suite | |
Basermann et al. | Dynamic load-balancing of finite element applications with the drama library | |
CN111324422A (zh) | 多目标虚拟机部署方法、装置、设备及存储介质 | |
Alam et al. | Novel parallel algorithms for fast multi-GPU-based generation of massive scale-free networks | |
CN111338765B (zh) | 基于猫群算法的虚拟机部署方法、装置、设备及存储介质 | |
Zhou et al. | Tools to support mesh adaptation on massively parallel computers | |
Schäfer et al. | Libgeodecomp: A grid-enabled library for geometric decomposition codes | |
Naghshnejad et al. | A hybrid scheduling platform: a runtime prediction reliability aware scheduling platform to improve hpc scheduling performance | |
Verkest et al. | Matisse: A system-on-chip design methodology emphasizing dynamic memory management | |
CN111443988A (zh) | 虚拟机放置方法、装置、电子设备及存储介质 | |
Yang et al. | Dynamic partitioning of loop iterations on heterogeneous PC clusters | |
Davis et al. | Paradigmatic shifts for exascale supercomputing | |
Sheng et al. | Pareto optimal temporal partition methodology for reconfigurable architectures based on multi-objective genetic algorithm | |
Wang et al. | Performance analysis of the graph-partitioning algorithms used in OpenFOAM | |
Lu et al. | A self-adaptive on-line task placement algorithm for partially reconfigurable systems | |
CN111427688B (zh) | 云任务多目标调度方法、装置、电子设备及存储介质 | |
Ding et al. | Progressive-fidelity computation of the genetic algorithm for energy-efficient virtual machine placement in cloud data centers | |
Han et al. | TinySPICE Plus: Scaling up statistical SPICE simulations on GPU leveraging shared-memory based sparse matrix solution techniques | |
US7689958B1 (en) | Partitioning for a massively parallel simulation system | |
Olden | Performance Analysis of SWE Implementations based on modern parallel Runtime Systems | |
Al-Mouhamed et al. | SpMV and BiCG-Stab optimization for a class of hepta-diagonal-sparse matrices on GPU | |
WO2004081862A2 (en) | System and method for simulating living cell processes |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200724 |
|
WW01 | Invention patent application withdrawn after publication |