CN114020451A - 一种超融合服务器控制系统、构建方法、介质及应用 - Google Patents
一种超融合服务器控制系统、构建方法、介质及应用 Download PDFInfo
- Publication number
- CN114020451A CN114020451A CN202111191980.4A CN202111191980A CN114020451A CN 114020451 A CN114020451 A CN 114020451A CN 202111191980 A CN202111191980 A CN 202111191980A CN 114020451 A CN114020451 A CN 114020451A
- Authority
- CN
- China
- Prior art keywords
- virtual server
- super
- fusion
- server node
- 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.)
- Pending
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
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- 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
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明属于资源分配技术领域,公开了一种超融合服务器控制系统、构建方法、介质及应用,包括:超融合服务器部署模块进行超融合服务器及第一区域、第二区域服务器节点的部署;数据存储与共享模块进行传感器数据的分布式存储与共享;资源利用状态表建立模块在主虚拟服务器节点中建立资源利用状态表;虚拟服务器节点的整合与迁移模块进行虚拟服务器节点的整合与不同虚拟服务器资源的动态迁移。本发明所述超融合服务器将传统的计算资源和存储管理功能统一融合,将数据直接分发到存储上进行计算,减少传感器设备和数据中心的数据传输量和带宽,同时集成了多种虚拟技术实现多业务间的资源负载均衡。
Description
技术领域
本发明属于资源分配技术领域,尤其涉及一种超融合服务器控制系统、构建方法、介质及应用。
背景技术
目前,随着泛在物联网感知、检测技术的发展,各类智能系统和应用在实践中不断产生大量数据。在同一现场不同专业的传感设备、采集数据、计算和通信资源等未实现充分的共享共用,存在不同专业采集终端重复建设、数据重复采集的现象。存储及网络环境复杂,相关数据处理工作呈现出大规模、分布式、并行化和多样化发展趋势,传统方案已无法高效满足这类需求。多数感知设备需要将数据传送至后台实现跨专业、跨系统的数据共享应用或关联计算,数据从源头产生到跨专业应用往往会产生延迟,无法满足对业务即时性要求较高的需求,并且传统虚拟化架构缺乏兼顾负载均衡和节能优化的业务资源调度方法,会导致致部分物理机上虚拟机占用资源负载过重并使该物理机上的虚拟机性能下降的情况,而同时部分物理机消耗的资源量则可能非常低,承载业务的集群总体会呈现出资源消耗严重不均的情况。不能适应不同的情况下(数据密集和内存敏感、计算密集和CPU敏感)及资源负载动态变化的情况,可能导致负载不均、负载倾斜的出现。
通过上述分析,现有技术存在的问题及缺陷为:现有的传感器设备和数据中心的数据传输量和带宽大,同时多业务间的资源负载不均衡。
解决以上问题及缺陷的难度为:传统虚拟化架构下,计算与存储分离,应传感器设备和数据中心读取数据存在性能瓶颈,数据传输量和带宽大,无法满足对业务及时性要求较高的需求;受限于性能及技术瓶颈,目前传统服务器虚拟化技术在国产CPU平台上效率低下,缺乏超融合服务器节点间资源调度方案,易导致多业务间资源负载不平衡。
解决以上问题及缺陷的意义为:本发明所述超融合服务器控制系统采用ARM架构和国产CPU系统,实现国内超融合服务器的完全自主可控,并将传统的计算资源和存储管理功能统一融合,将数据直接分发到存储上进行计算,减少传感器设备和数据中心的数据传输量和带宽,减少了多个业务间的因访问数据造成的资源浪费,实现了业务即时性提升,同时集成了多种虚拟技术减少多个业务间的因访问数据造成的资源浪费,实现多业务的资源共享和资源最大化利用。
发明内容
针对现有技术存在的问题,本发明提供了一种超融合服务器控制系统、构建方法、介质及应用。
本发明是这样实现的,一种超融合服务器控制系统,所述超融合服务器控制系统包括:
超融合服务器部署模块,用于进行超融合服务器及第一区域、第二区域服务器节点的部署;
数据存储与共享模块,用于进行传感器数据的分布式存储与共享;
资源利用状态表建立模块,用于在主虚拟服务器节点中建立资源利用状态表;
虚拟服务器节点的整合与迁移模块,用于进行虚拟服务器节点的整合,并根据各虚拟服务器节点的资源利用状态,对不同虚拟服务器资源进行动态迁移;
进一步,所述数据存储与共享模块包括:
本地目录,用于存储边缘传感器返回的数据;
数据共享目录,设置于主虚拟服务器节点上,用于采用分布式Ceph架构,存储可共享的业务数据。
进一步,所述资源利用状态表的两个属性分别为虚拟服务器节点名称及当前状态;其中,当前状态包括:超负载状态,高负载和低负载状态。
本发明的另一目的在于提供一种构建所述超融合服务器控制系统的超融合服务器控制系统构建方法,所述超融合服务器控制系统构建方法包括:
步骤一,在传感器第一区域范围内部署超融合服务器,并利用虚拟技术创建多个虚拟服务器节点;
步骤二,进行数据存储与共享;确定虚拟服务器节点的运行状态,并建立虚拟服务器节点的资源利用状态表;
步骤三,进行虚拟服务器节点的整合与迁移。
进一步,步骤一中,所述在传感器第一区域范围内部署超融合服务器,并利用虚拟技术创建多个虚拟服务器节点包括:
(1)构建ARM架构下的超融合服务器,确定泛在物联网的网络拓扑结构;
(2)根据感知层中边缘传感器节点所在位置,划定第一区域范围,并在第一区域内部署超融合服务器,超融合服务器为第一区域范围内各边缘传感器节点进行数据存储和计算;
(3)利用虚拟技术创建多个虚拟服务器节点,划定第二区域范围,在每个虚拟服务器节点上部署第二区域范围中的一个或多个基础业务。
进一步,所述第二区域范围是第一区域范围的子集,虚拟服务器节点作为第二区域范围内传感器节点的存储与计算设备,虚拟服务器节点上运行的业务总和应对应第一区域范围内所有业务的总和。
进一步,步骤二中,所述进行数据存储与共享包括:
在超融合服务器中创建一个主虚拟服务器节点,根据业务需求,为指定虚拟服务器节点设置可读权限;在主虚拟服务器节点的本地采用分布式Ceph架构设置一个数据共享文件目录,存储边缘传感器返回的数据;在指定虚拟服务器节点的本地制定挂载点,被其他有权限的虚拟服务器节点访问。
进一步,步骤二中,所述确定虚拟服务器节点的运行状态,并建立虚拟服务器节点的资源利用状态表包括:
建立主虚拟服务器节点用于监控其他虚拟服务器节点的运行状态,在主虚拟服务器节点中建立资源利用状态表,并分别设置负载状态阈值。
进一步,所述负载状态阈值包括:
超负载状态的阈值为导致虚拟服务器节点宕机的超融合服务器资源利用率的临界值;
高负载状态的阈值为导致虚拟服务器节点性能严重下降的超融合服务器资源利用率的临界值;
低负载状态的阈值为超融合服务器能效产出比较低时的超融合服务器资源利用率的临界值。
进一步,步骤三中,所述进行虚拟服务器节点的整合与迁移包括:
1)在超融合服务器上创建一个单独的主虚拟服务器节点,监控其他虚拟服务器节点的运行状态,主虚拟服务器节点周期性判断其他不同虚拟服务器节点的当前状态;
2)设置滑动时间窗口,周期性的更新主虚拟服务器节点中的资源利用状态表;根据虚拟服务器节点的资源利用状态进行降序排序,在超融合服务器中为每个虚拟服务器节点预留一定的CPU与内存资源;
3)按照最大占有资源优先的策略将虚拟服务器节点放置到超融合服务器中,为各个虚拟服务器节点分配资源;整合虚拟服务器节点,并根据各虚拟服务器节点的资源利用状态,对不同虚拟服务器资源进行动态迁移。
进一步,所述主虚拟服务器节点周期性判断其他不同虚拟服务器节点的当前状态包括:
通过主虚拟服务器节点,获取虚拟服务器节点所占相关资源维度及其资源利用情况,计算当前超融合服务器资源利用率,与预设的负载状态阈值进行比较,确定虚拟服务器节点的当前状态。
进一步,所述资源利用情况的判别维度主要包CPU资源、内存资源、网络IO资源。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
步骤一,在传感器第一区域范围内部署超融合服务器,并利用虚拟技术创建多个虚拟服务器节点;
步骤二,进行数据存储与共享;确定虚拟服务器节点的运行状态,并建立虚拟服务器节点的资源利用状态表;
步骤三,进行虚拟服务器节点的整合与迁移。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实施所述的超融合服务器控制系统。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明所述超融合服务器将传统的计算资源和存储管理功能统一融合,将数据直接分发到存储上进行计算,减少传感器设备和数据中心的数据传输量和带宽,同时集成了多种虚拟技术实现多业务间的资源负载均衡。
本发明采用ARM架构的FT处理器作为本发明超融合服务器物理机的CPU,并在此硬件基础上设计超融合服务,实现国内超融合服务器的自主可控;通过Ceph架构实现数据的共享存储;通过建立资源利用状态表,使得超融合服务器的资源分配利用最大化,实现业务的多样性。
本发明超融合服务器硬件CPU采用ARM架构FT处理器,实现国内超融合服务器的自主可控;数据可共享,利用分布式Ceph架构实现数据的共享存储,减少多个业务间的因访问数据造成的资源浪费;资源利用状态可见,通过主虚拟服务器节点,能够计算当前超融合服务器资源利用率;资源最大化利用,按照最大占有资源优先的策略,为各个虚拟服务器节点分配资源。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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获得其他的附图。
图1是本发明实施例提供的超融合服务器控制系统框图。
图2是本发明实施例提供的超融合服务器控制系统结构示意图;
图中:1、超融合服务器部署模块;2、数据存储与共享模块;3、资源利用状态表建立模块;4、虚拟服务器节点的整合与迁移模块。
图3是本发明实施例提供的超融合服务器控制系统构建方法示意图。
图4是本发明实施例提供的超融合服务器控制系统构建方法流程图。
图5是本发明实施例提供的泛在物联网环境下的部署示意图。
图6是本发明实施例提供的资源利用状态表表结构示意图。
图7是本发明实施例提供的整合与迁移示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例,基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的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。
针对现有技术存在的问题,本发明提供了一种超融合服务器控制系统、构建方法、介质及应用,其特征在于,通过超融合服务器控制系统部署虚拟服务器节点实现不同环境下不同业务的有效作业,通过建立主虚拟服务器节点实现其他虚拟服务器节点的状态监控,并基于状态利用表实现虚拟服务器的整合和迁移,实现超融合服务器资源兼顾业务敏感、负载均衡和节能优化的最大化利用。
下面结合附图对本发明的技术方案作详细的描述。
如图1-图2所示,本发明实施例提供的超融合服务器控制系统包括:
超融合服务器部署模块1,用于进行超融合服务器及第一区域、第二区域服务器节点的部署;
数据存储与共享模块2,用于进行传感器数据的分布式存储与共享;
资源利用状态表建立模块3,用于在主虚拟服务器节点中建立资源利用状态表;
虚拟服务器节点的整合与迁移模块4,用于进行虚拟服务器节点的整合,并根据各虚拟服务器节点的资源利用状态,对不同虚拟服务器资源进行动态迁移;
本发明实施例提供的数据存储与共享模块2包括:
本地目录,用于存储边缘传感器返回的数据;
数据共享目录,设置于主虚拟服务器节点上,用于采用分布式Ceph架构,存储可共享的业务数据。
本发明实施例提供的资源利用状态表的两个属性分别为虚拟服务器节点名称及当前状态;其中,当前状态包括:超负载状态,高负载和低负载状态。
如图3-图4所示,本发明实施例提供的超融合服务器控制系统构建方法包括以下步骤:
S101,在传感器第一区域范围内部署超融合服务器,并利用虚拟技术创建多个虚拟服务器节点;
S102,进行数据存储与共享;确定虚拟服务器节点的运行状态,并建立虚拟服务器节点的资源利用状态表;
S103,进行虚拟服务器节点的整合与迁移。
步骤S101中,本发明实施例提供的在传感器第一区域范围内部署超融合服务器,并利用虚拟技术创建多个虚拟服务器节点包括:
(1)构建ARM架构下的超融合服务器,确定泛在物联网的网络拓扑结构;
(2)根据感知层中边缘传感器节点所在位置,划定第一区域范围,并在第一区域内部署超融合服务器,超融合服务器为第一区域范围内各边缘传感器节点进行数据存储和计算;
(3)利用虚拟技术创建多个虚拟服务器节点,划定第二区域范围,在每个虚拟服务器节点上部署第二区域范围中的一个或多个基础业务。
本发明实施例提供的第二区域范围是第一区域范围的子集,虚拟服务器节点作为第二区域范围内传感器节点的存储与计算设备,虚拟服务器节点上运行的业务总和应对应第一区域范围内所有业务的总和。
步骤S102中,本发明实施例提供的进行数据存储与共享包括:
在超融合服务器中创建一个主虚拟服务器节点,根据业务需求,为指定虚拟服务器节点设置可读权限;在主虚拟服务器节点的本地采用分布式Ceph架构设置一个数据共享文件目录,存储边缘传感器返回的数据;在指定虚拟服务器节点的本地制定挂载点,被其他有权限的虚拟服务器节点访问。
步骤S102中,本发明实施例提供的确定虚拟服务器节点的运行状态,并建立虚拟服务器节点的资源利用状态表包括:
建立主虚拟服务器节点用于监控其他虚拟服务器节点的运行状态,在主虚拟服务器节点中建立资源利用状态表,并分别设置负载状态阈值。
本发明实施例提供的负载状态阈值包括:
超负载状态的阈值为导致虚拟服务器节点宕机的超融合服务器资源利用率的临界值;
高负载状态的阈值为导致虚拟服务器节点性能严重下降的超融合服务器资源利用率的临界值;
低负载状态的阈值为超融合服务器能效产出比较低时的超融合服务器资源利用率的临界值。
步骤S103中,本发明实施例提供的进行虚拟服务器节点的整合与迁移包括:
1)在超融合服务器上创建一个单独的主虚拟服务器节点,监控其他虚拟服务器节点的运行状态,主虚拟服务器节点周期性判断其他不同虚拟服务器节点的当前状态;
2)设置滑动时间窗口,周期性的更新主虚拟服务器节点中的资源利用状态表;根据虚拟服务器节点的资源利用状态进行降序排序,在超融合服务器中为每个虚拟服务器节点预留一定的CPU与内存资源;
3)按照最大占有资源优先的策略将虚拟服务器节点放置到超融合服务器中,为各个虚拟服务器节点分配资源;整合虚拟服务器节点,并根据各虚拟服务器节点的资源利用状态,对不同虚拟服务器资源进行动态迁移。
本发明实施例提供的主虚拟服务器节点周期性判断其他不同虚拟服务器节点的当前状态包括:
通过主虚拟服务器节点,获取虚拟服务器节点所占相关资源维度及其资源利用情况,计算当前超融合服务器资源利用率,与预设的负载状态阈值进行比较,确定虚拟服务器节点的当前状态。
本发明实施例提供的资源利用情况的判别维度主要包括CPU资源、内存资源、网络IO资源。
下面结合具体实施例对本发明的技术效果作进一步描述。
实施例:
本发明的实施例提供的用于泛在物联网环境下的超融合服务器系统,由ARM架构下的超融合服务器作为物理服务器节点,通过部署虚拟服务器节点实现泛在物联网环境下不同业务的有效作业,通过建立主虚拟服务器节点实现其他虚拟服务器节点的状态监控,并基于状态利用表实现虚拟服务器的整合和迁移,实现超融合服务器资源的最大化利用。
如附图1所示,本发明实施例提供的系统框图具体为:
超融合服务器作为数据存储与计算所需的高性能物理服务器,利用虚拟技术创建若干个虚拟服务器节点,并选择其中一个为主虚拟服务器节点;超融合服务器为第一区域范围内各边缘传感器节点提供服务,每个虚拟服务器节点上能够运行第二区域范围内的一个或多个基础业务;主虚拟服务器节点不同于其他虚拟服务器节点,主虚拟服务器节点能够为每个虚拟服务器节点建立资源利用状态表,通过内存资源、网络IO资源等信息,判断虚拟服务器节点的当前状态,按照最大占有资源优先的策略将虚拟服务器节点放置到超融合服务器中,整合与迁移虚拟服务器节点的系统资源;另外主虚拟服务器节点中建立数据共享目录,用于存储可共享的业务数据,被其他虚拟服务器节点使用,而其他虚拟服务器节点则通过建立本地目录,将边缘传感器返回的数据被指定存储在本地目录中。
如附图3所示,本发明实施例提供的超融合服务器包括以下步骤:
步骤1:部署超融合服务器:通过型号为国产飞腾2000的处理器,构建ARM架构下的超融合服务器,根据当前应用环境的网络拓扑结构和感知层中边缘节点的位置,划分区域范围,部署超融合服务器物理节点,利用虚拟技术为不同业务分配虚拟服务器节点;
步骤2:存储与共享多业务间的数据:每个虚拟服务器节点上运行着一个或多个业务,通过在超融合服务器中设置一个共享文件目录,利用分布式Ceph架构,完成虚拟服务器节点在本地指定挂载点的数据存储与共享;
步骤3:建立虚拟服务器节点的资源利用状态表:为每个虚拟服务器节点建立资源利用状态表,分别设置超负载状态,高负载和低负载状态的状态值阈值,使得建立的主虚拟服务器节点能够对比CPU资源、内存资源、网络IO资源等信息,判断虚拟服务器节点的当前状态,监控虚拟服务器节点的运行状态;
步骤4:整合与迁移虚拟服务器节点:主虚拟服务器节点设置滑动时间窗口,周期性的更新主虚拟服务器节点中的资源利用状态表,根据虚拟服务器节点的资源利用状态进行降序排序,在超融合服务器中为每个虚拟服务器节点预留一定的CPU与内存资源,按照最大占有资源优先的策略将虚拟服务器节点放置到超融合服务器中,整合与迁移虚拟服务器节点的系统资源。
本发明实施例提供的系统框图具体为:
超融合服务器作为数据存储与计算所需的高性能物理服务器,利用虚拟技术创建若干个虚拟服务器节点,并选择其中一个为主虚拟服务器节点;超融合服务器为第一区域范围内各边缘传感器节点提供服务,每个虚拟服务器节点上能够运行第二区域范围内的一个或多个基础业务;主虚拟服务器节点不同于其他虚拟服务器节点,主虚拟服务器节点能够为每个虚拟服务器节点建立资源利用状态表,通过内存资源、网络IO资源等信息,判断虚拟服务器节点的当前状态,按照最大占有资源优先的策略将虚拟服务器节点放置到超融合服务器中,整合与迁移虚拟服务器节点的系统资源;另外主虚拟服务器节点中建立数据共享目录,用于存储可共享的业务数据,被其他虚拟服务器节点使用,而其他虚拟服务器节点则通过建立本地目录,将边缘传感器返回的数据被指定存储在本地目录中。
本发明实施例提供的超融合服务器的硬件配置,相较与市场上的其他超融合服务器,本发明实施例所述超融合服务器所用CPU配置为:飞腾FT-2000,采用ARM64架构,配置63个FTC662处理器核,如下所示。
本发明实施例提供的超融合服务器在应用场景下的部署方法,所述方法具体为:
首先确定泛在物联网的网络拓扑结构,根据感知层中边缘传感器节点所在位置,划定第一区域范围,使得超融合服务器作为第一区域范围内各边缘传感器节点的数据存储与计算所需的高性能物理服务器;
然后利用虚拟技术创建多个虚拟服务器节点,划定第二区域范围,使得每个虚拟服务器节点上能够运行第二区域范围中的一个或多个基础业务;
最后,在第二区域范围是第一区域范围的子集的前提下,确保虚拟服务器节点上运行的业务总和大于等于第一区域范围内所有业务的总和。
本发明实施例提供的资源利用状态表表结构具体为:
资源利用状态表由主虚拟服务器节点建立,表中的每一条记录代表一个虚拟节点当前的状态,每条记录有两个属性,分别表示虚拟节点的名称和计算得到的当前状态索引;其中,根据每个虚拟服务器节点的资源利用情况,可以将资源利用状态分为三个:超负载状态,高负载和低负载状态。
本发明实施例提供的虚拟服务器节点的整合与迁移方法,所述方法具体为:
首先设置滑动时间窗口大小,周期性的更新主虚拟服务器节点中的资源利用状态表。状态表在更新过程并未使用资源利用率的瞬时值,而是通过滑动时间窗口的大小设置,来说明某资源维度在一定时间内的物理机上的平均资源利用率,一定时间内的平均资源利用率超过或低于状态阈值,才会进行虚拟服务器节点在超融合服务器中的整合和迁移;
接着,根据虚拟服务器节点的资源利用状态进行降序排序,在超融合服务器中为每个虚拟服务器节点预留一定的CPU与内存资源;
最后,按照最大占有资源优先的策略将虚拟服务器节点放置到超融合服务器中,实现虚拟服务器节点的整合与迁移。
本发明实施例中提供的超融合服务器控制系统、构建方法、介质及应用,包括:超融合服务器部署模块,用于进行超融合服务器及第一区域、二区域服务器节点的部署;数据存储与共享模块,用于进行传感器数据的分布式存储与共享;资源利用状态表建立模块,用于在主虚拟服务器节点中建立资源利用状态表;虚拟服务器节点的整合与迁移模块,用于进行虚拟服务器节点的整合,并根据资源利用状态表判断各虚拟服务器节点的资源利用状态,对不同虚拟服务器资源进行动态迁移。本发明实施例中超融合服务器将传统的计算资源和存储管理功能统一融合,将数据直接分发到存储上进行计算,减少了传感器设备和数据中心的数据传输量和带宽,同时集成了多种虚拟技术实现多业务间的资源负载均衡,具有实用性和易用性。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种超融合服务器控制系统,其特征在于,所述超融合服务器控制系统包括:
超融合服务器部署模块,用于进行超融合服务器及第一区域、第二区域服务器节点的部署;
数据存储与共享模块,用于进行传感器数据的分布式存储与共享;
资源利用状态表建立模块,用于在主虚拟服务器节点中建立资源利用状态表;
虚拟服务器节点的整合与迁移模块,用于进行虚拟服务器节点的整合,并根据各虚拟服务器节点的资源利用状态,对不同虚拟服务器资源进行动态迁移。
2.如权利要求1所述的超融合服务器控制系统,其特征在于,所述数据存储与共享模块包括:
本地目录,用于存储边缘传感器返回的数据;
数据共享目录,设置于主虚拟服务器节点上,用于采用分布式Ceph架构,存储可共享的业务数据。
3.如权利要求1所述的超融合服务器控制系统,其特征在于,所述资源利用状态表的两个属性分别为虚拟服务器节点名称及当前状态;其中,当前状态包括:超负载状态,高负载和低负载状态。
4.一种如权利要求1-3任意一项所述超融合服务器控制系统的构建方法,其特征在于,所述构建方法包括:
步骤一,在传感器第一区域范围内部署超融合服务器,并利用虚拟技术创建多个虚拟服务器节点;
步骤二,进行数据存储与共享;确定虚拟服务器节点的运行状态,并建立虚拟服务器节点的资源利用状态表;
步骤三,进行虚拟服务器节点的整合与迁移。
5.如权利要求4所述的构建方法,其特征在于,步骤一中,所述在传感器第一区域范围内部署超融合服务器,并利用虚拟技术创建多个虚拟服务器节点包括:
(1)构建ARM架构下的超融合服务器,确定泛在物联网的网络拓扑结构;
(2)根据感知层中边缘传感器节点所在位置,划定第一区域范围,并在第一区域内部署超融合服务器,超融合服务器为第一区域范围内各边缘传感器节点进行数据存储和计算;
(3)利用虚拟技术创建多个虚拟服务器节点,划定第二区域范围,在每个虚拟服务器节点上部署第二区域范围中的一个或多个基础业务;
所述第二区域范围是第一区域范围的子集,虚拟服务器节点作为第二区域范围内传感器节点的存储与计算设备,虚拟服务器节点上运行的业务总和应对应第一区域范围内所有业务的总和。
6.如权利要求4所述的构建方法,其特征在于,步骤二中,所述进行数据存储与共享包括:
在超融合服务器中创建一个主虚拟服务器节点,根据业务需求,为指定虚拟服务器节点设置可读权限;在主虚拟服务器节点的本地采用分布式Ceph架构设置一个数据共享文件目录,存储边缘传感器返回的数据;在指定虚拟服务器节点的本地制定挂载点,被其他有权限的虚拟服务器节点访问;
步骤二中,所述确定虚拟服务器节点的运行状态,并建立虚拟服务器节点的资源利用状态表包括:
建立主虚拟服务器节点用于监控其他虚拟服务器节点的运行状态,在主虚拟服务器节点中建立资源利用状态表,并分别设置负载状态阈值。
7.如权利要求6所述的构建方法,其特征在于,所述负载状态阈值包括:
超负载状态的阈值为导致虚拟服务器节点宕机的超融合服务器资源利用率的临界值;
高负载状态的阈值为导致虚拟服务器节点性能严重下降的超融合服务器资源利用率的临界值;
低负载状态的阈值为超融合服务器能效产出比较低时的超融合服务器资源利用率的临界值。
8.如权利要求4所述的构建方法,其特征在于,步骤三中,所述进行虚拟服务器节点的整合与迁移包括:
1)在超融合服务器上创建一个单独的主虚拟服务器节点,监控其他虚拟服务器节点的运行状态,主虚拟服务器节点周期性判断其他不同虚拟服务器节点的当前状态;
2)设置滑动时间窗口,周期性的更新主虚拟服务器节点中的资源利用状态表;根据虚拟服务器节点的资源利用状态进行降序排序,在超融合服务器中为每个虚拟服务器节点预留一定的CPU与内存资源;
3)按照最大占有资源优先的策略将虚拟服务器节点放置到超融合服务器中,为各个虚拟服务器节点分配资源;整合虚拟服务器节点,并根据各虚拟服务器节点的资源利用状态,对不同虚拟服务器资源进行动态迁移;
所述主虚拟服务器节点周期性判断其他不同虚拟服务器节点的当前状态包括:
通过主虚拟服务器节点,获取虚拟服务器节点所占相关资源维度及其资源利用情况,计算当前超融合服务器资源利用率,与预设的负载状态阈值进行比较,确定虚拟服务器节点的当前状态;
所述资源利用情况的判别维度主要包CPU资源、内存资源、网络IO资源。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
步骤一,在传感器第一区域范围内部署超融合服务器,并利用虚拟技术创建多个虚拟服务器节点;
步骤二,进行数据存储与共享;确定虚拟服务器节点的运行状态,并建立虚拟服务器节点的资源利用状态表;
步骤三,进行虚拟服务器节点的整合与迁移。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实施权利要求1-3任意一项所述的超融合服务器控制系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111191980.4A CN114020451A (zh) | 2021-10-13 | 2021-10-13 | 一种超融合服务器控制系统、构建方法、介质及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111191980.4A CN114020451A (zh) | 2021-10-13 | 2021-10-13 | 一种超融合服务器控制系统、构建方法、介质及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114020451A true CN114020451A (zh) | 2022-02-08 |
Family
ID=80055964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111191980.4A Pending CN114020451A (zh) | 2021-10-13 | 2021-10-13 | 一种超融合服务器控制系统、构建方法、介质及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114020451A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115643168A (zh) * | 2022-10-20 | 2023-01-24 | 安超云软件有限公司 | 一种节点超融合升级方法、装置、设备及存储介质 |
-
2021
- 2021-10-13 CN CN202111191980.4A patent/CN114020451A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115643168A (zh) * | 2022-10-20 | 2023-01-24 | 安超云软件有限公司 | 一种节点超融合升级方法、装置、设备及存储介质 |
CN115643168B (zh) * | 2022-10-20 | 2023-08-04 | 安超云软件有限公司 | 一种节点超融合升级方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8799895B2 (en) | Virtualization-based resource management apparatus and method and computing system for virtualization-based resource management | |
US20140082202A1 (en) | Method and Apparatus for Integration of Virtual Cluster and Virtual Cluster System | |
CN105187512A (zh) | 一种虚拟机集群负载均衡方法及系统 | |
US20060143617A1 (en) | Method, apparatus and system for dynamic allocation of virtual platform resources | |
Hashem et al. | MapReduce scheduling algorithms: a review | |
US9690608B2 (en) | Method and system for managing hosts that run virtual machines within a cluster | |
CN107977271B (zh) | 一种数据中心综合管理系统负载均衡方法 | |
CN104854563A (zh) | 资源使用的自动分析 | |
Han et al. | Energy efficient VM scheduling for big data processing in cloud computing environments | |
CN113157459A (zh) | 一种基于云服务的负载信息处理方法及系统 | |
Ghoneem et al. | An adaptive MapReduce scheduler for scalable heterogeneous systems | |
CN114020451A (zh) | 一种超融合服务器控制系统、构建方法、介质及应用 | |
US11228516B1 (en) | Edge computing management using multiple latency options | |
US20230367654A1 (en) | Automatic node fungibility between compute and infrastructure nodes in edge zones | |
CN107124449A (zh) | 一种云计算系统中的资源分配方法 | |
CN114116157A (zh) | 一种边缘环境下多边缘集群云结构及负载均衡调度方法 | |
Saravanakumar et al. | An Efficient Technique for Virtual Machine Clustering and Communications Using Task‐Based Scheduling in Cloud Computing | |
Raj et al. | Augmenting hierarchical load balancing with intelligence in grid environment | |
CN110908783A (zh) | 一种云数据中心虚拟机的管控方法、系统及设备 | |
Zhang et al. | Repeatable multi-dimensional virtual network embedding in cloud service platform | |
CN115827148A (zh) | 一种资源管理方法、装置、电子设备及存储介质 | |
CN113886091A (zh) | 虚拟机迁移方法、系统、设备及存储介质 | |
Lukashin et al. | Resource scheduler based on multi-agent model and intelligent control system for openstack | |
Tao et al. | Resource scheduling and data locality for virtualized Hadoop on IaaS cloud platform | |
Thakor et al. | Performance Measurement and Evaluation of Pluggable to Scheduler Dynamic Load Balancing Algorithm (P2S_DLB) in Distributed Computing Environment |
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 |