DE102012217202A1 - Verfahren und System zum Optimieren des Platzierens virtueller Maschinen in Cloud-Computing-Umgebungen - Google Patents

Verfahren und System zum Optimieren des Platzierens virtueller Maschinen in Cloud-Computing-Umgebungen Download PDF

Info

Publication number
DE102012217202A1
DE102012217202A1 DE102012217202A DE102012217202A DE102012217202A1 DE 102012217202 A1 DE102012217202 A1 DE 102012217202A1 DE 102012217202 A DE102012217202 A DE 102012217202A DE 102012217202 A DE102012217202 A DE 102012217202A DE 102012217202 A1 DE102012217202 A1 DE 102012217202A1
Authority
DE
Germany
Prior art keywords
resource
profile
user
resource pool
image
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
Application number
DE102012217202A
Other languages
English (en)
Other versions
DE102012217202B4 (de
Inventor
Torsten Teich
Amadeus Podvratnik
Thomas Spatzier
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.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of DE102012217202A1 publication Critical patent/DE102012217202A1/de
Application granted granted Critical
Publication of DE102012217202B4 publication Critical patent/DE102012217202B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/455Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533Hypervisors; Virtual machine monitors
    • G06F9/45558Hypervisor-specific management and integration aspects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/60Software deployment
    • G06F8/61Installation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505Allocation 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061Partitioning or combining of resources
    • G06F9/5072Grid computing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061Partitioning or combining of resources
    • G06F9/5077Logical partitioning of resources; Management or configuration of virtualized resources
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/455Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533Hypervisors; Virtual machine monitors
    • G06F9/45558Hypervisor-specific management and integration aspects
    • G06F2009/45562Creating, deleting, cloning virtual machine instances
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/455Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533Hypervisors; Virtual machine monitors
    • G06F9/45558Hypervisor-specific management and integration aspects
    • G06F2009/45591Monitoring or debugging support
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00Indexing scheme relating to G06F9/00
    • G06F2209/50Indexing scheme relating to G06F9/50
    • G06F2209/5019Workload prediction

Abstract

Die Erfindung stellt ein Verfahren und ein System zum Optimieren des Platzierens von Instanzen der Abbilder (103) virtueller Maschinen in einer Cloud-Computing-Umgebung bereit. Das Verfahren umfasst die Schritte zum Empfangen einer Anforderung zum Nutzen einer neuen Instanz eines VM-Abbilds; Lesen von benutzerspezifischen und allgemeinen VM-Ressourcen-Nutzungsprofilen, die erste Ressourcen-Inanspruchnahmedaten umfassen; Lesen von Ressourcen-Poolprofilen, die zweite Ressourcen-Inanspruchnahmedaten umfassen; für jedes der Ressourcen-Poolprofile Analysieren und Angleichen des gelesenen VM-Ressourcen-Nutzungsprofils an die gelesenen Ressourcen-Poolprofile, Berechnen eines kumulierten Ressourcen-Inanspruchnahmeprofils und Ermitteln des einen der mehreren Ressourcen-Pools, der die geringste kumulierte Ressourcen-Inanspruchnahme aufweist.

Description

  • Gebiet der Erfindung
  • Die vorliegende Erfindung bezieht sich auf das Cloud-Computing und insbesondere auf ein Verfahren und ein System zum Optimieren des Platzierens von Instanzen der Abbilder virtueller Maschinen in Cloud-Computing-Umgebungen.
  • Hintergrund
  • Cloud-Computing wird zu einem innovativen Datenverarbeitungs-Paradigma. Es gewährleistet zuverlässige, kundenorientierte und garantierte Datenverarbeitungs-Infrastrukturen für Benutzer. Das Konzept des Cloud-Computing bezieht sich auf die Verwendung von Datenverarbeitungskapazitäten von Maschinen, die von mehr als einem Diensteanbieterzentrum weltweit bereitgestellt werden. Angeschlossen durch ein Netzwerk stellen diese Maschinen Ressourcen bereit wie z. B. CPUs, die aufgerufen werden können, um eine virtuelle Maschine oder andere Prozesse für eine begrenzte oder definierte Dauer einzurichten. Der Benutzer kann Ressourcen für die Verwendung bei einer Anwendung anfordern und z. B. eine spezielle virtuelle Maschine (VM) erhalten, um eine Anwendung auszuführen.
  • Die Steuerung der Ressourcen-Inanspruchnahme ist ein Schlüsselelement in heutigen Infrastrukturen mit Cloud-Einsatz. Obwohl Cloud-Systeme so empfunden werden, als ob sie nahezu unbegrenzte Ressourcen-Möglichkeiten haben, sind sie durch Hardware-Ressourcen eingeschränkt, die durch den Diensteanbieter des Cloud-Systems installiert werden. Erhöhte Anforderungen führen zu einem Ansteigen der erforderlichen installierten Ressourcen, was Lösungen für den Erfolg einer Infrastruktur mit Cloud-Einsatz erfordert.
  • Zusammenfassung der Erfindung
  • Eine Zielsetzung der vorliegenden Erfindung besteht darin, ein verbessertes Verfahren und System zum Optimieren des Platzierens von Abbildern virtueller Maschinen in Cloud-Computing-Umgebungen bereitzustellen. Das Verfahren vergleicht Profile der Ressourcen-Inanspruchnahme eines Benutzers, der das VM-Abbild anfordert, das angeforderte Abbild einer virtuellen Maschine und jeden Ressourcen-Pool der Cloud-Computing-Umgebungen, um die optimale Stelle für die angeforderten virtuellen Maschinen zu finden. Das Ziel wird durch den Gegenstand der unabhängigen Ansprüche erreicht. Vorteilhafte Ausführungsformen werden in den abhängigen Ansprüchen beschrieben.
  • Der hier verwendete Ausdruck ”Cloud-Computing” bezeichnet eine Datenverarbeitungsplattform, bei der der Benutzer Zugang zu Anwendungen oder Datenverarbeitungs-Ressourcen haben kann, die in Form von Diensten über ein Netzwerk bereitgestellt werden. Eine vereinfachte Benutzerschnittstelle und eine Anwendungsprogrammierungs-Schnittstelle (API) an der Cloud bewirken, dass die Infrastruktur diese Dienste für den Benutzer transparent unterstützt.
  • Der hier verwendete Ausdruck ”virtuelle Maschine” kann die Software-Implementierung eines Computers bezeichnen, der wie ein physischer Computer Programme ausführt.
  • Der hier verwendete Ausdruck ”Abbild einer virtuellen Maschine” umfasst eine Menge von Daten, insbesondere ausführbare Daten und/oder Daten, die z. B. OS, RAM, Plattenspeicherkapazität usw. spezifizieren und eine bestimmte Konfiguration der zugehörigen virtuellen Maschine angeben, die das System verwendet, um die virtuelle Maschine zu betreiben.
  • Der hier verwendete Ausdruck ”Register” bezeichnet einen Datenspeicher auf einem materiellen computerlesbaren Speichermedium. Ein Datenspeicher umfasst computer- und/oder benutzerspezifische Einstellungen. Die benutzerspezifischen Einstellungen umfassen z. B. eine Dienstgütevereinbarung (Service Level Agreement, SLA), die eine minimale Qualität des Dienstes, den der Benutzer erhält, definiert.
  • Der hier verwendete Ausdruck ”Ablage” (repository) kann jeden Typ von Informationsspeicher bezeichnen wie etwa eine Datenbank, ein Datenverzeichnis, ein Systemregister oder andere Mittel zum Speichern verschiedener Typen von Informationen.
  • Der hier verwendete Ausdruck ”Ersatzbaugruppe” (Spare) bezeichnet eine zusätzliche Ressourcen-Komponente wie etwa ein Laufwerk oder ein Band, das für eine Verwendung als Ersatz für eine ausgefallene Komponente vorbestimmt ist.
  • Der hier verwendete Ausdruck ”Host-Plattform” bezeichnet eine physische Einheit, die Datenverarbeitungs-, Netzwerk- oder Speicher-Ressourcen bereitstellt.
  • Der hier verwendete Ausdruck ”Ressourcen-Pool” bezeichnet eine Sammlung von Host-Plattformen, die gemeinsam gebündelt sind. Der Zweck dieser Bündelung besteht darin, die Datenverarbeitungs-, Netzwerk-, Speicher- und weitere Typen von Ressourcen zu kombinieren, so dass sie als eine einzige Ressource erscheinen. Das Cloud-Computing-Verwaltungssystem kann aus diesen Ressourcen bis zu den Grenzen des Ressourcen-Pools zuweisen, was andernfalls die physischen Ressourcen einer einzelnen Host-Plattform übersteigen würde. Ressourcen des Ressourcen-Pools sind Benutzern zu dem Zeitpunkt zugewiesen, wenn sie Dienste oder Ressourcen von dem Cloud-Computing-Verwaltungssystem anfordern. Eine Ressource kann zum Beispiel – ohne darauf beschränkt zu sein – ein Prozessor, eine Netzwerkkomponente, ein Plattenspeicher usw. sein, die einem Benutzer zugewiesen sein kann.
  • Der hier verwendete Ausdruck ”Ressourcen-Nutzungsprofil” bezeichnet eine Menge von Daten der Ressourcen-Inanspruchnahme, die die Nutzung der Ressource über eine Zeitperiode angeben.
  • Der hier verwendete Ausdruck ”computerlesbares Speichermedium” umfasst jedes materielle Speichermedium, das Befehle speichern kann, die durch einen Prozessor einer Datenverarbeitungseinheit ausgeführt werden können. Das computerlesbare Speichermedium kann als ein computerlesbares dauerhaftes Speichermedium bezeichnet werden. Das computerlesbare Speichermedium kann außerdem als ein materielles computerlesbares Speichermedium bezeichnet werden. In einigen Ausführungsformen kann ein computerlesbares Speichermedium Daten speichern, auf die der Prozessor der Datenverarbeitungseinheit zugreifen kann. Zu Beispielen von computerlesbaren Speichermedien gehören, ohne auf diese beschränkt zu sein: Diskette, Lochstreifen, Lochkarte, magnetisches Festplattenlaufwerk, Halbleiterdatenträger, Flash-Speicher, USB-Stick, Direktzugriffsspeicher (RAM), Festwertspeicher (ROM), optische Platte, magnetooptische Platte und die Registerdatei der Prozessors. Zu Beispielen optischer Platten gehören Compact Disks (CD) und Digital Versatile Disks (DVD), z. B. CD-ROM, CD-RW, CD-R, DVD-ROM, DVD-RW oder DVD-R-Platten. Der Ausdruck computerlesbares Speichermedium bezeichnet außerdem verschiedene Typen von Aufzeichnungsmedien, auf die durch die Computereinheit über ein Netzwerk oder eine Datenübertragungsverbindung zugegriffen werden kann. Daten können zum Beispiel über ein Modem, über das Internet oder über ein lokales Netzwerk abgerufen werden. Bezugnahmen auf ein computerlesbares Speichermedium sollten so interpretiert werden, dass sie möglicherweise mehrere computerlesbare Speichermedien sind. Verschiedene ausführbare Komponenten eines Programms oder von Programmen können an unterschiedlichen Speicherorten gespeichert sein. Das computerlesbare Speichermedium kann z. B. ein computerlesbares Mehrfach-Speichermedium in dem gleichen Computersystem sein. Das computerlesbare Speichermedium kann außerdem ein computerlesbares Speichermedium sein, das über mehrere Computersysteme oder Datenverarbeitungseinheiten verteilt ist.
  • In einem Aspekt bezieht sich die Erfindung auf ein Verfahren zum Optimieren des Platzierens von Instanzen mehrerer Abbilder virtueller Maschinen in einer Cloud-Computing-Umgebung. Die Cloud-Umgebung umfasst mehrere Ressourcen-Pools. Jeder Ressourcen-Pool umfasst eine oder mehrere Ressourcen. Das Verfahren umfasst Folgendes:
    • – Empfangen einer Anforderung eines Benutzers zum Verwenden einer neuen Instanz einer der Abbilder virtuellen Maschinen, wobei die Anforderung eine Angabe des Abbilds virtuellen Maschinen ist, das instanziiert werden soll;
    • – Während die Verwendung des Abbilds einer virtuellen Maschinen gefordert wird, wählt der Benutzer wahlweise ein benutzerspezifisches VM-Ressourcen-Nutzungsprofil aus, das das resultierende VM-Ressourcen-Nutzungsprofil wird, wobei das resultierende VM-Ressourcen-Nutzungsprofil Daten zur Ressourcen-Inanspruchnahme umfasst, wobei die Daten zur Ressourcen-Inanspruchnahme eine Angabe einer vorhergesagten Ressourcen-Inanspruchnahme für den spezifischen Benutzer der geforderten Instanz des angegebenen Abbilds der virtuellen Maschine über eine erste Zeitperiode ist;
    • – Wenn der Benutzer kein benutzerspezifisches VM-Ressourcen-Nutzungsprofil auswählt, Lesen durch eine Ersatzmaschine eines VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem angegebenen Abbild der virtuellen Maschine gespeichert wurde, wobei das gelesene VM-Ressourcen-Nutzungsprofil erste Daten zur Ressourcen-Inanspruchnahme umfasst, wobei die ersten Daten zur Ressourcen-Inanspruchnahme eine Angabe einer vorhergesagten Ressourcen-Inanspruchnahme der angeforderten Instanz des angegebenen Abbilds der virtuellen Maschine über eine erste Zeitperiode ist;
    • – Lesen durch eine Platzierungsmaschine eines Ressourcen-Poolprofils für jeden der mehreren Ressourcen-Pools, wobei jedes Ressourcen-Poolprofil zweite Daten zur Ressourcen-Inanspruchnahme umfasst, wobei die zweiten Daten zur Ressourcen-Inanspruchnahme eine Angabe einer vorhergesagten Ressourcen-Inanspruchnahme in dem Ressourcen-Pool ist, der dem Ressourcen-Poolprofil zugeordnet ist, über eine zweite Zeitdauer ist, wobei das Ressourcen-Poolprofil eine aktuelle Inanspruchnahme der Ressource in dem Ressourcen-Pool umfasst;
    • – Für jedes der Ressourcen-Poolprofile Ausführen der folgenden Schritte durch die Platzierungsmaschine:
    • – Analysieren des gelesenen VM-Ressourcen-Nutzungsprofils und des gelesenen Ressourcen-Poolprofils, wobei die Analyse das Angleichen des gelesenen VM-Ressourcen-Nutzungsprofils und des gelesenen Ressourcen-Poolprofils umfasst durch das Angleichen der zweiten Zeitperiode der gelesenen Ressourcen-Poolprofile des Ressourcen-Pools an die erste Zeitperiode des gelesenen VM-Ressourcen-Nutzungsprofils
    • – Berechnen eines zusammengeführten Ressourcen-Inanspruchnahmeprofils, das eine Vorhersage für eine Ressourcen-Gesamtinanspruchnahme in dem Ressourcen-Pool ist, durch Kumulieren der Ressourcen-Inanspruchnahme der angeglichenen Profile; und
    • – Als ein Ergebnis der Analyse aller Ressourcen-Poolprofile Ermitteln des einen der mehreren Ressourcen-Pools, der die geringste Ressourcen-Inanspruchnahme aufweist.
  • Die Ausführungsformen können dahingehend vorteilhaft sein, dass sie eine optimierte Zuweisung von Cloud-Ressourcen in Abhängigkeit von Nutzungsprofilen ermöglichen. Die Profile beschreiben die mittlere Ressourcen-Inanspruchnahme über eine Zeitperiode z. B. über mehrere Stunden, Tage oder Wochen. Die Zeitperiode kann den gegenwärtigen Zeitpunkt erfassen, wenn z. B. der Analyseschritt ausgeführt wird, und kann außerdem künftige Stunden, Tage oder Wochen erfassen. Wenn die vorhergesagte Zeitspanne der Ressourcen-Inanspruchnahme für eine bestimmte Instanz einer virtuellen Maschine viel mehr Informationen umfasst als ein Datenwert der mittleren Ressourcen-Inanspruchnahme ohne Zeitinformation, kann eine Ermittlung einer erwarteten Ressourcen-Inanspruchnahme einer Abbildinstanz der virtuellen Maschine in zukünftigen Zeitperioden viel genauer sein. Es kann einen weiteren Vorteil dahingehend geben, dass die Nutzung von Ressourcen-Inanspruchnahmeprofilen zum Ermitteln des Ressourcen-Pools mit der geringsten Ressourcen-Gesamtinanspruchnahme die Gesamtwirksamkeit des Cloud-Systems erhöhen kann und seine gute Leistungsfähigkeit sichert. Das ist aufgrund der Tatsache der Fall, dass sie eine Möglichkeit des vollautomatischen und dynamischen Anpassens des Instanziierens von Abbildern virtueller Maschinen auf eine Vielzahl von Ressourcen-Pools gemäß einer sich dynamisch verändernden Arbeitsbelastung der Ressourcen-Pools und der angeforderten VM-Abbildinstanzen während eines Tageslaufs ermöglicht. Ein noch weiterer Vorteil dieser Ausführungsformen besteht darin, dass sie die Wartedauer des Benutzers minimal machen und somit die Benutzerzufriedenheit verbessern. Das ist der Fall, da es durch das Bewerten von Ressourcen-Inanspruchnahmeprofilen, die außerdem die vorhergesagte Ressourcen-Inanspruchnahme für zukünftige Zeitpunkte umfassen, anstatt lediglich eine gegenwärtig beobachtete physische Arbeitsbelastung der Ressourcen-Pools zu berücksichtigen, möglich ist, ein angefordertes VM-Abbild auf einen Ressourcen-Pool auch dann zu instanziieren, wenn das Nutzungsprofil der VM-Ressource angibt, dass die Ressourcen, die durch die angeforderte Instanz gefordert werden, durch einen bestimmten Ressourcen-Pool zum gegenwärtigen Zeitpunkt nicht bereitgestellt werden können, jedoch gemäß dem Ressourcen-Poolprofil des Ressourcen-Pools zu dem zukünftigen Zeitpunkt, wenn sie tatsächlich benötigt werden, bereitgestellt werden können. Dieses Merkmal wird durch die Tatsache ermöglicht, dass auch die Ressourcen-Poolprofile eine zukünftige Zeitperiode abdecken können und deswegen eine Angabe der Ressourcen sein können, die in einem bestimmten Ressourcen-Pool zu einem späteren Zeitpunkt zur Verfügung stehen.
  • 1. Gemäß einer weiteren Ausführungsform umfasst das Verfahren ferner die folgenden Schritte:
    • – Lesen eines benutzerspezifischen VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem angegebenen VM-Abbild gespeichert ist und in Verbindung mit einer Kennung des Benutzers gespeichert ist, wobei das benutzerspezifische VM-Ressourcen-Nutzungsprofil Fremdressourcen-Nutzungsdaten umfasst, wobei die Fremdressourcen-Nutzungsdaten eine Angabe einer vorhergesagten benutzerspezifischen Ressourcen-Inanspruchnahme der angeforderten Instanz des angegebenen Abbilds der virtuellen Maschine über die erste Zeitperiode sind, wobei die benutzerspezifische Ressourcen-Inanspruchnahme für den Benutzer vorhergesagt wurde; und
    • – Verwenden der gelesenen benutzerspezifischen Ressourcen-Inanspruchnahme anstelle des gelesenen VM-Ressourcen-Nutzungsprofils, wenn die Analyse ausgeführt wird.
  • Die Ausführungsform kann vorteilhaft sein, da das Kombinieren von Informationen des VM-Ressourcen-Nutzungsprofils und des benutzerspezifischen VM-Ressourcen-Nutzungsprofils eine bessere Vorhersage der Ressourcen-Inanspruchnahme für einzelne VMs ermöglicht.
  • Gemäß einer anderen Ausführungsform umfasst das Verfahren ferner den Schritt zum Instanziieren des angegebenen VM-Abbilds auf den Ressourcen-Pool, der ermittelt wurde. Diese Ausführungsform hat den Vorteil, dass sie eine bessere Möglichkeit zum Nutzen und Instanziieren eines oder mehrerer angeforderter VM-Abbilder auf eine Vielzahl von verfügbaren Ressourcen-Pools bereitstellt. Somit kann eine bessere Ausnutzung von verfügbaren Hardware-Ressourcen wie etwa Prozessoren, Speicher und Plattenspeicherkapazität erreicht werden.
  • Gemäß einer anderen Ausführungsform wird der Ressourcen-Pool, der die geringste Ressourcen-Nutzung aufweist, aus der Gruppe ausgewählt, die Folgendes umfasst:
    • – den Ressourcen-Pool, für den der niedrigste Wert der ganzheitlichen Ressourcen-Inanspruchnahme des Ressourcen-Gesamtinanspruchnahmeprofils berechnet wurde,
    • – den Ressourcen-Pool, für den der niedrigste Wert der ganzheitlichen Ressourcen-Inanspruchnahme des Ressourcen-Gesamtinanspruchnahmeprofils berechnet wurde, und wobei das Ressourcen-Gesamtinanspruchnahmeprofil keinen Wert umfasst, der einen Schwellenwert übersteigt.
  • Diese Ausführungsform kann vorteilhaft sein, da sie den Aufwand vermindert, der entstünde, wenn die Instanzen auf Ressourcen-Pools ausgeführt werden, die Ressourcen mit geringerer Verfügbarkeit aufweisen.
  • Gemäß einer anderen Ausführungsform weist das benutzerspezifische VM-Profil Regeln auf. Das Verfahren wendet ferner beim Ausführen der Analyse die Regeln auf das gelesene VM-Ressourcen-Nutzungsprofil, das gelesene benutzerspezifische VM-Ressourcen-Nutzungsprofil und/oder die gelesenen Ressourcen-Poolprofile an.
  • Die Ausführungsform kann vorteilhaft sein, da sie ermöglicht, dass die Cloud-Dienstumgebung garantiert, dass die Cloud-Dienste in Übereinstimmung mit bestimmten Bedingungen an die Nutzung des Cloud-Computing bereitgestellt werden. Diese Bedingungen können eine zulässige Zeitperiode sein zum Betreiben einer Instanz des VM-Abbilds eines bestimmten Typs durch einen speziellen Benutzer an den Ressourcen-Pools. Das kann eine optimale Nutzung der Ressourcen-Pools und eine auf feingegliederte Regeln beruhende Modulation eines hauptsächlich auf dem Ressourcen-Inanspruchnahmeprofil beruhenden Prozesses des Instanziierens des VM-Abbilds sicherstellen.
  • Gemäß einiger Ausführungsformen weisen wenigstens einige der Regeln benutzerspezifische Bedingungen in Bezug auf Anzahl, Typ und/oder Verfügbarkeit von Ressourcen auf. Diese Bedingungen entsprechen einer Dienstgütevereinbarung. Die Dienstgütevereinbarungen spezifizieren die geforderte Qualität des Dienstes, den der Benutzer und der Cloud-Dienstanbieter vertraglich vereinbaren. Gemäß einer anderen Ausführungsform werden die VM-Ressourcen-Nutzungsprofile von wenigstens einem der Abbilder der virtuellen Maschinen durch Ausführen der folgenden Schritte erzeugt:
    • – Bewerten der gegenwärtigen Ressourcen-Inanspruchnahme aller Instanzen des wenigstens einen VM-Abbilds durch ein VM-Nutzungsüberwachungsmodul, wodurch erste bewertete Daten bereitgestellt werden;
    • – Vorhersagen der Ressourcen-Inanspruchnahme einer Instanz des wenigstens einen VM-Abbilds über eine erste Zeitperiode durch Bewerten der ersten bewerteten Daten; und
    • – Aktualisieren des VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem wenigstens einen VM-Abbild gespeichert wurde, mit den vorhergesagten Daten zur Ressourcen-Inanspruchnahme.
  • Die Bewertung der Ressourcen-Inanspruchnahme der VM-Instanz erfolgt durch Abrufen der gemessenen Daten von physischen Ressourcen, die dieser Instanz zugeordnet sind.
  • Diese Ausführungsformen können dahingehend vorteilhaft sein, dass sie das System mit den Benutzer- und/oder VM-Abbild-Ressourcen-Anforderungen ständig aktualisieren. Das vermeidet dann eine Fehlzuordnung von Ressourcen, wenn sich die Benutzer- und/oder VM-Abbild-Ressourcen-Anforderung in Bezug auf die ursprünglichen Anforderungen entwickeln.
  • Gemäß weiterer Ausführungsformen wird das benutzerspezifische VM-Ressourcen-Nutzungsprofil wenigstens eines der VM-Abbilder durch Ausführen der folgenden Schritte erzeugt:
    • – Überwachen der gegenwärtigen Ressourcen-Inanspruchnahme aller Instanzen des wenigstens einen VM-Abbilds, deren Instanziierung durch den Benutzer gefordert wurde, durch ein VM-Nutzungsüberwachungsmodul, wodurch zweite Überwachungsdaten bereitgestellt werden;
    • – Vorhersagen der Ressourcen-Inanspruchnahme einer Instanz des wenigstens einen VM-Abbilds, die durch den Benutzer angefordert werden soll, über die zweite Zeitperiode durch Bewerten der zweiten Überwachungsdaten; und
    • – Aktualisieren des benutzerspezifischen VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem wenigstens einen VM-Abbild gespeichert wurde, mit den Daten der vorhergesagten Ressourcen-Inanspruchnahme.
  • Die Merkmale können vorteilhaft sein, da benutzerspezifische Anforderungen berücksichtigt werden können, wenn die benutzerspezifischen VM-Ressourcen-Nutzungsprofile erzeugt werden. Wenn sich die Anforderungen mit der Zeit ändern, wird eine aktualisierte Version des benutzerspezifischen VM-Ressourcen-Nutzungsprofils bereitgestellt und kann zum Ermitteln des Ressourcen-Pools mit der geringeren Ressourcen-Gesamtinanspruchnahme verwendet werden.
  • Gemäß einer anderen Ausführungsform werden die Ressourcen-Poolprofile durch das Ausführen der folgenden Schritte für jeden der Ressourcen-Pools erzeugt:
    • – Überwachen von Anzahl und Typ von Ressourcen des Ressourcen-Pools, die einem des einen oder der mehreren VM-Abbilder zugeordnet sind, die in dem Ressourcen-Pool (108) ausgeführt werden, wodurch zweite Überwachungsdaten bereitgestellt werden, wobei die zweiten Überwachungsdaten eine gemessene physische Zuweisung von Ressourcen zu Abbildinstanzen einer virtuellen Maschine über die zweite Zeitperiode umfassen;
    • – Überlagern der zweiten Überwachungsdaten, die für alle Abbildinstanzen einer virtuellen Maschine, die in dem Ressourcen-Pool ausgeführt werden, wodurch ein überlagertes Ressourcen-Inanspruchnahmeprofil für den Ressourcen-Pool erzeugt wird; und – Verwenden des überlagerten Ressourcen-Inanspruchnahmeprofils zum Erzeugen und/oder Aktualisieren des Ressourcen-Inanspruchnahmeprofils des Ressourcen-Pools.
  • Diese Ausführungsformen können vorteilhaft sein, da die Gesamt-Ressourcen-Nutzung, die aus allen ausgeführten virtuellen Maschineninstanzen eines bestimmten Ressourcen-Pool abgeleitet wird, die beste Schätzung der Ressourcenverwendung eines Ressourcen-Pools ergibt.
  • Gemäß einer anderen Ausführungsform wird jeder Instanz einer virtuellen Maschine, die auf einem der Ressourcen-Pools ausgeführt wird, eine oder mehrere Ressourcen des Ressourcen-Pools zugeordnet, wobei das Verfahren ferner die folgenden Schritte umfasst:
    • – Ermitteln aller Ressourcen in dem wenigstens einen Ressourcen-Pool, die während der zweiten Zeitperiode nicht belegt sind, durch den VM-Nutzungs-Supervisor, wobei das Ermitteln durch Subtrahieren des Ressourcen-Gesamtinanspruchnahmeprofils von einer bekannten Anzahl aller Ressourcen des wenigstens einen Ressourcen-Pools ausgeführt wird;
    • – Ermitteln für die angeforderte Abbildinstanz der virtuellen Maschine, die in dem wenigstens einen Ressourcen-Pool instanziiert werden soll, einer oder mehrerer gegenwärtig benötigter Ressourcen durch Bewerten des VM-Ressourcen-Nutzungsprofils oder des benutzerspezifischen VM-Ressourcen-Nutzungsprofils des angegebenen Abbilds der virtuellen Maschine;
    • – Falls die Anzahl von Ressourcen eines ersten Ressourcen-Typs, von denen festgestellt wurde, dass sie von der angeforderten Instanz benötigt werden, die ermittelte Anzahl von gegenwärtig nicht belegten Ressourcen des ersten Ressourcen-Typs übersteigt, Auslösen des Instanziierens der angeforderten Abbildinstanz der virtuellen Maschine in einem anderen Ressourcen-Pool durch die Platzierungsmaschine.
  • Diese Ausführungsformen können vorteilhaft sein, da sie garantieren können, dass selbst dann, wenn die gegenwärtige Ressourcen-Inanspruchnahme der VM-Abbildinstanzen, die in einem bestimmten Ressourcen-Pool ausgeführt werden, größer als vorhergesagt sein kann und die Anzahl von tatsächlich verfügbaren Ressourcen in einem bestimmten Ressourcen-Pool übersteigt, eine automatisierte und intelligente Bewältigung der Situation gewährleistet ist. In Ausführungsformen der Erfindung kann eine gegenwärtig ausgeführte VM-Abbildinstanz von einem ersten Ressourcen-Pool zu einem anderen verschoben werden, wenn festgestellt wurde, dass in dem ersten Ressourcen-Pool ausreichend nichtbelegte Ressourcen fehlen. Diese Merkmale können unplanmäßige Beendigungen von VM-Abbildinstanzen vermeiden, wenn die Ressourcenanforderungen durch die Instanzen nicht mehr erfüllt sind.
  • Gemäß einer weiteren Ausführungsform führt ein Ressourcen-Manager eine Neuzuweisung von Ressourcen aus, die der genutzten virtuellen Maschine bei ihrer Instanziierung zugewiesen wurden, wobei zum Ermitteln von einer der Abbildinstanzen der virtuellen Maschine, der die Ressource neu zugeordnet werden soll, die Ressourcen-Gesamtinanspruchnahmeprofile als Eingabe verwendet werden. Diese Ausführungsform kann den Vorteil haben, dass Ressourcen, die einer bestimmten VM-Abbildinstanz zugeordnet wurden, jedoch von der Instanz tatsächlich nicht benötigt werden, für die Nutzung durch andere Ressourcen freigegeben werden.
  • Gemäß Ausführungsformen weist das Verfahren ferner den Schritt zum Aktualisieren der für die Ressourcen-Pools spezifischen Ressourcen-Inanspruchnahmeprofile der Ressourcen-Pools mit neuen Daten zur Ressourcen-Inanspruchnahme auf, die sich aus der Neuzuweisung von Ressourcen oder aus der Verlagerung der Abbildinstanz der virtuellen Maschine ergeben.
  • Gemäß Ausführungsformen weisen die ersten und zweiten Zeitperioden von jedem der VM-Ressourcen-Nutzungsprofile und der Ressourcen-Poolprofile eine Menge von Messpunkten auf, die durch eine im Voraus definierte Zeitperiode voneinander getrennt sind, wobei jeder Messpunkt einen Datenwert zur Ressourcen-Inanspruchnahme für jeden von einer Vielzahl von Ressourcen-Typen umfasst, wobei jeder der Datenwerte zur Ressourcen-Inanspruchnahme ein Vorhersageergebnis ist, das aus der überwachten physischen Ressourcen-Inanspruchnahme berechnet wurde.
  • Gemäß Ausführungsformen wird jedes VM-Abbild in Verbindung mit einem für den Nutzungstyp spezifischen VM-Ressourcen-Nutzungsprofil gespeichert, wobei ein Nutzungstyp z. B. ”Entwicklung”, ”Prüfung”, ”Produktion” oder dergleichen lauten kann. Gemäß dieser Ausführungsform umfasst das Verfahren ferner die folgenden Schritte:
    • – Empfangen einer Angabe eines angeforderten Nutzungstyps. Der angeforderte Nutzungstyp legt fest, wie die angeforderte VM-Abbildinstanz durch den anfordernden Benutzer verwendet wird. Der angeforderte Nutzungstyp ist typischerweise einer von einer Vielzahl von im Voraus definierten Nutzungstypen. Der angeforderte Nutzungstyp kann z. B. gemeinsam mit der Anforderung des Benutzers zum Instanziieren einer der Abbilder einer virtuellen Maschine empfangen werden.
    • – Ermitteln des für den Nutzungstyp spezifischen VM-Ressourcen-Nutzungsprofils für das in der Anforderung des Benutzers angegebene VM-Abbild;
    • – Verwenden des ermittelten, für den Nutzungstyp spezifischen VM-Ressourcen-Nutzungsprofils als das VM-Ressourcen-Nutzungsprofil, das zum Ausführen der Analyse der Profile zum Bestimmen des Ressourcen-Pools mit der geringsten Gesamtressourcen-Inanspruchnahme gelesen wird.
  • Gemäß Ausführungsformen wird die Ressourcen-Inanspruchnahme, die in dem VM-Ressourcen-Nutzungsprofil und/oder dem benutzerspezifischen VM-Ressourcen-Nutzungsprofil spezifiziert ist, verwendet, um festzustellen, ob die Ressourcen, die an einem oder mehreren zukünftigen Zeitpunkten durch die Abbildinstanz einer virtuellen Maschine angefordert werden, an dem einen oder den mehreren zukünftigen Zeitpunkten in dem wenigstens einen Ressourcen-Pool zur Verfügung stehen.
  • In einem weiteren Aspekt bezieht sich die Erfindung auf ein computerlesbares nichtflüchtiges Speichermedium, das computerlesbare Befehle enthält, die bei einer Ausführung durch einen Prozessor bewirken, dass der Prozessor das Verfahren nach einem der Verfahrensschritte der oben beschriebenen Ausführungsformen ausführt.
  • In einem weiteren Aspekt bezieht sich die Erfindung auf ein Computersystem, das Folgendes umfasst:
    • – eine Speichereinheit, die eine Vielzahl von VM-Abbildern aufweist;
    • – mehrere Ressourcen-Pools, wobei jeder Ressourcen-Pool eine oder mehrere Ressourcen aufweist;
    • – eine Schnittstelle, die eingerichtet ist zum Empfangen einer Anforderung eines Benutzers zum Nutzen einer neuen Instanz von einem der VM-Abbilder, wobei die Anforderung eine Angabe des VM-Abbilds ist, das instanziiert werden soll;
    • – eine Platzierungsmaschine, die eingerichtet ist zum: • Lesen eines VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem angegebenen VM-Abbild gespeichert wird, wobei das gelesene VM-Ressourcen-Nutzungsprofil erste Daten zur Ressourcen-Inanspruchnahme umfasst, wobei die ersten Daten zur Ressourcen-Inanspruchnahme eine Angabe einer vorhergesagten Ressourcen-Inanspruchnahme der angeforderten Instanz des angegebenen VM-Abbilds über eine erste Zeitperiode sind; • Lesen eines Ressourcen-Poolprofils für jeden der mehreren Ressourcen-Pools (108), wobei jedes für einen Ressourcen-Pool spezifische Profil zweite Daten zur Ressourcen-Inanspruchnahme umfasst, wobei die zweiten Daten zur Ressourcen-Inanspruchnahme eine Angabe einer vorhergesagten Ressourcen-Inanspruchnahme in dem Ressourcen-Pool, der dem Ressourcen-Poolprofil zugehörig ist, über eine zweite Zeitperiode sind, wobei das Ressourcen-Poolprofil ferner eine gegenwärtigen Ressourcen-Inanspruchnahme in dem Ressourcen-Pool umfasst; • Analysieren des gelesenen VM-Ressourcen-Nutzungsprofils und des Ressourcen-Poolprofils für jedes der Ressourcen-Poolprofile, wobei die Analyse das Angleichen des gelesenen VM-Ressourcen-Nutzungsprofils und der gelesenen Ressourcen-Poolprofile durch Angleichen der zweiten Zeitperiode der gelesenen Ressourcen-Poolprofile des Ressourcen-Pools an die erste Zeitperiode des gelesenen VM-Ressourcen-Nutzungsprofils umfasst; • Berechnen eines Ressourcen-Gesamtinanspruchnahmeprofils, das eine Angabe einer vollständigen Ressourcen-Inanspruchnahme in dem Ressourcen-Pool ist, für jedes der Ressourcen-Poolprofile durch Aufsummieren der Ressourcen-Inanspruchnahme der angeglichenen Profile; und • Ermitteln des einen der mehreren Ressourcen-Pools, der die geringste Gesamtressourcen-Nutzung aufweist, als ein Ergebnis der Analyse aller Ressourcen-Poolprofile.
  • Für einen Fachmann ist klar, dass Aspekte der vorliegenden Erfindung als ein System, Verfahren oder Computerprogrammprodukt ausgeführt werden können. Deswegen können, falls nicht ausdrücklich anders angegeben, Aspekte der vorliegenden Erfindung die Form einer reinen Hardware-Ausführungsform, einer reinen Software-Ausführungsform (mit Firmware, residenter Software, Mikrocode usw.) oder einer Software- und Hardware-Aspekte kombinierenden Ausführungsform, die hier alle allgemein als ein ”Modul” oder ”System” bezeichnet werden können, aufweisen. Jede Kombination aus einem oder mehreren computerlesbaren Medien kann verwendet werden.
  • Kurzbeschreibung der Zeichnungen
  • Im Folgenden werden bevorzugte Ausführungsformen der Erfindung lediglich beispielhaft durch Bezugnahme auf die Zeichnungen genauer beschrieben, worin:
  • 1 eine Systemarchitektur für die Ausführung des Verfahrens nach einer Ausführungsform der vorliegenden Erfindung veranschaulicht,
  • 2 ein Ablaufplan eines Verfahrens zum Optimieren des Platzierens eines Abbilds einer virtuellen Maschine in Cloud-Umgebungen ist,
  • 3 ein benutzerspezifisches VM-Ressourcen-Nutzungsprofil und ein Ressourcen-Poolprofil gemäß einer Ausführungsform der vorliegenden Erfindung veranschaulicht, und
  • 4 ein Ablaufplan ist, der einen Anwendungsfall gemäß verschiedener Ausführungsformen der Erfindung darstellt.
  • Genaue Beschreibung
  • Im Folgenden sind in diesen Figuren gleich nummerierte Elemente entweder ähnliche Elemente oder führen eine gleichwertige Funktion aus. Elemente, die zuvor erläutert wurden, werden in späteren Figuren nicht notwendigerweise erläutert, wenn die Funktion gleichwertig ist.
  • 1 stellt eine vorgeschlagene Systemarchitektur 100 dar, die funktionsmäßig in der Lage ist, den Prozess des Platzierens von Abbildern einer virtuellen Maschine in Cloud-Umgebungen gemäß der offenbarten Architektur der vorliegenden Erfindung auszuführen. Eine Abbildablage 102 enthält eine Anzahl von VM-Abbildern 103, aus denen neue VM-Abbildinstanzen bereitgestellt werden können. Zugehörig zu diesen VM-Abbildern sind Ressourcen-Nutzungsprofile 104 (Resource Usage Profiles, RUPs), die sowohl den Typ der VM als auch Informationen über die Ressourcen-Inanspruchnahme für verschiedene Ressourcen (z. B. CPU, Speicher, Platte usw.) für die VM anhand von ”Vergangenheitsdaten” d. h. überwachten Daten zur Ressourcen-Inanspruchnahme angeben. Ein Benutzerregister 105 enthält Benutzerprofile 106 für alle Benutzer, die in dem System registriert sind. Ein Benutzer, der in der Cloud-Dienstumgebung eingeloggt ist, kann das Instanziieren einer bestimmten Abbildinstanz einer virtuellen Maschine und die Bereitstellung dieser Instanz durch das System anfordern. Das Benutzerregister 105 enthält außerdem benutzerspezifische VM-Ressourcen-Nutzungsprofile, die hier als Benutzer-Ressourcen-Nutzungsprofile 107 (User Resource Usage Profiles, URUPs) bezeichnet werden, die ein mittleres erwartetes Ressourcen-Nutzungsprofil einer Instanz eines bestimmten VM-Abbilds, die durch den Benutzer angefordert wird, angeben. Ein hier verwendetes ”Profil” umfasst eine zeitliche Reihe von Datenwerten, die die Angabe einer vorhergesagten oder ”erwarteten” Ressourcen-Inanspruchnahme über eine Zeitperiode sind. Dieses Profil kann mehrere mittlere Ressourcen-Inanspruchnahmewerte umfassen, die für unterschiedliche Ressourcen-Typen, z. B. CPU-Nutzung, Speichernutzung, Plattenspeichernutzung usw. abgeleitet wurden. Mit anderen Worten ein Profil gibt an, wie ein spezieller Benutzer VMs bestimmter Typen über eine im Voraus definierte Zeitperiode verwendet.
  • In einigen Ausführungsformen weist das benutzerspezifische VM-Profil Regeln auf. Einige dieser Regeln umfassen benutzerspezifische Bedingungen in Bezug auf Anzahl, Typ und/oder Verfügbarkeit der Ressourcen. Diese Bedingungen sind in Übereinstimmung mit einer Dienstgütevereinbarung. Die Dienstgütevereinbarungen legen die geforderte Qualität des Dienstes fest, auf die sich der Benutzer und der Cloud-Diensteanbieter vertraglich geeinigt haben.
  • Das System enthält ferner eine Anzahl von Ressourcen-Pools/Host-Plattformen 108, die ausgeführte Instanzen von VMs 109 beherbergen. Jede ausgeführte VM 109 weist außerdem ein Ressourcen-Poolprofil auf, das als ”Resource Usage Profile” (HRUP-Hosted RUP) 113 bezeichnet wird, das dem Ressourcen-Poolprofil-Register 112 zugeordnet ist und darin gespeichert wird. Während einer anfänglichen Bereitstellung einer VM von einem VM-Abbild 103 wird das HRUP 113 der VM mit Daten von dem RUP 104 des VM-Abbilds 103 aktualisiert. Während der Lebensdauer einer VM überwacht ein VM-Nutzungs-Supervisor 110 periodisch die tatsächliche Ressourcen-Inanspruchnahme von VMs in einem Pool und aktualisiert ihre zugehörigen HRUPs 113 dementsprechend. Dazu verwendet er die APIs jeder Host-Plattform, um Ressourcen-Nutzungsdaten von ausgeführten VMs abzufragen. Es ist z. B. zu jedem Zeitpunkt möglich zu sehen, wie viel CPU und Speicher eine VM in Anspruch nimmt.
  • Wenn durch einen Benutzer eine neue VM angefordert wird, analysiert eine Platzierungsmaschine 110 die Ressourcen-Nutzungscharakteristiken, die in dem RUP 104 gespeichert sind, das dem durch den Benutzer ausgewählten VM-Abbild 103 zugeordnet ist. Diese Informationen können dann außerdem durch eine vorteilhafte Nutzung des URUP 107 des Benutzers ergänzt werden. Die Ressourcen-Nutzungscharakteristiken können mit Ressourcen-Nutzungsprofilen von VMs 109, die in verschiedenen Ressourcen-Pools 108 ausgeführt werden, verglichen werden, um den optimalen Ressourcen-Pool zu finden, bei dem eine beste Anpassung zwischen vorhergesagter Ressourcen-Verfügbarkeit und vorhergesagter Ressourcen-Nutzung angenommen werden kann. Ersatz-Ressourcen werden dynamisch berechnet durch Vergleichen der VM-Ressourcen-Nutzungsprofile (oder benutzerspezifischen VM-Ressourcen-Nutzungsprofile) aller VM-Abbilder, die in einem bestimmten Ressourcen-Pool instanziiert wurden, mit ständig empfangenen Überwachungsdaten, die eine Angabe der tatsächlichen physischen Ressourcen-Inanspruchnahme in dem Ressourcen-Pool darstellen. Auf diese Weise wird sichergestellt, dass jeder Ressourcen-Mangel schnell erfasst wird und eine vorhandene VM-Abbildinstanz unmittelbar zu einem anderen Ressourcen-Pool umgesetzt werden kann.
  • Schließlich kann ein Ressourcen-Manager 111 verwendet werden, um den Umfang und den Typ von Ressourcen, die ausgeführten VM-Instanzen 109 zugewiesen sind, aktiv und dynamisch zu steuern, indem Ressourcen freigegeben werden und indem diese Ressourcen auf der Grundlage einer Bewertung von Profilen neuen VM-Instanzen neu zugewiesen werden. Das heißt, bei physischen Ressourcen, die ausgeführten VMs zugewiesen sind, kann die Zuweisung zu diesen VM-Instanzen aufgehoben werden und sie können dann zum Instanziieren und Betreiben zusätzlicher VMs verwendet werden, oder sie können anderen vorhandenen Instanzen von VM-Abbildern neu zugewiesen werden. Diese Neuzuweisung von Ressourcen kann z. B. erfolgen, indem die VM-Ressourcen-Nutzungsprofile und/oder das benutzerspezifische VM-Ressourcen-Nutzungsprofil verwendet werden, um die bestimmten VMs vorherzusagen, deren Instanzen die Ressourcen in einer zukünftigen Zeitperiode höchstwahrscheinlich nicht benötigen, und diese Ressourcen anderen Instanzen eines VM-Abbilds neu zuzuweisen.
  • 2 ist ein Ablaufplan eines Verfahrens zum Optimieren des Platzierens von Abbildern einer virtuellen Maschine in Cloud-Umgebungen. Nach dem Empfangen einer Anforderung eines Benutzers zum Nutzen einer neuen Instanz einer der VM-Abbilder im Schritt 201 liest die Platzierungsmaschine im Schritt 202 das VM-Ressourcen-Nutzungsprofil, das in Verbindung mit dem angeforderten VM-Abbild gespeichert wird. Das gelesene VM-Ressourcen-Nutzungsprofil umfasst erste Daten zur Ressourcen-Inanspruchnahme. Die ersten Daten zur Ressourcen-Inanspruchnahme geben die vorhergesagte Ressourcen-Inanspruchnahme der angeforderten Instanz des angegebenen VM-Abbilds über eine erste Zeitperiode an. Im Schritt 204 liest die Platzierungsmaschine ein Ressourcen-Poolprofil für jeden der mehreren Ressourcen-Pools. Jedes Ressourcen-Poolprofil umfasst zweite Daten zur Ressourcen-Inanspruchnahme. Die zweiten Daten zur Ressourcen-Inanspruchnahme geben die gegenwärtige und vorhergesagte Ressourcen-Inanspruchnahme in dem Ressourcen-Pool, der dem Ressourcen-Poolprofil zugeordnet ist, über eine zweite Zeitperiode an. Im Schritt 205 analysiert die Platzierungsmaschine das erste und das zweite Ressourcen-Profil und berechnet im Schritt 206 die Ressourcen-Gesamtinanspruchnahme von ausgeführten Instanzen 109 und der angeforderten Instanz in jedem der mehreren Ressourcen-Pools 108. Im Schritt 207 bestimmt die Platzierungsmaschine 101 einen der mehreren Ressourcen-Pools, der die geringste Gesamtressourcen-Nutzung aufweist. Der Schritt 205 wird in dem Beispiel von 3 weiter erläutert.
  • 3 veranschaulicht den zeitlichen Verlauf der mittleren Instanzen-Inanspruchnahme von Ressourcen gemäß einer Ausführungsform der vorliegenden Erfindung. Eine Vielfalt von Ressourcen kann berücksichtigt werden wie etwa die CPU-Nutzung, Speichernutzung, Plattenspeichernutzung usw. Die Darstellung 303 von 3 veranschaulicht den zeitlichen Verlauf der erwarteten Ressourcen-Inanspruchnahme einer Instanz eines VM-Abbilds 103, die durch einen Gastbenutzer für Zwecke der Software-Entwicklung angefordert wird. Sie ist ein Ergebnis der Überlagerung der Ressourcen-Nutzung des Benutzers und der Ressourcen-Inanspruchnahme des VM-Abbilds. Es ist klar, dass die in 3 dargestellten Profile unter Verwendung von ständigen zeitlichen Änderungen gezeigt werden. Die tatsächliche Ressourcen-Inanspruchnahme ändert sich jedoch zeitlich diskret. Diese Figuren dienen dementsprechend lediglich zur Veranschaulichung des Konzepts.
  • Wie in der Darstellung 303 ersichtlich steigt die Ressourcen-Inanspruchnahme zum Zeitpunkt t1, nachdem der Betrieb der Instanz der virtuellen Maschine, die von dem angeforderten VM-Abbild bereitgestellt wurde, begonnen wurde. Er erreicht eine bestimmte maximale Ressourcen-Inanspruchnahme zum Zeitpunkt t2. Die Ressourcen-Inanspruchnahme verringert sich und beginnt zum Zeitpunkt t3 wieder anzusteigen, um einen zweiten Maximalwert zum Zeitpunkt t4 zu erreichen. Das ist ein Veranschaulichungsbeispiel eines Benutzers, der eine Entwicklungsmaschine anfordert, die gewöhnlich lediglich während des Tages läuft. Dieser Benutzer verwendet diese Art von Maschinen gewöhnlich in der regulären Arbeitszeit während des Morgens (Zeitpunkt t2) und am Nachmittag (Zeitpunkt t4). Eine Produktionsmaschine (nicht gezeigt) kann in Abhängigkeit von dem bestimmten Szenario des Verwendungsfalls einer Instanz des VM-Abbilds ein anderes benutzerspezifisches VM-Ressourcen-Nutzungsprofil aufweisen.
  • Die Darstellung 302 veranschaulicht die gegenwärtige und die erwartete Ressourcen-Inanspruchnahme durch einen Ressourcen-Pool, der ausgeführte Instanzen einer virtuellen Maschine hält. In diesem Beispiel betreiben die ausgeführten Instanzen der virtuellen Maschine über Nacht Stapelprozesse. Wie in der Darstellung 302 veranschaulicht erreicht die Ressourcen-Inanspruchnahme den Maximalwert während der Nacht zum Zeitpunkt t0 und verringert sich auf seinen Minimalwert während des Tages.
  • Die Darstellung 301 veranschaulicht die vorhergesagte Ressourcen-Inanspruchnahme des Ressourcen-Pools und das angeforderte benutzerspezifische VM-Abbild. Wie in der Darstellung 301 veranschaulicht kann ein Schwellenwert der Ressourcen-Inanspruchnahme Tr1 306 festgelegt sein. Dieser Schwellenwert kann verwendet werden, um das Platzieren und Instanziieren einer neuen VM im Ressourcen-Pool auszulösen.
  • Die Auswahl des Ressourcen-Pools, wo die angeforderte VM platziert wird, erfolgt auf der Grundlage des vorhergesagten Ressourcen-Inanspruchnahmeprofils 301 jeder der Host-Plattformen. Wenn eine Zeitperiode zwischen einem Anfangszeitpunkt ti und einem Endzeitpunkt tf den Zeitpunkt für die Anforderung einer VM-Instanz enthalten kann, sind zwei Kriterien gefordert, um den Ressourcen-Pool auszuwählen, um diese angeforderte VM-Instanz zu halten:
    • – die Ressourcen-Spitzennutzungen für eine vorgegebene Host-Plattform darf den Schwellenwert Tr1 306 in der Zeitperiode zwischen ti und tf nicht übersteigen. In dem Beispiel von 3 würde die Host-Plattform dieses Kriterium für die Zeitperiode zwischen dem Zeitpunkt t1 und t3 nicht erfüllen. In der Zeitperiode zwischen t3 und t5 wird dagegen die Host-Plattform für die endgültige Auswahl berücksichtigt, da der Maximalwert der Inanspruchnahme den Schwellenwert Tr1 306 nicht übersteigt.
    • – wenn mehr als eine Host-Plattform vorhanden sind, die das obige Kriterium erfüllen, wird die eine Host-Plattform mit der geringsten sich ergebenden Ressourcen-Inanspruchnahme als ein Integral der überlagerten Ressourcen-Inanspruchnahmekurve 301 zwischen dem Zeitpunkt ti und dem Zeitpunkt tf ausgewählt.
  • 4 ist ein Ablaufplan, der einen Verwendungsfall der vorliegenden Erfindung zeigt. Im Schritt 401 fordert der Benutzer eine neue VM anhand eines spezifizierten Abbilds 103 von dem vorhandenen Abbildregister 102. Im Schritt 402 prüft die Platzierungsmaschine 101 den vorgegebenen Benutzer, ob ein benutzerdefiniertes RUP 107 bereits vorhanden ist. Wenn das URUP 107 nicht vorhanden ist, kopiert die Platzierungsmaschine 101 das RUP 104 des angeforderten VM-Abbilds für den Benutzer im Schritt 403. Wenn das URUP 107 vorhanden ist, verknüpft die Platzierungsmaschine im Schritt 404 Daten von dem RUP eines VM-Abbilds und des URUP des anfordernden Benutzers, um benutzerspezifische Nutzungsmuster (URUP) für eine VM eines vorgegebenen Typs zu berücksichtigen. Im Schritt 405 berechnet die Platzierungsmaschine 101 für die vorhandenen Host-Plattformen die beste Position für die angeforderte VM-Instanz. Das erfolgt durch Vergleichen des URUP 107 mit den Ressourcen-Nutzungsprofilen von jedem der Ressourcen-Pools. Das Ressourcen-Nutzungsprofil des Ressourcen-Pools wird erhalten als Überlagerung der zugewiesenen Ressourcen-Nutzungsprofile aller Instanzen aller VM-Abbilder, die in dem Ressourcen-Pool ausgeführt werden. Die Platzierungsmaschine 101 berechnet die gesamte vorhergesagte Ressourcen-Inanspruchnahme jeder VM-Instanz, die tatsächlich in dem Ressourcen-Pool ausgeführt wird, und des angeforderten VM-Abbilds. Wenn im Schritt 406 eine oder mehrere freie Ressourcen der Host-Plattform 109 ermittelt werden können, kann die VM in der Host-Plattform 109 ohne Neuzuweisung von Ressourcen instanziiert werden. Die Platzierungsmaschine 101 wählt die Host-Plattform mit der geringsten mittleren Ressourcen-Inanspruchnahme über eine abgestimmte Zeitperiode.
  • Wenn kein freier Ressourcen-Pool, der auch als ”Host-Plattform” bezeichnet wird, ermittelt werden konnte, das heißt, es wird anhand der gegenwärtigen Zuweisung von Ressourcen zu Ressourcen-Pools vorhergesagt, dass das angeforderte VM-Abbild in keine Host-Plattform passt, berechnet die Platzierungsmaschine 101 eine Host-Plattform 108 anhand der vorhandenen HRUPs 113 und des URUP 107, deren erwartetes Ressourcen-Nutzungsprofil die beste verfügbare Anpassung an die Ressourcen-Anforderungen der angeforderten VM-Instanz liefert. Die Ressourcen, die in dieser am besten angepassten Host-Plattform zur Verfügung stehen, können jedoch zukünftig für die Anforderungen dieser VM-Abbildinstanz nicht ausreichend sein, das angeforderte VM-Abbild wird trotzdem in der am besten angepassten Host-Plattform instanziiert. Dann stellt die Platzierungsmaschine 101 durch Bewerten der Ressourcen-Poolprofile aller Ressourcen-Pools und des VM-Ressourcen-Nutzungsprofils und/oder des benutzerspezifischen VM-Ressourcen-Nutzungsprofils fest, welche VM-Instanz eine bestimmte Ressource an einem zukünftigen Zeitpunkt eigentlich nicht benötigt, wenn die instanziierte VM-Abbildinstanz eine Ressource dieses Ressourcen-Typs anfordert. Das Ergebnis dieser Feststellung wird für die Neuzuweisung dieser Ressource zu der VM-Instanz, die sie an diesem zukünftigen Zeitpunkt tatsächlich benötigt, verwendet. Nachdem im Schritt 410 festgestellt wurde, dass eine Ressource von einer ersten VM-Abbildinstanz zu einer zweiten VM-Abbildinstanz, die Teil des gleichen oder eines anderen Ressourcen-Pools sein kann, neu zugeordnet werden sollte, sendet die Platzierungsmaschine im Schritt 411 eine Ressourcen-Neuzuweisungsanforderung an den VM-Nutzungs-Supervisor 110. Der VM-Nutzungs-Supervisor 110 weist eine oder mehrere Ressourcen in Übereinstimmung mit den Spezifikationen in der Ressourcen-Neuzuweisungsanforderung neu zu.
  • Im Schritt 409 sendet die Platzierungsmaschine 101 eine Anforderung zum Platzieren einer VM-Abbildinstanz, das heißt eine Anforderung zum Instanziieren des VM-Abbilds, an den VM-Nutzungs-Supervisor 110. Der VM-Nutzungs-Supervisor 110 erzeugt eine neue VM-Abbildinstanz auf der ausgewählten Host-Plattform 108. Der Benutzer wird über die erzeugte VM-Abbildinstanz benachrichtigt.

Claims (12)

  1. Verfahren zum Optimieren des Platzierens einer Vielzahl von Abbildern virtueller Maschinen (103) in einer Cloud-Umgebung, wobei die Cloud-Umgebung mehrere Ressourcen-Pools (108) aufweist, wobei jeder Ressourcen-Pool (108) eine oder mehrere Ressourcen aufweist, wobei das Verfahren aufweist: – Empfangen (201) einer Anforderung eines Benutzers zum Nutzen einer neuen Instanz eines der Abbilder virtueller Maschinen (103), wobei die Anforderung eine Angabe des Abbilds der virtuellen Maschine (103), die instanziiert werden soll, darstellt; – Lesen (202) eines VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem angegebenen Abbild einer virtuellen Maschine (103) gespeichert ist, durch eine Platzierungsmaschine (101), wobei das gelesene VM-Ressourcen-Nutzungsprofil erste Daten zur Ressourcen-Inanspruchnahme aufweist, wobei die ersten Daten zur Ressourcen-Inanspruchnahme eine Angabe einer vorhergesagten Ressourcen-Inanspruchnahme der angeforderten Instanz des angegebenen Abbilds einer virtuellen Maschine (101) über eine erste Zeitperiode sind; – Lesen (204) eines Ressourcen-Poolprofils für jeden der mehreren Ressourcen-Pools (108) durch die Platzierungsmaschine (101), wobei jedes Ressourcen-Poolprofil zweite Daten zur Ressourcen-Inanspruchnahme aufweist, wobei die zweiten Daten zur Ressourcen-Inanspruchnahme eine Angabe einer vorhergesagten Ressourcen-Inanspruchnahme in dem Ressourcen-Pool, der mit dem Ressourcen-Poolprofil verbunden ist, über eine zweite Zeitperiode sind, wobei das Ressourcen-Poolprofil des Weiteren eine gegenwärtige Ressourcen-Inanspruchnahme in dem Ressourcen-Pool aufweist; – Gegebenenfalls Lesen eines benutzerspezifischen VM-Nutzungsprofils, das in Verbindung mit dem angegebenen VM-Abbild (103) gespeichert wird und in Verbindung mit einer Kennung des Benutzers gespeichert wird, wobei das benutzerspezifische VM-Ressourcen-Nutzungsprofil dritte Ressourcen-Nutzungsdaten aufweist, wobei die dritten Ressourcen-Nutzungsdaten eine Angabe einer vorhergesagten benutzerspezifischen Ressourcen-Inanspruchnahme der angeforderten Instanz des angegebenen Abbilds (103) einer virtuellen Maschine über eine erste Zeitperiode sind, wobei die benutzerspezifische Ressourcen-Inanspruchnahme für den Benutzer vorhergesagt wurde; – wobei für jedes der Ressourcen-Poolprofile die Platzierungsmaschine die Schritte ausführt: – Erzeugen (402) eines resultierenden VM-Ressourcen-Nutzungsprofils, indem entweder das gelesene benutzerspezifische VM-Ressourcen-Nutzungsprofil (falls verfügbar) oder das gelesene VM-Ressourcen- Nutzungsprofil verwendet wird, – Analysieren (205) des resultierenden VM-Ressourcen-Nutzungsprofils und des gelesenen Ressourcen-Poolprofils, wobei die Analyse das Angleichen des resultierenden VM-Ressourcen-Nutzungsprofils und des gelesenen Ressourcen-Poolprofils durch Angleichen der zweiten Zeitperiode des gelesenen Ressourcen-Poolprofils des Ressourcen-Pools an die erste Zeitperiode des gelesenen VM-Ressourcen-Nutzungsprofils aufweist; – Berechnen (206) eines Ressourcen-Gesamtinanspruchnahmeprofils, das eine Vorhersage einer Ressourcen-Gesamtinanspruchnahme in dem Ressourcen-Pool ist, durch Zusammenfassen der Ressourcen-Inanspruchnahme der angeglichenen Profile; und – Ermitteln (207) des einen von den mehreren Ressourcen-Pools (108), der die geringste Gesamtressourcen-Inanspruchnahme aufweist, als ein Ergebnis der Analyse der Ressourcen-Poolprofile.
  2. Verfahren nach Anspruch 1, das ferner den Schritt aufweist: Instanziieren des angegebenen Abbilds (103) einer virtuellen Maschine in dem bestimmten Ressourcen-Pool.
  3. Verfahren nach Anspruch 1, das ferner die Schritte aufweist: – Empfangen der Anforderung eines Benutzers zum Verwenden eines separaten vom Benutzer gewählten VM-Ressourcen-Nutzungsprofils anstelle des benutzerspezifischen VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem angegebenen VM-Abbild (103) und in Verbindung mit einer Kennung des Benutzers gespeichert wird; und – Verwenden des vom Benutzer gewählten VM-Ressourcen-Nutzungsprofils anstelle des gelesenen benutzerspezifischen VM-Ressourcen-Nutzungsprofils, wenn die Analyse ausgeführt wird.
  4. Verfahren nach einem der Ansprüche 1 bis 3, wobei der Ressourcen-Pool (108), der die geringste Ressourcen-Nutzung aufweist, aus der Gruppe ausgewählt wird, die enthält: – den Ressourcen-Pool (108), für den der niedrigste integrale Ressourcen-Inanspruchnahmewert des Ressourcen-Gesamtinanspruchnahmeprofils berechnet wurde; – den Ressourcen-Pool (108), für den der niedrigste integrale Ressourcen-Inanspruchnahmewert des Ressourcen-Gesamtinanspruchnahmeprofils berechnet wurde und wobei das Ressourcen-Gesamtinanspruchnahmeprofil keinen Wert aufweist, der einen Schwellenwert übersteigt.
  5. Verfahren nach einem der Ansprüche 3 bis 4, wobei das benutzerspezifische VM-Ressourcen-Nutzungsprofil Regeln aufweist, wobei das Verfahren ferner aufweist: – beim Ausführen der Analyse Anwenden der Regeln auf das gelesene VM-Ressourcen-Nutzungsprofil, das gelesene benutzerspezifische VM-Ressourcen-Nutzungsprofil und/oder die gelesenen Ressourcen-Poolprofile.
  6. Verfahren nach Anspruch 5, wobei wenigstens einige der Regeln benutzerspezifische Bedingungen in Bezug auf Anzahl, Typ und/oder Verfügbarkeit von Ressourcen aufweisen, um zu garantieren, dass die Anzahl und der Typ von Ressourcen, die dem angeforderten Abbild (103) einer virtuellen Maschine zugewiesen sind, einer Dienstgütevereinbarung entsprechen.
  7. Verfahren nach einem der vorhergehenden Ansprüche, wobei das VM-Ressourcen-Nutzungsprofil von wenigstens einem der Abbilder einer virtuellen Maschine durch Ausführen der folgenden Schritte erzeugt wird: – Bewerten der gegenwärtigen Ressourcen-Inanspruchnahme aller Instanzen (109) des wenigstens einen VM-Abbilds durch ein Modul (110) eines VM-Nutzungs-Supervisors, wodurch erste bewertete Daten bereitgestellt werden; – Vorhersagen der Ressourcen-Inanspruchnahme einer Instanz des wenigstens einen VM-Abbilds über die erste Zeitperiode durch Bewerten der ersten bewerteten Daten; und – Aktualisieren des VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem wenigstens einen VM-Abbild (103) gespeichert wird, mit den vorhergesagten Daten zur Ressourcen-Inanspruchnahme.
  8. Verfahren nach einem der vorhergehenden Ansprüche, wobei das benutzerspezifische VM-Ressourcen-Nutzungsprofil des wenigstens einen der VM-Abbilder durch Ausführen der folgenden Schritte erzeugt wird: – Überwachen der gegenwärtigen Ressourcen-Inanspruchnahme aller Instanzen (109) des wenigstens einen VM-Abbilds, deren Instanziieren durch den Benutzer gefordert wurde, durch ein Modul (110) des VM-Nutzungs-Supervisor, wodurch zweite Überwachungsdaten bereitgestellt werden; – Vorhersagen der Ressourcen-Inanspruchnahme einer Instanz des wenigstens einen VM-Abbilds, die durch den Benutzer angefordert werden soll, über die zweite Zeitperiode durch Bewerten der zweiten Überwachungsdaten; und – Aktualisieren des benutzerspezifischen VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem wenigstens einen VM-Abbild (103) gespeichert wird, mit den vorhergesagten Daten zur Ressourcen-Inanspruchnahme.
  9. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Ressourcen-Poolprofile erzeugt werden, indem für jeden der Ressourcen-Pools (108) die folgenden Schritte ausgeführt werden: – Überwachen von Anzahl und Typ der Ressourcen des Ressourcen-Pools (108), die einer von der einen oder den mehreren VM-Abbildinstanzen (109) zugewiesen sind, die in dem Ressourcen-Pool (108) ausgeführt werden, wodurch zweite Überwachungsdaten bereitgestellt werden, wobei die zweiten Überwachungsdaten eine gemessene physische Zuweisung von Ressourcen zu Abbildinstanzen einer virtuellen Maschine über die zweite Zeitperiode aufweisen; – Überlagern der zweiten Überwachungsdaten, die für alle Abbildinstanzen (109) einer virtuellen Maschine, die in dem Ressourcen-Pool ausgeführt werden, erhalten werden, wodurch ein überlagertes Ressourcen-Inanspruchnahmeprofil für den Ressourcen-Pool (108) erzeugt wird; und – Verwenden des überlagerten Ressourcen-Inanspruchnahmeprofils zum Erzeugen und/oder Aktualisieren des Ressourcen-Poolprofils des Ressourcen-Pools (108).
  10. Verfahren nach einem der vorhergehenden Ansprüche 2 bis 9, wobei jeder der VM-Abbildinstanzen, die in einem der Ressourcen-Pools ausgeführt werden, eine oder mehrere Ressourcen des Ressourcen-Pools zugewiesen sind, wobei das Verfahren ferner aufweist: – Ermitteln aller Ressourcen in dem wenigstens einen Ressourcen-Pool, die während der zweiten Zeitperiode nicht belegt sind, durch den VM-Nutzungs-Supervisor (110), wobei das Ermitteln durch Subtrahieren des gesamten Ressourcen-Inanspruchnahmeprofils von einer bekannten Anzahl aller Ressourcen des wenigstens einen Ressourcen-Pools ausgeführt wird; – für die angeforderte Abbildinstanz einer virtuellen Maschine, die in dem wenigstens einen Ressourcen-Pool instanziiert werden soll, Ermitteln von einer oder mehreren gegenwärtig angeforderten Ressourcen durch Bewerten des VM-Ressourcen-Nutzungsprofils oder des benutzerspezifischen VM-Ressourcen-Nutzungsprofils des angegebenen Abbilds einer virtuellen Maschine; – falls die festgestellte Anzahl von Ressourcen eines ersten Ressourcen-Typs, die durch die angeforderte Instanz gefordert wird, die festgelegte Anzahl von gegenwärtig nicht belegten Ressourcen des ersten Ressourcen-Typs übersteigt, Auslösen des Instanziierens der geforderten Abbildinstanz einer virtuellen Maschine in einem anderen Ressourcen-Pool (108) durch die Platzierungsmaschine (101).
  11. Computerlesbares nichtflüchtiges Speichermedium, das computerlesbare Befehle aufweist, die bei Ausführung durch einen Prozessor bewirken, dass der Prozessor das Verfahren nach einem der Ansprüche 1 bis 10 ausführt.
  12. Computersystem, aufweisend: – Speichereinheit, die eine Vielzahl von VM-Abbildern (103) aufweist; – mehrere Ressourcen-Pools (108), wobei jeder Ressourcen-Pool (108) eine oder mehrere Ressourcen aufweist; – eine Schnittstelle, die eingerichtet ist zum Empfangen einer Anforderung eines Benutzers zum Nutzen einer neuen Instanz des VM-Abbilds (103), wobei die Anforderung eine Angabe des VM-Abbilds (103) ist, das instanziiert werden soll; – eine Platzierungsmaschine (101), eingerichtet zum • falls verfügbar Lesen eines benutzerspezifischen VM-Ressourcen-Nutzungsprofils, das in Verbindung mit dem angegebenen VM-Abbild (103) gespeichert wird und in Verbindung mit einer Kennung des Benutzers gespeichert wird, wobei das benutzerspezifische VM-Ressourcen-Nutzungsprofil erste Daten zur Ressourcen-Inanspruchnahme aufweist, wobei die ersten Daten zur Ressourcen-Inanspruchnahme eine Angabe einer vorhergesagten Ressourcen-Inanspruchnahme der angeforderten Instanz des angegebenen VM-Abbilds (103) über eine erste Zeitperiode sind; • Lesen eines Ressourcen-Poolprofils für jeden der mehreren Ressourcen-Pools (108), wobei jedes spezifische Profil des Ressourcen-Pools (108) zweite Daten zur Ressourcen-Inanspruchnahme aufweist, wobei die zweiten Daten zur Ressourcen-Inanspruchnahme eine Angabe einer vorhergesagten Ressourcen-Inanspruchnahme in dem Ressourcen-Pool (108) sind, der mit dem Ressourcen-Poolprofil über ein zweite Zeitperiode verbunden ist, wobei das Ressourcen-Poolprofil ferner eine gegenwärtige Ressourcen-Inanspruchnahme in dem Ressourcen-Pool aufweist; • Erzeugen (402) eines resultierenden VM-Ressourcen-Nutzungsprofils entweder durch Wählen des gelesenen benutzerspezifischen VM-Ressourcen-Nutzungsprofils (falls verfügbar) oder durch Wählen des gelesenen VM-Ressourcen-Nutzungsprofils, • für jedes der Ressourcen-Poolprofile Analysieren (205) des resultierenden VM-Ressourcen-Nutzungsprofils und des Ressourcen-Poolprofils, wobei die Analyse das Angleichen des gelesenen VM-Ressourcen-Nutzungsprofils und der gelesenen Ressourcen-Poolprofile aufweist durch Angleichen der zweiten Zeitperiode der gelesenen Ressourcen-Poolprofile des Ressourcen-Pools an die erste Zeitperiode des gelesenen VM-Ressourcen-Nutzungsprofils; • für jedes der Ressourcen-Poolprofile Berechnen eines kumulierten Ressourcen-Inanspruchnahmeprofils, das eine Angabe einer Ressourcen-Gesamtinanspruchnahme in dem Ressourcen-Pool ist, durch Kumulieren der Ressourcen-Inanspruchnahme der angeglichenen Profile; und • Ermitteln des einen der mehreren Ressourcen-Pools (108), der die geringste kumulierte Ressourcen-Nutzung aufweist, als ein Ergebnis der Analyse aller Ressourcenprofile.
DE102012217202.5A 2011-10-12 2012-09-24 Verfahren und System zum Optimieren des Platzierens virtueller Maschinen in Cloud-Computing-Umgebungen Active DE102012217202B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP11184860.2 2011-10-12
EP11184860 2011-10-12

Publications (2)

Publication Number Publication Date
DE102012217202A1 true DE102012217202A1 (de) 2013-04-18
DE102012217202B4 DE102012217202B4 (de) 2020-06-18

Family

ID=47990877

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102012217202.5A Active DE102012217202B4 (de) 2011-10-12 2012-09-24 Verfahren und System zum Optimieren des Platzierens virtueller Maschinen in Cloud-Computing-Umgebungen

Country Status (3)

Country Link
US (2) US9495215B2 (de)
DE (1) DE102012217202B4 (de)
GB (1) GB2495820B (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015164023A1 (en) * 2014-04-21 2015-10-29 Vce Company, Llc Systems and methods for physical and logical resource profiling, analysis and behavioral prediction
US11336519B1 (en) * 2015-03-10 2022-05-17 Amazon Technologies, Inc. Evaluating placement configurations for distributed resource placement

Families Citing this family (231)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9736065B2 (en) 2011-06-24 2017-08-15 Cisco Technology, Inc. Level of hierarchy in MST for traffic localization and load balancing
DE102012217202B4 (de) * 2011-10-12 2020-06-18 International Business Machines Corporation Verfahren und System zum Optimieren des Platzierens virtueller Maschinen in Cloud-Computing-Umgebungen
US8782242B2 (en) 2011-10-13 2014-07-15 Vmware, Inc. Software application placement using computing resource containers
US8880930B2 (en) * 2011-10-13 2014-11-04 Vmware, Inc. Software application placement based on failure correlation
US8908698B2 (en) 2012-01-13 2014-12-09 Cisco Technology, Inc. System and method for managing site-to-site VPNs of a cloud managed network
US9146840B2 (en) * 2012-06-15 2015-09-29 Cycle Computing, Llc Method and system for automatically detecting and resolving infrastructure faults in cloud infrastructure
US8930948B2 (en) * 2012-06-21 2015-01-06 Vmware, Inc. Opportunistically proactive resource management using spare capacity
US9742684B1 (en) * 2012-11-01 2017-08-22 Amazon Technologies, Inc. Adaptive service scaling
US20140164594A1 (en) * 2012-12-11 2014-06-12 International Business Machines Corporation Intelligent placement of virtual servers within a virtualized computing environment
US9773026B1 (en) * 2012-12-20 2017-09-26 EMC IP Holding Company LLC Calculation of system utilization
US9569233B2 (en) * 2012-12-31 2017-02-14 F5 Networks, Inc. Elastic offload of prebuilt traffic management system component virtual machines
WO2014122743A1 (ja) * 2013-02-06 2014-08-14 株式会社日立製作所 仮想ゲスト管理システム及び仮想ゲスト管理方法
US9521188B1 (en) * 2013-03-07 2016-12-13 Amazon Technologies, Inc. Scheduled execution of instances
US9251115B2 (en) * 2013-03-07 2016-02-02 Citrix Systems, Inc. Dynamic configuration in cloud computing environments
US9148350B1 (en) 2013-03-11 2015-09-29 Amazon Technologies, Inc. Automated data synchronization
US10142406B2 (en) 2013-03-11 2018-11-27 Amazon Technologies, Inc. Automated data center selection
US9002982B2 (en) 2013-03-11 2015-04-07 Amazon Technologies, Inc. Automated desktop placement
US10313345B2 (en) 2013-03-11 2019-06-04 Amazon Technologies, Inc. Application marketplace for virtual desktops
US9467395B2 (en) * 2013-03-13 2016-10-11 Vmware, Inc. Cloud computing nodes for aggregating cloud computing resources from multiple sources
US10216503B2 (en) * 2013-03-13 2019-02-26 Elasticbox Inc. Deploying, monitoring, and controlling multiple components of an application
US9043439B2 (en) 2013-03-14 2015-05-26 Cisco Technology, Inc. Method for streaming packet captures from network access devices to a cloud server over HTTP
JP6291034B2 (ja) * 2013-05-08 2018-03-14 アマゾン テクノロジーズ インコーポレイテッド 仮想マシンインスタンスの、ユーザから影響を受けた配置
US9665387B2 (en) * 2013-05-08 2017-05-30 Amazon Technologies, Inc. User-influenced placement of virtual machine instances
US9495180B2 (en) * 2013-05-10 2016-11-15 Fireeye, Inc. Optimized resource allocation for virtual machines within a malware content detection system
WO2014198001A1 (en) * 2013-06-14 2014-12-18 Cirba Inc System and method for determining capacity in computer environments using demand profiles
US20150006614A1 (en) * 2013-06-26 2015-01-01 Amazon Technologies, Inc. Management of computing sessions
US10686646B1 (en) 2013-06-26 2020-06-16 Amazon Technologies, Inc. Management of computing sessions
US10623243B2 (en) 2013-06-26 2020-04-14 Amazon Technologies, Inc. Management of computing sessions
US20150019705A1 (en) * 2013-06-26 2015-01-15 Amazon Technologies, Inc. Management of computing sessions
CN104348764B (zh) * 2013-07-31 2017-09-19 国际商业机器公司 在数据接收链路中分配计算单元的方法和装置
CN104424013B (zh) * 2013-08-26 2018-03-09 国际商业机器公司 在计算环境中部署虚拟机的方法和设备
CN104519082B (zh) * 2013-09-27 2018-11-20 腾讯科技(深圳)有限公司 一种云计算的扩容方法和装置
US20150106805A1 (en) * 2013-10-15 2015-04-16 Cisco Technology, Inc. Accelerated instantiation of cloud resource
US9471352B1 (en) * 2013-11-25 2016-10-18 Amazon Technologies, Inc. Capability based placement
US9246840B2 (en) 2013-12-13 2016-01-26 International Business Machines Corporation Dynamically move heterogeneous cloud resources based on workload analysis
US20150172204A1 (en) * 2013-12-13 2015-06-18 International Business Machines Corporation Dynamically Change Cloud Environment Configurations Based on Moving Workloads
US9495238B2 (en) 2013-12-13 2016-11-15 International Business Machines Corporation Fractional reserve high availability using cloud command interception
US10963304B1 (en) * 2014-02-10 2021-03-30 Google Llc Omega resource model: returned-resources
US10298517B2 (en) * 2014-02-17 2019-05-21 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for allocating physical resources to a summarized resource
US9871741B2 (en) * 2014-03-10 2018-01-16 Microsoft Technology Licensing, Llc Resource management based on device-specific or user-specific resource usage profiles
US9948493B2 (en) * 2014-04-03 2018-04-17 Centurylink Intellectual Property Llc Network functions virtualization interconnection gateway
US9755858B2 (en) 2014-04-15 2017-09-05 Cisco Technology, Inc. Programmable infrastructure gateway for enabling hybrid cloud services in a network environment
US9473365B2 (en) 2014-05-08 2016-10-18 Cisco Technology, Inc. Collaborative inter-service scheduling of logical resources in cloud platforms
CN105335207B (zh) * 2014-05-29 2019-04-12 国际商业机器公司 用于管理虚拟机实例的方法和装置
US9565130B2 (en) 2014-06-12 2017-02-07 Cisco Technology, Inc. Cloud-based resource availability calculation of a network environment
US10122605B2 (en) 2014-07-09 2018-11-06 Cisco Technology, Inc Annotation of network activity through different phases of execution
US9411627B2 (en) * 2014-07-18 2016-08-09 International Business Machines Corporation Allocating storage for virtual machine instances based on input/output (I/O) usage rate of the disk extents stored in an I/O profile of a previous incarnation of the virtual machine
WO2016013086A1 (ja) * 2014-07-24 2016-01-28 株式会社日立製作所 計算機システムおよびメモリ割当管理方法
US9912609B2 (en) 2014-08-08 2018-03-06 Oracle International Corporation Placement policy-based allocation of computing resources
US9961017B2 (en) 2014-08-08 2018-05-01 Oracle International Corporation Demand policy-based resource management and allocation system
US9501306B2 (en) 2014-09-22 2016-11-22 International Business Machines Corporation Placing virtual machines in a virtual environment
US9825878B2 (en) 2014-09-26 2017-11-21 Cisco Technology, Inc. Distributed application framework for prioritizing network traffic using application priority awareness
US9830193B1 (en) 2014-09-30 2017-11-28 Amazon Technologies, Inc. Automatic management of low latency computational capacity
US9678773B1 (en) 2014-09-30 2017-06-13 Amazon Technologies, Inc. Low latency computational capacity provisioning
US9146764B1 (en) 2014-09-30 2015-09-29 Amazon Technologies, Inc. Processing event messages for user requests to execute program code
US9715402B2 (en) 2014-09-30 2017-07-25 Amazon Technologies, Inc. Dynamic code deployment and versioning
US9600312B2 (en) 2014-09-30 2017-03-21 Amazon Technologies, Inc. Threading as a service
US9323556B2 (en) 2014-09-30 2016-04-26 Amazon Technologies, Inc. Programmatic event detection and message generation for requests to execute program code
US10048974B1 (en) 2014-09-30 2018-08-14 Amazon Technologies, Inc. Message-based computation request scheduling
CN104391735B (zh) * 2014-11-14 2018-11-06 深信服网络科技(深圳)有限公司 虚拟化一体机集群中虚拟机调度方法及系统
US9886296B2 (en) * 2014-12-01 2018-02-06 International Business Machines Corporation Managing hypervisor weights in a virtual environment
US10374924B1 (en) * 2014-12-05 2019-08-06 Amazon Technologies, Inc. Virtualized network device failure detection
US9537788B2 (en) 2014-12-05 2017-01-03 Amazon Technologies, Inc. Automatic determination of resource sizing
WO2016094572A1 (en) * 2014-12-11 2016-06-16 Kodiak Networks, Inc. System for inter-communication between integrated digital enhanced network systems and push-to-talk-over-cellular systems
US9921866B2 (en) * 2014-12-22 2018-03-20 Intel Corporation CPU overprovisioning and cloud compute workload scheduling mechanism
US9727725B2 (en) 2015-02-04 2017-08-08 Amazon Technologies, Inc. Security protocols for low latency execution of program code
US9733967B2 (en) 2015-02-04 2017-08-15 Amazon Technologies, Inc. Security protocols for low latency execution of program code
US9588790B1 (en) 2015-02-04 2017-03-07 Amazon Technologies, Inc. Stateful virtual compute system
US9471775B1 (en) 2015-02-04 2016-10-18 Amazon Technologies, Inc. Security protocols for low latency execution of program code
US10050862B2 (en) 2015-02-09 2018-08-14 Cisco Technology, Inc. Distributed application framework that uses network and application awareness for placing data
US10708342B2 (en) 2015-02-27 2020-07-07 Cisco Technology, Inc. Dynamic troubleshooting workspaces for cloud and network management systems
US10037617B2 (en) 2015-02-27 2018-07-31 Cisco Technology, Inc. Enhanced user interface systems including dynamic context selection for cloud-based networks
US11381468B1 (en) 2015-03-16 2022-07-05 Amazon Technologies, Inc. Identifying correlated resource behaviors for resource allocation
US9870260B2 (en) 2015-03-20 2018-01-16 International Business Machines Corporation Managing a set of assets for a user in a shared pool of configurable computing resources
US10382534B1 (en) 2015-04-04 2019-08-13 Cisco Technology, Inc. Selective load balancing of network traffic
US9930103B2 (en) 2015-04-08 2018-03-27 Amazon Technologies, Inc. Endpoint management system providing an application programming interface proxy service
US9785476B2 (en) 2015-04-08 2017-10-10 Amazon Technologies, Inc. Endpoint management system and virtual compute system
US9448833B1 (en) * 2015-04-14 2016-09-20 International Business Machines Corporation Profiling multiple virtual machines in a distributed system
US10476982B2 (en) 2015-05-15 2019-11-12 Cisco Technology, Inc. Multi-datacenter message queue
US10848574B2 (en) 2015-06-11 2020-11-24 Microsoft Technology Licensing, Llc Computing resource management system
US10034201B2 (en) 2015-07-09 2018-07-24 Cisco Technology, Inc. Stateless load-balancing across multiple tunnels
US9785474B2 (en) 2015-07-23 2017-10-10 International Business Machines Corporation Managing a shared pool of configurable computing resources using a set of scaling factors and a set of workload resource data
US9817690B2 (en) * 2015-09-11 2017-11-14 International Business Machines Corporation Predictively provisioning cloud computing resources for virtual machines
US10169086B2 (en) 2015-09-13 2019-01-01 International Business Machines Corporation Configuration management for a shared pool of configurable computing resources
US9928108B1 (en) 2015-09-29 2018-03-27 Amazon Technologies, Inc. Metaevent handling for on-demand code execution environments
US10042660B2 (en) 2015-09-30 2018-08-07 Amazon Technologies, Inc. Management of periodic requests for compute capacity
US10067780B2 (en) 2015-10-06 2018-09-04 Cisco Technology, Inc. Performance-based public cloud selection for a hybrid cloud environment
US11005682B2 (en) 2015-10-06 2021-05-11 Cisco Technology, Inc. Policy-driven switch overlay bypass in a hybrid cloud network environment
US10462136B2 (en) 2015-10-13 2019-10-29 Cisco Technology, Inc. Hybrid cloud security groups
US10523657B2 (en) 2015-11-16 2019-12-31 Cisco Technology, Inc. Endpoint privacy preservation with cloud conferencing
US10205677B2 (en) 2015-11-24 2019-02-12 Cisco Technology, Inc. Cloud resource placement optimization and migration execution in federated clouds
US10084703B2 (en) 2015-12-04 2018-09-25 Cisco Technology, Inc. Infrastructure-exclusive service forwarding
US9830175B1 (en) 2015-12-16 2017-11-28 Amazon Technologies, Inc. Predictive management of on-demand code execution
US9830449B1 (en) 2015-12-16 2017-11-28 Amazon Technologies, Inc. Execution locations for request-driven code
US9811363B1 (en) 2015-12-16 2017-11-07 Amazon Technologies, Inc. Predictive management of on-demand code execution
US10013267B1 (en) 2015-12-16 2018-07-03 Amazon Technologies, Inc. Pre-triggers for code execution environments
US10754701B1 (en) 2015-12-16 2020-08-25 Amazon Technologies, Inc. Executing user-defined code in response to determining that resources expected to be utilized comply with resource restrictions
US9811434B1 (en) 2015-12-16 2017-11-07 Amazon Technologies, Inc. Predictive management of on-demand code execution
US9542219B1 (en) * 2015-12-17 2017-01-10 International Business Machines Corporation Automatic analysis based scheduling of jobs to appropriate cloud resources
US9910713B2 (en) 2015-12-21 2018-03-06 Amazon Technologies, Inc. Code execution request routing
US10067801B1 (en) 2015-12-21 2018-09-04 Amazon Technologies, Inc. Acquisition and maintenance of compute capacity
US10002026B1 (en) 2015-12-21 2018-06-19 Amazon Technologies, Inc. Acquisition and maintenance of dedicated, reserved, and variable compute capacity
US10367914B2 (en) 2016-01-12 2019-07-30 Cisco Technology, Inc. Attaching service level agreements to application containers and enabling service assurance
CN107133520B (zh) * 2016-02-26 2021-05-14 华为技术有限公司 云计算平台的可信度量方法和装置
US10594620B1 (en) 2016-03-23 2020-03-17 Amazon Technologies, Inc. Bit vector analysis for resource placement in a distributed system
US10162672B2 (en) 2016-03-30 2018-12-25 Amazon Technologies, Inc. Generating data streams from pre-existing data sets
US11132213B1 (en) 2016-03-30 2021-09-28 Amazon Technologies, Inc. Dependency-based process of pre-existing data sets at an on demand code execution environment
US10891145B2 (en) 2016-03-30 2021-01-12 Amazon Technologies, Inc. Processing pre-existing data sets at an on demand code execution environment
US10129177B2 (en) 2016-05-23 2018-11-13 Cisco Technology, Inc. Inter-cloud broker for hybrid cloud networks
US10282229B2 (en) 2016-06-28 2019-05-07 Amazon Technologies, Inc. Asynchronous task management in an on-demand network code execution environment
US9952896B2 (en) 2016-06-28 2018-04-24 Amazon Technologies, Inc. Asynchronous task management in an on-demand network code execution environment
US9977691B2 (en) 2016-06-29 2018-05-22 Amazon Technologies, Inc. Adjusting variable limit on concurrent code executions based on communication between frontends
US10102040B2 (en) 2016-06-29 2018-10-16 Amazon Technologies, Inc Adjusting variable limit on concurrent code executions
US10277708B2 (en) 2016-06-30 2019-04-30 Amazon Technologies, Inc. On-demand network code execution with cross-account aliases
US10203990B2 (en) 2016-06-30 2019-02-12 Amazon Technologies, Inc. On-demand network code execution with cross-account aliases
US10659283B2 (en) 2016-07-08 2020-05-19 Cisco Technology, Inc. Reducing ARP/ND flooding in cloud environment
US10432532B2 (en) 2016-07-12 2019-10-01 Cisco Technology, Inc. Dynamically pinning micro-service to uplink port
US10263898B2 (en) 2016-07-20 2019-04-16 Cisco Technology, Inc. System and method for implementing universal cloud classification (UCC) as a service (UCCaaS)
US10382597B2 (en) 2016-07-20 2019-08-13 Cisco Technology, Inc. System and method for transport-layer level identification and isolation of container traffic
JP6750368B2 (ja) * 2016-07-25 2020-09-02 富士通株式会社 仮想マシン制御プログラム、仮想マシン制御方法および仮想マシン制御装置
US10142346B2 (en) 2016-07-28 2018-11-27 Cisco Technology, Inc. Extension of a private cloud end-point group to a public cloud
US10146563B2 (en) * 2016-08-03 2018-12-04 International Business Machines Corporation Predictive layer pre-provisioning in container-based virtualization
US10567344B2 (en) 2016-08-23 2020-02-18 Cisco Technology, Inc. Automatic firewall configuration based on aggregated cloud managed information
US20180075009A1 (en) * 2016-09-14 2018-03-15 Microsoft Technology Licensing, Llc Self-serve appliances for cloud services platform
US10061613B1 (en) 2016-09-23 2018-08-28 Amazon Technologies, Inc. Idempotent task execution in on-demand network code execution systems
US10884787B1 (en) 2016-09-23 2021-01-05 Amazon Technologies, Inc. Execution guarantees in an on-demand network code execution system
US11119813B1 (en) 2016-09-30 2021-09-14 Amazon Technologies, Inc. Mapreduce implementation using an on-demand network code execution system
US10523592B2 (en) 2016-10-10 2019-12-31 Cisco Technology, Inc. Orchestration system for migrating user data and services based on user information
US11044162B2 (en) 2016-12-06 2021-06-22 Cisco Technology, Inc. Orchestration of cloud and fog interactions
US10326817B2 (en) 2016-12-20 2019-06-18 Cisco Technology, Inc. System and method for quality-aware recording in large scale collaborate clouds
US10334029B2 (en) 2017-01-10 2019-06-25 Cisco Technology, Inc. Forming neighborhood groups from disperse cloud providers
US10931741B1 (en) * 2017-01-13 2021-02-23 Amazon Technologies, Inc. Usage-sensitive computing instance management
US10956196B1 (en) 2017-01-19 2021-03-23 Tintri By Ddn, Inc. Load balancing VM selection and movement
US10564998B1 (en) * 2017-01-19 2020-02-18 Tintri By Ddn, Inc. Load balancing using predictive VM-based analytics
US10489074B1 (en) 2017-01-19 2019-11-26 Tintri By Ddn, Inc. Access rate prediction in a hybrid storage device
US10509667B1 (en) 2017-01-19 2019-12-17 Tintri By Ddn, Inc. Modeling space consumption of a migrated VM
US11150936B2 (en) * 2017-01-23 2021-10-19 Hysolate Ltd. Techniques for binding user identities to appropriate virtual machines with single sign-on
US11010352B2 (en) * 2017-01-23 2021-05-18 Hysolate Ltd. Unified file system on air-gapped endpoints
US11153322B2 (en) 2017-01-23 2021-10-19 Hysolate Ltd. Techniques for seamlessly launching applications in appropriate virtual machines
US10699003B2 (en) 2017-01-23 2020-06-30 Hysolate Ltd. Virtual air-gapped endpoint, and methods thereof
US10552191B2 (en) 2017-01-26 2020-02-04 Cisco Technology, Inc. Distributed hybrid cloud orchestration model
US10320683B2 (en) 2017-01-30 2019-06-11 Cisco Technology, Inc. Reliable load-balancer using segment routing and real-time application monitoring
US10671571B2 (en) 2017-01-31 2020-06-02 Cisco Technology, Inc. Fast network performance in containerized environments for network function virtualization
US10942760B2 (en) 2017-02-03 2021-03-09 Microsoft Technology Licensing, Llc Predictive rightsizing for virtual machines in cloud computing systems
US10423455B2 (en) 2017-02-03 2019-09-24 Microsoft Technology Licensing, Llc Method for deploying virtual machines in cloud computing systems based on predicted lifetime
US10296367B2 (en) * 2017-02-03 2019-05-21 Microsoft Technology Licensing, Llc Resource management for virtual machines in cloud computing systems
CN108399101B (zh) * 2017-02-06 2021-03-16 腾讯科技(深圳)有限公司 资源调度的方法、装置和系统
US11005731B2 (en) 2017-04-05 2021-05-11 Cisco Technology, Inc. Estimating model parameters for automatic deployment of scalable micro services
US10382274B2 (en) 2017-06-26 2019-08-13 Cisco Technology, Inc. System and method for wide area zero-configuration network auto configuration
US10439877B2 (en) 2017-06-26 2019-10-08 Cisco Technology, Inc. Systems and methods for enabling wide area multicast domain name system
US10425288B2 (en) 2017-07-21 2019-09-24 Cisco Technology, Inc. Container telemetry in data center environments with blade servers and switches
US10892940B2 (en) 2017-07-21 2021-01-12 Cisco Technology, Inc. Scalable statistics and analytics mechanisms in cloud networking
US10601693B2 (en) 2017-07-24 2020-03-24 Cisco Technology, Inc. System and method for providing scalable flow monitoring in a data center fabric
US10541866B2 (en) 2017-07-25 2020-01-21 Cisco Technology, Inc. Detecting and resolving multicast traffic performance issues
CN107528742B (zh) * 2017-09-28 2020-06-12 南京航空航天大学 一种面向云数据中心网络优化的虚拟机部署方法
US10353800B2 (en) 2017-10-18 2019-07-16 Cisco Technology, Inc. System and method for graph based monitoring and management of distributed systems
US11481362B2 (en) 2017-11-13 2022-10-25 Cisco Technology, Inc. Using persistent memory to enable restartability of bulk load transactions in cloud databases
US10922141B2 (en) * 2017-12-11 2021-02-16 Accenture Global Solutions Limited Prescriptive analytics based committed compute reservation stack for cloud computing resource scheduling
US10303492B1 (en) 2017-12-13 2019-05-28 Amazon Technologies, Inc. Managing custom runtimes in an on-demand code execution system
US10564946B1 (en) 2017-12-13 2020-02-18 Amazon Technologies, Inc. Dependency handling in an on-demand network code execution system
US10705882B2 (en) 2017-12-21 2020-07-07 Cisco Technology, Inc. System and method for resource placement across clouds for data intensive workloads
US11595474B2 (en) 2017-12-28 2023-02-28 Cisco Technology, Inc. Accelerating data replication using multicast and non-volatile memory enabled nodes
US10733085B1 (en) 2018-02-05 2020-08-04 Amazon Technologies, Inc. Detecting impedance mismatches due to cross-service calls
US10831898B1 (en) 2018-02-05 2020-11-10 Amazon Technologies, Inc. Detecting privilege escalations in code including cross-service calls
US10353678B1 (en) 2018-02-05 2019-07-16 Amazon Technologies, Inc. Detecting code characteristic alterations due to cross-service calls
US10572375B1 (en) 2018-02-05 2020-02-25 Amazon Technologies, Inc. Detecting parameter validity in code including cross-service calls
US10728343B2 (en) * 2018-02-06 2020-07-28 Citrix Systems, Inc. Computing system providing cloud-based user profile management for virtual sessions and related methods
US10725752B1 (en) 2018-02-13 2020-07-28 Amazon Technologies, Inc. Dependency handling in an on-demand network code execution system
US10776091B1 (en) 2018-02-26 2020-09-15 Amazon Technologies, Inc. Logging endpoint in an on-demand code execution system
US10511534B2 (en) 2018-04-06 2019-12-17 Cisco Technology, Inc. Stateless distributed load-balancing
US11080093B2 (en) * 2018-04-12 2021-08-03 Vmware, Inc. Methods and systems to reclaim capacity of unused resources of a distributed computing system
US10728361B2 (en) 2018-05-29 2020-07-28 Cisco Technology, Inc. System for association of customer information across subscribers
US10904322B2 (en) 2018-06-15 2021-01-26 Cisco Technology, Inc. Systems and methods for scaling down cloud-based servers handling secure connections
US10764266B2 (en) 2018-06-19 2020-09-01 Cisco Technology, Inc. Distributed authentication and authorization for rapid scaling of containerized services
US11019083B2 (en) 2018-06-20 2021-05-25 Cisco Technology, Inc. System for coordinating distributed website analysis
US10853115B2 (en) 2018-06-25 2020-12-01 Amazon Technologies, Inc. Execution of auxiliary functions in an on-demand network code execution system
US10649749B1 (en) 2018-06-26 2020-05-12 Amazon Technologies, Inc. Cross-environment application of tracing information for improved code execution
US11146569B1 (en) 2018-06-28 2021-10-12 Amazon Technologies, Inc. Escalation-resistant secure network services using request-scoped authentication information
US10949237B2 (en) 2018-06-29 2021-03-16 Amazon Technologies, Inc. Operating system customization in an on-demand network code execution system
US10819571B2 (en) 2018-06-29 2020-10-27 Cisco Technology, Inc. Network traffic optimization using in-situ notification system
US11099870B1 (en) 2018-07-25 2021-08-24 Amazon Technologies, Inc. Reducing execution times in an on-demand network code execution system using saved machine states
US10904342B2 (en) 2018-07-30 2021-01-26 Cisco Technology, Inc. Container networking using communication tunnels
US11144354B2 (en) 2018-07-31 2021-10-12 Vmware, Inc. Method for repointing resources between hosts
CN110928739B (zh) * 2018-09-19 2024-03-26 阿里巴巴集团控股有限公司 一种进程监控方法、装置以及计算设备
US11243953B2 (en) 2018-09-27 2022-02-08 Amazon Technologies, Inc. Mapreduce implementation in an on-demand network code execution system and stream data processing system
US11099917B2 (en) 2018-09-27 2021-08-24 Amazon Technologies, Inc. Efficient state maintenance for execution environments in an on-demand code execution system
US10983806B2 (en) * 2018-11-07 2021-04-20 Sap Se User interface for computer system usage types
US11943093B1 (en) 2018-11-20 2024-03-26 Amazon Technologies, Inc. Network connection recovery after virtual machine transition in an on-demand network code execution system
US10884812B2 (en) 2018-12-13 2021-01-05 Amazon Technologies, Inc. Performance-based hardware emulation in an on-demand network code execution system
US10817046B2 (en) 2018-12-31 2020-10-27 Bmc Software, Inc. Power saving through automated power scheduling of virtual machines
US11010188B1 (en) 2019-02-05 2021-05-18 Amazon Technologies, Inc. Simulated data object storage using on-demand computation of data objects
US11861386B1 (en) 2019-03-22 2024-01-02 Amazon Technologies, Inc. Application gateways in an on-demand network code execution system
US11115268B2 (en) * 2019-04-08 2021-09-07 International Business Machines Corporation Assistance in service provision
US10819434B1 (en) 2019-04-10 2020-10-27 At&T Intellectual Property I, L.P. Hybrid fiber coaxial fed 5G small cell surveillance with hybrid fiber coaxial hosted mobile edge computing
US10977072B2 (en) 2019-04-25 2021-04-13 At&T Intellectual Property I, L.P. Dedicated distribution of computing resources in virtualized environments
US10848988B1 (en) 2019-05-24 2020-11-24 At&T Intellectual Property I, L.P. Dynamic cloudlet fog node deployment architecture
US11119809B1 (en) 2019-06-20 2021-09-14 Amazon Technologies, Inc. Virtualization-based transaction handling in an on-demand network code execution system
US11159528B2 (en) 2019-06-28 2021-10-26 Amazon Technologies, Inc. Authentication to network-services using hosted authentication information
US11115404B2 (en) 2019-06-28 2021-09-07 Amazon Technologies, Inc. Facilitating service connections in serverless code executions
US11190609B2 (en) 2019-06-28 2021-11-30 Amazon Technologies, Inc. Connection pooling for scalable network services
US10951692B1 (en) 2019-08-23 2021-03-16 International Business Machines Corporation Deployment of microservices based on back-end resource affinity
US11669365B1 (en) 2019-08-26 2023-06-06 Amazon Technologies, Inc. Task pool for managed compute instances
US11360948B2 (en) 2019-09-27 2022-06-14 Amazon Technologies, Inc. Inserting owner-specified data processing pipelines into input/output path of object storage service
US11023311B2 (en) 2019-09-27 2021-06-01 Amazon Technologies, Inc. On-demand code execution in input path of data uploaded to storage service in multiple data portions
US10996961B2 (en) 2019-09-27 2021-05-04 Amazon Technologies, Inc. On-demand indexing of data in input path of object storage service
US11386230B2 (en) 2019-09-27 2022-07-12 Amazon Technologies, Inc. On-demand code obfuscation of data in input path of object storage service
US11656892B1 (en) 2019-09-27 2023-05-23 Amazon Technologies, Inc. Sequential execution of user-submitted code and native functions
US11263220B2 (en) 2019-09-27 2022-03-01 Amazon Technologies, Inc. On-demand execution of object transformation code in output path of object storage service
US11250007B1 (en) 2019-09-27 2022-02-15 Amazon Technologies, Inc. On-demand execution of object combination code in output path of object storage service
US10908927B1 (en) 2019-09-27 2021-02-02 Amazon Technologies, Inc. On-demand execution of object filter code in output path of object storage service
US11055112B2 (en) 2019-09-27 2021-07-06 Amazon Technologies, Inc. Inserting executions of owner-specified code into input/output path of object storage service
US11106477B2 (en) 2019-09-27 2021-08-31 Amazon Technologies, Inc. Execution of owner-specified code during input/output path to object storage service
US11416628B2 (en) 2019-09-27 2022-08-16 Amazon Technologies, Inc. User-specific data manipulation system for object storage service based on user-submitted code
US11550944B2 (en) 2019-09-27 2023-01-10 Amazon Technologies, Inc. Code execution environment customization system for object storage service
US11023416B2 (en) 2019-09-27 2021-06-01 Amazon Technologies, Inc. Data access control system for object storage service based on owner-defined code
US11394761B1 (en) 2019-09-27 2022-07-19 Amazon Technologies, Inc. Execution of user-submitted code on a stream of data
US11119826B2 (en) 2019-11-27 2021-09-14 Amazon Technologies, Inc. Serverless call distribution to implement spillover while avoiding cold starts
US10942795B1 (en) 2019-11-27 2021-03-09 Amazon Technologies, Inc. Serverless call distribution to utilize reserved capacity without inhibiting scaling
US10924429B1 (en) 2019-11-29 2021-02-16 Amazon Technologies, Inc. Using edge-optimized compute instances to execute user workloads at provider substrate extensions
US11537377B2 (en) * 2019-12-24 2022-12-27 Atlassian Pty Ltd. Method and system for profile based deployments
US11714682B1 (en) 2020-03-03 2023-08-01 Amazon Technologies, Inc. Reclaiming computing resources in an on-demand code execution system
US11188391B1 (en) 2020-03-11 2021-11-30 Amazon Technologies, Inc. Allocating resources to on-demand code executions under scarcity conditions
US11775640B1 (en) 2020-03-30 2023-10-03 Amazon Technologies, Inc. Resource utilization-based malicious task detection in an on-demand code execution system
US11507431B2 (en) 2020-04-01 2022-11-22 Microsoft Technology Licensing, Llc Resource allocation for virtual machines
US11307889B2 (en) * 2020-05-28 2022-04-19 International Business Machines Corporation Schedule virtual machines
KR20220030050A (ko) * 2020-09-02 2022-03-10 삼성전자주식회사 복수의 vnf(virtualized network function)에 대한 컴퓨팅 자원의 할당을 조정하는 방법 및 그 서버
US11593270B1 (en) 2020-11-25 2023-02-28 Amazon Technologies, Inc. Fast distributed caching using erasure coded object parts
US11550713B1 (en) 2020-11-25 2023-01-10 Amazon Technologies, Inc. Garbage collection in distributed systems using life cycled storage roots
US11947436B2 (en) 2020-12-21 2024-04-02 International Business Machines Corporation Automatic evaluation of virtual machine computing power
US11388210B1 (en) 2021-06-30 2022-07-12 Amazon Technologies, Inc. Streaming analytics using a serverless compute system
US11843546B1 (en) * 2023-01-17 2023-12-12 Capital One Services, Llc Determining resource usage metrics for cloud computing systems

Family Cites Families (60)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7788671B2 (en) * 2004-11-01 2010-08-31 International Business Machines Corporation On-demand application resource allocation through dynamic reconfiguration of application cluster size and placement
US8799431B2 (en) * 2005-08-15 2014-08-05 Toutvirtual Inc. Virtual systems management
US7685283B2 (en) * 2006-01-23 2010-03-23 International Business Machiens Corporation Method for modeling on-demand free pool of resources
US20070204266A1 (en) * 2006-02-28 2007-08-30 International Business Machines Corporation Systems and methods for dynamically managing virtual machines
US8078728B1 (en) * 2006-03-31 2011-12-13 Quest Software, Inc. Capacity pooling for application reservation and delivery
US20070271560A1 (en) * 2006-05-18 2007-11-22 Microsoft Corporation Deploying virtual machine to host based on workload characterizations
US8099487B1 (en) * 2006-07-06 2012-01-17 Netapp, Inc. Systems and methods for determining placement of virtual machines
WO2008084826A1 (ja) * 2007-01-11 2008-07-17 Nec Corporation プロビジョニングシステム、方法、及び、プログラム
JP4853717B2 (ja) * 2007-02-23 2012-01-11 日本電気株式会社 サーバ移行計画作成システム、サーバ移行計画作成方法
US8095929B1 (en) * 2007-04-16 2012-01-10 Vmware, Inc. Method and system for determining a cost-benefit metric for potential virtual machine migrations
US8065676B1 (en) * 2007-04-24 2011-11-22 Hewlett-Packard Development Company, L.P. Automated provisioning of virtual machines for a virtual machine buffer pool and production pool
US8543711B2 (en) * 2007-04-30 2013-09-24 Hewlett-Packard Development Company, L.P. System and method for evaluating a pattern of resource demands of a workload
US8291411B2 (en) * 2007-05-21 2012-10-16 International Business Machines Corporation Dynamic placement of virtual machines for managing violations of service level agreements (SLAs)
CA2697965C (en) * 2007-08-31 2018-06-12 Cirba Inc. Method and system for evaluating virtualized environments
US8903983B2 (en) * 2008-02-29 2014-12-02 Dell Software Inc. Method, system and apparatus for managing, modeling, predicting, allocating and utilizing resources and bottlenecks in a computer network
US20090265707A1 (en) * 2008-04-21 2009-10-22 Microsoft Corporation Optimizing application performance on virtual machines automatically with end-user preferences
US8966038B2 (en) * 2008-08-28 2015-02-24 Nec Corporation Virtual server system and physical server selection method
US8468535B1 (en) * 2008-09-23 2013-06-18 Gogrid, LLC Automated system and method to provision and allocate hosting resources
US8260603B2 (en) * 2008-09-30 2012-09-04 Hewlett-Packard Development Company, L.P. Scaling a prediction model of resource usage of an application in a virtual environment
US8180604B2 (en) * 2008-09-30 2012-05-15 Hewlett-Packard Development Company, L.P. Optimizing a prediction of resource usage of multiple applications in a virtual environment
US8782233B2 (en) * 2008-11-26 2014-07-15 Red Hat, Inc. Embedding a cloud-based resource request in a specification language wrapper
EP2389626A4 (de) * 2009-01-23 2012-12-05 Hewlett Packard Development Co Verifizieren von virtuellen maschinen
US8336049B2 (en) * 2009-02-05 2012-12-18 Vmware, Inc. Virtual machine utility computing method and system
US8789043B2 (en) * 2009-03-24 2014-07-22 International Business Machines Corporation Optimized placement planning for virtual machines in a network by breaking relocation graph into one or more cores to apply different solutions
JP5130375B2 (ja) * 2009-03-25 2013-01-30 株式会社日立製作所 コンピュータシステム、コンピュータシステムのリソース資源管理サーバ、及びコンピュータシステムのリソース管理方法
US8464267B2 (en) * 2009-04-10 2013-06-11 Microsoft Corporation Virtual machine packing method using scarcity
US8291416B2 (en) * 2009-04-17 2012-10-16 Citrix Systems, Inc. Methods and systems for using a plurality of historical metrics to select a physical host for virtual machine execution
US20100281478A1 (en) * 2009-05-01 2010-11-04 Microsoft Corporation Multiphase virtual machine host capacity planning
US8694638B2 (en) * 2009-06-29 2014-04-08 Red Hat Israel Selecting a host from a host cluster to run a virtual machine
EP2483778B1 (de) * 2009-09-30 2019-09-04 Citrix Systems, Inc. Dynamische neuzuweisung von physischem, auf ereignisse einer virtuellen maschine reagierenden speicher
US8789041B2 (en) * 2009-12-18 2014-07-22 Verizon Patent And Licensing Inc. Method and system for bulk automated virtual machine deployment
US8402140B2 (en) * 2010-01-13 2013-03-19 Nec Laboratories America, Inc. Methods and apparatus for coordinated energy management in virtualized data centers
US9027017B2 (en) * 2010-02-22 2015-05-05 Virtustream, Inc. Methods and apparatus for movement of virtual resources within a data center environment
US8464255B2 (en) * 2010-03-12 2013-06-11 Microsoft Corporation Managing performance interference effects on cloud computing servers
JP5544967B2 (ja) * 2010-03-24 2014-07-09 富士通株式会社 仮想マシン管理プログラム及び仮想マシン管理装置
US8738333B1 (en) * 2010-05-25 2014-05-27 Vmware, Inc. Capacity and load analysis in a datacenter
JP5742125B2 (ja) * 2010-07-21 2015-07-01 富士通株式会社 プログラム、情報生成装置及び情報生成方法
JP2012032877A (ja) * 2010-07-28 2012-02-16 Fujitsu Ltd 情報処理装置を管理するプログラム、管理方法および管理装置
US8769534B2 (en) * 2010-09-23 2014-07-01 Accenture Global Services Limited Measuring CPU utilization in a cloud computing infrastructure by artificially executing a bursting application on a virtual machine
US20120102291A1 (en) * 2010-10-26 2012-04-26 Dell Products, Lp System and Method for Storage Allocation in a Cloud Environment
JP2014038364A (ja) * 2010-10-27 2014-02-27 Hitachi Ltd リソース管理サーバ、リソース管理方法及びリソース管理プログラム
WO2011110026A1 (zh) * 2010-10-29 2011-09-15 华为技术有限公司 一种实现数据中心资源负载均衡的方法及装置
US8499066B1 (en) * 2010-11-19 2013-07-30 Amazon Technologies, Inc. Predicting long-term computing resource usage
US8612615B2 (en) * 2010-11-23 2013-12-17 Red Hat, Inc. Systems and methods for identifying usage histories for producing optimized cloud utilization
US9442771B2 (en) * 2010-11-24 2016-09-13 Red Hat, Inc. Generating configurable subscription parameters
US8615579B1 (en) * 2010-12-28 2013-12-24 Amazon Technologies, Inc. Managing virtual machine migration
US8806487B2 (en) * 2011-01-14 2014-08-12 Nec Laboratories America, Inc. Calculating virtual machine resource utilization information
US8601483B2 (en) * 2011-03-22 2013-12-03 International Business Machines Corporation Forecasting based service for virtual machine reassignment in computing environment
US8606924B2 (en) * 2011-03-29 2013-12-10 Bmc Software, Inc. Pre-bursting to external clouds
US8843933B1 (en) * 2011-05-25 2014-09-23 Vmware, Inc. System and method for managing a virtualized computing environment
US8661182B2 (en) * 2011-05-26 2014-02-25 Vmware, Inc. Capacity and load analysis using storage attributes
US8631099B2 (en) * 2011-05-27 2014-01-14 Red Hat, Inc. Systems and methods for cloud deployment engine for selective workload migration or federation based on workload conditions
US9262498B2 (en) * 2011-05-27 2016-02-16 Red Hat, Inc. Generating optimized host placement of data payload in cloud-based storage network
US8782192B2 (en) * 2011-05-31 2014-07-15 Red Hat, Inc. Detecting resource consumption events over sliding intervals in cloud-based network
US8881142B1 (en) * 2011-06-21 2014-11-04 Amazon Technologies, Inc. Determining and using probable instance lifetimes
US8645950B2 (en) * 2011-06-28 2014-02-04 Microsoft Corporation Virtual machine image analysis
US9442769B2 (en) * 2011-09-30 2016-09-13 Red Hat, Inc. Generating cloud deployment targets based on predictive workload estimation
DE102012217202B4 (de) * 2011-10-12 2020-06-18 International Business Machines Corporation Verfahren und System zum Optimieren des Platzierens virtueller Maschinen in Cloud-Computing-Umgebungen
US8850442B2 (en) * 2011-10-27 2014-09-30 Verizon Patent And Licensing Inc. Virtual machine allocation in a computing on-demand system
US8739172B2 (en) * 2012-01-16 2014-05-27 Hewlett-Packard Development Company, L.P. Generating a virtual machine placement plan for an identified seasonality of segments of an aggregated resource usage

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015164023A1 (en) * 2014-04-21 2015-10-29 Vce Company, Llc Systems and methods for physical and logical resource profiling, analysis and behavioral prediction
US9342349B2 (en) 2014-04-21 2016-05-17 Vce Company, Llc Systems and methods for physical and logical resource profiling, analysis and behavioral prediction
US11336519B1 (en) * 2015-03-10 2022-05-17 Amazon Technologies, Inc. Evaluating placement configurations for distributed resource placement

Also Published As

Publication number Publication date
GB201217787D0 (en) 2012-11-14
US10719343B2 (en) 2020-07-21
GB2495820B (en) 2015-03-11
DE102012217202B4 (de) 2020-06-18
GB2495820A8 (en) 2013-05-08
GB2495820A (en) 2013-04-24
US9495215B2 (en) 2016-11-15
US20130097601A1 (en) 2013-04-18
US20170031706A1 (en) 2017-02-02

Similar Documents

Publication Publication Date Title
DE102012217202B4 (de) Verfahren und System zum Optimieren des Platzierens virtueller Maschinen in Cloud-Computing-Umgebungen
DE112011103829B4 (de) Verfahren und System zum Erzeugen einer virtuellen Maschine auf der Grundlage von Vorlagen
DE102007016060B4 (de) Computerarbeitslastneuverteilung
DE112006003081B4 (de) Leistungspriorisierung in Multithreadprozessoren
DE60016283T2 (de) Arbeitsbelastungsverwaltung in einer rechnerumgebung
DE102005030663A1 (de) System und Verfahren zum Betreiben von Lastausgleichselementen für Mehrfachinstanzanwendungen
DE102016204680A1 (de) Auswählen von Strategien zum Zuordnen von Ressourcen und Lösen von Ressourcenkonflikten
DE102010029209B4 (de) Verfahren zur dynamischen Verteilung von einem oder mehreren Diensten in einem Netz aus einer Vielzahl von Rechnern
DE112016003249T5 (de) Container-Bereitstellung auf Abhängigkeitsgrundlage
DE112011103979T5 (de) Computerprogramm und System für ein Verfahren zur Optimierung der Speicherverwaltung einer auf einer virtuellen Maschine ausgeführten Anwendung
DE112011100094T5 (de) Verfahren und System zum Abstrahieren eines auf nichtfunktionalen Anforderungen beruhenden Einsatzes von virtuellen Maschinen
DE102008030875A1 (de) Abschätzung der Arbeitslast von Datenzentren
DE102004046046B4 (de) Vorrichtung zum Einstellen eines Betriebsmittels
DE112021003276T5 (de) Ressourcenverwaltung einer softwareanwendung mit mehreren softwarekomponenten
DE102020112531A1 (de) Operationelle metrische Berechnung für Arbeitsbelastungstyp
DE112020004661T5 (de) Ermitteln einer optimalen Anzahl von Threads pro Kern in einem Mehrkern-Prozessorkomplex
DE112004000870T5 (de) Mehrkampagnen-Zuordnungsvorrichtung, die das Problem sich überschneidender Empfehlungen berücksichtigt
DE112021005586T5 (de) Automatisches skalieren einer abfrage-steuerungsroutine für arbeitslasten im bereich big data auf unternehmensebene
DE102021127522A1 (de) Verwaltung der arbeitsbelastung anhand eines trainierten modells
DE112013006588T5 (de) Verwaltungssystem zum Verwalten eines Computersystems und Verwaltungsverfahren hierfür
DE102009056282A1 (de) Technik zum Steuern von Verarbeitungsressourcen
DE102006046717B4 (de) Dynamisch migrierende Kanäle
EP1634176B1 (de) Clusteranordnung für dezentrale lastverteilung
DE112019005043T5 (de) Streamzuweisung unter verwendung von stream-guthaben
DE102021130359A1 (de) Ressourcenzuordnung auf der grundlage eines kontextbezogenen szenarios

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R084 Declaration of willingness to licence
R020 Patent grant now final