CN112799783B - 一种云平台资源碎片优化的虚拟机放置方法及系统 - Google Patents
一种云平台资源碎片优化的虚拟机放置方法及系统 Download PDFInfo
- Publication number
- CN112799783B CN112799783B CN202110127577.9A CN202110127577A CN112799783B CN 112799783 B CN112799783 B CN 112799783B CN 202110127577 A CN202110127577 A CN 202110127577A CN 112799783 B CN112799783 B CN 112799783B
- Authority
- CN
- China
- Prior art keywords
- physical machine
- physical
- machine
- value
- list
- 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
- 239000012634 fragment Substances 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 11
- 238000002474 experimental method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F2009/45562—Creating, deleting, cloning virtual machine instances
-
- 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
-
- 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
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
本发明公开一种云平台资源碎片优化的虚拟机放置方法及系统,接收到新建虚拟机的请求后,云平台收集所有物理机剩余资源信息,根据物理机上已放置虚拟机的情况,将满足虚拟机请求资源的物理机分为活动物理机和空闲物理机;计算活动物理机列表和空闲物理机列表中物理机的资源平衡值;将活动物理机列表中最小的资源平衡值与空闲物理机列表中最小的资源平衡值的差值的绝对值与平衡阈值进行比较,若是,选择空闲物理机列表中资源平衡值最小的物理机放置虚拟机,否则,选择活动物理机列表中资源平衡值最小的物理机放置虚拟机。本发明针对云平台的资源碎片作优化,进行虚拟机放置,减少了云平台中的资源碎片,提高了云平台资源使用率,降低了云平台能耗。
Description
技术领域
本发明涉及云计算技术领域,具体涉及一种云平台资源碎片优化的虚拟机放置方法及系统。
背景技术
近些年工业界的计算、存储、网络等资源需求一直在向云端靠拢。中国国内的小型数据中心越来越多,2019年中国数据中心数量约有7.4万个,占全球数据中心总量的23%,其中中小型数据中心数量占比87.3%。当前数据中心较低的资源利用率导致了巨大的能耗浪费,物理机的总耗能在数据中心约占比80%。无负载物理机的能耗能达到满载物理机的60~70%,所以减少资源使用效率低下的物理机数量能够直接减少数据中心总能耗,而合理的虚拟机放置方法能够有效减少资源使用效率低下的物理机数量。
目前很多文献研究了如何通过虚拟机放置方法提升数据中心资源使用效率,但存在以下不足:未将减少物理机的资源碎片作为优化目标,难以提升物理机的资源使用效率,造成能耗浪费。近年来中小型数据中心数量不断增长,迫切需要一种针对中小型数据中心云平台资源碎片优化的虚拟机放置方法,以减少资源碎片,提升数据中心资源使用效率并降低能耗。
发明内容
本发明所要解决的是减少物理机资源碎片,提升数据中心资源使用效率,降低数据中心能耗的问题,提供一种云平台资源碎片优化的虚拟机放置方法及系统。
为解决上述问题,本发明是通过以下技术方案实现的:
一种云平台资源碎片优化的虚拟机放置方法,包括步骤如下:
步骤1、在接收到新建虚拟机的请求后,收集云平台中所有物理机剩余资源信息,根据物理机上已放置虚拟机的情况,将满足虚拟机请求资源的物理机分为活动物理机和空闲物理机,得到动物理机列表和空闲物理机列表;
步骤2、计算活动物理机列表和空闲物理机列表中物理机的资源平衡值;其中物理机hi的资源平衡值hi_rb为:
hi_rb=|(hi_cur_cpu–vm_rcpu)/hi__cur_cpu-(hi_cur_ram–vm_rram)/hi__cur_ram|
式中,hi_cur_cpu为物理机hi当前CPU核心数剩余值,vm_rcpu为新建虚拟机的CPU资源请求值,hi_cur_ram为物理机hi当前内存剩余值,vm_rram为新建虚拟机的RAM资源请求值;
步骤3、判断活动物理机列表中最小资源平衡值与空闲物理机列表中最小资源平衡值的差值的绝对值是否超过设定的平衡阈值:若是,在空闲物理机列表中最小资源平衡值所对应的物理机中放置虚拟机;否则,在活动物理机列表中最小资源平衡值所对应的物理机中放置虚拟机。
上述步骤1中,当物理机的剩余的CPU资源和RAM资源能够满足虚拟机请求资源且该物理机已放置了虚拟机时,将该物理机添加到活动物理机列表;当物理机的剩余的CPU资源和RAM资源能够满足虚拟机请求资源且该物理机未放置虚拟机时,将该物理机添加到空闲物理机列表。
上述步骤3中,若活动物理机列表为空,则选择空闲物理机列表中最小资源平衡值所对应的物理机放置虚拟机;若空闲物理机列表为空,则选择活动物理机列表中最小资源平衡值所对应的物理机放置虚拟机;若活动物理机列表和空闲物理机列表都为空,则云平台剩余资源不满足虚拟机请求资源,虚拟机放置失败。
实现上述方法的一种云平台资源碎片优化的虚拟机放置系统,包括信息获取模块、物理机分类模块、计算模块、比较模块和放置模块;
所述信息获取模块,用于获取新建虚拟机请求资源信息和云平台中物理机资源信息,根据物理机已放置虚拟机的资源请求信息确定物理机剩余资源;
所述物理机分类模块,用于根据物理机剩余资源情况对物理机作分类处理,若物理机未放置任何虚拟机,则归类为空闲物理机,若物理机已放置虚拟机且尚有剩余资源能够放置虚拟机,则归类为活动物理机;
所述计算模块,用于计算活动物理机列表和空闲物理机列表中物理机的资源平衡值;
所述比较模块,用于比较活动物理机列表中物理机的资源平衡值,比较空闲物理机列表中物理机的资源平衡值,比较活动物理机列表中最小资源平衡值与空闲物理机列表中的最小资源平衡值的差值的绝对值,以及比较差值的绝对值与平衡阈值;
所述放置模块,用于根据差值的绝对值与平衡阈值的比较结果,将虚拟机放置到合适的物理机,若差值的绝对值大于平衡阈值时,在空闲物理机列表中最小资源平衡值所对应的物理机中放置虚拟机;若差值的绝对值小于等于平衡阈值时,在活动物理机列表中最小资源平衡值所对应的物理机中放置虚拟机。
与现有技术相比,本发明有效减少了云平台中物理机的资源碎片,减少了因资源碎片而无法放置虚拟机的物理机数量,提升了资源使用效率,降低了数据中心能耗。
附图说明
图1为一种云平台资源碎片优化的虚拟机放置方法的流程图。
图2为一种云平台资源碎片优化的虚拟机放置系统的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实例,对本发明进一步详细说明。
一种云平台资源碎片优化的虚拟机放置方法,如图1所示,包括步骤如下:
步骤S1:在接收到新建虚拟机的请求后,收集云平台中所有物理机剩余资源信息,根据物理机上已放置虚拟机的情况,将满足虚拟机请求资源的物理机分为活动物理机和空闲物理机。
物理机的剩余资源根据物理机中已放置虚拟机的请求资源值计算,而不是根据虚拟机的当前负载值。物理机剩余资源可表示为:pm<cpu,ram>,cpu表示云平台中物理机剩余可用的CPU核心数,ram表示云平台中物理机剩余可用的内存大小。依据虚拟机资源请求信息,确定服务器集群中满足虚拟机资源请求的物理机集合。当物理机的剩余的CPU资源和RAM资源能够满足虚拟机请求资源且该物理机已放置了虚拟机时,将该物理机添加到活动物理机列表。当物理机的剩余的CPU资源和RAM资源能够满足虚拟机请求资源且该物理机未放置虚拟机时,将该物理机添加到空闲物理机列表。
步骤S2:计算活动物理机列表和空闲物理机列表中物理机的资源平衡值。
物理机hi的资源平衡值hi_rb为:
hi_rb=|hi_nor_cpu-hi_nor_ram|
其中:
hi_nor_cpu=(hi_cur_cpu–vm_rcpu)/hi__cur_cpu
hi_nor_ram=(hi_cur_ram–vm_rram)/hi__cur_ram
式中,hi_nor_cpu为物理机hi的CPU归一化值,hi_cur_cpu为物理机hi当前CPU核心数剩余值,vm_rcpu为新建虚拟机的CPU资源请求值。hi_nor_ram为物理机hi的RAM归一化值,hi_cur_ram为物理机hi当前内存(GB)剩余值,vm_rcpu为新建虚拟机的RAM资源请求值。
步骤S3:判断活动物理机列表中最小资源平衡值与空闲物理机列表中最小资源平衡值的差值的绝对值是否超过设定的平衡阈值。
差值的绝对值h_di_rb为:
h_di_rb=|hi_ac_rb-hj_id_rb|
式中,hi_ac_rb为活动物理机列表中的最小资源平衡值,hj_id_rb为空闲物理机列表中的最小资源平衡值。
考虑到物理机的资源平衡值的取值范围是[0,1),平衡阈值的取值通过模拟试验确定,在不同的异构云平台和不同的虚拟机资源请求中,在本实施例中,将平衡阈值设定为0.5,平衡阈值取值0.5的试验效果是最好的。
如果差值的绝对值超过设定的平衡阈值,即h_di_rb>0.5,则在空闲物理机列表中资源平衡值最小的物理机中放置虚拟机。
如果差值的绝对值不超过设定的平衡阈值,h_di_rb≤0.5,则在活动物理机列表中资源平衡值最小的物理机中放置虚拟机。
需要补充的是,若活动物理机列表为空,则选择空闲物理机列表中资源平衡值最小的物理机放置虚拟机,若空闲物理机列表为空,则选择活动物理机列表中资源平衡值最小的物理机放置虚拟机,若活动物理机列表和空闲物理机列表都为空,则云平台剩余资源不满足虚拟机请求资源,虚拟机放置失败。
实现上述方法的一种云平台资源碎片优化的虚拟机放置系统,如图2所示,包括信息获取模块、物理机分类模块、计算模块、比较模块和放置模块。
所述信息获取模块,用于获取新建虚拟机请求资源信息和云平台中物理机资源信息,根据物理机已放置虚拟机的资源请求信息确定物理机剩余资源。
所述物理机分类模块,用于根据物理机剩余资源情况对物理机作分类处理,若物理机未放置任何虚拟机,则归类为空闲物理机,若物理机已放置虚拟机且尚有剩余资源能够放置虚拟机,则归类为活动物理机。
所述计算模块,用于计算活动物理机列表和空闲物理机列表中物理机的资源平衡值。
所述比较模块,用于比较活动物理机列表中物理机的资源平衡值,比较空闲物理机列表中物理机的资源平衡值,比较活动物理机列表中最小资源平衡值与空闲物理机列表中的最小资源平衡值的差值的绝对值,以及比较差值的绝对值与平衡阈值。
所述放置模块,用于根据差值的绝对值与平衡阈值的比较结果,将虚拟机放置到合适的物理机,若差值的绝对值大于平衡阈值时,在空闲物理机列表中最小资源平衡值所对应的物理机中放置虚拟机;若差值的绝对值小于等于平衡阈值时,在活动物理机列表中最小资源平衡值所对应的物理机中放置虚拟机。
下面使用自编的虚拟机放置模拟平台实现,共设置了两个对照组实验来说明本发明的有效性,设置的对照组如下:(1)Openstack开源云平台原生虚拟机放置算法,该算法将虚拟机放置在剩余内存最大的物理机上。(2)MBFD算法,该算法将虚拟机放置在由于这种放置而导致云平台功耗增加最少的物理机上。(3)本发明方法。
本实验虚拟机请求资源由公开数据集GWA-T-12Bitbrains组成,共设置了3组试验,试验中云平台物理机组成情况如表1所示:
表1物理机的4种配置
类型 | CPU(核心数) | RAM(GB) | 数量(台) |
类型1 | 24 | 32 | 10 |
类型2 | 24 | 64 | 20 |
类型3 | 24 | 128 | 20 |
类型4 | 48 | 128 | 10 |
实验结果如图2所示:
表2试验结果
上述异构云平台的实验结果中,本发明方法的活动物理机数量、资源使用效率和资源碎片这三个指标明显优于对照组,这是因为本发明方法首先将物理机进行分类,当虚拟机请求到来时,首先在活动物理机中进行放置,避免在当前活动物理机尚有足够资源的情况下开启空闲物理机,从而减少了活动物理机数量和能耗。资源平衡值的设置使虚拟机找到最契合的物理机进行放置,物理机的资源平衡值越小,虚拟机越契合该物理机,从而减少了资源碎片数量和提升了资源使用效率。本文方法简单有效易实现,同构或异构数据中心都可适用,尤其适用于异构的中小型数据中心。
需要说明的是,尽管以上本发明所述的实施例是说明性的,但这并非是对本发明的限制,因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下,凡是本领域技术人员在本发明的启示下获得的其它实施方式,均视为在本发明的保护之内。
Claims (4)
1.一种云平台资源碎片优化的虚拟机放置方法,其特征是,包括步骤如下:
步骤1、在接收到新建虚拟机的请求后,收集云平台中所有物理机剩余资源信息,根据物理机上已放置虚拟机的情况,将满足虚拟机请求资源的物理机分为活动物理机和空闲物理机,得到活动物理机列表和空闲物理机列表;
步骤2、计算活动物理机列表和空闲物理机列表中物理机的资源平衡值;其中物理机hi的资源平衡值hi_rb为:
hi_rb=|(hi_cur_cpu–vm_rcpu)/hi__cur_cpu-(hi_cur_ram–vm_rram)/hi__cur_ram|
式中,hi_cur_cpu为物理机hi当前CPU核心数剩余值,vm_rcpu为新建虚拟机的CPU资源请求值,hi_cur_ram为物理机hi当前内存剩余值,vm_rram为新建虚拟机的RAM资源请求值;
步骤3、判断活动物理机列表中最小资源平衡值与空闲物理机列表中最小资源平衡值的差值的绝对值是否超过设定的平衡阈值:若是,在空闲物理机列表中最小资源平衡值所对应的物理机中放置虚拟机;否则,在活动物理机列表中最小资源平衡值所对应的物理机中放置虚拟机。
2.根据权利要求1所述的一种云平台资源碎片优化的虚拟机放置方法,其特征是,步骤1中,当物理机的剩余的CPU资源和RAM资源能够满足虚拟机请求资源且该物理机已放置了虚拟机时,将该物理机添加到活动物理机列表;当物理机的剩余的CPU资源和RAM资源能够满足虚拟机请求资源且该物理机未放置虚拟机时,将该物理机添加到空闲物理机列表。
3.根据权利要求1所述的一种云平台资源碎片优化的虚拟机放置方法,其特征是,步骤3中,
若活动物理机列表为空,则选择空闲物理机列表中最小资源平衡值所对应的物理机放置虚拟机;
若空闲物理机列表为空,则选择活动物理机列表中最小资源平衡值所对应的物理机放置虚拟机;
若活动物理机列表和空闲物理机列表都为空,则云平台剩余资源不满足虚拟机请求资源,虚拟机放置失败。
4.实现权利要求1所述方法的一种云平台资源碎片优化的虚拟机放置系统,其特征是,包括信息获取模块、物理机分类模块、计算模块、比较模块和放置模块;
所述信息获取模块,用于获取新建虚拟机请求资源信息和云平台中物理机资源信息,根据物理机已放置虚拟机的资源请求信息确定物理机剩余资源;
所述物理机分类模块,用于根据物理机剩余资源情况对物理机作分类处理,若物理机未放置任何虚拟机,则归类为空闲物理机,若物理机已放置虚拟机且尚有剩余资源能够放置虚拟机,则归类为活动物理机;
所述计算模块,用于计算活动物理机列表和空闲物理机列表中物理机的资源平衡值;
所述比较模块,用于比较活动物理机列表中物理机的资源平衡值,比较空闲物理机列表中物理机的资源平衡值,比较活动物理机列表中最小资源平衡值与空闲物理机列表中的最小资源平衡值的差值的绝对值,以及比较差值的绝对值与平衡阈值;
所述放置模块,用于根据差值的绝对值与平衡阈值的比较结果,将虚拟机放置到合适的物理机,若差值的绝对值大于平衡阈值时,在空闲物理机列表中最小资源平衡值所对应的物理机中放置虚拟机;若差值的绝对值小于等于平衡阈值时,在活动物理机列表中最小资源平衡值所对应的物理机中放置虚拟机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127577.9A CN112799783B (zh) | 2021-01-29 | 2021-01-29 | 一种云平台资源碎片优化的虚拟机放置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127577.9A CN112799783B (zh) | 2021-01-29 | 2021-01-29 | 一种云平台资源碎片优化的虚拟机放置方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112799783A CN112799783A (zh) | 2021-05-14 |
CN112799783B true CN112799783B (zh) | 2023-11-03 |
Family
ID=75812954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110127577.9A Active CN112799783B (zh) | 2021-01-29 | 2021-01-29 | 一种云平台资源碎片优化的虚拟机放置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112799783B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399200A (zh) * | 2019-06-26 | 2019-11-01 | 苏州浪潮智能科技有限公司 | 一种云平台资源调度方法和装置 |
CN111324424A (zh) * | 2020-04-15 | 2020-06-23 | 中国联合网络通信集团有限公司 | 一种虚拟机部署方法、装置、服务器及存储介质 |
CN111831428A (zh) * | 2020-06-03 | 2020-10-27 | 四川大学 | 一种云数据中心资源利用率优化方法及系统 |
CN112256402A (zh) * | 2020-10-30 | 2021-01-22 | 深圳供电局有限公司 | 一种云平台数据中心资源预测与调度方法及系统 |
-
2021
- 2021-01-29 CN CN202110127577.9A patent/CN112799783B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399200A (zh) * | 2019-06-26 | 2019-11-01 | 苏州浪潮智能科技有限公司 | 一种云平台资源调度方法和装置 |
CN111324424A (zh) * | 2020-04-15 | 2020-06-23 | 中国联合网络通信集团有限公司 | 一种虚拟机部署方法、装置、服务器及存储介质 |
CN111831428A (zh) * | 2020-06-03 | 2020-10-27 | 四川大学 | 一种云数据中心资源利用率优化方法及系统 |
CN112256402A (zh) * | 2020-10-30 | 2021-01-22 | 深圳供电局有限公司 | 一种云平台数据中心资源预测与调度方法及系统 |
Non-Patent Citations (2)
Title |
---|
一种基于OpenStack的云计算虚拟机放置策略;罗平;王勇;俸晧;何倩;;桂林理工大学学报(03);全文 * |
一种基于负载均衡的云计算环境下虚拟机调度方法;柏宏;;信息与电脑(理论版)(21);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112799783A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102385554B (zh) | 重复数据删除系统的优化方法 | |
CN102868763B (zh) | 一种云计算环境下虚拟web应用集群节能的动态调整方法 | |
WO2015051685A1 (zh) | 一种任务调度方法、装置及系统 | |
CN113672383A (zh) | 一种云计算资源调度方法、系统、终端以及存储介质 | |
WO2023029254A1 (zh) | 一种数据查询方法、装置、设备及介质 | |
CN105975398A (zh) | 一种内存碎片管理方法 | |
CN104572279B (zh) | 一种支持节点绑定的虚拟机动态调度方法 | |
CN103595780A (zh) | 基于消重的云计算资源调度方法 | |
CN106354574A (zh) | 一种用于大数据K‑Mean聚类算法的加速系统和方法 | |
CN103970256B (zh) | 一种基于内存压缩和cpu动态调频的节能方法及系统 | |
CN103023802B (zh) | 一种面向web集群的低能耗调度系统和方法 | |
CN110308973A (zh) | 一种基于能耗优化的容器动态迁移方法 | |
CN109976879B (zh) | 一种基于资源使用曲线互补的云计算虚拟机放置方法 | |
CN112799783B (zh) | 一种云平台资源碎片优化的虚拟机放置方法及系统 | |
CN113645076B (zh) | 基于超图匹配算法的虚拟网络资源分配方法 | |
CN104796673A (zh) | 一种面向能耗优化的云视频监控系统任务接入方法 | |
CN103218254B (zh) | 一种多队列的自动售检票数据处理方法 | |
CN102831016B (zh) | 一种云计算的物理机回收方法及其装置 | |
CN103049215B (zh) | Io命令处理的方法及其固态硬盘 | |
CN101770461A (zh) | 数据处理方法及处理系统 | |
CN107197013B (zh) | 一种增强云计算环境节能系统 | |
CN110888713A (zh) | 一种针对异构云数据中心的可信虚拟机迁移算法 | |
CN113075995A (zh) | 基于混合群智能的虚拟机节能整合方法、系统和存储介质 | |
CN115543609B (zh) | 一种基于聚类集成算法的云计算虚拟资源调度方法 | |
WO2024021475A1 (zh) | 一种容器调度方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |