CN103677958A - 一种虚拟化集群的资源调度方法及装置 - Google Patents
一种虚拟化集群的资源调度方法及装置 Download PDFInfo
- Publication number
- CN103677958A CN103677958A CN201310689439.5A CN201310689439A CN103677958A CN 103677958 A CN103677958 A CN 103677958A CN 201310689439 A CN201310689439 A CN 201310689439A CN 103677958 A CN103677958 A CN 103677958A
- Authority
- CN
- China
- Prior art keywords
- resource
- computing node
- virtual machine
- node
- 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
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种虚拟化集群的资源调度方法,包括:所述管理节点模拟当前所述虚拟化集群的最优均衡状态;对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估;如果评估结果为资源使用适当,则进行负载均衡调度;如果评估结果为资源使用过度,则进行上电调度;如果评估结果为资源使用不足,则进行下电调度。本发明实施例还提供相应的管理节点。本发明技术方案基于对虚拟化集群整体状态的判断进行调度评估,可以更快更精确的给出调度建议,还可以避免在DRS的同一轮调度中负载均衡和DPM给出相反的调度建议,从而使虚拟化集群快速达到稳定状态,解决了现有的DRS方法会增加虚拟机迁移次数,延长调度时间,增加迁移成本的技术问题。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种虚拟化集群的资源调度方法及装置。
背景技术
服务器虚拟化技术是云计算中基于基础设施层的关键技术。该技术通过对物理服务器进行虚拟化,实现在单台物理机上部署多台虚拟机(VirtualMachine,VM),来提高服务器的资源利用率,降低使用成本。虚拟化集群是将多台虚拟化服务器组成为一个有机的整体,进行统一管理,通过虚拟化技术将物理资源抽象为存储、计算、网络等各种资源组成的资源池,通过按需申请资源的方式提供虚拟机给用户。
虚拟化集群的一项重要特性是DRS(Dynamic Resources Scheduling,动态资源调度),基于该特性,集群管理***可以定时监控各个物理机和虚拟机的资源利用率,根据资源分布情况,利用热迁移调整虚拟机在物理机上的分布,从而实现集群范围内的负载均衡和集群整合,提高各物理机的资源使用效率的同时,保证各物理机都承担适当的负载。
虚拟化集群的DRS一般包括负载均衡和DPM(Distributed powermanagement,分布式电源管理)两个过程。负载均衡用于平衡各物理机的负载,将高负载物理机上的部分虚拟机迁移到其它物理机上执行。DPM持续监控虚拟化集群中的资源需求,在低利用率期间资源需求减少,就会把工作负载整合到少数几台物理机中,关闭其他不用的物理机以降低电力消耗;在高利用率期间资源需求增加,会将已关闭的物理机重新联机以确保符合服务级别。
负载均衡和DPM的关注点不同,负载均衡关注集群中各物理机的负载是否均衡,而DPM关注集群整体资源的使用情况。现有技术中DRS方法通常是先进行负载均衡,再进行DPM。但是,关注点的不同会使负载均衡与DPM产生的建议背道而驰,一轮调度中既负载均衡又DPM的话,会增加迁移次数,使虚拟机在短时间内迁移多次,延长调度时间,增加迁移成本。例如图1所示,虚拟化集群中包括三台计算节点host1,host2和host3,host1中运行有虚拟机VM1-VM4,host2中运行有虚拟机VM5-VM6,则进行DRS调度时,负载均衡会给出将vm4迁往host2的建议,DPM则会给出将host3上电及将vm3和vm4迁往host3的建议,于是,vm4在短时间内会迁移两次。
发明内容
本发明实施例提供一种虚拟化集群的资源调度方法及装置,以解决现有的DRS方法会增加虚拟机迁移次数,延长调度时间,增加迁移成本的技术问题。
本发明第一方面提供一种虚拟化集群的资源调度方法,所述虚拟化集群包括管理节点和至少一个计算节点,所述计算节点包括硬件层、运行在所述硬件层之上的宿主机、以及运行在所述宿主机之上的至少一个虚拟机;所述方法包括:所述管理节点模拟当前所述虚拟化集群的最优均衡状态;对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估;如果评估结果为资源使用适当,则进行负载均衡调度;如果评估结果为资源使用过度,则进行上电调度;如果评估结果为资源使用不足,则进行下电调度。
在第一种可能的实现方式中,所述管理节点模拟所述虚拟化集群当前的最优均衡状态包括:将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移,则认为所述虚拟化集群达到最优均衡状态。
在第二种可能的实现方式中,所述管理节点模拟所述虚拟化集群当前的最优均衡状态包括:首先,将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移;然后,将资源使用量最高的计算节点上的一个占用资源最多的虚拟机,与资源使用量最低的计算节点上的占用资源最少的虚拟机,相互交换迁移,并重复该步骤,直到没有虚拟机可以交换迁移;则认为所述虚拟化集群达到最优均衡状态。
在第三种可能的实现方式中,所述管理节点模拟所述虚拟化集群当前的最优均衡状态包括:将所述虚拟化集群中的所有虚拟机按照其资源使用量的大小排序;按照资源使用量从大到小的顺序,为每个虚拟机寻找可放置的最优计算节点,使每个虚拟机被放置到所寻找到的最优计算节点之后,整个虚拟化集群的均衡状态最优。
结合第一方面或者第一方面的第一种至第三种可能的实现方式中的任何一种,在第四种可能的实现方式中,所述对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估包括:确定最优均衡状态下热点计算节点和冷点计算节点的数量,所述热点计算节点是指资源利用率超过高载利用率经验值的计算节点,所述冷点计算节点是指资源利用率低于低载利用率经验值的计算节点;如果热点计算节点和冷点计算节点的数量都为零,则判断所述虚拟化集群在最优均衡状态下的资源使用适当;如果热点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用过度;如果冷点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用不足。
结合第一方面的第三种或第四种可能的实现方式,在第五种可能的实现方式中,所述为每个虚拟机寻找可放置的最优计算节点的过程中,如果有虚拟机未寻找到可放置的最优计算节点,则判断所述虚拟化集群在最优均衡状态下的资源使用过度。
本发明第二方面一种管理节点,用于虚拟化集群,所述虚拟化集群包括所述管理节点和至少一个计算节点,所述计算节点包括硬件层、运行在所述硬件层之上的宿主机、以及运行在所述宿主机之上的至少一个虚拟机;所述管理节点包括:模拟模块,用于模拟当前所述虚拟化集群的最优均衡状态;评估模块,用于对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估;调度模块,用于如果所述评估模块的评估结果为资源使用适当,则进行负载均衡调度;如果所述评估模块的评估结果为资源使用过度,则进行上电调度;如果所述评估模块的评估结果为资源使用不足,则进行下电调度。
在第一种可能的实现方式中,所述模拟模块包括:第一模拟单元,用于将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移。
在第二种可能的实现方式中,所述模拟模块包括:第一模拟单元,用于将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移;第二模拟单元,用于将资源使用量最高的计算节点上的一个占用资源最多的虚拟机,与资源使用量最低的计算节点上的占用资源最少的虚拟机,相互交换迁移,并重复该步骤,直到没有虚拟机可以交换迁移。
在第三种可能的实现方式中,所述模拟模块包括:第三模拟单元,用于将所述虚拟化集群中的所有虚拟机按照其资源使用量的大小排序;按照资源使用量从大到小的顺序,为每个虚拟机寻找可放置的最优计算节点,使每个虚拟机被放置到所寻找到的最优计算节点之后,整个虚拟化集群的均衡状态最优。
结合第二方面或者第二方面的第一种至第三种可能的实现方式中的任何一种,所述评估模块包括:确定单元,用于确定最优均衡状态下热点计算节点和冷点计算节点的数量,所述热点计算节点是指资源利用率超过高载利用率经验值的计算节点,所述冷点计算节点是指资源利用率低于低载利用率经验值的计算节点;判断单元,用于如果热点计算节点和冷点计算节点的数量都为零,则判断所述虚拟化集群在最优均衡状态下的资源使用适当;如果热点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用过度;如果冷点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用不足。
结合第二方面的第三种或第四种可能的实现方式,在第五种可能的实现方式中,所述第三模拟单元为每个虚拟机寻找可放置的最优计算节点的过程中,如果有虚拟机未寻找到可放置的最优计算节点,则所述评估模块判断所述虚拟化集群在最优均衡状态下的资源使用不足。
本发明实施例采用对虚拟化集群进行最优均衡状态模拟,评估最优均衡状态下的资源使用情况,根据评估结果来决定是进行负载均衡还是进行上电或下电调度的技术方案,基于对虚拟化集群整体状态的判断进行调度评估,可以更快更精确的给出调度建议,还可以避免在DRS的同一轮调度中负载均衡和DPM给出相反的调度建议,从而使虚拟化集群快速达到稳定状态,解决了现有的DRS方法会增加虚拟机迁移次数,延长调度时间,增加迁移成本的技术问题。
附图说明
图1是现有技术中对虚拟化集群进行DRS的示意图;
图2是虚拟化集群的逻辑结构示意图;
图3是本发明实施例提供的虚拟化集群的资源调度方法的流程图;
图4是本发明实施例提供的管理节点的示意图;
图5是本发明另一实施例提供的管理节点的示意图。
具体实施方式
本发明实施例提供一种虚拟化集群的资源调度方法及装置,可以解决现有的DRS方法会增加虚拟机迁移次数,延长调度时间,增加迁移成本的技术问题。为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
为了方便理解本发明实施例,首先在此介绍本发明实施例描述中会引入的几个要素;
虚拟机:通过虚拟机软件可以在一台物理计算机上模拟出一台或者多台虚拟的计算机,而这些虚拟机就像真正的计算机那样进行工作,虚拟机上可以安装操作***和应用程序,虚拟机还可访问网络资源。对于在虚拟机中运行的应用程序而言,就像是在真正的计算机中进行工作。
硬件层:虚拟化环境运行的硬件平台。其中,硬件层可包括多种硬件,例如某计算节点的硬件层可包括处理器(例如CPU)和存储器(例如内存),还可以包括网卡、存储器等等高速/低速输入/输出(I/O,Input/Output)设备,及具有特定处理功能的其它设备,如输入输出内存管理单元(IOMMU,Input/Output Memory Management Unit),其中IOMMU可用于虚拟机物理地址和Host物理地址的转换。
宿主机(Host):作为管理层,用以完成硬件资源的管理、分配;为虚拟机呈现虚拟硬件平台;实现虚拟机的调度和隔离。其中,Host可能是虚拟机监控器(VMM,Virtual Machine Monitor);此外,有时VMM和1个特权虚拟机配合,两者结合组成Host。其中,虚拟硬件平台对其上运行的各个虚拟机提供各种硬件资源,如提供虚拟CPU、内存、虚拟磁盘、虚拟网卡等等。其中,该虚拟磁盘可对应Host的一个文件或者一个逻辑块设备。虚拟机则运行在Host为其准备的虚拟硬件平台上,Host上运行一个或多个虚拟机。
本发明实施例提供一种虚拟化集群的资源调度方法,该方法应用于虚拟化集群***。
请参考图2,所述虚拟化集群***包括管理节点210和至少一个计算节点220;所述计算节点220包括硬件层、运行在所述硬件层之上的宿主机(Host)、以及运行在所述Host之上的至少一个虚拟机。
请参考图3,所述方法包括:
310、管理节点模拟当前虚拟化集群的最优均衡状态。
本实施例方法中首先由管理节点模拟当前整个虚拟化集群的最优均衡状态,该模拟步骤可以定时触发执行,或者由事件触发执行,具体不做限定。管理节点在模拟计算过程中假设将集群中所有的虚拟机均衡分配到所有运行中的计算节点上,使各个计算节点的工作负载相同或接近以至于不能进一步优化,则认为模拟得到了最优均衡状态。
320、对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估。
所述的资源使用情况可包括计算节点的中央处理器(central processingunit,CPU)、内存(MEMORY,MEM)、存储IO(Input/Output,输入输出)、网络IO等的使用情况。本文以该资源使用情况包括CPU和内存的使用情况为例,假设一台计算节点的CPU容量为10GHz,内存容量为10GB,该计算节点上运行的每台虚拟机在过去一段时间内平均占用的CPU资源和内存资源分别为2GHz和2GB;如果该计算节点上运行有3个这样的虚拟机,则该计算节点的资源使用量为6GHz的CPU和6GB的内存,资源利用率为60%。同理,可以得到整个虚拟化集群的资源使用量和资源利用率。可以预先设置一个阈值,例如45%到75%,通过将虚拟化集群的资源利用率与该阈值进行比较,评估虚拟化集群在最优均衡状态下的资源使用情况。如果虚拟化集群在最优均衡状态下的资源利用率在阈值范围内,则评估为资源使用适当;如果超出了阈值范围的最高阀值如75%,则评估为资源使用过度;如果低于阈值范围的最低阀值如45%,则评估为资源使用不足。
330、如果评估结果为资源使用适当,则进行负载均衡调度;如果评估结果为资源使用过度,则进行上电调度;如果评估结果为资源使用不足,则进行下电调度。
根据评估结果为适当、过度或不足,分别进行相应的调度。例如,如果评估结果为资源使用适当,则进入负载均衡调度过程,产生虚拟机迁移建议;如果评估结果为资源使用过度,说明需要开启新的计算节点,则进入上电调度过程,产生上电建议同时还产生虚拟机迁移建议以便将其它负载较重的计算节点上的部分虚拟机迁移到该新开启的计算节点;如果评估结果为资源使用不足,说明可以关闭部分计算节点,则进入下电调度过程,产生下电建议同时产生虚拟机迁移建议以便将该待关闭的计算节点上的虚拟机迁移到其它计算节点。通过执行上述的虚拟机迁移建议、上电建议或下电建议等,完成动态资源调度。
以上,本发明实施例提供了一种虚拟化集群的资源调度方法,该方法采用对虚拟化集群进行最优均衡状态模拟,评估最优均衡状态下的资源使用情况,根据评估结果来决定是进行负载均衡还是进行上电或下电调度的技术方案,基于对虚拟化集群整体状态的判断进行调度评估,可以更快更精确的给出调度建议,还可以避免在DRS的同一轮调度中负载均衡和DPM给出相反的调度建议,从而使虚拟化集群快速达到稳定状态,解决了现有的DRS方法会增加虚拟机迁移次数,延长调度时间,增加迁移成本的技术问题。
一种实施方式中,上述310中所述管理节点模拟当前所述虚拟化集群的最优均衡状态的模拟步骤具体可以包括:
将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移,则认为所述虚拟化集群达到最优均衡状态。
或者,可以包括:
首先,将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移;然后,将资源使用量最高的计算节点上的一个占用资源最多的虚拟机,与资源使用量最低的计算节点上的占用资源最少的虚拟机,相互交换迁移,并重复该步骤,直到没有虚拟机可以交换迁移;则认为所述虚拟化集群达到最优均衡状态。
具体应用中,可以包括:
A1,获取虚拟化集群中的每台虚拟机在过去一段时间例如5分钟内平均占用的资源,即,资源平均分配值,例如,每台虚拟机占用CPU资源2GHz和占用内存资源2GB。同时,获取虚拟化集群中资源的平均利用率avgU,即,所有虚拟机占用的资源与虚拟化集群中全部资源的比值,例如60%。
A2,查找虚拟化集群中资源占用量或者利用率最高的计算节点,用hosti表示。可以从hosti中选择一台最优虚拟机vmii,即,占用资源量最多的虚拟机,使得,将该虚拟机vmii迁出后,hosti的资源利用率最接***均利用率avgU。
A3,为虚拟机vmii选择最优计算节点,例如hostj,该计算节点可以是虚拟化集群中资源使用量或者利用率最低的计算节点。将虚拟机vmii迁移到hostj,可以使虚拟化集群的均衡度更低,即,更均衡。其中,当选择最优计算节点时,可以进一步考虑虚拟机和计算节点之间的放置位置规则等约束条件。
通过重复执行上述步骤A2和A3,可以使虚拟化集群的均衡度不断降低,当没有虚拟机可以迁移时,可以认为,虚拟化集群已经达到最优均衡状态。优选的,步骤A3之后可以进一步包括:
A4,从资源利用率高于avgU的计算节点中选择一台计算节点,例如资源利用率或者资源使用量最高的计算节点,此处用srcHost表示;同时,还从资源利用率低于avgU的计算节点中选择一台计算节点,例如资源利用率或者资源使用量最低的计算节点,此处用dstHost表示;然后,从srcHost中选择一台占用资源最多或较多的虚拟机迁移到dstHost,从dstHost中选择一台占用资源最少或较少的虚拟机迁移到srcHost;通过不断重复该交换迁移,可以使虚拟化集群的均衡度进一步降低,当没有虚拟机可以交换迁移时,可以认为,虚拟化集群已经达到最优均衡状态。
相应的,上述320中对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估的评估步骤具体可以包括:
B1,获取以下参数:虚拟化集群中的每台虚拟机在过去一段时间例如5分钟内平均占用的资源,即,资源平均分配值;以及,高载利用率经验值highestUtil,低载利用率经验值lowestUtil,热点计算节点数量HotHostNum,冷点计算节点数量ColdHostNum。其中,highestUtil和lowestUtil可以根据经验设置,或者通过自学习方式根据历史经验确定;HotHostNum和ColdHostNum的初始值为0。所述热点计算节点是指资源利用率超过高载利用率经验值的计算节点,所述冷点计算节点是指资源利用率低于低载利用率经验值的计算节点。
B2,确定最优均衡状态下热点计算节点和冷点计算节点的数量。以集群资源包括CPU和内存资源为例,确定方法具体包括:
依次将每一台计算节点的CPU利用率cpuUtili和内存利用率memUtili与高载利用率经验值highestUtil进行比较,如果cpuUtili-highestUtil>0或memUtili-highestUtil>0,则认为该计算节点为热点计算节点,于是令HotHostNum++使HotHostNum=1;全部计算节点判断完毕,即得到热点计算节点的数量。
类似的,依次将每一台计算节点的CPU利用率cpuUtili和内存利用率memUtili与低载利用率经验值lowestUtil进行比较,如果lowestUtil-cpuUtili>0且lowestUtil-memUtili>0,则认为该计算节点为冷点计算节点,于是令ColdHostNum++使ColdHostNum=1;全部计算节点判断完毕,即得到冷点计算节点的数量。
B3,对虚拟化集群的资源使用情况进行评估并分为三类:如果热点计算节点的数量HotHostNum和冷点计算节点的数量ColdHostNum都为零,则判断所述虚拟化集群在最优均衡状态下的资源使用适当;如果热点计算节点数量HotHostNum大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用过度;如果冷点计算节点数量ColdHostNum大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用不足。
通过采用上述步骤,即可简单的实现对虚拟化集群的在最优均衡状态下的资源使用情况进行评估和分类,后续,根据分类情况进行相应的调度即可。
另一种实施方式中,上述310中所述管理节点模拟当前所述虚拟化集群的最优均衡状态的模拟步骤具体可以包括:
C0,获取虚拟化集群中每一台虚拟机的资源使用情况,以及每台计算节点可用的资源情况;
C1,将所述虚拟化集群中的所有虚拟机按照其资源使用量的大小排序;
C2,按照资源使用量从大到小的顺序,为每个虚拟机寻找可放置的最优计算节点,使每个虚拟机被放置到所寻找到的最优计算节点之后,整个虚拟化集群的均衡状态最优;
按照C2的操作,依次将每个虚拟机放置到各自寻找到的最优计算节点上,从而使所述虚拟化集群达到最优均衡状态。
相应的,上述320中对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估的评估步骤还可以包括:C2中所述为每个虚拟机寻找可放置的最优计算节点的过程中,如果有虚拟机未寻找到可放置的最优计算节点,则可以判断所述虚拟化集群在最优均衡状态下的资源使用过度。
如果所有虚拟机都找到并放置在了各自的最优计算节点上,则所述评估步骤具体可以与上一实施方式相同,即,包括上述的B1,B2和B3等。
下面用一个应用场景例对上述方法做进一步说明:
假设虚拟化集群中有4台计算节点,计算节点pm1上运行有5台虚拟机vm1-vm5,计算节点pm2上运行有5台虚拟机vm6-vm10,计算节点pm3已上电运行但处于空载状态,计算节点pm4处于下电状态。如表1所示,其中每一台计算节点都具有10GHz的CPU资源和10GB的内存(MEM)资源,每一台虚拟机在过去一段时间例如5分钟内平均占用的资源,即,资源平均分配值为,占用CPU资源2GHz和占用内存资源2GB。
CPU | MEM | |
计算节点容量 | 10GHz | 10GB |
虚拟机规格 | 2GHz | 2GB |
对虚拟化集群的最优均衡状态的模拟步骤包括:
D1,获取每台虚拟机的资源平均分配值如上表1所示,并计算资源利用率如下:计算节点pm1和pm2的CPU利用率为100%,MEM利用率为100%,计算节点pm3的CPU和MEM利用率都为0%。此时计算节点pm1和pm2为“虚假”的热点计算节点,pm3为“虚假”的冷点计算节点。集群所有计算节点平均利用率avgU=(100%+100%+0)/3=66.7%。
D2,从资源利用率最高的计算节点例如pm1上选择一台虚拟机例如vm1,将vm1迁出。
D3,模拟将虚拟机vm1迁入最优计算节点例如pm3,迁入后,计算节点pm1的CPU和MEM利用率都为80%,计算节点pm3的CPU和MEM利用率都为20%,计算节点pm2的CPU和MEM利用率还为100%;
D4,基于步骤D3的结果,重复D2-D3,从计算节点pm2上选择虚拟机vm6模拟迁移到计算节点pm3上,迁入后,计算节点pm1和pm2的CPU和MEM利用率都为80%,计算节点pm3的CPU和MEM利用率都为40%;
D5,基于步骤D4的结果,重复D2-D3,从计算节点pm1上选择虚拟机vm2模拟迁移到计算节点pm3上,迁入后,计算节点pm1和pm3的CPU和MEM利用率都为60%,计算节点pm2的CPU和MEM利用率都为80%。此时,认为虚拟化集群已达到最优均衡状态。
相应的,对虚拟化集群在最优均衡状态下的资源使用情况进行评估的评估步骤可以包括:
E1,假设高载利用率经验值highestUtil=75%,低载利用率经验值lowestUtil=45%,热点计算节点的数量HotHostNum=0,冷点计算节点的数量ColdHostNum=0。
E2,对于计算节点pm2,cpuUtil2-highestUtil>0,memUtil2-highestUtil>0,因此HotHostNum=HotHostNum+1=1;对于计算节点pm1和pm3,cpuUtili-highestUtil<0,memUtili-highestUtil<0,lowestUtil–cpuUtili<0,lowestUtil–memUtili<0;因此最终HotHostNum=1,ColdHostNum=0。
E3,对虚拟化集群的资源使用情况进行评估:因为HotHostNum>0,所以判断为资源使用使用过度,于是,需要首先解决热点问题,因此本轮DRS调度进行上电评估和调度。
进入上电评估后,输入参数采用虚拟化集群当前真实的资源数据,而非模拟过后的数据,即输入参数为计算节点pm1和pm2的CPU利用率为100%,MEM利用率为100%,计算节点pm3的CPU和MEM利用率都为0%。上电调度后,计算节点pm4上电运行,部分虚拟机被迁移到pm3和pm4上运行。
以上,以评估虚拟化集群后进入上电评估和调度为例,对本发明技术方案进行了说明。
另一种应用场景例中,假设计算节点pm1上有2台虚拟机vm1~vm2,计算节点pm2空载,计算节点pm3和pm4上各有一台虚拟机vm3和vm4,模拟虚拟化集群最优均衡状态后,pm1~pm4上各有一台虚拟机,各计算节点的CPU和MEM利用率都为20%。进行资源使用情况评估后,计算得到ColdHostNum=4,因此,最终进入下电评估和调度。下电评估和调度基于当前真实资源数据,即pm1上有2台虚拟机,pm2空载,pm3和pm4上各有一台虚拟机,开始执行,尝试将4台候选计算节点下电,最终会下电成功2台计算节点,4台虚拟机最终运行在另两台计算节点上。
综上,本发明实施例提供了一种虚拟化集群的资源调度方法,该方法采用对虚拟化集群进行最优均衡状态模拟,评估最优均衡状态下的资源使用情况,根据评估结果来决定是进行负载均衡还是进行上电或下电调度的技术方案,基于对虚拟化集群整体状态的判断进行调度评估,可以更快更精确的给出调度建议,还可以避免在DRS的同一轮调度中负载均衡和DPM给出相反的调度建议,从而使虚拟化集群快速达到稳定状态,解决了现有的DRS方法会增加虚拟机迁移次数,延长调度时间,增加迁移成本的技术问题。
请参考图4,本发明实施例提供一种管理节点,用于虚拟化集群。
所述虚拟化集群包括所述管理节点和至少一个计算节点,所述计算节点包括硬件层、运行在所述硬件层之上的宿主机、以及运行在所述宿主机之上的至少一个虚拟机;
所述管理节点包括:
模拟模块410,用于模拟当前所述虚拟化集群的最优均衡状态;
评估模块420,用于对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估;
调度模块430,用于如果评估模块的评估结果为资源使用适当,则进行负载均衡调度;如果评估模块的评估结果为资源使用过度,则进行上电调度;如果评估模块的评估结果为资源使用不足,则进行下电调度。
一种实施方式中,所述模拟模块410可包括:第一模拟单元,用于将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移。
另一种实施方式中,所述模拟模块410可包括:第一模拟单元,用于将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移;第二模拟单元,用于将资源使用量最高的计算节点上的一个占用资源最多的虚拟机,与资源使用量最低的计算节点上的占用资源最少的虚拟机,相互交换迁移,并重复该步骤,直到没有虚拟机可以交换迁移。
再一种实施方式中,所述模拟模块410可包括:第三模拟单元,用于将所述虚拟化集群中的所有虚拟机按照其资源使用量的大小排序;按照资源使用量从大到小的顺序,为每个虚拟机寻找可放置的最优计算节点,使每个虚拟机被放置到所寻找到的最优计算节点之后,整个虚拟化集群的均衡状态最优。
一种实施方式中,所述评估模块420可包括:确定单元,用于确定最优均衡状态下热点计算节点和冷点计算节点的数量,所述热点计算节点是指资源利用率超过高载利用率经验值的计算节点,所述冷点计算节点是指资源利用率低于低载利用率经验值的计算节点;判断单元,用于如果热点计算节点和冷点计算节点的数量都为零,则判断所述虚拟化集群在最优均衡状态下的资源使用适当;如果热点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用过度;如果冷点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用不足。
可选的,若所述模拟模块410包括第三模拟单元,所述第三模拟单元为每个虚拟机寻找可放置的最优计算节点的过程中,如果有虚拟机未寻找到可放置的最优计算节点,则所述评估模块420可判断所述虚拟化集群在最优均衡状态下的资源使用不足。
综上,本发明实施例提供了一种管理节点,用于对虚拟化集群进行资源调度,采用对虚拟化集群进行最优均衡状态模拟,评估最优均衡状态下的资源使用情况,根据评估结果来决定是进行负载均衡还是进行上电或下电调度的技术方案,基于对虚拟化集群整体状态的判断进行调度评估,可以更快更精确的给出调度建议,还可以避免在DRS的同一轮调度中负载均衡和DPM给出相反的调度建议,从而使虚拟化集群快速达到稳定状态,解决了现有的DRS方法会增加虚拟机迁移次数,延长调度时间,增加迁移成本的技术问题。
本发明实施例还提供一种计算机存储介质,该计算机存储介质可存储有程序,该程序执行时包括上述方法实施例中记载的虚拟化集群的资源调度方法的部分或全部步骤。
请参考图5,本发明实施例还提供一种管理节点,用于虚拟化集群。
所述虚拟化集群包括所述管理节点和至少一个计算节点,所述计算节点包括硬件层、运行在所述硬件层之上的宿主机、以及运行在所述宿主机之上的至少一个虚拟机;所述管理节点包括:输入装置510、输出装置520、存储器530和处理器540(网络设备中处理器的数量可以是一个或多个,图5中以一个处理器为例)。在本发明的一些实施例中,输入装置510、输出装置520、存储器530和处理器540可通过总线或其它方式连接,其中,图5中以通过总线连接为例。
其中,处理器540执行如下步骤:模拟当前所述虚拟化集群的最优均衡状态;对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估;如果评估结果为资源使用适当,则进行负载均衡调度;如果评估结果为资源使用过度,则进行上电调度;如果评估结果为资源使用不足,则进行下电调度。
在本发明的一些实施例中,处理器540模拟所述虚拟化集群当前的最优均衡状态可包括:将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移,则认为所述虚拟化集群达到最优均衡状态。
在本发明的一些实施例中,处理器540模拟所述虚拟化集群当前的最优均衡状态可包括:首先,将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移;然后,将资源使用量最高的计算节点上的一个占用资源最多的虚拟机,与资源使用量最低的计算节点上的占用资源最少的虚拟机,相互交换迁移,并重复该步骤,直到没有虚拟机可以交换迁移;则认为所述虚拟化集群达到最优均衡状态。
在本发明的一些实施例中,处理器540模拟所述虚拟化集群当前的最优均衡状态可包括:将所述虚拟化集群中的所有虚拟机按照其资源使用量的大小排序;按照资源使用量从大到小的顺序,为每个虚拟机寻找可放置的最优计算节点,使每个虚拟机被放置到所寻找到的最优计算节点之后,整个虚拟化集群的均衡状态最优。
在本发明的一些实施例中,处理器540对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估包括:确定最优均衡状态下热点计算节点和冷点计算节点的数量,所述热点计算节点是指资源利用率超过高载利用率经验值的计算节点,所述冷点计算节点是指资源利用率低于低载利用率经验值的计算节点;如果热点计算节点和冷点计算节点的数量都为零,则判断所述虚拟化集群在最优均衡状态下的资源使用适当;如果热点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用过度;如果冷点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用不足。
在本发明的一些实施例中,处理器540为每个虚拟机寻找可放置的最优计算节点的过程中,如果有虚拟机未寻找到可放置的最优计算节点,则判断所述虚拟化集群在最优均衡状态下的资源使用过度。
综上,本发明实施例提供了一种管理节点,用于对虚拟化集群进行资源调度,采用对虚拟化集群进行最优均衡状态模拟,评估最优均衡状态下的资源使用情况,根据评估结果来决定是进行负载均衡还是进行上电或下电调度的技术方案,基于对虚拟化集群整体状态的判断进行调度评估,可以更快更精确的给出调度建议,还可以避免在DRS的同一轮调度中负载均衡和DPM给出相反的调度建议,从而使虚拟化集群快速达到稳定状态,解决了现有的DRS方法会增加虚拟机迁移次数,延长调度时间,增加迁移成本的技术问题。
可以理解,本发明实施例的管理节点的各个功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可参照上述方法实施例中的相关描述,此处不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤可以通过硬件来完成,也可以通过程序指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机读取存储器、磁盘或光盘等。
以上对本发明实施例所提供的虚拟化集群的资源调度方法及装置进行了详细介绍,但以上实施例的说明只是用于帮助理解本发明的方法及其核心思想,不应理解为对本发明的限制。本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (12)
1.一种虚拟化集群的资源调度方法,其特征在于,所述虚拟化集群包括管理节点和至少一个计算节点,所述计算节点包括硬件层、运行在所述硬件层之上的宿主机、以及运行在所述宿主机之上的至少一个虚拟机;所述方法包括:
所述管理节点模拟当前所述虚拟化集群的最优均衡状态;
对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估;
如果评估结果为资源使用适当,则进行负载均衡调度;
如果评估结果为资源使用过度,则进行上电调度;
如果评估结果为资源使用不足,则进行下电调度。
2.根据权利要求1所述的方法,其特征在于,所述管理节点模拟所述虚拟化集群当前的最优均衡状态包括:
将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移,则认为所述虚拟化集群达到最优均衡状态。
3.根据权利要求1所述的方法,其特征在于,所述管理节点模拟所述虚拟化集群当前的最优均衡状态包括:
首先,将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移;
然后,将资源使用量最高的计算节点上的一个占用资源最多的虚拟机,与资源使用量最低的计算节点上的占用资源最少的虚拟机,相互交换迁移,并重复该步骤,直到没有虚拟机可以交换迁移;则认为所述虚拟化集群达到最优均衡状态。
4.根据权利要求1所述的方法,其特征在于,所述管理节点模拟所述虚拟化集群当前的最优均衡状态包括:
将所述虚拟化集群中的所有虚拟机按照其资源使用量的大小排序;
按照资源使用量从大到小的顺序,为每个虚拟机寻找可放置的最优计算节点,使每个虚拟机被放置到所寻找到的最优计算节点之后,整个虚拟化集群的均衡状态最优。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估包括:
确定最优均衡状态下热点计算节点和冷点计算节点的数量,所述热点计算节点是指资源利用率超过高载利用率经验值的计算节点,所述冷点计算节点是指资源利用率低于低载利用率经验值的计算节点;
如果热点计算节点和冷点计算节点的数量都为零,则判断所述虚拟化集群在最优均衡状态下的资源使用适当;
如果热点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用过度;
如果冷点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用不足。
6.根据权利要求4或5所述的方法,其特征在于:
所述为每个虚拟机寻找可放置的最优计算节点的过程中,如果有虚拟机未寻找到可放置的最优计算节点,则判断所述虚拟化集群在最优均衡状态下的资源使用过度。
7.一种管理节点,其特征在于,用于虚拟化集群,所述虚拟化集群包括所述管理节点和至少一个计算节点,所述计算节点包括硬件层、运行在所述硬件层之上的宿主机、以及运行在所述宿主机之上的至少一个虚拟机;所述管理节点包括:
模拟模块,用于模拟当前所述虚拟化集群的最优均衡状态;
评估模块,用于对所述虚拟化集群在最优均衡状态下的资源使用情况进行评估;
调度模块,用于如果所述评估模块的评估结果为资源使用适当,则进行负载均衡调度;如果所述评估模块的评估结果为资源使用过度,则进行上电调度;如果所述评估模块的评估结果为资源使用不足,则进行下电调度。
8.根据权利要求7所述的管理节点,其特征在于,所述模拟模块包括:
第一模拟单元,用于将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移。
9.根据权利要求7所述的管理节点,其特征在于,所述模拟模块包括:
第一模拟单元,用于将资源使用量最高的计算节点上的一个虚拟机迁移到资源使用量最低的计算节点上,并重复该步骤,直到没有虚拟机可以迁移;
第二模拟单元,用于将资源使用量最高的计算节点上的一个占用资源最多的虚拟机,与资源使用量最低的计算节点上的占用资源最少的虚拟机,相互交换迁移,并重复该步骤,直到没有虚拟机可以交换迁移。
10.根据权利要求7所述的管理节点,其特征在于,所述模拟模块包括:
第三模拟单元,用于将所述虚拟化集群中的所有虚拟机按照其资源使用量的大小排序;按照资源使用量从大到小的顺序,为每个虚拟机寻找可放置的最优计算节点,使每个虚拟机被放置到所寻找到的最优计算节点之后,整个虚拟化集群的均衡状态最优。
11.根据权利要求7至10中任一所述的管理节点,其特征在于,所述评估模块包括:
确定单元,用于确定最优均衡状态下热点计算节点和冷点计算节点的数量,所述热点计算节点是指资源利用率超过高载利用率经验值的计算节点,所述冷点计算节点是指资源利用率低于低载利用率经验值的计算节点;
判断单元,用于如果热点计算节点和冷点计算节点的数量都为零,则判断所述虚拟化集群在最优均衡状态下的资源使用适当;如果热点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用过度;如果冷点计算节点数量大于零,则判断所述虚拟化集群在最优均衡状态下的资源使用不足。
12.根据权利要求10或11所述的管理节点,其特征在于:
所述第三模拟单元为每个虚拟机寻找可放置的最优计算节点的过程中,如果有虚拟机未寻找到可放置的最优计算节点,则所述评估模块判断所述虚拟化集群在最优均衡状态下的资源使用不足。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310689439.5A CN103677958B (zh) | 2013-12-13 | 2013-12-13 | 一种虚拟化集群的资源调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310689439.5A CN103677958B (zh) | 2013-12-13 | 2013-12-13 | 一种虚拟化集群的资源调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103677958A true CN103677958A (zh) | 2014-03-26 |
CN103677958B CN103677958B (zh) | 2017-06-20 |
Family
ID=50315615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310689439.5A Expired - Fee Related CN103677958B (zh) | 2013-12-13 | 2013-12-13 | 一种虚拟化集群的资源调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103677958B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104184813A (zh) * | 2014-08-20 | 2014-12-03 | 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*** |
CN104391735A (zh) * | 2014-11-14 | 2015-03-04 | 深信服网络科技(深圳)有限公司 | 虚拟化一体机集群中虚拟机调度方法及*** |
CN104484220A (zh) * | 2014-11-28 | 2015-04-01 | 杭州华为数字技术有限公司 | 虚拟化集群的动态资源调度的方法及装置 |
CN105187512A (zh) * | 2015-08-13 | 2015-12-23 | 航天恒星科技有限公司 | 一种虚拟机集群负载均衡方法及*** |
CN106125888A (zh) * | 2016-06-23 | 2016-11-16 | 河海大学常州校区 | 云数据中心中基于虚拟机迁移的资源利用高效的节能方法 |
CN106161539A (zh) * | 2015-04-12 | 2016-11-23 | 北京典赞科技有限公司 | 基于arm服务器的虚拟主机的调度创建节能优化方法 |
CN106445636A (zh) * | 2016-09-28 | 2017-02-22 | 郑州云海信息技术有限公司 | 一种paas平台下的动态资源调度算法 |
CN106817243A (zh) * | 2015-12-01 | 2017-06-09 | 广达电脑股份有限公司 | 服务器资源的管理***及其管理方法 |
CN106959884A (zh) * | 2017-03-23 | 2017-07-18 | 联想(北京)有限公司 | 一种数据处理方法、电子设备及集群 |
CN107197039A (zh) * | 2017-06-30 | 2017-09-22 | 郑州云海信息技术有限公司 | 一种基于cdn的paas平台服务包分发方法及*** |
CN107566457A (zh) * | 2017-08-09 | 2018-01-09 | 天脉聚源(北京)科技有限公司 | 一种均衡节点设备负载的方法及装置 |
CN109656711A (zh) * | 2018-10-30 | 2019-04-19 | 山东超越数控电子股份有限公司 | 一种基于服务器集群的动态电源管理方法及*** |
CN111158909A (zh) * | 2019-12-27 | 2020-05-15 | 中国联合网络通信集团有限公司 | 集群资源分配处理方法、装置、设备及存储介质 |
CN111367677A (zh) * | 2020-03-31 | 2020-07-03 | 中国工商银行股份有限公司 | 集群资源分配方法及*** |
CN113032102A (zh) * | 2021-04-07 | 2021-06-25 | 广州虎牙科技有限公司 | 资源重调度方法、装置、设备和介质 |
CN115373862A (zh) * | 2022-10-26 | 2022-11-22 | 安超云软件有限公司 | 基于数据中心的动态资源调度方法、***及存储介质 |
CN116974700B (zh) * | 2023-08-16 | 2024-04-09 | 北京志凌海纳科技有限公司 | 实现资源动态均衡的方法、***、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100070784A1 (en) * | 2008-09-15 | 2010-03-18 | Vmware, Inc. | Reducing Power Consumption in a Server Cluster |
CN102388380A (zh) * | 2009-04-08 | 2012-03-21 | 微软公司 | 经优化的虚拟机迁移机制 |
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 |
US20130145364A1 (en) * | 2011-12-01 | 2013-06-06 | Tunghai University | Method of dynamic resource allocation for a virtual machine cluster |
CN103440160A (zh) * | 2013-08-15 | 2013-12-11 | 华为技术有限公司 | 虚拟机恢复方法和虚拟机迁移方法以及装置与*** |
-
2013
- 2013-12-13 CN CN201310689439.5A patent/CN103677958B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100070784A1 (en) * | 2008-09-15 | 2010-03-18 | Vmware, Inc. | Reducing Power Consumption in a Server Cluster |
CN102388380A (zh) * | 2009-04-08 | 2012-03-21 | 微软公司 | 经优化的虚拟机迁移机制 |
US20130145364A1 (en) * | 2011-12-01 | 2013-06-06 | Tunghai University | Method of dynamic resource allocation for a virtual machine cluster |
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 |
CN103440160A (zh) * | 2013-08-15 | 2013-12-11 | 华为技术有限公司 | 虚拟机恢复方法和虚拟机迁移方法以及装置与*** |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN104184813A (zh) * | 2014-08-20 | 2014-12-03 | 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*** |
CN104391735A (zh) * | 2014-11-14 | 2015-03-04 | 深信服网络科技(深圳)有限公司 | 虚拟化一体机集群中虚拟机调度方法及*** |
CN104391735B (zh) * | 2014-11-14 | 2018-11-06 | 深信服网络科技(深圳)有限公司 | 虚拟化一体机集群中虚拟机调度方法及*** |
CN104484220A (zh) * | 2014-11-28 | 2015-04-01 | 杭州华为数字技术有限公司 | 虚拟化集群的动态资源调度的方法及装置 |
CN104484220B (zh) * | 2014-11-28 | 2017-12-22 | 杭州华为数字技术有限公司 | 虚拟化集群的动态资源调度的方法及装置 |
CN106161539A (zh) * | 2015-04-12 | 2016-11-23 | 北京典赞科技有限公司 | 基于arm服务器的虚拟主机的调度创建节能优化方法 |
CN105187512A (zh) * | 2015-08-13 | 2015-12-23 | 航天恒星科技有限公司 | 一种虚拟机集群负载均衡方法及*** |
CN106817243A (zh) * | 2015-12-01 | 2017-06-09 | 广达电脑股份有限公司 | 服务器资源的管理***及其管理方法 |
CN106125888A (zh) * | 2016-06-23 | 2016-11-16 | 河海大学常州校区 | 云数据中心中基于虚拟机迁移的资源利用高效的节能方法 |
CN106125888B (zh) * | 2016-06-23 | 2018-12-25 | 河海大学常州校区 | 云数据中心中基于虚拟机迁移的资源利用高效的节能方法 |
CN106445636A (zh) * | 2016-09-28 | 2017-02-22 | 郑州云海信息技术有限公司 | 一种paas平台下的动态资源调度算法 |
CN106445636B (zh) * | 2016-09-28 | 2019-08-02 | 郑州云海信息技术有限公司 | 一种paas平台下的动态资源调度算法 |
CN106959884A (zh) * | 2017-03-23 | 2017-07-18 | 联想(北京)有限公司 | 一种数据处理方法、电子设备及集群 |
CN107197039A (zh) * | 2017-06-30 | 2017-09-22 | 郑州云海信息技术有限公司 | 一种基于cdn的paas平台服务包分发方法及*** |
CN107197039B (zh) * | 2017-06-30 | 2019-08-09 | 郑州云海信息技术有限公司 | 一种基于cdn的paas平台服务包分发方法及*** |
CN107566457A (zh) * | 2017-08-09 | 2018-01-09 | 天脉聚源(北京)科技有限公司 | 一种均衡节点设备负载的方法及装置 |
CN109656711A (zh) * | 2018-10-30 | 2019-04-19 | 山东超越数控电子股份有限公司 | 一种基于服务器集群的动态电源管理方法及*** |
CN111158909A (zh) * | 2019-12-27 | 2020-05-15 | 中国联合网络通信集团有限公司 | 集群资源分配处理方法、装置、设备及存储介质 |
CN111158909B (zh) * | 2019-12-27 | 2023-07-25 | 中国联合网络通信集团有限公司 | 集群资源分配处理方法、装置、设备及存储介质 |
CN111367677A (zh) * | 2020-03-31 | 2020-07-03 | 中国工商银行股份有限公司 | 集群资源分配方法及*** |
CN113032102A (zh) * | 2021-04-07 | 2021-06-25 | 广州虎牙科技有限公司 | 资源重调度方法、装置、设备和介质 |
CN113032102B (zh) * | 2021-04-07 | 2024-04-19 | 广州虎牙科技有限公司 | 资源重调度方法、装置、设备和介质 |
CN115373862A (zh) * | 2022-10-26 | 2022-11-22 | 安超云软件有限公司 | 基于数据中心的动态资源调度方法、***及存储介质 |
CN116974700B (zh) * | 2023-08-16 | 2024-04-09 | 北京志凌海纳科技有限公司 | 实现资源动态均衡的方法、***、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103677958B (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103677958A (zh) | 一种虚拟化集群的资源调度方法及装置 | |
Xu et al. | Dynamic deployment of virtual machines in cloud computing using multi-objective optimization | |
CN104270416B (zh) | 负载均衡控制方法及管理节点 | |
CN105302630B (zh) | 一种虚拟机的动态调整方法及其*** | |
CN104184813A (zh) | 虚拟机的负载均衡方法和相关设备及集群*** | |
Riahi et al. | A multi-objective decision support framework for virtual machine placement in cloud data centers: a real case study | |
CN102591443A (zh) | 一种虚拟化集群整合方法、装置及*** | |
CN111966453A (zh) | 一种负载均衡方法、***、设备及存储介质 | |
CN104835018A (zh) | 中压配电网网架的可靠性评估方法及装置 | |
CN105373432A (zh) | 一种基于虚拟资源状态预测的云计算资源调度方法 | |
Mazidi et al. | Autonomic resource provisioning for multilayer cloud applications with K‐nearest neighbor resource scaling and priority‐based resource allocation | |
CN109447264A (zh) | 云计算环境下基于vham-r模型的虚拟机放置遗传优化方法 | |
CN104461673A (zh) | 一种虚拟机迁移判定方法及装置 | |
Vorozhtsov et al. | Resource control system stability of mobile data centers | |
CN105389196A (zh) | 利用虚拟化技术进行地震资料处理的方法 | |
Wang et al. | Gmpr: a two-phase heuristic algorithm for virtual machine placement in large-scale cloud data centers | |
Farzaneh et al. | A novel virtual machine placement algorithm using RF element in cloud infrastructure | |
Monteiro et al. | Virtualized Web server cluster self-configuration to optimize resource and power use | |
CN116647560A (zh) | 物联网计算机集群协调优化控制方法、装置、设备及介质 | |
Tang | Load balancing optimization in cloud computing based on task scheduling | |
Yang et al. | Energy saving strategy of cloud data computing based on convolutional neural network and policy gradient algorithm | |
TWI425421B (zh) | Load Balancing Design Method of Virtual Machine in Cloud Computing Environment | |
CN104008011A (zh) | 丛集环境中平衡实体机资源负载的方法 | |
Rudra et al. | Models and algorithms for energy conservation in internet of things | |
Abdullahi et al. | Variable neighborhood search-based symbiotic organisms search algorithm for energy-efficient scheduling of virtual machine in cloud data center |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170620 Termination date: 20181213 |