CN113590263B - 虚拟机调度方案获得方法、装置、终端设备以及存储介质 - Google Patents

虚拟机调度方案获得方法、装置、终端设备以及存储介质 Download PDF

Info

Publication number
CN113590263B
CN113590263B CN202110754291.3A CN202110754291A CN113590263B CN 113590263 B CN113590263 B CN 113590263B CN 202110754291 A CN202110754291 A CN 202110754291A CN 113590263 B CN113590263 B CN 113590263B
Authority
CN
China
Prior art keywords
scheduling scheme
virtual machine
game order
preset
initial population
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
CN202110754291.3A
Other languages
English (en)
Other versions
CN113590263A (zh
Inventor
肖志娇
明仲
钟圣华
刘獟
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN202110754291.3A priority Critical patent/CN113590263B/zh
Publication of CN113590263A publication Critical patent/CN113590263A/zh
Application granted granted Critical
Publication of CN113590263B publication Critical patent/CN113590263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/455Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533Hypervisors; Virtual machine monitors
    • G06F9/45558Hypervisor-specific management and integration aspects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/455Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533Hypervisors; Virtual machine monitors
    • G06F9/45558Hypervisor-specific management and integration aspects
    • G06F2009/4557Distribution of virtual machine instances; Migration and load balancing
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy 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)
  • Stored Programmes (AREA)

Abstract

本发明公开一种虚拟机调度方案获得方法,所述方法包括以下步骤:利用预设虚拟机和预设物理机,构建博弈次序初始种群;对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案;在所述第一选定调度方案中确定出结果选定调度方案;基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径。本发明还公开一种虚拟机调度方案获得装置、终端设备以及计算机可读存储介质。利用本发明的虚拟机调度方案获得方法,在保证云平台系统的性能的同时,降低了云平台系统的能耗,用户体验较好。

Description

虚拟机调度方案获得方法、装置、终端设备以及存储介质
技术领域
本发明涉及网络系统管理领域,特别涉及一种虚拟机调度方案获得方法、装置、终端设备以及计算机可读存储介质。
背景技术
目前,基于智能优化算法,获得云平台系统的调度方案。该方法通过对全局虚拟机的调度进行优化,获得调度调度方案,以利用调度调度方案对云平台系统的虚拟机进行调度。
但是,利用现有方法获得的调度方案对云平台系统进行调度之后,云平台系统的性能较低且能耗较高。
发明内容
本发明的主要目的是提供一种虚拟机调度方案获得方法、装置、终端设备以及计算机可读存储介质,旨在解决现有技术中利用现有方法获得的调度方案对云平台系统进行调度之后,云平台系统的性能较低且能耗较高的技术问题。
为实现上述目的,本发明提出一种虚拟机调度方案获得方法,所述方法包括以下步骤:
利用预设虚拟机和预设物理机,构建博弈次序初始种群;
对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案;
在所述第一选定调度方案中确定出结果选定调度方案;
基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径。
可选的,所述在所述第一选定调度方案中确定出结果选定调度方案的步骤之前,所述方法还包括:
基于所述第一选定调度方案和所述博弈次序初始种群,构建新的博弈次序初始种群;
对所述新的博弈次序初始种群中的每个个体分别进行方案选择,以获得第二选定调度方案;
基于所述第一选定调度方案和所述第二选定调度方案,获得调度方案集;
所述在所述第一选定调度方案中确定出结果选定调度方案的步骤,包括:
在所述调度方案集中确定出结果选定调度方案。
可选的,所述基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径的步骤之前,所述方法还包括:
利用所述博弈次序初始种群和所述新的博弈次序初始种群,更新所述新的博弈次序初始种群,并返回所述对所述新的博弈次序初始种群中的每个个体分别进行方案选择的步骤,循环至满足预设条件,以获得新的结果选定调度方案;
在所述结果选定调度方案和所述新的结果选定调度方案中确定出最终调度方案;
所述基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径的步骤,包括:
基于所述最终调度方案,获得所述预设虚拟机的迁移路径。
可选的,所述对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案的步骤,包括:
利用蒙特卡洛搜索树算法,基于所述博弈次序初始种群中每个个体中各虚拟机的博弈顺序,确定所述博弈次序初始种群中每个个体中各虚拟机对应的第一选定虚拟机,以获得第一子调度方案;
利用蒙特卡洛搜索树算法,基于所述第一子调度方案和所述博弈次序初始种群中每个个体中各虚拟机的博弈顺序,确定所述博弈次序初始种群中每个个体中各虚拟机对应的第二选定虚拟机,以获得第二子调度方案;
利用所述第二子调度方案更新所述第一子调度方案,并返回执行所述利用蒙特卡洛搜索树算法,基于所述第一子调度方案和所述博弈次序初始种群中每个个体中各虚拟机的博弈顺序,确定所述博弈次序初始种群中每个个体中各虚拟机对应的第一选定虚拟机的步骤,直到迭代次数达到预设次数,以获得所述博弈次序初始种群中每个个体分别对应的预设次数个子调度方案;
基于所述博弈次序初始种群中每个个体分别对应的预设次数个子调度方案,获得第一选定调度方案。
可选的,所述利用预设虚拟机和预设物理机,构建博弈次序初始种群的步骤,包括:
在所述预设物理机中确定出与所述预设虚拟机中每个虚拟机对应的物理机;
确定所述预设虚拟机中的各个虚拟机的博弈次序;
基于所述预设虚拟机、所述每个虚拟机对应的物理机和所述预设虚拟机中的各个虚拟机的博弈次序,构建所述博弈次序初始种群。
可选的,所述基于所述第一选定调度方案和所述博弈次序初始种群,构建新的博弈次序初始种群的步骤,包括:
基于所述第一选定调度方案和所述博弈次序初始种群,利用聚类中心参考点法和NSGA-III法,构建新的博弈次序初始种群。
可选的,所述利用预设虚拟机和预设物理机,构建博弈次序初始种群的步骤之前,所述方法还包括:
利用共识网络机制法,在预设云平台系统中确定出所述预设虚拟机和所述预设物理机。
此外,为实现上述目的,本发明还提出了一种虚拟机调度方案获得装置,所述装置包括:
构建模块,用于利用预设虚拟机和预设物理机,构建博弈次序初始种群;
选择模块,用于对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案;
确定模块,用于在所述第一选定调度方案中确定出结果选定调度方案;
获得模块,用于基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径。
此外,为实现上述目的,本发明还提出了一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并在所述处理器上运行虚拟机调度方案获得程序,所述虚拟机调度方案获得程序被所述处理器执行时实现如上述任一项所述的虚拟机调度方案获得方法的步骤。
此外,为实现上述目的,本发明还提出了一种计算机可读存储介质,所述计算机可读存储介质上存储有虚拟机调度方案获得程序,所述虚拟机调度方案获得程序被处理器执行时实现如上述任一项所述的虚拟机调度方案获得方法的步骤。
本发明技术方案提出了一种虚拟机调度方案获得方法,通过利用预设虚拟机和预设物理机,构建博弈次序初始种群;对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案;在所述第一选定调度方案中确定出结果选定调度方案;基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径。
由于,利用现有的方法获得调度方案后,无法确定调度方案是否可行,若调度方案不可行,需要重启云平台系统,将初始状态清零后,再进行调度,从而使得云平台系统的性能消耗和能耗增加。而本申请,可以基于获得迁移路径,确定结果选定调度方案是否可行,并在结果选定调度方案可行,利用结果选定调度方案对云平台系统进行调度,从而避免了云平台系统重启和再调度,保证了云平台系统的性能,降低了云平台系统的能耗。所以,利用本发明的虚拟机调度方案获得方法,保证了云平台系统的性能,降低了云平台系统的能耗,用户体验较好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例调度方案涉及的硬件运行环境的终端设备结构示意图;
图2为本发明虚拟机调度方案获得方法第一实施例的流程示意图;
图3为本发明虚拟机调度方案获得装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
虚拟机动态调度方法基本分为三类:
第一类是分步优化方法:首先,计算支持当前虚拟机运行所需的最少的物理机数量,然后,将虚拟机逐一(或统一)分配到物理机上。此类方法通常只能实现局部优化而很难到达全局最优。
第二类是基于启发式规则或线性规划的优化方法:此类方法从整体上进行虚拟机动态调度的优化,且一般来说求解速度较快。但是,虚拟机动态调度问题是一个NP难题(多项式复杂程度的非确定性问题),当问题规模较大时,此类方法同样只能到达局部优化,而很难达到或接近最优解。
第三类是基于智能优化算法的方法:与第二类方法类似,此类方法整体优化虚拟机动态调度方案,实现虚拟机动态调度的全局优化。但是,此类方法无法保证方案的可行性。当方案不可行,需要重启云平台系统,将初始状态清零后,再进行调度,这将使得云平台系统性能变差,并增加额外能耗。
现有方法中,前两类方法求解的速度相对较快,算法的效率较高。但第一类方法本质上是一种局部优化方法,而第二类方法则在问题规模变大时,很难甚至无法达到全局最优。
现有方法中的第三类方法虽然是一种全局优化的高效算法,但是无法保证求得的新调度方案的可行性。
参照图1,图1为本发明实施例调度方案涉及的硬件运行环境的终端设备结构示意图。
终端设备可以是用户终端、便携式终端、台式终端等。
通常,终端设备包括:至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的虚拟机调度方案获得程序,所述虚拟机调度方案获得程序配置为实现如前所述的虚拟机调度方案获得方法的步骤。
处理器301可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
存储器302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的虚拟机调度方案获得方法。
在一些实施例中,终端还可选包括有:通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地,外围设备包括:射频电路304、显示屏305和电源306中的至少一种。
通信接口303可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中,处理器301、存储器302和通信接口303被集成在同一芯片或电路板上;在一些其他实施例中,处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。
显示屏305用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。
电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池
本领域技术人员可以理解,图1中示出的结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有虚拟机调度方案获得程序,所述虚拟机调度方案获得程序被处理器执行时实现如上文所述的虚拟机调度方案获得方法的步骤。因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。确定为示例,程序指令可被部署为在一个终端设备上执行,或者在位于一个地点的多个终端设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个终端设备备上执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的计算机可读存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
基于上述硬件结构,提出本发明虚拟机调度方案获得方法的实施例。
参照图2,图2为本发明虚拟机调度方案获得方法第一实施例的流程示意图,所述方法包括以下步骤:
步骤S11:利用预设虚拟机和预设物理机,构建博弈次序初始种群。
需要说明的是,本发明的执行主体是终端设备,终端设备安装有虚拟机调度方案获得程序,终端设备执行虚拟机调度方案后获得程序时,实现本发明的虚拟机调度方案获得方法。
进一步的,步骤S11之前,所述方法还包括:利用共识网络机制法,在预设云平台系统中确定出所述预设虚拟机和所述预设物理机。
需要说明的是,生成的调度方案的对象是预设云平台系统。预设云平台系统可以是任何形式和结构的云平台,本发明不做限制。通常,预设云平台系统包括多个虚拟机和多个物理机。
通常,在预设云平台系统中的多个物理机和多个虚拟机中,当一个虚拟机固定运行于一个物理机时,该虚拟机和该物理机即为固定搭配关系,该虚拟机和物理机不需要进行调度。具体过程中,需要将上述的具有固定搭配关系的物理机和虚拟机剔除,利用剩下物理机和虚拟机进行调度方案的获得,即剩下的物理机和虚拟机即为所述预设物理机和预设虚拟机。
利用共识网络机制算法建立以物理机和虚拟机为中心的网络,识别其中的共识部分,通过投票机制,对共识部分进行筛选,从而减少参与优化的物理机和虚拟机数目,缩小解空间。同时以共识中心为起点,开展领域搜索,改进全局优化算法的性能。在进行调度方案的获得时,只需要基于有效的物理机(即预设物理机)和有效虚拟机(即预设虚拟机)即可,不需要将无效的虚拟机(非预设虚拟机)和物理机(非预设物理机)进行调度,节省了获得调度方案时的数据处理量,提高了调度方案的获得效率。
进一步的,步骤S11包括:在所述预设物理机中确定出与所述预设虚拟机中每个虚拟机对应的物理机;确定所述预设虚拟机中的各个虚拟机的博弈次序;基于所述预设虚拟机、所述每个虚拟机对应的物理机和所述预设虚拟机中的各个虚拟机的博弈次序,构建所述博弈次序初始种群。
需要说明的是,预设虚拟机和预设物理机的数量通常是多个,每一个预设虚拟机可能运行于预设物理机中的一个或多个物理机,需要确定出每一个预设虚拟机分别可运行的预设物理机;同时,还要确定出各虚拟机的博弈顺序,以获得所述博弈次序初始种群。在所述博弈次序初始种群中,每个个体中每个预设虚拟机都可以观察到该个体中在它之前所有虚拟机的选择,并依次做出自己的选择,即,本发明的虚拟机动态调度问题是一个动态博弈问题。
例如,预设虚拟机包括a虚拟机、b虚拟机和c虚拟机,物理机包括A物理机、B物理机和C物理机,需要确定a虚拟机可运行的物理机为A物理机和B物理机,b虚拟机可运行的物理机为A物理机和C物理机,c虚拟机可运行的物理机为A物理机、B物理机和C物理机,同时,a虚拟机、b虚拟机和c虚拟机博弈顺序分别为abc(虚拟机排列顺序)、acb、bac、bca、cab和cba六种顺序,此时,获得的博弈次序初始种群包括六个个体,分别为abc、acb、bac、bca、cab和cba,每个个体中a虚拟机对应的物理机有A物理机和B物理机,b虚拟机对应的物理机为A物理机和C物理机,c虚拟机对应的物理机为A物理机、B物理机和C物理机。本发明的目的在对于,在abc、acb、bac、bca、cab和cba六个个体中确定那种排列顺序是最好的,同时,对于a虚拟机、b虚拟机和c虚拟机,确定出哪个物理机是最好的,即最后的对应关系一定是一个虚拟机只对应一个物理机。
步骤S12:对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案。
需要说明的是,对博弈次序初始种群中的每个个体分别进行方案选择,即为对其博弈次序初始种群中的每个个体,按照每个个体的虚拟机博弈顺序,分别确定出每个虚拟机唯一运行的最优的物理机。
进一步的,步骤S12包括:利用蒙特卡洛搜索树算法,基于所述博弈次序初始种群中每个个体中各虚拟机的博弈顺序,确定所述博弈次序初始种群中每个个体中各虚拟机对应的第一选定物理机,以获得第一子调度方案;利用蒙特卡洛搜索树算法,基于所述第一子调度方案和所述博弈次序初始种群中每个个体中各虚拟机的博弈顺序,确定所述博弈次序初始种群中每个个体中各虚拟机对应的第二选定物理机,以获得第二子调度方案;利用所述第二子调度方案更新所述第一子调度方案,并返回执行所述利用蒙特卡洛搜索树算法,基于所述第一子调度方案和所述博弈次序初始种群中每个个体中各虚拟机的博弈顺序,确定所述博弈次序初始种群中每个个体中各虚拟机对应的第一选定物理机的步骤,直到迭代次数达到预设次数,以获得所述博弈次序初始种群中每个个体分别对应的预设次数个子调度方案;基于所述博弈次序初始种群中每个个体分别对应的预设次数个子调度方案,获得第一选定调度方案。
对于所述博弈次序初始种群中每个个体,利用蒙特卡洛搜索树算法,第一步,基于该个体中各虚拟机的博弈顺序,确定出第一个虚拟机(排列在最前端的一个虚拟机),对该虚拟机进行扩展和模拟,并判断是否达到搜索高度(用户可根据需求设定搜索高度,此处不做限制),第二步,在达到搜索高度时,继续进行反馈操作,并判断是否达到搜索宽度(用户可根据需求设定搜索高度,此处不做限制),第三部,在达到搜索宽度时,确定出该虚拟机对应的唯一一个物理机,即第一选定物理机;第四步,确定出第二个虚拟机,重复执行上述步骤,直到该个体的全部虚拟机完成第一选定物理机的确定,此时,虚拟机和物理机对应的搭配方案即为第一子调度方案,同时,第一子调度方案有该方案的的评价值(评价值越高,结果越好);第五步,基于第四步确定的第一子调度方案,重复预设次数(通常为3次,也可以为其他次数)上述第一步骤到第四步骤,直到获得预设次数个子调度方案,确定出一个评价值最高的子调度方案即为一个第一子选定调度方案,第六步,对所述博弈次序初始种群中每个个体均执行上述步骤,以获得所述博弈次序初始种群中每个个体的第一子选定调度方案,由于,所述博弈次序初始种群包括多个个体,所述第一子选定调度方案包括多个,一个个体对应一个第一子选定调度方案,全部的第一子选定调度方案组成的集合即为第一选定调度方案。
步骤S13:在所述第一选定调度方案中确定出结果选定调度方案。
需要说明的是,所述博弈次序初始种群包括多个个体,每个个体对应的一个第一子选定调度方案是具有评价值的,在所述第一选定调度方案中选出评价值最高的第一子选定调度方案即为所述结果选定调度方案。
进一步的,步骤S13之前,所述方法还包括:基于所述第一选定调度方案和所述博弈次序初始种群,构建新的博弈次序初始种群;对所述新的博弈次序初始种群中的每个个体分别进行方案选择,以获得第二选定调度方案;基于所述第一选定调度方案和所述第二选定调度方案,获得调度方案集;相应的,步骤S13包括:在所述调度方案集中确定出结果选定调度方案。其中,所述基于所述第一选定调度方案和所述博弈次序初始种群,构建新的博弈次序初始种群的步骤,包括:基于所述第一选定调度方案和所述博弈次序初始种群,利用聚类中心参考点法和NSGA-III法,构建新的博弈次序初始种群。
需要说明的是,本方法提出改进的NSGA-III算法进行全局优化。针对虚拟机动态调度优化问题的特殊性,对NSGA-III算法进行适应性改进,从而适应虚拟机动态调度问题。在编码方面,本方法使用基于虚拟机的编码方式。每个染色体的第h个基因位的值代表第h个虚拟机选择的物理机。整个染色体的值为一个完整的调度方案,即,一个染色体为所述博弈次序初始种群中一个个体对应的一个第一子选定调度方案。在选择方面,本方法改进了NSGA-III的参考点生成方式,使用聚类中心参考点法,在遗传算子方面,为了降低不可行解的概率,进行了适应具体问题的改进,实现了随机基因位交换、随机子串翻转、随机子串移位等遗传算子。
其中,对所述新的博弈次序初始种群中的每个个体分别进行方案选择,以获得第二选定调度方案的步骤参照上述步骤S12的描述,此处不再赘述,方法相同。可以理解的是,第一选定调度方案和第二选定调度方案均是包括多个,需要在他们中确定评价值最高的一个选定调度方案,即为所述结果选定调度方案。
步骤S14:基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径。
需要说明的是,迁移路径即为本发明中结果选定调度方案中,各虚拟机的博弈顺序,以及各虚拟机原来方案中对应的物理机与结果选定调度方案中对应的物理机的迁移关系。
进一步的,步骤S14之前,还包括:利用所述博弈次序初始种群和所述新的博弈次序初始种群,更新所述新的博弈次序初始种群,并返回所述对所述新的博弈次序初始种群中的每个个体分别进行方案选择的步骤,循环至满足预设条件,以获得新的结果选定调度方案;在所述结果选定调度方案和所述新的结果选定调度方案中确定出最终调度方案;相应的,步骤S14包括:基于所述最终调度方案,获得所述预设虚拟机的迁移路径。
需要说明的是,利用所述博弈次序初始种群和所述新的博弈次序初始种群,更新所述新的博弈次序初始种群时,是将所述博弈次序初始种群和所述新的博弈次序初始种群混在一起,取较优的一半数量的个体作为更新后的新的博弈次序初始种群,即所述博弈次序初始种群和所述新的博弈次序初始种均包括n个个体时,混合起来就有2n个个体,直选其中较优的一半,即依旧是n个个体作为更新后的新的博弈次序初始种群。
其中,预设条件可以是循环次数达到设定的次数(可以是50次-100次)和/或最近几次(5次左右)对应的新的结果选定调度方案的评价值的再无提升,即将最近几次中评价值最高的方案确定为所述新的结果选定调度方案。并在所述结果选定调度方案和所述新的结果选定调度方案中确定出评价值最高的最终调度方案。
经过多次迭代操作,获得最终调度方案的评价值较好,最终调度方案的可实施性较好,且方案是最优的。
本发明技术方案提出了一种虚拟机调度方案获得方法,通过利用预设虚拟机和预设物理机,构建博弈次序初始种群;对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案;在所述第一选定调度方案中确定出结果选定调度方案;基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径。
由于,利用现有的方法获得调度方案后,无法确定调度方案是否可行,若调度方案不可行,需要重启云平台系统,将初始状态清零后,再进行调度,从而使得云平台系统的性能消耗和能耗增加。而本申请,可以基于获得迁移路径,确定结果选定调度方案是否可行,并在结果选定调度方案可行,利用结果选定调度方案对云平台系统进行调度,从而避免了云平台系统重启和再调度,保证了云平台系统的性能,降低了云平台系统的能耗。所以,利用本发明的虚拟机调度方案获得方法,保证了云平台系统的性能,降低了云平台系统的能耗,用户体验较好。
参照图3,图3为本发明虚拟机调度方案获得装置第一实施例的结构框图,所述装置用于终端设备,所述装置包括:
构建模块10,用于利用预设虚拟机和预设物理机,构建博弈次序初始种群;
选择模块20,用于对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案;
确定模块30,用于在所述第一选定调度方案中确定出结果选定调度方案;
获得模块40,用于基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径。
以上所述仅为本发明的可选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (10)

1.一种虚拟机调度方案获得方法,其特征在于,所述方法包括以下步骤:
利用预设虚拟机和预设物理机,构建博弈次序初始种群;
对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案;所述第一选定调度方案包括每个个体对应的第一子选定调度方案,不同个体的虚拟机排列顺序不同,不同个体的物理机基于对应的虚拟机排列顺序选择确定;
在所述第一选定调度方案中确定出结果选定调度方案;所述结果选定调度方案为所述第一选定调度方案中评价值最高的第一子选定调度方案;
基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径。
2.如权利要求1所述的方法,其特征在于,所述在所述第一选定调度方案中确定出结果选定调度方案的步骤之前,所述方法还包括:
基于所述第一选定调度方案和所述博弈次序初始种群,构建新的博弈次序初始种群;
对所述新的博弈次序初始种群中的每个个体分别进行方案选择,以获得第二选定调度方案;
基于所述第一选定调度方案和所述第二选定调度方案,获得调度方案集;
所述在所述第一选定调度方案中确定出结果选定调度方案的步骤,包括:
在所述调度方案集中确定出结果选定调度方案。
3.如权利要求2所述的方法,其特征在于,所述基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径的步骤之前,所述方法还包括:
利用所述博弈次序初始种群和所述新的博弈次序初始种群,更新所述新的博弈次序初始种群,并返回所述对所述新的博弈次序初始种群中的每个个体分别进行方案选择的步骤,循环至满足预设条件,以获得新的结果选定调度方案;
在所述结果选定调度方案和所述新的结果选定调度方案中确定出最终调度方案;
所述基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径的步骤,包括:
基于所述最终调度方案,获得所述预设虚拟机的迁移路径。
4.如权利要求3所述的方法,其特征在于,所述对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案的步骤,包括:
利用蒙特卡洛搜索树算法,基于所述博弈次序初始种群中每个个体中各虚拟机的博弈顺序,确定所述博弈次序初始种群中每个个体中各虚拟机对应的第一选定物理机,以获得第一子调度方案;
利用蒙特卡洛搜索树算法,基于所述第一子调度方案和所述博弈次序初始种群中每个个体中各虚拟机的博弈顺序,确定所述博弈次序初始种群中每个个体中各虚拟机对应的第二选定物理机,以获得第二子调度方案;
利用所述第二子调度方案更新所述第一子调度方案,并返回执行所述利用蒙特卡洛搜索树算法,基于所述第一子调度方案和所述博弈次序初始种群中每个个体中各虚拟机的博弈顺序,确定所述博弈次序初始种群中每个个体中各虚拟机对应的第一选定物理机的步骤,直到迭代次数达到预设次数,以获得所述博弈次序初始种群中每个个体分别对应的预设次数个子调度方案;
基于所述博弈次序初始种群中每个个体分别对应的预设次数个子调度方案,获得第一选定调度方案。
5.如权利要求4所述的方法,其特征在于,所述利用预设虚拟机和预设物理机,构建博弈次序初始种群的步骤,包括:
在所述预设物理机中确定出与所述预设虚拟机中每个虚拟机对应的物理机;
确定所述预设虚拟机中的各个虚拟机的博弈次序;
基于所述预设虚拟机、所述每个虚拟机对应的物理机和所述预设虚拟机中的各个虚拟机的博弈次序,构建所述博弈次序初始种群。
6.如权利要求5所述的方法,其特征在于,所述基于所述第一选定调度方案和所述博弈次序初始种群,构建新的博弈次序初始种群的步骤,包括:
基于所述第一选定调度方案和所述博弈次序初始种群,利用聚类中心参考点法和NSGA-III法,构建新的博弈次序初始种群。
7.如权利要求1-6任一项所述的方法,其特征在于,所述利用预设虚拟机和预设物理机,构建博弈次序初始种群的步骤之前,所述方法还包括:
利用共识网络机制法,在预设云平台系统中确定出所述预设虚拟机和所述预设物理机。
8.一种虚拟机调度方案获得装置,其特征在于,所述装置包括:
构建模块,用于利用预设虚拟机和预设物理机,构建博弈次序初始种群;
选择模块,用于对所述博弈次序初始种群中的每个个体分别进行方案选择,以获得第一选定调度方案;所述第一选定调度方案包括每个个体对应的第一子选定调度方案,不同个体的虚拟机排列顺序不同,不同个体的物理机基于对应的虚拟机排列顺序选择确定;
确定模块,用于在所述第一选定调度方案中确定出结果选定调度方案;所述结果选定调度方案为所述第一选定调度方案中评价值最高的第一子选定调度方案;
获得模块,用于基于所述结果选定调度方案,获得所述预设虚拟机的迁移路径。
9.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并在所述处理器上运行虚拟机调度方案获得程序,所述虚拟机调度方案获得程序被所述处理器执行时实现如权利要求1至7中任一项所述的虚拟机调度方案获得方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有虚拟机调度方案获得程序,所述虚拟机调度方案获得程序被处理器执行时实现如权利要求1至7中任一项所述的虚拟机调度方案获得方法的步骤。
CN202110754291.3A 2021-07-01 2021-07-01 虚拟机调度方案获得方法、装置、终端设备以及存储介质 Active CN113590263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110754291.3A CN113590263B (zh) 2021-07-01 2021-07-01 虚拟机调度方案获得方法、装置、终端设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110754291.3A CN113590263B (zh) 2021-07-01 2021-07-01 虚拟机调度方案获得方法、装置、终端设备以及存储介质

Publications (2)

Publication Number Publication Date
CN113590263A CN113590263A (zh) 2021-11-02
CN113590263B true CN113590263B (zh) 2022-07-05

Family

ID=78245692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110754291.3A Active CN113590263B (zh) 2021-07-01 2021-07-01 虚拟机调度方案获得方法、装置、终端设备以及存储介质

Country Status (1)

Country Link
CN (1) CN113590263B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101938416A (zh) * 2010-09-01 2011-01-05 华南理工大学 一种基于动态重配置虚拟资源的云计算资源调度方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9069622B2 (en) * 2010-09-30 2015-06-30 Microsoft Technology Licensing, Llc Techniques for load balancing GPU enabled virtual machines
CN103677960B (zh) * 2013-12-19 2017-02-01 安徽师范大学 一种能耗约束的虚拟机博弈重放置方法
US20170132042A1 (en) * 2014-04-23 2017-05-11 Hewlett Packard Enterprise Development Lp Selecting a platform configuration for a workload
CN104484222B (zh) * 2014-12-31 2016-05-25 北京天云融创软件技术有限公司 一种基于混合遗传算法的虚拟机调度方法
CN106775933A (zh) * 2016-11-29 2017-05-31 深圳大学 一种服务器集群上的虚拟机动态放置优化方法及系统
CN107193658A (zh) * 2017-05-25 2017-09-22 重庆工程学院 基于博弈论的云计算资源调度方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101938416A (zh) * 2010-09-01 2011-01-05 华南理工大学 一种基于动态重配置虚拟资源的云计算资源调度方法

Also Published As

Publication number Publication date
CN113590263A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
Gao et al. Hierarchical multi-agent optimization for resource allocation in cloud computing
CN112948079B (zh) 任务调度方法、装置、设备和计算机存储介质
CN113377520A (zh) 资源调度方法、装置、设备以及存储介质
CN111324422A (zh) 多目标虚拟机部署方法、装置、设备及存储介质
JP7412489B2 (ja) 連合学習方法及び装置、電子機器、記憶媒体ならびにコンピュータプログラム
CN116991560B (zh) 针对语言模型的并行调度方法、装置、设备及存储介质
CN111143039A (zh) 一种虚拟机的调度方法、装置及计算机存储介质
CN115609593B (zh) 一种多类型机器人人机协同装配调度方法和装置
CN105630419B (zh) 一种资源池的分区视图发送方法及管理节点
CN114841315A (zh) 混合专家模型实现方法、系统、电子设备及存储介质
CN114819084B (zh) 模型推理方法、装置、设备及存储介质
CN113849302A (zh) 任务执行方法及装置、存储介质及电子装置
CN111158800A (zh) 基于映射关系构建任务dag的方法及装置
CN114091589B (zh) 模型训练方法、装置、电子设备及介质
CN113590263B (zh) 虚拟机调度方案获得方法、装置、终端设备以及存储介质
CN116151384B (zh) 量子电路处理方法、装置及电子设备
CN107888677B (zh) 一种通信实现方法、控制端、智能设备及系统
CN106997311B (zh) 具有多核心处理器的电子装置及多核心处理器的管理方法
CN114445152A (zh) 充电站的选址方法、装置、电子设备及可读存储介质
CN114816742A (zh) 请求处理方法、装置、电子设备及存储介质
CN114662777A (zh) 光伏组件串线排布确定方法、装置、电子设备及存储介质
CN110308914A (zh) 升级处理方法、装置、设备、系统及计算机可读存储介质
CN114862223A (zh) 一种机器人调度方法、装置、设备及存储介质
CN114201727A (zh) 数据的处理方法、处理器、人工智能芯片及电子设备
CN106453656A (zh) 一种集群主机选取方法及装置

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