CN114265668A - 虚拟机迁移方法及相关产品 - Google Patents
虚拟机迁移方法及相关产品 Download PDFInfo
- Publication number
- CN114265668A CN114265668A CN202111622311.8A CN202111622311A CN114265668A CN 114265668 A CN114265668 A CN 114265668A CN 202111622311 A CN202111622311 A CN 202111622311A CN 114265668 A CN114265668 A CN 114265668A
- Authority
- CN
- China
- Prior art keywords
- resource
- node
- virtual machine
- load
- migration
- 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
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本申请属于计算机技术领域,具体涉及一种虚拟机迁移方法。该方法包括:对多个主机节点进行资源负载监测,得到各个所述主机节点在多个资源维度上的负载预测值;根据所述负载预测值预测所述主机节点在各个资源维度上的负载状态;根据所述负载状态对所述多个主机节点进行筛选,得到与各个所述资源维度相对应的迁出节点集合和迁入节点集合;将对应于相同资源维度的迁出节点集合和迁入节点集合进行匹配检测,并根据匹配检测结果对所述主机节点进行虚拟机迁移。本申请可以降低主机节点出现资源过载的风险,提高主机节点的业务处理效率。
Description
技术领域
本申请属于计算机技术领域,具体涉及一种虚拟机迁移方法、虚拟机迁移装置、计算机可读介质、电子设备以及计算机程序产品。
背景技术
数据中心在多个主机节点上创建和分配虚拟机时只考虑主机节点的资源是否满足虚拟机的需求,因此容易导致各节点间虚拟机分配不均匀的问题;主机节点内的虚拟机所需资源随业务规模的变化而调整,当单一节点的虚拟机数量过多时,往往会因为节点资源的争抢而导致节点过载,影响业务办理,甚至在严重的情况下导致业务中断。
发明内容
本申请的目的在于提供一种虚拟机迁移方法、虚拟机迁移装置、计算机可读介质、电子设备以及计算机程序产品,至少在一定程度上克服相关技术中存在的主机节点间虚拟机分配不合理的技术问题。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供一种虚拟机迁移方法,该方法包括:
对多个主机节点进行资源负载监测,得到各个所述主机节点在多个资源维度上的负载预测值;
根据所述负载预测值预测所述主机节点在各个资源维度上的负载状态;
根据所述负载状态对所述多个主机节点进行筛选,得到与各个所述资源维度相对应的迁出节点集合和迁入节点集合;
将对应于相同资源维度的迁出节点集合和迁入节点集合进行匹配检测,并根据匹配检测结果对所述主机节点进行虚拟机迁移。
根据本申请实施例的一个方面,提供一种虚拟机迁移装置,该装置包括:
监测模块,被配置为对多个主机节点进行资源负载监测,得到各个所述主机节点在多个资源维度上的负载预测值;
预测模块,被配置为根据所述负载预测值预测所述主机节点在各个资源维度上的负载状态;
筛选模块,被配置为根据所述负载状态对所述多个主机节点进行筛选,得到与各个所述资源维度相对应的迁出节点集合和迁入节点集合;
迁移模块,被配置为将对应于相同资源维度的迁出节点集合和迁入节点集合进行匹配检测,并根据匹配检测结果对所述主机节点进行虚拟机迁移。
在本申请的一些实施例中,基于以上技术方案,监测模块可以进一步包括:
实时监测模块,被配置为对多个主体节点进行资源负载监测,得到所述主机节点在多个资源维度上的实时资源负载值;
周期获取模块,被配置为获取与当前时间节点相对应的多个历史时间周期;
负载预测模块,被配置为根据各个所述历史时间周期内记录的实时资源负载值预测所述主机节点在多个资源维度上的负载预测值。
在本申请的一个实施例中,所述资源维度包括CPU利用率、内存利用率或者带宽利用率中的至少两种。
在本申请的一个实施例中,基于以上技术方案,预测模块可以进一步包括:
阈值获取模块,被配置为获取与所述资源维度相对应的高位阈值和低位阈值;
过载确定模块,被配置为若所述负载预测值大于所述高位阈值,则确定所述主机节点在所述资源维度上的负载状态为过载状态;
低载确定模块,被配置为若所述负载预测值小于所述低位阈值,则确定所述主机节点在所述资源维度上的负载状态为低载状态;
适载确定模块,被配置为若所述负载预测值小于所述高位阈值并且大于所述低位阈值,则确定所述主机节点在所述资源维度上的负载状态为适载状态。
在本申请的一个实施例中,基于以上技术方案,筛选模块可以进一步包括:
过载筛选模块,被配置为筛选在所述资源维度上的负载状态为过载状态的主机节点,并将过载状态的主机节点组成与所述资源维度相对应的迁出节点集合;
低载筛选模块,被配置为筛选在所述资源维度上的负载状态为低载状态的主机节点,并将低载状态的主机节点组成与所述资源维度相对应的迁入节点集合。
在本申请的一个实施例中,基于以上技术方案,迁移模块可以进一步包括:
比例获取模块,被配置为在对应于相同资源维度的迁出节点集合和迁入节点集合中,获取所述主机节点上的各个虚拟机的资源占用比例;
迁移标记模块,被配置为在所述迁出节点集合中,将各个主机节点上具有最高资源占用比例的虚拟机标记为待迁移虚拟机;
节点查找模块,被配置为在所述迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点;
虚拟机迁移模块,被配置为将所述待迁移虚拟机迁移至所述目标主机节点。
在本申请的一个实施例中,节点查找模块可以进一步被配置为:判断所述待迁移虚拟机归属于一个或者多个迁出节点集合;若所述待迁移虚拟机归属于一个迁出节点集合,则在与所述迁出节点集合相对应的迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点;若所述待迁移虚拟机归属于多个迁出节点集合,则获取与所述多个迁出节点集合相对应的多个迁入节点集合,并在所述多个迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点。
根据本申请实施例的一个方面,提供一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如以上技术方案中的虚拟机迁移方法。
根据本申请实施例的一个方面,提供一种电子设备,该电子设备包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器被配置为经由执行所述可执行指令来执行如以上技术方案中的虚拟机迁移方法。
根据本申请实施例的一个方面,提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行如以上技术方案中的虚拟机迁移方法。
在本申请实施例提供的技术方案中,通过对多个主机节点进行多个维度的资源负载监测,可以在每个资源维度上预测各个主机节点是否会在下一个时间周期内出现过载风险。根据预测的负载状态,可以对主机节点进行筛选并组成每个资源维度对应的迁出节点集合和迁入节点集合,在对相同资源维度对应的迁出节点集合和迁入节点集合进行匹配检测后,可以根据匹配检测结果对主机节点进行虚拟机迁移,因此可以实现在主机节点间进行合理的虚拟机分配,降低主机节点出现资源过载的风险,提高主机节点的业务处理效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中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示出了本申请实施例提出的一种基于目标引导的异构节点虚拟机自动化在线迁移系统。
图2示出了本申请一个实施例中的虚拟机迁移方法的步骤流程图。
图3示出了本申请一个实施例中对多个主机节点进行资源负载监测的步骤流程图。
图4示出了本申请一个实施例中进行集合匹配检测的步骤流程图。
图5示出了本申请一个实施例中基于目标引导的虚拟机迁入节点筛选匹配策略的原理图。
图6示意性地示出了本申请实施例提供的虚拟机迁移装置的结构框图。
图7示意性示出了适于用来实现本申请实施例的电子设备的计算机系统结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请实施例涉及基于云技术实现的数据中心,用于对数据中心的多个主机节点间进行虚拟机迁移,从而提高虚拟机分布的合理性。
云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。云技术(Cloudtechnology)基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源,如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用,将来每个物品都有可能存在自己的识别标志,都需要传输到后台系统进行逻辑处理,不同程度级别的数据将会分开处理,各类行业数据皆需要强大的系统后盾支撑,只能通过云计算来实现。
云计算(cloud computing)是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的,并且可以随时获取,按需使用,随时扩展,按使用付费。作为云计算的基础能力提供商,会建立云计算资源池(简称云平台,一般称为IaaS(Infrastructure as a Service,基础设施即服务)平台,在资源池中部署多种类型的虚拟资源,供外部客户选择使用。云计算资源池中主要包括:计算设备(为虚拟化机器,包含操作系统)、存储设备、网络设备。
为了解决因主机节点间虚拟机分布不合理导致的业务操作受到影响甚至业务中断的问题,可以根据各个主机节点的负载变化对主机节点内的虚拟机自动化地进行在线迁移。
实现过载节点内虚拟机自动化在线迁移一方面需要对各节点资源使用情况进行监测和节点过载判定,另一方面需要为过载节点内虚拟机选择合适的目标节点进行迁移。数据中心内不同采购批次的服务器节点随着技术发展和各厂家实现方式的差异导致资源模型异构,异构节点的资源使用情况用统一资源标准来描述会造成很大的浪费;迁移目标节点的选取也需考虑最佳匹配原则提升整体资源利用率。
在本申请的相关技术中,虚拟机自动化在线迁移的系统大多数都是基于单一资源使用数量和高位阈值比对的方法判定节点是否过载,接着在指定迁移节点集合中选取节点作为待迁移虚拟机目标节点。这些系统在使用过程中未考虑节点资源使用情况的多维监测、异构节点的资源抽象、节点负载预测和迁移目标节点的最佳匹配,会造成异构节点过载错判、迁移目标节点选取不准确,进而导致无效迁移次数增加和数据中心节点资源配置不均匀等问题。
针对以上相关问题,本申请实施例对异构节点的多资源利用率而非资源使用数量进行监测,既实现了异构节点的资源抽象,又实现各节点资源使用情况的多维监控;定义了双阈值和各资源负载预测值结合的虚拟机迁移判决模块,高位和低位双阈值的设定原则可对节点负载情况进行更为准确的描述,基于节点下一周期负载预测值和双阈值比对的节点内虚拟机迁移判决方法,在保证业务质量的同时减少无效迁移次数;设计了基于目标引导的虚拟机迁入节点筛选匹配策略,按特定资源类型和资源负载状态的预测结果区分迁移主机集合,以特定资源低载主机节点主动匹配的方式作为目标节点,引导待迁移虚拟机迁入,该方式能够在节点负载过载时,面向不同资源类型过载场景,为节点选取该场景下最佳迁移目标节点,使得数据中心内部节点资源能够得到更为合理和均衡的利用。
图1示出了本申请实施例提出的一种基于目标引导的异构节点虚拟机自动化在线迁移系统,该系统主要可以包括节点多资源负载监测模块,节点内虚拟机迁移判决模块,迁移目标节点筛选匹配模块和虚拟机迁移控制模块。该系统可以实现异构节点双阈值(高位阈值和低位阈值)和资源负载预测相结合的负载准确判定、基于目标引导的迁移目标节点主动匹配和虚拟机自动化在线迁移的能力,解决现有系统节点过载错判、迁移目标节点选取不准确,进而导致无效迁移次数增加和数据中心节点资源配置不均匀等问题。
数据中心异构主机节点模块:包括资源配置同构或异构的主机节点和运行在其上的虚拟机。
节点多资源负载监测模块:负责数据中心各异构主机节点的多种特定资源利用率实时监测和反馈。分别对异构节点的CPU、内存和带宽等多种资源的利用率负载指标进行监测,实现数据中心内各节点使用情况的多维实时反馈,使用资源利用率而非资源使用数量作为负载监测指标,可以实现对异构节点的资源抽象。
虚拟机迁移判决模块:根据节点特定资源负载预测值和对应双阈值判定该节点是否需要迁移虚拟机。针对各节点多资源分别设定高位阈值和低位阈值;对多个周期时间内的节点不同资源负载情况进行分析,预测节点下一周期时间的各资源的负载预测值;该值与对应资源双阈值比较,预测节点特定资源的负载状态(过载、适载和低载),判定节点是否需针对该特定资源进行对应的虚拟机迁移操作;
迁移目标节点筛选匹配模块:负责区分特定资源迁入迁出主机集合;特定资源迁出主机集合中节点内对应资源占用最多的虚拟机作为待迁移虚拟机;使用本申请实施例设计的基于目标引导的虚拟机迁入节点筛选匹配策略,以特定资源迁入主机集合节点主动匹配的方式引导待迁移虚拟机迁入最佳目标节点。基于目标引导的虚拟机迁入节点筛选匹配策略,其实现原理主要是先按特定资源类型和资源负载状态的预测结果区分迁移主机集合,将特定资源低载节点加入对应资源的迁入主机集合,将特定资源低载节点加入对应资源的迁出主机集合,然后以对应资源低载节点主动匹配的方式引导待迁移虚拟机迁入最佳目标节点,优化数据中心节点间资源配置不均问题;
迁移控制模块:负责接收已匹配迁入迁出请求,转换成云管平台API请求并自动化调用其完成迁移。负责接收已匹配待迁移虚拟机和迁移目标节点的迁移请求,并将该请求转换成云管平台在线迁移功能对应API,自动化调用云管平台接口完成虚拟机在线迁移。
云管平台:数据中心的资源调度功能模块,负责接收API请求并完成在线迁移操作。
本申请实施例提供的在线迁移系统在一个应用场景中进行虚拟机迁移的方法可以包括如下的多个步骤。
(1)节点多资源负载监测模块对各节点多个特定资源负载进行实时监测和反馈。
(2)节点虚拟机迁移判决模块首先对节点多个周期时间内的多资源负载值进行分析,得出下一周期时间内的各资源负载预测值。
(3)接着将特定资源负载预测值分别与高位阈值和低位阈值进行比较,大于高位阈值表示节点对应资源过载,需迁出对应资源虚拟机降低负载,小于低位阈值表示节点对应资源未充分利用,可迁入对应资源虚拟机,位于阈值区间内代表节点适载,节点内虚拟机无需迁移。
(4)迁移目标节点筛选匹配模块首先根据阈值判决结果将各节点分别划分至对应资源的迁入迁出集合。
(5)接着对迁出集合中的节点,筛选对应资源占用比最高的虚拟机作为待迁移虚拟机。
(6)最后使用基于目标引导的虚拟机迁入节点筛选匹配策略实现目标节点主动匹配待迁移虚拟机。
(7)最终控制模块将已匹配主机迁入迁出请求转换成云管平台热迁移API完成待迁移虚拟机在线迁移。
下面结合具体实施方式对本申请提供的虚拟机迁移方法、虚拟机迁移装置、计算机可读介质、电子设备以及计算机程序产品等技术方案做出详细说明。
图2示出了本申请一个实施例中的虚拟机迁移方法的步骤流程图。如图2所示,该虚拟机迁移方法主要可以包括如下的步骤S210至步骤S240。
步骤S210:对多个主机节点进行资源负载监测,得到各个主机节点在多个资源维度上的负载预测值;
步骤S220:根据负载预测值预测主机节点在各个资源维度上的负载状态;
步骤S230:根据负载状态对多个主机节点进行筛选,得到与各个资源维度相对应的迁出节点集合和迁入节点集合;
步骤S240:将对应于相同资源维度的迁出节点集合和迁入节点集合进行匹配检测,并根据匹配检测结果对主机节点进行虚拟机迁移。
在本申请实施例提供的虚拟机迁移方法中,通过对多个主机节点进行多个维度的资源负载监测,可以在每个资源维度上预测各个主机节点是否会在下一个时间周期内出现过载风险。根据预测的负载状态,可以对主机节点进行筛选并组成每个资源维度对应的迁出节点集合和迁入节点集合,在对相同资源维度对应的迁出节点集合和迁入节点集合进行匹配检测后,可以根据匹配检测结果对主机节点进行虚拟机迁移,因此可以实现在主机节点间进行合理的虚拟机分配,降低主机节点出现资源过载的风险,提高主机节点的业务处理效率。
下面分别对虚拟机迁移方法的各个方法步骤做详细说明。
在步骤S210中,对多个主机节点进行资源负载监测,得到各个主机节点在多个资源维度上的负载预测值。
图3示出了本申请一个实施例中对多个主机节点进行资源负载监测的步骤流程图。如图3所示,在以上实施例的基础上,步骤S210可以进一步包括如下的步骤S310至步骤S330。
步骤S310:对多个主体节点进行资源负载监测,得到主机节点在多个资源维度上的实时资源负载值。
在本申请的一个实施例中,资源维度可以包括CPU利用率、内存利用率或者带宽利用率中的至少两种。根据各个主机节点的虚拟机结构,可以监测与虚拟机结构相对应的资源维度,任意两个主机节点可以具有系相同的虚拟机结构或者不同的虚拟机结构。
步骤S320:获取与当前时间节点相对应的多个历史时间周期。
在本申请的一个实施例中,利用多个并行的滑动窗口确定与当前时间节点相对应的历史时间周期,各个历史时间周期可以具有相同的或者不同的周期长度。
步骤S330:根据各个历史时间周期内记录的实时资源负载值预测主机节点在多个资源维度上的负载预测值。
在本申请的一个实施例中,可以根据各个历史时间周期内记录的各个时间点上的实时资源负载值确定各个历史时间周期内的负载平均值,按照预设的预测权重对多个历史时间周期的负载平均值进行加权求和得到主机节点在下一个未来时间周期的负载预测值。
在本申请的一个实施例中,可以根据历史时间周期的周期长度以及与当前时间节点的时间间隔确定预测权重。历史时间周期的预测权重与距离当前时间节点的时间间隔呈负相关关系并且与周期长度呈正相关关系。历史时间周期的时间间隔越小的历史时间周期,表示主机节点的业务处理状态越接近,因此可以为其分配较大的预测权重,以提高其影响程度;历史时间周期的周期长度越小,表示主机节点的状态变化稳定性越差,因此可以为其分配较小的预测权重,以降低其影响程度。具体而言,距离当前时间节点越远的历史时间周期具有越小的预测权重,距离当前时间节点越近的历史时间周期具有越大的预测权重。周期长度越长的历史时间周期具有越大的预测权重,周期长度越短的历史时间周期具有越小的预测权重。
在步骤S220中,根据负载预测值预测主机节点在各个资源维度上的负载状态。
在本申请的一个实施例中,获取与资源维度相对应的高位阈值和低位阈值;若负载预测值大于高位阈值,则确定主机节点在资源维度上的负载状态为过载状态;若负载预测值小于低位阈值,则确定主机节点在资源维度上的负载状态为低载状态;若负载预测值小于高位阈值并且大于低位阈值,则确定主机节点在资源维度上的负载状态为适载状态。
在步骤S230中,根据负载状态对多个主机节点进行筛选,得到与各个资源维度相对应的迁出节点集合和迁入节点集合。
在本申请的一个实施例中,筛选在资源维度上的负载状态为过载状态的主机节点,并将过载状态的主机节点组成与资源维度相对应的迁出节点集合;筛选在资源维度上的负载状态为低载状态的主机节点,并将低载状态的主机节点组成与资源维度相对应的迁入节点集合。
在步骤S240中,将对应于相同资源维度的迁出节点集合和迁入节点集合进行匹配检测,并根据匹配检测结果对主机节点进行虚拟机迁移。
图4示出了本申请一个实施例中进行集合匹配检测的步骤流程图。如图4所示,在以上实施例的基础上,步骤S240可以进一步包括如下的步骤S410至步骤S440。
步骤S410:在对应于相同资源维度的迁出节点集合和迁入节点集合中,获取主机节点上的各个虚拟机的资源占用比例。
一个主机节点上分布有多个虚拟机,分别监测各个虚拟机的资源使用状态可以得到各个虚拟机的资源占用比例。例如,主机节点的CPU、内存、带宽等资源可以按照业务需求向主机节点上分布的各个虚拟机进行分配使用,每种资源都可以确定在各个虚拟机上的资源占用比例。
步骤S420:在迁出节点集合中,将各个主机节点上具有最高资源占用比例的虚拟机标记为待迁移虚拟机。
在本申请的一个实施例中,可以将主机节点上分布的多个虚拟机分别按照各个资源维度的资源占用比例进行排序。具有最高资源占用比例的虚拟机对于主机节点的资源负载具有最大的贡献度,因此优先将具有高资源占用比例的虚拟机标记为待迁移虚拟机。
步骤S430:在迁入节点集合中查找与待迁移虚拟机的资源需求相匹配的目标主机节点。
在本申请的一个实施例中,判断待迁移虚拟机归属于一个或者多个迁出节点集合;若待迁移虚拟机归属于一个迁出节点集合,则在与迁出节点集合相对应的迁入节点集合中查找与待迁移虚拟机的资源需求相匹配的目标主机节点;若待迁移虚拟机归属于多个迁出节点集合,则获取与多个迁出节点集合相对应的多个迁入节点集合,并在多个迁入节点集合中查找与待迁移虚拟机的资源需求相匹配的目标主机节点。
步骤S440:将待迁移虚拟机迁移至目标主机节点。
目标主机节点可以向待迁移虚拟机所在的当前主机节点发起虚拟机迁移请求,从而引导待迁移虚拟机自动化地迁移至目标主机节点。
图5示出了本申请一个实施例中基于目标引导的虚拟机迁入节点筛选匹配策略的原理图。
如图5所示,本申请实施例首先可以将下一周期多资源负载预测值分别与高位阈值和低位阈值比较:若该节点某一特定资源负载预测值(如CPU利用率预测值)大于该节点特定资源高位阈值(如CPU高位阈值),表示节点该资源利负载在下一周周期时间内将过载,该节点加入特定资源迁出主机集合(如CPU迁出主机集合);若该节点某一特定资源负载预测值(如CPU利用率预测值)小于该节点特定资源高位阈值(如CPU低位阈值),表示节点该资源利负载在下一周周期时间内未充分利用,将该节点加入特定资源迁入主机集合(如CPU迁入主机集合);若位于双阈值之间,则表示该节点在下一周周期时间内适载,节点内虚拟机无需在线迁移操作。
筛选迁出主机集合中节点内运行对应资源占用比最高的虚拟机(如CPU迁出集合中节点A内运行的对CPU占用比最高的虚拟机VM1)作为待迁移虚拟机。
迁入主机集合中对应资源利用率最低且满足迁移虚拟机资源需求的节点(如CPU迁入集合中CPU资源利用率最低的节点B,且节点B剩余CPU规格满足VM1所需CPU规格)主动匹配迁出目标,成为虚拟机迁入目标节点,引导虚拟机迁入。
当主机同时位于两个或两个以上的资源迁出集合中(如同时位于CPU和内存迁出集合)时,可以先筛选各对应资源迁入集合中是否存在同样情况的主机(如迁入节点同时位于CPU和内存迁入集合),如有则主动匹配成功。如果只有一个特定资源集合存在主机(如CPU迁入集合),选取该集合中另一资源利用率最低且能满足虚拟机资源需求的主机进行主动匹配(如CPU迁入集合中内存利用率最低且剩余内存规格满足待迁移虚拟机VM1内存所需规格的节点)。
如果对应资源的迁入集合中没有主机,则选取所有适载主机中对应资源利用率最低且满足虚拟机资源需求的主机匹配为目标节点。
本申请实施例适用于面向资源模型异构的数据中心节点负载均衡时,节点内业务虚拟机自动化在线迁移的场景。对各异构节点多个资源利用率负载指标的监测,实现数据中心内各节点情况的多维实时反馈和对异构节点的资源抽象;双阈值和负载预测值比对的节点迁移判决方法,既保证了节点内虚拟机迁移的准确性,减少无效迁移次数,又对不同资源类型的负载,区分出不同的迁入迁出集合;利用本申请实施例设计的基于目标引导的虚拟机迁入节点筛选匹配策略,由最佳目标节点主动匹配待迁移虚拟机并引导其迁入。实现对资源模型异构节点负载变化时虚拟机的自动化在线调整,避免节点过载影响业务服务质量,优化数据中心异构节点资源配置不均匀的问题,提升资源利用率。
应当注意,尽管在附图中以特定顺序描述了本申请中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的虚拟机迁移方法。图6示意性地示出了本申请实施例提供的虚拟机迁移装置的结构框图。如图6所示,虚拟机迁移装置600主要可以包括:
监测模块610,被配置为对多个主机节点进行资源负载监测,得到各个所述主机节点在多个资源维度上的负载预测值;
预测模块620,被配置为根据所述负载预测值预测所述主机节点在各个资源维度上的负载状态;
筛选模块630,被配置为根据所述负载状态对所述多个主机节点进行筛选,得到与各个所述资源维度相对应的迁出节点集合和迁入节点集合;
迁移模块640,被配置为将对应于相同资源维度的迁出节点集合和迁入节点集合进行匹配检测,并根据匹配检测结果对所述主机节点进行虚拟机迁移。
在本申请的一个实施例中,监测模块610可以进一步包括:
实时监测模块,被配置为对多个主体节点进行资源负载监测,得到所述主机节点在多个资源维度上的实时资源负载值;
周期获取模块,被配置为获取与当前时间节点相对应的多个历史时间周期;
负载预测模块,被配置为根据各个所述历史时间周期内记录的实时资源负载值预测所述主机节点在多个资源维度上的负载预测值。
在本申请的一个实施例中,所述资源维度包括CPU利用率、内存利用率或者带宽利用率中的至少两种。
在本申请的一个实施例中,预测模块620可以进一步包括:
阈值获取模块,被配置为获取与所述资源维度相对应的高位阈值和低位阈值;
过载确定模块,被配置为若所述负载预测值大于所述高位阈值,则确定所述主机节点在所述资源维度上的负载状态为过载状态;
低载确定模块,被配置为若所述负载预测值小于所述低位阈值,则确定所述主机节点在所述资源维度上的负载状态为低载状态;
适载确定模块,被配置为若所述负载预测值小于所述高位阈值并且大于所述低位阈值,则确定所述主机节点在所述资源维度上的负载状态为适载状态。
在本申请的一个实施例中,筛选模块630可以进一步包括:
过载筛选模块,被配置为筛选在所述资源维度上的负载状态为过载状态的主机节点,并将过载状态的主机节点组成与所述资源维度相对应的迁出节点集合;
低载筛选模块,被配置为筛选在所述资源维度上的负载状态为低载状态的主机节点,并将低载状态的主机节点组成与所述资源维度相对应的迁入节点集合。
在本申请的一个实施例中,迁移模块640可以进一步包括:
比例获取模块,被配置为在对应于相同资源维度的迁出节点集合和迁入节点集合中,获取所述主机节点上的各个虚拟机的资源占用比例;
迁移标记模块,被配置为在所述迁出节点集合中,将各个主机节点上具有最高资源占用比例的虚拟机标记为待迁移虚拟机;
节点查找模块,被配置为在所述迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点;
虚拟机迁移模块,被配置为将所述待迁移虚拟机迁移至所述目标主机节点。
在本申请的一个实施例中,节点查找模块可以进一步被配置为:判断所述待迁移虚拟机归属于一个或者多个迁出节点集合;若所述待迁移虚拟机归属于一个迁出节点集合,则在与所述迁出节点集合相对应的迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点;若所述待迁移虚拟机归属于多个迁出节点集合,则获取与所述多个迁出节点集合相对应的多个迁入节点集合,并在所述多个迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点。
本申请各实施例中提供的虚拟机迁移装置的具体细节已经在对应的方法实施例中进行了详细的描述,此处不再赘述。
图7示意性地示出了用于实现本申请实施例的电子设备的计算机系统结构框图。
需要说明的是,图7示出的电子设备的计算机系统700仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700包括中央处理器701(Central Processing Unit,CPU),其可以根据存储在只读存储器702(Read-Only Memory,ROM)中的程序或者从存储部分708加载到随机访问存储器703(Random Access Memory,RAM)中的程序而执行各种适当的动作和处理。在随机访问存储器703中,还存储有系统操作所需的各种程序和数据。中央处理器701、在只读存储器702以及随机访问存储器703通过总线704彼此相连。输入/输出接口705(Input/Output接口,即I/O接口)也连接至总线704。
以下部件连接至输入/输出接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如局域网卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至输入/输出接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本申请的实施例,各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理器701执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种虚拟机迁移方法,其特征在于,包括:
对多个主机节点进行资源负载监测,得到各个所述主机节点在多个资源维度上的负载预测值;
根据所述负载预测值预测所述主机节点在各个资源维度上的负载状态;
根据所述负载状态对所述多个主机节点进行筛选,得到与各个所述资源维度相对应的迁出节点集合和迁入节点集合;
将对应于相同资源维度的迁出节点集合和迁入节点集合进行匹配检测,并根据匹配检测结果对所述主机节点进行虚拟机迁移。
2.根据权利要求1所述的虚拟机迁移方法,其特征在于,对多个主机节点进行资源负载监测,得到各个所述主机节点在多个资源维度上的负载预测值,包括:
对多个主体节点进行资源负载监测,得到所述主机节点在多个资源维度上的实时资源负载值;
获取与当前时间节点相对应的多个历史时间周期;
根据各个所述历史时间周期内记录的实时资源负载值预测所述主机节点在多个资源维度上的负载预测值。
3.根据权利要求1所述的虚拟机迁移方法,其特征在于,所述资源维度包括CPU利用率、内存利用率或者带宽利用率中的至少两种。
4.根据权利要求1所述的虚拟机迁移方法,其特征在于,根据所述负载预测值预测所述主机节点在各个资源维度上的负载状态,包括:
获取与所述资源维度相对应的高位阈值和低位阈值;
若所述负载预测值大于所述高位阈值,则确定所述主机节点在所述资源维度上的负载状态为过载状态;
若所述负载预测值小于所述低位阈值,则确定所述主机节点在所述资源维度上的负载状态为低载状态;
若所述负载预测值小于所述高位阈值并且大于所述低位阈值,则确定所述主机节点在所述资源维度上的负载状态为适载状态。
5.根据权利要求4所述的虚拟机迁移方法,其特征在于,根据所述负载状态对所述多个主机节点进行筛选,得到与各个所述资源维度相对应的迁出节点集合和迁入节点集合,包括:
筛选在所述资源维度上的负载状态为过载状态的主机节点,并将过载状态的主机节点组成与所述资源维度相对应的迁出节点集合;
筛选在所述资源维度上的负载状态为低载状态的主机节点,并将低载状态的主机节点组成与所述资源维度相对应的迁入节点集合。
6.根据权利要求1所述的虚拟机迁移方法,其特征在于,将对应于相同资源维度的迁出节点集合和迁入节点集合进行匹配检测,并根据匹配检测结果对所述主机节点进行虚拟机迁移,包括:
在对应于相同资源维度的迁出节点集合和迁入节点集合中,获取所述主机节点上的各个虚拟机的资源占用比例;
在所述迁出节点集合中,将各个主机节点上具有最高资源占用比例的虚拟机标记为待迁移虚拟机;
在所述迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点;
将所述待迁移虚拟机迁移至所述目标主机节点。
7.根据权利要求6所述的虚拟机迁移方法,其特征在于,在所述迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点,包括:
判断所述待迁移虚拟机归属于一个或者多个迁出节点集合;
若所述待迁移虚拟机归属于一个迁出节点集合,则在与所述迁出节点集合相对应的迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点;
若所述待迁移虚拟机归属于多个迁出节点集合,则获取与所述多个迁出节点集合相对应的多个迁入节点集合,并在所述多个迁入节点集合中查找与所述待迁移虚拟机的资源需求相匹配的目标主机节点。
8.一种虚拟机迁移装置,其特征在于,包括:
监测模块,被配置为对多个主机节点进行资源负载监测,得到各个所述主机节点在多个资源维度上的负载预测值;
预测模块,被配置为根据所述负载预测值预测所述主机节点在各个资源维度上的负载状态;
筛选模块,被配置为根据所述负载状态对所述多个主机节点进行筛选,得到与各个所述资源维度相对应的迁出节点集合和迁入节点集合;
迁移模块,被配置为将对应于相同资源维度的迁出节点集合和迁入节点集合进行匹配检测,并根据匹配检测结果对所述主机节点进行虚拟机迁移。
9.一种计算机可读介质,其特征在于,所述计算机可读介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7中任意一项所述的虚拟机迁移方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令使得所述电子设备执行权利要求1至7中任意一项所述的虚拟机迁移方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111622311.8A CN114265668A (zh) | 2021-12-28 | 2021-12-28 | 虚拟机迁移方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111622311.8A CN114265668A (zh) | 2021-12-28 | 2021-12-28 | 虚拟机迁移方法及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114265668A true CN114265668A (zh) | 2022-04-01 |
Family
ID=80830854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111622311.8A Pending CN114265668A (zh) | 2021-12-28 | 2021-12-28 | 虚拟机迁移方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114265668A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968493A (zh) * | 2022-06-22 | 2022-08-30 | 中国电信股份有限公司 | 虚拟机调度方法、装置、计算机可读介质及电子设备 |
-
2021
- 2021-12-28 CN CN202111622311.8A patent/CN114265668A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968493A (zh) * | 2022-06-22 | 2022-08-30 | 中国电信股份有限公司 | 虚拟机调度方法、装置、计算机可读介质及电子设备 |
CN114968493B (zh) * | 2022-06-22 | 2023-12-12 | 中国电信股份有限公司 | 虚拟机调度方法、装置、计算机可读介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10554738B1 (en) | Methods and apparatus for load balance optimization based on machine learning | |
Khoda et al. | Efficient computation offloading decision in mobile cloud computing over 5G network | |
US20210034407A1 (en) | Virtual Machine Scheduling Method and Apparatus | |
US8909567B2 (en) | Method and system for the dynamic allocation of resources based on fairness, throughput, and user behavior measurement | |
CN106528266B (zh) | 一种云计算系统中的资源动态调整方法及装置 | |
CN111309479A (zh) | 一种任务并行处理的实现方法、装置、设备和介质 | |
US20160300142A1 (en) | System and method for analytics-driven sla management and insight generation in clouds | |
CN107592345B (zh) | 交易限流装置、方法及交易系统 | |
US10986191B2 (en) | Method and device for scheduling resources | |
CN111045911B (zh) | 性能测试方法、性能测试装置、存储介质与电子设备 | |
US11042410B2 (en) | Resource management of resource-controlled system | |
CN115033340A (zh) | 一种宿主机的选择方法及相关装置 | |
Alhumaima et al. | Modelling the power consumption and trade‐offs of virtualised cloud radio access networks | |
US20140244846A1 (en) | Information processing apparatus, resource control method, and program | |
CN113553160A (zh) | 用于人工智能物联网的边缘计算节点任务调度方法及系统 | |
Wang et al. | Research on virtual machine consolidation strategy based on combined prediction and energy-aware in cloud computing platform | |
JP2017530482A (ja) | 計算リソースの新たな構成を決定するための構成方法、機器、システム及びコンピュータ可読媒体 | |
CN114265668A (zh) | 虚拟机迁移方法及相关产品 | |
CN113485833B (zh) | 资源预测方法和装置 | |
US20200225989A1 (en) | Multiple metric based load prediction and resource allocation in an active stream processing job | |
KR101924628B1 (ko) | 트래픽 오프로딩을 제어하기 위한 장치 및 방법 | |
More et al. | Energy-aware VM migration using dragonfly–crow optimization and support vector regression model in Cloud | |
CN117311973A (zh) | 计算设备调度方法、装置、非易失性存储介质及电子设备 | |
Velrajan et al. | QoS-aware service migration in multi-access edge compute using closed-loop adaptive particle swarm optimization algorithm | |
CN112948114B (zh) | 边缘计算方法和边缘计算平台 |
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 |