CN112181604B - 一种缩容目标选择方法及装置 - Google Patents
一种缩容目标选择方法及装置 Download PDFInfo
- Publication number
- CN112181604B CN112181604B CN202011160719.3A CN202011160719A CN112181604B CN 112181604 B CN112181604 B CN 112181604B CN 202011160719 A CN202011160719 A CN 202011160719A CN 112181604 B CN112181604 B CN 112181604B
- Authority
- CN
- China
- Prior art keywords
- resource
- resource utilization
- item
- virtual machine
- host
- 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
Links
- 238000010187 selection method Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000009467 reduction Effects 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims description 40
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- G06F9/46—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
- 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
Abstract
本申请公开了一种缩容目标选择方法及装置,属于通信技术领域。该缩容目标选择方法包括:获取宿主机和虚拟机的资源利用信息,根据资源利用信息计算虚拟机的资源利用偏移水平和宿主机的资源利用偏移水平,并根据虚拟机的资源利用偏移水平和宿主机的资源利用差异度,计算虚拟机的匹配度,根据虚拟机的匹配度、当前虚拟机数量和缩容虚拟机数量确定缩容目标,综合考量虚拟机和宿主机的资源利用情况,更加合理地确定缩容目标,从而更好地提升资源利用率。
Description
技术领域
本申请涉及通信技术领域,具体涉及一种缩容目标选择方法及装置。
背景技术
虚拟化是一种资源管理技术,通过将计算机的各种实体资源进行抽象和转换后呈现出来,从而打破实体结构间不可切割的障碍,使用户能以更好的组态方式来应用这些资源。虚拟机即是通过虚拟化技术在宿主机中为用户虚拟出的抽象的、统一的、模拟的计算环境,并且在实际使用时通过将若干数量的虚拟机进行集群化,可以形成虚拟机集群。在一个虚拟机集群中,很多应用运行在集群环境中,当集群负载过高时,需要增加机器到集群环境中,而当集群负载过剩时,需要缩容以提高资源的使用效率。但是,目前在执行缩容操作时,一般直接根据过剩负载量删除虚拟机,缺乏对各台虚拟机和所属宿主机资源利用情况的综合考量,从而可能导致缩容之后无法较好地提升资源利用率。因此,如何合理确定缩容目标,提高资源利用率,成为本领域亟待解决的问题。
发明内容
为此,本申请提供一种缩容目标选择方法及装置,以解决直接根据过剩负载量删除虚拟机,导致无法较好提升资源利用率的问题。
为了实现上述目的,本申请第一方面提供一种缩容目标选择方法,包括:
获取宿主机和虚拟机的资源利用信息;
根据资源利用信息计算虚拟机的资源利用偏移水平和宿主机的资源利用差异度;
根据虚拟机的资源利用偏移水平和宿主机的资源利用差异度,计算虚拟机的匹配度;
根据虚拟机的匹配度、当前虚拟机数量和缩容虚拟机数量确定缩容目标。
进一步地,资源利用信息包括宿主机的资源项的可用量、宿主机的资源项的实时使用量和虚拟机对资源项的占有量,资源项的数量为一个或多个,虚拟机为运行于宿主机上的虚拟机,且运行于宿主机上的虚拟机的数量为一个或多个。
进一步地,根据资源利用信息计算虚拟机的资源利用偏移水平,包括:
根据资源项的可用量和资源项的实时使用量计算资源项的第一资源利用率;
根据资源项的可用量、资源项的实时使用量和虚拟机对资源项的占有量计算资源项的第二资源利用率;
根据资源项的第一资源利用率和资源项的第二资源利用率计算虚拟机的资源利用偏移水平。
进一步地,根据资源利用信息计算宿主机的资源利用差异度,包括:
根据宿主机对应的资源项的第一资源利用率计算宿主机的资源利用差异度。
进一步地,根据资源项的可用量和资源项的实时使用量计算资源项的第一资源利用率,包括:
第一资源利用率为资源项的实时使用量与资源项的可用量的比值;
第一资源利用率通过公式(1)设置;
其中,Ri_j表示资源项的第一资源利用率,ui_j表示资源项的实时使用量,ai_j表示资源项的可用量,i表示宿主机在虚拟集群中的序号,i={1,2,…,n},j表示资源项的序号,且j={1,2,…,m}。
进一步地,根据资源项的可用量、资源项的实时使用量和虚拟机对资源项的占有量计算资源项的第二资源利用率,包括:
计算资源项的实时使用量与虚拟机对资源项的占有量的差值;
根据差值与资源项的可用量计算第二资源利用率;
第二资源利用率通过公式(2)设置;
进一步地,根据资源项的第一资源利用率和资源项的第二资源利用率计算虚拟机的资源利用偏移水平,包括:
根据资源项的第一资源利用计算宿主机的资源利用均值;
根据资源利用均值和资源项的第二资源利用率计算资源利用偏移水平;
资源利用偏移水平通过公式(3)设置;
进一步地,根据第一资源利用率计算宿主机的资源利用差异度,包括:
根据资源项的第一资源利用率计算宿主机的资源利用均值;
根据资源利用均值和目标资源项的第一资源利用率计算资源利用差异度;其中,目标资源项为预先确定的资源项;
资源利用差异度通过公式(4)设置;
其中,Bi表示资源利用差异度,Ri_target表示目标资源项的第一资源利用率。
进一步地,根据虚拟机的资源利用差异度和宿主机的资源利用偏移水平,计算虚拟机的匹配度,包括:
虚拟机的匹配度为资源利用偏移水平与资源利用差异度的比值;
虚拟机的匹配度通过公式(5)设置;
为了实现上述目的,本申请第二方面提供一种缩容目标选择装置,包括:
获取模块,用于获取宿主机和虚拟机的资源利用信息;
第一计算模块,用于根据资源利用信息计算虚拟机的资源利用偏移水平;
第二计算模块,用于根据资源利用信息计算宿主机的资源利用差异度;
第三计算模块,用于根据虚拟机的资源利用偏移水平和宿主机的资源利用差异度,计算虚拟机的匹配度;
确定模块,用于根据虚拟机的匹配度、当前虚拟机数量和缩容虚拟机数量确定缩容目标。
本申请具有如下优点:
本申请提供的缩容目标选择方法,获取宿主机和虚拟机的资源利用信息,根据资源利用信息计算虚拟机的资源利用偏移水平和宿主机的资源利用偏移水平,并根据虚拟机的资源利用偏移水平和宿主机的资源利用差异度,计算虚拟机的匹配度,根据虚拟机的匹配度、当前虚拟机数量和缩容虚拟机数量确定缩容目标,综合考量虚拟机和宿主机的资源利用情况,更加合理地确定缩容目标,从而更好地提升资源利用率。
附图说明
附图是用来提供对本申请的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本申请,但并不构成对本申请的限制。
图1为本申请实施例提供的一种缩容目标选择方法的流程图;
图2为本申请实施例提供的一种计算资源利用偏移水平方法的流程图;
图3为本申请实施例提供的一种计算资源利用差异度方法的流程图;
图4为本申请实施例提供的一种缩容目标选择装置的原理框图。
在附图中:
401:获取模块 402:第一计算模块
403:第二计算模块 404:第三计算模块
405:确定模块
具体实施方式
以下结合附图对本申请的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请,并不用于限制本申请。
本申请提供的缩容目标选择方法及装置,考虑到目前执行缩容操作时,缺乏对虚拟机和宿主机资源利用情况的综合考量,可能导致缩容之后无法较好提升资源利用率的问题,提出一种新的缩容目标选择方法,综合考量虚拟机和宿主机对资源项的资源利用情况,并根据资源利用情况和缩容量确定缩容目标,从而可以更加合理地确定缩容目标,提高资源利用率。
图1是本申请实施例提供的一种缩容目标选择方法的流程图。如图1所示,该缩容目标选择方法可包括如下步骤:
步骤S101,获取宿主机和虚拟机的资源利用信息。
主机是指计算机除去输入输出设备以外的主要机体部分,通常包括中央处理器(Central Processing Unit,CPU)、内存、主板、光驱、电源、输入输出控制器和接口等硬件,这些硬件可为主机提供多项资源,主机通过调用一项或多项资源可实现某一具体功能。宿主机的本质也是主机,只不过宿主机中存在一台或多台虚拟机。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。虚拟机安装并运行在宿主机上,宿主机是虚拟机的物理基础,虚拟机可以与宿主机共享硬件。在配置虚拟机时,可以根据使用需求在一台宿主机中配置一台或多台虚拟机,这些虚拟机均与宿主机共享硬件。
在实际使用中,还可以将若干数量的虚拟机集群化,形成虚拟集群,并对外提供服务。在虚拟集群的运行过程中,如果集群负载过高,则需要增加机器到集群环境中以增加相应的资源,而当集群负载过剩时,则需要缩容以提高资源的使用效率。在集群负载过剩需要缩容时,如果直接根据缩容量随机选取若干虚拟机进行缩容,则无法保障缩容之后的资源利用率得以较好地提升。有鉴于此,综合考虑虚拟机和宿主机的资源利用情况,根据资源利用情况确定待缩容的目标虚拟机。
在一个实施方式中,使用资源测试工具对宿主机和运行在宿主机上的虚拟机进行测试,从而获得宿主机和虚拟机的资源利用信息;其中,资源利用信息包括宿主机的资源项的可用量、宿主机的资源项的实时使用量和虚拟机对资源项的占有量,宿主机和虚拟机的资源项的数量为一个或多个,资源项包括内存资源、带宽资源和CPU资源等。
需要说明的是,还可以采用其它方式获取宿主机和虚拟机的资源利用信息,具体的获取方式不用于限定本申请实施例的保护范围,这里不再赘述。
步骤S102,根据资源利用信息计算虚拟机的资源利用偏移水平和宿主机的资源利用差异度。
资源利用偏移水平可以反映虚拟机对各个资源项的利用偏移程度。一般情况下,若资源利用偏移水平越低,则说明虚拟机对各个资源项的利用程度较为接近,资源利用较为平衡,是相对理想的资源利用状态;若资源利用偏移水平越高,则说明虚拟机对各个资源项的利用程度差别较大,资源利用不平衡,不是理想的资源利用状态。
进一步地,在资源利用偏移水平一致的情况下,更倾向于从对目标资源项利用率水平较高的主机中删除虚拟机,其中,目标资源项一般指虚拟集群中资源利用率过低的资源项。资源利用差异度正是可以反映宿主机对目标资源项与其它资源项利用程度差异的参数。
在第一个实施方式中,根据资源利用信息计算虚拟机的资源利用偏移水平具体包括:
首先,根据宿主机中资源项的可用量和资源项的实时使用量计算资源项的第一资源利用率。第一资源利用率的计算公式如下:
其中,Ri_j表示资源项的第一资源利用率,ui_j表示宿主机中资源项的实时使用量,ai_j表示宿主机中资源项的可用量,i表示宿主机在虚拟集群中的序号,i={1,2,…,n},j表示资源项的序号,且j={1,2,…,m}。
其次,根据资源项的可用量、资源项的实时使用量和虚拟机对资源项的占有量计算资源项的第二资源利用率。第二资源利用率的计算公式如下:
然后,根据资源项的第一资源利用率计算宿主机的资源利用均值。资源利用均值的计算公式如下:
最后,根据资源利用均值和资源项的第二资源利用率计算虚拟机的资源利用偏移水平。资源利用偏移水平的计算公式如下:
在第二个实施方式中,根据资源利用信息计算宿主机的资源利用差异度包括:
首先,根据宿主机中资源项的可用量和资源项的实时使用量计算资源项的第一资源利用率。
其次,根据资源项的第一资源利用率计算宿主机的资源利用均值。
然后,确定目标资源项的第一资源利用率。
其中,目标资源项为宿主机中的某一个资源项,且目标资源项是预先确定资源项。一般情况下,将虚拟集群中资源利用率过低的资源项确定为目标资源项。
需要说明的是,宿主机中的资源项的第一资源利用率已经在前述步骤中获得,本步骤是从宿主机的所有资源项的第一资源利用率中筛选出目标资源项的第一资源利用率。
最后,根据资源利用均值和目标资源项的第一资源利用率计算资源利用差异度。资源利用差异度的计算公式如下:
其中,Bi表示资源利用差异度,Ri_target表示目标资源项的第一资源利用率。
需要说明的是,在第二个实施方式中,第一资源利用率和资源利用均值的计算方法与本步骤第一个实施方式中第一资源利用率和资源利用均值的计算方法相同,在此不再赘述。
步骤S103,根据虚拟机的资源利用偏移水平和宿主机的资源利用差异度,计算虚拟机的匹配度。
虚拟机的匹配度可以反映虚拟机与当前虚拟集群资源利用的契合程度。匹配度越低,说明虚拟机与虚拟集群的资源利用契合程度越低。
在一个实施方式中,将资源利用偏移水平与资源利用差异度的比值作为虚拟机的匹配度。匹配度的计算公式如下:
步骤S104,根据虚拟机的匹配度、当前虚拟机数量和缩容虚拟机数量确定缩容目标。
其中,当前虚拟机数量即为虚拟集群中的虚拟机的数量,缩容虚拟机数量即为要缩容的虚拟机的数量。
在一个实施方式中,假设虚拟集群包括三台宿主机和五台虚拟机;缩容虚拟机数量为两台。具体地,三台宿主机分别是第一宿主机、第二宿主机和第三宿主机。其中,第一宿主机中配置有两台虚拟机,分别是第一虚拟机和第二虚拟机;第二宿主机中配置有一台虚拟机,为第三虚拟机;第三宿主机中配置有两台虚拟机,分别是第四虚拟机和第五虚拟机。
进一步地,假设第一宿主机的资源利用差异度为B1,第一虚拟机的资源偏移水平为第二虚拟机的资源偏移水平为/>第二宿主机的资源利用差异度为B2,第三虚拟机的资源偏移水平为/>第三宿主机的资源利用差异度为B3,第四虚拟机的资源偏移水平为第五虚拟机的资源偏移水平为/>
根据虚拟机匹配度的计算公式可以获得:
获得虚拟机的匹配度之后,按照从小到大的顺序对虚拟机的匹配度进行排序,获得匹配度序列。
确定缩容目标之后,即可根据缩容目标执行缩容操作。在本实施方式中,将第二虚拟机和第四虚拟机分别从第一宿主机和第三宿主机中删除,从而实现缩容。
需要说明的是,在一些具体实施方式中,可以根据本实施例中虚拟机匹配度的计算方法制作匹配度模型,将获取的资源利用信息输入该匹配度模型之后,获得的输出结果即为虚拟机的匹配度,进而可根据虚拟机的匹配度进行缩容操作。
还需要说明的是,基于缩容目标的缩容方法包括现在已有的和将来出现的缩容方法,具体的缩容方式不用于限定本申请实施例的保护范围,这里不再赘述。
图2是本申请实施例提供的一种计算资源利用偏移水平方法的流程图。如图2所示,该计算资源利用偏移水平方法可包括如下步骤:
步骤S201,根据资源项的可用量和资源项的实时使用量计算资源项的第一资源利用率。
其中,资源项的可用量为宿主机中该资源项的可使用量,资源项的实时使用量为宿主机中该资源项的实时使用量。
在一个实施方式中,计算宿主机中资源项的实时使用量与资源项的可用量的比值,将该比值作为资源项的第一资源利用率。
如,以某一宿主机为例,假设该宿主机在虚拟集群的序号为1,宿主机中包括三个资源项,分别是第一资源项、第二资源项和第三资源项。其中,第一资源项对应的实时使用量为u1_1,可用量为a1_1;第二资源项对应的实时使用量为u1_2,可用量为a1_2;第三资源项对应的实时使用量为u1_3,可用量为a1_3。
根据第一资源利用率的计算方法可得:
其中,R1_1表示第一资源项的第一资源利用率。
其中,R1_2表示第二资源项的第一资源利用率。
其中,R1_3表示第三资源项的第一资源利用率。
步骤S202,根据资源项的可用量、资源项的实时使用量和虚拟机对资源项的占有量计算资源项的第二资源利用率。
第二资源利用率与虚拟机对资源项的占有量相关,具体地,第二资源利用率的计算公式如下:
其中,表示资源项的第二资源利用率,ui_j表示宿主机中资源项的实时使用量,ai_j表示宿主机中资源项的可用量,/>表示虚拟机对资源项的占有量,i表示宿主机在虚拟集群中的序号,i={1,2,…,n},j表示资源项的序号,且j={1,2,…,m},k表示虚拟机在宿主机中的序号,且k={1,2,…,l}。
可以理解的是,根据第二资源利用率的计算公式可知,当虚拟机不占用宿主机的某个资源项时,该资源项的第一资源利用率与第二资源利用率的数值相同。
如,某宿主机在虚拟集群的序号为1,该宿主机上运行有两台虚拟机,分别是第一虚拟机和第二虚拟机。假设该宿主机包括三个资源项,分别是第一资源项、第二资源项和第三资源项,且第一虚拟机占用第一资源项和第二资源项,第二虚拟机占用第一资源项和第三资源项。
其中,第一资源项对应的实时使用量为u1_1,可用量为a1_1,第一虚拟机对第一资源项的占有量为第二虚拟机对第一资源项的占有量为/>第二资源项对应的实时使用量为u1_2,可用量为a1_2,第一虚拟机对第二资源项的占有量为/>第三资源项对应的实时使用量为u1_3,可用量为a1_3,第二虚拟机对第三资源项的占有量为/>
对于第一资源项而言,其第二资源利用率包括:
对于第二资源项而言,其第二资源利用率包括::
对于第三资源项而言,其第二资源利用率包括:
步骤S203,根据资源项的第一资源利用率和资源项的第二资源利用率计算虚拟机的资源利用偏移水平。
在一个实施方式中,首先根据资源项的第一资源利用率计算宿主机中资源项的资源利用均值,然后根据资源利用均值和资源项的第二资源利用率计算资源利用偏移水平,计算资源利用偏移水平的公式为:
如,某宿主机在虚拟集群的序号为1,该宿主机包括三个资源项,分别是第一资源项、第二资源项和第三资源项;该宿主机上运行有两台虚拟机,分别是第一虚拟机和第二虚拟机。
假设,第一资源项对应的实时使用量为u1_1,可用量为a1_1;第二资源项对应的实时使用量为u1_2,可用量为a1_2;第三资源项对应的实时使用量为u1_3,可用量为a1_3。
另外,假设第一虚拟机对第一资源项的第二资源利用率为第二虚拟机对第一资源项的第一资源利用率为/>第一虚拟机对第二资源项的第二资源利用率为/>第二虚拟机对第二资源项的第二资源利用率为/>第一虚拟机对第三资源项的第二资源利用率为/>第二虚拟机对第一资源项的第三资源利用率为/>/>
首先,根据资源项的第一资源利用率计算资源利用均值,具体地:
需要说明的是,计算资源利用均值时,参与计算的资源项包括宿主机中的所有资源项,即无论该资源项是否被虚拟机占用均需参与资源利用均值的计算。
进一步地,
类似地,
图3是本申请实施例提供的一种计算资源利用差异度方法的流程图。如图3所示,该计算资源利用差异度方法可包括如下步骤:
步骤S301,根据资源项的可用量和资源项的实时使用量计算资源项的第一资源利用率。
本实施例中的步骤S301与本申请实施例中步骤S201的内容相同,在此不再赘述。
步骤S302,根据资源项的第一资源利用率计算宿主机的资源利用均值。
计算资源利用均值的过程与本申请实施例中步骤S203中计算资源利用率均值的方法相同,在此不再赘述。
步骤S303,根据资源利用均值和目标资源项的第一资源利用率计算宿主机的资源利用差异度。
其中,目标资源项是预先确定的资源项。
在一些实施方式中,如果虚拟集群中某个资源项的资源利用率较低,则可以将该资源项作为目标资源项。需要说明的是,还可以根据业务需求和其它相关数据(如,统计数据)从资源项中确定目标资源项,具体的确定方式不用于限定本申请实施例的保护范围,这里不再赘述。
在一个实施方式中,计算虚拟机的资源利用差异度的公式为:
其中,Bi表示资源利用差异度,Ri_target表示目标资源项的第一资源利用率。目标资源项的第一资源利用率的计算方法与其它实施例中第一资源利用率的计算方法相同,即:
其中,ui_target为目标资源项的实时使用量,ai_target表示目标资源项的可用量。
如,某虚拟集群包括四台宿主机,分别是第一宿主机、第二宿主机、第三宿主机和第四宿主机,在虚拟集群中对应的宿主机的序号分别为1、2、3和4。其中,每台宿主机包括三个资源项,分别是第一资源项、第二资源项和第三资源项,且第二资源项为目标资源项。
假设,第一宿主机对目标资源项的第一资源利用率为R1_targe(R1_target=R1_2,即等于第一宿主机对第二资源项的第一资源利用率);第二宿主机对目标资源项的第一资源利用率为R2_targe(R2_target=R2_2,即等于第二宿主机对第二资源项的第一资源利用率);第三宿主机对目标资源项的第一资源利用率为R3_targe(R3_targe=R3_2,即等于第三宿主机对第二资源项的第一资源利用率);第四宿主机对目标资源项的第一资源利用率为R4_targe(R4_target=R4_2,即等于第四宿主机对第二资源项的第一资源利用率)
进一步地,根据资源利用差异度的计算公式可得:
类似的,
类似的,
类似的,
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
图4是本申请实施例提供的一种缩容目标选择装置的原理框图。如图4所示,该缩容目标选择装置包括:获取模块401、第一计算模块402、第二计算模块403、第三计算模块404和确定模块405。
获取模块401,用于获取宿主机和虚拟机的资源利用信息。
在一个实施方式中,获取模块401通过资源测试工具对宿主机和运行在宿主机上的虚拟机进行测试,从而获得宿主机和虚拟机的资源利用信息;其中,资源利用信息包括宿主机的资源项的可用量、宿主机的资源项的实时使用量和虚拟机对资源项的占有量,宿主机和虚拟机的资源项的数量为一个或多个,资源项包括内存资源、带宽资源和CPU资源等。
第一计算模块402,用于根据资源利用信息计算虚拟机的资源利用偏移水平。
在一个实施方式中,第一计算模块402根据资源利用信息计算虚拟机的资源利用偏移水平,包括:
首先,根据宿主机中资源项的可用量和资源项的实时使用量计算资源项的第一资源利用率。第一资源利用率的计算公式如下:
其中,Ri_j表示资源项的第一资源利用率,ui_j表示宿主机中资源项的实时使用量,ai_j表示宿主机中资源项的可用量,i表示宿主机在虚拟集群中的序号,i={1,2,…,n},j表示资源项的序号,且j={1,2,…,m}。
其次,根据资源项的可用量、资源项的实时使用量和虚拟机对资源项的占有量计算资源项的第二资源利用率。第二资源利用率的计算公式如下:
然后,根据资源项的第一资源利用率计算宿主机的资源利用均值。资源利用均值的计算公式如下:
最后,根据资源利用均值和资源项的第二资源利用率计算虚拟机的资源利用偏移水平。资源利用偏移水平的计算公式如下:
第二计算模块403,用于根据资源利用信息计算宿主机的资源利用差异度。
在一个实施方式中,第二计算模块403根据资源利用信息计算宿主机的资源利用差异度,包括:
首先,根据宿主机中资源项的可用量和资源项的实时使用量计算资源项的第一资源利用率。
其次,根据资源项的第一资源利用率计算宿主机的资源利用均值。
然后,确定目标资源项的第一资源利用率。
其中,目标资源项为宿主机中的某一个资源项,且目标资源项是预先确定资源项。一般情况下,将虚拟集群中资源利用率过低的资源项确定为目标资源项。
需要说明的是,宿主机中的资源项的第一资源利用率已经在前述步骤中获得,本步骤是从宿主机的所有资源项的第一资源利用率中筛选出目标资源项的第一资源利用率。
最后,根据资源利用均值和目标资源项的第一资源利用率计算资源利用差异度。资源利用差异度的计算公式如下:
其中,Bi表示资源利用差异度,Ri_target表示目标资源项的第一资源利用率。
第三计算模块404,用于根据虚拟机的资源利用偏移水平和宿主机的资源利用差异度,计算虚拟机的匹配度。
在一个实施方式中,将资源利用偏移水平与资源利用差异度的比值作为虚拟机的匹配度,并通过第三计算模块404计算虚拟机的匹配度。
匹配度的计算公式如下:
确定模块405,用于根据虚拟机的匹配度、当前虚拟机数量和缩容虚拟机数量确定缩容目标。
在一个实施方式中,假设虚拟集群包括三台宿主机和五台虚拟机;缩容虚拟机数量为两台。具体地,三台宿主机分别是第一宿主机、第二宿主机和第三宿主机。其中,第一宿主机中配置有两台虚拟机,分别是第一虚拟机和第二虚拟机;第二宿主机中配置有一台虚拟机,为第三虚拟机;第三宿主机中配置有两台虚拟机,分别是第四虚拟机和第五虚拟机。
进一步地,假设第一宿主机的资源利用差异度为B1,第一虚拟机的资源偏移水平为第二虚拟机的资源偏移水平为/>第二宿主机的资源利用差异度为B2,第三虚拟机的资源偏移水平为/>第三宿主机的资源利用差异度为B3,第四虚拟机的资源偏移水平为第五虚拟机的资源偏移水平为/>
根据虚拟机匹配度的计算公式可以获得:
获得虚拟机的匹配度之后,按照从小到大的顺序对虚拟机的匹配度进行排序,获得匹配度序列。
确定缩容目标之后,即可根据缩容目标执行缩容操作。在本实施方式中,将第二虚拟机和第四虚拟机分别从第一宿主机和第三宿主机中删除,从而实现缩容。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本申请的创新部分,本实施方式中并没有将与解决本申请所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
可以理解的是,以上实施方式仅仅是为了说明本申请的原理而采用的示例性实施方式,然而本申请并不局限于此。对于本领域内的普通技术人员而言,在不脱离本申请的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本申请的保护范围。
Claims (8)
1.一种缩容目标选择方法,其特征在于,包括:
获取宿主机和虚拟机的资源利用信息;
根据所述资源利用信息计算所述虚拟机的资源利用偏移水平和所述宿主机的资源利用差异度,所述资源利用偏移水平用于反映所述虚拟机对各个资源项的利用偏移程度,所述资源利用差异度用于反映所述宿主机对各个资源项之间的利用程度的差异性;
根据所述虚拟机的所述资源利用偏移水平和所述宿主机的所述资源利用差异度,计算所述虚拟机的匹配度,所述虚拟机的匹配度用于反映所述虚拟机与当前虚拟集群资源利用的契合程度;
根据所述虚拟机的所述匹配度、当前虚拟机数量和缩容虚拟机数量确定缩容目标;
所述根据所述资源利用信息计算所述虚拟机的资源利用偏移水平,包括:
根据所述资源项的可用量和所述资源项的实时使用量计算所述资源项的第一资源利用率;
根据所述资源项的可用量、所述资源项的实时使用量和所述虚拟机对所述资源项的占有量计算所述资源项的第二资源利用率;
根据所述资源项的所述第一资源利用率和所述资源项的所述第二资源利用率计算所述虚拟机的资源利用偏移水平;
所述根据所述资源利用信息计算宿主机的资源利用差异度,包括:
根据所述宿主机对应的所述资源项的所述第一资源利用率计算所述宿主机的资源利用差异度。
2.根据权利要求1所述的缩容目标选择方法,其特征在于,所述资源利用信息包括所述宿主机的资源项的可用量、所述宿主机的所述资源项的实时使用量和所述虚拟机对所述资源项的占有量,所述资源项的数量为一个或多个,所述虚拟机为运行于所述宿主机上的虚拟机,且运行于所述宿主机上的所述虚拟机的数量为一个或多个。
8.一种缩容目标选择装置,其特征在于,包括:
获取模块,用于获取宿主机和虚拟机的资源利用信息;
第一计算模块,用于根据所述资源利用信息计算所述虚拟机的资源利用偏移水平,所述资源利用偏移水平用于反映所述虚拟机对各个资源项的利用偏移程度;
第二计算模块,用于根据所述资源利用信息计算所述宿主机的资源利用差异度,所述资源利用差异度用于反映所述宿主机对各个资源项之间的利用程度的差异性;
第三计算模块,用于根据所述虚拟机的所述资源利用偏移水平和所述宿主机的所述资源利用差异度,计算所述虚拟机的匹配度,所述虚拟机的匹配度用于反映所述虚拟机与当前虚拟集群资源利用的契合程度;
确定模块,用于根据所述虚拟机的所述匹配度、当前虚拟机数量和缩容虚拟机数量确定缩容目标;
所述第一计算模块根据所述资源利用信息计算所述虚拟机的资源利用偏移水平,包括:
根据所述资源项的可用量和所述资源项的实时使用量计算所述资源项的第一资源利用率;
根据所述资源项的可用量、所述资源项的实时使用量和所述虚拟机对所述资源项的占有量计算所述资源项的第二资源利用率;
根据所述资源项的所述第一资源利用率和所述资源项的所述第二资源利用率计算所述虚拟机的资源利用偏移水平;
所述第二计算模块根据所述资源利用信息计算宿主机的资源利用差异度,包括:
根据所述宿主机对应的所述资源项的所述第一资源利用率计算所述宿主机的资源利用差异度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011160719.3A CN112181604B (zh) | 2020-10-27 | 2020-10-27 | 一种缩容目标选择方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011160719.3A CN112181604B (zh) | 2020-10-27 | 2020-10-27 | 一种缩容目标选择方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112181604A CN112181604A (zh) | 2021-01-05 |
CN112181604B true CN112181604B (zh) | 2023-06-13 |
Family
ID=73922270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011160719.3A Active CN112181604B (zh) | 2020-10-27 | 2020-10-27 | 一种缩容目标选择方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112181604B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007213564A (ja) * | 2006-01-10 | 2007-08-23 | Ted Impact Co Ltd | 資源の活用支援方法、資源活用支援のためのネットワークシステムを構成する情報処理装置、資源活用支援のためのコンピュータプログラム |
CN102662750A (zh) * | 2012-03-23 | 2012-09-12 | 上海交通大学 | 基于弹性虚拟机池的虚拟机资源优化控制方法及其系统 |
CN102968344A (zh) * | 2012-11-26 | 2013-03-13 | 北京航空航天大学 | 一种多虚拟机迁移调度的方法 |
JP2013149118A (ja) * | 2012-01-20 | 2013-08-01 | Nec Corp | 仮想マシン管理サーバ、仮想マシン移動順序制御方法および制御プログラム |
CN104536832A (zh) * | 2015-01-21 | 2015-04-22 | 北京邮电大学 | 一种虚拟机部署方法 |
CN104866375A (zh) * | 2015-05-22 | 2015-08-26 | 中国联合网络通信集团有限公司 | 一种迁移虚拟机的方法及装置 |
CN105975340A (zh) * | 2016-03-24 | 2016-09-28 | 国云科技股份有限公司 | 一种虚拟机应用分配部署算法 |
CN111104203A (zh) * | 2019-12-13 | 2020-05-05 | 广东省华南技术转移中心有限公司 | 虚拟机分散调度方法、装置以及电子设备、存储介质 |
CN111538560A (zh) * | 2020-03-09 | 2020-08-14 | 西安电子科技大学 | 一种虚拟机部署方法、装置、电子设备及其存储介质 |
-
2020
- 2020-10-27 CN CN202011160719.3A patent/CN112181604B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007213564A (ja) * | 2006-01-10 | 2007-08-23 | Ted Impact Co Ltd | 資源の活用支援方法、資源活用支援のためのネットワークシステムを構成する情報処理装置、資源活用支援のためのコンピュータプログラム |
JP2013149118A (ja) * | 2012-01-20 | 2013-08-01 | Nec Corp | 仮想マシン管理サーバ、仮想マシン移動順序制御方法および制御プログラム |
CN102662750A (zh) * | 2012-03-23 | 2012-09-12 | 上海交通大学 | 基于弹性虚拟机池的虚拟机资源优化控制方法及其系统 |
CN102968344A (zh) * | 2012-11-26 | 2013-03-13 | 北京航空航天大学 | 一种多虚拟机迁移调度的方法 |
CN104536832A (zh) * | 2015-01-21 | 2015-04-22 | 北京邮电大学 | 一种虚拟机部署方法 |
CN104866375A (zh) * | 2015-05-22 | 2015-08-26 | 中国联合网络通信集团有限公司 | 一种迁移虚拟机的方法及装置 |
CN105975340A (zh) * | 2016-03-24 | 2016-09-28 | 国云科技股份有限公司 | 一种虚拟机应用分配部署算法 |
CN111104203A (zh) * | 2019-12-13 | 2020-05-05 | 广东省华南技术转移中心有限公司 | 虚拟机分散调度方法、装置以及电子设备、存储介质 |
CN111538560A (zh) * | 2020-03-09 | 2020-08-14 | 西安电子科技大学 | 一种虚拟机部署方法、装置、电子设备及其存储介质 |
Non-Patent Citations (2)
Title |
---|
An Energy Efficient VM Migration Algorithm in Data Centers;Xiaodong Wu 等;《2017 16th International Symposium on Distributed Computing and Applications to Business, Engineering and Science (DCABES)》;第27-30页 * |
基于虚拟机迁移的虚拟机集群资源调度;周文煜 等;《华中科技大学学报(自然科学版)》;第130-133页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112181604A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109218355B (zh) | 负载均衡引擎,客户端,分布式计算系统以及负载均衡方法 | |
CN107430528B (zh) | 机会性资源迁移以优化资源放置 | |
CN101601014B (zh) | 利用存储负载信息来平衡集群虚拟机的方法和系统 | |
US9805140B2 (en) | Striping of directed graphs and nodes with improved functionality | |
CN109299190B (zh) | 分布式存储系统中处理对象的元数据的方法及装置 | |
EP2631797B1 (en) | Thin client system with virtual machine management and server, method and program for connection management | |
CN109408590B (zh) | 分布式数据库的扩容方法、装置、设备及存储介质 | |
US10616134B1 (en) | Prioritizing resource hosts for resource placement | |
CN109710406B (zh) | 数据分配及其模型训练方法、装置、及计算集群 | |
Deng et al. | A data and task co-scheduling algorithm for scientific cloud workflows | |
US10594620B1 (en) | Bit vector analysis for resource placement in a distributed system | |
CN104778088A (zh) | 一种基于减少进程间通信开销的并行i/o优化方法与系统 | |
CN112181604B (zh) | 一种缩容目标选择方法及装置 | |
CN110515564B (zh) | 一种输入/输出i/o路径的确定方法和装置 | |
CN104657216A (zh) | 一种资源池的资源分配方法及装置 | |
CN114363988B (zh) | 分簇方法、装置和电子设备 | |
CN108964904A (zh) | 群密钥安全管理方法、装置、电子设备及存储介质 | |
US11307889B2 (en) | Schedule virtual machines | |
CN114020469A (zh) | 基于边缘节点的多任务学习方法、装置、介质与设备 | |
CN114090247A (zh) | 用于处理数据的方法、装置、设备以及存储介质 | |
CN115834689A (zh) | 微服务分配方法、电子设备及存储介质 | |
CN113778645A (zh) | 基于边缘计算的任务调度方法、装置、设备及存储介质 | |
CN109343933B (zh) | 基于改进遗传算法的虚拟机初始放置策略方法 | |
CN114281516A (zh) | 一种基于numa属性的资源分配方法及装置 | |
CN104268257A (zh) | 基于HBase表实现聚合计算的方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |