CN106528270A - 一种基于OpenStack云平台的虚拟机自动迁移方法及*** - Google Patents
一种基于OpenStack云平台的虚拟机自动迁移方法及*** Download PDFInfo
- Publication number
- CN106528270A CN106528270A CN201611007753.0A CN201611007753A CN106528270A CN 106528270 A CN106528270 A CN 106528270A CN 201611007753 A CN201611007753 A CN 201611007753A CN 106528270 A CN106528270 A CN 106528270A
- Authority
- CN
- China
- Prior art keywords
- migration
- virtual machine
- server
- migrated
- home server
- 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.)
- Pending
Links
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
- G06F9/44—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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于云平台的虚拟机自动迁移方法,包括:根据宿主服务器的负载确定虚拟机迁移时间;根据所述宿主服务器上资源使用的比值设定权重并计算迁移量,选择迁移量值较大的虚拟机作为待迁移虚拟机;以及根据所述宿主服务器上资源的剩余情况按照概率值随机选择所述待迁移虚拟机的迁移目标服务器。本发明还涉及一种***,包括:迁移时间确定单元、待迁移虚拟机确定单元和迁移目标服务器确定单元。本发明的有益效果在于:使用指数平滑的方法对服务器的负载进行预测,避免了不必要的迁移开销;以概率的方式选择目标服务器,避免了群聚效应;在迁移虚拟机的整个过程中根据资源的使用情况设置权重,更有利于发现云平台的运行瓶颈。
Description
技术领域
本发明涉及云平台计算领域,并且更具体地,涉及一种基于OpenStack云平台的虚拟机自动迁移方法级***。
背景技术
Open1tack是当前最主流的开源云计算管理平台项目,由几个主要的组件组合起来完成具体工作。OpenStack支持几乎所有类型的云环境,项目目标是提供实施简单、可大规模扩展、丰富、标准统一的云计算管理平台。OpenStack通过各种互补的服务提供了基础设施即服务(IaaS)的解决方案,每个服务提供API以进行集成。
OpenStack虚拟机在运行过程中,由于机器自身的硬件限制,负载过大等原因,造成宿主物理主机的稳定性降低,因此为了保证虚拟机服务的质量,当某主机出现负载过大时,需要将该主机所运行的部分虚拟机迁移来释放资源。迁移操作发生时,虚拟机会从源主机以某种迁移方法,通过网络数据传输将虚拟机的数据备份到目的主机上,已完成迁移过程。虚拟机的迁移,其实就是数据的转移,被转移的数据主要包括两部分:静态数据:存储在本地的虚拟机镜像文件,包括后端镜像和虚拟机单独的增量镜像文件;动态数据:内存里虚拟机运行时的数据,内存里的数据是动态变化的数据,虚拟机运行的负载的大小直接影响迁移的时间长短。
虽然目前OpenStack已经实现了对VMware、KVM、XenServer、XCP等主流虚拟化技术的支持,但是由于KVM技术的强大,目前KVM仍然是是首选的底层虚拟化技术。传统KVM虚拟机迁移包括静态迁移、动态迁移2种方式,动态迁移包括基于共享存储的动态迁移和基于本地存储的动态迁移2种实现方法。
静态迁移也被称作常规迁移或离线迁移,是指在虚拟机关机或暂停的状态下从一台宿主物理主机迁移到另一台宿主物理主机的过程。因为虚拟机的文件***建立在虚拟机镜像上面,所以在虚拟机关机的情况下,只需要简单地迁移虚拟机镜像和相应的配置文件到另外一台物理主机上。如果需要保存虚拟机迁移之前的状态,在迁移之前将虚拟机暂停,然后拷贝状态至目的宿主物理主机,最后在目的宿主物理主机重建虚拟机状态并恢复执行。这种方式的迁移过程需要显式地停止虚拟机的运行。
动态迁移也被称作在线迁移,是指在保证虚拟机中各种服务正常运行的同时,将虚拟机***从一台宿主物理主机移动到另一台宿主物理主机的过程。动态迁移主要包括两种方式,基于共享存储的动态迁移方法和基于本地存储的虚拟机迁移方法。
基于共享存储的动态迁移方法是指在源宿主物理主机和目的宿主物理主机之间采用SAN(storage area network)或NAS(network attached storage)之类的集中式共享外存设备,虚拟机运行所需的镜像文件和相关配置文件都存储在中间共享外存设备中。这样,在迁移过程中只需要将虚拟机内存执行状态迁移到宿主物理主机中即可完成迁移。
基于本地存储的虚拟机迁移也被称为块迁移,是指虚拟机的磁盘镜像文件和相关配置文件存储在源宿主物理主机中,迁移过程首先要完成将磁盘镜像文件迁移到目的宿主物理主机中,然后再将虚拟机内存执行状态迁移到宿主物理主机中即可完成迁移。
云环境下的虚拟机迁移过程主要由三个关键步骤:1.物理节点何时迁移最佳,即确定迁移时机;2.选择哪些虚拟机迁移能够使开销较小、释放的资源更多,即待迁移虚拟机的选择;3.云环境可能有大量服务器组成,将虚拟机迁移到哪个服务器上最佳,即迁移的目标服务器的选择。云平台中虚拟机的迁移工作,任务粒度大,迁移时传输的数据量也大,因而迁移开销是不可忽略的。其次,绝大部分虚拟机的迁移策略仅基于阈值,即节点机的负载超过了负载阀值的上界,则该节点机就触发一个迁移;这样,瞬时负载峰值就会触发虚拟机迁移,容易造成不必要的迁移开销上的浪费。最后,云平台中多个服务器基于相同的负载信息可能会选择同一个服务器作为目标节点,导致被选中的目标节点负载急剧增加,造成群聚效应。
随着当前以OpenStack为代表的云计算技术的蓬勃发展,越来越多的企业和个人用户开始投入到OpenStack的研发使用中。由于一个不合适的虚拟机迁移决定会造成非常大的开销,目前寻找合适的迁移方法来保证OpenStack云平台资源的均衡利用成为了一个新的突破口。
发明内容
为了解决上述问题,根据本发明的一个方面,提供了一种基于OpenStack云平台的虚拟机自动迁移方法,所述方法包括:
根据宿主服务器的负载确定虚拟机迁移时间,其中所述宿主服务器的负载包括:CPU、内存和带宽的使用率;
根据所述宿主服务器上资源使用的比值设定权重并计算迁移量,选择迁移量值较大的虚拟机作为待迁移虚拟机;以及
根据所述宿主服务器上资源的剩余情况按照概率值随机选择所述待迁移虚拟机的迁移目标服务器。
优选地,其中利用时间序列预测技术中的指数平滑方法在后续时间对宿主服务器的负载情况进行计算,当负载超过设定的阈值一段时间时触发迁移条件。
优选地,其中在所述后续时间对宿主服务器的负载情况计算的公式为:
其中,Zt+1为第t+1个时刻的宿主服务器的负载情况,α为权重系数。
优选地,其中所述迁移量的计算公式为:
Rp=(Cicq+Mimq+Lilq)/mq,
其中,服务器i的CPU、内存和带宽的使用率分别为Ci、Mi和Li,服务器i上的虚拟机q的CPU、内存和带宽的使用量分别为cq、mq和lq,Rp为虚拟机q的迁移量。
优选地,其中所述概率的计算公式为:
其中,Xi为服务器i的剩余资源,Pi为选择目标服务器的概率。
优选地,其中所述服务器i的剩余资源的计算公式为:
Xi=C×(1-Ci)+M×(1-Mi)+L×(1-Li),
其中,整个服务器集群的CPU、内存和带宽的使用率分别为C、M和L,服务器i的CPU、内存和带宽的使用率分别为Ci、Mi和Li。
根据本发明的另一个方面,提供了一种基于云平台的虚拟机自动迁移***,所述***包括:
迁移时间确定单元,根据宿主服务器的负载确定虚拟机迁移时间,其中所述宿主服务器的负载包括:CPU、内存和带宽的使用率;
待迁移虚拟机确定单元,根据所述宿主服务器上资源使用的比值设定权重并计算迁移量,选择迁移量值较大的虚拟机作为待迁移虚拟机;以及
迁移目标服务器确定单元,根据所述宿主服务器上资源的剩余情况按照概率值随机选择所述待迁移虚拟机的迁移目标服务器。
本发明的有益效果在于:
1.本发明使用指数平滑的方法对服务器的负载进行预测,避免了负载的瞬时极端值造成不必要的迁移开销。
2.本发明提供的方法并不以固定的方式将虚拟机迁移到性能最好的服务器节点,而是考虑到服务器的CPU和内存两个指标以概率的方式选择目标服务器,避免了群聚效应。
3.在迁移虚拟机的整个过程中涉及到资源的评价指标时,根据资源的使用情况设置不同的权重,而不是同等看待,更有利于发现云平台的运行瓶颈。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明实施方式的迁移虚拟机自动迁移方法100的流程图图;以及
图2为根据本发明实施方式的虚拟机自动迁移***200的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
本发明主要针对OpenStack云平台的虚拟机迁移问题,提出了一种保证OpenStack云平台资源均衡利用的方法。该方法根据虚拟机的负载超过设定的阈值持续一段时间才触发迁移,避免了负载的瞬时极端值造成不必要的迁移开销。根据定义的指标选择消耗宿主机资源多但传输数据量较小的虚拟机来进行迁移,最后并不以固定的方式将虚拟机迁移到性能最好的服务器节点,而是考虑到服务器的CPU和内存两个指标以概率的方式选择目标服务器,避免了群聚效应。
本发明的技术方案的前提是云平台中的服务器配置相同的情况,在整个虚拟机迁移的过程中,各种资源并不等同看待,而是根据现阶段资源的使用情况分配不同的权重。例如,现阶段服务器CPU的利用率较高,说明可利用的CPU资源比较短缺,则在计算服务器的负载时其所占权重较大。假设某一时刻整个服务器集群的CPU、内存和带宽的使用率分别为C、M和L,服务器i的CPU、内存和带宽的使用率分别为Ci、Mi和Li,,则对于服务器i的负载Zi计算公式为:Zi=C×Ci+M×Mi+L×Li,服务器i剩余资源的Xi计算为Xi=C×(1-Ci)+M×(1-Mi)+L×(1-Li)。
图1为根据本发明实施方式的迁移虚拟机自动迁移方法100的流程图图。如图1所示,所述自动迁移方法100从步骤101处开始,在步骤101根据宿主服务器的负载确定虚拟机迁移时间,其中所述宿主服务器的负载包括:CPU、内存和带宽的使用率。
服务器负载主要关注的指标包括CPU、内存和带宽的使用情况,为了避免负载的瞬时峰值造成的不必要的迁移,决定将负载超过设定的阈值一段时间才触发迁移条件。优选地,其中利用时间序列预测技术中的指数平滑方法在后续时间对宿主服务器的负载情况进行计算,当负载超过设定的阈值一段时间时触发迁移条件。优选地,其中在所述后续时间对宿主服务器的负载情况计算的公式为:
其中,假设随着时间变化计算的负载值序列为:z1,z2,…,zt-1,Zt+1为第t+1个时刻的宿主服务器的负载情况,α为权重系数。可以看到加权系数是按照几何级数衰减的,愈近的数据权数愈大,愈远的数据权数愈小,且权数之和等于1。根据预测的值与阈值比较来确定该服务器中的虚拟机是否需要迁移。
优选地,在步骤102根据所述宿主服务器上资源使用的比值设定权重并计算迁移量,选择迁移量值较大的虚拟机作为待迁移虚拟机。优选地,其中所述迁移量的计算公式为:
Rp=(Cicq+Mimq+Lilq)/mq,
其中,服务器i的CPU、内存和带宽的使用率分别为Ci、Mi和Li;服务器i上的虚拟机q的CPU、内存和带宽的使用量分别为cq、mq和lq;Rp为虚拟机q的迁移量。
目前,虚拟机的在线迁移依靠的主要是虚拟机内存镜像的迭代拷贝,由于内存镜像非常大,所以网络带宽资源是迁移过程中最主要的迁移开销。考虑到虚拟机所在服务器资源的使用情况,设定不同的权重来表明其重要程度,主要为CPU、内存和带宽使用率所占用的权重,将占用服务器资源较多和占用内存较小的虚拟机迁移到其他服务器上。
优选地,在步骤103根据所述宿主服务器上资源的剩余情况按照概率值随机选择所述待迁移虚拟机的迁移目标服务器。在某时刻发生多个迁移操作同时选择综合性能最好的服务器作为目标服务器,会造成该节点短时间内资源的使用激增造成性能的下降,所以在选择目的服务器时并不是固定的选择,而是根据服务器资源的剩余情况按照一定的概率随机来选择迁移目标服务器。使用随机函数生成一个[0,1]之间的数,然后根据该数落在哪个目标服务器的概率空间来确定迁移目标服务器。
优选地,其中所述概率的计算公式为:
其中,Xi为服务器i的剩余资源,Pi为选择目标服务器的概率,且选择的目标服务器的概率和为1。
优选地,其中所述服务器i的剩余资源的计算公式为:
Xi=C×(1-Ci)+M×(1-Mi)+L×(1-Li),
其中,整个服务器集群的CPU、内存和带宽的使用率分别为C、M和L,服务器i的CPU、内存和带宽的使用率分别为Ci、Mi和Li。
图2为根据本发明实施方式的虚拟机自动迁移***200的结构示意图。如图2所示,所述自动迁移***200包括:迁移时间确定单元201、待迁移虚拟机确定单元202和迁移目标服务器确定单元203。在迁移时间确定单元201根据宿主服务器的负载确定虚拟机迁移时间,其中所述宿主服务器的负载包括:CPU、内存和带宽的使用率.
优选地,在待迁移虚拟机确定单元202根据所述宿主服务器上资源使用的比值设定权重并计算迁移量,选择迁移量值较大的虚拟机作为待迁移虚拟机.
优选地,在迁移目标服务器确定单元203根据所述宿主服务器上资源的剩余情况按照概率值随机选择所述待迁移虚拟机的迁移目标服务器。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
Claims (7)
1.一种基于云平台的虚拟机自动迁移方法,其特征在于,所述方法包括:
根据宿主服务器的负载确定虚拟机迁移时间,其中所述宿主服务器的负载包括:CPU、内存和带宽的使用率;
根据所述宿主服务器上资源使用的比值设定权重并计算迁移量,选择迁移量值较大的虚拟机作为待迁移虚拟机;以及
根据所述宿主服务器上资源的剩余情况按照概率值随机选择所述待迁移虚拟机的迁移目标服务器。
2.根据权利要求1所述的方法,其特征在于,利用时间序列预测技术中的指数平滑方法在后续时间对宿主服务器的负载情况进行计算,当负载超过设定的阈值一段时间时触发迁移条件。
3.根据权利要求2所述的方法,其特征在于,在所述后续时间对宿主服务器的负载情况计算的公式为:
其中,Zt+1为第t+1个时刻的宿主服务器的负载情况,α为权重系数。
4.根据权利要求1所述的方法,其特征在于,所述迁移量的计算公式为:
Rp=(Cicq+Mimq+Lilq)/mq,
其中,服务器i的CPU、内存和带宽的使用率分别为Ci、Mi和Li,服务器i上的虚拟机q的CPU、内存和带宽的使用量分别为cq、mq和lq,Rp为虚拟机q的迁移量。
5.根据权利要求1所述的方法,其特征在于,所述概率的计算公式为:
其中,Xi为服务器i的剩余资源,Pi为选择目标服务器的概率。
6.根据权利要求5所述的方法,其特征在于,所述服务器i的剩余资源的计算公式为:
Xi=C×(1-Ci)+M×(1-Mi)+L×(1-Li),
其中,整个服务器集群的CPU、内存和带宽的使用率分别为C、M和L,服务器i的CPU、内存和带宽的使用率分别为Ci、Mi和Li。
7.一种基于云平台的虚拟机自动迁移***,其特征在于,所述***包括:
迁移时间确定单元,根据宿主服务器的负载确定虚拟机迁移时间,其中所述宿主服务器的负载包括:CPU、内存和带宽的使用率;
待迁移虚拟机确定单元,根据所述宿主服务器上资源使用的比值设定权重并计算迁移量,选择迁移量值较大的虚拟机作为待迁移虚拟机;以及迁移目标服务器确定单元,根据所述宿主服务器上资源的剩余情况按照概率值随机选择所述待迁移虚拟机的迁移目标服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611007753.0A CN106528270A (zh) | 2016-11-16 | 2016-11-16 | 一种基于OpenStack云平台的虚拟机自动迁移方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611007753.0A CN106528270A (zh) | 2016-11-16 | 2016-11-16 | 一种基于OpenStack云平台的虚拟机自动迁移方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106528270A true CN106528270A (zh) | 2017-03-22 |
Family
ID=58351768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611007753.0A Pending CN106528270A (zh) | 2016-11-16 | 2016-11-16 | 一种基于OpenStack云平台的虚拟机自动迁移方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106528270A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203394A (zh) * | 2017-04-18 | 2017-09-26 | 中国科学院计算技术研究所 | 一种高安全docker容器批量部署方法及装置 |
CN108182105A (zh) * | 2017-12-12 | 2018-06-19 | 苏州大学 | 基于Docker容器技术的局部动态迁移方法及控制*** |
CN108363611A (zh) * | 2017-11-02 | 2018-08-03 | 北京紫光恒越网络科技有限公司 | 虚拟机的安全管理方法、装置及全方位虚拟化*** |
CN108563489A (zh) * | 2018-04-02 | 2018-09-21 | 郑州云海信息技术有限公司 | 一种数据中心综合管理***的虚拟机迁移方法及*** |
CN108574727A (zh) * | 2018-03-07 | 2018-09-25 | 天津麒麟信息技术有限公司 | 一种基于飞腾平台的改进的负载均衡调度*** |
CN109039933A (zh) * | 2018-08-14 | 2018-12-18 | 郑州云海信息技术有限公司 | 一种集群网络优化方法、装置、设备及介质 |
CN109960565A (zh) * | 2017-12-25 | 2019-07-02 | 航天信息股份有限公司 | 云平台、基于云平台的虚拟机调度方法及装置 |
CN111274230A (zh) * | 2020-03-26 | 2020-06-12 | 北京奇艺世纪科技有限公司 | 数据迁移的管理方法、装置、设备及存储介质 |
CN112579246A (zh) * | 2019-09-27 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 虚拟机迁移处理方法及装置 |
CN115878329A (zh) * | 2023-02-02 | 2023-03-31 | 天翼云科技有限公司 | 宿主机资源调度方法、装置、电子设备和存储介质 |
CN116405391A (zh) * | 2023-04-10 | 2023-07-07 | 长扬科技(北京)股份有限公司 | 基于OpenStack的虚拟机节点筛选方法、***和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102790793A (zh) * | 2012-05-08 | 2012-11-21 | 北京邮电大学 | 一种面向云计算虚拟机迁移的决策方法及控制模块 |
CN105302632A (zh) * | 2015-11-19 | 2016-02-03 | 国家电网公司 | 一种云计算工作负载动态整合方法 |
CN105607947A (zh) * | 2015-12-11 | 2016-05-25 | 西北工业大学 | 一种新的云环境虚拟机调度方法 |
-
2016
- 2016-11-16 CN CN201611007753.0A patent/CN106528270A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102790793A (zh) * | 2012-05-08 | 2012-11-21 | 北京邮电大学 | 一种面向云计算虚拟机迁移的决策方法及控制模块 |
CN105302632A (zh) * | 2015-11-19 | 2016-02-03 | 国家电网公司 | 一种云计算工作负载动态整合方法 |
CN105607947A (zh) * | 2015-12-11 | 2016-05-25 | 西北工业大学 | 一种新的云环境虚拟机调度方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203394B (zh) * | 2017-04-18 | 2021-01-01 | 中国科学院计算技术研究所 | 一种高安全docker容器批量部署方法及装置 |
CN107203394A (zh) * | 2017-04-18 | 2017-09-26 | 中国科学院计算技术研究所 | 一种高安全docker容器批量部署方法及装置 |
CN108363611A (zh) * | 2017-11-02 | 2018-08-03 | 北京紫光恒越网络科技有限公司 | 虚拟机的安全管理方法、装置及全方位虚拟化*** |
CN108182105A (zh) * | 2017-12-12 | 2018-06-19 | 苏州大学 | 基于Docker容器技术的局部动态迁移方法及控制*** |
CN108182105B (zh) * | 2017-12-12 | 2023-08-15 | 苏州大学 | 基于Docker容器技术的局部动态迁移方法及控制*** |
CN109960565B (zh) * | 2017-12-25 | 2021-06-04 | 航天信息股份有限公司 | 云平台、基于云平台的虚拟机调度方法及装置 |
CN109960565A (zh) * | 2017-12-25 | 2019-07-02 | 航天信息股份有限公司 | 云平台、基于云平台的虚拟机调度方法及装置 |
CN108574727A (zh) * | 2018-03-07 | 2018-09-25 | 天津麒麟信息技术有限公司 | 一种基于飞腾平台的改进的负载均衡调度*** |
CN108563489A (zh) * | 2018-04-02 | 2018-09-21 | 郑州云海信息技术有限公司 | 一种数据中心综合管理***的虚拟机迁移方法及*** |
CN109039933A (zh) * | 2018-08-14 | 2018-12-18 | 郑州云海信息技术有限公司 | 一种集群网络优化方法、装置、设备及介质 |
CN109039933B (zh) * | 2018-08-14 | 2022-07-08 | 郑州云海信息技术有限公司 | 一种集群网络优化方法、装置、设备及介质 |
CN112579246A (zh) * | 2019-09-27 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 虚拟机迁移处理方法及装置 |
CN112579246B (zh) * | 2019-09-27 | 2024-06-04 | 阿里巴巴集团控股有限公司 | 虚拟机迁移处理方法及装置 |
CN111274230A (zh) * | 2020-03-26 | 2020-06-12 | 北京奇艺世纪科技有限公司 | 数据迁移的管理方法、装置、设备及存储介质 |
CN111274230B (zh) * | 2020-03-26 | 2024-03-08 | 北京奇艺世纪科技有限公司 | 数据迁移的管理方法、装置、设备及存储介质 |
CN115878329A (zh) * | 2023-02-02 | 2023-03-31 | 天翼云科技有限公司 | 宿主机资源调度方法、装置、电子设备和存储介质 |
CN116405391A (zh) * | 2023-04-10 | 2023-07-07 | 长扬科技(北京)股份有限公司 | 基于OpenStack的虚拟机节点筛选方法、***和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106528270A (zh) | 一种基于OpenStack云平台的虚拟机自动迁移方法及*** | |
US10924535B2 (en) | Resource load balancing control method and cluster scheduler | |
CN103713956B (zh) | 应用于云计算虚拟化管理环境中的智能加权负载均衡方法 | |
CN108845874B (zh) | 资源的动态分配方法及服务器 | |
WO2018000991A1 (zh) | 一种数据均衡方法和装置 | |
CN103338228A (zh) | 基于双加权最小连接算法的云计算负载均衡调度算法 | |
CN103401939A (zh) | 一种采用混合调度策略的负载均衡方法 | |
CN110502323B (zh) | 一种云计算任务实时调度方法 | |
CN103595805A (zh) | 一种基于分布式集群的数据放置方法 | |
CN103701900A (zh) | 基于异构集群的数据分布方法 | |
CN104239123A (zh) | 面向校园云平台的虚拟机管理调度方法和*** | |
CN106681839B (zh) | 弹性计算动态分配方法 | |
CN104375897A (zh) | 基于最小相对负载不均衡度的云计算资源调度方法 | |
CN108089918B (zh) | 一种面向异构服务器结构的图计算负载均衡方法 | |
CN106339386A (zh) | 数据库弹性调度方法以及装置 | |
CN107992353A (zh) | 一种基于最小迁移量的容器动态迁移方法及*** | |
CN105426241A (zh) | 一种基于云计算数据中心的统一资源调度节能方法 | |
CN103885811B (zh) | 虚拟机***全***在线迁移的方法、***与装置 | |
CN106775949A (zh) | 一种感知复合应用特征与网络带宽的虚拟机在线迁移优化方法 | |
Supreeth et al. | An Efficient Policy‐Based Scheduling and Allocation of Virtual Machines in Cloud Computing Environment | |
CN107450855A (zh) | 一种用于分布式存储的模型可变的数据分布方法及*** | |
CN113342510A (zh) | 一种水电流域应急指挥云边计算资源协同处理方法 | |
CN111290699A (zh) | 数据迁移方法、装置及*** | |
US20220300323A1 (en) | Job Scheduling Method and Job Scheduling Apparatus | |
CN108874508A (zh) | 一种云计算虚拟服务器***负载均衡调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |
|
RJ01 | Rejection of invention patent application after publication |