CN111767150A - 一种vGPU资源的动态调整方法 - Google Patents

Abstract

本发明提供一种vGPU资源的动态调整方法，包括以下步骤：步骤一、确定云桌面已经挂载vGPU且有用户连接使用该云桌面；设置云桌面中vGPU显存分配的最大值并设置vGPU使用率的连续采样时间；步骤二、采集云桌面的vGPU显存分配值；在连续采样时间内，间隔一定时间采集云桌面的vGPU的使用率；计算连续采样时间内vGPU的平均使用率；步骤三、根据云桌面的vGPU显存分配值以及平均使用率的大小动态调整vGPU资源。本发明能实现对vGPU资源进行动态调整，调控过程精简，且能实现昂贵的GPU资源按需分配，提高资源利用率，降低资源浪费。本发明基于vGPU显存分配值和vGPU平均使用率对vGPU资源进行动态调整，能够高精准度实现GPU资源按需分配，节省资源。

Description

一种vGPU资源的动态调整方法

技术领域

本发明涉及计算机云计算领域领域，特别地，涉及一种云桌面的vGPU资源的动态调整方法。

背景技术

桌面云技术，也称为桌面虚拟化技术，是指在服务器虚拟化基础之上，将终端计算机系统(也称为桌面)进行虚拟化，并通过桌面云管理平台进行按需交付。以达到桌面使用安全性、访问灵活性及可管理性等多重目的。用户可以通过在网络可达的情况下，通过任何设备，在任何地点，任何时间通过网络访问属于我们个人的桌面系统。

目前桌面云技术已经非常成熟，云桌面的模式也有很多种，主要包括1：N的共享模式(也称为共享桌面模式)，1：1的专有模式(也成为专有桌面模式)，1：N的标准模式(也称为池桌面模式)。企业在选择云桌面时，可以根据具体的使用场景不同，选择1种或多种模式搭配来建设适合自己的桌面云系统。

原来的云桌面在后台的资源分配，主要包括CPU、内存和硬盘空间。由于显卡资源限制，很难将云桌面技术应用于研发设计场景下，因为研发设计场景下对GPU的资源要求高，而传统的云桌面缺乏对GPU资源虚拟化并进行再分配的技术。随着各大虚拟化厂商以及GPU厂商的通力合作，实现了vGPU技术。即将一块物理GPU卡，通过专用的GPU虚拟化管理程序，切割成多块vGPU，然后将vGPU映射给虚拟机，使得云桌面也可以加载GPU资源，满足三维设计场景下的研发设计需求。

现有的云桌面vGPU技术，暂时只能实现对物理GPU的分割后，以vGPU的方式分配给云桌面。比如物理GPU实际显存16G，通过vGPU的方式进行分割，每个vGPU以1G的方式进行分配，那么就可以分配给16个云桌面；以512M的方式进行分配，那么就可以分配给32个云桌面。需要预先进行定义好再进行分配。

而最终使用云桌面的用户，需要使用多少GPU资源，显存需要多大，是根据不同的使用场景，不同的用户，不同的工作性质来决定的。如果用户认为显存不够，上报增加后，然后需要后台管理员做手动调整，增加显存，并且需要云桌面重启后生效。而针对那些用不到分配的显存资源的用户，管理员则无从知晓，又造成了资源的浪费。

因此，开发一种操作方便且能够实现vGPU资源的动态调整方法具体重要意义。

发明内容

本发明目的在于提供一种云桌面的vGPU资源的动态调整方法，以解决现有技术中显存不够或浪费的问题。

为实现上述目的，本发明提供一种vGPU资源的动态调整方法，该动态调整方法基于vGPU显存分配值和vGPU平均使用率进行，具体包括如下步骤：

步骤一、确定第i个云桌面已经挂载了vGPU且有用户连接使用该云桌面，i取值为大于等于1且小于等于5000的自然数；设置第i个云桌面中vGPU显存分配的最大值Gi并设置vGPU使用率连续采样时间T_i；

步骤二、采集第i个云桌面的vGPU显存分配值g_i；在连续采样时间内，间隔ΔT采集第i个云桌面的vGPU的使用率；计算连续采样时间内vGPU的平均使用率S_pi；

步骤三、根据第i个云桌面的vGPU显存分配值g_i以及平均使用率S_pi的大小动态调整vGPU资源。

以上方案中优选的，第i个云桌面中vGPU显存分配的最大值Gi为512M-4G，且vGPU显存分配值以512MB为标准切割单位划分成多个级别；连续采样时间T_i为5-60分钟；间隔ΔT为1-30秒。

以上方案中优选的，采用表达式1)计算vGPU的平均使用率S_pi：

其中：S_pi为第i个云桌面在连续采样时间T_i内的vGPU的平均使用率；n为连续采样时间T_i内采集vGPU的使用率的次数，

k为变量，表示某一次采样；S_ki为第k次采集第i个云桌面的vGPU的使用率。

以上方案中优选的，所述步骤三具体是：

步骤3.1、判断第i个云桌面vGPU的平均使用率S_pi的大小，若平均使用率S_pi不超过30％，则进入步骤3.2，否则进入步骤3.3；

步骤3.2、判断第i个云桌面的vGPU显存分配值g_i大小，若g_i<1024，则不进行调整，返回步骤二；否则将第i个云桌面的vGPU显存分配值g_i降低一个标准切割单位，返回步骤二；

步骤3.3、判断平均使用率S_pi是否超过60％，若未超过60％，则不进行调整，返回步骤二；否则判断第i个云桌面的vGPU显存分配值g_i大小，若512≤g_i<Gi，则将第i个云桌面的vGPU显存配置值增加一个标准切割单位，返回步骤二；否则不进行调整；返回步骤二。

以上方案中优选的，所述步骤3.3还包括：若平均使用率S_pi小于等于80％，则不进行调整，返回步骤二；若平均使用率S_pi大于80％，则判断vGPU显存分配值g_i大小，若g_i<Gi，将第i个云桌面的vGPU显存配置值增加一个标准切割单位，返回步骤二；若g_i＝Gi，则不进行调整，输出结果GPU分配值已达上限，返回步骤二。

应用本发明的方案，效果是：

1、本发明能实现对vGPU资源进行动态调整，调控过程精简，且能实现昂贵的GPU资源按需分配，提高资源利用率，降低资源浪费。本发明基于vGPU显存分配值和vGPU平均使用率，结合增加或降低vGPU的显存配置值，从而完成vGPU资源进行动态调整，采用了相应的技术手段解决了目前存在的资源浪费的情况，实现能够高精准度实现GPU资源按需分配，节省资源。

2、本发明将云桌面vGPU的平均使用率和vGPU显存分配值分成多个档次，针对每个档次，结合平均使用率和显存分配值设定适当的调整方法结合增加或降低vGPU的显存配置值，进一步提高资源利用率。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是vGPU资源的动态调整方法逻辑图；

图2是显存配置降低或增高的控制逻辑图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以根据权利要求限定和覆盖的多种不同方式实施。

实施例：

一种vGPU资源的动态调整方法，详情如下：

1、物理GPU分割模式确定，具体是：

物理GPU显存分割模式：以512MB为标准切割单位，单个vGPU显存自512M递增，限制云桌面中的vGPU显存最高分配不超过4G(可按需调整，实际最高不超过物理GPU的最大显存)。标准配置为每台云桌面中的vGPU显存为512M。

2、鉴别平台中使用了vGPU的云桌面，具体是：

在桌面云平台中的桌面交付控制器(DDC)中，对使用了vGPU的云桌面进行识别，识别方式采用安装在云桌面中的Agent来识别该桌面中是否挂载了vGPU设备。然后DDC针对挂载了vGPU的云桌面进行打标签处理。

3、监控云桌面中的vGPU利用率，具体是：

通过内置在云桌面中的Agent以及vGPU利用率实时监测工具，实时监测vGPU的利用率，并将监测结果发回桌面云管理平台。

4、采样分析

在每天用户使用高峰期内，针对有用户实际连接和使用的vGPU云桌面进行连续利用率采样分析，根据分析结果进行处理。

vGPU资源的动态调整方法详见图1，具体包括如下步骤：

步骤一、确定第i个云桌面已经挂载了vGPU且有用户连接使用该云桌面，i取值为大于等于1且小于等于5000的自然数；设置第i个云桌面中vGPU显存分配的最大值Gi(一般为512M-4G)并设置vGPU使用率连续采样时间T_i(优选5-60分钟)；

步骤二、采集第i个云桌面的vGPU显存分配值g_i；在连续采样时间内，间隔ΔT(优选1-30秒)；采集第i个云桌面的vGPU的使用率；计算连续采样时间内vGPU的平均使用率S_pi，具体采用表达式1)进行计算：

其中：S_pi为第i个云桌面在连续采样时间T_i内的vGPU的平均使用率；n为连续采样时间T_i内采集vGPU的使用率的次数，

k为变量，表示某一次采样；S_ki为第k次采集第i个云桌面的vGPU的使用率；

步骤三、根据第i个云桌面的vGPU显存分配值g_i以及平均使用率S_pi的大小动态调整vGPU资源，动态调整过程如下：

步骤3.1、判断第i个云桌面vGPU的平均使用率S_pi的大小，若平均使用率S_pi不超过30％，则进入步骤3.2，否则进入步骤3.3；

步骤3.2、判断第i个云桌面的vGPU显存分配值g_i大小，若g_i<1024，则不进行调整，返回步骤二；否则将第i个云桌面的vGPU显存分配值g_i降低一个标准切割单位，返回步骤二；

步骤3.3、判断平均使用率S_pi是否超过60％，若未超过60％(即位于30％和60％之间)，则不进行调整，返回步骤二；否则判断第i个云桌面的vGPU显存分配值g_i大小，若512≤g_i<Gi，则将第i个云桌面的vGPU显存配置值增加至少一个标准切割单位，返回步骤二；否则不进行调整，返回步骤二(若g_i＝Gi，则不进行调整，输出结果GPU分配值已达上限，返回步骤二)；

若平均使用率S_pi小于等于80％(即位于60％-80％之间)，则不进行调整，返回步骤二(若g_i＝Gi，则不进行调整，输出结果GPU分配值已达上限，返回步骤二)；若平均使用率S_pi大于等于80％，则判断vGPU显存分配值g_i大小，若g_i<Gi，将第i个云桌面的vGPU显存配置值增加一个标准切割单位，返回步骤二；若g_i＝Gi，则不进行调整，输出结果GPU分配值已达上限，返回步骤二。

在本实施例中，显存配置降低和增加的具体过程详见图2，详情如下：

(1)显存配置降低的控制逻辑，具体是：确定要调整的云桌面；确定云桌面中的vGPU对应的物理GPU核心；调用服务器虚拟化系统中的GPU虚拟化管理程序，通过管理程序内核接口，推送该vGPU显存下调任务(pending)；显存下调任务通过对应的GPU内核驱动发送到对应的云桌面中，云桌面中的vGPU驱动响应该需求，锁定相应的容量的显存，然后释放；显存释放完毕后，驱动程序推送相应结果到GPU虚拟化管理程序；GPU虚拟化管理程序将该结果同步到服务器虚拟化系统中，对应将该云桌面分配的vGPU的图形界面中显示的显存调整至对应大小，调整完毕；记录日志，提示信息到桌面云管理平台，GPU资源动态调整成功。

(2)显存配置增加的控制逻辑，具体是：确定要调整的云桌面；确定云桌面中的vGPU对应的物理GPU核心；确定要增加的显存大小；确定物理GPU核心中剩余可分配的显存大小；当剩余可分配的显存大小为0时，提示信息到云管理平台，显存资源不足，无法进行调整，记录日志，GPU资源动态调整失败；当剩余可分配的显存资源只剩余一个标准切割单位(512M)，但是需要添加的资源为两个标准切割单位(1024M)时，为该云桌面新增一个标准切割单位(512M)；当需要为云桌面增加显存时，首先调用服务器虚拟化系统中的GPU虚拟化管理程序，通过管理程序内核接口，推送该vGPU显存增加任务(pending)；从当前核心中锁定相应容量的显存，分配给当前云桌面；GPU虚拟化管理程序通过对应的GPU内核驱动将该新增的显存资源，推送到对应的云桌面中。云桌面中的vGPU驱动响应资源推送，对应增加显存资源，返回显存增加完毕信息到GPU虚拟化管理程序；GPU虚拟化管理程序将该结果同步到服务器虚拟化系统中，对应将该云桌面分配的vGPU的图形界面中显示的显存调整至对应大小，调整完毕；记录日志，提示信息到桌面云管理平台，GPU资源动态调整成功；如果出现需要新增两个标准切割单位，但是实际上只能增加一个标准切割单位时，提示信息到云管理平台，记录日志，GPU资源动态调整成功，但是未达到理想值。

应用本发明的实施例，效果是：

1、采用本实施例的方法，可以实现在三维设计云桌面场景下，云桌面GPU资源的动态调整功能，实现昂贵的GPU资源按需分配，提高资源利用率，降低资源浪费。

2、本实施例通过自动的GPU资源分配，满足不同场景，不用工作负载的用户实现GPU资源的最优化配置，降低人工干预和复杂的审批流程，在提高资源利用率的同时，提高用户的工作效率。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种vGPU资源的动态调整方法，其特征在于，该动态调整方法基于vGPU显存分配值和vGPU平均使用率进行，包括以下步骤：

步骤一、确定第i个云桌面已经挂载了vGPU且有用户连接使用该云桌面，i取值为大于等于1且小于等于5000的自然数；设置第i个云桌面中vGPU显存分配的最大值Gi并设置vGPU使用率的连续采样时间T_i；

步骤二、采集第i个云桌面的vGPU显存分配值g_i；在连续采样时间内，间隔ΔT采集第i个云桌面的vGPU的使用率；计算连续采样时间内vGPU的平均使用率S_pi；

步骤三、根据第i个云桌面的vGPU显存分配值g_i以及平均使用率S_pi的大小动态调整vGPU资源。

2.根据权利要求1所述的vGPU资源的动态调整方法，其特征在于，第i个云桌面中vGPU显存分配的最大值Gi为512M-4G，且vGPU显存分配值以512MB为标准切割单位划分成多个级别；连续采样时间T_i为5-60分钟；间隔ΔT为1-30秒。

3.根据权利要求1所述的vGPU资源的动态调整方法，其特征在于，采用表达式1)计算vGPU的平均使用率S_pi：

其中：S_pi为第i个云桌面在连续采样时间T_i内的vGPU的平均使用率；n为连续采样时间T_i内采集vGPU的使用率的次数，

k为变量，表示某一次采样；S_ki为第k次采集第i个云桌面的vGPU的使用率。

4.根据权利要求3所述的vGPU资源的动态调整方法，其特征在于，所述步骤三具体是：

步骤3.1、判断第i个云桌面vGPU的平均使用率S_pi的大小，若平均使用率S_pi不超过30％，则进入步骤3.2，否则进入步骤3.3；

步骤3.2、判断第i个云桌面的vGPU显存分配值g_i大小，若g_i<1024，则不进行调整，返回步骤二；否则将第i个云桌面的vGPU显存分配值g_i降低一个标准切割单位，返回步骤二；

步骤3.3、判断平均使用率S_pi是否超过60％，若未超过60％，则不进行调整，返回步骤二；否则判断第i个云桌面的vGPU显存分配值g_i大小，若512≤g_i<Gi，则将第i个云桌面的vGPU显存配置值增加一个标准切割单位，返回步骤二；否则不进行调整；返回步骤二。

5.根据权利要求4所述的vGPU资源的动态调整方法，其特征在于，所述步骤3.3还包括：若平均使用率S_pi小于等于80％，则不进行调整，返回步骤二；若平均使用率S_pi大于80％，则判断vGPU显存分配值g_i大小，若g_i<Gi，将第i个云桌面的vGPU显存配置值增加一个标准切割单位，返回步骤二；若g_i＝Gi，则不进行调整，输出结果GPU分配值已达上限，返回步骤二。

Images