CN112154416B - 虚拟机配置方法以及用于实施该方法的虚拟机配置装置 - Google Patents

虚拟机配置方法以及用于实施该方法的虚拟机配置装置 Download PDF

Info

Publication number
CN112154416B
CN112154416B CN201980000794.2A CN201980000794A CN112154416B CN 112154416 B CN112154416 B CN 112154416B CN 201980000794 A CN201980000794 A CN 201980000794A CN 112154416 B CN112154416 B CN 112154416B
Authority
CN
China
Prior art keywords
virtual machine
physical server
configuration
virtual
information
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.)
Active
Application number
CN201980000794.2A
Other languages
English (en)
Other versions
CN112154416A (zh
Inventor
尹皓荣
金荣光
金旼俊
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.)
Oxnor Co ltd
Original Assignee
Oxnor 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 Oxnor Co ltd filed Critical Oxnor Co ltd
Publication of CN112154416A publication Critical patent/CN112154416A/zh
Application granted granted Critical
Publication of CN112154416B publication Critical patent/CN112154416B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F9/505—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 considering the load
    • 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]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • 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
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/5019—Workload prediction

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明的一实施例的虚拟机配置方法，包括：计算出虚拟机工作负荷信息的步骤：根据储存于储存部的有关第1物理服务器和第2物理服务器的操作信息，以及根据事先规定的工作负荷计算方法计算出有关被虚拟机附加的物理服务器的负荷即虚拟机工作负荷的信息；计算出最初预测虚拟负荷信息的步骤：根据上述虚拟机工作负荷计算出在第1期间内与由上述虚拟机预测的物理服务器的负荷有关的最初预测虚拟负荷的信息；计算出探索配置信息的步骤：根据事先规定的探索配置计算方法计算出有关上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置即探索配置的信息；以及，依照被选中的上述探索配置上述虚拟机配置于物理服务器上的步骤。

Description

虚拟机配置方法以及用于实施该方法的虚拟机配置装置
技术领域
本发明涉及一种虚拟机配置方法以及用于实施该方法的虚拟机配置装置，是为了有效的操作分别配置有多个虚拟机的第1物理服务器和第2物理服务器，将多个上述虚拟机配置到上述第1物理服务器和上述第2物理服务器上的虚拟机配置方法以及用于实施该方法的虚拟机配置装置。
背景技术
占据全世界用电量的约2％的数据中心虽然是单一建筑物中用电量最多的高密度高耗能建筑物，但由于执行将稳定性作为首要考虑事项的保守运行因此出现未能有效运行的现况。随着今后物联网、大数据、云盘技术等的扩散，小规模的数据中心有望合并到大规模的数据中心如“超规模”、“巨大的mega”数据中心,随着基础设施的扩大数据中心的运行管理的复杂性也会越发严重。由此，一些不必要的服务器被闲置或者转换为省电模式，并最大限度的稳定地运行可用服务器，使数据中心的运行效率最大化，并减少用电量以节约运行费，因此，对配置于数据中心的多个虚拟机进行适当的配置就非常重要。
作为由理论资源(Virtual Machine，VM，虚拟机)构成物质资源(PhysicalMachine，PM，物理服务器)的虚拟环境中可以将运行中的虚拟机向另一个物理服务器移动，其称之为动态迁移(Live Migration)。是一种有效的管理数据中心的必要的管理方法。但，进行动态迁移会具有数据损失的危险、大部分资源被占据等的缺点。
在此，目前的研究(日本专利公报专利第5827594,2015.10.23，授权)在特定的时间点任意一个物理服务器上被施加临界值以上的负荷时进行动态迁移，以减少被施加负荷的物理服务器的负荷的方法来维持物理服务器之间的均衡。但，使用这种方法时被特定的虚拟机动态迁移的物理服务器会出现过负荷的可能性极高，因此，会发生如重新进行动态迁移过程等多次进行动态迁移的问题。
发明内容
发明所要解决的问题
本发明为了解决所述问题而提供了可以减少动态迁移的次数并对数据进行稳定的管理的虚拟机配置方法以及用于实施该方法的虚拟机配置装置。
但，本发明要解决的问题并不局限于如上提及的问题，本发明所属技术领域的普通技术人员可以从以下说明书以及附图明确地理解未提及的其他问题。
用于解决问题的方案
本发明的一种虚拟机配置方法，即为了有效的操作安装有虚拟机的物理服务器，将多个上述虚拟机配置到第1物理服务器和第2物理服务器上的方法，其中，上述物理服务器配备有上述第1物理服务器以及上述第2物理服务器，上述虚拟机配置方法，包括：计算出虚拟机工作负荷信息的步骤：根据储存于储存部的有关上述第1物理服务器和上述第2物理服务器的操作信息，以及根据事先规定的工作负荷计算方法计算出有关被上述虚拟机附加的物理服务器的负荷即虚拟机工作负荷的信息；计算出最初预测虚拟负荷信息的步骤：根据上述虚拟机工作负荷计算出在事先规定的第1期间内与由上述虚拟机预测的物理服务器的负荷有关的最初预测虚拟负荷的信息；计算出探索配置信息的步骤：根据事先规定的探索配置计算方法计算出有关上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置即探索配置的信息；以及，依照被选中的上述探索配置，上述虚拟机配置于上述第1物理服务器和上述第2物理服务器上的步骤，上述事先规定的探索配置计算方法是，根据上述最初预测虚拟负荷信息计算出目标函数变成最小值时的上述虚拟机的探索配置的方法。
并且，上述目标函数具备，有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷的变化量的函数，即第1目标函数。
并且，上述目标函数具备，有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷之间的差异的函数，即第2目标函数。
并且，上述目标函数具备，有关为了使上述虚拟机配置成上述探索配置，而上述虚拟机在上述第1物理服务器和上述第2物理服务器上配置被移动的次数的函数，即第3目标函数。
并且，上述目标函数具备，第1目标函数，有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷的变化量的函数；第2目标函数，有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷之间的差异的函数；以及，第3目标函数，有关为了使上述虚拟机配置成上述探索配置，而上述虚拟机在上述第1物理服务器和上述第2物理服务器上配置被移动的次数的函数。
并且，上述探索配置具备，第1探索配置，当上述第1目标函数的值最小时能使上述第2目标函数的值和上述第3目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置；第2探索配置，当上述第2目标函数的值最小时能使上述第1目标函数的值和上述第3目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置；以及，第3探索配置，当上述第3目标函数的值最小时能使上述第1目标函数的值和上述第2目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置。
并且，上述事先规定的工作负荷计算方法是仅根据CPU的驱动程度计算出上述虚拟机工作负荷信息的方法。
并且，上述事先规定的探索配置计算方法是，将任意一个物理服务器的上述工作负荷处于任意的基准以上的上述虚拟机的配置从上述探索配置中排除的方法。
并且，还包括：上述虚拟机根据选定的上述探索配置被配置于上述第1物理服务器和上述第2物理服务器时，根据有关被预测的物理服务器负荷的选择预测虚拟负荷的信息即选择预测虚拟负荷信息和有关虚拟机的实际工作负荷的信息即实际虚拟工作负荷信息，以及根据事先规定的检测方法判断上述选择预测虚拟负荷信息计算是否正确的步骤。
并且，上述事先规定的检测方法是上述虚拟机的实际工作负荷与对应的上述选择预测虚拟负荷具有规定值以上的相差时，判断上述选择预测虚拟负荷计算有误的方法。
本发明的一种用于实施虚拟机配置方法的虚拟机配置装置，其中上述虚拟机配置方法是为了有效的操作安装有虚拟机的物理服务器，将多个上述虚拟机配置到第1物理服务器和第2物理服务器上的方法，其中，上述物理服务器配备有上述第1物理服务器以及上述第2物理服务器，上述虚拟机配置装置，包括：处理部；以及，储存部，储存用于执行上述虚拟机配置方法的程序，上述虚拟机配置方法，包括：计算出虚拟机工作负荷信息的步骤：上述处理部根据储存于上述储存部的有关上述第1物理服务器和上述第2物理服务器的操作信息，以及根据事先规定的工作负荷计算方法计算出有关被上述虚拟机附加的物理服务器的负荷即虚拟机工作负荷的信息；计算出最初预测虚拟负荷信息的步骤：上述处理部根据上述虚拟机工作负荷计算出从上述虚拟机工作负荷被算出时开始在事先规定的第1期间内与由上述虚拟机预测的物理服务器的负荷有关的最初预测虚拟负荷的信息；计算出探索配置信息的步骤：上述处理部根据事先规定的探索配置计算方法计算出有关上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置即探索配置的信息；以及，上述处理部依照被选中的上述探索配置，上述虚拟机配置于上述第1物理服务器和上述第2物理服务器上的步骤，上述事先规定的探索配置计算方法是，上述处理部根据上述最初预测虚拟负荷信息计算出目标函数变成最小值时的上述虚拟机的探索配置的方法。
发明效果
根据本发明的虚拟机配置方法以及用于实施该方法的虚拟机配置装置可以将数据损失最小化。
而且，可以将资源的需求最小化。
而且，可以稳定地管理数据中心。
但，本发明的效果并不局限于以上所述的效果，本发明所属技术领域的普通技术人员可以从本发明的保护范围的记载中明确地理解未提及的其他效果。
附图说明
图1为表示本发明的一实施例的虚拟机配置装置的概念图以及上述虚拟机配置装置和多个物理服务器之间的关系的图。
图2为表示本发明的一实施例的虚拟机配置方法的流程图。
图3为表示以本发明的一实施例的虚拟机配置方法中考虑第1目标函数的虚拟机配置而达到的效果的图表。
图4为表示以本发明的一实施例的虚拟机配置方法中考虑第2目标函数的虚拟机配置而达到的效果的图表。
图5为表示本发明的一实施例的虚拟机配置方法中计算预测错误的方法的图表。
具体实施方式
本发明的一种虚拟机配置方法，即为了有效的操作安装有虚拟机的物理服务器，将多个上述虚拟机配置到第1物理服务器和第2物理服务器上的方法，其中，上述物理服务器配备有上述第1物理服务器以及上述第2物理服务器，上述虚拟机配置方法，包括：计算出虚拟机工作负荷信息的步骤：根据储存于储存部的有关上述第1物理服务器和上述第2物理服务器的操作信息，以及根据事先规定的工作负荷计算方法计算出有关被上述虚拟机附加的物理服务器的负荷即虚拟机工作负荷的信息；计算出最初预测虚拟负荷信息的步骤：根据上述虚拟机工作负荷计算出在事先规定的第1期间内与由上述虚拟机预测的物理服务器的负荷有关的最初预测虚拟负荷的信息；计算出探索配置信息的步骤：根据事先规定的探索配置计算方法计算出有关上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置即探索配置的信息；以及，依照被选中的上述探索配置，上述虚拟机配置于上述第1物理服务器和上述第2物理服务器上的步骤，上述事先规定的探索配置计算方法是，根据上述最初预测虚拟负荷信息计算出目标函数变成最小值时的上述虚拟机的探索配置的方法。
本发明的一种用于实施虚拟机配置方法的虚拟机配置装置，其中上述虚拟机配置方法是为了有效的操作安装有虚拟机的物理服务器，将多个上述虚拟机配置到第1物理服务器和第2物理服务器上的方法，其中，上述物理服务器配备有上述第1物理服务器以及上述第2物理服务器，上述虚拟机配置装置，包括：处理部；以及，储存部，储存用于执行上述虚拟机配置方法的程序，上述虚拟机配置方法，包括：计算出虚拟机工作负荷信息的步骤：上述处理部根据储存于上述储存部的有关上述第1物理服务器和上述第2物理服务器的操作信息，以及根据事先规定的工作负荷计算方法计算出有关被上述虚拟机附加的物理服务器的负荷即虚拟机工作负荷的信息；计算出最初预测虚拟负荷信息的步骤：上述处理部根据上述虚拟机工作负荷计算出从上述虚拟机工作负荷被算出时开始在事先规定的第1期间内与由上述虚拟机预测的物理服务器的负荷有关的最初预测虚拟负荷的信息；计算出探索配置信息的步骤：上述处理部根据事先规定的探索配置计算方法计算出有关上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置即探索配置的信息；以及，上述处理部依照被选中的上述探索配置，上述虚拟机配置于上述第1物理服务器和上述第2物理服务器上的步骤，上述事先规定的探索配置计算方法是，上述处理部根据上述最初预测虚拟负荷信息计算出目标函数变成最小值时的上述虚拟机的探索配置的方法。
优选实施方式
以下，参照附图对本发明的具体实施例进行详细说明。但，本发明的思想并不局限于以下体积的实施例，理解本发明的思想的技术人员通过在相同的思想范围内追加其他构成要素、变更、删除等方便提出其他退步的其他发明或者属于本发明的思想范围的其他实施例，并且该实施例同样属于本发明要求保护范围的范畴及其等同范围内。
并且，各实施例的附图中显示的相同的思想范围内的功能相同的构成要素使用相同的符号进行了说明。
图1为表示本发明的一实施例的虚拟机配置装置的概念图以及上述虚拟机配置装置和多个物理服务器之间的关系的图。
如图1所示，本说明书中对判断为有可能混淆本发明中所公布的构成或者功能的具体说明中的重点的内容将省略对其内容的详细说明。
本发明的一实施例的虚拟机配置装置10具备用于处理规定信息的处理部11、用于储存规定信息的储存部12、用于接收规定信息的接收部13以及用于发送规定信息的发送部14。
并且，上述虚拟机配置装置10还包括输入部15以及显示部16，所述输入部15将外部输入的信息中规定的信息转达至上述接收部13，所述显示部16用于显示后述的探索配置将上述探索配置转达给操作者。
上述处理部11可以根据规定的信息执行用于实施上述虚拟机匹配方法的如信息处理等的所有演算。
例如，上述处理部11可以是中央处理器。
但，并不受此限定，上述处理部11可以包括用于实施上述虚拟机配置方法所需要的演算的所有装置或者零部件。
上述储存部12储存用于实施上述虚拟机配置方法所需要的信息(数据)。
上述储存部12用于执行储存上述虚拟机配置方法的程序。
例如，上述储存器12可以是作为补助记储存器的硬盘。
但，并不受此限定，上述储存部12可以包括储存用于实施上述虚拟机配置方法所需要的信息的所有要素。
例如，上述储存部12可以是数据库。
上述接收部13用于接收由物理服务器传达的规定的信息。
上述接收部13可以从对应的物理服务器接收与上述物理服务器的操作有关的规定信息。
上述发送部14向上述物理服务器传达规定的信息。
上述发送部14向上述物理服务器传达由上述处理部11算出的控制信号。
由此，上述虚拟机配置装置10为了将在任意物理服务器上驱动的虚拟机迁移至另一个物理服务器，向各个物理服务器传送控制信号。
例如，上述输入部15可以是键盘。
但，并不受此限定，上述输入部15的类型可以在所属技术领域的普通技术人员明确理解的范围内具有多种变化。
例如，上述显示部18可以是显示器。
但，并不受此限定，上述显示部16的种类可以在所属技术领域的普通技术人员明确理解的范围内具有多种变化。
上述虚拟机配置装置10内的部件通过有线以及/或者无线相互连接。
上述虚拟机配置装置10通过有线以及/或者无线连接各个上述物理服务器。
物理服务器可以是用于操作虚拟机的硬件平台。
例如，上述物理服务器可以是通常的台式电脑、服务器、膝上型计算机或者手机等。
但，并不受此限定，上述物理服务器包括可以执行虚拟机的所有工具。
本发明的一实施例的虚拟机配置装置10主要对控制并管理第1物理服务器20、第2物理服务器30、第3物理服务器40的标准进行说明，但本发明并不受此限定，上述虚拟机配置装置10管理以及控制的物理服务器的数量可以在所属技术领域的普通技术人员明确理解的范围内具有多种变化。
如图1所示，物理服务器由第1物理服务器20、第2物理服务器30、第3物理服务器40构成，上述第1物理服务器20上驱动有第a虚拟机21、第b虚拟机22以及第c虚拟机23，上述第2物理服务器30上驱动有第d虚拟机31以及第e虚拟机32,上述第3物理服务器40上驱动有第f虚拟机41以及第g虚拟机42。
以下，对由虚拟机配置装置10实施的虚拟机配置方法进行详细说明。
图2为表示本发明的一实施例的虚拟机配置方法的流程图。
参考图2，本发明的一实施例的虚拟机配置方法为了有效的操作安装有虚拟机的物理服务器，将多个上述虚拟机配置到第1物理服务器和第2物理服务器上的方法，其中，上述物理服务器配备有上述第1物理服务器以及上述第2物理服务器，上述虚拟机配置方法，包括：计算出虚拟机工作负荷信息的步骤S10：根据储存于储存部的有关上述第1物理服务器和上述第2物理服务器的操作信息，以及根据事先规定的工作负荷计算方法计算出有关被上述虚拟机附加的物理服务器的负荷即虚拟机工作负荷的信息；计算出最初预测虚拟负荷信息的步骤S20：根据上述虚拟机工作负荷计算出在事先规定的第1期间内与由上述虚拟机预测的物理服务器的负荷有关的最初预测虚拟负荷的信息；计算出探索配置信息的步骤S30：根据事先规定的探索配置计算方法计算出有关上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置即探索配置的信息；以及，依照被选中的上述探索配置，上述虚拟机配置于上述第1物理服务器和上述第2物理服务器上的步骤S60。
并且，上述虚拟机配置方法还包括根据上述事先规定的探索配置计算方法计算出的多个探索配置通过上述显示部显示的步骤S40。
并且，上述虚拟机配置方法还包括通过上述显示部显示的上述探索配置中的一个探索配置即被选定的探索配置由上述输入部输入，有关被选定的探索配置的信息被传达至上述处理部的步骤S50。
并且，上述虚拟机配置方法还包括上述虚拟机根据选定的上述探索配置被配置于上述第1物理服务器和上述第2物理服务器上时，根据有关被预测的物理服务器负荷的选择预测虚拟负荷的信息即选择预测虚拟负荷信息和有关虚拟机的实际工作负荷的信息即实际虚拟工作负荷信息，以及根据事先规定的检测方法判断上述选择预测虚拟负荷信息计算是否正确的步骤S70。
上述储存部可以储存有关上述第1物理服务器的操作信息、上述第2物理服务器的操作信息以及上述第3物理服务器的操作信息。
例如，上述第1物理服务器、上述第2物理服务器以及上述第3物理服务器的操作信息可以按照时间数列方式储存于上述储存部。
为此，上述接收部可以从上述第1物理服务器、上述第2物理服务器以及上述第3物理服务器接接收有关各个服务器的的操作信息。
例如，有关操作的信息可以是与物理服务器的构成的运转率相关的信息。
上述处理部可以计算出虚拟机工作负荷信息S10，即根据储存于储存部的有关各个物理服务器的操作信息，以及根据事先规定的工作负荷计算方法计算出有关被上述虚拟机附加的物理服务器的负荷即虚拟机工作负荷的信息。
虚拟机工作负荷可以是当虚拟机在物理服务器上驱动时对应的物理服务器的资源的负荷。
上述事先规定的工作负荷计算方法可以是将上述虚拟机工作负荷以由于上述虚拟机在上述物理服务器上操作而附加到上述物理服务器的中央处理器(CPU)的负荷来进行计算的方法。
即、上述事先规定的工作负荷计算方法是仅根据CPU的驱动程度计算出上述虚拟机工作负荷信息的方法。
并且，上述事先规定的工作负荷计算方法中一个虚拟机只在一个物理服务器上运行。
例如，一个虚拟机不能在两个物理服务器上实施。
并且，上述事先规定的工作负荷计算方法中当多个虚拟机在一个物理服务器上驱动时，物理服务器的工作负荷由各个虚拟机工作负荷的总合而得出。
这是为了将后述的预测所需的基础数据简单化，并且可以提高后述的步骤的预测准确度。
上述处理部可以计算出最初预测虚拟负荷信息S20，即根据上述虚拟机工作负荷计算出从上述虚拟机工作负荷信息被算出时开始在事先规定的第1期间内与由上述虚拟机附加的预测的物理服务器的负荷有关的最初预测虚拟负荷的信息。
根据先规定的期间内的预测负荷计算后述的虚拟机的配置的原因在于解决根据特定时间点的过负荷进行迁移时，不可能事先迁移的次数的增加以及整体物理服务器的稳定化的危险。
例如，事先规定的第1期间可以是3个月。
但，本发明并不受此限定，上述事先规定的第1期间可以在所属技术领域的普通技术人员明确理解的范围内具有多种变化。
例如，上述处理部可以根据上述虚拟机工作负荷信息使用多元回归模型、ARIMA分析或者Deep Learning等算法执行有关上述的预测的演算。
这些是对于所属技术领域的普通技术人员明确理解的因此省略对其详细说明。
最初预测虚拟负荷是指从上述虚拟机工作负荷信息计算出的时间点开始在事先规定的第1期间内或者任意时间点开始在事先规定的第1期间内所预测出的虚拟机的工作负荷。
上述处理部可以计算出探索配置信息S30，即根据事先规定的探索配置计算方法计算出有关上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置即探索配置的信息。
在此，上述事先规定的探索配置计算方法是指根据上述最初预测虚拟负荷信息计算出目标函数变成最小值时的上述虚拟机的探索配置的方法。
上述事先规定的探索配置计算方法是指将任意物理服务器的上述工作负荷在任意基准(参考a,图3以及图4)以上时上述虚拟机的配置从上述探索配置中排除的方法。
在此，任意基准a可以是80％。
但，并不受此限定，上述任意基准在所属技术领域的普通技术人员明确理解的范围内具有多种变化。
并且，上述目标函数具备第1目标函数、第2目标函数以及第3目标函数。
上述处理部可以计算出使各个目标函数值为最少值的3个非支配解。
以下，对上述事先规定的探索配置计算方法进行详细说明。
图3为表示以本发明的一实施例的虚拟机配置方法中考虑第1目标函数的虚拟机配置而达到的效果的图表。
如图3所示，上述目标函数可以具备第1目标函数，所述第1目标函数是有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷的变化量的函数。
图3(a)为表示虚拟机处于第1配置时的第1物理服务器、第2物理服务器以及第3物理服务器的工作负荷的图表，图3(b)为表示虚拟机处于第2配置时的第1物理服务器、第2物理服务器以及第3物理服务器的工作负荷的图表。
各个物理服务器的工作负荷可以通过安装于各物理服务器的虚拟机工作负荷的合计算出。
例如，上述虚拟机为第1配置时，第1物理服务器上可以配置有第a虚拟机、第b虚拟机以及第c虚拟机，第2物理服务器上可以配置有第e虚拟机，第3物理服务器上可以配置有第g虚拟机。
例如，上述虚拟机为第2配置时，第1物理服务器上可以配置有第a虚拟机，第2物理服务器上可以配置有第b虚拟机、第d虚拟机以及第f虚拟机，第3物理服务器上可以配置有第c虚拟机、第e虚拟机以及第g虚拟机。
由此，本发明并不受此限定，在所属技术领域的普通技术人员明确理解的范围内具有多种变化。
参考图3(a)以及图3(b)可以确认，虚拟机被配置成第1配置时所有物理服务器的工作负荷在任意基准以下，并且虚拟机被配置成第2配置时所有物理服务器的工作负荷在任意基准以下。
但，虚拟机为第2配置时比虚拟机为第1配置时各个物理服务器的工作负荷变化量(倾斜度)更小。
因此，上述处理部可以计算出第2配置比第1配置更适合作为探索配置。
如果，物理服务器的工作负荷的变化率大时物理服务器的工作负荷出现短时间的超过任意基准的情况，因此形成虚拟机的迁移(转移)。
这种情况下，将反复发生上述的虚拟机的迁移，因此更加提高了虚拟机的数据损失的危险性。
第1目标函数是用于预防该危险性的函数。
图4为表示以本发明的一实施例的虚拟机配置方法中考虑第2目标函数的虚拟机配置而达到的效果的图表。
如图4所示，上述目标函数可以具备第2目标函数，所述第2目标函数是有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷之间的差异的函数。
图4(a)为表示虚拟机处于第3配置时的第1物理服务器、第2物理服务器以及第3物理服务器的工作负荷的图表，图4(b)为表示虚拟机处于第4配置时的第1物理服务器、第2物理服务器以及第3物理服务器的工作负荷的图表。
如图4(a)以及图4(b)所示，上述虚拟机处于第3配置时所有物理服务器的工作负荷在任意基准以下，虚拟机处于第4配置时所有物理服务器的工作负荷在任意基准以下。
但，虚拟机为第4配置时比上述虚拟机为第3配置时各个物理服务器的工作负荷之间的差异更小
因此，上述处理部可以计算出第4配置比第3配置更适合作为探索配置。
此时，为了对物理服务器之间的工作负荷进行比较，物理服务器之间通过上述事先规定的第1期间内的工作负荷的平均值进行相互比较。
第2目标函数用于物理服务器的均衡使用。
上述目标函数包括第3目标函数，所述第3目标函数是有关为了使上述虚拟机配置成上述探索配置而上述虚拟机在上述第1物理服务器和上述第2物理服务器上配置被移动的次数的函数。
换言之，上述第3目标函数可以与为了从目前的虚拟机的配置改为探索配置而使虚拟机在物理服务器之间的移动次数有关。
上述第3目标函数用于查找使上述虚拟机移动次数最少的配置。
探索配置是可以使各个目标函数最小化的在物理机上的上述虚拟机的配置。
上述目标函数具备第1目标函、第2目标函数以及第3目标函数，所述第1目标函数是有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷的变化量的函数；所述第2目标函数是有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷之间的差异的函数；以及所述第3目标函数是有关为了使上述虚拟机配置成上述探索配置，而上述虚拟机在上述第1物理服务器和上述第2物理服务器上配置被移动的次数的函数。
上述显示部显示从上述处理部传达的探索配置S40。
上述处理部可以计算出有关第1探索配置的信息即第1探索配置信息、有关上述第2探索配置的信息即第2探索信息，以及有关第3探索配置信息即第3探索配置信息，并将此信息转达至上述显示部。
上述探索配置具备第1探索配置、第2探索配置以及第3探索配置，所述第1探索配置是当上述第1目标函数的值最小时能使上述第2目标函数的值和上述第3目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置；所述第2探索配置是当上述第2目标函数的值最小时能使上述第1目标函数的值和上述第3目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置；以及，所述第3探索配置是当上述第3目标函数的值最小时能使上述第1目标函数的值和上述第2目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置。
上述显示部用于显示上述第1探索配置、第2探索配置以及第3探索配置。
上述第1探索配置、上述第2探索配置以及第3探索配置作为目标函数的非支配解是相互独立的解决方法。
操作者可以通过输入部在上述第1探索配置、上述第2探索配置以及第3探索配置中选择一个探索配置，并输入选择的探索配置。
上述输入部计算出有关上述被选择的探索配置的信息并将该信息转达至上述处理部。
图5为表示本发明的一实施例的虚拟机配置方法中计算预测错误的方法的图表。
上述处理部可以依照被选中的上述探索配置，将上述虚拟机在多个上述物理服务器上重新进行配置S60。
通过这种方法，上述物理机的资源不会偏向任何一个物理机而是会被均衡使用。
并且，上述处理部在上述虚拟机根据选定的上述探索配置被配置于物理服务器时，根据有关被预测的物理服务器负荷的选择预测虚拟负荷的信息即选择预测虚拟负荷信息和有关虚拟机的实际工作负荷的信息即实际虚拟工作负荷信息，以及根据事先规定的检测方法判断上述选择预测虚拟负荷信息计算是否正确S70。
此时，选择预测虚拟负荷信息可以与最初预测虚拟负荷信息相同。
但，并不受此限定，上述选择预测虚拟负荷信息可以不同于最初预测虚拟负荷信息。
这种情况下，上述处理部根据被选定的探索配置来配置上述虚拟机，之后预测规定时间内的上述虚拟机的工作负荷计算出上述选择预测虚拟负荷信息。
上述事先规定的检测方法是在上述实际虚拟工作负荷与对应的上述选择预测虚拟负荷形成规定值以上的差异时用于判断选择预测虚拟负荷计算错误的方法。
具体例如，图5为表示第a虚拟机的可预测的工作负荷即选择预测虚拟负荷的第1工作负荷X10和第a虚拟机的实际工作负荷的第2工作负荷X2的图表。
上述处理部当上述第1工作负荷和上述第2工作负荷形成规定的工作负荷(规定值，X)以上的差异时可以判断上述第a虚拟机的工作负荷预测有误。
当上述处理部判断上述选择预测虚拟负荷计算有误时，上述处理部从判断上述选择预测虚拟负荷有误的时间点即重新判断时间点开始在事先规定的第2期间内计算出与通过上述虚拟机预测的物理服务器的负荷的重新预测虚拟负荷有关的信息即重新预测虚拟负荷信息S80。
上述处理部根据上述重新预测虚拟负荷信息以及上述事先规定的探索配置计算方法来重新计算探索配置S80，并通过该计算进行对顶的演算以使虚拟机可以被重新配置S90。
对于此内容的说明与上述的内容重复因此进行省略。
此时，事先规定的第2期间与上述的事先规定的第1时间可以相同或者不同。
相同的，上述虚拟机配置方法反复连续的进行。
上述虚拟机为了被重新配置S90操作者可以在多个探索配置中选择一个，上述处理部可以根据选择的探索配置对上述虚拟机进行重新配置S90。
对于此内容的说明与上述的内容重复因此进行省略。
附图用于更加明确的表达本发明的技术思想，对于与本发明的技术思想没有关联或者关联性小的构成减少了对其的说明或者进行了省略。
如上所述，根据本发明的实施例对本发明的构成和特点进行的说明但本发明并不受此限定，本发明可以在不脱离其宗旨或范畴的情况下，以其他特定形态实现具体化是显而易见的。因此，这种变更或者变形属于发明要求保护范围的范畴及其等同范围内。

Claims (6)

1.一种虚拟机配置方法，即为了有效的操作安装有虚拟机的物理服务器，将多个上述虚拟机配置到第1物理服务器和第2物理服务器上的方法，其中，上述物理服务器配备有上述第1物理服务器以及上述第2物理服务器，上述虚拟机配置方法，包括：
计算出虚拟机工作负荷信息的步骤：根据储存于储存部的有关上述第1物理服务器和上述第2物理服务器的操作信息，以及根据事先规定的工作负荷计算方法计算出有关被上述虚拟机附加的物理服务器的负荷即虚拟机工作负荷的信息；
计算出最初预测虚拟负荷信息的步骤：根据上述虚拟机工作负荷计算出在事先规定的第1期间内与由上述虚拟机预测的物理服务器的负荷有关的最初预测虚拟负荷的信息；
计算出探索配置信息的步骤：根据事先规定的探索配置计算方法计算出有关上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置即探索配置的信息；以及，
依照被选中的上述探索配置，上述虚拟机配置于上述第1物理服务器和上述第2物理服务器上的步骤，
上述事先规定的探索配置计算方法是，根据上述最初预测虚拟负荷信息计算出目标函数变成最小值时的上述虚拟机的探索配置的方法，
其中，上述目标函数具备，
第1目标函数，有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷的变化量的函数；
第2目标函数，有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷之间的差异的函数；以及，
第3目标函数，有关为了使上述虚拟机配置成上述探索配置，而上述虚拟机在上述第1物理服务器和上述第2物理服务器上配置被移动的次数的函数，
上述探索配置具备，
第1探索配置，当上述第1目标函数的值最小时能使上述第2目标函数的值和上述第3目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置；
第2探索配置，当上述第2目标函数的值最小时能使上述第1目标函数的值和上述第3目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置；以及，
第3探索配置，当上述第3目标函数的值最小时能使上述第1目标函数的值和上述第2目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置。
2.根据权利要求1所述的虚拟机配置方法，其特征在于，上述事先规定的工作负荷计算方法是仅根据CPU的驱动程度计算出上述虚拟机工作负荷信息的方法。
3.根据权利要求2所述的虚拟机配置方法，其特征在于，上述事先规定的探索配置计算方法是，将任意一个物理服务器的上述工作负荷处于任意的基准以上的上述虚拟机的配置从上述探索配置中排除的方法。
4.根据权利要求1所述的虚拟机配置方法，还包括：
上述虚拟机根据选定的上述探索配置被配置于上述第1物理服务器和上述第2物理服务器时，根据有关被预测的物理服务器负荷的选择预测虚拟负荷的信息即选择预测虚拟负荷信息和有关虚拟机的实际工作负荷的信息即实际虚拟工作负荷信息，以及根据事先规定的检测方法判断上述选择预测虚拟负荷信息计算是否正确的步骤。
5.根据权利要求4所述的虚拟机配置方法，其特征在于，上述事先规定的检测方法是上述虚拟机的实际工作负荷与对应的上述选择预测虚拟负荷具有规定值以上的相差时，判断上述选择预测虚拟负荷计算有误的方法。
6.一种用于实施虚拟机配置方法的虚拟机配置装置，其中上述虚拟机配置方法是为了有效的操作安装有虚拟机的物理服务器，将多个上述虚拟机配置到第1物理服务器和第2物理服务器上的方法，其中，上述物理服务器配备有上述第1物理服务器以及上述第2物理服务器，上述虚拟机配置装置，包括：
处理部；以及，
储存部，储存用于执行上述虚拟机配置方法的程序，
上述虚拟机配置方法，包括：
计算出虚拟机工作负荷信息的步骤：上述处理部根据储存于上述储存部的有关上述第1物理服务器和上述第2物理服务器的操作信息，以及根据事先规定的工作负荷计算方法计算出有关被上述虚拟机附加的物理服务器的负荷即虚拟机工作负荷的信息；
计算出最初预测虚拟负荷信息的步骤：上述处理部根据上述虚拟机工作负荷计算出从上述虚拟机工作负荷被算出时开始在事先规定的第1期间内与由上述虚拟机预测的物理服务器的负荷有关的最初预测虚拟负荷的信息；
计算出探索配置信息的步骤：上述处理部根据事先规定的探索配置计算方法计算出有关上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置即探索配置的信息；以及，
上述处理部依照被选中的上述探索配置，上述虚拟机配置于上述第1物理服务器和上述第2物理服务器上的步骤，
上述事先规定的探索配置计算方法是，上述处理部根据上述最初预测虚拟负荷信息计算出目标函数变成最小值时的上述虚拟机的探索配置的方法，
其中，上述目标函数具备，
第1目标函数，有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷的变化量的函数；
第2目标函数，有关在上述事先规定的第1期间内根据上述最初预测虚拟负荷计算出的物理服务器的工作负荷之间的差异的函数；以及，
第3目标函数，有关为了使上述虚拟机配置成上述探索配置，而上述虚拟机在上述第1物理服务器和上述第2物理服务器上配置被移动的次数的函数，
上述探索配置具备，
第1探索配置，当上述第1目标函数的值最小时能使上述第2目标函数的值和上述第3目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置；
第2探索配置，当上述第2目标函数的值最小时能使上述第1目标函数的值和上述第3目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置；以及，
第3探索配置，当上述第3目标函数的值最小时能使上述第1目标函数的值和上述第2目标函数的值最小化的上述第1物理服务器和上述第2物理服务器上的上述虚拟机的配置。
CN201980000794.2A 2019-04-29 2019-05-21 虚拟机配置方法以及用于实施该方法的虚拟机配置装置 Active CN112154416B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020190049976A KR102062157B1 (ko) 2019-04-29 2019-04-29 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
KR10-2019-0049976 2019-04-29
PCT/KR2019/006072 WO2020222347A1 (ko) 2019-04-29 2019-05-21 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치

Publications (2)

Publication Number Publication Date
CN112154416A CN112154416A (zh) 2020-12-29
CN112154416B true CN112154416B (zh) 2024-03-29

Family

ID=69155391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980000794.2A Active CN112154416B (zh) 2019-04-29 2019-05-21 虚拟机配置方法以及用于实施该方法的虚拟机配置装置

Country Status (4)

Country Link
US (1) US11354163B2 (zh)
KR (1) KR102062157B1 (zh)
CN (1) CN112154416B (zh)
WO (1) WO2020222347A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102403625B1 (ko) * 2021-10-15 2022-05-30 오케스트로 주식회사 물리 서버 성능 저하를 고려하여 가상 머신 예측 관리를 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법
KR102403632B1 (ko) * 2021-10-15 2022-05-30 오케스트로 주식회사 핫 스팟을 고려하여 가상 머신의 예측 마이그레이션을 구현한 가상 머신 배치 시스템 및 가상 머신 배치 방법
KR102381570B1 (ko) * 2021-10-21 2022-04-01 오케스트로 주식회사 예측 불확실성이 반영된 배치 스케줄을 제공하는 가상 머신 배치 시스템 및 가상 머신 배치 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010244181A (ja) * 2009-04-02 2010-10-28 Nec Corp 仮想マシン管理システム，仮想マシン配置設定方法及びそのプログラム
CN102449603A (zh) * 2009-06-01 2012-05-09 富士通株式会社 服务器管理程序、管理服务器以及虚拟服务器配置方法
CN106598733A (zh) * 2016-12-08 2017-04-26 南京航空航天大学 一种云计算能耗关键的三维度虚拟资源调度方法
CN107562512A (zh) * 2016-07-01 2018-01-09 华为技术有限公司 一种迁移虚拟机的方法、装置及系统
CN107967179A (zh) * 2017-12-12 2018-04-27 山东省计算中心（国家超级计算济南中心） 一种支持突发应急的云计算资源分配方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6868114B2 (en) * 2001-01-18 2005-03-15 The Titan Corporation Interference suppression in a spread spectrum communications system using non-linear frequency domain excision
AU2002255806A1 (en) * 2001-03-20 2002-10-08 Dealigence Inc. Negotiating platform
JP2007183883A (ja) * 2006-01-10 2007-07-19 Fujitsu Ltd 資源計画作成プログラム、該プログラムを記録した記録媒体、資源計画作成装置、および資源計画作成方法
US8694638B2 (en) * 2009-06-29 2014-04-08 Red Hat Israel Selecting a host from a host cluster to run a virtual machine
JP4982578B2 (ja) * 2010-02-22 2012-07-25 西日本電信電話株式会社 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制御プログラム
JP2011186701A (ja) * 2010-03-08 2011-09-22 Nec Corp 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
JP5767480B2 (ja) * 2011-01-31 2015-08-19 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報処理装置、情報処理システム、配置構成決定方法、プログラムおよび記録媒体
JP5785050B2 (ja) * 2011-10-27 2015-09-24 株式会社日立製作所 情報処理システム、その省電力制御方法、及び装置
US9116181B2 (en) * 2011-12-29 2015-08-25 Huawei Technologies Co., Ltd. Method, apparatus, and system for virtual cluster integration
US8862744B2 (en) * 2012-02-14 2014-10-14 Telefonaktiebolaget L M Ericsson (Publ) Optimizing traffic load in a communications network
JP6044131B2 (ja) * 2012-06-25 2016-12-14 富士通株式会社 プログラム、管理サーバおよび仮想マシン移動制御方法
US20140019964A1 (en) * 2012-07-13 2014-01-16 Douglas M. Neuse System and method for automated assignment of virtual machines and physical machines to hosts using interval analysis
SG10201907682RA (en) * 2012-10-05 2019-10-30 Mould Diane System and method for providing patient-specific dosing as a function of mathematical models
CN103822097B (zh) * 2012-11-16 2016-11-16 国际商业机器公司 在流体输送管道中估计负压波的波速的方法及装置
US10318881B2 (en) * 2013-06-28 2019-06-11 D-Wave Systems Inc. Systems and methods for quantum processing of data
CN104461728B (zh) * 2013-09-18 2019-06-14 Sap欧洲公司 迁移事件调度管理的计算机系统、介质和方法
CN107428568A (zh) * 2015-03-26 2017-12-01 皇家飞利浦有限公司 控制水的单向pH调节中电极的再生
JP2017228881A (ja) * 2016-06-21 2017-12-28 富士通株式会社 ネットワーク評価プログラム、ネットワーク評価方法、及び、ネットワーク評価装置
US10949492B2 (en) * 2016-07-14 2021-03-16 International Business Machines Corporation Calculating a solution for an objective function based on two objective functions
KR101867487B1 (ko) * 2016-12-23 2018-07-18 경희대학교 산학협력단 클라우드 환경에서 퍼지기반의 마이그레이션 시스템 및 방법
US10636141B2 (en) * 2017-02-09 2020-04-28 Siemens Healthcare Gmbh Adversarial and dual inverse deep learning networks for medical image analysis
JP6568175B2 (ja) * 2017-10-20 2019-08-28 ヤフー株式会社 学習装置、生成装置、分類装置、学習方法、学習プログラム、および動作プログラム
CN108469983B (zh) * 2018-04-02 2021-10-19 西南交通大学 一种云环境下的基于粒子群算法的虚拟机部署方法
JP7070051B2 (ja) * 2018-04-27 2022-05-18 日本電信電話株式会社 計算装置、計算方法及びプログラム
US20200019841A1 (en) * 2018-07-12 2020-01-16 Vmware, Inc. Neural network model for predicting usage in a hyper-converged infrastructure

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010244181A (ja) * 2009-04-02 2010-10-28 Nec Corp 仮想マシン管理システム，仮想マシン配置設定方法及びそのプログラム
CN102449603A (zh) * 2009-06-01 2012-05-09 富士通株式会社 服务器管理程序、管理服务器以及虚拟服务器配置方法
CN107562512A (zh) * 2016-07-01 2018-01-09 华为技术有限公司 一种迁移虚拟机的方法、装置及系统
CN106598733A (zh) * 2016-12-08 2017-04-26 南京航空航天大学 一种云计算能耗关键的三维度虚拟资源调度方法
CN107967179A (zh) * 2017-12-12 2018-04-27 山东省计算中心（国家超级计算济南中心） 一种支持突发应急的云计算资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
云环境中基于动态监测周期的动态资源管理模型;袁健，陈冬露;小型微型计算机系统;第37卷(第3期);全文 *
基于负载预测的虚拟机动态调度算法研究与实现;王浩，罗宇;计算机工程与科学;第38卷(第10期);第1节-2节 *

Also Published As

Publication number Publication date
WO2020222347A1 (ko) 2020-11-05
CN112154416A (zh) 2020-12-29
KR102062157B1 (ko) 2020-01-03
US11354163B2 (en) 2022-06-07
US20220050716A1 (en) 2022-02-17

Similar Documents

Publication Publication Date Title
Badri et al. Energy-aware application placement in mobile edge computing: A stochastic optimization approach
US10659387B2 (en) Cloud resource placement optimization and migration execution in federated clouds
CN112154416B (zh) 虚拟机配置方法以及用于实施该方法的虚拟机配置装置
Saxena et al. OP-MLB: an online VM prediction-based multi-objective load balancing framework for resource management at cloud data center
Askarizade Haghighi et al. An energy-efficient dynamic resource management approach based on clustering and meta-heuristic algorithms in cloud computing IaaS platforms: Energy efficient dynamic cloud resource management
KR102135208B1 (ko) 스케줄링을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
US10725834B2 (en) Job scheduling based on node and application characteristics
US20100162259A1 (en) Virtualization-based resource management apparatus and method and computing system for virtualization-based resource management
US20100211956A1 (en) Method and system for continuous optimization of data centers by combining server and storage virtualization
CN104781795A (zh) 存储层的动态选择
Metawei et al. Load balancing in distributed multi-agent computing systems
KR101990411B1 (ko) 클라우드 시스템에서의 우선 순위 기반 자원 스케일링 시스템, 장치 및 방법
US11500691B2 (en) Predictive scaling of datacenters
US11409574B2 (en) Instance creation in a computing system
CN111913670A (zh) 负载均衡的处理方法、装置、电子设备及存储介质
JP5109799B2 (ja) 情報処理システム、負荷制御方法、および負荷制御プログラム
JP2013008089A (ja) 計算機システムの構成パターンの算出方法及び構成パターンの算出装置
US20230367654A1 (en) Automatic node fungibility between compute and infrastructure nodes in edge zones
WO2023089350A1 (en) An architecture for a self-adaptive computation management in edge cloud
Mehta et al. Dynamic resource allocation heuristics that manage tradeoff between makespan and robustness
JP2014153897A (ja) 計算機システム及びリソース管理装置並びにリソース管理方法
Ahmed et al. Heterogeneous energy-aware load balancing for industry 4.0 and IoT environments
KR102126434B1 (ko) 딥 러닝을 활용한 워크 로드 예측을 통한 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치
US9467336B2 (en) Information processing system and management method thereof
Danthuluri et al. Energy and cost optimization mechanism for workflow scheduling in the cloud

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