CN104063282B - IaaS云可变规模资源池管理方法、装置和服务器 - Google Patents
IaaS云可变规模资源池管理方法、装置和服务器 Download PDFInfo
- Publication number
- CN104063282B CN104063282B CN201410188323.8A CN201410188323A CN104063282B CN 104063282 B CN104063282 B CN 104063282B CN 201410188323 A CN201410188323 A CN 201410188323A CN 104063282 B CN104063282 B CN 104063282B
- Authority
- CN
- China
- Prior art keywords
- resource pool
- physical machine
- sigma
- kjst
- task
- 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
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种IaaS云可变规模资源池管理方法、装置和服务器,本发明的方法旨在跟踪IaaS云***实际运行时负载和物理机资源的变化趋势,然后根据对未来任务到达频度的预测,动态的决定是否进行扩充/删减资源池容量的操作,在尽可能确保高负载下***性能的同时,降低负载时***的运行成本,达到优化平衡,兼顾云***的性能和经济性。
Description
技术领域
本发明属于云计算的技术领域,尤其是面向云计算运行时实时资源调度和控制优化的领域。
背景技术
云计算是指将任务分布在大量的分布式计算机上,使用云计算平台、通过网络为用户提供信息服务的计算模式。相对于传统的软件形态,云计算具有松散耦合、随需应变、成本可控、资源虚拟、异构协同等显著的优势,使其更适应现今的电子商务、柔性制造、移动互联网等应用。云计算包含两个方面的含义:一个方面是底层构建的云计算平台基础设施,是用来构建上层应用程序的基础;另一方面的含义是构建在这个基础平台之上的云计算应用程序。云计算按照服务类型可分为三类:将基础设施作为服务(IaaS,Infrastructure asa Service)、将平台作为服务(PaaS,Platform as a Service)和将软件作为服务(SaaS,Software as a Service)。
IaaS模式云计算平台是通过***虚拟化、多处理器虚拟化、内存虚拟化、I/O虚拟化等虚拟化技术将物理资源虚拟化成资源池,这些资源再由云计算平台进行统一的管理调度。目前,有很多企业和科研机构推出了自己的IaaS云计算平台,面向用户提供计算资源和存储资源。最具有代表性的是亚马逊(Amazon)的弹性计算云EC2(Elastic ComputeCloud)。
IaaS云资源池中的主要计算资源,就是物理机(Physical Machine,PM),物理机是不可再细分的一个最基本的云任务执行单元(即一个物理机无法再***成多个子物理机),是一定量的计算、存储、和网络通信资源的集合。一个物理机上可以运行一个或多个虚拟机进程,而一个虚拟机进程同一时刻只可能在一个物理机上运行。
IaaS云***运行过程中,资源池里的物理机总是处于任务接收、执行、释放的动态变化中:若处于执行状态的所有物理机都达到了所能支撑的虚拟机进程数量的上限,则将新到达的虚拟机进程分配到一个空闲的物理机上;若一个物理机上运行的所有虚拟机进程都执行完毕,则该物理机恢复到空闲状态。
传统的云资源池管理技术,总是维护一个固定规模的物理机群,这种技术存在一下的缺点:由于资源池中的物理机数量恒定,当云***任务负载激增时,剩余的空闲物理机将捉襟见肘,对***性能产生不利的影响;反过来,如果云***长期处于极低负载运行,则资源池中有大量的物理机都处于空闲状态,没有产生实际的效用;当资源池中所有的物理机都处于满负荷运行时,新到达的任务将被拒绝,或者被迁移出去,极大的影响了该任务的执行效率。
在此背景下,可变规模的云资源池管理技术便成为了上述问题的解决之道。所谓可变规模,就是说云资源池中的物理机数量,可以根据云***整体的负载变化动态的进行调整:当预计到负载增加的趋势,剩余空闲物理机可能难以应付未来需要时,提前扩充资源池规模,增加空闲物理机数量;当预计到负载下降的趋势,空闲物理机在未来可能较多时,则缩减资源池规模,减少物理机数量(关闭部分空闲物理机或将部分空闲物理机移交给其他的云***使用)。上述策略,既能保证***的高负载情况下的性能,又能兼顾低负载情况下的经济节能性和运营成本。
然而,如何决定上述管理策略的控制时机和增减数量,保证控制策略的最优性,却是一个难题。
云计算本身属于一个新兴技术领域,相关的技术、理论和方法还出于成长期,现有的IaaS云的资源池管理技术,存在如下问题:
(1)维护一个固定容量的资源池。现有的IaaS云资源池管理技术所维护的物理机数量恒定不变,不能根据实际负载的变化动态的增减;
(2)易出现物理机不够用和闲置多的情况。由于资源池中的物理机数量恒定,容易出现高负载时无新物理机可用和低负载时空闲物理机过多的情况;
(3)没有采用预先控制机制。现有的云资源池管理策略,没有对历史的***运行数据进行趋势建模和预测,因而管理时机都具有事后性,对突发的负载剧烈变化反应较慢。
发明内容
本发明的目的是为了解决现有技术存在的上述问题,优化IaaS云资源管理的效率,本发明提出了一种IaaS云可变规模资源池管理方法。
本发明的技术方案为:一种IaaS云可变规模资源池管理方法,包含如下步骤:
步骤1:获取***信息;
步骤2:分析及决策,具体包括如下分步骤:
步骤21:数据预处理;
步骤22:计算控制决策参考值;
步骤23:发出决策信息;
步骤3:资源池管理;
步骤4:重复步骤1至步骤3,直到云应用终止运行。
针对上述问题,本发明还提出一种IaaS云可变规模资源池管理装置,具体包括:分析决策模块和资源池管理模块,其中,
分析决策模块包括:用于获取***信息的***信息获取单元,用于数据预处理的数据预处理单元,用于计算控制决策参考值的控制量计算单元,用于发出决策信息的控制决策单元。
针对上述问题,本发明还提出一种IaaS云可变规模资源池管理服务器,具体包括:IaaS云可变规模资源池管理装置。
本发明的有益效果:本发明所提供的IaaS云可变规模资源池管理的方法、装置、和服务器,旨在跟踪IaaS云***实际运行时负载和物理机资源的变化趋势,然后根据对未来任务到达频度的预测,动态的决定是否进行扩充/删减资源池容量的操作,在尽可能确保高负载下***性能的同时,降低负载时***的运行成本,达到优化平衡,兼顾云***的性能和经济性。
附图说明
图1是本发明的流程示意图。
图2是本发明实施例中IaaS云可变规模资源池管理装置的组成结构示意图。
具体实施方式
下面结合附图对本发明作进一步的详细描述,但本发明的实施和保护范围不限于此。
本发明所要解决的技术问题是提供IaaS云可变规模资源池管理的方法、装置和服务器。
下面对该方法、装置和服务器进行详细说明:
图1为本发明实施例中的IaaS云可变规模资源池管理的方法流程示意图。该方法包括:
步骤1:获取***信息。
本步骤中,所获取的信息包括:本轮新增的任务数量NTx;本轮完成的任务数量WTx;当前处于空闲状态的物理机的数量KJx;当前处于非空闲状态的物理机数量MJx;每个非空闲状态物理机上运行的任务的数量,Ti,1≤i≤MJx。
步骤2:分析及决策,具体包括如下分步骤:
步骤21:数据预处理。
具体而言,根据步骤1获取的***信息计算***平均执行率ZXL、***平均任务输入率SRL、本轮可接受新增任务数KJSTx:
mean{}为集合求平均的操作,x为当前轮数,1≤x<∞,t为预先设定的每轮之间的间隔时间。因为0<y<x,因此WTy为x之前某轮的完成任务数量。
上述公式的直观意义是,若本轮完成的任务数量不为0,且非空闲物理机数量不为0,则以各个忙物理机的平均任务处理数量的倒数为***执行率,反之则根据以往历史记录的平均任务处理率为本轮的***执行率。
计算***平均任务输入率SRL;
这里,因为0<y<x,因此NTy为x之前某轮的新增任务数量。
本轮可接受新增任务数KJSTx;
其中,ZD表示单个物理机可同时运行的任务数的最大值。
本轮可接受新增任务数KJSTx的直观意义是,若本轮新增任务数量小于等于***当前最多可接纳的新任务的数量,则将本轮新增任务数量作为本轮可接受新增任务数,反之则以***当前最多可接纳的新任务的数量为本轮可接受新增任务数。
计算KJST1到KJSTx序列的剔除了异常值干扰的对数步长平均增量:
loinc=mean{incu,v|0<u<v≤x,lqu,v=0}
其中,lqu,v为判断是否是离群异常值的标记变量,incu,v表示序列中第u和v个记录值之间形成的对数步长等效增量:
lqu,v的取值方法为:
其中,a为预先给定的参数,一般可取0.1到0.5之间;max{}为集合求最大操作;|incu,v|表示incu,v的绝对值,avg取值为:
avg=mean{|incu,v||0<u<v≤x}
上述判断函数的直观意义是:第u和v个记录值之间形成的对数步长等效增量比序列平均对数步长等效增量还大比例a,且比第u和v个记录值之间所有的单步对数步长等效增量都还要大时,则视为异常离群值。
接下来计算未来预期新增任务数FST:
其中,γ为距离弱化因子,其作用是使最近的历史记录值对FST的影响较大,而越早的影响越小。
γ满足0.5<γ<1,一般可取为0.9。公式中加号后的部分,为历史上可接受新增任务数与实际新增任务数的差值的求平均,限定了u的取值,意义是只计算∑后为正值的情况,分母部分的∑表示多个1的求和,实际上就是计数器,记录了满足条件的个数,所以分子分母相除,等于就是求满足条件的历史上每轮可接受新增任务数的平均。
步骤22:计算控制决策参考值。
根据步骤21得到的结果计算未来空闲物理机不够用的概率BGY:
上述公式的直观解释是,BGY为:***总任务空间,减去已占用的物理机任务空间,再减去预期增加的新任务占用空间,最后剩下的任务空间不够用的概率。
步骤23:
发出决策信息,具体而言,根据步骤22得到的未来空闲物理机不够用的概率BGY计算决策信息控制量KZL,该变量的计算方法为:
其中,β1和β2为预先给定的经验阈值,满足0<β2<<β1<0.5,一般可将β1取为0.1,β2取为0.001,η1和η1为预先给定的正整数阈值,一般可取5至10之间。
上述公式的直观意义是:当步骤22计算出的未来空闲物理机不够用的概率大于β1,且本轮新增任务减去完成任务数量的差值大于η1,则将控制量设定为1;来空闲物理机不够用的概率小于β2,且本轮完成任务减去新增任务数量的差值大于η2,则将控制量设定为-1;其他情况,则设定控制量为0。
步骤3:资源池管理。
若KZL为0,则保持现有的资源池中的物理机数量不变;若KZL为1,则调用一个新的空闲物理机进入资源池;若KZL为-1,且当前有至少一个空闲的物理机,则随机关闭一个空闲的物理机;若KZL为-1,且当前资源池中所有物理机都非空闲,则保持现有的资源池中的物理机数量不变。
步骤4:等待t时间后,重复执行上述步骤,直到IaaS云***停止运行。
为了解决本发明所要解决的技术问题,本实施例还提供一种IaaS云可变规模资源池管理装置,具体包括:分析决策模块和资源池管理模块,其中,分析决策模块包括:
用于获取***信息的***信息获取单元;
根据所述***信息获取单元所获取的信息进行数据预处理的数据预处理单元;
根据所述数据预处理单元计算得到的数据计算控制决策参考值的控制量计算单元;
根据所述控制量计算单元得到的数据发出决策信息的控制决策单元。
这里的***信息获取单元所获取的信息包括:本轮新增的任务数量NTx;本轮完成的任务数量WTx;当前处于空闲状态的物理机的数量KJx;当前处于非空闲状态的物理机数量,MJx;每个非空闲状态物理机上运行的任务的数量Ti,1≤i≤MJx;
这里的***信息获取单元所获取上述信息后发送到所述数据预处理单元,所述数据预处理单元根据接收到的信息计算***平均执行率ZXL、***平均任务输入率SRL、本轮可接受新增任务数KJSTx,
其中,平均执行率ZXL为:
mean{}为集合求平均的操作,x为当前轮数,1≤x<∞,t为预先设定的每轮之间的间隔时间。
平均任务输入率SRL为:
NTx本轮新增的任务数量,因为0<y<x,因此NTy为x之前某轮的新增任务数量。
本轮可接受新增任务数KJSTx为:
其中,ZD表示单个物理机可同时运行的任务数的最大值。
这里的数据预处理单元还根据***平均执行率ZXL、***平均任务输入率SRL和本轮可接受新增任务数KJSTx,计算KJST1到KJSTx序列剔除了异常值干扰的对数步长平均增量:
loinc=mean{incu,v|0<u<v≤x,lqu,v=0}
其中,lqu,v为判断是否是离群异常值的标记变量,incu,v表示序列中第u和v个记录值之间形成的对数步长等效增量:
lqu,v的取值方法为:
其中,a为预先给定的参数,一般可取0.1到0.5之间;max{}为集合求最大操作;|incu,v|表示incu,v的绝对值,avg取值为:
avg=mean{|incu,v||0<u<v≤x}
这里的数据预处理单元还根据对数步长平均增量loinc计算未来预期新增任务数FST:
其中,γ为预先设定的距离弱化因子。
这里的所述控制量计算单元根据所述数据预处理单元得到的结果计算未来空闲物理机不够用的概率BGY:
所述不够用的概率BGY为:***总任务空间,减去已占用的物理机任务空间,再减去预期增加的新任务占用空间,最后剩下的任务空间不够用的概率。
这里的控制决策单元根据所述控制量计算单元得到的未来空闲物理机不够用的概率BGY计算决策信息控制量KZL,该变量的计算过程为:
其中,β1和β2为预先给定的阈值。
这里的资源池管理模块包括资源池管理单元,所述资源池管理单元根据所述控制决策单元得到的决策信息控制量KZL进行如下管理:
若KZL为0,则保持现有的资源池中的物理机数量不变;若KZL为1,则调用一个新的空闲物理机进入资源池;若KZL为-1,且当前有至少一个空闲的物理机,则随机关闭一个空闲的物理机;若KZL为-1,且当前资源池中所有物理机都非空闲,则保持现有的资源池中的物理机数量不变。
为了解决本发明所要解决的技术问题,本实施例还提供一种IaaS云可变规模资源池管理服务器,具体包括:IaaS云可变规模资源池管理装置。本发明实施例所提供的IaaS云可变规模资源池管理装置,可以部署于一个现有的服务器中,也可以部署以一个单独设置的专用于IaaS云可变规模资源池管理的服务器中。为此,本发明提供了一种服务器,包括本发明实施例所提供的IaaS云可变规模资源池管理装置,该IaaS云可变规模资源池管理装置的组成结构示意图如图2所示。本领域普通技术人员可以理解实现上述实施例方法中IaaS云可变规模资源池管理的过程,可以通过程序指令相关的硬件来完成,所述的程序可以存储于IaaS云可变规模资源池管理装置的可读存储介质中,该程序在执行时执行上述方法中的对应步骤。所述的存储介质可以如:ROM/RAM、磁碟、光盘等。
相对于传统的IaaS云资源池管理方法,本发明的方法、转置和***具有以下优点:动态的进行决策计算,判定是否需要扩充或删减资源池中的物理机数量,进而可以动态的决定资源池的规模,兼顾性能和运行成本;通过历史任务执行数据和任务到达数据,预判云***的未来状态,针对性的做出控制决策,使***能对负载的急剧变化做出更及时的响应,达到实时的相应任务负载变化;在处理历史数据时,剔除了其中离群异常数据的影响,使控制决策更精确。
Claims (7)
1.一种IaaS云可变规模资源池管理方法,包含如下步骤:
步骤1:获取***信息;
步骤2:分析及决策,具体包括如下分步骤:
步骤21:数据预处理;
步骤22:计算控制决策参考值;
步骤23:发出决策信息;
步骤3:资源池管理;
步骤4:重复步骤1至步骤3,直到云应用终止运行;
步骤1所获取的信息包括:本轮新增的任务数量NTx;本轮完成的任务数量WTx;当前处于空闲状态的物理机的数量KJx;当前处于非空闲状态的物理机数量MJx;每个非空闲状态物理机上运行的任务的数量,Ti,1≤i≤MJx;
步骤2所述的数据预处理的具体过程如下:
根据步骤1获取的***信息计算***平均执行率ZXL、***平均任务输入率SRL、本轮可接受新增任务数KJSTx,
其中,平均执行率ZXL为:
mean{}为集合求平均的操作,x为当前轮数,1≤x<∞,t为预先设定的每轮之间的间隔时间;
平均任务输入率SRL为:
本轮可接受新增任务数KJSTx为:
其中,ZD表示单个物理机可同时运行的任务数的最大值;
计算KJST1到KJSTx序列的剔除了异常值干扰的对数步长平均增量:
loinc=mean{incu,v|0<u<v≤x,lqu,v=0}
其中,lqu,v为判断是否是离群异常值的标记变量,incu,v表示序列中第u和v个记录值之间形成的对数步长等效增量:
lqu,v的取值方法为:
其中,a为预先给定的参数,max{}为集合求最大操作;|incu,v|表示incu,v的绝对值,avg取值为:
avg=mean{|incu,v||0<u<v≤x}
计算未来预期新增任务数FST:
其中,γ为预先设定的距离弱化因子。
2.根据权利要求1所述的IaaS云可变规模资源池管理方法,其特征在于,步骤2所述的计算控制决策参考值的过程如下:
根据步骤21得到的结果计算未来空闲物理机不够用的概率BGY:
所述不够用的概率BGY为:***总任务空间,减去已占用的物理机任务空间,再减去预期增加的新任务占用空间,最后剩下的任务空间不够用的概率。
3.根据权利要求2所述的IaaS云可变规模资源池管理方法,其特征在于,步骤2所述的发出决策信息具体过程如下:
根据步骤22得到的未来空闲物理机不够用的概率BGY计算决策信息控制量KZL,该变量的计算方法为:
其中,β1和β2为预先给定的阈值,η1和η1为预先给定的正整数阈值。
4.根据权利要求3所述的IaaS云可变规模资源池管理方法,其特征在于,步骤3所述的资源池管理具体过程如下:
若KZL为0,则保持现有的资源池中的物理机数量不变;若KZL为1,则调用一个新的空闲物理机进入资源池;若KZL为-1,且当前有至少一个空闲的物理机,则随机关闭一个空闲的物理机;若KZL为-1,且当前资源池中所有物理机都非空闲,则保持现有的资源池中的物理机数量不变。
5.一种IaaS云可变规模资源池管理装置,具体包括:分析决策模块和资源池管理模块,
其中,分析决策模块包括:
用于获取***信息的***信息获取单元;
根据所述***信息获取单元所获取的信息进行数据预处理的数据预处理单元;
根据所述数据预处理单元计算得到的数据计算控制决策参考值的控制量计算单元;
根据所述控制量计算单元得到的数据发出决策信息的控制决策单元;
所述***信息获取单元所获取的信息包括:本轮新增的任务数量,NTx;本轮完成的任务数量,WTx;当前处于空闲状态的物理机的数量,KJx;当前处于非空闲状态的物理机数量,MJx;每个非空闲状态物理机上运行的任务的数量,Ti,1≤i≤MJx;
所述***信息获取单元所获取上述信息后发送到所述数据预处理单元,所述数据预处理单元根据接收到的信息计算***平均执行率ZXL、***平均任务输入率SRL、本轮可接受新增任务数KJSTx,
其中,平均执行率ZXL为:
mean{}为集合求平均的操作,x为当前轮数,1≤x<∞,t为预先设定的每轮之间的间隔时间;
平均任务输入率SRL为:
本轮可接受新增任务数KJSTx为:
其中,ZD表示单个物理机可同时运行的任务数的最大值;
所述数据预处理单元还根据***平均执行率ZXL、***平均任务输入率SRL和本轮可接受新增任务数KJSTx,计算KJST1到KJSTx序列剔除了异常值干扰的对数步长平均增量:
loinc=mean{incu,v|0<u<v≤x,lqu,v=0}
其中,lqu,v为判断是否是离群异常值的标记变量,incu,v表示序列中第u和v个记录值之间形成的对数步长等效增量:
lqu,v的取值方法为:
其中,a为预先给定的参数,一般可取0.1到0.5之间;max{}为集合求最大操作;|incu,v|表示incu,v的绝对值,avg取值为:
avg=mean{|incu,v||0<u<v≤x}
所述数据预处理单元还根据对数步长平均增量loinc计算未来预期新增任务数FST:
其中,γ为预先设定的距离弱化因子。
6.根据权利要求5所述的IaaS云可变规模资源池管理装置,其特征在于,所述控制量计算单元根据所述数据预处理单元得到的结果计算未来空闲物理机不够用的概率BGY:
所述不够用的概率BGY为:***总任务空间,减去已占用的物理机任务空间,再减去预期增加的新任务占用空间,最后剩下的任务空间不够用的概率;
所述控制决策单元根据所述控制量计算单元得到的未来空闲物理机不够用的概率BGY计算决策信息控制量KZL,该变量的计算过程为:
其中,β1和β2为预先给定的阈值,η1和η1为预先给定的正整数阈值;
所述的资源池管理模块包括资源池管理单元,所述资源池管理单元根据所述控制决策单元得到的决策信息控制量KZL进行如下管理:
若KZL为0,则保持现有的资源池中的物理机数量不变;若KZL为1,则调用一个新的空闲物理机进入资源池;若KZL为-1,且当前有至少一个空闲的物理机,则随机关闭一个空闲的物理机;若KZL为-1,且当前资源池中所有物理机都非空闲,则保持现有的资源池中的物理机数量不变。
7.一种IaaS云可变规模资源池管理服务器,具体包括权利要求5或6任一项权利要求所述的IaaS云可变规模资源池管理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410188323.8A CN104063282B (zh) | 2014-05-06 | 2014-05-06 | IaaS云可变规模资源池管理方法、装置和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410188323.8A CN104063282B (zh) | 2014-05-06 | 2014-05-06 | IaaS云可变规模资源池管理方法、装置和服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104063282A CN104063282A (zh) | 2014-09-24 |
CN104063282B true CN104063282B (zh) | 2017-02-15 |
Family
ID=51551005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410188323.8A Active CN104063282B (zh) | 2014-05-06 | 2014-05-06 | IaaS云可变规模资源池管理方法、装置和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104063282B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104503846B (zh) * | 2015-01-22 | 2018-01-30 | 成都派沃特科技有限公司 | 一种基于云计算***的资源管理*** |
CN104765435B (zh) * | 2015-03-31 | 2018-01-16 | 重庆大学 | 一种云数据中心主机延迟开机的方法、装置和*** |
CN106201847B (zh) * | 2016-06-30 | 2019-04-23 | 重庆大学 | 考虑云平台主机性能衰减的任务分配方法、装置和*** |
CN108270833B (zh) * | 2016-12-31 | 2021-07-16 | ***通信集团安徽有限公司 | 渲染云资源的自动调度方法、装置及*** |
CN114157673A (zh) * | 2021-11-30 | 2022-03-08 | 北京知道创宇信息技术股份有限公司 | Cdn***节点管理方法、装置、存储介质及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365713A (zh) * | 2012-04-01 | 2013-10-23 | 华为技术有限公司 | 一种资源的调度和管理方法及装置 |
CN103576829A (zh) * | 2012-08-01 | 2014-02-12 | 复旦大学 | 基于混合遗传算法的云计算虚拟机动态调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2503463A (en) * | 2012-06-27 | 2014-01-01 | Ibm | Overriding abstract resource manager methods to provide resources to implement nodes in a service definition |
-
2014
- 2014-05-06 CN CN201410188323.8A patent/CN104063282B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365713A (zh) * | 2012-04-01 | 2013-10-23 | 华为技术有限公司 | 一种资源的调度和管理方法及装置 |
CN103576829A (zh) * | 2012-08-01 | 2014-02-12 | 复旦大学 | 基于混合遗传算法的云计算虚拟机动态调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104063282A (zh) | 2014-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104063282B (zh) | IaaS云可变规模资源池管理方法、装置和服务器 | |
CN102063336B (zh) | 一种分布式计算多应用功能异步并发调度方法 | |
US8352621B2 (en) | Method and system to automatically optimize execution of jobs when dispatching them over a network of computers | |
CN104657220A (zh) | 混合云中基于截止时间和费用约束的调度模型及方法 | |
CN103309946B (zh) | 多媒体文件处理方法、装置及*** | |
US20060184412A1 (en) | Resource optimization system, method and computer program for business transformation outsourcing with reoptimization on demand | |
CN102799512B (zh) | 一种基于向量自回归的云计算中虚拟机监控方法 | |
CN103365710B (zh) | 实时任务调度装置和方法以及计算机*** | |
CN104065745A (zh) | 云计算动态资源调度***和方法 | |
CN106991006B (zh) | 支持依赖和时间平衡的云工作流任务聚类方法 | |
CN106326003A (zh) | 一种作业调度和计算资源分配方法 | |
CN103324534A (zh) | 作业调度方法及其调度器 | |
CN104156255B (zh) | 一种虚拟机迁移方法、虚拟机迁移装置及源物理主机 | |
CN102739785B (zh) | 基于网络带宽估计的云计算任务调度方法 | |
CN103218263A (zh) | MapReduce参数的动态确定方法及装置 | |
CN102609303A (zh) | MapReduce***的慢任务调度方法和装置 | |
CN104111875B (zh) | 云数据中心新增任务数动态控制装置、***及方法 | |
CN107479944A (zh) | 混合云模式下的虚拟机内存自适应热迁移调度方法及*** | |
CN104820616B (zh) | 一种任务调度的方法及装置 | |
CN102917014A (zh) | 资源调度方法及装置 | |
CN106610870A (zh) | 一种处理节点数量调整方法及装置 | |
CN106776025A (zh) | 一种计算机集群作业调度方法及其装置 | |
CN113515382A (zh) | 云资源的分配方法、装置、电子设备及程序产品 | |
CN103442087B (zh) | 一种基于响应时间趋势分析的Web服务***访问量控制装置和方法 | |
US10423452B2 (en) | Allocating resources to virtual machines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |