ES2939689T3 - Método y dispositivo para realizar planificación de recursos - Google Patents

Método y dispositivo para realizar planificación de recursos Download PDF

Info

Publication number
ES2939689T3
ES2939689T3 ES18774667T ES18774667T ES2939689T3 ES 2939689 T3 ES2939689 T3 ES 2939689T3 ES 18774667 T ES18774667 T ES 18774667T ES 18774667 T ES18774667 T ES 18774667T ES 2939689 T3 ES2939689 T3 ES 2939689T3
Authority
ES
Spain
Prior art keywords
physical
load
machines
machine
algorithm
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.)
Active
Application number
ES18774667T
Other languages
English (en)
Inventor
Yao Tong
Guang Shen
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.)
ZTE Corp
Original Assignee
ZTE 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 ZTE Corp filed Critical ZTE Corp
Application granted granted Critical
Publication of ES2939689T3 publication Critical patent/ES2939689T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1044—Group management mechanisms 
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/563—Data redirection of data network streams
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/45579—I/O management, e.g. providing access to device drivers or storage
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)
  • Multi-Process Working Machines And Systems (AREA)
  • General Factory Administration (AREA)

Abstract

Se proporcionan un método y un dispositivo para realizar la programación de recursos. El metodo comprende: adquirir informacion de parametros de rendimiento de una maquina fisica y una maquina virtual en un agrupamiento, y realizar un analisis y conversion de las mismas para obtener datos de rendimiento en un formato preestablecido (100); determinar la información de carga del grupo de acuerdo con los datos de rendimiento obtenidos (101); seleccionar, de acuerdo con la información de carga de clúster determinada y la configuración de solicitud recibida, y de un grupo de algoritmos preestablecidos, un algoritmo de programación de recursos para la ejecución de la programación de recursos (102); y generar una política de programación de recursos de acuerdo con el algoritmo de programación de recursos seleccionado, y ejecutar la programación de recursos de acuerdo con la política de programación de recursos de salida (103), (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Método y dispositivo para realizar planificación de recursos
CAMPO TÉCNICO
La presente divulgación se refiere, pero no se limita a, tecnologías de virtualización y, más particularmente, a un método y dispositivo para realizar planificación de recursos.
ANTECEDENTES
Con la aplicación más amplia de los servicios en la nube, la escala del grupo de servidores basada en la tecnología de virtualización es cada vez mayor. En un entorno de grupo virtualizado a gran escala, la cantidad de máquinas virtuales llega incluso a decenas de miles. Las condiciones de implementación de las máquinas virtuales en el grupo son cruciales para todo el grupo. Las condiciones de carga de recursos del grupo a gran escala son variables, y un administrador del sistema no puede juzgar con precisión las condiciones de carga de recursos del grupo actual en poco tiempo, y no puede realizar el control de planificación en numerosas máquinas virtuales para cumplir con el requisito de planificación de recursos. Por lo tanto, cada vez más técnicos comienzan a enfocarse en el problema de la planificación dinámica de recursos en grupos virtualizados.
En un entorno de grupo virtualizado, los escenarios típicos de planificación de recursos son los siguientes: 1) las cargas de las máquinas físicas están desequilibradas y la densidad de utilización de recursos es baja; 2) las cargas de algunas máquinas físicas son demasiado bajas y la tasa de utilización de recursos es baja; 3) las cargas de algunas máquinas físicas son demasiado altas y el rendimiento de las máquinas virtuales en las máquinas físicas se ve afectado; 4) existe una solicitud de inicio de una máquina virtual y se debe seleccionar un punto de colocación adecuado. Cómo cumplir de manera efectiva con los requisitos de los escenarios de aplicación es un problema crucial en la gestión actual de grupos virtualizados. Por lo tanto, la realización de la planificación dinámica de recursos en el entorno de grupo virtualizado a gran escala tiene una gran importancia.
La solicitud de patente de EE. UU. n.° de publicación US20150039764 divulga un sistema, método y producto de programa informático para la gestión eficiente de energía y basada en acuerdos de nivel de servicio (SLA) de centros de datos para computación en la nube, en la que mejorar la utilización de recursos físicos y reducir el consumo de energía en un centro de datos en la nube incluye proporcionar una pluralidad de máquinas virtuales en el centro de datos en la nube; reasignar periódicamente los recursos de la pluralidad de máquinas virtuales de acuerdo con la demanda actual de recursos de la pluralidad de máquinas virtuales para minimizar una cantidad de servidores físicos activos necesarios para manejar una carga de trabajo de los servidores físicos; maximizar un tiempo medio de intermigración entre migraciones de máquinas virtuales bajo el requisito de calidad de servicio basado en un modelo de cadena de Markov; y usar un proceso de estimación de carga de trabajo de ventana deslizante de varios tamaños para una carga de trabajo no estacionaria para maximizar el tiempo medio de intermigración.
La solicitud de patente de EE. UU. n.° de publicación US20130145365A divulga un método para gestionar la energía verde del grupo de máquinas virtuales, en el que un método para gestionar la energía verde determina si cuántas máquinas físicas deben funcionar o apagarse con la relación de peso bruto de recursos ocupados del grupo de máquinas virtuales. La máquina física en espera en las máquinas físicas que no están en ejecución se elige y se activa para unirse como una de las máquinas físicas en ejecución; una de las máquinas físicas en ejecución se elige como máquina física de migración y las máquinas virtuales de la misma se mueven a otras máquinas físicas en ejecución y luego se apagan. El proceso de asignación de recursos se lleva a cabo para distribuir las cargas de las máquinas físicas en ejecución de manera que el número total de las máquinas físicas en ejecución pueda distribuirse de forma flexible para lograr el objeto de la gestión de energía verde.
SUMARIO
Lo siguiente es un sumario de la materia objeto descrita en detalle en el presente documento. Este sumario no pretende limitar el alcance de las reivindicaciones. La invención se define por la materia objeto definida en las reivindicaciones independientes adjuntas 1 y 8.
Las realizaciones de la presente divulgación proporcionan un método y un dispositivo para realizar planificación de recursos, que puede realizar la planificación de recursos de diferentes plataformas virtuales. Las características del método y el dispositivo de acuerdo con la presente invención se definen en las reivindicaciones independientes, y las características preferidas de acuerdo con la presente invención se definen en las reivindicaciones dependientes.
Una realización de la presente divulgación proporciona un método para realizar planificación de recursos, que incluye las siguientes etapas: adquirir información de parámetros de rendimiento de máquinas físicas y máquinas virtuales en un grupo, y analizar y convertir la información de parámetros de rendimiento en información de datos de rendimiento en un formato predeterminado; determinar la información de carga de grupo de acuerdo con la información de datos de rendimiento; seleccionar un algoritmo de planificación de recursos para la planificación de recursos de una agrupación de algoritmos predeterminada de acuerdo con la información de carga de grupo determinada y una configuración de solicitud recibida; y emitir una decisión de planificación de recursos de acuerdo con el algoritmo de planificación de recursos seleccionado, y realizar la planificación de recursos en el grupo de acuerdo con la decisión de planificación de recursos emitida; en donde la agrupación de algoritmos incluye dos o más algoritmos de planificación de recursos.
Opcionalmente, la adquisición de la información de parámetros de rendimiento de las máquinas físicas y las máquinas virtuales en el grupo incluye: recopilar, mediante clientes de monitorización proporcionados en cada una de las máquinas físicas de antemano, la información de parámetros de rendimiento de las máquinas físicas y las máquinas virtuales; adquirir, de los clientes de monitorización y en forma de sondeo, la información de parámetros de rendimiento recopilada por los clientes de monitorización; y agregar la información de parámetros de rendimiento de todas las máquinas físicas y las máquinas virtuales adquiridas en forma de sondeo; en donde la información de parámetros de rendimiento recopilada se sincroniza en una forma de multidifusión entre los clientes de monitorización.
Opcionalmente, la información de parámetros de rendimiento incluye: para cada una de las máquinas físicas: dirección de protocolo de Internet (IP), nombre, identificador único, número total de unidades de procesamiento central (CPU), tasa de utilización de CPU, tamaño de memoria total, tasa de utilización de memoria, velocidad de lectura/escritura de un puerto de entrada/salida (E/S) de un disco y máquina virtual proporcionada en la máquina física; aquí, la máquina virtual proporcionada en la máquina física incluye información de parámetros de la máquina virtual, tal como el número y los nombres de las máquinas virtuales proporcionadas; y para cada una de las máquinas virtuales: nombre, identificador único, tamaño de las memorias asignadas, tasa de utilización de memoria, número de CPU asignadas, velocidad de lectura/escritura de E/S de un disco de la máquina virtual, descripción de afinidad, descripción de exclusión mutua y bandera de estado.
Opcionalmente, la agrupación de algoritmos registra los algoritmos de planificación de recursos respectivamente a través de interfaces de extensión de algoritmos proporcionadas de antemano en una correspondencia biunívoca.
Opcionalmente, el algoritmo de planificación de recursos incluye al menos uno de un algoritmo de eliminación de punto activo, un algoritmo de integración de ahorro de energía y un algoritmo de equilibrio de carga.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos incluya un algoritmo de integración de ahorro de energía, el algoritmo de integración de ahorro de energía incluye: cuando una carga del grupo es menor o igual a un umbral de carga predeterminado, disponer, de acuerdo con la información de carga de grupo, las máquinas físicas en una secuencia basada en sus cargas, añadir un número predeterminado de máquinas físicas con las cargas más bajas en la secuencia a una lista de máquinas físicas a apagar, y añadir máquinas físicas no seleccionadas a una lista de máquinas físicas candidatas; en donde la carga incluye: tasa de utilización de CPU y/o tasa de utilización de memoria; añadir todas las máquinas virtuales en la lista de máquinas físicas a apagar a una lista que se va a migrar; para máquinas virtuales en la lista que se va a migrar, intentar colocar cada máquina virtual en la lista que se va a migrar en una máquina física con la carga más alta en la lista de máquinas físicas candidatas una a una; si una máquina virtual se coloca con éxito, emitir una secuencia de decisión de migración de acuerdo con la relación de posición de la migración y generar una secuencia de decisión de apagado de acuerdo con la lista que se va a migrar; y si no se puede colocar la máquina virtual, borrar la máquina física con la carga más alta de la lista de máquinas físicas a apagar, añadir la máquina física borrada al final de la lista de máquinas físicas candidatas, borrar una máquina virtual en la máquina física añadida a la lista de máquinas físicas candidatas de la lista que se va a migrar, actualizar la lista que se va a migrar y ordenar la carga de la lista de máquinas físicas candidatas, y continuar con el intento de colocación de la máquina virtual en la lista que se va a migrar.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos incluya un algoritmo de equilibrio de carga, el algoritmo de equilibrio de carga incluye: cuando el grado de equilibrio de carga de las máquinas físicas en el grupo es menor que un umbral de equilibrio de carga predeterminado, disponer las máquinas físicas en el grupo en una secuencia basada en sus cargas; seleccionar una máquina física con la carga más alta, atravesar el grado de equilibrio de carga de las máquinas físicas en el grupo cuando cada máquina virtual en la máquina física con la carga más alta se migra de acuerdo con la información de datos de rendimiento, determinar una máquina virtual con un grado de equilibrio de carga óptimo para realizar el marcado de migración y borrar la máquina virtual determinada de la máquina física con la carga más alta; y calcular el grado de equilibrio de carga cuando la máquina virtual con el marcado de migración se migra a cada una de las demás máquinas físicas, y migrar la máquina virtual a una máquina física con un grado de equilibrio de carga óptimo obtenido por el cálculo.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos incluya un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos incluye: determinar si una máquina física en el grupo es una máquina física de punto activo de acuerdo con la información de datos de rendimiento y un umbral de punto activo de carga predeterminado; y seleccionar una o más máquinas virtuales de la máquina física de punto activo y migrar la una o más máquinas virtuales a otras máquinas físicas en el grupo para reducir el umbral de carga de la máquina física de punto activo.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos incluya un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos incluye: disponer, de acuerdo con la información de datos de rendimiento, las máquinas físicas en el grupo en una secuencia basada en sus cargas; determinar, de acuerdo con la información de datos de rendimiento, una máquina física con la carga más alta como una máquina física de punto activo, cuando la carga de CPU de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de CPU predeterminado, o cuando la tasa de utilización de memoria de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de memoria predeterminado; y disponer, de acuerdo con la información de datos de rendimiento, máquinas virtuales en la máquina física de punto activo en una secuencia basada en sus cargas, y migrar una máquina virtual con la carga más alta después de la disposición a una máquina física con la carga más baja en el grupo.
En otro aspecto, una realización de la presente divulgación proporciona además un dispositivo para realizar la planificación de recursos, que incluye: una unidad de adquisición y análisis, una unidad de determinación, una unidad de selección y una unidad de salida y planificación; en donde la unidad de adquisición y análisis está configurada para adquirir información de parámetros de rendimiento de máquinas físicas y máquinas virtuales en un grupo, y analizar y convertir la información de parámetros de rendimiento en información de datos de rendimiento en un formato predeterminado; la unidad de determinación está configurada para determinar la información de carga de grupo de acuerdo con la información de datos de rendimiento; la unidad de selección está configurada para seleccionar un algoritmo de planificación de recursos para la planificación de recursos de una agrupación de algoritmos predeterminada de acuerdo con la información de carga de grupo determinada y una configuración de solicitud recibida; y la unidad de salida y planificación está configurada para emitir una decisión de planificación de recursos de acuerdo con el algoritmo de planificación de recursos seleccionado, y realizar la planificación de recursos en el grupo de acuerdo con la decisión de planificación de recursos emitida; en donde la agrupación de algoritmos incluye dos o más algoritmos de planificación de recursos.
Opcionalmente, la unidad de adquisición y análisis está configurada para: recopilar, mediante clientes de monitorización proporcionados en cada una de las máquinas físicas de antemano, la información de parámetros de rendimiento de las máquinas físicas y las máquinas virtuales; adquirir, del cliente de monitorización y en forma de sondeo, la información de parámetros de rendimiento recopilada por los clientes de monitorización; agregar la información de parámetros de rendimiento de todas las máquinas físicas y las máquinas virtuales adquiridas en forma de sondeo; analizar y convertir la información de parámetros de rendimiento agregada en información de datos de rendimiento en un formato predeterminado, en donde la información de parámetros de rendimiento recopilada se sincroniza de manera de multidifusión entre los clientes de monitorización.
Opcionalmente, la información de parámetros de rendimiento incluye: para cada una de las máquinas físicas: dirección de protocolo de Internet (IP), nombre, identificador único, número total de unidades de procesamiento central (CPU), tasa de utilización de CPU, tamaño de memoria total, tasa de utilización de memoria, velocidad de lectura/escritura de un puerto de entrada/salida (E/S) de un disco y máquina virtual proporcionada en la máquina física; aquí, la máquina virtual proporcionada en la máquina física incluye información de parámetros de la máquina virtual, tal como el número y los nombres de las máquinas virtuales proporcionadas; y para cada una de las máquinas virtuales: nombre, identificador único, número de las memorias asignadas, tasa de utilización de memoria, número de CPU asignadas, velocidad de lectura/escritura de E/S de un disco de la máquina virtual, descripción de afinidad, descripción de exclusión mutua y bandera de estado.
Opcionalmente, el dispositivo incluye, además: una unidad de registro configurada para registrar los algoritmos de planificación de recursos respectivamente a través de interfaces de extensión de algoritmos proporcionadas de antemano en correspondencia biunívoca.
Opcionalmente, el algoritmo de planificación de recursos incluye al menos uno de un algoritmo de eliminación de punto activo, un algoritmo de integración de ahorro de energía y un algoritmo de equilibrio de carga.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos incluya un algoritmo de integración de ahorro de energía, el algoritmo de integración de ahorro de energía incluye: cuando una carga del grupo es menor o igual a un umbral de carga predeterminado, disponer, de acuerdo con la información de carga de grupo, las máquinas físicas en una secuencia basada en sus cargas, añadir un número predeterminado de máquinas físicas con las cargas más bajas en la secuencia a una lista de máquinas físicas a apagar, y añadir máquinas físicas no seleccionadas a una lista de máquinas físicas candidatas; en donde la carga incluye: tasa de utilización de CPU y/o tasa de utilización de memoria; añadir todas las máquinas virtuales en la lista de máquinas físicas a apagar a una lista que se va a migrar; para máquinas virtuales en la lista que se va a migrar, intentar colocar cada máquina virtual en la lista que se va a migrar en una máquina física con la carga más alta en la lista de máquinas físicas candidatas una a una; si una máquina virtual se coloca con éxito, emitir una secuencia de decisión de migración de acuerdo con la relación de posición de la migración y generar una secuencia de decisión de apagado de acuerdo con la lista que se va a migrar; si no se puede colocar una máquina virtual, borrar la máquina física con la carga más alta de la lista de máquinas físicas a apagar, añadir la máquina física borrada al final de la lista de máquinas físicas candidatas, borrar una máquina virtual en la máquina física añadida a la lista de máquinas físicas candidatas de la lista que se va a migrar, actualizar la lista que se va a migrar y ordenar la carga de la lista de máquinas físicas candidatas, y continuar con el intento de colocación de la máquina virtual en la lista que se va a migrar.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos incluya un algoritmo de equilibrio de carga, el algoritmo de equilibrio de carga incluye: cuando el grado de equilibrio de carga de las máquinas físicas en el grupo es menor que un umbral de equilibrio de carga predeterminado, disponer las máquinas físicas en el grupo en una secuencia basada en sus cargas; seleccionar una máquina física con la carga más alta, atravesar el grado de equilibrio de carga de las máquinas físicas en el grupo cuando cada máquina virtual en la máquina física con la carga más alta se migra de acuerdo con la información de datos de rendimiento, determinar una máquina virtual con un grado de equilibrio de carga óptimo para realizar el marcado de migración y borrar la máquina virtual determinada de la máquina física con la carga más alta; y calcular el grado de equilibrio de carga cuando la máquina virtual con el marcado de migración se migra a cada una de las demás máquinas físicas, y migrar la máquina virtual a una máquina física con un grado de equilibrio de carga óptimo obtenido por el cálculo.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos incluya un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos incluye: determinar si una máquina física en el grupo es una máquina física de punto activo de acuerdo con la información de datos de rendimiento y un umbral de punto activo de carga predeterminado; y seleccionar una o más máquinas virtuales de la máquina física de punto activo y migrar la una o más máquinas virtuales a otras máquinas físicas en el grupo para reducir el umbral de carga de la máquina física de punto activo.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos incluya un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos incluye: disponer, de acuerdo con la información de datos de rendimiento, las máquinas físicas en el grupo en una secuencia basada en sus cargas; determinar, de acuerdo con la información de datos de rendimiento, una máquina física con la carga más alta como una máquina física de punto activo, cuando la carga de CPU de una máquina física con la carga más alta es mayor que un umbral de punto activo de carga de CPU predeterminado, o cuando la tasa de utilización de memoria de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de memoria predeterminado; y disponer, de acuerdo con la información de datos de rendimiento, máquinas virtuales en la máquina física de punto activo en una secuencia basada en sus cargas, y migrar una máquina virtual con la carga más alta después de la disposición a una máquina física con la carga más baja en el grupo.
La presente divulgación incluye: adquirir información de parámetros de rendimiento de máquinas físicas y máquinas virtuales en un grupo, y analizar y convertir la información de parámetros de rendimiento en información de datos de rendimiento en un formato predeterminado; determinar la información de carga de grupo de acuerdo con la información de datos de rendimiento; seleccionar un algoritmo de planificación de recursos para la planificación de recursos de una agrupación de algoritmos predeterminada de acuerdo con la información de carga de grupo determinada y una configuración de solicitud recibida; y emitir una decisión de planificación de recursos de acuerdo con el algoritmo de planificación de recursos seleccionado, y realizar la planificación de recursos en el grupo de acuerdo con la decisión de planificación de recursos emitida; en donde la agrupación de algoritmos incluye dos o más algoritmos de planificación de recursos. Las realizaciones de la presente divulgación realizan la planificación dinámica de recursos de diferentes plataformas virtuales.
Otros aspectos serán evidentes tras la lectura y el entendimiento de los dibujos y la descripción detallada.
BREVE DESCRIPCIÓN DE LOS DIBUJOS
La figura 1 es un diagrama de flujo de un método para realizar planificación de recursos de acuerdo con una realización de la presente divulgación;
la figura 2 es un diagrama de flujo esquemático que ilustra un algoritmo de integración de ahorro de energía de acuerdo con una realización de la presente divulgación;
la figura 3 es un diagrama de flujo esquemático que ilustra un algoritmo de equilibrio de carga de acuerdo con una realización de la presente divulgación;
la figura 4 es un diagrama de flujo esquemático que ilustra un algoritmo de eliminación de puntos activos de acuerdo con una realización de la presente divulgación;
la figura 5 es un diagrama de flujo esquemático que ilustra un algoritmo de eliminación de puntos activos de acuerdo con otra realización de la presente divulgación; y
la figura 6 es un diagrama de bloques de un dispositivo para realizar la planificación de recursos de acuerdo con una realización de la presente divulgación.
DESCRIPCIÓN DETALLADA
En lo sucesivo en el presente documento, se describirán con detalle realizaciones de la presente divulgación con referencia a los dibujos adjuntos.
Un Planificador de recursos distribuidos (DRS) es una solución comercial de planificación dinámica de recursos proporcionada por VMware, Inc. El DRS migra dinámicamente la máquina virtual a un anfitrión con una carga más baja de acuerdo con la condición de carga de recursos del anfitrión ESX y luego apaga el anfitrión ESX. VMware VMotion realiza la migración dinámica de la máquina virtual en diferentes anfitriones ESX, y el proceso de migración es completamente transparente para los usuarios finales. VMware proporciona un conjunto completo de soluciones de planificación dinámica de recursos, pero debido a que dicho ajuste de recursos dinámicos está limitado por la arquitectura establecida por el propio VMware, no se puede aplicar a otras plataformas de virtualización, incluido Xen, que es un monitor de máquina virtual de código abierto, y Máquina virtual basada en núcleo (KVM).
OpenNebula, que es una caja de herramientas de código abierto creada para computación en la nube, admite el establecimiento y la gestión de nubes privadas junto con plataformas de virtualización tal como Xen y KVM, y proporciona el adaptador Deltacloud (que es un conjunto de interfaz de programación de aplicaciones (API) de código abierto proporcionada por Red Hat, Inc. en septiembre de 2009) para gestionar la nube híbrida mediante la cooperación con Amazon Elastic Compute Cloud (EC 2,). Como plataforma de gestión de virtualización, OpenNebula integra la función de gestión de recursos para el protocolo de Internet (IP) de redes de máquinas virtuales, archivos de imagen, memoria y unidad central de procesamiento (CPU) y similares con la función de gestión estadística del uso de recursos de las máquinas virtuales y similares en un todo, y proporciona una interfaz de operación unificada para un administrador de grupo. Sin embargo, OpenNebula se centra en la gestión de grupos virtualizados y la función de planificación de OpenNebula es relativamente débil. OpenNebula solo proporciona la función de colocación inicial de la implementación de la máquina virtual, y la planificación dinámica de recursos no se puede realizar.
En resumen, en la actualidad no existe un sistema de planificación dinámica de recursos aplicable a las diferentes plataformas de virtualización.
La figura 1 es un diagrama de flujo de un método para realizar la planificación de recursos de acuerdo con una realización de la presente divulgación, y como se muestra en la figura 1, el método puede incluir: Etapa 100, adquirir información de parámetros de rendimiento de máquinas físicas y máquinas virtuales en un grupo, y analizar y convertir la información de parámetros de rendimiento en información de datos de rendimiento en un formato predeterminado.
Aquí, la información de datos de rendimiento en el formato predeterminado puede ser compatible con cada tipo de sistema de planificación de recursos, y el formato específico se puede determinar de acuerdo con el formato admitido por el sistema de planificación de recursos.
Opcionalmente, en una realización de la presente divulgación, la adquisición de la información de parámetros de rendimiento de las máquinas físicas y las máquinas virtuales en el grupo incluye: recopilar, mediante clientes de monitorización proporcionados en cada una de las máquinas físicas de antemano, la información de parámetros de rendimiento de las máquinas físicas y las máquinas virtuales; adquirir, de los clientes de monitorización y en forma de sondeo, la información de parámetros de rendimiento recopilada por los clientes de monitorización; y agregar la información de parámetros de rendimiento de todas las máquinas físicas y las máquinas virtuales adquiridas en forma de sondeo; en donde la información de parámetros de rendimiento recopilada se sincroniza en una forma de multidifusión entre los clientes de monitorización.
Opcionalmente, en una realización de la presente divulgación, la información de parámetros de rendimiento incluye: para cada una de las máquinas físicas: dirección de protocolo de Internet (IP), nombre, identificador único, número total de unidades de procesamiento central (CPU), tasa de utilización de CPU, tamaño de memoria total, tasa de utilización de memoria, velocidad de lectura/escritura de un puerto de entrada/salida (E/S) de un disco y máquina virtual proporcionada en la máquina física; aquí, la máquina virtual proporcionada en la máquina física incluye información de parámetros de la máquina virtual, tal como el número y los nombres de las máquinas virtuales proporcionadas; y para cada una de las máquinas virtuales: nombre, identificador único, número de las memorias asignadas, tasa de utilización de memoria, número de CPU asignadas, velocidad de lectura/escritura de E/S de un disco de la máquina virtual, descripción de afinidad, descripción de exclusión mutua y bandera de estado.
El método incluye, además: Etapa 101, determinar la información de carga de grupo de acuerdo con la información de datos de rendimiento adquirida; y Etapa 102, seleccionar un algoritmo de planificación de recursos para la planificación de recursos de una agrupación de algoritmos predeterminada de acuerdo con la información de carga de grupo determinada y una configuración de solicitud recibida. La agrupación de algoritmos incluye dos o más algoritmos de planificación de recursos.
Opcionalmente, en una realización de la presente divulgación, la agrupación de algoritmos registra los algoritmos de planificación de recursos respectivamente a través de interfaces de extensión de algoritmos proporcionadas de antemano en correspondencia biunívoca.
De acuerdo con una realización de la presente divulgación, se pueden añadir más interfaces de extensión de algoritmos de acuerdo con el requisito de planificación de recursos del grupo, de modo que se puedan añadir más algoritmos de planificación de recursos.
Opcionalmente, en una realización de la presente divulgación, el algoritmo de planificación de recursos incluye al menos uno de un algoritmo de eliminación de punto activo, un algoritmo de integración de ahorro de energía y un algoritmo de equilibrio de carga.
Cabe señalar que el algoritmo de eliminación de puntos activos, el algoritmo de integración de ahorro de energía y el algoritmo de equilibrio de carga son algoritmos opcionales en la realización de la presente divulgación, y de acuerdo con la realización de la presente divulgación, se puede añadir o borrar un algoritmo de planificación de recursos de acuerdo con el requisito de planificación de recursos de un grupo.
La figura 2 es un diagrama de flujo esquemático que ilustra un algoritmo de integración de ahorro de energía de acuerdo con una realización de la presente divulgación. Opcionalmente, en un caso en que el algoritmo de planificación de recursos de acuerdo con una realización de la presente divulgación incluye un algoritmo de integración de ahorro de energía, como se muestra en la figura 2, el algoritmo de integración de ahorro de energía incluye: Etapa 200, cuando una carga del grupo es menor o igual a un umbral de carga predeterminado, disponer, de acuerdo con la información de carga de grupo, las máquinas físicas en una secuencia en función de sus cargas, añadir un número predeterminado de máquinas físicas con las cargas más bajas en la secuencia a una lista de máquinas físicas a apagar, y añadir máquinas físicas no seleccionadas a una lista de máquinas físicas candidatas; en donde la carga incluye: tasa de utilización de CPU y/o tasa de utilización de memoria.
Cabe señalar que la cantidad de máquinas físicas con las cargas más bajas que se seleccionan puede determinarse de acuerdo con el tamaño del grupo, y el algoritmo puede incluir: seleccionar tres máquinas físicas con las cargas más bajas.
El algoritmo de integración de ahorro de energía puede incluir además: Etapa 201, añadir todas las máquinas virtuales en la lista de máquinas físicas a apagar a una lista que se va a migrar; Etapa 202, para máquinas virtuales en la lista que se va a migrar, intentar colocar cada máquina virtual en la lista que se va a migrar en una máquina física con la carga más alta en la lista de máquinas físicas candidatas una a una; Etapa 203, juzgar si la máquina virtual se coloca con éxito o no; si la máquina virtual se coloca con éxito, continuar con la Etapa 204; y si falla la colocación de la máquina virtual, proceder a la Etapa 205; Etapa 204, emitir una secuencia de decisión de migración de acuerdo con la relación de posición de la migración, y generar una secuencia de decisión de apagado de acuerdo con la lista que se va a migrar, y finalizar el proceso; y Etapa 205, si falla la colocación de la máquina virtual, borrar la máquina física con la carga más alta de la lista de máquinas físicas a apagar, añadir la máquina física borrada al final de la lista de máquinas físicas candidatas, borrar una máquina virtual en la máquina física añadida a la lista de máquinas físicas candidatas de la lista que se va a migrar, actualizar la lista que se va a migrar y ordenar la carga de la lista de máquinas físicas candidatas, y continuar con el intento de colocación de la máquina virtual en la lista que se va a migrar y finalizar el proceso.
Cabe señalar que, en la realización de la presente divulgación, la carga puede incluir uno o más de la carga de CPU, la tasa de utilización de memoria y similares, y cuando se incluye una pluralidad de cargas, las máquinas físicas pueden disponerse en un secuencia basada en una de la pluralidad de cargas, por ejemplo, basada únicamente en la carga de CPU; o, basada únicamente en la tasa de utilización de memoria, o basada en un parámetro que representa la carga, que se obtiene realizando un cálculo de la carga de CPU y la tasa de utilización de memoria de acuerdo con una fórmula de cálculo. Por ejemplo, la carga de CPU y la tasa de utilización de memoria se usan respectivamente como la mitad de la proporción del parámetro que representa la carga. Los expertos en la materia pueden determinar el umbral de carga de acuerdo con la escala del grupo, el estado de funcionamiento del grupo y similares, y la tasa de ocupación de CPU y la tasa de ocupación de memoria se pueden establecer con un límite inferior del 10 % y un límite superior del 90 %.
La figura 3 es un diagrama de flujo esquemático que ilustra un algoritmo de equilibrio de carga de acuerdo con una realización de la presente divulgación. Opcionalmente, en un caso en que el algoritmo de planificación de recursos de acuerdo con una realización de la presente divulgación incluye un algoritmo de equilibrio de carga, como se muestra en la figura 3, el algoritmo de equilibrio de carga incluye: Etapa 300, cuando el grado de equilibrio de carga de las máquinas físicas en el grupo es menor que un umbral de equilibrio de carga predeterminado, disponer las máquinas físicas en el grupo en una secuencia basada en sus cargas; Etapa 301, seleccionar una máquina física con la carga más alta, atravesar el grado de equilibrio de carga de las máquinas físicas en el grupo cuando cada máquina virtual en la máquina física con la carga más alta se migra de acuerdo con la información de datos de rendimiento, determinar una máquina virtual con un grado de equilibrio de carga óptimo para realizar el marcado de migración y borrar la máquina virtual determinada de la máquina física con la carga más alta; y Etapa 302, calcular el grado de equilibrio de carga cuando la máquina virtual con el marcado de migración se migra a cada una de las demás máquinas físicas, y migrar la máquina virtual a una máquina física con un grado de equilibrio de carga óptimo obtenido por el cálculo.
Cabe señalar que el grado de equilibrio de carga puede incluir dos aspectos, uno es para la máquina física y el otro es para la máquina virtual, y ambos aspectos se pueden medir a partir de la tasa de utilización de CPU y la tasa de utilización de memoria; en donde la máquina física representa un peso del 60 por ciento y la máquina virtual representa un peso del 40 por ciento.
La figura 4 es un diagrama de flujo esquemático que ilustra un algoritmo de eliminación de puntos activos de acuerdo con una realización de la presente divulgación. Opcionalmente, en un caso en que el algoritmo de planificación de recursos de acuerdo con una realización de la presente divulgación incluye un algoritmo de eliminación de puntos activos, como se muestra en la figura 4, el algoritmo de eliminación de puntos activos incluye: Etapa 400, determinar si una máquina física en el grupo es una máquina física de punto activo de acuerdo con la información de datos de rendimiento y un umbral de punto activo de carga predeterminado; y Etapa 401, seleccionar una o más máquinas virtuales de la máquina física de punto activo y migrar la una o más máquinas virtuales a otra máquina física en el grupo para reducir el umbral de carga de la máquina física de punto activo.
Cabe señalar que el umbral del punto activo de carga de la realización de la presente divulgación puede incluir un umbral de punto activo de carga de la memoria, un umbral de punto activo de carga de la CPU y similares, que pueden establecerse por los expertos en la técnica de acuerdo con valores empíricos.
La figura 5 es un diagrama de flujo esquemático que ilustra un algoritmo de eliminación de puntos activos de acuerdo con otra realización de la presente divulgación. Opcionalmente, en un caso en que el algoritmo de planificación de recursos de acuerdo con una realización de la presente divulgación incluye un algoritmo de eliminación de puntos activos, como se muestra en la figura 5, el algoritmo de eliminación de puntos activos incluye: Etapa 500, disponer, de acuerdo con la información de datos de rendimiento, las máquinas físicas en el grupo en una secuencia basada en sus cargas; Etapa 501, determinar, de acuerdo con la información de datos de rendimiento, una máquina física con la carga más alta como una máquina física de punto activo, cuando la carga de CPU de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de CPU predeterminado, o cuando la tasa de utilización de memoria de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de memoria predeterminado; y Etapa 502 disponer, de acuerdo con la información de datos de rendimiento, máquinas virtuales en la máquina física de punto activo en una secuencia basada en sus cargas, y migrar una máquina virtual con la carga más alta después de la disposición a una máquina física con la carga más baja en el grupo.
Cabe señalar que, siempre que se determine que existe una máquina física de punto activo, la realización de la presente divulgación ejecuta continuamente el proceso de determinación de acuerdo con las etapas anteriores.
El método incluye, además: Etapa 103, emitir una decisión de planificación de recursos de acuerdo con el algoritmo de planificación de recursos seleccionado, y realizar la planificación de recursos en el grupo de acuerdo con la decisión de planificación de recursos emitida.
Cabe señalar que la decisión de planificación de recursos en la realización de la presente divulgación incluye un proceso de planificación de decisiones del recurso y una función de control de máquina virtual. La función de control de la máquina virtual es principalmente encapsular un comando xm, por ejemplo, el formato del comando de migración xm es: # xm migreate -live -ssl vm_id dest_pm_ip; donde vm_id representa el ID de la máquina virtual que se va a migrar y dest_pm_ip indica la dirección IP de la máquina física de destino. Los parámetros -live y -ssl usados en la realización de la presente divulgación indican que se realiza una migración dinámica usando una conexión SSL, para garantizar la seguridad de la migración.
La presente divulgación incluye: adquirir información de parámetros de rendimiento de máquinas físicas y máquinas virtuales en un grupo, y analizar y convertir la información de parámetros de rendimiento en información de datos de rendimiento en un formato predeterminado; determinar la información de carga de grupo de acuerdo con la información de datos de rendimiento adquirida; seleccionar un algoritmo de planificación de recursos para la planificación de recursos de una agrupación de algoritmos predeterminada de acuerdo con la información de carga de grupo determinada y una configuración de solicitud recibida; y emitir una decisión de planificación de recursos de acuerdo con el algoritmo de planificación de recursos seleccionado, y realizar la planificación de recursos en el grupo de acuerdo con la decisión de planificación de recursos emitida; en donde la agrupación de algoritmos incluye dos o más algoritmos de planificación de recursos. Las realizaciones de la presente divulgación realizan la planificación dinámica de recursos de diferentes plataformas virtuales.
Una realización de la presente divulgación proporciona además un medio de almacenamiento informático en el que se almacena una instrucción ejecutable por ordenador, y la instrucción ejecutable por ordenador se usa para el método anterior para realizar la planificación de recursos.
Una realización de la presente divulgación proporciona además un dispositivo para realizar la planificación de recursos, que incluye una memoria y un procesador.
El procesador está configurado para ejecutar instrucciones de programa en la memoria.
El procesador lee las instrucciones del programa para realizar las siguientes operaciones: adquirir información de parámetros de rendimiento de máquinas físicas y máquinas virtuales en un grupo, y analizar y convertir la información de parámetros de rendimiento en información de datos de rendimiento en un formato predeterminado; determinar la información de carga de grupo de acuerdo con la información de datos de rendimiento adquirida; seleccionar un algoritmo de planificación de recursos para la planificación de recursos de una agrupación de algoritmos predeterminada de acuerdo con la información de carga de grupo determinada y una configuración de solicitud recibida; y emitir una decisión de planificación de recursos de acuerdo con el algoritmo de planificación de recursos seleccionado, y realizar la planificación de recursos en el grupo de acuerdo con la decisión de planificación de recursos emitida; en donde la agrupación de algoritmos incluye dos o más algoritmos de planificación de recursos.
La figura 6 es un diagrama de bloques de un dispositivo para realizar la planificación de recursos de acuerdo con una realización de la presente divulgación. Como se muestra en la figura, 6, el dispositivo incluye: una unidad de adquisición y análisis 601, una unidad de determinación 602, una unidad de selección 603 y una unidad de salida y planificación 604.
La unidad de adquisición y análisis 601 está configurada para adquirir información de parámetros de rendimiento de máquinas físicas y máquinas virtuales en un grupo, y analizar y convertir la información de parámetros de rendimiento en información de datos de rendimiento en un formato predeterminado.
Aquí, la información de datos de rendimiento en el formato predeterminado puede ser compatible con cada tipo de sistema de planificación de recursos, y el formato específico se puede determinar de acuerdo con el formato admitido por el sistema de planificación de recursos.
Opcionalmente, la unidad de adquisición y análisis 601 en una realización de la presente divulgación está configurada para: recopilar, mediante clientes de monitorización proporcionados en cada una de las máquinas físicas de antemano, la información de parámetros de rendimiento de las máquinas físicas y las máquinas virtuales; adquirir, de los clientes de monitorización y en forma de sondeo, la información de parámetros de rendimiento recopilada por el cliente de monitorización; agregar la información de parámetros de rendimiento de todas las máquinas físicas y las máquinas virtuales adquiridas en forma de sondeo; y analizar y convertir la información de parámetros de rendimiento agregada en información de datos de rendimiento en un formato predeterminado, en donde la información de parámetros de rendimiento adquirida se sincroniza de manera de multidifusión entre los clientes de monitorización.
Opcionalmente, en una realización de la presente divulgación, la información de parámetros de rendimiento incluye: para cada una de las máquinas físicas: dirección de protocolo de Internet (IP), nombre, identificador único, número total de unidades de procesamiento central (CPU), tasa de utilización de CPU, tamaño de memoria total, tasa de utilización de memoria, velocidad de lectura/escritura de un puerto de entrada/salida (E/S) de un disco y máquina virtual proporcionada en la máquina física; aquí, la máquina virtual proporcionada en la máquina física incluye información de parámetros de la máquina virtual, tal como el número y los nombres de las máquinas virtuales proporcionadas; y para cada una de las máquinas virtuales: nombre, identificador único, número de las memorias asignadas, tasa de utilización de memoria, número de CPU asignadas, velocidad de lectura/escritura de E/S de un disco de la máquina virtual, descripción de afinidad, descripción de exclusión mutua y bandera de estado.
La unidad de determinación 602 está configurada para determinar la información de carga de grupo de acuerdo con la información de datos de rendimiento adquirida.
La unidad de selección 603 está configurada para seleccionar un algoritmo de planificación de recursos para la planificación de recursos de una agrupación de algoritmos predeterminada de acuerdo con la información de carga de grupo determinada y una configuración de solicitud recibida.
Opcionalmente, en una realización de la presente divulgación, el algoritmo de planificación de recursos incluye al menos uno de un algoritmo de eliminación de punto activo, un algoritmo de integración de ahorro de energía y un algoritmo de equilibrio de carga.
Cabe señalar que el algoritmo de eliminación de puntos activos, el algoritmo de integración de ahorro de energía y el algoritmo de equilibrio de carga son algoritmos opcionales en la realización de la presente divulgación, y de acuerdo con la realización de la presente divulgación, se puede añadir o borrar un algoritmo de planificación de recursos de acuerdo con el requisito de planificación de recursos de un grupo.
Opcionalmente, en el caso en que el algoritmo de planificación de recursos de acuerdo con una realización de la presente divulgación incluya un algoritmo de integración de ahorro de energía, el algoritmo de integración de ahorro de energía incluye: cuando una carga del grupo es menor o igual a un umbral de carga predeterminado, disponer, de acuerdo con la información de carga de grupo, las máquinas físicas en una secuencia basada en sus cargas, añadir un número predeterminado de máquinas físicas con las cargas más bajas en la secuencia a una lista de máquinas físicas a apagar, y añadir máquinas físicas no seleccionadas a una lista de máquinas físicas candidatas; en donde la carga incluye: tasa de utilización de CPU y/o tasa de utilización de memoria.
Cabe señalar que la cantidad de máquinas físicas con las cargas más bajas que se seleccionan puede determinarse de acuerdo con el tamaño del grupo, y el algoritmo puede incluir: seleccionar tres máquinas físicas con las cargas más bajas.
El algoritmo de integración de ahorro de energía puede incluir además: añadir todas las máquinas virtuales en la lista de máquinas físicas a apagar a una lista que se va a migrar; para máquinas virtuales en la lista que se va a migrar, intentar colocar cada máquina virtual en la lista que se va a migrar en una máquina física con la carga más alta en la lista de máquinas físicas candidatas una a una; si la máquina virtual se coloca con éxito, emitir una secuencia de decisión de migración de acuerdo con la relación de posición de la migración y generar una secuencia de decisión de apagado de acuerdo con la lista que se va a migrar; si falla la colocación de la máquina virtual, borrar la máquina física con la carga más alta de la lista de máquinas físicas a apagar, añadir la máquina física borrada al final de la lista de máquinas físicas candidatas, borrar una máquina virtual en la máquina física añadida a la lista de máquinas físicas candidatas de la lista que se va a migrar, actualizar la lista que se va a migrar y ordenar la carga de la lista de máquinas físicas candidatas, y continuar con el intento de colocación de la máquina virtual en la lista que se va a migrar.
Cabe señalar que, en la realización de la presente divulgación, la carga puede incluir uno o más de la carga de CPU, la tasa de utilización de memoria y similares, y cuando se incluye una pluralidad de cargas, las máquinas físicas pueden disponerse en un secuencia basada en una de la pluralidad de cargas, por ejemplo, basada únicamente en la carga de CPU; o, basada únicamente en la tasa de utilización de memoria, o basada en un parámetro que representa la carga, que se obtiene realizando un cálculo de la carga de CPU y la tasa de utilización de memoria de acuerdo con una fórmula de cálculo. Por ejemplo, la carga de CPU y la tasa de utilización de memoria se usan respectivamente como la mitad de la proporción del parámetro que representa la carga. Los expertos en la materia pueden determinar el umbral de carga de acuerdo con la escala del grupo, el estado de funcionamiento del grupo y similares, y la tasa de ocupación de CPU y la tasa de ocupación de memoria se pueden establecer con un límite inferior del 10 % y un límite superior del 90 %.
Opcionalmente, en el caso en que el algoritmo de planificación de recursos de acuerdo con una realización de la presente divulgación incluya un algoritmo de equilibrio de carga, el algoritmo de equilibrio de carga incluye: cuando el grado de equilibrio de carga de las máquinas físicas en el grupo es menor que un umbral de equilibrio de carga predeterminado, disponer las máquinas físicas en el grupo en una secuencia basada en sus cargas; seleccionar una máquina física con la carga más alta, atravesar el grado de equilibrio de carga de las máquinas físicas en el grupo cuando cada máquina virtual en la máquina física con la carga más alta se migra de acuerdo con la información de datos de rendimiento, determinar una máquina virtual con un grado de equilibrio de carga óptimo para realizar el marcado de migración y borrar la máquina virtual determinada de la máquina física con la carga más alta; y calcular el grado de equilibrio de carga cuando la máquina virtual con el marcado de migración se migra a cada una de las demás máquinas físicas, y migrar la máquina virtual a una máquina física con un grado de equilibrio de carga óptimo obtenido por el cálculo.
Cabe señalar que el grado de equilibrio de carga puede incluir dos aspectos, uno es para la máquina física y el otro es para la máquina virtual, y ambos aspectos se pueden medir a partir de la tasa de utilización de CPU y la tasa de utilización de memoria; en donde la máquina física representa un peso del 60 por ciento y la máquina virtual representa un peso del 40 por ciento.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos de acuerdo con una realización de la presente divulgación incluya un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos incluye: determinar si una máquina física en el grupo es una máquina física de punto activo de acuerdo con la información de datos de rendimiento y un umbral de punto activo de carga predeterminado; y seleccionar una o más máquinas virtuales de la máquina física de punto activo y migrar la una o más máquinas virtuales a otras máquinas físicas en el grupo para reducir el umbral de carga de la máquina física de punto activo.
Cabe señalar que el umbral del punto activo de carga de la realización de la presente divulgación puede incluir un umbral de punto activo de carga de la memoria, un umbral de punto activo de carga de la CPU y similares, que pueden establecerse por los expertos en la técnica de acuerdo con valores empíricos.
Opcionalmente, en un caso en que el algoritmo de planificación de recursos de acuerdo con una realización de la presente divulgación incluya un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos incluye: disponer, de acuerdo con la información de datos de rendimiento, las máquinas físicas en el grupo en una secuencia basada en sus cargas; determinar, de acuerdo con la información de datos de rendimiento, una máquina física con la carga más alta como una máquina física de punto activo, cuando la carga de CPU de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de CPU predeterminado, o cuando la tasa de utilización de memoria de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de memoria predeterminado; y disponer, de acuerdo con la información de datos de rendimiento, máquinas virtuales en la máquina física de punto activo en una secuencia basada en sus cargas, y migrar una máquina virtual con la carga más alta después de la disposición a una máquina física con la carga más baja en el grupo.
Cabe señalar que, siempre que se determine que existe una máquina física de punto activo, la realización de la presente divulgación ejecuta continuamente el proceso de determinación de acuerdo con las etapas anteriores.
La unidad de salida y planificación 604 está configurada para emitir una decisión de planificación de recursos de acuerdo con el algoritmo de planificación de recursos seleccionado, y realizar la planificación de recursos en el grupo de acuerdo con la decisión de planificación de recursos emitida. La agrupación de algoritmos incluye dos o más algoritmos de planificación de recursos.
Cabe señalar que la decisión de planificación de recursos en la realización de la presente divulgación incluye un proceso de planificación de decisiones del recurso y una función de control de máquina virtual. La función de control de la máquina virtual es principalmente encapsular un comando xm, por ejemplo, el formato del comando de migración xm es: # xm migreate -live -ssl vm_id dest_pm_ip; donde vm_id representa el ID de la máquina virtual que se va a migrar y dest_pm_ip indica la dirección IP de la máquina física de destino. Los parámetros -live y -ssl usados en la realización de la presente divulgación indican que se realiza una migración dinámica usando una conexión SSL, para garantizar la seguridad de la migración.
Opcionalmente, el dispositivo de acuerdo con una realización de la presente divulgación incluye, además una unidad de registro configurada para registrar los algoritmos de planificación de recursos respectivamente a través de interfaces de extensión de algoritmos proporcionadas de antemano en correspondencia biunívoca.
De acuerdo con una realización de la presente divulgación, se pueden añadir más interfaces de extensión de algoritmos de acuerdo con el requisito de planificación de recursos del grupo, de modo que se puedan añadir más algoritmos de planificación de recursos.
Los expertos en la técnica apreciarán que todas o algunas de las etapas de los métodos, sistemas, módulos/unidades funcionales en los dispositivos divulgados anteriormente pueden implementarse como software, firmware, hardware y combinaciones apropiadas de los mismos. En una implementación de hardware, la división entre módulos/unidades funcionales mencionada en la descripción anterior no corresponde necesariamente a la división de unidades físicas; por ejemplo, un componente físico puede tener múltiples funciones, o una función o etapa puede realizarse por varios componentes físicos en cooperación. Algunos o todos los componentes pueden implementarse como software ejecutado por un procesador, tal como un procesador o microprocesador de señal digital, o como hardware, o como un circuito integrado, tal como un circuito integrado de aplicación específica. Dicho software puede distribuirse en un medio legible por ordenador, que puede incluir un medio de almacenamiento informático (o medio no transitorio) y un medio de comunicación (o medio transitorio). Como saben los expertos en la técnica, el término "medio de almacenamiento informático" incluye medios volátiles y no volátiles, extraíbles y no extraíbles implementados en cualquier método o tecnología para el almacenamiento de información, tal como instrucciones legibles por ordenador, estructuras de datos, módulos de programa u otros datos. El medio de almacenamiento informático incluye, entre otros, RAM, ROM, EEPROM, memoria flash u otra tecnología de memoria, CD-ROM, Disco Versátil Digital (DVD) u otro almacenamiento en disco óptico, casetes magnéticos, cinta magnética, almacenamiento en disco magnético u otros dispositivos de almacenamiento magnético, o cualquier otro medio que pueda usarse para almacenar la información deseada y al que pueda acceder un ordenador. Además, el medio de comunicación normalmente incorpora instrucciones legibles por ordenador, estructuras de datos, módulos de programa u otros datos en una señal de datos modulada, tal como una onda portadora u otro mecanismo de transporte, y puede incluir cualquier medio de entrega de información, como saben los expertos en la técnica.
Aplicabilidad industrial
Las realizaciones de la presente divulgación realizan la planificación dinámica de recursos de diferentes plataformas de virtualización.

Claims (12)

REIVINDICACIONES
1. Un método para realizar planificación de recursos, que comprende:
adquirir información de parámetros de rendimiento de máquinas físicas y máquinas virtuales en un grupo, y analizar y convertir la información de parámetros de rendimiento en información de datos de rendimiento en un formato predeterminado (100), en donde la información de datos de rendimiento en el formato predeterminado es compatible con múltiples tipos de sistemas de planificación de recursos;
determinar la información de carga de grupo de acuerdo con la información de datos de rendimiento (101); seleccionar un algoritmo de planificación de recursos para la planificación de recursos de una agrupación de algoritmos predeterminada de acuerdo con la información de carga de grupo determinada y una configuración de solicitud recibida (102); y
emitir una decisión de planificación de recursos de acuerdo con el algoritmo de planificación de recursos seleccionado, y realizar la planificación de recursos en el grupo de acuerdo con la decisión de planificación de recursos emitida (103);
en donde la agrupación de algoritmos comprende dos o más algoritmos de planificación de recursos, en donde, el algoritmo de planificación de recursos comprende al menos uno de un algoritmo de eliminación de punto activo, un algoritmo de integración de ahorro de energía y un algoritmo de equilibrio de carga;
en donde en un caso en que el algoritmo de planificación de recursos comprenda un algoritmo de integración de ahorro de energía, el algoritmo de integración de ahorro de energía comprende:
en respuesta a que una carga del grupo es menor o igual a un umbral de carga predeterminado, disponer, de acuerdo con la información de carga de grupo, las máquinas físicas en una secuencia basada en las cargas de las máquinas físicas, seleccionar un número predeterminado de máquinas físicas con las cargas más bajas en la secuencia, añadir las máquinas físicas seleccionadas a una lista de máquinas físicas a apagar, y añadir máquinas físicas no seleccionadas a una lista de máquinas físicas candidatas (200); en donde la carga comprende: tasa de utilización de CPU y/o tasa de utilización de memoria;
añadir todas las máquinas virtuales en la lista de máquinas físicas a apagar a una lista que se va a migrar (201); para máquinas virtuales en la lista que se va a migrar, intentar colocar cada máquina virtual en la lista que se va a migrar en una máquina física con la carga más alta en la lista de máquinas físicas candidatas una a una (202); en respuesta a una colocación exitosa de la máquina virtual, emitir una secuencia de decisión de migración de acuerdo con la relación de posición de la migración y generar una secuencia de decisión de apagado de acuerdo con la lista que se va a migrar (204); y
en respuesta a una colocación fallida de la máquina virtual, borrar la máquina física con la carga más alta de la lista de máquinas físicas a apagar, añadir la máquina física borrada al final de la lista de máquinas físicas candidatas, borrar una máquina virtual en la máquina física añadida a la lista de máquinas físicas candidatas de la lista que se va a migrar, actualizar la lista que se va a migrar y ordenar la carga de la lista de máquinas físicas candidatas, y continuar el intento de colocación de la máquina virtual en la lista que se va a migrar (205).
2. El método de la reivindicación 1, en donde la adquisición de información de parámetros de rendimiento de las máquinas físicas y las máquinas virtuales en el grupo (100) comprende:
recopilar, mediante clientes de monitorización proporcionados en cada una de las máquinas físicas de antemano, la información de parámetros de rendimiento de las máquinas físicas y las máquinas virtuales;
adquirir, de los clientes de monitorización y en forma de sondeo, la información de parámetros de rendimiento recopilada por los clientes de monitorización; y
agregar la información de parámetros de rendimiento de todas las máquinas físicas y las máquinas virtuales adquiridas en forma de sondeo; en donde la información de parámetros de rendimiento recopilada se sincroniza en una forma de multidifusión entre los clientes de monitorización.
3. El método de la reivindicación 2, en donde la información de parámetros de rendimiento comprende:
para cada una de las máquinas físicas: dirección de protocolo de Internet, IP, nombre, identificador único, número total de unidades de procesamiento central, CPU, tasa de utilización de CPU, tamaño de memoria total, tasa de utilización de memoria, velocidad de lectura/escritura de un puerto de entrada/salida, E/S, de un disco y máquina virtual proporcionada en la máquina física; en donde la máquina virtual proporcionada en la máquina física comprende el número y los nombres de las máquinas virtuales proporcionadas; y
para cada una de las máquinas virtuales: nombre, identificador único, número de las memorias asignadas, tasa de utilización de memoria, número de CPU asignadas, velocidad de lectura/escritura de E/S de un disco de la máquina virtual, descripción de afinidad, descripción de exclusión mutua y bandera de estado.
4. El método de la reivindicación 1, en donde la agrupación de algoritmos registra algoritmos de planificación de recursos respectivamente a través de interfaces de extensión de algoritmos proporcionadas de antemano en una correspondencia biunívoca.
5. El método de una cualquiera de las reivindicaciones 1 a 4, en donde, en un caso en que el algoritmo de planificación de recursos comprenda un algoritmo de equilibrio de carga, el algoritmo de equilibrio de carga comprende:
en respuesta a que el grado de equilibrio de carga de las máquinas físicas en el grupo es menor que un umbral de equilibrio de carga predeterminado, disponer las máquinas físicas en el grupo en una secuencia basada en las cargas de las máquinas físicas (300); seleccionar una máquina física con la carga más alta, atravesar, de acuerdo con la información de datos de rendimiento, el grado de equilibrio de carga de las máquinas físicas en el grupo cuando se migra cada máquina virtual en la máquina física con la carga más alta, determinar una máquina virtual con un grado de equilibrio de carga óptimo para realizar el marcado de migración, y borrar la máquina virtual determinada de la máquina física con la carga más alta (301); y
calcular el grado de equilibrio de carga cuando la máquina virtual con el marcado de migración se migra a cada una de las demás máquinas físicas, y migrar la máquina virtual a una máquina física con un grado de equilibrio de carga óptimo obtenido por el cálculo (302).
6. El método de una cualquiera de las reivindicaciones 1 a 4, en donde, en un caso en que el algoritmo de planificación de recursos comprenda un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos comprende:
determinar si una máquina física en el grupo es una máquina física de punto activo de acuerdo con la información de datos de rendimiento y un umbral de punto activo de carga predeterminado (400); y
seleccionar una o más máquinas virtuales de la máquina física de punto activo y migrar la una o más máquinas virtuales a otra máquina física en el grupo para reducir el umbral de carga de la máquina física de punto activo (401).
7. El método de una cualquiera de las reivindicaciones 1 a 4, en donde, en un caso en que el algoritmo de planificación de recursos comprenda un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos comprende:
disponer, de acuerdo con la información de datos de rendimiento, las máquinas físicas en el grupo en una secuencia basada en las cargas de las máquinas físicas (500);
determinar, de acuerdo con la información de datos de rendimiento, una máquina física con la carga más alta como una máquina física de punto activo, cuando la carga de CPU de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de CPU predeterminado, o cuando la tasa de utilización de memoria de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de memoria predeterminado (501); y
disponer, de acuerdo con la información de datos de rendimiento, máquinas virtuales en la máquina física de punto activo en una secuencia basada en las cargas de las máquinas virtuales, y migrar una máquina virtual con la carga más alta después de la disposición a una máquina física con la carga más baja en el grupo (502).
8. Un dispositivo para realizar planificación de recursos, que comprende: una unidad de adquisición y análisis (601), una unidad de determinación (602), una unidad de selección (603) y una unidad de salida y planificación (604); en donde
la unidad de adquisición y análisis (601) está configurada para adquirir información de parámetros de rendimiento de máquinas físicas y máquinas virtuales en un grupo, y analizar y convertir la información de parámetros de rendimiento en información de datos de rendimiento en un formato predeterminado, en donde la información de datos de rendimiento en el formato predeterminado es compatible con múltiples tipos de sistemas de planificación de recursos;
la unidad de determinación (602) está configurada para determinar la información de carga de grupo de acuerdo con la información de datos de rendimiento;
la unidad de selección (603) está configurada para seleccionar un algoritmo de planificación de recursos para la planificación de recursos de una agrupación de algoritmos predeterminada de acuerdo con la información de carga de grupo determinada y una configuración de solicitud recibida; y
la unidad de salida y planificación (604) está configurada para emitir una decisión de planificación de recursos de acuerdo con el algoritmo de planificación de recursos seleccionado, y realizar la planificación de recursos en el grupo de acuerdo con la decisión de planificación de recursos emitida;
en donde la agrupación de algoritmos comprende dos o más algoritmos de planificación de recursos;
en donde, el algoritmo de planificación de recursos comprende al menos uno de un algoritmo de eliminación de punto activo, un algoritmo de integración de ahorro de energía y un algoritmo de equilibrio de carga;
en donde en un caso en que el algoritmo de planificación de recursos comprenda un algoritmo de integración de ahorro de energía, el algoritmo de integración de ahorro de energía comprende:
en respuesta a que una carga del grupo es menor o igual a un umbral de carga predeterminado, disponer, de acuerdo con la información de carga de grupo, las máquinas físicas en una secuencia basada en las cargas de las máquinas físicas, seleccionar un número predeterminado de máquinas físicas con las cargas más bajas en la secuencia, añadir las máquinas físicas seleccionadas a una lista de máquinas físicas a apagar, y añadir máquinas físicas no seleccionadas a una lista de máquinas físicas candidatas; en donde la carga comprende: tasa de utilización de CPU y/o tasa de utilización de memoria;
añadir todas las máquinas virtuales en la lista de máquinas físicas a apagar a una lista que se va a migrar; para máquinas virtuales en la lista que se va a migrar, intentar colocar cada máquina virtual en la lista que se va a migrar en una máquina física con la carga más alta en la lista de máquinas físicas candidatas una a una; en respuesta a una colocación exitosa de la máquina virtual, emitir una secuencia de decisión de migración de acuerdo con la relación de posición de la migración, y generar una secuencia de decisión de apagado de acuerdo con la lista que se va a migrar;
en respuesta a una colocación fallida de la máquina virtual, borrar la máquina física con la carga más alta de la lista de máquinas físicas a apagar, añadir la máquina física borrada al final de la lista de máquinas físicas candidatas, borrar una máquina virtual en la máquina física añadida a la lista de máquinas físicas candidatas de la lista que se va a migrar, actualizar la lista que se va a migrar y ordenar la carga de la lista de máquinas físicas candidatas, y continuar el intento de colocación de la máquina virtual en la lista que se va a migrar.
9. El dispositivo de la reivindicación 8, en donde la unidad de adquisición y análisis (601) está configurada para:
recopilar, mediante clientes de monitorización proporcionados en cada una de las máquinas físicas de antemano, la información de parámetros de rendimiento de las máquinas físicas y las máquinas virtuales;
adquirir, de los clientes de monitorización y en forma de sondeo, la información de parámetros de rendimiento recopilada por el cliente de monitorización; agregar la información de parámetros de rendimiento de todas las máquinas físicas y las máquinas virtuales adquiridas en forma de sondeo; y analizar y convertir la información de parámetros de rendimiento agregada en información de datos de rendimiento en un formato predeterminado, en donde la información de parámetros de rendimiento recopilada se sincroniza en una forma de multidifusión entre los clientes de monitorización.
10. El dispositivo de la reivindicación 9, en donde la información de parámetros de rendimiento comprende:
para cada una de las máquinas físicas: dirección de protocolo de Internet, IP, nombre, identificador único, número total de unidades de procesamiento central, CPU, tasa de utilización de CPU, tamaño de memoria total, tasa de utilización de memoria, velocidad de lectura/escritura de un puerto de entrada/salida, E/S, de un disco y máquina virtual proporcionada en la máquina física; en donde la máquina virtual proporcionada en la máquina física comprende el número y los nombres de las máquinas virtuales proporcionadas; y
para cada una de las máquinas virtuales: nombre, identificador único, número de las memorias asignadas, tasa de utilización de memoria, número de CPU asignadas, velocidad de lectura/escritura de E/S de un disco de la máquina virtual, descripción de afinidad, descripción de exclusión mutua y bandera de estado.
11. El dispositivo de la reivindicación 8, que comprende, además:
una unidad de registro configurada para registrar algoritmos de planificación de recursos respectivamente a través de interfaces de extensión de algoritmos proporcionadas de antemano en correspondencia biunívoca.
12. El dispositivo de una cualquiera de las reivindicaciones 8 a 11, en donde, en un caso en que el algoritmo de planificación de recursos comprenda un algoritmo de equilibrio de carga, el algoritmo de equilibrio de carga comprende:
en respuesta a que el grado de equilibrio de carga de las máquinas físicas en el grupo es menor que un umbral de equilibrio de carga predeterminado, disponer las máquinas físicas en el grupo en una secuencia basada en las cargas de las máquinas físicas; seleccionar una máquina física con la carga más alta, atravesar, de acuerdo con la información de datos de rendimiento, el grado de equilibrio de carga de las máquinas físicas en el grupo cuando se migra cada máquina virtual en la máquina física con la carga más alta, determinar una máquina virtual con un grado de equilibrio de carga óptimo para realizar el marcado de migración, y borrar la máquina virtual determinada de la máquina física con la carga más alta; y
calcular el grado de equilibrio de carga cuando la máquina virtual con el marcado de migración se migra a cada una de las demás máquinas físicas, y migrar la máquina virtual a una máquina física con un grado de equilibrio de carga óptimo obtenido por el cálculo,
en donde, en un caso en que el algoritmo de planificación de recursos comprenda un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos comprende:
determinar si una máquina física en el grupo es una máquina física de punto activo de acuerdo con la información de datos de rendimiento y un umbral de punto activo de carga predeterminado; y seleccionar una o más máquinas virtuales de la máquina física de punto activo y migrar la una o más máquinas virtuales a otra máquina física en el grupo para reducir el umbral de carga de la máquina física de punto activo,
en donde, en un caso en que el algoritmo de planificación de recursos comprenda un algoritmo de eliminación de puntos activos, el algoritmo de eliminación de puntos activos comprende:
disponer, de acuerdo con la información de datos de rendimiento, las máquinas físicas en el grupo en una secuencia basada en las cargas de las máquinas físicas;
determinar, de acuerdo con la información de datos de rendimiento, una máquina física con la carga más alta como una máquina física de punto activo, cuando la carga de CPU de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de CPU predeterminado, o cuando la tasa de utilización de memoria de la máquina física con la carga más alta es mayor que un umbral de punto activo de carga de memoria predeterminado; y
disponer, de acuerdo con la información de datos de rendimiento, máquinas virtuales en la máquina física de punto activo en una secuencia basada en las cargas de las máquinas virtuales, y migrar una máquina virtual con la carga más alta después de la disposición a una máquina física con la carga más baja en el grupo.
ES18774667T 2017-03-27 2018-02-12 Método y dispositivo para realizar planificación de recursos Active ES2939689T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710188524.1A CN108667859A (zh) 2017-03-27 2017-03-27 一种实现资源调度的方法及装置
PCT/CN2018/076386 WO2018177042A1 (zh) 2017-03-27 2018-02-12 一种实现资源调度的方法及装置

Publications (1)

Publication Number Publication Date
ES2939689T3 true ES2939689T3 (es) 2023-04-26

Family

ID=63674155

Family Applications (1)

Application Number Title Priority Date Filing Date
ES18774667T Active ES2939689T3 (es) 2017-03-27 2018-02-12 Método y dispositivo para realizar planificación de recursos

Country Status (4)

Country Link
EP (1) EP3606008B1 (es)
CN (1) CN108667859A (es)
ES (1) ES2939689T3 (es)
WO (1) WO2018177042A1 (es)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109739614A (zh) * 2018-11-22 2019-05-10 杭州数梦工场科技有限公司 虚拟机新建方法、装置及设备
CN109617954B (zh) * 2018-11-29 2021-07-30 郑州云海信息技术有限公司 一种创建云主机的方法和装置
CN109857518B (zh) * 2019-01-08 2022-10-14 平安科技（深圳）有限公司 一种网络资源的分配方法及设备
CN109918196B (zh) * 2019-01-23 2022-11-29 深圳壹账通智能科技有限公司 系统资源分配方法、装置、计算机设备和存储介质
CN110083435A (zh) * 2019-05-08 2019-08-02 扬州大学 基于联盟形成的虚拟机迁移设计方法
CN112015326B (zh) * 2019-05-28 2023-02-17 浙江宇视科技有限公司 集群数据处理方法、装置、设备及存储介质
CN110417686B (zh) * 2019-06-12 2021-12-14 因特睿科技有限公司 云资源动态调度系统
CN110515730A (zh) * 2019-08-22 2019-11-29 北京宝兰德软件股份有限公司 基于kubernetes容器编排系统的资源二次调度方法及装置
CN110855762B (zh) * 2019-10-31 2022-07-22 云南电网有限责任公司信息中心 一种电网系统中异构集群节点的数据块分配方法
CN111104203B (zh) * 2019-12-13 2023-04-28 广东省华南技术转移中心有限公司 虚拟机分散调度方法、装置以及电子设备、存储介质
CN111078369B (zh) * 2019-12-27 2023-03-28 中国建设银行股份有限公司 一种云计算机下虚拟机分配方法、装置以及服务器
CN113138849B (zh) * 2020-01-20 2024-04-26 阿里巴巴集团控股有限公司 一种计算资源调度和迁移方法、相关装置及系统
CN111858031B (zh) * 2020-06-19 2022-06-07 浪潮电子信息产业股份有限公司 一种集群分布式资源调度方法、装置、设备及存储介质
CN113783912A (zh) * 2020-08-25 2021-12-10 北京沃东天骏信息技术有限公司 请求分发方法、装置及存储介质
CN113760523A (zh) * 2020-11-16 2021-12-07 北京沃东天骏信息技术有限公司 Redis高热点数据迁移方法
CN112416520B (zh) * 2020-11-21 2023-10-13 广州西麦科技股份有限公司 一种基于vSphere的智能资源调度方法
CN112416530B (zh) * 2020-12-08 2023-12-22 西藏宁算科技集团有限公司 弹性管理集群物理机节点的方法、装置及电子设备
CN112732408A (zh) * 2021-01-18 2021-04-30 浪潮云信息技术股份公司 一种用于计算节点资源优化的方法
CN113010269B (zh) * 2021-03-29 2024-02-23 深信服科技股份有限公司 一种虚拟机调度方法、装置、电子设备及可读存储介质
CN113285833B (zh) * 2021-05-26 2023-03-31 北京百度网讯科技有限公司 用于获取信息的方法和装置
CN113448738B (zh) * 2021-08-31 2021-11-12 成都派沃特科技股份有限公司 服务器可用度调整方法、装置、设备及存储介质
CN114125059B (zh) * 2021-10-11 2023-08-25 国电南瑞科技股份有限公司 一种基于容器的监控实时数据缓存系统及方法
CN115373862B (zh) * 2022-10-26 2023-04-25 安超云软件有限公司 基于数据中心的动态资源调度方法、系统及存储介质
CN117472516B (zh) * 2023-12-27 2024-03-29 苏州元脑智能科技有限公司 虚拟资源调度方法、装置、集群系统、电子设备和介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201324357A (zh) * 2011-12-01 2013-06-16 Univ Tunghai 虛擬機叢集之綠能管理方法
CN102662754A (zh) * 2012-04-20 2012-09-12 浙江大学 一种支持多场景的虚拟机调度装置和方法
EP2775399A4 (en) * 2012-12-26 2015-04-29 Huawei Tech Co Ltd METHOD FOR MANAGING VIRTUAL MACHINE SYSTEM RESOURCES, VIRTUAL MACHINE SYSTEM, AND APPARATUS
US9363190B2 (en) * 2013-07-31 2016-06-07 Manjrasoft Pty. Ltd. System, method and computer program product for energy-efficient and service level agreement (SLA)-based management of data centers for cloud computing
CN104184813B (zh) * 2014-08-20 2018-03-09 杭州华为数字技术有限公司 虚拟机的负载均衡方法和相关设备及集群系统
EP3046028B1 (en) * 2015-01-15 2020-02-19 Alcatel Lucent Load-balancing and scaling of cloud resources by migrating a data session
CN104881325B (zh) * 2015-05-05 2018-09-21 中国联合网络通信集团有限公司 一种资源调度方法和资源调度系统
CN105141541A (zh) * 2015-09-23 2015-12-09 浪潮(北京)电子信息产业有限公司 一种基于任务的动态负载均衡调度方法及装置
CN106534318B (zh) * 2016-11-15 2019-10-29 浙江大学 一种基于流量亲和性的OpenStack云平台资源动态调度系统和方法

Also Published As

Publication number Publication date
CN108667859A (zh) 2018-10-16
EP3606008A1 (en) 2020-02-05
WO2018177042A1 (zh) 2018-10-04
EP3606008B1 (en) 2022-12-14
EP3606008A4 (en) 2020-11-25

Similar Documents

Publication Publication Date Title
ES2939689T3 (es) Método y dispositivo para realizar planificación de recursos
US10015241B2 (en) Automated profiling of resource usage
US10776149B2 (en) Methods and apparatus to adjust energy requirements in a data center
AU2013318249B2 (en) Automated profiling of resource usage
US9135048B2 (en) Automated profiling of resource usage
US11570937B2 (en) Methods and apparatus to control power delivery based on predicted power utilization in a data center
US9600319B2 (en) Computer-readable medium, apparatus, and method for offloading processing from a virtual switch to a physical switch
US20190250946A1 (en) Migrating a software container taking into account resource constraints
US10725834B2 (en) Job scheduling based on node and application characteristics
US20210117307A1 (en) Automated verification of platform configuration for workload deployment
US20150277955A1 (en) System and method for controlling virtual-machine migrations based on processor usage rates and traffic amounts
US20120102190A1 (en) Inter-virtual machine communication
US10721137B2 (en) Performance assurance using workload phase detection
JP2012088808A (ja) 仮想マシン制御装置、仮想マシン制御プログラムおよび仮想マシン制御方法
US10938688B2 (en) Network costs for hyper-converged infrastructures
US10817323B2 (en) Systems and methods for organizing on-demand migration from private cluster to public cloud
Hasan et al. Heuristic based energy-aware resource allocation by dynamic consolidation of virtual machines in cloud data center
US8826074B2 (en) Live module diagnostic testing
Farahnakian et al. Hierarchical vm management architecture for cloud data centers
Begnum Simplified cloud-oriented virtual machine management with MLN
US20220138001A1 (en) Measuring host utilization in a datacenter
US10877791B2 (en) Live migration of virtual machines between compute only nodes and hyperconverged nodes
Xu et al. Virtual machine migration strategy in federated cloud
Tarahomi et al. New approach for reducing energy consumption and load balancing in data centers of cloud computing
Loreti et al. MapReduce over the hybrid cloud: A novel infrastructure management policy