CN116208613A - 云主机的迁移方法、装置、电子设备及存储介质 - Google Patents

云主机的迁移方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116208613A
CN116208613A CN202310151070.6A CN202310151070A CN116208613A CN 116208613 A CN116208613 A CN 116208613A CN 202310151070 A CN202310151070 A CN 202310151070A CN 116208613 A CN116208613 A CN 116208613A
Authority
CN
China
Prior art keywords
node
migrated
cloud host
load
computing
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
Application number
CN202310151070.6A
Other languages
English (en)
Inventor
罗兵
杜雅红
黄鑫
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.)
Tianyi Cloud Technology Co Ltd
Original Assignee
Tianyi Cloud Technology Co Ltd
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 Tianyi Cloud Technology Co Ltd filed Critical Tianyi Cloud Technology Co Ltd
Priority to CN202310151070.6A priority Critical patent/CN116208613A/zh
Publication of CN116208613A publication Critical patent/CN116208613A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • 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
    • G06F9/505—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 considering the load
    • 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
    • G06F9/5072—Grid computing
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/508—Monitor
    • 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)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明实施例提供了一种云主机的迁移方法、装置、电子设备及存储介质，获取若干个计算节点对应的节点资源信息以及云主机对应的云主机资源信息，根据节点资源信息从若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得待迁移计算节点对应的节点负载信息，将位于待迁出计算节点的云主机作为待迁移云主机，根据云主机资源信息从各个待迁移云主机中筛选出目标迁移云主机，获得目标迁移云主机对应的云主机负载信息，采用节点负载信息和云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得目标负载分值，根据目标负载分值从各个待迁移计算节点中确定目标迁移计算节点，并将目标迁移云主机迁移至目标迁移计算节点。

Description

云主机的迁移方法、装置、电子设备及存储介质
技术领域
本发明涉及数据处理技术领域，特别是涉及一种云主机的迁移方法、一种云主机的迁移装置、一种电子设备以及一种计算机可读存储介质。
背景技术
云计算平台(Cloud ComputingPlatform)也称为云平台，是指基于硬件资源和软件资源的服务，提供计算、网络和存储能力。云计算平台可以划分为以数据存储为主的存储型云平台，以数据处理为主的计算型云平台以及计算和数据存储处理兼顾的综合云计算平台，可以通过云计算平台建设和应用数据中心。
现有技术中，一般使用静态调度算法对云平台对应的云资源进行调度与分配，但是静态调度算法是在任务的分配离线时进行的，也就是在实时任务正式在处理机上调度执行之前，需要提前分配任务，缺乏灵活性，并且在实际的调度中无法及时地根据系统资源和任务的执行情况进行及时的调整，因此，随着数据中心的长期运营和云资源不断分配，基础资源动态扩展和回收能力存在不足，使得CPU(central processing unit，中央处理器)、内存等资源利用不均衡、负载不均衡，从而导致各个计算节点的负载不均衡，如一部分计算节点的负载很轻，甚至处于空载状态，造成资源严重浪费的问题，另一部分计算节点的负载过重，造成计算节点的性能差以及用户体验感下降的问题。
发明内容
本发明实施例是提供一种云主机的迁移方法、装置、电子设备以及计算机可读存储介质，以解决或部分解决现有技术中由于负载资源利用不均衡导致资源浪费以及计算节点性能差的问题。
本发明实施例公开了一种云主机的迁移方法，应用于云管理平台，所述云管理平台包括若干个计算节点以及位于所述计算节点的云主机，所述方法包括：
获取所述若干个计算节点对应的节点资源信息以及所述云主机对应的云主机资源信息；
根据所述节点资源信息从所述若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得所述待迁移计算节点对应的节点负载信息，并将位于所述待迁出计算节点的云主机作为待迁移云主机；
根据所述云主机资源信息从各个所述待迁移云主机中筛选出目标迁移云主机，获得所述目标迁移云主机对应的云主机负载信息；
采用所述节点负载信息和所述云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值；
根据所述目标负载分值从各个所述待迁移计算节点中确定目标迁移计算节点，并将所述目标迁移云主机迁移至所述目标迁移计算节点。
可选地，所述节点资源信息至少包括节点负载类型和节点负载值，所述节点负载信息包括节点负载平均值，所述根据所述节点资源信息从所述若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得所述待迁移计算节点对应的节点负载信息，包括：
根据所述节点负载类型和所述节点负载值从所述若干个计算节点中筛选出所述待迁移计算节点和所述待迁出计算节点，并获得所述待迁移计算节点对应的节点负载平均值。
可选地，所述节点负载类型包括节点均衡类型和节点集中类型，所述根据所述节点负载类型和所述节点负载值从所述若干个计算节点中筛选出所述待迁移计算节点和所述待迁出计算节点，包括：
对所述节点负载值进行平均值计算，获得针对所述若干个计算节点的节点负载平均值；
若所述节点负载类型为所述节点均衡类型，则逐一将各个所述计算节点的节点负载值与所述节点负载平均值进行比较，将所述节点负载值大于所述节点负载平均值的计算节点作为待迁出计算节点，将所述节点负载值小于所述节点负载平均值的计算节点作为所述待迁移计算节点；
若所述节点负载类型为所述节点集中类型，则逐一将各个所述计算节点的节点负载值与预设负载阈值进行比较，将所述节点负载值不等于所述预设负载阈值的计算节点作为待迁出计算节点。
可选地，所述云主机负载信息包括云主机负载值，所述节点资源信息包括历史监控数据，所述云主机资源信息包括云主机属性信息，所述根据所述云主机资源信息从各个所述待迁移云主机中筛选出目标迁移云主机，获得所述目标迁移云主机对应的云主机负载信息，包括：
采用所述云主机属性信息从各个所述待迁移云主机中筛选出所述目标迁移云主机；
获取预设周期内所述目标迁移云主机对应的待迁出计算节点的历史监控数据；
对所述历史监控数据进行归一化处理，并乘以第一预设权重系数获得所述目标迁移云主机对应的云主机负载值。
可选地，所述采用所述云主机属性信息从各个所述待迁移云主机中筛选出所述目标迁移云主机，包括：
对所述云主机属性信息进行属性分析，获得各个所述待迁移云主机的工作状态；
若所述工作状态为运行状态，则将所述待迁移云主机作为所述目标迁移云主机。
可选地，所述云主机资源包括云主机类型，所述云主机资源信息包括云主机属性信息，所述采用所述节点负载信息和所述云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值，包括：
采用所述云主机类型和所述云主机属性信息对所述待迁移计算节点进行过滤处理，将满足所述预设监控条件的待迁移计算节点归纳至同一节点列表；
采用所述节点负载信息和所述云主机负载信息逐一对所述节点列表的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值。
可选地，所述节点负载信息包括节点负载平均值，所述云主机负载信息包括云主机负载值，所述获得针对所述待迁移计算节点的目标负载分值，包括：
将所述节点负载平均值和所述云主机负载值相加，获得与所述待迁移计算节点对应的资源负载值；
若所述资源负载值位于预设监控范围，则获取所述待迁移计算节点的资源配额信息；
将所述节点负载平均值和所述资源配额信息进行归一化处理，并乘以第二预设权重系数，获得针对所述待迁移计算节点的目标负载分值。
可选地，所述根据所述目标负载分值从各个所述待迁移计算节点中确定目标迁移计算节点，包括：
按照所述目标负载分值的大小顺序对所述各个待迁移计算节点进行分值排序，将分值最大的待迁移计算节点作为所述目标迁移计算节点。
可选地，所述将分值最大的待迁移计算节点作为所述目标迁移计算节点，包括：
若存在一个分值最大的所述待迁移计算节点，则将所述待迁移计算节点作为所述目标迁移计算节点；
若存在至少两个分值最大的待迁移计算节点，则获取所述至少两个待迁移计算节点的拓扑排序，所述拓扑排序为按照拓扑结构的层级从高到低进行排序；
将所述拓扑排序最大的待迁移计算节点作为所述目标迁移节点。
可选地，所述将所述目标迁移云主机迁移至所述目标迁移计算节点之前，包括：
响应于针对所述目标迁移云主机的迁移次数查询操作，获得所述目标迁移云主机的迁移次数；
若所述迁移次数大于预设次数，则对各个所述目标迁移计算节点进行去重处理或迁移任务消除处理，并获得针对所述目标迁移云主机的迁移路径。
可选地，所述将所述目标迁移云主机迁移至所述目标迁移计算节点，包括：
按照所述迁移路径和预设策略将所述目标迁移云主机迁移至所述目标迁移计算节点。
可选地，所述预设策略包括预设均衡策略和预设集中策略，所述按照所述迁移路径和预设策略将所述目标迁移云主机迁移至所述目标迁移计算节点，包括：
若所述预设策略为所述预设均衡策略，则按照所述迁移路径将所述目标迁移云主机均衡迁移至各个所述目标迁移计算节点；
若所述预设策略为所述预设集中策略，则按照所述迁移路径将所述目标迁移云主机集中迁移至所述目标迁移计算节点。
本发明还公开了一种云主机的迁移装置，应用于云管理平台，所述云管理平台包括若干个计算节点以及位于所述计算节点的云主机，所述装置包括：
资源信息获取模块，用于获取所述若干个计算节点对应的节点资源信息以及所述云主机对应的云主机资源信息；
节点负载信息获取模块，用于根据所述节点资源信息从所述若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得所述待迁移计算节点对应的节点负载信息，并将位于所述待迁出计算节点的云主机作为待迁移云主机；
目标迁移云主机确定模块，用于根据所述云主机资源信息从各个所述待迁移云主机中筛选出目标迁移云主机，获得所述目标迁移云主机对应的云主机负载信息；
目标负载分值计算模块，用于采用所述节点负载信息和所述云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值；
目标迁移云主机迁移模块，用于根据所述目标负载分值从各个所述待迁移计算节点中确定目标迁移计算节点，并将所述目标迁移云主机迁移至所述目标迁移计算节点。
可选地，所述节点资源信息至少包括节点负载类型和节点负载值，所述节点负载信息包括节点负载平均值，所述节点负载信息获取模块，包括：
节点负载平均值子模块，用于根据所述节点负载类型和所述节点负载值从所述若干个计算节点中筛选出所述待迁移计算节点和所述待迁出计算节点，并获得所述待迁移计算节点对应的节点负载平均值。
可选地，所述节点负载类型包括节点均衡类型和节点集中类型，所述节点负载平均值子模块具体用于：
对所述节点负载值进行平均值计算，获得针对所述若干个计算节点的节点负载平均值；
若所述节点负载类型为所述节点均衡类型，则逐一将各个所述计算节点的节点负载值与所述节点负载平均值进行比较，将所述节点负载值大于所述节点负载平均值的计算节点作为待迁出计算节点，将所述节点负载值小于所述节点负载平均值的计算节点作为所述待迁移计算节点；
若所述节点负载类型为所述节点集中类型，则逐一将各个所述计算节点的节点负载值与预设负载阈值进行比较，将所述节点负载值不等于所述预设负载阈值的计算节点作为待迁出计算节点。
可选地，所述云主机负载信息包括云主机负载值，所述节点资源信息包括历史监控数据，所述云主机资源信息包括云主机属性信息，所述目标迁移云主机确定模块，包括：
目标迁移云主机筛选子模块，用于采用所述云主机属性信息从各个所述待迁移云主机中筛选出所述目标迁移云主机；
历史监控数据获取子模块，用于获取预设周期内所述目标迁移云主机对应的待迁出计算节点的历史监控数据；
云主机负载值计算子模块，用于对所述历史监控数据进行归一化处理，并乘以第一预设权重系数获得所述目标迁移云主机对应的云主机负载值。
可选地，所述目标迁移云主机筛选子模块具体用于：
对所述云主机属性信息进行属性分析，获得各个所述待迁移云主机的工作状态；
若所述工作状态为运行状态，则将所述待迁移云主机作为所述目标迁移云主机。
可选地，所述云主机资源包括云主机类型，所述云主机资源信息包括云主机属性信息，所述目标负载分值计算模块，包括：
节点列表生成子模块，用于采用所述云主机类型和所述云主机属性信息对所述待迁移计算节点进行过滤处理，将满足所述预设监控条件的待迁移计算节点归纳至同一节点列表；
目标负载分值获得子模块，用于采用所述节点负载信息和所述云主机负载信息逐一对所述节点列表的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值。
可选地，所述节点负载信息包括节点负载平均值，所述云主机负载信息包括云主机负载值，所述目标负载分值计算模块具体用于：
将所述节点负载平均值和所述云主机负载值相加，获得与所述待迁移计算节点对应的资源负载值；
若所述资源负载值位于预设监控范围，则获取所述待迁移计算节点的资源配额信息；
目标负载分值计算子模块，用于将所述节点负载平均值和所述资源配额信息进行归一化处理，并乘以第二预设权重系数，获得针对所述待迁移计算节点的目标负载分值。
可选地，所述目标迁移云主机迁移模块，包括：
目标迁移计算节点确定子模块，用于按照所述目标负载分值的大小顺序对所述各个待迁移计算节点进行分值排序，将分值最大的待迁移计算节点作为所述目标迁移计算节点。
可选地，所述目标迁移计算节点确定子模块具体用于：
若存在一个分值最大的所述待迁移计算节点，则将所述待迁移计算节点作为所述目标迁移计算节点；
若存在至少两个分值最大的待迁移计算节点，则获取所述至少两个待迁移计算节点的拓扑排序，所述拓扑排序为按照拓扑结构的层级从高到低进行排序；
将所述拓扑排序最大的待迁移计算节点作为所述目标迁移节点。
可选地，所述将所述目标迁移云主机迁移至所述目标迁移计算节点之前，包括：
响应于针对所述目标迁移云主机的迁移次数查询操作，获得所述目标迁移云主机的迁移次数；
若所述迁移次数大于预设次数，则对各个所述目标迁移计算节点进行去重处理或迁移任务消除处理，并获得针对所述目标迁移云主机的迁移路径。
可选地，所述目标迁移云主机迁移模块，包括：
目标迁移云主机迁移子模块，用于按照所述迁移路径和预设策略将所述目标迁移云主机迁移至所述目标迁移计算节点。
可选地，所述预设策略包括预设均衡策略和预设集中策略，所述目标迁移云主机迁移子模块具体用于：
若所述预设策略为所述预设均衡策略，则按照所述迁移路径将所述目标迁移云主机均衡迁移至各个所述目标迁移计算节点；
若所述预设策略为所述预设集中策略，则按照所述迁移路径将所述目标迁移云主机集中迁移至所述目标迁移计算节点。
本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。
本发明实施例还公开了一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。
本发明实施例包括以下优点：
在本发明实施例中，应用于云管理平台，云管理平台包括若干个计算节点以及位于计算节点的云主机，获取若干个计算节点对应的节点资源信息以及云主机对应的云主机资源信息，根据节点资源信息从若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得待迁移计算节点对应的节点负载信息，并将位于待迁出计算节点的云主机作为待迁移云主机，根据云主机资源信息从各个待迁移云主机中筛选出目标迁移云主机，获得目标迁移云主机对应的云主机负载信息，采用节点负载信息和云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对待迁移计算节点的目标负载分值，根据目标负载分值从各个待迁移计算节点中确定目标迁移计算节点，并将目标迁移云主机迁移至目标迁移计算节点，通过实时获取计算节点对应的节点资源信息以及云主机对应的云主机资源信息，并利用节点资源信息准确地确定待迁移计算节点和待迁出计算节点，然后根据云主机资源信息从各个待迁移云主机中筛选出目标迁移云主机，实现合理地选取需要迁移的云主机，同时通过采用节点负载信息和云主机负载信息计算待迁移计算节点的目标负载分值，以量化计算节点和云主机的真实负载状态，进而有针对性地对需要迁移的云主机进行相应的迁移操作，保证各个计算节点能够负载均衡，提高资源利用率和计算节点的性能。
附图说明
图1是本发明实施例中提供的一种云主机的迁移方法的步骤流程图；
图2是本发明实施例中提供的一种动态资源调度的整体架构示意图；
图3是本发明实施例中提供的一种通过动态资源调度进行迁移任务的步骤流程图；
图4是本发明实施例中提供的一种待迁移计算节点的筛选过程步骤流程图；
图5是本发明实施例中提供的一种目标迁移云主机的筛选过程步骤流程图；
图6是本发明实施例中提供的一种云主机的迁移方法的步骤流程图；
图7是本发明实施例中提供的一种云主机的迁移装置的结构框图；
图8是本发明实施例中提供的一种电子设备的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
随着云计算的飞速发展，出现了整合计算、存储与网络资源的云主机。云主机是在服务器集群中虚拟出多个类似独立主机的部分，服务器集群中每个服务器上都有云主机的一个镜像，并且在实际应用中，会根据使用需求将服务器集群划分为多个可用区，例如，测试可用区、生产可用区、容灾可用区和融通可用区，而在各可用区之间在进行云主机镜像同步时，通常由人工操作完成。
参照图1，示出了本发明实施例中提供的一种云主机的迁移方法的步骤流程图，应用于云管理平台，所述云管理平台包括若干个计算节点以及位于所述计算节点的云主机，具体可以包括如下步骤：
步骤101，获取所述若干个计算节点对应的节点资源信息以及所述云主机对应的云主机资源信息；
在本发明实施例中，云管理平台可以为基于云计算平台实现与云主机和计算节点之间的负载均衡的平台，如Openstack平台，Openstack是一个云平台管理的项目，其旨在为公共及私有云的建设与管理提供软件的开源项目，Openstack项目的首要任务是简化云的部署过程并为其带来良好的可扩展性，利用Openstack控制整个数据中心的大量计算、存储和网络资源池，其在数据中心的建设和应用中起着重要的作用。计算节点可以为接入到平台的计算资源，包括虚拟机、物理机等，若计算节点的资源不足，容易导致创建工作负载等操作失败，对于虚拟机的负载调用可以采用静态调度或者动态调度的方式，静态资源调度指的是根据对虚拟机负载做出预测进行的调度，而动态资源调度(Dynamic ResourceScheduler，DRS)指的是根据目前己知的信息进行调度，未来发生负载问题时再进行进一步的调度，DRS可以根据智能负载均衡算法去周期性的检查集群内主机的负载情况，如CPU(central processing unit，中央处理器)和内存的负载情况，在不同的主机之间迁移虚拟机，从而达到集群内主机间的负载均衡目的，保证系统的稳定性。云主机是云计算在基础设施应用上的重要组成部分，其位于云计算产业链金字塔底层，在云主机的服务器集群中存在若干个计算节点。
可选地，节点资源信息可以为计算节点中涉及到各种数据，其至少可以包括节点负载类型、节点负载值以及对应的监控数据，其中，节点负载类型可以为计算节点的资源负载规则类型，其可以包括节点均衡类型和节点集中类型，节点均衡类型指的是将云主机的资源平均地、均衡地分散到集群中各个计算节点上的类型，节点集中类型指的是将云主机的资源集中地分配至集群中某些计算节点中。节点负载值可以为各个计算节点的负载平均值，监控数据可以为从监控器的某一个可用区中获取的各个计算节点在前N个周期的数据(N为大于1的整数)，其可以包括监控指标，如CPU、内存、网络流量等指标信息。云主机资源信息可以为云主机自身的属性信息以及在运行过程中产生的各种数据。
作为一种示例，参照图2示出了本发明实施例提供的一种动态资源调度的整体架构示意图，其分布式资源调度程序，也即动态资源调度包括用于显示的UI界面(UserInterface，用户界面)以及命令行操作，同时通过接口与数据库进行连接和通信，同时配置了决策引擎，决策引擎可以将目标驱动、得分驱动、计划驱动、策略驱动、数据源驱动以及模型驱动产生的数据存储在数据库中，并通过监控器接口获取集群中计算节点的历史监控数据，工作流驱动和属性驱动分别与关键项目：计算组织控制器(Nova)、块存储技术组件(Cinder)、虚拟网络组件(Neutron)以及放置服务(Placement)进行数据交互，通过动态资源调度能够对资源池资源负载的动态监控，合理触发均匀分配规则，最终实现资源池中的物理服务器之间重新分布虚拟机的目的。
参照图3示出了本发明实施例中提供的通过动态资源调度进行迁移任务的步骤流程图，首先，通过监控器接口周期性地从监控系统中获取所有计算节点在N个周期中的监控数据，然后对计算节点的监控数据进行处理，并筛选出不在阈值的计算节点，然后从需要调整的计算节点中选择出适合迁移的云主机，若存在适合迁移的待迁移计算节点则执行步骤①，若不存在适合迁移的待迁移计算节点则执行步骤②，步骤①为生成云主机指定待迁移计算节点的迁移任务，并将待迁移计算节点加入至任务列表中，然后对云主机进行模拟迁移操作，并检查源计算节点资源负载，判断资源负载是否高于负载值上限，步骤②为对下一适合迁移的云主机进行操作，如果资源负载不高于负载值上限则执行步骤③，如果资源负载高于负载值上限则执行步骤④，步骤③为判断待迁移计算节点是否为源计算节点，如果是则执行步骤⑤，如果不是则执行步骤⑥，步骤④为判断是否为最后一台云主机，如果是则执行步骤③，如果不是则执行步骤②，步骤⑤为当待迁移计算节点为最后的源计算节点时，对迁移云主机任务列表进行链式迁移消除，并建立任务依赖，最后进行真正的云主机指定待迁移计算节点的迁移任务，步骤⑥为重新从需要调整的计算节点中选择出适合迁移的云主机。
步骤102，根据所述节点资源信息从所述若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得所述待迁移计算节点对应的节点负载信息，并将位于所述待迁出计算节点的云主机作为待迁移云主机；
在本发明实施例中，可以根据节点资源信息从若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，然后获得待迁移计算节点对应的节点负载信息，并将位于待迁出计算节点的云主机作为待迁移云主机。
在具体实现中，根据节点负载类型和节点负载值从若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，并获得待迁移计算节点对应的节点负载平均值。
可选地，节点负载信息可以为待迁移计算节点的节点负载平均值，节点负载平均值可以通过对各个计算节点的节点负载值进行计算所获得的数值，节点负载值可以通过以下公式获得：
Figure BDA0004090868220000121
其中，PMmetric(in)为对可用区中第i个计算节点在第N个周期的监控指标，PMmetric(i)为对监控指标进行平均值计算后获得的负载值，将其作为待迁移计算节点的节点负载值，节点负载值可以用于表征计算节点的资源利用率。
具体的，可以通过对节点负载值进行平均值计算，获得针对若干个计算节点的节点负载平均值，若节点负载类型为节点均衡类型，则逐一将各个计算节点的节点负载值与节点负载平均值进行比较，将节点负载值大于节点负载平均值的计算节点作为待迁出计算节点，将节点负载值小于节点负载平均值的计算节点作为待迁移计算节点，若节点负载类型为节点集中类型，则逐一将各个计算节点的节点负载值与预设负载阈值进行比较，将节点负载值不等于预设负载阈值的计算节点作为待迁出计算节点，同时可以将节点负载值等于预设负载阈值的计算节点作为待迁移计算节点，节点负载平均值则为对可用区域(Availability_Zone，AZ)中所有计算节点的节点负载值PMmetric(i)，再次求平均值所得到的针对整个AZ的资源负载平均值PMmetric_avg，具体计算公式可以为：
Figure BDA0004090868220000131
预设负载阈值可以为相关技术人员依据实际需求提前设置的负载上下限阈值，可人工进行调节，待迁出计算节点可以为节点负载值大于节点负载平均值的计算节点，从待迁出计算节点中可以确定需要进行动态资源调度的云主机，待迁移计算节点可以为节点负载值小于节点负载平均值的计算节点或将节点负载值不等于预设负载阈值的计算节点，从待迁移计算节点中可以确定需要进行动态资源调度的计算节点。
作为一种示例，参照图4示出了本发明实施例中提供的待迁移计算节点的筛选过程步骤流程图，若节点负载类型为节点均衡类型，则逐一将各个计算节点的节点负载值与节点负载平均值进行比较，将节点负载值大于节点负载平均值(PMmetric(i)＞PMmetric_avg·(1+ω)))的计算节点作为待迁出计算节点(源计算节点)，将节点负载值小于节点负载平均值(PMmetric(i)＜PMmetric_avg·(1-ω))的计算节点作为待迁移计算节点，并且从待迁移计算节点中确定作为云主机迁移调整的目标迁移计算节点，若节点负载类型为节点集中类型，则逐一将各个计算节点的节点负载值与预设负载阈值进行比较，将节点负载值不等于预设负载阈值(负载值PMmetric(i)高于或低于指定的负载上下限阈值)的源计算节点作为待迁出计算节点(源计算节点)。
步骤103，根据所述云主机资源信息从各个所述待迁移云主机中筛选出目标迁移云主机，获得所述目标迁移云主机对应的云主机负载信息；
在本发明实施例中，确定需要迁出的计算节点之后，可以根据云主机资源信息从各个待迁移云主机中筛选出目标迁移云主机，获得目标迁移云主机对应的云主机负载信息，从而通过将待迁出计算节点中资源利用率超过负载上限阈值的云主机通过热迁移或冷迁移至其他计算节点上，以达到计算节点的性能优化和降低资源利用率，或者将待迁出计算节点中资源利用率低于指定的负载下限阈值的运行或未运行的云主机通过热迁移或冷迁移至其他计算节点上，关闭计算节点以达到电源优化和耗能优化的目的。
可选地，目标迁移云主机可以为实际需要进行迁移的云主机，且目标迁移云主机的迁移代价小、能够降低计算节点的资源实际利用率。目标迁移云主机的云主机负载信息可以为云主机自身的类型信息、属性信息以及实际负载值等等信息。
在具体实现中，云主机负载信息包括云主机负载值，节点资源信息包括历史监控数据，云主机资源信息包括云主机属性信息，采用云主机属性信息从各个待迁移云主机中筛选出目标迁移云主机，如对云主机属性信息进行属性分析，获得各个待迁移云主机的工作状态，根据待迁移云主机的工作状态确定目标迁移云主机。
具体的，动态资源调度所针对的对象为正在运行中的云主机，如果当前云主机处于关机等非运行状态，则不对其进行动态资源调度，若工作状态为运行状态，则将待迁移云主机作为目标迁移云主机，然后获取预设周期内目标迁移云主机对应的待迁出计算节点的历史监控数据，对历史监控数据进行归一化处理，并乘以第一预设权重系数获得目标迁移云主机对应的云主机负载值。
其中，云主机属性信息可以为云主机自身的属性，如亲和与反亲和性、NUMA(NonUniform Memory Access，非统一内存访问)以及CPU pin(CPU针脚数量)等等属性，云主机负载信息可以为目标迁移云主机的云主机负载值，将云主机负载值作为实际负载值，目标迁移云主机的选择主要根据云主机属性信息实际负载值，计算出每个云主机的实际负载得分，然后选择迁移代价较小且能降低计算节点的资源实际利用率的云主机进行迁移。预设权重系数可以为相关技术人员提前设定的系数，其用于表征某一指标项在指标项系统中的重要程度，包括第一预设权重系数和第二预设权重系统，第一预设权重系数为针对待迁移云主机的预设权重系数，第二预设权重系数为针对待迁移云主机的预设权重系数。
作为一种示例，参照图5示出了本发明实施例提供的目标迁移云主机的筛选过程步骤流程图，首先，获取待迁移计算节点上所有云主机的云主机属性，如亲和与反亲和性、NUMA、CPU pin属性，筛选出并标记可迁移的云主机，然后对其云主机类型属性的属性值进行归一化并乘以其相应的权重再求和计算出该云主机的分配资源得分，公式如下：
Figure BDA0004090868220000151
接着从监控器中获取可迁移云主机的N个周期历史监控数据，以获得云主机N个周期内的平均实际负载值以及监控指标进行归一化并乘以其相应的权重再求和计算出该云主机的实际负载得分，公式如下：
Figure BDA0004090868220000152
实际负载得分可以用于表示可迁移云主机的迁移代价，实际负载得分越高说明云主机的综合性能越好，例如实际负载得分为0分至5分时，云主机属于低负载云主机，实际负载得分为5分至80分时，云主机属于正常负载云主机，实际负载得分为80分至100分时，云主机属于高负载云主机，从而可以从各个可迁移的云主机中选择迁移代价较小且能降低计算节点的资源实际利用率的云主机作为目标迁移云主机，并且通过选取多个周期的平均实际负载值可以避免由于网络抖动等因素，使得计算不准确，提高了目标迁移云主机的选择准确度。
步骤104，采用所述节点负载信息和所述云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值；
在本发明实施例中，由于待迁移计算节点中可能存在满足静态资源调度和动态资源调度的节点，因此，需要采用节点负载信息和云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对待迁移计算节点的目标负载分值。
在具体实现中，采用云主机类型和云主机属性信息对待迁移计算节点进行过滤处理，将满足预设监控条件的待迁移计算节点归纳至同一节点列表，采用节点负载信息和云主机负载信息逐一对节点列表的待迁移计算节点进行计算，获得针对待迁移计算节点的目标负载分值。
可选地，云主机类型可以包括通用型云主机、内存优化型云主机、独享型云主机以及存储IO性能更高的主机，预设监控条件可以为用于对待迁移计算节点进行筛选的条件，其至少可以包括预设内存数值、预设硬盘数值、预设CPU数量以及按照需求设定的云主机类型，节点列表可以为包括能够进行动态资源调度的计算节点的列表，采用云主机类型和云主机属性信息对待迁移计算节点进行过滤处理可以获得针对各个待迁移计算节点的实际剩余的内存大小、硬盘大小、CPU数量以及云主机类型等等信息，当待迁移计算节点的实际剩余的内存大小、硬盘大小以及CPU数量大于预设内存数值、预设硬盘数值以及预设CPU数量且其对应的云主机属于云主机类型中的一种时，将其归为同一节点列表中，对待迁移计算节点进行过滤处理时，计算实际剩余的内存大小、硬盘大小以及CPU数量所涉及到的具体公式可以为：
Figure BDA0004090868220000171
其中，flavor(类型模板)，用于创建虚拟机的硬件尺寸模板化，flavor包含预先设置的CPU数目、内存大小以及硬盘大小。
具体的，从节点列表中获取各个待迁移计算节点的节点负载平均值和目标迁移云主机的云主机负载值，将节点负载平均值和云主机负载值相加，获得与待迁移计算节点对应的资源负载值，若资源负载值位于预设监控范围，则获取待迁移计算节点的资源配额信息，将节点负载平均值和资源配额信息进行归一化处理，并乘以第二预设权重系数，获得针对待迁移计算节点的目标负载分值，计算待迁移计算节点的目标负载分值的具体公式可以为：
Figure BDA0004090868220000172
可选地，资源负载值可以为通过将节点负载平均值和云主机负载值相加后得到的、位于预设监控范围的综合负载值，预设监控阈值可以为提前设置的负载值，如果资源负载值大于或小于预设监控阈值，则可以生成告警信息，如果资源负载值位于预设监控范围，则可以获取待迁移计算节点的资源配额信息。资源配额信息可以为待迁移计算节点的CPU配额和内存配额，例如待迁移计算节点所对应的云主机的资源配额信息为2C+8G或者4C+8G，目标负载分值为通过将节点负载平均值和云主机负载值相加后得到的负载值，用于表征待迁移计算节点的迁移优越性，目标负载分值越高，则待迁移计算节点越适合迁移，可以选取目标负载分值最高的待迁移计算节点作为目标迁移计算节点。
步骤105，根据所述目标负载分值从各个所述待迁移计算节点中确定目标迁移计算节点，并将所述目标迁移云主机迁移至所述目标迁移计算节点。
在本发明实施例中，确定需要迁移的目标迁移云主机后，可以通过目标负载分值从各个待迁移计算节点中确定目标迁移计算节点，以将目标迁移云主机迁移至目标迁移计算节点。
可选地，可以按照目标负载分值的大小顺序对各个待迁移计算节点进行分值排序，将分值最大的待迁移计算节点作为目标迁移计算节点。
在具体实现中，若存在一个分值最大的待迁移计算节点，则将待迁移计算节点作为目标迁移计算节点，若存在至少两个分值最大的待迁移计算节点，则获取至少两个待迁移计算节点的拓扑排序，拓扑排序为按照拓扑结构的层级从高到低进行排序，将拓扑排序最大的待迁移计算节点作为目标迁移节点。
并且在将目标迁移云主机迁移至目标迁移计算节点之前，可以响应于针对目标迁移云主机的迁移次数查询操作，获得目标迁移云主机的迁移次数，若迁移次数大于预设次数，则对各个目标迁移计算节点进行去重处理或迁移任务消除处理，并获得针对目标迁移云主机的迁移路径，从而防止目标迁移云主机进行二次迁移操作或链式迁移操作。
其中，拓扑排序可以为基于各个目前迁移计算节点对应的网络拓扑结构所得到的排序，在网络拓扑结构中存在不同的拓扑层级关系，依据拓扑层级关系由高到低进行排序。迁移次数查询操作可以为针对目标迁移云主机的迁移次数的查询操作，迁移路径可以为目标迁移云主机迁移至目标迁移计算节点时的中间路径。
具体的，预设策略包括预设均衡策略和预设集中策略，若预设策略为预设均衡策略，则按照迁移路径将目标迁移云主机均衡迁移至各个目标迁移计算节点，若预设策略为预设集中策略，则按照迁移路径将目标迁移云主机集中迁移至目标迁移计算节点，实现基于目标迁移云主机和目标迁移计算节点的实际负载值进行动态迁移，并按照预设策略自动地将目标迁移云主机迁移至集群内负载较轻的目标迁移计算节点上，从而达到工作性能优化和热点消除等目的。
可选地，预设均衡策略指的是将云主机的资源平均地、均衡地分散到集群中各个计算节点上，预设集中策略指的是将云主机的资源集中地分配至集群中某些计算节点中。
作为一种示例，参照图6示出了本发明实施例提供的目标迁移计算节点的筛选过程步骤流程图，首先，调用静态调度算法根据云主机类型和特殊属性进行过滤，筛选出满足云主机迁移的计算节点列表，公式如下：
Figure BDA0004090868220000191
然后获取待迁移计算节点的资源实际利用率，模拟待迁移云主机的资源实际利用率与待迁移计算节点的资源实际利用率进行整合，判断整合后的数值是否位于预设监控范围中，确保待迁移云主机迁移后不会触发预设监控阈值而导致告警，筛选出满足云主机迁移的目标迁移计算节点，公式如下：
PM′metric(i)＝PMmetric(i)+VMmetric(j)
最后对待迁移计算节点的资源配额和资源实际利用率的值进行归一化并乘以其属性的权重值，得到各个计算节点的得分并排序，然后筛选出最优的待迁移计算节点，并返回待迁移计算节点元组，具体公式如下：
Figure BDA0004090868220000192
作为一种示例，针对将空闲的计算节点关机或置于待机状态，以达到电源优化管理或能耗优化的目的。
在本发明实施例中，应用于云管理平台，云管理平台包括若干个计算节点以及位于计算节点的云主机，获取若干个计算节点对应的节点资源信息以及云主机对应的云主机资源信息，根据节点资源信息从若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得待迁移计算节点对应的节点负载信息，并将位于待迁出计算节点的云主机作为待迁移云主机，根据云主机资源信息从各个待迁移云主机中筛选出目标迁移云主机，获得目标迁移云主机对应的云主机负载信息，采用节点负载信息和云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对待迁移计算节点的目标负载分值，根据目标负载分值从各个待迁移计算节点中确定目标迁移计算节点，并将目标迁移云主机迁移至目标迁移计算节点，通过实时获取计算节点对应的节点资源信息以及云主机对应的云主机资源信息，并利用节点资源信息准确地确定待迁移计算节点和待迁出计算节点，然后根据云主机资源信息从各个待迁移云主机中筛选出目标迁移云主机，实现合理地选取需要迁移的云主机，同时通过采用节点负载信息和云主机负载信息计算待迁移计算节点的目标负载分值，以量化计算节点和云主机的真实负载状态，进而有针对性地对需要迁移的云主机进行相应的迁移操作，保证各个计算节点能够负载均衡，提高资源利用率和计算节点的性能。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图7，示出了本发明实施例中提供的一种云主机的迁移装置的结构框图，应用于云管理平台，所述云管理平台包括若干个计算节点以及位于所述计算节点的云主机，具体可以包括如下模块：
资源信息获取模块701，用于获取所述若干个计算节点对应的节点资源信息以及所述云主机对应的云主机资源信息；
节点负载信息获取模块702，用于根据所述节点资源信息从所述若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得所述待迁移计算节点对应的节点负载信息，并将位于所述待迁出计算节点的云主机作为待迁移云主机；
目标迁移云主机确定模块703，用于根据所述云主机资源信息从各个所述待迁移云主机中筛选出目标迁移云主机，获得所述目标迁移云主机对应的云主机负载信息；
目标负载分值计算模块704，用于采用所述节点负载信息和所述云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值；
目标迁移云主机迁移模块705，用于根据所述目标负载分值从各个所述待迁移计算节点中确定目标迁移计算节点，并将所述目标迁移云主机迁移至所述目标迁移计算节点。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
另外，本发明实施例还提供了一种电子设备，包括：处理器，存储器，存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述云主机的迁移方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述云主机的迁移方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
图8为实现本发明各个实施例的一种电子设备的结构框图。
该电子设备800包括但不限于：射频单元801、网络模块802、音频输出单元803、输入单元804、传感器805、显示单元806、用户输入单元807、接口单元808、存储器809、处理器810、以及电源811等部件。本领域技术人员可以理解，图8中示出的电子设备结构并不构成对电子设备的限定，电子设备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。在本发明实施例中，电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
应理解的是，本发明实施例中，射频单元801可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器810处理；另外，将上行的数据发送给基站。通常，射频单元801包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元801还可以通过无线通信系统与网络和其他设备通信。
电子设备通过网络模块802为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元803可以将射频单元801或网络模块802接收的或者在存储器809中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元803还可以提供与电子设备800执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元803包括扬声器、蜂鸣器以及受话器等。
输入单元804用于接收音频或视频信号。输入单元804可以包括图形处理器(Graphics Processing Unit，GPU)8041和麦克风8042，图形处理器8041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元806上。经图形处理器8041处理后的图像帧可以存储在存储器809(或其它存储介质)中或者经由射频单元801或网络模块802进行发送。麦克风8042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元801发送到移动通信基站的格式输出。
电子设备800还包括至少一种传感器805，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板8061的亮度，接近传感器可在电子设备800移动到耳边时，关闭显示面板8061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器805还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。
显示单元806用于显示由用户输入的信息或提供给用户的信息。显示单元806可包括显示面板8061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板8061。
用户输入单元807可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元807包括触控面板8071以及其他输入设备8072。触控面板8071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板8071上或在触控面板8071附近的操作)。触控面板8071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器810，接收处理器810发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板8071。除了触控面板8071，用户输入单元807还可以包括其他输入设备8072。具体地，其他输入设备8072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
进一步的，触控面板8071可覆盖在显示面板8061上，当触控面板8071检测到在其上或附近的触摸操作后，传送给处理器810以确定触摸事件的类型，随后处理器810根据触摸事件的类型在显示面板8061上提供相应的视觉输出。虽然在图8中，触控面板8071与显示面板8061是作为两个独立的部件来实现电子设备的输入和输出功能，但是在某些实施例中，可以将触控面板8071与显示面板8061集成而实现电子设备的输入和输出功能，具体此处不做限定。
接口单元808为外部装置与电子设备800连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元808可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到电子设备800内的一个或多个元件或者可以用于在电子设备800和外部装置之间传输数据。
存储器809可用于存储软件程序以及各种数据。存储器809可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器809可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器810是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器809内的软件程序和/或模块，以及调用存储在存储器809内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。处理器810可包括一个或多个处理单元；优选的，处理器810可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器810中。
电子设备800还可以包括给各个部件供电的电源811(比如电池)，优选的，电源811可以通过电源管理系统与处理器810逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
另外，电子设备800包括一些未示出的功能模块，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (15)

1.一种云主机的迁移方法，其特征在于，应用于云管理平台，所述云管理平台包括若干个计算节点以及位于所述计算节点的云主机，所述方法包括：
获取所述若干个计算节点对应的节点资源信息以及所述云主机对应的云主机资源信息；
根据所述节点资源信息从所述若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得所述待迁移计算节点对应的节点负载信息，并将位于所述待迁出计算节点的云主机作为待迁移云主机；
根据所述云主机资源信息从各个所述待迁移云主机中筛选出目标迁移云主机，获得所述目标迁移云主机对应的云主机负载信息；
采用所述节点负载信息和所述云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值；
根据所述目标负载分值从各个所述待迁移计算节点中确定目标迁移计算节点，并将所述目标迁移云主机迁移至所述目标迁移计算节点。
2.根据权利要求1所述的方法，其特征在于，所述节点资源信息至少包括节点负载类型和节点负载值，所述节点负载信息包括节点负载平均值，所述根据所述节点资源信息从所述若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得所述待迁移计算节点对应的节点负载信息，包括：
根据所述节点负载类型和所述节点负载值从所述若干个计算节点中筛选出所述待迁移计算节点和所述待迁出计算节点，并获得所述待迁移计算节点对应的节点负载平均值。
3.根据权利要求2所述的方法，其特征在于，所述节点负载类型包括节点均衡类型和节点集中类型，所述根据所述节点负载类型和所述节点负载值从所述若干个计算节点中筛选出所述待迁移计算节点和所述待迁出计算节点，包括：
对所述节点负载值进行平均值计算，获得针对所述若干个计算节点的节点负载平均值；
若所述节点负载类型为所述节点均衡类型，则逐一将各个所述计算节点的节点负载值与所述节点负载平均值进行比较，将所述节点负载值大于所述节点负载平均值的计算节点作为待迁出计算节点，将所述节点负载值小于所述节点负载平均值的计算节点作为所述待迁移计算节点；
若所述节点负载类型为所述节点集中类型，则逐一将各个所述计算节点的节点负载值与预设负载阈值进行比较，将所述节点负载值不等于所述预设负载阈值的计算节点作为待迁出计算节点。
4.根据权利要求1所述的方法，其特征在于，所述云主机负载信息包括云主机负载值，所述节点资源信息包括历史监控数据，所述云主机资源信息包括云主机属性信息，所述根据所述云主机资源信息从各个所述待迁移云主机中筛选出目标迁移云主机，获得所述目标迁移云主机对应的云主机负载信息，包括：
采用所述云主机属性信息从各个所述待迁移云主机中筛选出所述目标迁移云主机；
获取预设周期内所述目标迁移云主机对应的待迁出计算节点的历史监控数据；
对所述历史监控数据进行归一化处理，并乘以第一预设权重系数获得所述目标迁移云主机对应的云主机负载值。
5.根据权利要求4所述的方法，其特征在于，所述采用所述云主机属性信息从各个所述待迁移云主机中筛选出所述目标迁移云主机，包括：
对所述云主机属性信息进行属性分析，获得各个所述待迁移云主机的工作状态；
若所述工作状态为运行状态，则将所述待迁移云主机作为所述目标迁移云主机。
6.根据权利要求1所述的方法，其特征在于，所述云主机资源包括云主机类型，所述云主机资源信息包括云主机属性信息，所述采用所述节点负载信息和所述云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值，包括：
采用所述云主机类型和所述云主机属性信息对所述待迁移计算节点进行过滤处理，将满足所述预设监控条件的待迁移计算节点归纳至同一节点列表；
采用所述节点负载信息和所述云主机负载信息逐一对所述节点列表的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值。
7.根据权利要求6所述的方法，其特征在于，所述节点负载信息包括节点负载平均值，所述云主机负载信息包括云主机负载值，所述获得针对所述待迁移计算节点的目标负载分值，包括：
将所述节点负载平均值和所述云主机负载值相加，获得与所述待迁移计算节点对应的资源负载值；
若所述资源负载值位于预设监控范围，则获取所述待迁移计算节点的资源配额信息；
将所述节点负载平均值和所述资源配额信息进行归一化处理，并乘以第二预设权重系数，获得针对所述待迁移计算节点的目标负载分值。
8.根据权利要求1所述的方法，其特征在于，所述根据所述目标负载分值从各个所述待迁移计算节点中确定目标迁移计算节点，包括：
按照所述目标负载分值的大小顺序对所述各个待迁移计算节点进行分值排序，将分值最大的待迁移计算节点作为所述目标迁移计算节点。
9.根据权利要求8所述的方法，其特征在于，所述将分值最大的待迁移计算节点作为所述目标迁移计算节点，包括：
若存在一个分值最大的所述待迁移计算节点，则将所述待迁移计算节点作为所述目标迁移计算节点；
若存在至少两个分值最大的待迁移计算节点，则获取所述至少两个待迁移计算节点的拓扑排序，所述拓扑排序为按照拓扑结构的层级从高到低进行排序；
将所述拓扑排序最大的待迁移计算节点作为所述目标迁移节点。
10.根据权利要求1所述的方法，其特征在于，所述将所述目标迁移云主机迁移至所述目标迁移计算节点之前，包括：
响应于针对所述目标迁移云主机的迁移次数查询操作，获得所述目标迁移云主机的迁移次数；
若所述迁移次数大于预设次数，则对各个所述目标迁移计算节点进行去重处理或迁移任务消除处理，并获得针对所述目标迁移云主机的迁移路径。
11.根据权利要求10所述的方法，其特征在于，所述将所述目标迁移云主机迁移至所述目标迁移计算节点，包括：
按照所述迁移路径和预设策略将所述目标迁移云主机迁移至所述目标迁移计算节点。
12.根据权利要求11所述的方法，其特征在于，所述预设策略包括预设均衡策略和预设集中策略，所述按照所述迁移路径和预设策略将所述目标迁移云主机迁移至所述目标迁移计算节点，包括：
若所述预设策略为所述预设均衡策略，则按照所述迁移路径将所述目标迁移云主机均衡迁移至各个所述目标迁移计算节点；
若所述预设策略为所述预设集中策略，则按照所述迁移路径将所述目标迁移云主机集中迁移至所述目标迁移计算节点。
13.一种云主机的迁移装置，其特征在于，应用于云管理平台，所述云管理平台包括若干个计算节点以及位于所述计算节点的云主机，所述装置包括：
资源信息获取模块，用于获取所述若干个计算节点对应的节点资源信息以及所述云主机对应的云主机资源信息；
节点负载信息获取模块，用于根据所述节点资源信息从所述若干个计算节点中筛选出待迁移计算节点和待迁出计算节点，获得所述待迁移计算节点对应的节点负载信息，并将位于所述待迁出计算节点的云主机作为待迁移云主机；
目标迁移云主机确定模块，用于根据所述云主机资源信息从各个所述待迁移云主机中筛选出目标迁移云主机，获得所述目标迁移云主机对应的云主机负载信息；
目标负载分值计算模块，用于采用所述节点负载信息和所述云主机负载信息对满足预设监控条件的待迁移计算节点进行计算，获得针对所述待迁移计算节点的目标负载分值；
目标迁移云主机迁移模块，用于根据所述目标负载分值从各个所述待迁移计算节点中确定目标迁移计算节点，并将所述目标迁移云主机迁移至所述目标迁移计算节点。
14.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行存储器上所存放的程序时，实现如权利要求1-12任一项所述的方法。
15.一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-12任一项所述的方法。
CN202310151070.6A 2023-02-13 2023-02-13 云主机的迁移方法、装置、电子设备及存储介质 Pending CN116208613A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310151070.6A CN116208613A (zh) 2023-02-13 2023-02-13 云主机的迁移方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310151070.6A CN116208613A (zh) 2023-02-13 2023-02-13 云主机的迁移方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116208613A true CN116208613A (zh) 2023-06-02

Family

ID=86509044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310151070.6A Pending CN116208613A (zh) 2023-02-13 2023-02-13 云主机的迁移方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116208613A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116860723A (zh) * 2023-09-04 2023-10-10 合肥中科类脑智能技术有限公司 跨计算中心数据迁移方法
CN116938943A (zh) * 2023-09-15 2023-10-24 北京城建智控科技股份有限公司 云主机调度方法、装置、设备和存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116860723A (zh) * 2023-09-04 2023-10-10 合肥中科类脑智能技术有限公司 跨计算中心数据迁移方法
CN116860723B (zh) * 2023-09-04 2023-11-21 合肥中科类脑智能技术有限公司 跨计算中心数据迁移方法
CN116938943A (zh) * 2023-09-15 2023-10-24 北京城建智控科技股份有限公司 云主机调度方法、装置、设备和存储介质
CN116938943B (zh) * 2023-09-15 2024-01-12 北京城建智控科技股份有限公司 云主机调度方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
US11244672B2 (en) Speech recognition method and apparatus, and storage medium
CN111367642B (zh) 一种任务调度执行方法及装置
EP3531290B1 (en) Data backup method, apparatus, electronic device, storage medium, and system
CN116208613A (zh) 云主机的迁移方法、装置、电子设备及存储介质
CN107368400B (zh) Cpu监测方法、装置、计算机可读存储介质和移动终端
CN111338745B (zh) 一种虚拟机的部署方法、装置及智能设备
US10922193B2 (en) Data backup method, storage medium, and terminal
CN108446207B (zh) 计算机系统容灾能力评估方法、装置及系统
CN110808872A (zh) 一种流量实验的实现方法、装置及电子设备
CN107734618B (zh) 应用程序关闭方法、装置、存储介质和电子设备
CN110659179B (zh) 一种评估系统运行状况的方法、装置及电子设备
CN115562878B (zh) Gpu计算资源的管理方法、装置、电子设备及可读存储介质
CN110045811B (zh) 应用程序处理方法和装置、电子设备、计算机可读存储介质
CN115934342A (zh) 一种作业资源调优方法、装置、设备及存储介质
CN116244299A (zh) 业务数据路径的确定方法、装置、电子设备及介质
CN115525554B (zh) 模型的自动化测试方法、系统及存储介质
CN114661247B (zh) 自动扩容方法、装置、电子设备及存储介质
CN113760540B (zh) 一种任务处理方法和相关装置
CN112291797B (zh) 一种数据的处理方法、装置及电子设备
CN114816765A (zh) 一种云计算资源分配方法、装置、存储介质及电子设备
CN117742883A (zh) 异构容器的扩容方法、系统、电子设备及存储介质
CN115984643A (zh) 模型训练方法、相关设备及存储介质
CN115203157A (zh) Nas文件的消费系统、方法、设备以及存储介质
CN116185562A (zh) 虚拟机的迁移方法、装置、电子设备及存储介质
CN117093779A (zh) 求职岗位个性化推荐方法、装置、存储介质及电子设备

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100007 room 205-32, floor 2, building 2, No. 1 and No. 3, qinglonghutong a, Dongcheng District, Beijing

Applicant after: Tianyiyun Technology Co.,Ltd.

Address before: 100093 Floor 4, Block E, Xishan Yingfu Business Center, Haidian District, Beijing

Applicant before: Tianyiyun Technology Co.,Ltd.