CN111966453A - 一种负载均衡方法、系统、设备及存储介质 - Google Patents

一种负载均衡方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN111966453A
CN111966453A CN202010742139.9A CN202010742139A CN111966453A CN 111966453 A CN111966453 A CN 111966453A CN 202010742139 A CN202010742139 A CN 202010742139A CN 111966453 A CN111966453 A CN 111966453A
Authority
CN
China
Prior art keywords
node
cluster
utilization rate
nodes
resource utilization
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
CN202010742139.9A
Other languages
English (en)
Other versions
CN111966453B (zh
Inventor
冯晶
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.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur Intelligent Technology Co Ltd
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 Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN202010742139.9A priority Critical patent/CN111966453B/zh
Publication of CN111966453A publication Critical patent/CN111966453A/zh
Application granted granted Critical
Publication of CN111966453B publication Critical patent/CN111966453B/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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • 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

Abstract

本发明公开了一种负载均衡方法、系统、设备及存储介质，所述方法包括：监控集群的节点资源利用率；当节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点；模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配。所述系统包括节点状态监控模块、节点数量配置模块和节点业务配置模块。本发明对容器的资源使用量进行业务分类建模预测和混合业务资源预测，提高了节点资源利用率和节点效益。

Description

一种负载均衡方法、系统、设备及存储介质
技术领域
本发明涉及服务器虚拟化领域，具体涉及一种负载均衡方法、系统、设备及存储介质。
背景技术
服务器虚拟化解决方案能够通过对底层物理资源的融合、分配与管理，将静态、复杂的IT环境转变为更动态、易于管理的虚拟数据中心，提高了资源交付的敏捷性、灵活性和资源的使用效率，帮助企业创建高性能、可扩展、可管理、灵活的服务器虚拟化基础架构，提供优质的虚拟数据中心服务。
服务器虚拟化解决方案基于开源的系统虚拟化模块KVM(Kernel-based VirtualMachine)设计，能够提升虚拟化系统的可靠性、可用性和安全性。KVM 可以作为Linux内核的一部分，在一套物理硬件上安全地运行多个虚拟机，但是，由于虚拟化技术提供的虚拟机使用独立的操作系统，操作系统对资源的占用和消耗存在资源浪费和启动速度的问题。
容器技术的应用极大程度的提高了物理资源的资源利用率，提供了更快的响应时间并且能够承担更大的并发访问量。容器编排工具的出现加大了并行处理能力，加快了请求响应速度，解决了云平台资源利用率低、调度分发缓慢等诸多问题。在这种前提背景下，任务调度成为数据中心需要解决的关键问题之一。
容器编排工具的负载均衡调度算法可以有效分配容器集群资源，提高资源利用率，同时最小化资源消费总成本，但在运维过程中发现系统在长期运行以后，会出现负载不均匀的问题，不同主机之间的资源分配会存在着极大的差别，出现部分节点消耗压力过大，资源分布不均衡等现象。
发明内容
为了解决上述技术问题，本发明提出了一种负载均衡方法、系统、设备及存储介质，对容器的资源使用量进行业务分类建模预测和混合业务资源预测，提高了节点资源利用率和节点效益。
为实现上述目的，本发明采用以下技术方案：
一种负载均衡方法，包括：
监控集群的节点资源利用率；
当节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点；
模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配。
进一步地，所述当节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点具体为：
当节点资源利用率高于预设的高预警阈值时，根据预设筛选条件，选取可用节点；
对选取的可用节点模拟业务部署，并对节点的不同资源使用率设置权重，计算每一节点在一个采集周期内所有资源的加权使用率量化分数，选取得分最高的节点添加至集群节点；
当节点资源利用率低于预设的低预警阈值时，对集群节点模拟业务部署，并对节点的不同资源使用率设置权重，计算每一节点在一个采集周期内所有资源的加权使用率量化分数，关闭得分最低的集群节点。
进一步地，所述资源包括CPU资源、内存资源、I/O资源和磁盘资源的一种或多种。
进一步地，所述模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配具体为：
模拟计算样本节点不同资源的平均消耗值，求得每一资源平均消耗值与节点消耗值的比值作为该资源消耗系数；
计算节点的每一资源在两种不同业务搭配下的消耗系数之比，将消耗系数比值之和作为该节点的均衡分数，选取均衡分数最大的一组业务搭配作为该节点分配的业务。
进一步地，所述资源包括CPU资源、内存资源、I/O资源和磁盘资源的一种或多种。
本发明还提出了一种负载均衡系统，包括：
节点状态监控模块，用于监控集群的节点资源利用率；
节点数量配置模块，用于在节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点；
节点业务配置模块，用于模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配。
本发明还提出了一种负载均衡设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上所述负载均衡方法的步骤。
本发明还提出了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述负载均衡方法的步骤。
本发明的有益效果是：
本发明通过提出一种负载均衡方法、系统、设备及存储介质，对宿主机的的调度策略进行了优化，通过对负载进行预测，实现了集群负载的均衡化与高效响应，对容器的资源使用量进行业务分类建模预测和混合业务资源预测，提高了节点资源利用率和节点效益。
附图说明
图1是本发明实施例负载均衡方法流程示意图；
图2是本发明实施例负载均衡系统结构示意图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
目前以Kubernetes、Swarm为代表的容器编排的负载均衡算法都是依据当前资源的情况和容器资源的申请量来进行节点预选的，在进行负载均衡算法调度时也只考虑了CPU和内存的消耗，没有考虑到磁盘占用率和I/O性能，在运行一段时间后就会出现节点分配不平衡、性能参数不平衡、资源消耗差异大等现象，因此本发明提出了一种负载均衡方法，针对现有技术方案的缺陷和对资源调度的改进需求，对容器的资源使用量进行业务分类建模预测和混合业务资源预测，提高了节点资源利用率和节点效益。
如图1所示，本发明实施例公开了一种负载均衡方法，包括：
监控集群的节点资源利用率；
当节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点；
模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配。
具体地，所述当节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点具体为：
当节点资源利用率高于预设的高预警阈值时，根据预设筛选条件，选取可用节点；
对选取的可用节点模拟业务部署，并对节点的不同资源使用率设置权重，计算每一节点在一个采集周期内所有资源的加权使用率量化分数，选取得分最高的节点添加至集群节点；
当节点资源利用率低于预设的低预警阈值时，对集群节点模拟业务部署，并对节点的不同资源使用率设置权重，计算每一节点在一个采集周期内所有资源的加权使用率量化分数，关闭得分最低的集群节点。
所述根据预设筛选条件，选取可用节点，排除符合以下条件之一的节点：
节点运行状态不正常；
CPU、内存、磁盘或I/O超过预设告警阈值；
节点剩余资源不满足预申请资源。
所述高预警阈值和低预警阈值根据集群整体的资源和节点业务需要进行规划设置。
对于节点资源利用率高于预设的高预警阈值的情况，模拟业务部署与真实环境资源配置相同的可用节点进行混合业务批量部署。对某一可用节点的实际资源使用情况设置权重。通过实时监控集群中的每个候选节点的资源负载情况，采集周期内资源负载情况，所述量化分数可以以公式形式表示为：
Figure 1
其中，x、y、z分别表示CPU资源、内存资源和I/O资源的权重，且满足 x+y+z＝1；各个资源使用率的一个采集周期内有n个采集点，SiCpn表示第i个采集点的CPU使用率，Simem表示第i个采集点的内存使用率，Sii/o表示第i个采集点的I/O使用率。Score1得分最高的节点，为最优选择部署节点，添加至集群节点。
对于节点资源利用率低于预设的低预警阈值的情况，采用与上述方法相似的模拟方法，对集群节点进行模拟业务部署，计算某一集群节点的实际资源使用情况设置权重，Score1得分最低的节点为被关闭的多余节点。
上述资源包括但不限于CPU资源、内存资源、I/O资源或磁盘资源。
对于重新确定节点数量的集群，需要重新分配业务部署，通过模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配具体为：
通过Selenium自动化工具进行业务模拟，计算样本节点不同资源的平均消耗值，求得每一资源平均消耗值与节点消耗值的比值作为该资源消耗系数；
计算节点的每一资源在两种不同业务搭配下的消耗系数之比，将消耗系数比值之和作为该节点的均衡分数，选取均衡分数最大的一组业务搭配作为该节点分配的业务。模拟计算过程运用公式如下：
Figure 3
Figure 2
Figure 7
Figure 4
CCPU/ACPV＝α
Cmem/Amem＝β
Ci/0/Ai/o＝μ
Figure 5
Figure BDA0002608220380000066
其中，CCPU表示CPU资源平均消耗值，n为样本节点数量，ACPU表示CPU 资源节点消耗值，Cmem表示内存资源平均消耗值，Amem表示内存资源节点消耗值，Ci/0表示I/O资源平均消耗值，Ai/o表示I/O资源节点消耗值，Cstor表示磁盘资源平均消耗值，Astor表示磁盘资源节点消耗值；α表示CPU资源平均消耗值与节点消耗值的比值，β表示内存资源平均消耗值与节点消耗值的比值，μ表示I/O资源平均消耗值与节点消耗值的比值，
Figure BDA0002608220380000065
表示磁盘资源平均消耗值与节点消耗值的比值，i、j表示两种不同的业务类型。αi/αj比值越大，i、j业务组合越适合放在一个节点，同理，βi/βj比值越大，i、j业务越适合放在同一个节点。Score2为节点的均衡分数，均衡分数最大的一组业务类型i、j即为该节点最合适的负载均衡业务方案。
上述资源包括但不限于CPU资源、内存资源、I/O资源或磁盘资源。
如图2所示，本发明实施例还提出了一种负载均衡系统，包括：
节点状态监控模块，用于监控集群的节点资源利用率；
节点数量配置模块，用于在节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点；
节点业务配置模块，用于模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配。
本发明实施例还提出了一种负载均衡设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上所述负载均衡方法的步骤。
本发明实施例还提出了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述负载均衡方法的步骤。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制。对于所属领域的技术人员来说，在上述说明的基础上还可以做出其它不同形式的修改或变形。这里无需也无法对所有的实施方式予以穷举。在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.一种负载均衡方法，其特征在于，包括：
监控集群的节点资源利用率；
当节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点；
模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配。
2.根据权利要求1所述的负载均衡方法，其特征在于，所述当节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点具体为：
当节点资源利用率高于预设的高预警阈值时，根据预设筛选条件，选取可用节点；
对选取的可用节点模拟业务部署，并对节点的不同资源使用率设置权重，计算每一节点在一个采集周期内所有资源的加权使用率量化分数，选取得分最高的节点添加至集群节点；
当节点资源利用率低于预设的低预警阈值时，对集群节点模拟业务部署，并对节点的不同资源使用率设置权重，计算每一节点在一个采集周期内所有资源的加权使用率量化分数，关闭得分最低的集群节点。
3.根据权利要求2所述的负载均衡方法，其特征在于，所述资源包括CPU资源、内存资源、I/O资源和磁盘资源的一种或多种。
4.根据权利要求1所述的负载均衡方法，其特征在于，所述模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配具体为：
模拟计算样本节点不同资源的平均消耗值，求得每一资源平均消耗值与节点消耗值的比值作为该资源消耗系数；
计算节点的每一资源在两种不同业务搭配下的消耗系数之比，将消耗系数比值之和作为该节点的均衡分数，选取均衡分数最大的一组业务搭配作为该节点分配的业务。
5.根据权利要求4所述的负载均衡方法，其特征在于，所述资源包括CPU资源、内存资源、I/O资源和磁盘资源的一种或多种。
6.一种负载均衡系统，其特征在于，包括：
节点状态监控模块，用于监控集群的节点资源利用率；
节点数量配置模块，用于在节点资源利用率超过预设的预警阈值时，通过对每一节点模拟相同业务部署，预测计算不同节点的资源使用率量化分数，根据量化分数选取增减的集群节点；
节点业务配置模块，用于模拟集群业务部署分配，预测计算每一节点上部署不同业务的均衡分数，根据均衡分数调整集群节点业务分配。
7.一种负载均衡设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述负载均衡方法的步骤。
8.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述负载均衡方法的步骤。
CN202010742139.9A 2020-07-29 2020-07-29 一种负载均衡方法、系统、设备及存储介质 Active CN111966453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010742139.9A CN111966453B (zh) 2020-07-29 2020-07-29 一种负载均衡方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010742139.9A CN111966453B (zh) 2020-07-29 2020-07-29 一种负载均衡方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111966453A true CN111966453A (zh) 2020-11-20
CN111966453B CN111966453B (zh) 2022-12-16

Family

ID=73363360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010742139.9A Active CN111966453B (zh) 2020-07-29 2020-07-29 一种负载均衡方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111966453B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112650363A (zh) * 2020-12-11 2021-04-13 北京四方继保工程技术有限公司 一种基于平衡式通信cpu节点群的分布式远动机系统与设计方法
CN113568746A (zh) * 2021-07-27 2021-10-29 北京达佳互联信息技术有限公司 负载均衡方法、装置、电子设备及存储介质
CN113626282A (zh) * 2021-07-16 2021-11-09 济南浪潮数据技术有限公司 云计算物理节点负载监控方法、装置、终端及存储介质
CN113656046A (zh) * 2021-08-31 2021-11-16 北京京东乾石科技有限公司 一种应用部署方法和装置
CN114466019A (zh) * 2022-04-11 2022-05-10 阿里巴巴（中国）有限公司 分布式计算系统、负载均衡方法、设备及存储介质
CN114675956A (zh) * 2022-04-14 2022-06-28 三峡智控科技有限公司 一种基于Kubernetes集群之间Pod配置及调度的方法
CN116132447A (zh) * 2022-12-21 2023-05-16 天翼云科技有限公司 一种基于Kubernetes的负载均衡方法及其装置
CN112650363B (zh) * 2020-12-11 2024-05-10 北京四方继保工程技术有限公司 一种基于平衡式通信cpu节点群的分布式远动机系统与设计方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918198A (zh) * 2019-02-18 2019-06-21 中国空间技术研究院 一种基于用户特征预测的仿真云平台负载调度系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918198A (zh) * 2019-02-18 2019-06-21 中国空间技术研究院 一种基于用户特征预测的仿真云平台负载调度系统及方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112650363A (zh) * 2020-12-11 2021-04-13 北京四方继保工程技术有限公司 一种基于平衡式通信cpu节点群的分布式远动机系统与设计方法
CN112650363B (zh) * 2020-12-11 2024-05-10 北京四方继保工程技术有限公司 一种基于平衡式通信cpu节点群的分布式远动机系统与设计方法
CN113626282A (zh) * 2021-07-16 2021-11-09 济南浪潮数据技术有限公司 云计算物理节点负载监控方法、装置、终端及存储介质
CN113626282B (zh) * 2021-07-16 2023-12-22 济南浪潮数据技术有限公司 云计算物理节点负载监控方法、装置、终端及存储介质
CN113568746A (zh) * 2021-07-27 2021-10-29 北京达佳互联信息技术有限公司 负载均衡方法、装置、电子设备及存储介质
CN113568746B (zh) * 2021-07-27 2024-01-02 北京达佳互联信息技术有限公司 负载均衡方法、装置、电子设备及存储介质
CN113656046A (zh) * 2021-08-31 2021-11-16 北京京东乾石科技有限公司 一种应用部署方法和装置
CN114466019A (zh) * 2022-04-11 2022-05-10 阿里巴巴（中国）有限公司 分布式计算系统、负载均衡方法、设备及存储介质
CN114466019B (zh) * 2022-04-11 2022-09-16 阿里巴巴（中国）有限公司 分布式计算系统、负载均衡方法、设备及存储介质
CN114675956A (zh) * 2022-04-14 2022-06-28 三峡智控科技有限公司 一种基于Kubernetes集群之间Pod配置及调度的方法
CN114675956B (zh) * 2022-04-14 2022-08-30 三峡智控科技有限公司 一种基于Kubernetes集群之间Pod配置及调度的方法
CN116132447A (zh) * 2022-12-21 2023-05-16 天翼云科技有限公司 一种基于Kubernetes的负载均衡方法及其装置

Also Published As

Publication number Publication date
CN111966453B (zh) 2022-12-16

Similar Documents

Publication Publication Date Title
CN111966453B (zh) 一种负载均衡方法、系统、设备及存储介质
CN108829494B (zh) 基于负载预测的容器云平台智能资源优化方法
EP3847549B1 (en) Minimizing impact of migrating virtual services
US8402140B2 (en) Methods and apparatus for coordinated energy management in virtualized data centers
CN106133693B (zh) 虚拟机的迁移方法、装置及设备
CN109324875B (zh) 一种基于强化学习的数据中心服务器功耗管理与优化方法
CN110231976B (zh) 一种基于负载预测的边缘计算平台容器部署方法及系统
CN107273185B (zh) 一种基于虚拟机的负载均衡控制方法
CN102156665B (zh) 一种虚拟化系统竞争资源差异化服务方法
CN104618269B (zh) 基于能耗要求的云系统利用率最大化资源分配方法
CN105550323A (zh) 一种分布式数据库负载均衡预测方法和预测分析器
CN107992353B (zh) 一种基于最小迁移量的容器动态迁移方法及系统
CN105373432B (zh) 一种基于虚拟资源状态预测的云计算资源调度方法
WO2007041289A1 (en) Managing virtual machines
CN104375897A (zh) 基于最小相对负载不均衡度的云计算资源调度方法
CN110401695A (zh) 云资源动态调度方法、装置和设备
CN104580194A (zh) 面向视频应用的虚拟化资源管理方法及装置
CN103631537A (zh) 一种虚拟磁盘的管理方法及装置
CN112559122A (zh) 一种基于电力专用安防设备的虚拟化实例管控方法及系统
CN116467082A (zh) 一种基于大数据的资源分配方法及系统
CN107203256B (zh) 一种网络功能虚拟化场景下的节能分配方法与装置
CN110728372A (zh) 一种人工智能模型动态加载的集群设计方法及集群架构
CN115168042A (zh) 监控集群的管理方法及装置、计算机存储介质、电子设备
CN114741160A (zh) 一种基于平衡能耗与服务质量的动态虚拟机整合方法和系统
JP7239861B2 (ja) リソース割当装置、リソース割当方法、および、リソース割当プログラム

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