CN111767150A - 一种vGPU资源的动态调整方法 - Google Patents
一种vGPU资源的动态调整方法 Download PDFInfo
- Publication number
- CN111767150A CN111767150A CN202010633992.7A CN202010633992A CN111767150A CN 111767150 A CN111767150 A CN 111767150A CN 202010633992 A CN202010633992 A CN 202010633992A CN 111767150 A CN111767150 A CN 111767150A
- Authority
- CN
- China
- Prior art keywords
- vgpu
- cloud desktop
- video memory
- value
- resources
- 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
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
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- 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)
- Television Signal Processing For Recording (AREA)
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
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Ti;
步骤二、采集第i个云桌面的vGPU显存分配值gi;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Spi;
步骤三、根据第i个云桌面的vGPU显存分配值gi以及平均使用率Spi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Ti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Spi:
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Spi的大小,若平均使用率Spi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gi大小,若gi<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gi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Spi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gi大小,若512≤gi<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Spi小于等于80%,则不进行调整,返回步骤二;若平均使用率Spi大于80%,则判断vGPU显存分配值gi大小,若gi<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gi=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Ti(优选5-60分钟);
步骤二、采集第i个云桌面的vGPU显存分配值gi;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Spi,具体采用表达式1)进行计算:
步骤三、根据第i个云桌面的vGPU显存分配值gi以及平均使用率Spi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Spi的大小,若平均使用率Spi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gi大小,若gi<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gi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Spi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gi大小,若512≤gi<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gi=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Spi小于等于80%(即位于60%-80%之间),则不进行调整,返回步骤二(若gi=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Spi大于等于80%,则判断vGPU显存分配值gi大小,若gi<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gi=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Ti;
步骤二、采集第i个云桌面的vGPU显存分配值gi;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Spi;
步骤三、根据第i个云桌面的vGPU显存分配值gi以及平均使用率Spi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Ti为5-60分钟;间隔ΔT为1-30秒。
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Spi的大小,若平均使用率Spi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gi大小,若gi<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gi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Spi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gi大小,若512≤gi<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Spi小于等于80%,则不进行调整,返回步骤二;若平均使用率Spi大于80%,则判断vGPU显存分配值gi大小,若gi<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gi=Gi,则不进行调整,输出结果GPU分配值已达上限,返回步骤二。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010633992.7A CN111767150A (zh) | 2020-07-02 | 2020-07-02 | 一种vGPU资源的动态调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010633992.7A CN111767150A (zh) | 2020-07-02 | 2020-07-02 | 一种vGPU资源的动态调整方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111767150A true CN111767150A (zh) | 2020-10-13 |
Family
ID=72724569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010633992.7A Pending CN111767150A (zh) | 2020-07-02 | 2020-07-02 | 一种vGPU资源的动态调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111767150A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296865A (zh) * | 2021-05-28 | 2021-08-24 | 贵州海誉科技股份有限公司 | 一种云桌面鼠标位置感知与鼠标操作事件管理方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719082A (zh) * | 2009-12-24 | 2010-06-02 | 中国科学院计算技术研究所 | 虚拟化计算平台中应用请求调度的方法及其系统 |
CN102651729A (zh) * | 2011-02-23 | 2012-08-29 | 中国移动通信集团公司 | 一种资源配置方法和装置 |
CN103593224A (zh) * | 2012-08-13 | 2014-02-19 | 鸿富锦精密工业(深圳)有限公司 | 虚拟机资源配置系统及方法 |
CN106020933A (zh) * | 2016-05-19 | 2016-10-12 | 山东大学 | 基于超轻量虚拟机的云计算动态资源调度系统及方法 |
CN107203413A (zh) * | 2017-05-27 | 2017-09-26 | 北京思特奇信息技术股份有限公司 | 一种资源数据调度系统及方法 |
CN107273182A (zh) * | 2017-06-06 | 2017-10-20 | 武汉智云方达信息科技有限公司 | 一种虚拟机资源动态扩充方法及系统 |
WO2018199414A1 (ko) * | 2017-04-24 | 2018-11-01 | (주) 글루시스 | 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치 |
US10176550B1 (en) * | 2017-03-20 | 2019-01-08 | Nutanix, Inc. | GPU resource usage display and dynamic GPU resource allocation in a networked virtualization system |
CN109213555A (zh) * | 2018-08-16 | 2019-01-15 | 北京交通大学 | 一种面向虚拟桌面云的资源动态调度方法 |
CN109753338A (zh) * | 2017-11-06 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 虚拟gpu使用率的检测方法和装置 |
CN109960565A (zh) * | 2017-12-25 | 2019-07-02 | 航天信息股份有限公司 | 云平台、基于云平台的虚拟机调度方法及装置 |
US20190347137A1 (en) * | 2018-05-08 | 2019-11-14 | Vmware, Inc. | Task assignment in virtual gpu enabled systems |
-
2020
- 2020-07-02 CN CN202010633992.7A patent/CN111767150A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719082A (zh) * | 2009-12-24 | 2010-06-02 | 中国科学院计算技术研究所 | 虚拟化计算平台中应用请求调度的方法及其系统 |
CN102651729A (zh) * | 2011-02-23 | 2012-08-29 | 中国移动通信集团公司 | 一种资源配置方法和装置 |
CN103593224A (zh) * | 2012-08-13 | 2014-02-19 | 鸿富锦精密工业(深圳)有限公司 | 虚拟机资源配置系统及方法 |
CN106020933A (zh) * | 2016-05-19 | 2016-10-12 | 山东大学 | 基于超轻量虚拟机的云计算动态资源调度系统及方法 |
US10176550B1 (en) * | 2017-03-20 | 2019-01-08 | Nutanix, Inc. | GPU resource usage display and dynamic GPU resource allocation in a networked virtualization system |
WO2018199414A1 (ko) * | 2017-04-24 | 2018-11-01 | (주) 글루시스 | 클라우드 컴퓨팅 환경에서 가상화 자원 분배 방법 및 장치 |
CN107203413A (zh) * | 2017-05-27 | 2017-09-26 | 北京思特奇信息技术股份有限公司 | 一种资源数据调度系统及方法 |
CN107273182A (zh) * | 2017-06-06 | 2017-10-20 | 武汉智云方达信息科技有限公司 | 一种虚拟机资源动态扩充方法及系统 |
CN109753338A (zh) * | 2017-11-06 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 虚拟gpu使用率的检测方法和装置 |
CN109960565A (zh) * | 2017-12-25 | 2019-07-02 | 航天信息股份有限公司 | 云平台、基于云平台的虚拟机调度方法及装置 |
US20190347137A1 (en) * | 2018-05-08 | 2019-11-14 | Vmware, Inc. | Task assignment in virtual gpu enabled systems |
CN109213555A (zh) * | 2018-08-16 | 2019-01-15 | 北京交通大学 | 一种面向虚拟桌面云的资源动态调度方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296865A (zh) * | 2021-05-28 | 2021-08-24 | 贵州海誉科技股份有限公司 | 一种云桌面鼠标位置感知与鼠标操作事件管理方法 |
CN113296865B (zh) * | 2021-05-28 | 2022-09-06 | 贵州海誉科技股份有限公司 | 一种云桌面鼠标位置感知与鼠标操作事件管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9152200B2 (en) | Resource and power management using nested heterogeneous hypervisors | |
CN104407926B (zh) | 一种云计算资源的调度方法 | |
CN104142860A (zh) | 应用服务系统的资源调整方法与装置 | |
CN103870341A (zh) | 一种调整虚拟机资源的方法和系统 | |
CN104011685A (zh) | 一种虚拟机系统的资源管理方法、虚拟机系统和装置 | |
CN107733676A (zh) | 一种弹性调度资源的方法及系统 | |
CN103164283A (zh) | 一种虚拟桌面系统中虚拟化资源动态调度管理方法及系统 | |
CN107239336A (zh) | 一种实现任务调度的方法及装置 | |
CN111176836B (zh) | 一种云渲染资源调度方法及装置 | |
CN107844187A (zh) | 功耗管理方法、装置及电子设备 | |
CN112181613B (zh) | 异构资源分布式计算平台批量任务调度方法及存储介质 | |
CN107273182A (zh) | 一种虚拟机资源动态扩充方法及系统 | |
CN112988390A (zh) | 一种算力资源分配方法及装置 | |
CN108519919A (zh) | 一种在虚拟化集群环境下实现服务器资源动态调度的方法 | |
CN113688001B (zh) | 服务器硬盘功耗动态均衡方法、装置、终端及存储介质 | |
CN114356543A (zh) | 一种基于Kubernetes的多租户机器学习任务资源调度方法 | |
CN111736990B (zh) | 一种基于负载均衡的教学科研平台资源分配方法及装置 | |
CN111767150A (zh) | 一种vGPU资源的动态调整方法 | |
CN107203256B (zh) | 一种网络功能虚拟化场景下的节能分配方法与装置 | |
CN112416520B (zh) | 一种基于vSphere的智能资源调度方法 | |
CN101458631B (zh) | 一种自适应虚拟机调度的方法及装置 | |
CN114816746A (zh) | 一种具有多重虚拟化类型的gpu实现混合类型虚拟化的方法 | |
CN115169881A (zh) | 任务分配方法、装置和电子设备 | |
CN106775921A (zh) | 基于应用负载感知的虚拟cpu调度方法 | |
CN114546602A (zh) | 虚拟机调度方法及装置 |
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 |