JP2021521518A - 仮想マシンスケジューリング方法および装置 - Google Patents
仮想マシンスケジューリング方法および装置 Download PDFInfo
- Publication number
- JP2021521518A JP2021521518A JP2020555183A JP2020555183A JP2021521518A JP 2021521518 A JP2021521518 A JP 2021521518A JP 2020555183 A JP2020555183 A JP 2020555183A JP 2020555183 A JP2020555183 A JP 2020555183A JP 2021521518 A JP2021521518 A JP 2021521518A
- Authority
- JP
- Japan
- Prior art keywords
- host machine
- machine
- virtual machine
- candidate host
- virtual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000015654 memory Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 239000002699 waste material Substances 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000005012 migration Effects 0.000 description 8
- 238000013508 migration Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5019—Workload prediction
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
- G06F9/4856—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration
-
- 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)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明の実施形態によれば、仮想マシンをスケジューリングする方法の一実施形態も提供される。添付図面のフローチャートに示されるステップは、コンピュータ実行可能命令のセットといったコンピュータシステムで実行することができることに留意する必要がある。また、論理的順序がフローチャートに示されているが、場合によっては、ステップは、本明細書に示されるかまたは説明されるものとは異なる順序で行われてもよい。
本発明の実施形態によれば、仮想マシンをスケジューリングする方法の一実施形態も提供される。図5は、本出願の第2の実施形態による仮想マシンをスケジューリングする方法のフローチャートである。図5に示されるように、本方法は以下のステップを含む。
ステップS51:次の期間に仮想マシンが必要とするプロセッサリソースを予測して予測結果を取得する。
本発明の実施形態によれば、上述の仮想マシンスケジューリング方法を実施するための仮想マシンスケジューリング装置も提供される。図6に示されるように、装置600は、
次の期間に仮想マシンが必要とするリソースデータを予測して予測結果を取得するように構成された予測モジュール602であって、リソースデータは、プロセッサリソース、プロセッサ競合の回数、キャッシュミスの数、および消費電力量の使用率のうちの少なくとも1つを含む、予測モジュール602と、
候補ホストマシンの使用済みリソースデータおよび使用可能なリソースデータを取得するように構成された取得モジュール604と、
予測結果を各候補ホストマシンのリソースデータに追加して、各候補ホストマシンの重ね合わせ結果を取得するように構成された重ね合わせモジュール606と、
各候補ホストマシンの重ね合わせ結果を各ホストマシンの使用可能なリソースデータと個別に比較し、候補ホストマシンから仮想マシンに対応するターゲットホストマシンを選択するように構成された比較モジュール608とを含む。
本発明の実施形態によれば、上記仮想マシンスケジューリング方法を実施するための仮想マシンスケジューリング装置も提供される。図7に示されるように、装置700は、
次の期間に仮想マシンが必要とするプロセッサリソースを予測して予測結果を取得するように構成された予測モジュール702と、
候補ホストマシンの使用済みプロセッサリソースおよび使用可能なプロセッサリソースを取得するように構成された取得モジュール704と、
予測結果を各候補ホストマシンの使用済みプロセッサリソースに追加して、各候補ホストマシンの重ね合わせ結果を取得するように構成された重ね合わせモジュール706と、
各候補ホストマシンの重ね合わせ結果を各候補ホストマシンの使用可能なプロセッサリソースと比較し、候補ホストマシンから仮想マシンに対応するターゲットホストマシンを選択するように構成された比較モジュール708とを含む。
本発明の実施形態によれば、プロセッサと、プロセッサに結合され、プロセッサに以下の処理ステップを処理するための命令を提供するように構成されたメモリとを含むシステムも提供される。
次の期間に仮想マシンが必要とするリソースデータを予測して予測結果を取得するステップであって、リソースデータは、プロセッサリソース、プロセッサ競合の回数、キャッシュミスの数、および消費電力量の使用率のうちの少なくとも1つを含む、取得するステップと、候補ホストマシンの使用済みリソースデータおよび使用可能なリソースデータを取得するステップと、予測結果を各候補ホストマシンの使用済みリソースデータに追加して各候補ホストマシンの重ね合わせ結果を取得するステップと、各候補ホストマシンの重ね合わせ結果を各ホストマシンの使用可能なリソースデータと個別に比較して、候補ホストマシンから仮想マシンに対応するターゲットホストマシンを選択するステップ。
本発明の実施形態は、コンピュータ端末を提供することができる。コンピュータ端末は、コンピュータ端末グループ内の任意のコンピュータ端末デバイスでであってよい。任意で、本実施形態では、コンピュータ端末は、モバイル端末といった端末デバイスで置き換えられてもよい。
本発明の実施形態はまた、記憶媒体を提供する。任意で、本実施形態では、記憶媒体は、第1の実施形態で提供された仮想マシンスケジューリング方法によって実行されるプログラムコードを記憶するために使用することができる。
Claims (21)
- 仮想マシンスケジューリング方法であって、
予測結果を取得するために、次の期間に仮想マシンが必要とするリソースデータを予測することであって、前記リソースデータは、プロセッサリソース、プロセッサ競合の回数、キャッシュミスの数、および消費電力量の使用率のうちの少なくとも1つを含む、予測することと、
候補ホストマシンの使用済みリソースデータおよび使用可能なリソースデータを取得することと、
各候補ホストマシンの重ね合わせ結果を取得するために、前記予測結果を各候補ホストマシンの使用済みリソースデータに追加することと、
各候補ホストマシンの前記重ね合わせ結果を各ホストマシンの使用可能なリソースデータと個別に比較し、前記候補ホストマシンから前記仮想マシンに対応するターゲットホストマシンを選択することと、を含む、方法。 - 前記期間は複数の時間セグメントを含み、前記予測結果を取得するために、前記次の期間に前記仮想マシンが必要とする前記リソースデータを予測することは、
予測モデルを取得することであって、前記予測モデルは、異なる属性パラメータを有する仮想マシンの予測結果とプリセット時間セグメントとの対応関係を表すために使用され、前記属性パラメータは、前記仮想マシンのID、仕様、およびアプリケーションタイプを含む、取得することと、
前記仮想マシンの属性パラメータを前記予測モデルに入力することと、
前記予測モデルから出力された前記仮想マシンの予測結果を受信することと、を含む、請求項1に記載の方法。 - 前記仮想マシンの前記属性パラメータを前記予測モデルに入力する前に、前記方法は、
前記予測モデルの信頼度およびプリセット信頼閾値を取得することと、
前記予測モデルの前記信頼度が前記信頼閾値以上である場合に、前記仮想マシンの前記属性パラメータを前記予測モデルに入力する前記ステップを開始することと、
前記予測モデルの前記信頼度が前記信頼閾値未満である場合に、前記仮想マシンの仮想プロセッサリソースおよび仮想プロセッサ使用率に基づいて、前記次の期間に前記仮想マシンが必要とするリソースデータを予測することと、をさらに含む、請求項2に記載の方法。 - 前記予測モデルを取得することは、
サンプルデータを取得することであって、前記サンプルデータは、複数のサンプル仮想マシンの属性情報およびプリセット時間セグメントにおける前記サンプル仮想マシンの過去リソースデータを含む、取得することと、
モデルトレーニングを通じて前記予測モデルを取得することと、を含む、請求項2に記載の方法。 - 前記プリセット時間セグメントにおける前記サンプル仮想マシンの前記リソースデータを取得することは、
プリセットサンプリング時間に従って、前記仮想マシンの複数の仮想プロセッサの平均リソースデータを収集することであって、前記プリセット時間セグメントは、複数のサンプリング時間を含む、収集することと、
前記プリセット時間セグメントにおいて最大である平均リソースデータを、前記プリセット時間セグメントの前記過去リソースデータとして決定することと、を含む、請求項4に記載の方法。 - 前記期間は複数の時間セグメントを含み、前記リソースデータが前記プロセッサリソースであるとき、前記候補ホストマシンの前記使用済みリソースデータを取得することは、
プリセット時間セグメントにおいて候補ホストマシン上で実行されている各仮想マシンが使用するリソースを取得することと、
前記プリセット時間セグメントにおいて各仮想マシンが使用する前記リソースの合計を、前記プリセット時間セグメントにおける前記ホストマシンの使用済みプロセッサリソースとして決定することと、を含む、請求項1に記載の方法。 - 前記候補ホストマシンの前記使用可能なリソースデータを取得することは、
ホストマシンの全プロセッサリソースおよびプリセット使用閾値を取得することであって、前記ホストマシンの前記全プロセッサリソースは、前記ホストマシンの物理コアの数とプリセット定数との積である、取得することと、
前記ホストマシンの前記全プロセッサリソースと前記プリセット使用閾値との前記積を、前記候補ホストマシンの前記使用可能なリソースデータとして決定することと、を含む、請求項6に記載の方法。 - 前記プリセット時間セグメントにおいて前記候補ホストマシン上で実行されている各仮想マシンが使用する前記リソースを取得することは、
それぞれの仮想マシンの仮想プロセッサの数および前記候補ホストマシンによって作成された仮想プロセッサの総数、各プリセット時間セグメントにおける仮想プロセッサの平均使用率、および前記候補ホストマシンの物理コアの数を取得することと、
前記それぞれの仮想マシンの仮想プロセッサの前記数と前記候補ホストマシンによって作成された仮想プロセッサの前記総数との比率を取得することと、
前記候補ホストマシンの物理コアの前記数と前記候補ホストマシンによって作成された仮想プロセッサの前記総数との間の最小値を取得することと、
前記比率、仮想プロセッサの前記平均使用率、および前記最小の積を計算することと、
前記積を、前記プリセット時間セグメントでの前記それぞれの仮想マシンの前記プロセッサリソースとして決定することと、を含む、請求項6に記載の方法。 - 前記期間は複数のプリセット時間セグメントを含み、各候補ホストマシンの前記重ね合わせ結果を各ホストマシンの前記使用可能なリソースデータと個別に比較し、前記候補ホストマシンから前記仮想マシンに対応する前記ターゲットホストマシンを選択することは、
前記候補ホストマシンから条件(複数可)を満たす候補ホストマシン(複数可)をフィルタリングおよび選択することであって、前記条件(複数可)は、各プリセット時間セグメントの重ね合わせ結果が前記ホストマシン(複数可)の使用可能なリソースデータを超えないことを含む、フィルタリングおよび選択することと、
条件(複数可)を満たす前記候補ホストマシン(複数可)を、前記仮想マシンに対応する前記ターゲットホストマシンとして決定することと、を含む、請求項1に記載の方法。 - 条件(複数可)を満たす候補ホストマシンが複数存在するとき、前記条件(複数可)を満たす前記候補ホストマシン(複数可)を、前記仮想マシンに対応する前記ホストマシンとして決定することは、
各リソースデータに対応する重み値を取得することと、前記条件(複数可)を満たす前記候補ホストマシン(複数可)に対応するそれぞれの重み付け結果(複数可)を取得するために、重み値(複数可)で重ね合わせ結果(複数可)に重み付けすることと、
重み付け結果が最小である候補ホストマシンを、前記仮想マシンに対応する前記ターゲットホストマシンとして決定することと、を含む、請求項9に記載の方法。 - 各候補ホストマシンの前記重ね合わせ結果を各ホストマシンの前記使用可能なリソースデータと個別に比較し、前記候補ホストマシンから前記仮想マシンに対応する前記ターゲットホストマシンを選択した後、前記方法は、
前記仮想マシンを、前記仮想マシンに対応する前記ターゲットホストマシンに移行することをさらに含む、請求項1に記載の方法。 - 前記仮想マシンが新しく作成された仮想マシンであるとき、前記予測結果を取得するために、前記次の期間に前記仮想マシンが必要とする前記リソースデータを予測することは、
前記新しく作成された仮想マシンの識別子および仕様を取得することと、
前記新しく作成された仮想マシンの同じ識別子および/または同じ仕様を有するターゲット仮想マシンを検索することと、
前記ターゲット仮想マシンの予測結果が、前記新しく作成された仮想マシンの予測結果であると決定することと、を含む、請求項2に記載の方法。 - 仮想マシンスケジューリング方法であって、
予測結果を取得するために、次の期間に仮想マシンが必要とするプロセッサリソースを予測することと、
候補ホストマシンの使用済みプロセッサリソースおよび使用可能なプロセッサリソースを取得することと、
各候補ホストマシンの重ね合わせ結果を取得するために、前記予測結果を各候補ホストマシンの使用済みプロセッサリソースに追加することと、
各候補ホストマシンの前記重ね合わせ結果を各候補ホストマシンの使用可能なプロセッサリソースと個別に比較し、前記候補ホストマシンから前記仮想マシンに対応するターゲットホストマシンを選択することと、を含む、方法。 - 前記候補ホストマシンの前記使用可能なプロセッサリソースを取得することは、
プリセット定数、前記ホストマシンの物理コアのそれぞれの数、および1未満であるプリセット閾値を取得することと、
前記プリセット定数、前記ホストマシンの物理コアの前記それぞれの数、および前記プリセット閾値のそれぞれの積を、前記ホストマシンの前記使用可能なプロセッサリソースとして決定することと、を含む、請求項13に記載の方法。 - 前記期間は複数のプリセット時間セグメントを含み、前記候補ホストマシンの前記使用済みプロセッサリソースを取得することは、
プリセット時間セグメントにおいて候補ホストマシン上で実行されている各仮想マシンのプロセッサリソースを取得することと、
各仮想マシンの前記プロセッサリソースの合計を、前記プリセット時間セグメントにおける前記候補ホストマシンの使用済みプロセッサリソースとして決定することと、を含む、請求項14に記載の方法。 - 前記プリセット時間セグメントについて前記候補ホストマシン上で実行されている各仮想マシンの前記プロセッサリソースを取得することは、
それぞれの仮想マシンの仮想プロセッサの数および前記候補ホストマシンによって作成された仮想プロセッサの総数、各プリセット時間セグメントにおける仮想プロセッサの平均使用率、および前記候補ホストマシンの物理コアの数を取得することと、
前記それぞれの仮想マシンの仮想プロセッサの前記数と前記候補ホストマシンによって作成された仮想プロセッサの前記総数との比率を取得することと、
前記候補ホストマシンの物理コアの前記数と前記候補ホストマシンによって作成された仮想プロセッサの前記総数との間の最小値を取得することと、
前記比率、仮想プロセッサの前記平均使用率、および前記最小の積を計算することと、
前記積を、前記プリセット時間セグメントでのそれぞれの仮想マシンの前記プロセッサリソースとして決定することと、を含む、請求項15に記載の方法。 - 仮想マシンスケジューリング装置であって、
次の期間に仮想マシンが必要とするリソースデータを予測して予測結果を取得するように構成された予測モジュールであって、前記リソースデータは、プロセッサリソース、プロセッサ競合の回数、キャッシュミスの数、および消費電力量の使用率のうちの少なくとも1つを含む、予測モジュールと、
候補ホストマシンの使用済みリソースデータおよび使用可能なリソースデータを取得するように構成された取得モジュールと、
前記予測結果を各候補ホストマシンのリソースデータに追加して、各候補ホストマシンの重ね合わせ結果を取得するように構成された重ね合わせモジュールと、
各候補ホストマシンの前記重ね合わせ結果を各ホストマシンの使用可能なリソースデータと個別に比較し、前記候補ホストマシンから前記仮想マシンに対応するターゲットホストマシンを選択するように構成された比較モジュールと、を含む、仮想マシンスケジューリング装置。 - 仮想マシンスケジューリング装置であって、
次の期間に仮想マシンが必要とするプロセッサリソースを予測して予測結果を取得するように構成された予測モジュールと、
候補ホストマシンの使用済みプロセッサリソースおよび使用可能なプロセッサリソースを取得するように構成された取得モジュールと、
前記予測結果を各候補ホストマシンの使用済みプロセッサリソースに追加して、各候補ホストマシンの重ね合わせ結果を取得するように構成された重ね合わせモジュールと、
各候補ホストマシンの前記重ね合わせ結果を各候補ホストマシンの使用可能なプロセッサリソースと比較し、前記候補ホストマシンから前記仮想マシンに対応するターゲットホストマシンを選択するように構成された比較モジュールと、を含む、仮想マシンスケジューリング装置。 - 記憶されたプログラムを含む記憶媒体であって、前記記憶媒体が配置されているデバイスが、前記プログラムが実行されているとき、
予測結果を取得するために、次の期間に仮想マシンが必要とするリソースデータを予測するステップであって、前記リソースデータは、プロセッサリソース、プロセッサ競合の回数、キャッシュミスの数、および消費電力量の使用率のうちの少なくとも1つを含む、予測するステップと、
候補ホストマシンの使用済みリソースデータおよび使用可能なリソースデータを取得するステップと、
各候補ホストマシンの重ね合わせ結果を取得するために、前記予測結果を各候補ホストマシンの使用済みリソースデータに追加するステップと、
各候補ホストマシンの前記重ね合わせ結果を各ホストマシンの使用可能なリソースデータと個別に比較し、前記候補ホストマシンから前記仮想マシンに対応するターゲットホストマシンを選択するステップと、を行うように制御される、記憶媒体。 - プログラムを実行するために使用されているプロセッサであって、前記プログラムが実行されているとき、
予測結果を取得するために、次の期間に仮想マシンが必要とするリソースデータを予測するステップであって、前記リソースデータは、プロセッサリソース、プロセッサ競合の回数、キャッシュミスの数、および消費電力量の使用率のうちの少なくとも1つを含む、予測するステップと、
候補ホストマシンの使用済みリソースデータおよび使用可能なリソースデータを取得するステップと、
各候補ホストマシンの重ね合わせ結果を取得するために、前記予測結果を各候補ホストマシンの使用済みリソースデータに追加するステップと、
各候補ホストマシンの前記重ね合わせ結果を各ホストマシンの使用可能なリソースデータと個別に比較し、前記候補ホストマシンから前記仮想マシンに対応するターゲットホストマシンを選択するステップと、が実行される、プロセッサ。 - プロセッサと、
前記プロセッサに結合され、
予測結果を取得するために、次の期間に仮想マシンが必要とするリソースデータを予測する処理ステップであって、前記リソースデータは、プロセッサリソース、プロセッサ競合の回数、キャッシュミスの数、および消費電力量の使用率のうちの少なくとも1つを含む、予測する処理ステップと、
候補ホストマシンの使用済みリソースデータおよび使用可能なリソースデータを取得する処理ステップと、
各候補ホストマシンの重ね合わせ結果を取得するために、前記予測結果を各候補ホストマシンの使用済みリソースデータに追加する処理ステップと、
各候補ホストマシンの前記重ね合わせ結果を各ホストマシンの使用可能なリソースデータと個別に比較し、前記候補ホストマシンから前記仮想マシンに対応するターゲットホストマシンを選択する処理ステップと、を処理するための命令を前記プロセッサに提供するように構成されたメモリと、を含む、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810312074.7A CN110362377B (zh) | 2018-04-09 | 2018-04-09 | 虚拟机的调度方法和装置 |
CN201810312074.7 | 2018-04-09 | ||
PCT/CN2019/080803 WO2019196692A1 (zh) | 2018-04-09 | 2019-04-01 | 虚拟机的调度方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021521518A true JP2021521518A (ja) | 2021-08-26 |
JP7304887B2 JP7304887B2 (ja) | 2023-07-07 |
Family
ID=68162743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020555183A Active JP7304887B2 (ja) | 2018-04-09 | 2019-04-01 | 仮想マシンスケジューリング方法および装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210034407A1 (ja) |
EP (1) | EP3779687A4 (ja) |
JP (1) | JP7304887B2 (ja) |
CN (1) | CN110362377B (ja) |
SG (1) | SG11202009363RA (ja) |
WO (1) | WO2019196692A1 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11449776B2 (en) * | 2019-03-06 | 2022-09-20 | Micro Focus Lcc | Topology-based migration assessment |
CN111143245B (zh) * | 2019-11-15 | 2021-07-13 | 海光信息技术股份有限公司 | 一种缓存数据处理方法、电路、处理器及芯片 |
CN111240795A (zh) * | 2019-12-29 | 2020-06-05 | 的卢技术有限公司 | 一种虚拟化办公平台的构建方法及系统 |
CN111158861A (zh) * | 2019-12-31 | 2020-05-15 | 联想(北京)有限公司 | 一种选择虚拟机运行环境的方法、设备及存储介质 |
CN113296870B (zh) * | 2020-04-07 | 2024-03-08 | 阿里巴巴集团控股有限公司 | 预测Kubernetes集群配置的方法以及装置 |
US11829792B1 (en) * | 2020-09-21 | 2023-11-28 | Amazon Technologies, Inc. | In-place live migration of compute instances for efficient host domain patching |
CN113032098B (zh) * | 2021-03-25 | 2024-04-09 | 深信服科技股份有限公司 | 一种虚拟机调度方法、装置、设备及可读存储介质 |
CN113672392B (zh) * | 2021-08-25 | 2023-07-25 | 国家电网有限公司信息通信分公司 | 能耗优化的方法及装置、电子设备及计算机可读存储介质 |
CN113722100B (zh) * | 2021-09-02 | 2023-12-15 | 上海仪电(集团)有限公司中央研究院 | 基于趋势预测的云平台内存资源动态超分配方法及设备 |
US20230245075A1 (en) * | 2022-02-03 | 2023-08-03 | Salesforce.Com, Inc. | Precomputing user time resource utilization for querying for appointment distribution |
CN114579305B (zh) * | 2022-02-28 | 2023-09-15 | 北京百度网讯科技有限公司 | 用于函数计算的资源控制方法、装置、设备和介质 |
CN115016949A (zh) * | 2022-08-09 | 2022-09-06 | 中智关爱通(南京)信息科技有限公司 | 为客户机选择宿主机的方法、计算设备和计算机介质 |
CN117234742B (zh) * | 2023-11-14 | 2024-02-09 | 苏州元脑智能科技有限公司 | 一种处理器核心分配方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160162308A1 (en) * | 2013-08-26 | 2016-06-09 | International Business Machines Corporation | Deploying a virtual machine in a computing environment |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8826292B2 (en) * | 2010-08-06 | 2014-09-02 | Red Hat Israel, Ltd. | Migrating virtual machines based on level of resource sharing and expected load per resource on candidate target host machines |
CN102236582B (zh) * | 2011-07-15 | 2013-06-05 | 浙江大学 | 虚拟化集群负载在多台物理机中均衡分配的方法 |
US9152443B2 (en) * | 2012-07-13 | 2015-10-06 | Ca, Inc. | System and method for automated assignment of virtual machines and physical machines to hosts with right-sizing |
CN103885831B (zh) * | 2012-12-19 | 2017-06-16 | 中国电信股份有限公司 | 虚拟机宿主机的选择方法与装置 |
US9762506B2 (en) * | 2013-02-06 | 2017-09-12 | Hitachi, Ltd. | Virtual guest management system and virtual guest management method |
JP2015011569A (ja) * | 2013-06-28 | 2015-01-19 | 株式会社東芝 | 仮想マシン管理装置、仮想マシン管理方法、及び仮想マシン管理プログラム |
CN105378667B (zh) * | 2013-12-10 | 2018-09-28 | 华为技术有限公司 | 一种虚拟机资源的调度方法和装置 |
US9817690B2 (en) * | 2015-09-11 | 2017-11-14 | International Business Machines Corporation | Predictively provisioning cloud computing resources for virtual machines |
CN105893113A (zh) * | 2016-03-29 | 2016-08-24 | 上海携程商务有限公司 | 虚拟机的管理系统及管理方法 |
US10216599B2 (en) * | 2016-05-26 | 2019-02-26 | International Business Machines Corporation | Comprehensive testing of computer hardware configurations |
US20200034167A1 (en) * | 2016-08-10 | 2020-01-30 | Nutanix, Inc. | Automatic application migration across virtualization environments |
US10909503B1 (en) * | 2016-11-08 | 2021-02-02 | EMC IP Holding Company LLC | Snapshots to train prediction models and improve workflow execution |
CN106933649B (zh) * | 2016-12-21 | 2020-11-06 | 华南师范大学 | 基于移动平均和神经网络的虚拟机负载预测方法及系统 |
CN107038064B (zh) * | 2017-04-18 | 2021-12-10 | 腾讯科技(深圳)有限公司 | 虚拟机管理方法及装置、存储介质 |
US11748610B1 (en) * | 2017-11-22 | 2023-09-05 | Amazon Technologies, Inc. | Building sequence to sequence (S2S) models using previously generated S2S models with similar use cases |
US10831591B2 (en) * | 2018-01-11 | 2020-11-10 | Commvault Systems, Inc. | Remedial action based on maintaining process awareness in data storage management |
GB201805302D0 (en) * | 2018-03-29 | 2018-05-16 | Benevolentai Tech Limited | Ensemble Model Creation And Selection |
US10819584B2 (en) * | 2018-05-03 | 2020-10-27 | Servicenow, Inc. | System and method for performing actions based on future predicted metric values generated from time-series data |
US10929165B2 (en) * | 2018-07-31 | 2021-02-23 | Nutanix, Inc. | System and method for memory resizing in a virtual computing environment |
US11861405B2 (en) * | 2020-04-29 | 2024-01-02 | Kyndryl, Inc. | Multi-cluster container orchestration |
US20220091874A1 (en) * | 2020-09-24 | 2022-03-24 | INDIAN INSTITUTE OF TECHNOLOGY MADRAS (IIT Madras) | Method for optimizing the load balance in the cluster and framework thereof |
-
2018
- 2018-04-09 CN CN201810312074.7A patent/CN110362377B/zh active Active
-
2019
- 2019-04-01 SG SG11202009363RA patent/SG11202009363RA/en unknown
- 2019-04-01 WO PCT/CN2019/080803 patent/WO2019196692A1/zh unknown
- 2019-04-01 EP EP19784797.3A patent/EP3779687A4/en active Pending
- 2019-04-01 JP JP2020555183A patent/JP7304887B2/ja active Active
-
2020
- 2020-10-08 US US17/066,328 patent/US20210034407A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160162308A1 (en) * | 2013-08-26 | 2016-06-09 | International Business Machines Corporation | Deploying a virtual machine in a computing environment |
Also Published As
Publication number | Publication date |
---|---|
SG11202009363RA (en) | 2020-10-29 |
US20210034407A1 (en) | 2021-02-04 |
EP3779687A4 (en) | 2021-12-15 |
EP3779687A1 (en) | 2021-02-17 |
CN110362377A (zh) | 2019-10-22 |
WO2019196692A1 (zh) | 2019-10-17 |
CN110362377B (zh) | 2023-05-30 |
JP7304887B2 (ja) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7304887B2 (ja) | 仮想マシンスケジューリング方法および装置 | |
US10788989B2 (en) | Non-uniform memory access (NUMA) resource assignment and re-evaluation | |
US9373096B2 (en) | Smart cloud workload balancer | |
CN106326002B (zh) | 资源调度方法、装置及设备 | |
RU2697700C2 (ru) | Равноправное разделение системных ресурсов в исполнении рабочего процесса | |
CN108762885B (zh) | 一种虚拟机创建方法、装置、管理设备及终端设备 | |
US10305974B2 (en) | Ranking system | |
CN111309440B (zh) | 一种多类型gpu的管理调度的方法和设备 | |
US20240160474A1 (en) | Multi-core processor task scheduling method, and device and storage medium | |
JP7366054B2 (ja) | 仮想マシンをスケジュールするための方法およびシステム | |
CN103593224A (zh) | 虚拟机资源配置系统及方法 | |
CN112395075A (zh) | 资源的处理方法、装置以及资源调度系统 | |
CN105022668A (zh) | 一种作业调度方法及系统 | |
CN109960579B (zh) | 一种调整业务容器的方法及装置 | |
US10754547B2 (en) | Apparatus for managing disaggregated memory and method thereof | |
CN114629960A (zh) | 资源调度方法、装置、系统、设备、介质和程序产品 | |
Zhang et al. | PRMRAP: A proactive virtual resource management framework in cloud | |
CN108429704B (zh) | 一种节点资源分配方法及装置 | |
Tesfatsion et al. | Power and performance optimization in FPGA‐accelerated clouds | |
CN114780232A (zh) | 云应用调度方法、装置、电子设备及存储介质 | |
CN114741181A (zh) | 资源处理方法和存储介质 | |
JP2016099972A (ja) | プロセスマイグレーション方法及びクラスタシステム | |
CN112433841B (zh) | 一种资源池调度方法、系统、服务器和存储介质 | |
CN108369526B (zh) | 一种虚拟机的启动方法、装置和智能终端 | |
CN106775917B (zh) | 一种虚拟机启动的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201012 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230516 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230530 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230627 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7304887 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |