CN111538560A - 一种虚拟机部署方法、装置、电子设备及其存储介质 - Google Patents

一种虚拟机部署方法、装置、电子设备及其存储介质 Download PDF

Info

Publication number
CN111538560A
CN111538560A CN202010159013.9A CN202010159013A CN111538560A CN 111538560 A CN111538560 A CN 111538560A CN 202010159013 A CN202010159013 A CN 202010159013A CN 111538560 A CN111538560 A CN 111538560A
Authority
CN
China
Prior art keywords
physical
machine
virtual machine
physical machine
performance
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
CN202010159013.9A
Other languages
English (en)
Other versions
CN111538560B (zh
Inventor
赵辉
王泉
王静
万波
齐舸
田玉敏
王笛
罗楠
杨鹏飞
刘刚
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202010159013.9A priority Critical patent/CN111538560B/zh
Publication of CN111538560A publication Critical patent/CN111538560A/zh
Application granted granted Critical
Publication of CN111538560B publication Critical patent/CN111538560B/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
    • G06F9/44—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
    • G06F2009/45562—Creating, deleting, cloning virtual machine instances
    • 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
    • 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)
  • Power Sources (AREA)

Abstract

本发明公开了一种虚拟机部署方法、装置、电子设备及其存储介质，该虚拟机部署方法，包括：获取虚拟机的性能数据、N台物理机的能耗数据，N为大于0的整数；根据虚拟机的性能数据构建虚拟机的分段线性性能模型；根据每台物理机的能耗数据构建每台物理机的非线性能耗模型；根据虚拟机的分段线性性能模型、每台物理机的非线性能耗模型构建每台物理机的效能比模型；根据每台物理机效能比模型将虚拟机部署在N台物理机中目标物理机上。本发明提供的虚拟机部署方法，同时考虑了物理机的能耗和虚拟机的性能，从而减少了物理机的能耗，保障了虚拟机的性能，提高了用户体验感。

Description

一种虚拟机部署方法、装置、电子设备及其存储介质
技术领域
本发明属于云计算虚拟机管理技术领域，具体涉及一种虚拟机部署方法、装置、电子设备及其存储介质。
背景技术
随着互联网的发展，云服务供应商提供的服务越来越多样化，而虚拟机在众多服务中，尤其重要。虚拟机是指通过软件模拟的具有完整硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统。虚拟机是运行在物理机上的，而云服务供应商提供的虚拟机是共享物理资源的，这就有可能造成虚拟机间资源的竞争，从而导致物理机能耗增加与虚拟机性能下降。
近年来，针对虚拟机的部署，人们提出了几种虚拟机部署方法，其中，提出的一种方法为：从可以部署的虚拟机服务器中，选择出满足当前部署虚拟机的资源需求量的服务器作为候选服务器；对于每台候选服务器，计算候选服务器的剩余资源量和虚拟机资源需求量的匹配度以及虚拟机部署在所属候选服务器的平均能耗利用率，最后计算出候选服务器的综合适应度；从所述候选服务器中，选择出所述综合适应度最高的候选服务器部署虚拟机。这种方法提高了服务器的资源利用率，降低了数据中心的能耗。提出的另一种方法为：根据待部署虚拟机中每两个虚拟机之间的网络部署流量；将待部署虚拟机分为N组，使得N组之间的网络部署流量最小；将N组分别部署在K台物理机上，将同一个组内的虚拟机部署在同一台物理机上。这种方法可以有效节省物理机之间的网络流量。
但是，在第一种虚拟机部署方法中，部署虚拟机后，没有考虑虚拟机的性能，在第二种虚拟机部署方法中，部署虚拟机后，没有考虑物理机能耗、也没有考虑虚拟机的性能，导致用户体验感差。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种虚拟机部署方法、装置、电子设备及其存储介质。
本发明实施例提供了一种虚拟机部署方法，包括：
获取虚拟机的性能数据、N台物理机的能耗数据，N为大于0的整数；
根据所述虚拟机的性能数据构建虚拟机的分段线性性能模型；
根据每台所述物理机的能耗数据构建每台物理机的非线性能耗模型；
根据所述虚拟机的分段线性性能模型、每台所述物理机的非线性能耗模型构建每台物理机的效能比模型；
根据每台所述物理机效能比模型将所述虚拟机部署在N台物理机中的目标物理机上。
在本发明的一个实施例中，根据所述虚拟机的性能数据构建的虚拟机的分段线性性能模型为：
Figure BDA0002405097100000021
其中，vPj(Uj)是运行在物理机PMj上的所有虚拟机的性能，Uj是物理机PMj的CPU负载。
在本发明的一个实施例中，根据每台所述物理机的能耗数据构建的每台物理机的非线性能耗模型为：
Figure BDA0002405097100000031
其中，mPj(Uj)是物理机PMj的能耗功率。
在本发明的一个实施例中，根据所述虚拟机的分段线性性能模型、每台所述物理机的非线性能耗模型构建的每台物理机的效能比模型为：
Figure BDA0002405097100000032
其中，Qj(Uj)是物理机PMj的效能比值，Pj,MAX是物理机PMj的最大能耗功率。
在本发明的一个实施例中，根据每台所述物理机效能比模型将所述虚拟机部署在N台物理机中的目标物理机上，包括：
获取每台物理机的CPU负载；
根据每台所述物理机的CPU负载计算得到所述虚拟机部署到每台所述物理机上时每台所述物理机的新CPU负载；
根据每台所述物理机的新CPU负载计算得到N个所述物理机的功耗值、N个所述虚拟机的性能值；
根据N个所述物理机的功耗值、N个所述虚拟机的性能值计算得到N个物理机的效能比值；
根据所述N个物理机的效能比值将所述虚拟机部署在N台物理机中的目标物理机上。
在本发明的一个实施例中，根据每台所述物理机的CPU负载计算得到所述虚拟机部署到每台所述物理机上时每台所述物理机的新CPU负载为：
Figure BDA0002405097100000033
其中，Uj′是虚拟机部署到物理机PMj上时物理机PMj的新CPU负载，VMcpu是虚拟机的CPU处理能力，PMj,cpu是物理机PMj的CPU处理能力。
在本发明的一个实施例中，根据所述N个物理机的效能比值将所述虚拟机部署在N台物理机中的目标物理机上，包括：
从所述N个物理机的效能比值中选择最大的效能比值；
将所述最大的效能比值对应的物理机确定为所述目标物理机，将所述虚拟机部署在所述目标物理机上。
在本发明的一个实施例中，若为对M台虚拟机进行部署，M为大于1的整数，每台所述虚拟机根据上述任一所述的虚拟机部署方法完成部署。
本发明的另一个实施例提供了一种虚拟机部署装置，该装置包括：
数据获取模块，用于获取虚拟机的性能数据、N台物理机的能耗数据，N为大于0的整数；
第一模型构建模块，用于根据所述虚拟机的性能数据构建虚拟机的分段线性性能模型；
第二模型构建模块，用于根据每台所述物理机的能耗数据构建每台物理机的非线性能耗模型；
第三模型构建模块，用于根据所述虚拟机的分段线性性能模型、每台所述物理机的非线性能耗模型构建每台物理机的效能比模型；
数据确定模块，用于根据每台所述物理机效能比模型将所述虚拟机部署在N台物理机中的目标物理机上。
本发明的再一个实施例提供了一种虚拟机部署的电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上存放的所述计算机程序时，实现上述任一所述的虚拟机部署方法。
本发明的又一个实施例提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的虚拟机部署方法。
与现有技术相比，本发明的有益效果：
本发明提供的虚拟机部署方法，通过物理机的能耗和虚拟机的性能构建物理机的效能比模型，再通过该物理机的效能比模型来实现虚拟机的部署，由于同时考虑了物理机的能耗和虚拟机的性能，从而减少了物理机的能耗，保障了虚拟机的性能，提高了用户体验感。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种虚拟机部署方法的流程示意图；
图2是本发明实施例提供的一种虚拟机部署装置的结构示意图；
图3是本发明实施例提供的一种虚拟机部署电子设备的结构示意图；
图4是本发明实施例提供的一种计算机可读存储介质的结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例一
现有的虚拟机部署方法，缺少对虚拟机的性能、物理机的能耗的综合考虑，导致用户体验感差。基于上述存在的问题，请参见图1，图1是本发明实施例提供的一种虚拟机部署方法的流程示意图，本发明实施例提供了一种虚拟机部署方法，该虚拟机部署方法包括以下步骤：
步骤1、获取虚拟机的性能数据、N台物理机的能耗数据，N为大于0的整数。
具体而言，本实施例对于虚拟机的部署是基于物理机的CPU负载，因此，在N台物理机的不同CPU负载下，获取虚拟机的性能数据、N台物理机的能耗数据，用于后续虚拟机的性能模型和物理机的能耗模型的构建。
步骤2、根据虚拟机的性能数据构建虚拟机的分段线性性能模型。
具体而言，本实施例通过步骤1获取的虚拟机的性能数据构建虚拟机的性能模型，根据实际性能数据的特征构建的虚拟机的性能模型具体为虚拟机的分段线性性能模型，本实施例虚拟机的分段线性性能模型为：
Figure BDA0002405097100000061
其中，vPj(Uj)是运行在物理机PMj上的所有虚拟机的性能，Uj是物理机PMj的CPU负载(虚拟机未部署在物理机PMj上时物理机PMj的CPU负载)。
步骤3、根据每台物理机的能耗数据构建每台物理机的非线性能耗模型。
具体而言，本实施例通过步骤1获取的每台物理机的能耗数据，构建每台物理机的能耗模型，根据实际能耗数据的特征构建的每台物理机的能耗数据具体为每台物理机的非线性能耗模型，本实施例每台物理机的非线性能耗模型为：
Figure BDA0002405097100000062
其中，mPj(Uj)是物理机PMj的能耗功率。
步骤4、根据每台物理机的非线性能耗模型、虚拟机的分段线性性能模型构建每台物理机的效能比模型。
具体而言，本实施例根据步骤2构建的虚拟机的分段线性性能模型vPj(Uj)、步骤3构建的每台物理机的非线性能耗模型mPj(Uj)来构建每台物理机的效能比模型，以最小化的物理机的能耗值、虚拟机的性能下降值为目标，进而实现虚拟机的部署，本实施例建的每台物理机的效能比模型为：
Figure BDA0002405097100000071
其中，Qj(Uj)是物理机PMj的效能比值，Pj,MAX是物理机PMj的最大能耗功率(物理机PMj的CPU负载为满载时对应的能耗功率)。
步骤5、根据每台物理机效能比模型将虚拟机部署在N台物理机中的目标物理机上。
具体而言，本实施例对虚拟机部署时将物理机的能耗和虚拟机的性能进行综合考虑，利用通过步骤4构建的每台物理机效能比模型实现对虚拟机的部署，具体地步骤5包括步骤5.1、步骤5.2、步骤5.3、步骤5.4、步骤5.5：
步骤5.1、获取每台物理机的CPU负载。
具体而言，本实施例部署场景中存在N台物理机，每一台物理机对应虚拟机都有一个物理机的效能比值，因此，在效能比值计算中，考虑每台物理机的CPU负载。
步骤5.2、根据每台物理机的CPU负载计算得到虚拟机部署到每台物理机上时每台物理机的新CPU负载。
具体而言，由上述可知每一台物理机对应虚拟机都有一个物理机的效能比值，则若当前物理机PMj的CPU负载为Uj，将虚拟机VM部署在物理机PMj的位置处，此时物理机PMj的新CPU负载为Uj′，将虚拟机VM部署在分别部署在每台物理机上，则对应得到N台物理机的新CPU负载，其中，物理机PMj对应的新CPU负载Uj′定义为：
Figure BDA0002405097100000081
其中，Uj′是虚拟机部署到物理机PMj上时物理机PMj的新CPU负载，VMcpu是虚拟机的CPU处理能力，PMj,cpu是物理机PMj的CPU处理能力。
需要说的是，不同的虚拟机VMcpu不同，不同的物理机PMj,cpu不同，具体请参见虚拟机、物理机上标注的CPU处理能力指标数据。
步骤5.3、根据每台物理机的新CPU负载计算得到N个物理机的功耗值、N个虚拟机的性能值。
具体而言，本实施例根据步骤5.2得到虚拟机部署到每台物理机上时每台物理机的新CPU负载，将每台物理机的新CPU负载代入步骤2的公式(1)中得到N个虚拟机的性能值vPj(Uj′)，同样将每台物理机的新CPU负载代入步骤3的公式(2)中得到N个物理机的能耗值mPj(Uj′)。
步骤5.4、根据N个物理机的功耗值、N个虚拟机的性能值计算得到N个物理机的效能比值。
具体而言，本实施例将步骤5.3得到的N个物理机的功耗值mPj(Uj′)、N个虚拟机的性能值vPj(Uj′)分别代入步骤4的公式(3)中得到N个物理机的效能比值Qj(Uj′)。
步骤5.5、根据N个物理机的效能比值将虚拟机部署在N台物理机中的目标物理机上。
具体而言，本实施例遍历N个物理机，以最大化物理机效能比为目标，即以最小化的物理机能耗值、虚拟机的性能下降值为目标，获取了N个物理机的效能比值Qj(Uj′)，从N个物理机的效能比值中选择最大的效能比值max{Qi(Uj′)}，将最大的效能比值对应的物理机确定为目标物理机，将虚拟机部署在该目标物理机上，以完成虚拟机的部署。其中，当存在多个最大效能比值max{Qi(Uj′)}时，可以选取任意物理机作为目标物理机，将虚拟机部署在该目标物理机上，以完成虚拟机的部署。
进一步地，本实施例步骤1～步骤5所述的虚拟机部署方法具体针对一台虚拟机在N台物理机中的部署方法，对于M台虚拟机的部署，每台虚拟机分别根据步骤1～步骤5所述的虚拟机部署方法完成部署。
本实施例提供的虚拟机部署方法，首先构建物理机的能耗模型和虚拟机的性能模型，通过物理机的能耗模型和虚拟机的性能模型再构建物理机的效能比模型，该物理机的效能比模型以最小化的物理机能耗值、虚拟机的性能下降值为目标来实现虚拟机的部署，由于同时考虑了物理机的能耗和虚拟机的性能，从而减少了物理机的能耗，保障了虚拟机的性能，进而提高了用户体验感。
实施例二
在上述实施例一的基础上，请参见图2，图2为本发明实施例提供的一种虚拟机部署装置的结构示意图。本实施例提供了一种虚拟机部署装置，该装置包括：
数据获取模块，用于获取虚拟机的性能数据、N台物理机的能耗数据，N为大于0的整数。
第一模型构建模块，用于根据虚拟机的性能数据构建虚拟机的分段线性性能模型。
具体而言，本实施例第一模型构建模块中根据虚拟机的性能数据构建的虚拟机的分段线性性能模型为：
Figure BDA0002405097100000101
其中，vPj(Uj)是运行在物理机PMj上的所有虚拟机的性能，Uj是物理机PMj对应的CPU负载。
第二模型构建模块，用于根据每台物理机的能耗数据构建每台物理机的非线性能耗模型。
具体而言，本实施例第二模型构建模块中根据每台物理机的能耗数据构建的每台物理机的非线性能耗模型为：
Figure BDA0002405097100000102
其中，mPj(Uj)是物理机PMj的能耗功率。
第三模型构建模块，用于根据虚拟机的分段线性性能模型、每台物理机的非线性能耗模型构建每台物理机的效能比模型。
具体而言，本实施例第三模型构建模块中根据虚拟机的分段线性性能模型、每台物理机的非线性能耗模型构建的每台物理机的效能比模型为：
Figure BDA0002405097100000103
其中，Qj(Uj)是物理机PMj的效能比值，Pj,MAX是物理机PMj的最大能耗功率。
数据确定模块，用于根据每台物理机效能比模型将虚拟机部署在N台物理机中的目标物理机上。
具体而言，本实施例数据确定模块中根据每台物理机效能比模型将虚拟机部署在N台物理机中的目标物理机上包括：
获取每台物理机的CPU负载；
根据每台物理机的CPU负载计算得到虚拟机部署到每台物理机上时每台物理机的新CPU负载；
根据每台物理机的新CPU负载计算得到N个物理机的功耗值、N个虚拟机的性能值；
根据N个物理机的功耗值、N个虚拟机的性能值计算得到N个物理机的效能比值；
根据N个物理机的效能比值将虚拟机部署在N台物理机中目标物理机上。
进一步地，根据每台物理机的CPU负载计算得到虚拟机部署到每台物理机上时每台物理机的新CPU负载为：
Figure BDA0002405097100000111
其中，Uj′是虚拟机部署到物理机PMj上时物理机PMj的新CPU负载，VMcpu是虚拟机的CPU处理能力，PMj,cpu是物理机PMj的CPU处理能力。
进一步地，根据N个物理机的效能比值将虚拟机部署在N台物理机中的目标物理机上，包括：
从N个物理机的效能比值中选择最大的效能比值；
将最大的效能比值对应的物理机确定为目标物理机，将虚拟机部署在目标物理机上。
进一步地，若为对M台虚拟机进行部署，M为大于1的整数，每台虚拟机根据上述实施例一所述的虚拟机部署方法完成部署。
本实施例提供的一种虚拟机部署装置，可以执行上述虚拟机部署方法实施例，其实现原理和技术效果类似，在此不再赘述。
实施例三
在上述实施例二的基础上，请参见图3，图3为本发明实施例提供的一种虚拟机部署电子设备结构示意图。本实施例提供了一种虚拟机部署电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口、存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的计算机程序时，该计算机程序被处理器执行时实现以下步骤：
步骤1、获取虚拟机的性能数据、N台物理机的能耗数据，，N为大于0的整数。
步骤2、根据虚拟机的性能数据构建虚拟机的分段线性性能模型。
具体而言，本实施例步骤2中根据虚拟机的性能数据构建的虚拟机的分段线性性能模型为：
Figure BDA0002405097100000121
其中，vPj(Uj)是运行在物理机PMj上的所有虚拟机的性能，Uj是物理机PMj对应的CPU负载。
步骤3、根据每台物理机的能耗数据构建每台物理机的非线性能耗模型。
具体而言，本实施例步骤3中根据每台物理机的能耗数据构建的每台物理机的非线性能耗模型为：
Figure BDA0002405097100000122
其中，mPj(Uj)是物理机PMj的能耗功率。
步骤4、根据虚拟机的分段线性性能模型、每台物理机的非线性能耗模型构建每台物理机的效能比模型。
具体而言，本实施例步骤4中根据虚拟机的分段线性性能模型、每台物理机的非线性能耗模型构建的每台物理机的效能比模型为：
Figure BDA0002405097100000131
其中，Qj(Uj)是是物理机PMj的效能比值，Pj,MAX是物理机PMj的最大能耗功率。
步骤5、根据每台物理机效能比模型将虚拟机部署在N台物理机中的目标物理机上。
具体而言，本实施例步骤5中根据每台物理机效能比模型将虚拟机部署在N台物理机中的目标物理机上包括：
获取每台物理机的CPU负载；
根据每台物理机的CPU负载计算得到虚拟机部署到每台物理机上时每台物理机的新CPU负载；
根据每台物理机的新CPU负载计算得到N个物理机的功耗值、N个虚拟机的性能值；
根据N个物理机的功耗值、N个虚拟机的性能值计算得到N个物理机的效能比值；
根据N个物理机的效能比值将虚拟机部署在N台物理机中目标物理机上。
进一步地，根据每台物理机的CPU负载计算得到虚拟机部署到每台物理机上时每台物理机的新CPU负载为：
Figure BDA0002405097100000132
其中，Uj′是虚拟机部署到物理机PMj上时物理机PMj的新CPU负载，VMcpu是虚拟机的CPU处理能力，PMj,cpu是物理机PMj的CPU处理能力。
进一步地，根据N个物理机的效能比值将虚拟机部署在N台物理机中的目标物理机上，包括：
从N个物理机的效能比值中选择最大的效能比值；
将最大的效能比值对应的物理机确定为目标物理机，将虚拟机部署在目标物理机上。
进一步地，若为对M台虚拟机进行部署，M为大于1的整数，每台虚拟机根据上述实施例一所述的虚拟机部署方法完成部署。
本实施例提供的一种虚拟机部署电子设备，可以执行上述虚拟机部署方法实施例和上述虚拟机部署装置实施例，其实现原理和技术效果类似，在此不再赘述。
实施例四
在上述实施例三的基础上，请参见图4，图4为本发明实施例提供的一种计算机可读存储介质的结构示意图。本实施例提供的一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现以下步骤：
步骤1、获取虚拟机的性能数据、N台物理机的能耗数据，N为大于0的整数。
步骤2、根据虚拟机的性能数据构建虚拟机的分段线性性能模型。
具体而言，本实施例步骤2中根据虚拟机的性能数据构建的虚拟机的分段线性性能模型为：
Figure BDA0002405097100000151
其中，vPj(Uj)是运行在物理机PMj上的所有虚拟机的性能，Uj是物理机PMj对应的CPU负载。
步骤3、根据每台物理机的能耗数据构建每台物理机的非线性能耗模型。
具体而言，本实施例步骤3中根据每台物理机的能耗数据构建的每台物理机的非线性能耗模型为：
Figure BDA0002405097100000152
其中，mPj(Uj)是物理机PMj的能耗功率。
步骤4、根据虚拟机的分段线性性能模型、每台物理机的非线性能耗模型构建每台物理机的效能比模型。
具体而言，本实施例步骤4中根据虚拟机的分段线性性能模型、每台物理机的非线性能耗模型构建的每台物理机的效能比模型为：
Figure BDA0002405097100000153
其中，Qj(Uj)是物理机PMj的效能比值，Pj,MAX是物理机PMj的最大能耗功率。
步骤5、根据每台物理机效能比模型将虚拟机部署在N台物理机中的目标物理机上。
具体而言，本实施例步骤5中根据每台物理机效能比模型将虚拟机部署在N台物理机中的目标物理机上包括：
获取每台物理机的CPU负载；
根据每台物理机的CPU负载计算得到虚拟机部署到每台物理机上时每台物理机的新CPU负载；
根据每台物理机的新CPU负载计算得到N个物理机的功耗值、N个虚拟机的性能值；
根据N个物理机的功耗值、N个虚拟机的性能值计算得到N个物理机的效能比值；
根据N个物理机的效能比值将虚拟机部署在N台物理机中目标物理机上。
进一步地，根据每台物理机的CPU负载计算得到虚拟机部署到每台物理机上时每台物理机的新CPU负载为：
Figure BDA0002405097100000161
其中，Uj′是虚拟机部署到物理机PMj上时物理机PMj的新CPU负载，VMcpu是虚拟机的CPU处理能力，PMj,cpu是物理机PMj的CPU处理能力。
进一步地，根据N个物理机的效能比值将虚拟机部署在N台物理机中的目标物理机上，包括：
从N个物理机的效能比值中选择最大的效能比值；
将最大的效能比值对应的物理机确定为目标物理机，将虚拟机部署在目标物理机上。
进一步地，若为对M台虚拟机进行部署，M为大于1的整数，每台虚拟机根据上述实施例一所述的虚拟机部署方法完成部署。
本实施例提供的一种计算机可读存储介质，可以执行上述虚拟机部署方法实施例、上述虚拟机部署装置实施例和上述虚拟机部署电子设备实施例，其实现原理和技术效果类似，在此不再赘述。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种虚拟机部署方法，其特征在于，包括：
获取虚拟机的性能数据、N台物理机的能耗数据，N为大于0的整数；
根据所述虚拟机的性能数据构建虚拟机的分段线性性能模型；
根据每台所述物理机的能耗数据构建每台物理机的非线性能耗模型；
根据所述虚拟机的分段线性性能模型、每台所述物理机的非线性能耗模型构建每台物理机的效能比模型；
根据每台所述物理机效能比模型将所述虚拟机部署在所述N台物理机中的目标物理机上。
2.根据权利要求1所述的虚拟机部署方法，其特征在于，根据所述虚拟机的性能数据构建的虚拟机的分段线性性能模型为：
Figure RE-FDA0002500583780000011
其中，vPj(Uj)是运行在物理机PMj上的所有虚拟机的性能，Uj是物理机PMj的CPU负载。
3.根据权利要求2所述的虚拟机部署方法，其特征在于，根据每台所述物理机的能耗数据构建的每台物理机的非线性能耗模型为：
Figure RE-FDA0002500583780000012
其中，mPj(Uj)是物理机PMj的能耗功率。
4.根据权利要求3所述的虚拟机部署方法，其特征在于，根据所述虚拟机的分段线性性能模型、每台所述物理机的非线性能耗模型构建的每台物理机的效能比模型为：
Figure RE-FDA0002500583780000021
其中，Qj(Uj)是物理机PMj的效能比值，Pj,MAX是物理机PMj的最大能耗功率。
5.根据权利要求1所述的虚拟机部署方法，其特征在于，根据每台所述物理机效能比模型将所述虚拟机部署在所述N台物理机中的目标物理机上，包括：
获取每台物理机的CPU负载；
根据每台所述物理机的CPU负载计算得到所述虚拟机部署到每台所述物理机上时每台所述物理机的新CPU负载；
根据每台所述物理机的新CPU负载计算得到N个所述物理机的功耗值、N个所述虚拟机的性能值；
根据N个所述物理机的功耗值、N个所述虚拟机的性能值计算得到N个物理机的效能比值；
根据所述N个物理机的效能比值将所述虚拟机部署在N台物理机中的目标物理机上。
6.根据权利要求5所述的虚拟机部署方法，其特征在于，根据每台所述物理机的CPU负载计算得到所述虚拟机部署到每台所述物理机上时每台所述物理机的新CPU负载为：
Figure RE-FDA0002500583780000022
其中，Uj′是虚拟机部署到物理机PMj上时物理机PMj的新CPU 负载，VMcpu是虚拟机的CPU处理能力，PMj,cpu是物理机PMj的CPU处理能力。
7.根据权利要求5所述的虚拟机部署方法，其特征在于，根据所述N个物理机的效能比值将所述虚拟机部署在N台物理机中的目标物理机上，包括：
从所述N个物理机的效能比值中选择最大的效能比值；
将所述最大的效能比值对应的物理机确定为所述目标物理机，将所述虚拟机部署在所述目标物理机上。
8.一种虚拟机部署装置，其特征在于，所述装置包括：
数据获取模块，用于获取虚拟机的性能数据、N台物理机的能耗数据，N为大于0的整数；
第一模型构建模块，用于根据所述虚拟机的性能数据构建虚拟机的分段线性性能模型；
第二模型构建模块，用于根据每台所述物理机的能耗数据构建每台物理机的非线性能耗模型；
第三模型构建模块，用于根据所述虚拟机的分段线性性能模型、每台所述物理机的非线性能耗模型构建每台物理机的效能比模型；
数据确定模块，用于根据每台所述物理机效能比模型将所述虚拟机部署在所述N台物理机中的目标物理机上。
9.一种虚拟机部署的电子设备，其特征在于，所述电子设备包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上存放的所述计算机程序时，实现权利要求1～7任一所述的虚拟机部署方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1～7任一所述的虚拟机部署方法。
CN202010159013.9A 2020-03-09 2020-03-09 一种虚拟机部署方法、装置、电子设备及其存储介质 Active CN111538560B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010159013.9A CN111538560B (zh) 2020-03-09 2020-03-09 一种虚拟机部署方法、装置、电子设备及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010159013.9A CN111538560B (zh) 2020-03-09 2020-03-09 一种虚拟机部署方法、装置、电子设备及其存储介质

Publications (2)

Publication Number Publication Date
CN111538560A true CN111538560A (zh) 2020-08-14
CN111538560B CN111538560B (zh) 2023-06-02

Family

ID=71974797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010159013.9A Active CN111538560B (zh) 2020-03-09 2020-03-09 一种虚拟机部署方法、装置、电子设备及其存储介质

Country Status (1)

Country Link
CN (1) CN111538560B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112181604A (zh) * 2020-10-27 2021-01-05 中国联合网络通信集团有限公司 一种缩容目标选择方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104407688A (zh) * 2014-10-29 2015-03-11 哈尔滨工业大学深圳研究生院 基于树回归的虚拟化云平台能耗测量方法及系统
WO2015149514A1 (zh) * 2014-03-31 2015-10-08 华为技术有限公司 一种虚拟机的部署方法及装置
CN110647381A (zh) * 2019-09-18 2020-01-03 上海擎创信息技术有限公司 一种虚拟机资源均衡和部署优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015149514A1 (zh) * 2014-03-31 2015-10-08 华为技术有限公司 一种虚拟机的部署方法及装置
CN104407688A (zh) * 2014-10-29 2015-03-11 哈尔滨工业大学深圳研究生院 基于树回归的虚拟化云平台能耗测量方法及系统
CN110647381A (zh) * 2019-09-18 2020-01-03 上海擎创信息技术有限公司 一种虚拟机资源均衡和部署优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
唐轶轩等: "电力信息系统资源池的能耗感知虚拟机部署策略", 《电力信息与通信技术》 *
朱小娟等: "云环境下基于CPU密集型任务的能耗建模", 《许昌学院学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112181604A (zh) * 2020-10-27 2021-01-05 中国联合网络通信集团有限公司 一种缩容目标选择方法及装置
CN112181604B (zh) * 2020-10-27 2023-06-13 中国联合网络通信集团有限公司 一种缩容目标选择方法及装置

Also Published As

Publication number Publication date
CN111538560B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN111030861B (zh) 一种边缘计算分布式模型训练方法、终端和网络侧设备
CN103957237A (zh) 一种弹性云的体系结构
CN104102543A (zh) 一种云计算环境中负载调整的方法和装置
CN110968366A (zh) 一种基于有限mec资源的任务卸载方法、装置及设备
WO2023024749A1 (zh) 视频检索的方法、装置、设备及存储介质
CN114095567A (zh) 数据访问请求的处理方法、装置、计算机设备及介质
CN109066650B (zh) 电力系统脆弱性评估方法及终端设备
CN116431282A (zh) 一种云虚拟主机服务器管理方法、装置、设备及存储介质
Wen et al. Research and realization of nginx-based dynamic feedback load balancing algorithm
CN113645076B (zh) 基于超图匹配算法的虚拟网络资源分配方法
CN111538560B (zh) 一种虚拟机部署方法、装置、电子设备及其存储介质
CN110955959A (zh) 电力系统故障的快速生成及批量计算方法及装置
CN110347477B (zh) 一种云环境下服务自适应部署方法和装置
CN113609027A (zh) 一种arm云服务器的测试方法、装置、电子设备和存储介质
CN111124669A (zh) 一种分布式SaaS软件的运营方法、系统、终端及存储介质
CN110113269B (zh) 一种基于中间件的流量控制的方法及相关装置
CN110795204B (zh) 一种虚拟机部署方法及装置
Elsedimy et al. Multi-objective optimization approach for virtual machine placement based on particle swarm optimization in cloud data centers
CN114567637A (zh) 一种智能设置负载均衡后端服务器权重的方法及系统
CN113922411A (zh) 一种分布式光伏消纳能力的确定方法及装置
CN113377866A (zh) 一种虚拟化数据库代理服务的负载均衡方法及装置
CN111538559B (zh) 一种虚拟机迁移方法、装置、电子设备及其存储介质
CN110955320B (zh) 一种机架功耗管理设备、系统和方法
CN115378817B (zh) 服务功能链的资源备份方法、装置、设备及存储介质
Liu et al. Enhancing availability of traffic-aware virtual cluster allocation in cloud datacenters

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