CN116743589A - 云主机迁移方法、装置及电子设备 - Google Patents
云主机迁移方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116743589A CN116743589A CN202311025978.9A CN202311025978A CN116743589A CN 116743589 A CN116743589 A CN 116743589A CN 202311025978 A CN202311025978 A CN 202311025978A CN 116743589 A CN116743589 A CN 116743589A
- Authority
- CN
- China
- Prior art keywords
- host
- resource utilization
- cloud
- utilization rate
- target physical
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013508 migration Methods 0.000 title claims abstract description 45
- 230000005012 migration Effects 0.000 title claims abstract description 45
- 238000007726 management method Methods 0.000 description 26
- 238000012544 monitoring process Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
- H04L41/0897—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities by horizontal or vertical scaling of resources, or by migrating entities, e.g. virtual resources or entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0894—Policy-based network configuration management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0895—Configuration of virtualised networks or elements, e.g. virtualised network function or OpenFlow elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/40—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using virtualisation of network functions or resources, e.g. SDN or NFV entities
-
- 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
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提供一种云主机迁移方法、装置及电子设备，涉及计算机技术领域，其中方法包括：在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值；在所述云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定所述云主机为待迁移云主机；获取目标物理主机列表，从所述目标物理主机列表中确定目标物理主机，其中，所述目标物理主机列表中的物理主机的资源利用率均高于所述第一阈值和所述第二阈值；将所述待迁移云主机向所述目标物理主机迁移。本申请通过将资源利用率相对较低的云主机向资源利用率相对较高的物理主机迁移，这样，能够进一步提高该物理主机的资源利用率。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种云主机迁移方法、装置及电子设备。
背景技术
云主机是通过软件模拟的具有完整硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统，在计算集中创建云主机时需要将物理主机的部分中央处理器（CentralProcessing Unit，CPU）资源和内存容量作为云主机的CPU资源和内存容量。现有技术中，为了实现物理主机的资源负载均衡，通常可将资源利用率高的云主机迁移至资源利用率低的物理机，以使各个物理主机的资源利用率处于同一水平，这导致各个物理主机的资源利用率难以进一步提高。
可见，如何进一步提高物理主机的资源利用率，是亟待解决的问题。
发明内容
本申请实施例提供了一种云主机迁移方法，装置及电子设备，以解决如何进一步提高物理主机的资源利用率的技术问题。
第一方面，本申请实施例提供了一种云主机迁移方法，所述方法包括：
在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值；
在所述云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定所述云主机为待迁移云主机；
获取目标物理主机列表，从所述目标物理主机列表中确定目标物理主机，其中，所述目标物理主机列表中的物理主机的资源利用率均高于所述第一阈值和所述第二阈值；
将所述待迁移云主机向所述目标物理主机迁移。
第二方面，本申请实施例提供了一种云主机迁移装置，包括
判断模块，用于在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值；
第一确定模块，用于在所述云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定所述云主机为待迁移云主机；
第一获取模块，用于获取目标物理主机列表，从所述目标物理主机列表中确定目标物理主机，其中，所述目标物理主机列表中的物理主机的资源利用率均高于所述第一阈值和所述第二阈值；
第一迁移模块，用于将所述待迁移云主机向所述目标物理主机迁移。
第三方面，本申请实施例提供了电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的云主机迁移方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的云主机迁移方法的步骤。
第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的云主机迁移方法的步骤。
本申请实施例中，在云主机以及其对应的宿主机的资源利用率均相对较低的情况下，即在获取到云主机的资源利用率低于第一阈值，以及在云主机对应的宿主机的资源利用率低于第二阈值的情况下，将该云主机确定为待迁移云主机，并获取目标物理主机列表，从目标物理主机列表中确定目标物理主机，将待迁移云主机向该目标物理主机迁移。其中，目标物理主机列表中的物理主机的资源利用率均高于第一阈值和第二阈值，从而该目标物理主机列表中的物理主机的资源利用率均相对较高。本申请实施例通过将资源利用率相对较低的云主机向资源利用率相对较高的物理主机迁移，这样，该云主机能够占用资源利用率相对较高的物理主机的部分资源，从而能够进一步提高该物理主机的资源利用率。
附图说明
图1为本申请实施例提供的一种云主机迁移方法的流程图；
图2为本申请实施例提供的一种vGPU云主机监控平台的结构图；
图3为本申请实施例提供的一种物理主机的GPU监控平台的结构图；
图4为本申请实施例提供的一种确定待迁移vGPU云主机的流程图；
图5为本申请实施例提供的一种将待迁移vGPU云主机向目标物理主机迁移的流程图；
图6为本申请实施例提供的一种云主机迁移装置的结构图；
图7为本申请实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的云主机迁移方法、装置及相关设备进行详细地说明。
请参照图1，图1是本申请实施例提供的一种云主机迁移方法的流程图。如图1所示，该云主机迁移方法包括以下步骤：
步骤101、在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值。
步骤102、在所述云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定所述云主机为待迁移云主机。
步骤103、获取目标物理主机列表，从所述目标物理主机列表中确定目标物理主机，其中，所述目标物理主机列表中的物理主机的资源利用率均高于所述第一阈值和所述第二阈值。
步骤104、将所述待迁移云主机向所述目标物理主机迁移。
需要说明的是，本申请实施例中的宿主机为宿主物理主机，云主机部署于对应的宿主物理主机，创建云主机需要将宿主物理主机的部分资源作为云主机的资源，该部分资源例如部分CPU资源、部分内存资源以及部分图形处理器（graphics processing unit，GPU）资源等，其中，GPU又可称为显卡。
本申请实施例提供的云主机迁移方法可以是应用于云主机迁移装置，该云主机迁移装置可以是部署于云主机调度管理平台（以下简称调度管理平台），云主机迁移方法还可以是应用于电子设备。为更好地理解，以下将以所述方法应用于调度管理平台为例对本申请提供的技术方案进行具体说明。
在步骤101中，调度管理平台在获取到云主机的资源利用率低于第一阈值的情况下，判断云主机对应的宿主机的资源利用率是否低于第二阈值，其中第一阈值和第二阈值可以相等也可以不相等，例如第一阈值和第二阈值可以均为20%。
云主机可为vGPU（虚拟GPU）云主机或者vCPU（虚拟CPU）云主机。若云主机为vGPU云主机，则云主机的资源利用率可为GPU资源利用率，云主机对应的宿主机的资源利用率可为vGPU云主机对应的物理GPU的资源利用率，物理GPU为vGPU云主机所在的宿主机的物理GPU。若云主机为vCPU云主机，则vCPU云主机的资源利用率可为CPU资源利用率，云主机对应的宿主机的资源利用率可为vCPU云主机对应的物理CPU的资源利用率。
为便于理解，以下以云主机为vGPU云主机，云主机的资源利用率为云主机的GPU资源利用率，宿主机的资源利用率为vGPU云主机对应的物理GPU的资源利用率作为示例进行具体说明。
vGPU云主机所在的宿主机可能存在多个物理GPU，vGPU云主机对应的宿主机的资源利用率是指宿主机中与vGPU云主机对应的物理GPU的资源利用率。假设第一阈值和第二阈值均为20%。vGPU云主机的GPU资源利用率低于20%，可为关于GPU的多项资源利用率均低于20%，例如vGPU云主机的显存利用率、算力利用率、编码利用率以及解码利用率等均低于20%，也可为vGPU的整体资源利用率低于20%。其中vGPU的整体资源利用率为对vGPU的多项资源利用率进行一定计算所确定。同理，vGPU云主机对应的物理GPU资源利用率低于第二阈值，也可为物理GPU的多项资源利用率均低于20%，或者为物理GPU的GPU整体资源利用率低于20%。
在步骤102中，在云主机的资源利用率和云主机对应的宿主机的资源利用率均相对较低的情况下，即在云主机的资源利用率低于第一阈值，以及云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定云主机为待迁移云主机，可将该待迁移云主机加入待迁移云主机列表。待迁移云主机的资源利用率低于第一阈值，以及待迁移云主机对应的宿主机的资源利用率低于第二阈值，则表征该待迁移云主机和对应的宿主机的资源剩余较多，该宿主机的负载较低。若将低负载的宿主机的云主机迁移，则能够进一步降低该宿主机的负载，从而有利于减少该宿主机的功耗，达到降本节能的目的；并且，通过进一步降低宿主机的负载，在高性能计算场景下，该宿主机能够具有较多剩余资源以满足高性能计算需求。
在步骤103中，目标物理主机列表中的物理主机的资源利用率均高于第一阈值和第二阈值，从而目标物理主机列表中的物理主机的资源利用率均相对较高，故从目标物理主机列表中确定的目标物理主机的资源利用率也相对较高。本申请实施例中，可设置物理主机的监控平台，物理主机的监控平台用于构建目标物理主机列表，调度管理平台可从物理主机的监控平台获取目标物理主机列表。
需要说明的是，目标物理主机列表中的物理主机为具有剩余资源（例如算力资源等）的物理主机，即目标物理主机列表中的物理主机的资源利用率均低于100%，故可设置目标物理主机列表中的物理主机的资源利用率高于第一阈值和第二阈值，且还低于第三阈值。例如若第一阈值和第二阈值可均为20%。第三阈值可为60%，则目标物理主机列表中的物理主机的资源利用率均高于20%，且低于60%。这样，可使从目标物理主机列表中确定的目标物理主机的资源利用率相对较高，且目标物理主机具有剩余资源。
还需说明的是，在物理主机存在至少一组资源利用率的情况下，可设置物理主机的其中一组资源利用率高于第一阈值和第二阈值，且还低于第三阈值，物理主机的监控平台则将该物理主机加入目标物理主机列表。其中，物理主机的各组资源利用率还可能包含至少一项资源利用率，确定物理主机的某组资源利用率是否高于第一阈值和第二阈值，且还低于第三阈值，可通过确定该组资源利用率中的各项资源利用率是否均满足高于第一阈值和第二阈值，且还低于第三阈值。例如，若各个物理主机均存在至少一个物理GPU，每个物理GPU对应一组物理GPU资源利用率。在物理主机的其中一组物理GPU的资源利用率高于第一阈值和第二阈值，且还低于第三阈值的情况下，则表明该物理主机的其中一个物理GPU的资源利用率较高且具有剩余算力，物理主机的监控平台则可将该物理主机添加至目标物理主机列表。其中，物理GPU的资源利用率可能包括多项资源利用率，例如物理GPU的显存利用率、算力利用率、编码利用率以及解码利用率等，物理GPU的资源利用率中均高于第一阈值和第二阈值，且还低于第三阈值，可为每组物理GPU的各项资源利用率均高于第一阈值和第二阈值，且还低于第三阈值。
在步骤104中，将待迁移云主机向目标物理主机迁移。可根据待迁移云主机的身份标识，将待迁移云主机向目标物理主机迁移。待迁移云主机的身份标识可为待迁移云主机的通用唯一识别码（Universally Unique Identifier，UUID）。
在一些实施方式中，调度管理平台可包括监控数据处理模块和调度模块，监控数据处理模块用于确定待迁移云主机的身份标识，调度模块用于从目标物理主机列表中确定目标物理主机，并根据待迁移云主机的身份标识将待迁移云主机向目标物理主机迁移。
本申请实施例中，通过将利用率相对较低的云主机向资源利用率相对较高且具有剩余资源的物理主机迁移，这样，可使该云主机能够占用该物理主机的部分资源，从而能够进一步提高该物理主机的资源利用率。
可选地，步骤103包括：
将所述目标物理主机列表中资源利用率最高的物理主机确定为所述目标物理主机。
该实施方式中，通过将目标物理主机列表中资源利用率最高的物理主机确定为目标物理主机，并将待迁移云主机迁移至资源利用率最高的物理主机，从而待迁移云主机能够占用资源利用率最高的物理主机的部分资源，使得该物理主机的资源利用率能够进一步提高，以实现较大限度利用物理主机的资源。
可选地，所述目标物理主机为第一目标物理主机，所述第一目标物理主机为所述目标物理主机列表中资源利用率最高的物理主机；
所述方法还包括：
在所述待迁移云主机向所述第一目标物理主机迁移失败的情况下，从所述目标物理主机列表中确定第二目标物理主机，所述第二目标物理主机的资源利用率小于所述第一目标物理主机的资源利用率；
将所述待迁移云主机向所述第二目标物理主机迁移。
该实施方式中，在待迁移云主机向资源利用率最高的第一目标物理主机迁移失败的情况下，可从目标物理主机列表中确定第二目标物理主机，该第二目标物理主机的资源利用率小于第一目标物理主机的资源利用率。作为示例，第二目标物理主机的资源利用率可仅次于第一目标物理主机的资源利用率。
本申请实施例中，在待迁移云主机向资源利用率最高的第一目标物理主机迁移失败的情况下，通过从目标物理主机列表中确定第二目标物理主机，并将待迁移云主机向第二目标物理主机迁移，从而能够提高待迁移云主机的迁移成功率，以提高待迁移云主机成功迁移至的目标物理主机的资源利用率。
需要说明的是，在待迁移云主机向第二目标物理主机也迁移失败的情况下，还可从目标物理主机列表中确定第三目标物理主机，并将待迁移云主机向第三目标物理主机迁移。
可选地，步骤102包括：
获取网际协议（Internet Protocol，IP）列表，所述IP列表中每一个IP地址对应的物理主机的资源利用率均低于所述第二阈值；
在所述IP列表包含所述云主机对应的宿主机的IP地址的情况下，确定所述云主机为待迁移云主机。
该实施方式中，IP列表可由物理主机的监控平台构建并存储于物理主机的监控平台。物理主机的监控平台将资源利用率均低于第二阈值的物理主机的IP地址添加至IP列表，从而调度管理平台在判断云主机的宿主机的资源利用率是否低于第二阈值时，只需获取IP列表，并判断IP列表中是否包含该云主机对应的宿主机的IP地址即可。
需要说明的是，调度平台在判断多个云主机分别对应的宿主机的资源利用率是否低于第二阈值时，无需多次获取IP列表，可在IP列表存在更新的情况下，才向物理主机的监控平台获取更新后的IP列表，并根据更新后的IP列表判断云主机对应的宿主机的IP地址是否在更新后的IP列表中，从而有利于节约调度管理平台的资源。
其中，在云主机为vGPU云主机的情况下，vGPU云主机对应的宿主机的资源利用率为：vGPU云主机所在的宿主机中与vGPU云主机对应的物理GPU的资源利用率。从而可设置IP列表中包含资源利用率低于第二阈值的物理GPU的UUID以及物理GPU所在的物理主机的IP地址，通过判断IP列表中是否包含vGPU云主机所在的宿主机的IP以及vGPU云主机对应的物理GPU的UUID，以判断GPU云主机对应的物理GPU的资源利用率是否低于第二阈值。
本申请实施例中，调度管理平台只需判断IP列表中是否包含该云主机对应的宿主机的IP地址，即可确定云主机对应的宿主机的资源利用率是否低于第二阈值，并且在判断多个云主机分别对应的宿主机的资源利用率是否低于第二阈值时，在IP列表未更新的情况下，无需每次判断过程均获取一次IP列表，从而有利于节约调度管理平台的资源。
可选地，所述从所述目标物理主机列表中确定目标物理主机之前，所述方法还包括：
根据所述物理主机列表中各个物理主机的IP地址，查询所述物理主机列表中每个物理主机各自对应的资源利用率。
该实施方式中，目标物理主机列表包括各个物理主机的IP地址，调度管理平台可根据各个物理主机的IP地址，查询各个物理主机的资源利用率，以便调度管理模块可根据目标物理主机列表中的各个物理主机的资源利用率，确定目标物理主机，目标物理主机例如可以是目标物理主机列表中的资源利用率最高的物理主机。
本申请实施例通过各个物理主机的IP地址查询对应的物理主机的资源利用率，从而调度管理模块无需直接存储各物理主机的资源利用率，且各物理主机无需实时向调度管理平台上传其对应的资源利用率，这样，能够节约调度管理平台的存储资源。
可选地，所述从所述目标物理主机列表中确定目标物理主机，包括：
在所述目标物理主机列表中的每个物理主机具有至少一组资源利用率的情况下，计算每个物理主机的综合资源利用率；
将所述目标物理主机列表中综合资源利用率最高的物理主机确定为所述目标物理主机。
该实施方式中，目标物理主机列表中的每个物理主机具有至少一组资源利用率时，可计算每个物理主机的综合资源利用率。
为便于理解，以下以云主机为VGPU云主机，目标物理主机列表中的每个物理主机具有至少一个物理GPU作为示例，对综合资源利用率进行说明。
综合资源利用率可根据如下公式确定：
其中，G为物理主机的GPU综合资源利用率，n为物理主机的第n个物理GPU，gpu为第n个物理GPU的算力资源利用率，memory为第n个物理GPU的显存利用率，encoder为第n个物理GPU的编码利用率，decoder为第n个GPU物理的解码利用率。
通过上述公式，分别将物理主机的每个物理GPU的算力资源利用率、显存利用率、编码利用率以及解码利用率相乘，并对相乘的结果进行累加，从而确定n个物理GPU的物理主机的综合资源利用率。
该实施方式中，在目标物理主机列表中的每个物理主机具有至少一组资源利用率的情况下，计算每个物理主机的综合资源利用率，以将待迁移云主机向综合资源利用率最高的物理主机迁移，从而能够进一步提高综合资源利用率最高的物理主机的综合资源利用率。
可选地，在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值，包括；
判断云主机的资源标识是否为第一标识；
在所述云主机的资源标识为第一标识的情况下，确定所述云主机的资源利用率低于第一阈值；
判断所述云主机对应的宿主机的资源利用率是否低于第二阈值。
在一些实施方式中，可设置云主机的监控平台，云主机的监控平台用于根据各云主机的资源利用率，确定各云主机的资源标识，在云主机的资源利用率低于第一阈值的情况下，确定该云主机的资源标识为第一标识，第一标识例如“low”。
调度管理平台从云主机的监控平台获取各云主机的资源标识，通过判断各云主机的资源标识是否为第一标识即可判断各云主机的资源利用率是否低于第一阈值，从而，调度管理平台可无需直接获取云主机的资源利用率。
该实施方式中，调度管理平台无需直接获取云主机的资源利用率，通过云主机的资源标识，即可判断云主机的资源利用率是否低于第一阈值，这样，调度管理平台无需频繁获取云主机的资源利用率，可在云主机资源标识更新的情况下获取云主机的资源标识，从而能够节约调度管理平台的资源。
可选地，所述云主机的资源利用率为所述云主机的GPU的资源利用率，所述宿主机的资源利用率为所述宿主机的GPU的资源利用率，所述宿主机的GPU为所述云主机的GPU对应的物理GPU，所述物理主机的资源利用率为所述物理主机的GPU的资源利用率。
伴随着人工智能技术飞速发展，对GPU资源的需求也在飞速增长，vGPU技术将一个物理GPU虚拟化分为多个vGPU云主机，实现多台vGPU云主机同时使用一个物理GPU的功能。
该实施方式中，云主机为VGPU云主机，云主机的资源利用率为vGPU云主机的GPU的资源利用率，宿主机的资源利用率为宿主机的GPU的资源利用率，宿主机的GPU为所述云主机的GPU对应的物理GPU，物理主机的资源利用率为物理主机的GPU的资源利用率。本申请实施例中，在VGPU云主机的GPU的资源利用率较低，以及该VGPU云主机对应的物理GPU的资源利用率较低的情况下，将该VGPU云主机迁移至物理GPU的资源利用率较高的物理主机，从而能够进一步提高VGPU云主机迁移至的物理GPU的资源利用率。并且，将资源利用率较低的物理GPU的VGPU云主机迁移之后，可以进一步降低该物理GPU的负载，从而在高性能计算场景下，该物理GPU所在的宿主机能够具有较多剩余资源以满足高性能计算需求。
为了更清楚地理解本申请实施例的技术方案，以下结合图2至图5对如何确定待迁移vGPU以及目标物理主机进行具体说明。
如图2所示，在一些实施方式中，可设置统一的vGPU云主机监控平台以监控各台vGPU云主机的资源利用率。vGPU云主机监控平台包括多台vGPU云主机，各台vGPU云主机可分别包括对应的数据采集模块。各台vGPU云主机的数据采集模块用于采集对应的云主机的GPU资源利用率。各台vGPU云主机的数据采集模块采集对应的云主机的GPU资源利用率之后，将vGPU云主机的GPU资源利用率上传至统一的数据存储模块，由数据存储模块中的时间序列数据库（Time Series Database，TSDB)集群存储各台vGPU云主机的GPU资源利用率。数据处理模块根据每台vGPU云主机的GPU资源利用率确定对应的资源标识，在vGPU云主机的GPU资源利用率低于第一阈值的情况下，例如在vGPU云主机的GPU显存利用率、GPU算力利用率、GPU编码利用率以及GPU解码利用率等均低于20%情况下，将其资源标识确定为第一标识（第一标识例如“low”），从而调度管理平台可通过数据处理模块获取各台vGPU云主机的资源标识。
具体的，vGPU云主机的数据采集模块包括GPU_monitor组件（即图2中GPU监控组件）和monitor_agent组件（即图2中GPU监控代理组件），GPU_monitor组件为监控指标的采集和上报组件。GPU_monitor可通过集成英伟达管理库(nvidia-management-library，nvml)中查询GPU信息的接口功能，周期性采集GPU信息，以计算vGPU云主机的GPU资源利用率，并将云主机的资源利用率上传至monitor_agent组件，由monitor_agent组件将云主机的资源利用率上传至数据存储模块。
其中，GPU_monitor计算vGPU云主机的GPU资源利用率，可分别根据如下公式进行计算。
GPU资源利用率可包括GPU的显存利用率，显存利用率的计算公式为：
为显存利用率，/>为分配给vGPU云主机的应用进程的GPU显存，/>为vGPU云主机可使用的GPU显存容量。
GPU资源利用率还可包括GPU算力利用率，算力利用率的计算公式为：
其中，为算力利用率，/>表示对vGPU云主机的算力利用率进行封装以得到采样周期内的算力利用率，/>表示采样周期，表示vGPU云主机的算力使用详情。
GPU资源利用率还可包括GPU编码利用率，编码利用率的计算公式为：
其中，为编码利用率，/>表示对vGPU云主机的编码利用率进行封装以得到采样周期内的编码利用率，/>表示采样周期，/>表示vGPU云主机的编码单元使用详情。
GPU资源利用率还可包括GPU解码利用率，解码利用率的计算公式为：
其中，为解码利用率，/>表示对vGPU云主机的解码利用率进行封装以得到采样周期内的解码利用率，/>表示采样周期，/>表示vGPU云主机的解码单元使用详情。
需要说明的是，vGPU云主机监控平台还可包括数据显示模块。数据处理模块向数据显示模块同步各台vGPU云主机对应的GPU资源利用率，由数据显示模块将各台vGPU云主机对应的GPU资源利用率发送至平台侧，平台侧可以一定周期（例如以五分钟为周期）生成每台vGPU云主机对应的GPU资源利用率的折线图，以便于用户或者管理人员查看。
如图3所示，在一些实施方式中，还可设置统一的物理主机的GPU监控平台。物理主机的GPU监控平台包括各台物理主机，各台物理主机分别包括至少一个物理GPU，且各台物理主机可能部署有对应的至少一台vGPU云主机，也可能存在一些物理主机未部署对应的vGPU云主机。各台物理主机包括各自对应的数据采集模块，数据采集模块中的监控代理组件周期性执行nvidia-smi -q指令以采集各台物理主机对应的物理GPU的资源利用率。各台物理主机的数据采集模块采集对应的物理GPU的资源利用率之后，将物理GPU的资源利用率上传至统一的数据存储模块。数据处理模块对数据存储模块中的物理GPU的资源利用率进行处理，将资源利用率高于第一阈值和第二阈值的物理GPU的UUID以及其所在的物理主机添加至目标物理主机列表。将资源利用率低于第二阈值的物理GPU所在的物理主机的IP地址以及该物理GPU的UUID添加至IP列表，从而使调度管理平台能够从数据处理模块获取目标物理主机列表和IP列表。
如图4所示，在确定各台vGPU云主机的资源标识，以及确定目标物理主机列表和IP列表之后，由调度管理平台的监控数据处理模块确定待迁移vGPU云主机。具体的，监控数据处理模块获取vGPU云主机的资源标识，并判断vGPU云主机的资源标识是否为第一标识（“low”），在vGPU云主机的资源标识为“low”的情况下，获取IP列表，判断IP列表中是否存在资源标识为“low”的vGPU云主机所在的宿主机IP以及资源标识为“low”的vGPU云主机对应的物理GPU的UUID，在存在的情况下，则可确定该vGPU云主机对应的物理GPU的资源利用率低于第二阈值，从而可确定该vGPU云主机为待迁移vGPU云主机。在确定待迁移vGPU云主机之后，可获取目标物理主机列表，并向调度管理平台的调度模块发送待迁移vGPU云主机的UUID和目标物理主机列表。
如图5所示，调度模块接收到待迁移vGPU云主机的UUID和目标物理主机列表之后，根据目标物理主机列表中的各物理主机的IP获取各物理主机对应的GPU综合资源利用率。其中，综合利用率可根据如下公式计算：
其中，G为物理主机的GPU综合资源利用率，n为物理主机的第n个物理GPU，gpu为第n个物理GPU的算力资源利用率，memory为第n个物理GPU的显存利用率，encoder为第n个物理GPU的编码利用率，decoder为第n个GPU物理的解码利用率。
在确定各物理主机的GPU综合资源利用率之后，根据各物理主机的GPU综合资源利用率确定可迁移的目标物理主机。其中，可将综合资源利用率前3的物理主机作为可迁移目标物理主机。首先，可将vGPU云主机迁移至GPU综合资源利用率最高的物理节点，如果迁移失败则尝试迁移至综合资源利用率第二的物理节点；如果迁移失败则尝试迁移至综合资源利用率第三的物理节点，若VGPU云主机迁移成功则结束动态调度流程。
请参照图6，图6是本申请实施例提供的一种云主机迁移装置的结构图，该云主机迁移装置200包括：
判断模块201，用于在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值；
第一确定模块202，用于在所述云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定所述云主机为待迁移云主机；
第二确定模块203，用于获取目标物理主机列表，从所述目标物理主机列表中确定目标物理主机，其中，所述目标物理主机列表中的物理主机的资源利用率均高于所述第一阈值和所述第二阈值；
第一迁移模块204，用于将所述待迁移云主机向所述目标物理主机迁移。
可选地，所述第二确定模块203，具体用于：
将所述目标物理主机列表中资源利用率最高的物理主机确定为所述目标物理主机。
可选地，所述目标物理主机为第一目标物理主机，所述第一目标物理主机为所述目标物理主机列表中资源利用率最高的物理主机；
所述云主机迁移装置200还包括：
第三确定模块，用于在所述待迁移云主机向所述第一目标物理主机迁移失败的情况下，从所述目标物理主机列表中确定第二目标物理主机，所述第二目标物理主机的资源利用率小于所述第一目标物理主机的资源利用率；
第二迁移模块，用于将所述待迁移云主机向所述第二目标物理主机迁移。
可选地，所述第一确定模块202，包括：
第一获取单元，用于获取网际协议IP列表，所述IP列表中每一个IP地址对应的物理主机的资源利用率均低于所述第二阈值；
第一确定单元，用于在所述IP列表包含所述云主机对应的宿主机的IP地址的情况下，确定所述云主机为待迁移云主机。
可选地，所述云主机迁移装置200还包括：
第一查询模块，用于根据所述物理主机列表中各个物理主机的IP地址，查询所述物理主机列表中每个物理主机各自对应的资源利用率。
可选地，所述第二确定模块203，包括：
第一计算单元，用于在所述目标物理主机列表中的每个物理主机具有至少一组资源利用率的情况下，计算每个物理主机的综合资源利用率；
第二确定单元，用于将所述目标物理主机列表中综合资源利用率最高的物理主机确定为所述目标物理主机。
可选地，所述判断模块201，包括；
第一判断单元，用于判断云主机的资源标识是否为第一标识；
第三确定单元，用于在所述云主机的资源标识为第一标识的情况下，确定所述云主机的资源利用率低于第一阈值；
第二判断单元，用于判断所述云主机对应的宿主机的资源利用率是否低于第二阈值。
可选地，所述云主机的资源利用率为所述云主机的GPU的资源利用率，所述宿主机的资源利用率为所述宿主机的GPU的资源利用率，所述宿主机的GPU为所述云主机的GPU对应的物理GPU，所述物理主机的资源利用率为所述物理主机的GPU的资源利用率。
本申请实施例提供的云主机迁移装置能够实现图1所述方法实施例实现的各个过程，为避免重复，这里不再赘述。
请参见图7，图7是本申请实施例提供的一种电子设备的结构图，如图7所示，所述电子设备包括：处理器300、存储器320及存储在所述存储器320上并可在所述处理器300上运行的程序或指令，处理器300，用于读取存储器320中的程序或指令；所述电子设备还包括总线接口和收发机310。
收发机310，用于在处理器300的控制下接收和发送数据。
其中，在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器300代表的一个或多个处理器和存储器320代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机310可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器300负责管理总线架构和通常的处理，存储器320可以存储处理器300在执行操作时所使用的数据。
其中，处理器300，用于读取存储器320中的程序或指令，执行如下步骤：
在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值；
在所述云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定所述云主机为待迁移云主机；
通过收发机310获取目标物理主机列表，从所述目标物理主机列表中确定目标物理主机，其中，所述目标物理主机列表中的物理主机的资源利用率均高于所述第一阈值和所述第二阈值；
将所述待迁移云主机向所述目标物理主机迁移。
可选地，处理器300，用于读取存储器320中的程序或指令，执行如下步骤：
将所述目标物理主机列表中资源利用率最高的物理主机确定为所述目标物理主机。
可选地，所述目标物理主机为第一目标物理主机，所述第一目标物理主机为所述目标物理主机列表中资源利用率最高的物理主机；
处理器300，用于读取存储器320中的程序或指令，执行如下步骤：
在所述待迁移云主机向所述第一目标物理主机迁移失败的情况下，从所述目标物理主机列表中确定第二目标物理主机，所述第二目标物理主机的资源利用率小于所述第一目标物理主机的资源利用率；
将所述待迁移云主机向所述第二目标物理主机迁移。
可选地，处理器300，用于读取存储器320中的程序或指令，执行如下步骤：
获取网际协议IP列表，所述IP列表中每一个IP地址对应的物理主机的资源利用率均低于所述第二阈值；
在所述IP列表包含所述云主机对应的宿主机的IP地址的情况下，确定所述云主机为待迁移云主机。
可选地，处理器300，用于读取存储器320中的程序或指令，执行如下步骤：
根据所述物理主机列表中各个物理主机的IP地址，查询所述物理主机列表中每个物理主机各自对应的资源利用率。
可选地，处理器300，用于读取存储器320中的程序或指令，执行如下步骤：
在所述目标物理主机列表中的每个物理主机具有至少一组资源利用率的情况下，计算每个物理主机的综合资源利用率；
将所述目标物理主机列表中综合资源利用率最高的物理主机确定为所述目标物理主机。
可选地，处理器300，用于读取存储器320中的程序或指令，执行如下步骤：
判断云主机的资源标识是否为第一标识；
在所述云主机的资源标识为第一标识的情况下，确定所述云主机的资源利用率低于第一阈值；
判断所述云主机对应的宿主机的资源利用率是否低于第二阈值。
可选地，所述云主机的资源利用率为所述云主机的图形处理器GPU的资源利用率，所述宿主机的资源利用率为所述宿主机的GPU的资源利用率，所述宿主机的GPU为所述云主机的GPU对应的物理GPU，所述物理主机的资源利用率为所述物理主机的GPU的资源利用率。
本申请实施例中，在云主机以及其对应的宿主机的资源利用率相对较低的情况下，即在获取到云主机的资源利用率低于第一阈值，以及在云主机对应的宿主机的资源利用率低于第二阈值的情况下，将该云主机确定为待迁移云主机，并获取目标物理主机列表，从目标物理主机列表中确定目标物理主机，将待迁移云主机向该目标物理主机迁移。其中，目标物理主机列表中的物理主机的资源利用率均高于第一阈值和第二阈值，从而该目标物理主机列表中的物理主机的资源利用率均相对较高。本申请实施例通过将利用率相对较低的云主机向资源利用率相对较高的物理主机迁移，这样，该云主机能够占用该物理主机的部分资源，从而能够进一步提高该物理主机的资源利用率。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述图1所述云主机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，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器（Read-Only Memory， ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述图1所述云主机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。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
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。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
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，本申请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计算机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，或者网络设备等）执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请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申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。
Claims (11)
1.一种云主机迁移方法，其特征在于，所述方法包括：
在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值；
在所述云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定所述云主机为待迁移云主机；
获取目标物理主机列表，从所述目标物理主机列表中确定目标物理主机，其中，所述目标物理主机列表中的物理主机的资源利用率均高于所述第一阈值和所述第二阈值；
将所述待迁移云主机向所述目标物理主机迁移。
2.根据权利要求1所述的方法，其特征在于，所述从所述目标物理主机列表中确定目标物理主机，包括：
将所述目标物理主机列表中资源利用率最高的物理主机确定为所述目标物理主机。
3.根据权利要求1所述的方法，其特征在于，所述目标物理主机为第一目标物理主机，所述第一目标物理主机为所述目标物理主机列表中资源利用率最高的物理主机；
所述方法还包括：
在所述待迁移云主机向所述第一目标物理主机迁移失败的情况下，从所述目标物理主机列表中确定第二目标物理主机，所述第二目标物理主机的资源利用率小于所述第一目标物理主机的资源利用率；
将所述待迁移云主机向所述第二目标物理主机迁移。
4.根据权利要求1所述的方法，其特征在于，所述在所述云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定所述云主机为待迁移云主机，包括：
获取网际协议IP列表，所述IP列表中每一个IP地址对应的物理主机的资源利用率均低于所述第二阈值；
在所述IP列表包含所述云主机对应的宿主机的IP地址的情况下，确定所述云主机为待迁移云主机。
5.根据权利要求1所述的方法，其特征在于，所述从所述目标物理主机列表中确定目标物理主机之前，所述方法还包括：
根据所述物理主机列表中各个物理主机的IP地址，查询所述物理主机列表中每个物理主机各自对应的资源利用率。
6.根据权利要求1所述的方法，其特征在于，所述从所述目标物理主机列表中确定目标物理主机，包括：
在所述目标物理主机列表中的每个物理主机具有至少一组资源利用率的情况下，计算每个物理主机的综合资源利用率；
将所述目标物理主机列表中综合资源利用率最高的物理主机确定为所述目标物理主机。
7.根据权利要求1所述的方法，其特征在于，所述在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值，包括：
判断云主机的资源标识是否为第一标识；
在所述云主机的资源标识为第一标识的情况下，确定所述云主机的资源利用率低于第一阈值；
判断所述云主机对应的宿主机的资源利用率是否低于第二阈值。
8.根据权利要求1所述的方法，其特征在于，所述云主机的资源利用率为所述云主机的图形处理器GPU的资源利用率，所述宿主机的资源利用率为所述宿主机的GPU的资源利用率，所述宿主机的GPU为所述云主机的GPU对应的物理GPU，所述物理主机的资源利用率为所述物理主机的GPU的资源利用率。
9.一种云主机迁移装置，其特征在于，包括：
判断模块，用于在获取到云主机的资源利用率低于第一阈值的情况下，判断所述云主机对应的宿主机的资源利用率是否低于第二阈值；
第一确定模块，用于在所述云主机对应的宿主机的资源利用率低于第二阈值的情况下，确定所述云主机为待迁移云主机；
第二确定模块，用于获取目标物理主机列表，从所述目标物理主机列表中确定目标物理主机，其中，所述目标物理主机列表中的物理主机的资源利用率均高于所述第一阈值和所述第二阈值；
第一迁移模块，用于将所述待迁移云主机向所述目标物理主机迁移。
10.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-8中任一项所述的云主机迁移方法的步骤。
11.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-8中任一项所述的云主机迁移方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311025978.9A CN116743589B (zh) | 2023-08-15 | 2023-08-15 | 云主机迁移方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311025978.9A CN116743589B (zh) | 2023-08-15 | 2023-08-15 | 云主机迁移方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116743589A true CN116743589A (zh) | 2023-09-12 |
| CN116743589B CN116743589B (zh) | 2023-11-21 |
Family
ID=87917243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311025978.9A Active CN116743589B (zh) | 2023-08-15 | 2023-08-15 | 云主机迁移方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116743589B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708000A (zh) * | 2012-04-19 | 2012-10-03 | 北京华胜天成科技股份有限公司 | 通过虚拟机迁移实现能耗控制的系统和方法 |
| CN106125888A (zh) * | 2016-06-23 | 2016-11-16 | 河海大学常州校区 | 云数据中心中基于虚拟机迁移的资源利用高效的节能方法 |
| CN111258713A (zh) * | 2020-01-12 | 2020-06-09 | 苏州浪潮智能科技有限公司 | 一种动态电源管理实现方法、装置和设备 |
| CN114880129A (zh) * | 2022-06-10 | 2022-08-09 | 郑州轻工业大学 | 资源利用率预测感知的云数据中心虚拟机资源分配方法 |
| CN115858082A (zh) * | 2021-09-23 | 2023-03-28 | 中移(苏州)软件技术有限公司 | 一种虚拟机迁移方法、装置、终端及存储介质 |
| CN116382855A (zh) * | 2023-05-26 | 2023-07-04 | 工业富联(佛山)创新中心有限公司 | 虚拟机迁移方法、电子设备及计算机存储介质 |
-
2023
- 2023-08-15 CN CN202311025978.9A patent/CN116743589B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708000A (zh) * | 2012-04-19 | 2012-10-03 | 北京华胜天成科技股份有限公司 | 通过虚拟机迁移实现能耗控制的系统和方法 |
| CN106125888A (zh) * | 2016-06-23 | 2016-11-16 | 河海大学常州校区 | 云数据中心中基于虚拟机迁移的资源利用高效的节能方法 |
| CN111258713A (zh) * | 2020-01-12 | 2020-06-09 | 苏州浪潮智能科技有限公司 | 一种动态电源管理实现方法、装置和设备 |
| CN115858082A (zh) * | 2021-09-23 | 2023-03-28 | 中移(苏州)软件技术有限公司 | 一种虚拟机迁移方法、装置、终端及存储介质 |
| CN114880129A (zh) * | 2022-06-10 | 2022-08-09 | 郑州轻工业大学 | 资源利用率预测感知的云数据中心虚拟机资源分配方法 |
| CN116382855A (zh) * | 2023-05-26 | 2023-07-04 | 工业富联(佛山)创新中心有限公司 | 虚拟机迁移方法、电子设备及计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116743589B (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11159411B2 (en) | Distributed testing service | |
| US20230376347A1 (en) | Task allocation method, apparatus, storage medium, and electronic device | |
| CN111274252A (zh) | 一种区块链的数据上链方法、装置、存储介质和服务器 | |
| CN109117252B (zh) | 基于容器的任务处理的方法、系统及容器集群管理系统 | |
| CN112836152B (zh) | 页面渲染方法、系统、计算机设备及计算机可读存储介质 | |
| CN114095567B (zh) | 数据访问请求的处理方法、装置、计算机设备及介质 | |
| CN109766319B (zh) | 压缩任务处理方法、装置、存储介质及电子设备 | |
| CN111966289A (zh) | 基于Kafka集群的分区优化方法和系统 | |
| US10182104B1 (en) | Automatic propagation of resource attributes in a provider network according to propagation criteria | |
| CN110737425B (zh) | 一种计费平台系统的应用程序的建立方法及装置 | |
| CN111885184A (zh) | 高并发场景下热点访问关键字处理方法和装置 | |
| CN116860391A (zh) | Gpu算力资源调度方法、装置、设备和介质 | |
| CN111309443A (zh) | 物联网设备系统的虚拟化方法、装置、设备及存储介质 | |
| CN112631994A (zh) | 数据迁移方法及系统 | |
| CN116743589B (zh) | 云主机迁移方法、装置及电子设备 | |
| US10594620B1 (en) | Bit vector analysis for resource placement in a distributed system | |
| CN112152879A (zh) | 网络质量确定方法、装置、电子设备和可读存储介质 | |
| CN116932147A (zh) | 流式作业处理方法、装置、电子设备及介质 | |
| CN109067649B (zh) | 节点处理方法及装置、存储介质和电子设备 | |
| CN112416488B (zh) | 一种用户画像实现的方法、装置、计算机设备及计算机可读存储介质 | |
| CN114567571A (zh) | 性能测试方法、装置、电子设备和计算机可读存储介质 | |
| CN108551484B (zh) | 用户信息同步方法、装置、计算机装置及存储介质 | |
| CN116755805B (zh) | 应用于c++的资源优化方法及装置 | |
| CN114499729B (zh) | 虚拟机时间同步方法、设备及存储介质 | |
| CN116112336A (zh) | 一种告警数据处理方法及装置 |
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 |