CN107967179A - 一种支持突发应急的云计算资源分配方法 - Google Patents
一种支持突发应急的云计算资源分配方法 Download PDFInfo
- Publication number
- CN107967179A CN107967179A CN201711312598.8A CN201711312598A CN107967179A CN 107967179 A CN107967179 A CN 107967179A CN 201711312598 A CN201711312598 A CN 201711312598A CN 107967179 A CN107967179 A CN 107967179A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- virtual machine
- physical server
- resource
- 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
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
- G06F9/46—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
- G06F9/5038—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 execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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
- 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
- G06F9/44—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
- G06F2209/501—Performance criteria
-
- 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
- G06F2209/5015—Service provider selection
-
- 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
- G06F2209/5021—Priority
-
- 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
- G06F2209/503—Resource availability
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multi Processors (AREA)
- Hardware Redundancy (AREA)
Abstract
本发明的支持突发应急的云计算资源分配方法,包括:a).获取包括用户优先级、资源需求的紧迫程度、资源申请数量和配置在内的用户资源申请信息;b).计算用户资源分配优先级;c).获取可用物理服务器的资源信息;d).计算物理服务器的资源利用率;e).建立虚拟机性能匹配最优、虚拟机提供时间最短、平台总体负载变化最小的多目标函数以及约束条件;f).建立虚拟机请求与物理服务器的映射关系;g).进行资源分配。本发明的云计算资源分配方法,通过建立的多目标函数和约束条件,采用多目标优化算法得到一组解集,选择一个解作为映射方案,即可实现虚拟机的最优化布设。同时,该分配方法具有支持突发应急的功能,突发应急用户可优先被分配。
Description
技术领域
本发明涉及一种云计算资源分配方法,更具体的说,尤其涉及一种支持突发应急的云计算资源分配方法。
背景技术
云计算将大规模的计算、存储以及网络资源聚集起来,形成一个大的资源池,通过虚拟化技术有效地进行资源切割、调配和整合,实现资源的高效利用。它提供一种按需使用的模式,云计算用户可按需租赁资源降低成本,云平台提供商可通过合理调度实现虚拟资源的按需供给和动态管理,以提高资源利用率。
近几年常见的云计算资源分配与调度方法可归纳为成本驱动的分配方法、收益驱动的分配方法、节能的调度方法、负载均衡的调度方法等。成本驱动的资源分配算法通常是建立消费者资源需求价格模型、云资源提供商资源供给价格模型以及两者间约束关系,从众多云服务提供商中寻找成本最低者提供给消费者实现资源分配;类似,收益驱动的资源分配方法通常以云服务提供商利益获取最大化为目标,节能和负载均衡的资源调度方法分别以云计算平台***节能和负载均衡为目标。这些方法虽然从用户成本需求或者云计算平台节能等角度提出有效的资源分配与调度方法,但大多基于公平性分配,没有考虑突发应急资源需求情况,造成云计算服务平台资源分配效果不佳。
我国每年因突发事件都会造成难以估量的经济损失和人员伤亡,突发事件通常具有紧急程度高、危害程度大、不确定性等特点,现有的信息资源通常难以满足应急需求,临时建设也来不及,迫切需要一种综合全面、反应迅速的新型信息技术提供应急支持。云计算平台资源丰富、按需供给、成本低、易扩展等特点使云计算能够有效促进信息资源配置,能够快速为突发事件提供资源,为应急决策提供了一种切实可行的技术支持。其中最关键的就是面对突发应急资源需求如何保障资源分配的及时性和最优化。
发明内容
本发明为了克服上述技术问题的缺点,提供了一种支持突发应急的云计算资源分配方法。
本发明的支持突发应急的云计算资源分配方法,其特征在于,通过以下步骤来实现:
a).获取用户资源申请信息,收集包括用户优先级、资源需求的紧迫程度、资源申请数量和配置在内的用户资源申请信息,并将用户的资源申请按照时间顺序以虚拟机请求队列表示,其中表示请求队列中第i个虚拟机,其资源需求用表示,n为虚拟机数量, 分别为用户所申请虚拟机的CPU数量、内存大小、磁盘容量;r表示用户资源需求的紧迫程度;
b).计算用户资源分配优先级,根据用户优先级和资源需求的紧迫程度计算用户资源分配优先级λi,资源分配优先级高的虚拟机申请将优先被分配资源,相同优先级的虚拟机按照队列V中先后顺序依次分配;
c).获取可用物理服务器的资源信息,首先获取云计算平台中每个可用物理服务器的资源总量分别表示物理服务器i的CPU总数量、内存总容量、磁盘总容量;然后采集每个可用物理服务器空闲资源容量,包括物理服务器的空闲CPU数量空闲内存容量和空闲磁盘容量建立云计算平台可用物理服务器组P=(p1,p2,...,pi,...pm),其中pi为第i个物理服务器,m为可用物理服务器数量,其当前空闲资源容量表示为
d).采集物理服务器的资源利用率,计算包括CPU利用率内存利用率和磁盘利用率在内的物理服务器的资源利用率;
e).建立多目标函数及约束关系,以资源分配最优化和及时性为目标,并支持突发应急资源请求,建立虚拟机性能匹配最优、虚拟机提供时间最短、平台总体负载变化最小的多目标函数,并建立虚拟机资源请求与物理服务器空闲资源间的约束条件;
f).建立虚拟机请求与物理服务器的映射关系,根据步骤e)中的多目标函数和约束关系,采用多目标优化算法得到一组解集,选择其中一个解作为映射方案,建立虚拟机请求队列与物理服务器的映射关系,从而为虚拟机请求队列中的每一个虚拟机选择了最合适的物理服务器;
g).进行资源分配,根据步骤f)中为虚拟机选择的最合适的物理服务器,并按照步骤b)中求取的用户资源分配优先级,依次为用户在相应的物理服务器上创建虚拟机,实现资源分配。
本发明的支持突发应急的云计算资源分配方法,步骤a)中所述的用户优先级U划分为5级,最高用户优先级至最低用户优先级取值分别为5、4、3、2、1;步骤a)中所述的用户资源需求的紧迫程度划分为低、中、高三等,其数值分别用1、2、3表示;
如果不考虑用户的优先级,则将所有用户的优先级设置为相等数值或均置零;如果不考虑用户资源需求的紧迫程度,则将所有用户资源需求的紧迫程度赋相同数值或均置零。
步骤b)中所述的计算用户资源分配优先级,通过以下步骤来实现:
b-1).归一化优先级,通过公式(1)对用户的优先级进行归一化处理:
其中,Umin为最低用户优先级,为1;Umax为最高用户优先级,为5;Ui为用户i的优先级;
b-2).归一化资源需求级别,通过公式(2)对用户的资源需求的紧迫程度进行归一化处理:
其中,Hmin为资源需求的最低等级,为1;Hmax为资源需求的最高等级,为3;Hi为申请用户i的资源需求等级;
b-3).计算资源分配优先级,根据归一化的用户优先级和资源需求等级,采用公式(3)利用加权平均算法计算用户i的资源分配优先级Ai:
其中,α、β分别是归一化的用户优先级和资源需求等级的权重,0<α<1,0<β<1,α+β=1。
本发明的支持突发应急的云计算资源分配方法,步骤e)中,虚拟机性能匹配最优目标函数的建立过程中,虚拟机性能包括CPU核数、内存大小、磁盘容量,根据虚拟机和物理服务器性能向量建立虚拟机到物理服务器pj性能间的匹配距离,匹配距离越小,说明虚拟机与物理服务器越匹配;具体通过以下步骤来实现:
e-1-1).计算虚拟机请求队列V中虚拟机的性能向量:
虚拟机CPU性能向量
虚拟机内存性能向量
虚拟机磁盘性能向量
e-1-2).归一化虚拟机的性能向量:
归一化虚拟机CPU性能向量
归一化虚拟机内存性能向量
归一化虚拟机磁盘性能向量
PVmax、PVmin分别代表所有虚拟机相对于物理服务器pj的某种资源性能向量的最大值和最小值;
e-1-3).计算物理服务器pj的性能向量:
物理服务器CPU性能向量
物理服务器内存性能向量
物理服务器磁盘性能向量
e-1-4).归一化物理服务器pj的性能向量:
归一化物理服务器CPU性能向量
归一化物理服务器内存性能向量
归一化物理服务器磁盘性能向量
PPmax、PPmin分别代表所有物理服务器中某种资源性能向量的最大值和最小值;
e-1-5).计算匹配距离,通过公式(10)计算虚拟机到物理服务器pj的匹配距离:
k=1,2,3,分别表示CPU、内存、磁盘。
本发明的支持突发应急的云计算资源分配方法,步骤e)中所述的虚拟机提供时间最短的目标函数建立过程为:
e-2).云计算平台异构资源环境下,虚拟机在不同物理服务器上的创建时间会有所差异,假设S是任意一种虚拟机到物理服务器的映射方案,tij是虚拟机部署到物理服务器pj的创建时间,目标之一是S映射方案下提供虚拟机的时间最短,虚拟机提供时间计算公式为:
n为虚拟机数量,ts为映射方案S下部署虚拟机所花费的时间总和。
本发明的支持突发应急的云计算资源分配方法,步骤e)中平台总体负载变化最小的目标函数建立过程中:由于云计算平台物理服务器上的负载是不断动态变化的,不仅其上已有虚拟机负载不断变化,而且用户申请的虚拟机放置到物理服务器后也会引起物理服务器负载的变化,负载变化越小越好;通过以下步骤来实现:
e-3-1).计算物理服务器pj的平均负载,首先采集物理服务器的历史负载监控数据,通过公式(12)计算该物理服务器上已有的第h个虚拟机的综合负载:
式中,lchj、lmhj、ldhj分别为第h个虚拟机的CPU、内存、磁盘的利用率,wchj、wmhj、wdhj分别表示第h个虚拟机的CPU、内存、磁盘利用率的权重,0<wchj<1,0<wmhj<1,0<wdhj<1,wchj+wmhj+wdhj=1;
然后,根据物理服务器pj的平均负载等于其上所有c个虚拟机的负载之和,通过公式(13)进行求取:
c为物理服务器pj上虚拟机的数量,为物理服务器pj的平均负载;
e-3-2).计算放置虚拟机后的新负载,首先估算预放置虚拟机放置到物理服务器pj上之后带来的新负载然后通过公式(14)利用加权平均算法计算新虚拟机放置后该物理服务器的平均负载Lj:
wjt′为物理服务器pj上已有虚拟机负载的权重,w′jt为预放置虚拟机所带来的新负载的权重,0<wjt′<1,0<w′jt<1,wjt′+w′jt=1;;
如果多个虚拟机映射到同一个物理服务器上,则每放置一个虚拟机利用公式(14)重新计算一次平均负载Lj;
e-3-3).计算总体负载变化,通过步骤e-3-1)和步骤e-3-2)依次计算方案S下虚拟机请求队列中每个虚拟机映射到物理服务器后相应的平均负载Lk,k=1,2,...,m;m为物理服务器数量;
通过公式(15)计算S映射方案下,用标准差表示的云计算平台总体负载变化δs:
云计算平台总体负载变化越小,则虚拟机性能越稳定。
本发明的支持突发应急的云计算资源分配方法,步骤e)中,多目标函数的建立过程中,要求虚拟机性能匹配距离最短、虚拟机提供时间最少、平台总体负载变化最小,即目标函数为:
min{MDij}
min{ts} (16)
min{δs}
部署到某物理服务器的所有虚拟机资源总量要小于该服务器剩余资源总量,即虚拟机资源请求与物理服务器空闲资源间的约束条件为:
∑vik≤pjk
k=1,2,3分别代表CPU核数、内存大小、磁盘容量。
本发明的有益效果是:本发明的支持突发应急的云计算资源分配方法,首先建立用户的虚拟机请求队列,并获取队列中每个虚拟机的资源需求;然后,获取云计算平台中物理服务器的资源总量和空闲资源容量,之后,建立包括虚拟机性能匹配最优、虚拟机提供时间最短、平台总体负载变化最小在内的多目标函数,具体以求取虚拟机到物理服务器的性能匹配距离最小、部署创建虚拟机所花费的时间最短、部署虚拟机后云计算平台总体负载变化最小为目标,通过建立的多目标函数和约束条件,采用多目标优化算法得到一组解集,选择一个解作为映射方案,即可实现虚拟机在物理服务器上的最优化布设。同时,通过用户优先级和资源需求的紧迫程度计算出用户资源分配优先级,在资源分配过程中,按照优先级由高至低的顺序对虚拟机进行资源分配,使得该云计算资源分配方法具有支持突发应急的功能,突发应急用户可优先被分配资源。
附图说明
图1为本发明的支持突发应急的云计算资源分配方法的流程图;
图2为本发明中映射方案S下虚拟机请求队列与可用物理服务器队列的映射关系示意图;
图3为本发明中多目标函数的建立流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
图1给出了本发明的支持突发应急的云计算资源分配方法的流程图,其具体通过以下步骤来实现:
a).获取用户资源申请信息,收集包括用户优先级、资源需求的紧迫程度、资源申请数量和配置在内的用户资源申请信息,并将用户的资源申请按照时间顺序以虚拟机请求队列表示,其中表示请求队列中第i个虚拟机,其资源需求用表示,n为虚拟机数量, 分别为用户所申请虚拟机的CPU数量、内存大小、磁盘容量;r表示用户资源需求的紧迫程度;
b).计算用户资源分配优先级,根据用户优先级和资源需求的紧迫程度计算用户资源分配优先级λi,资源分配优先级高的虚拟机申请将优先被分配资源,相同优先级的虚拟机按照队列V中先后顺序依次分配;
c).获取可用物理服务器的资源信息,首先获取云计算平台中每个可用物理服务器的资源总量分别表示物理服务器i的CPU总数量、内存总容量、磁盘总容量;然后采集每个可用物理服务器空闲资源容量,包括物理服务器的空闲CPU数量空闲内存容量和空闲磁盘容量建立云计算平台可用物理服务器组P=(p1,p2,...,pi,...pm),其中pi为第i个物理服务器,m为可用物理服务器数量,其当前空闲资源容量表示为
d).采集物理服务器的资源利用率,计算包括CPU利用率内存利用率和磁盘利用率在内的物理服务器的资源利用率;
e).建立多目标函数及约束关系,以资源分配最优化和及时性为目标,并支持突发应急资源请求,建立虚拟机性能匹配最优、虚拟机提供时间最短、平台总体负载变化最小的多目标函数,并建立虚拟机资源请求与物理服务器空闲资源间的约束条件;
f).建立虚拟机请求与物理服务器的映射关系,根据步骤e)中的多目标函数和约束关系,采用多目标优化算法得到一组解集,选择其中一个解作为映射方案,建立虚拟机请求队列与物理服务器的映射关系,从而为虚拟机请求队列中的每一个虚拟机选择了最合适的物理服务器;
g).进行资源分配,根据步骤f)中为虚拟机选择的最合适的物理服务器,并按照步骤b)中求取的用户资源分配优先级,依次为用户在相应的物理服务器上创建虚拟机,实现资源分配。
为了对本发明的支持突发应急的云计算资源分配方法进行详细的说明,本实施例给出具体的实验数据和实验结果。如图2所示虚拟机请求队列中包含VM1~VM30共计30个虚拟机请求;可用物理服务器组中包含p1-p4共计4个物理服务器。
步骤a):设收集4个用户资源申请信息,共30个虚机,4种不同的虚拟机资源配置,用户1:VM1-VM5(2CPU4G80G),用户2:VM6-VM12(1CPU2G100G),用户3:VM13-VM20(2CPU2G120G),用户4:VM21-VM30(4CPU4G100G),建立虚机请求队列虚拟机的资源需求情况、用户优先级和应急资源需求紧迫程度如表1所示:
表1
虚拟机 | CPU(核) | 内存(G) | 磁盘(G) | 用户优先级 | 资源需求紧迫程度 |
VM1-VM5 | 2 | 4 | 80 | 5 | 3 |
VM6-VM12 | 1 | 2 | 100 | 3 | 2 |
VM13-VM20 | 2 | 2 | 120 | 2 | 2 |
VM21-VM30 | 4 | 4 | 100 | 1 | 1 |
步骤b):根据用户优先级和资源需求的紧迫程度计算用户资源分配优先级,取归一化的用户优先级权重α=0.5,资源需求等级的权重β=0.5,通过公式(3)可以计算出表1中4个用户的资源分配优先级分别为1、0.5、0.375、0,相同优先级的虚拟机按照队列顺序先进先分配。
步骤c):获取云计算平台4个可用物理服务器的资源总量,每个物理服务器CPU总量64核、128G内存、2048G磁盘;采集某时刻这些物理服务器空闲资源容量,包括空闲CPU数量、空闲内存容量、空闲磁盘容量,建立可用物理服务器组P=(p1,p2,p3,p4)。所获取的物理服务器p1-p4的资源总量和空闲资源容量如表2所示:
表2
步骤d):采集某时刻4个可用物理服务器的资源利用率,包括CPU利用率、内存利用率和磁盘利用率;所采集的物理服务器p1-p4的资源利用率如表3所示:
表3
物理服务器编号 | 负载(CPU) | 负载(内存) | 负载(磁盘) |
P1 | 22.00% | 19.37% | 21.88% |
P2 | 13.65% | 21.25% | 12.11% |
P3 | 25.54% | 25.67% | 26.75% |
P4 | 17.75% | 28.45% | 16.99% |
步骤e):假定映射方案S,如图3所示依次计算相关参数,设定多目标函数和约束条件,
e-1)根据公式(4)-(9)计算虚拟机和物理服务器性能向量,根据公式(10)计算虚拟机性能匹配距离;
e-2)根据公式(11)计算所有虚拟机创建总时间,如表4所示,给出了虚拟机VM1、VM6、VM13和VM21在物理服务器p1-p4上的创建时间,限于篇幅其余虚拟机的创建时间未给出;
表4
e-3)根据公式(12)-(14)分别计算每个物理服务器当前的和部署新虚拟机后的平均综合负载,公式(12)中取wchj=wmhj=wdhj=1/3,公式(14)中取wjt′=w′jt=1/2;根据公式(15)计算整个云计算平台所有物理服务器负载总体变化,作为具体的例子,给出了虚拟机VM1、VM6、VM11、VM21和VM26在不同的物理服务器上创建所带来的负载变化,限于篇幅其余虚拟机的创建所带来的负载变化未给出;
表5
e-4)设定面向突发应急的云计算资源分配方法的多目标函数和约束条件,
多目标函数:虚拟机性能匹配距离最短、虚拟机提供时间最少、平台总体负载变化最小,即
min{MDij}
min{ts}
min{δs}
约束条件:∑vik≤pjk
即部署到物理服务器p1-p4的虚拟机CPU总数量要分别小于48、54、42、50,内存总容量要小于100G、98G、86G、82G,磁盘总容量要小于1600G、1800G、1500G、1700G;
步骤f:利用一种多目标优化算法NSGA-II求解上述多目标函数,得到一组解集,其解集如下所示:
每一行都是一个解,每个解为一个映射方案。每个解中的数值为虚拟机所应创建到物理服务器的编号,p1编号为0,p2编号为1,p3编号为2,p4编号为3,如可选择其中一个解{2 1 0 2 2 1 2 2 0 1 1 3 2 1 3 3 1 1 1 0 3 2 2 3 2 3 1 3 2}作为映射方案,表示VM1-VM30的映射方案S={p3 p2 p1 p3 p3 p2 p3 p3 p1 p2 p2 p4 p3 p2 p4 p4 p2 p2p2 p1 p3 p4 p3 p3 p4 p3 p4 p2 p4 p3}
步骤g):根据映射方案S,在物理服务器上创建相应的虚拟机,实现虚拟机资源分配。
本发明方案所公开的多目标函数和多目标优化算法不限于上述实施方式种所公开的技术方案,多目标函数可以任意组合,可以采用非NSGA-II的其他多目标优化算法。
Claims (6)
1.一种支持突发应急的云计算资源分配方法,其特征在于,通过以下步骤来实现:
a).获取用户资源申请信息,收集包括用户优先级、资源需求的紧迫程度、资源申请数量和配置在内的用户资源申请信息,并将用户的资源申请按照时间顺序以虚拟机请求队列表示,其中表示请求队列中第i个虚拟机,其资源需求用表示,n为虚拟机数量, 分别为用户所申请虚拟机的CPU数量、内存大小、磁盘容量;r表示用户资源需求的紧迫程度;
b).计算用户资源分配优先级,根据用户优先级和资源需求的紧迫程度计算用户资源分配优先级λi,资源分配优先级高的虚拟机申请将优先被分配资源,相同优先级的虚拟机按照队列V中先后顺序依次分配;
c).获取可用物理服务器的资源信息,首先获取云计算平台中每个可用物理服务器的资源总量分别表示物理服务器i的CPU总数量、内存总容量、磁盘总容量;然后采集每个可用物理服务器空闲资源容量,包括物理服务器的空闲CPU数量空闲内存容量和空闲磁盘容量建立云计算平台可用物理服务器组P=(p1,p2,...,pi,...pm),其中pi为第i个物理服务器,m为可用物理服务器数量,其当前空闲资源容量表示为
d).采集物理服务器的资源利用率,计算包括CPU利用率内存利用率和磁盘利用率在内的物理服务器的资源利用率;
e).建立多目标函数及约束关系,以资源分配最优化和及时性为目标,并支持突发应急资源请求,建立虚拟机性能匹配最优、虚拟机提供时间最短、平台总体负载变化最小的多目标函数,并建立虚拟机资源请求与物理服务器空闲资源间的约束条件;
f).建立虚拟机请求与物理服务器的映射关系,根据步骤e)中的多目标函数和约束关系,采用多目标优化算法得到一组解集,选择其中一个解作为映射方案,建立虚拟机请求队列与物理服务器的映射关系,从而为虚拟机请求队列中的每一个虚拟机选择了最合适的物理服务器;
g).进行资源分配,根据步骤f)中为虚拟机选择的最合适的物理服务器,并按照步骤b)中求取的用户资源分配优先级,依次为用户在相应的物理服务器上创建虚拟机,实现资源分配。
2.根据权利要求1所述的支持突发应急的云计算资源分配方法,其特征在于:步骤a)中所述的用户优先级U划分为5级,最高用户优先级至最低用户优先级取值分别为5、4、3、2、1;步骤a)中所述的用户资源需求的紧迫程度划分为低、中、高三等,其数值分别用1、2、3表示;
步骤b)中所述的计算用户资源分配优先级,通过以下步骤来实现:
b-1).归一化优先级,通过公式(1)对用户的优先级进行归一化处理:
<mrow>
<mfrac>
<mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mi>min</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>U</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Umin为最低用户优先级,为1;Umax为最高用户优先级,为5;Ui为用户i的优先级;
b-2).归一化资源需求级别,通过公式(2)对用户的资源需求的紧迫程度进行归一化处理:
<mrow>
<mfrac>
<mrow>
<msub>
<mi>H</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>H</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>H</mi>
<mi>min</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Hmin为资源需求的最低等级,为1;Hmax为资源需求的最高等级,为3;Hi为申请用户i的资源需求等级;
b-3).计算资源分配优先级,根据归一化的用户优先级和资源需求等级,采用公式(3)利用加权平均算法计算用户i的资源分配优先级Ai:
<mrow>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>&alpha;</mi>
<mo>*</mo>
<mfrac>
<mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>U</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>+</mo>
<mi>&beta;</mi>
<mo>*</mo>
<mfrac>
<mrow>
<msub>
<mi>H</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>H</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,α、β分别是归一化的用户优先级和资源需求等级的权重,0<α<1,0<β<1,α+β=1。
3.根据权利要求1或2所述的支持突发应急的云计算资源分配方法,其特征在于,步骤e)中,虚拟机性能匹配最优目标函数的建立过程中,虚拟机性能包括CPU核数、内存大小、磁盘容量,根据虚拟机和物理服务器性能向量建立虚拟机到物理服务器pj性能间的匹配距离,匹配距离越小,说明虚拟机与物理服务器越匹配;具体通过以下步骤来实现:
e-1-1).计算虚拟机请求队列V中虚拟机的性能向量:
虚拟机CPU性能向量PVi c=虚拟机CPU核数/物理服务器总核数;
虚拟机内存性能向量PVi m=虚拟机内存容量/物理服务器总内存容量;
虚拟机磁盘性能向量PVi d=虚拟机磁盘容量/物理服务器总磁盘容量;
e-1-2).归一化虚拟机的性能向量:
归一化虚拟机CPU性能向量
归一化虚拟机内存性能向量
归一化虚拟机磁盘性能向量
PVmax、PVmin分别代表所有虚拟机相对于物理服务器pj的某种资源性能向量的最大值和最小值;
e-1-3).计算物理服务器pj的性能向量:
e-1-4).归一化物理服务器pj的性能向量:
归一化物理服务器CPU性能向量
归一化物理服务器内存性能向量
归一化物理服务器磁盘性能向量
PPmax、PPmin分别代表所有物理服务器中某种资源性能向量的最大值和最小值;
e-1-5).计算匹配距离,通过公式(10)计算虚拟机到物理服务器pj的匹配距离:
<mrow>
<msub>
<mi>MD</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>3</mn>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>NPV</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>NPP</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
k=1,2,3,分别表示CPU、内存、磁盘。
4.根据权利要求3所述的支持突发应急的云计算资源分配方法,其特征在于,步骤e)中所述的虚拟机提供时间最短的目标函数建立过程为:
e-2).云计算平台异构资源环境下,虚拟机在不同物理服务器上的创建时间会有所差异,假设S是任意一种虚拟机到物理服务器的映射方案,tij是虚拟机部署到物理服务器pj的创建时间,目标之一是S映射方案下提供虚拟机的时间最短,虚拟机提供时间计算公式为:
<mrow>
<msub>
<mi>t</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
n为虚拟机数量,ts为映射方案S下部署虚拟机所花费的时间总和。
5.根据权利要求4所述的支持突发应急的云计算资源分配方法,其特征在于,步骤e)中平台总体负载变化最小的目标函数建立过程中:由于云计算平台物理服务器上的负载是不断动态变化的,不仅其上已有虚拟机负载不断变化,而且用户申请的虚拟机放置到物理服务器后也会引起物理服务器负载的变化,负载变化越小越好;通过以下步骤来实现:
e-3-1).计算物理服务器pj的平均负载,首先采集物理服务器的历史负载监控数据,通过公式(12)计算该物理服务器上已有的第h个虚拟机的综合负载:
<mrow>
<msub>
<mi>l</mi>
<mrow>
<mi>h</mi>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>c</mi>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>c</mi>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>w</mi>
<mrow>
<mi>m</mi>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>m</mi>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>w</mi>
<mrow>
<mi>d</mi>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>d</mi>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>c</mi>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>w</mi>
<mrow>
<mi>m</mi>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>w</mi>
<mrow>
<mi>d</mi>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,lchj、lmhj、ldhj分别为第h个虚拟机的CPU、内存、磁盘的利用率,wchj、wmhj、wdhj分别表示第h个虚拟机的CPU、内存、磁盘利用率的权重,0<wchj<1,0<wmhj<1,0<wdhj<1,wchj+wmhj+wdhj=1;
然后,根据物理服务器pj的平均负载等于其上所有c个虚拟机的负载之和,通过公式(13)进行求取:
<mrow>
<msubsup>
<mi>L</mi>
<mi>j</mi>
<mi>c</mi>
</msubsup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>c</mi>
</munderover>
<msub>
<mi>l</mi>
<mrow>
<mi>h</mi>
<mi>j</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
c为物理服务器pj上虚拟机的数量,为物理服务器pj的平均负载;
e-3-2).计算放置虚拟机后的新负载,首先估算预放置虚拟机放置到物理服务器pj上之后带来的新负载然后通过公式(14)利用加权平均算法计算新虚拟机放置后该物理服务器的平均负载Lj:
<mrow>
<msub>
<mi>L</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<msup>
<mi>jt</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>*</mo>
<msubsup>
<mi>L</mi>
<mi>j</mi>
<mi>c</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>w</mi>
<mrow>
<mi>j</mi>
<mi>t</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>*</mo>
<msubsup>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>a</mi>
</msubsup>
</mrow>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<msup>
<mi>jt</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>w</mi>
<mrow>
<mi>j</mi>
<mi>t</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
wjt′为物理服务器pj上已有虚拟机负载的权重,w′jt为预放置虚拟机所带来的新负载的权重,0<wjt′<1,0<w′jt<1,wjt′+w′jt=1;;
如果多个虚拟机映射到同一个物理服务器上,则每放置一个虚拟机利用公式(14)重新计算一次平均负载Lj;
e-3-3).计算总体负载变化,通过步骤e-3-1)和步骤e-3-2)依次计算方案S下虚拟机请求队列中每个虚拟机映射到物理服务器后相应的平均负载Lk,k=1,2,...,m;m为物理服务器数量;
通过公式(15)计算S映射方案下,用标准差表示的云计算平台总体负载变化δs:
<mrow>
<msub>
<mi>&delta;</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>m</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>L</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>m</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>L</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>15</mn>
<mo>)</mo>
</mrow>
</mrow>
云计算平台总体负载变化越小,则虚拟机性能越稳定。
6.根据权利要求5所述的支持突发应急的云计算资源分配方法,其特征在于,步骤e)中,多目标函数的建立过程中,要求虚拟机性能匹配距离最短、虚拟机提供时间最少、平台总体负载变化最小,即目标函数为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>min</mi>
<mrow>
<mo>{</mo>
<mrow>
<msub>
<mi>MD</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mo>}</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>min</mi>
<mrow>
<mo>{</mo>
<msub>
<mi>t</mi>
<mi>s</mi>
</msub>
<mo>}</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>min</mi>
<mrow>
<mo>{</mo>
<msub>
<mi>&delta;</mi>
<mi>s</mi>
</msub>
<mo>}</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>16</mn>
<mo>)</mo>
</mrow>
</mrow>
部署到某物理服务器的所有虚拟机资源总量要小于该服务器剩余资源重量,即虚拟机资源请求与物理服务器空闲资源间的约束条件为:
∑vik≤pjk
k=1,2,3分别代表CPU核数、内存大小、磁盘容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711312598.8A CN107967179B (zh) | 2017-12-12 | 2017-12-12 | 一种支持突发应急的云计算资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711312598.8A CN107967179B (zh) | 2017-12-12 | 2017-12-12 | 一种支持突发应急的云计算资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107967179A true CN107967179A (zh) | 2018-04-27 |
CN107967179B CN107967179B (zh) | 2021-08-06 |
Family
ID=61994194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711312598.8A Active CN107967179B (zh) | 2017-12-12 | 2017-12-12 | 一种支持突发应急的云计算资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107967179B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710971A (zh) * | 2018-05-11 | 2018-10-26 | 西南交通大学 | 基于威布尔分布的编组站咽喉道岔组资源可用度计算方法 |
CN108984286A (zh) * | 2018-06-29 | 2018-12-11 | 广东工业大学 | 一种云计算平台的资源调度方法和*** |
CN109005214A (zh) * | 2018-07-03 | 2018-12-14 | 阿里巴巴集团控股有限公司 | 一种资源调度方法及装置 |
CN110247802A (zh) * | 2019-06-19 | 2019-09-17 | 北京百度网讯科技有限公司 | 针对云服务单机环境的资源配置方法及装置 |
CN111158850A (zh) * | 2019-12-09 | 2020-05-15 | 国网辽宁省电力有限公司大连供电公司 | 基于虚拟机iaas层资源分配的最优化算法 |
CN111324424A (zh) * | 2020-04-15 | 2020-06-23 | 中国联合网络通信集团有限公司 | 一种虚拟机部署方法、装置、服务器及存储介质 |
CN111428973A (zh) * | 2020-03-11 | 2020-07-17 | 慧镕电子***工程股份有限公司 | 一种能有效提高资源利用率的虚拟资源分配方法 |
CN111464583A (zh) * | 2019-01-22 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 计算资源分配方法、装置、服务器及存储介质 |
CN112084020A (zh) * | 2020-08-13 | 2020-12-15 | 河北工程大学 | 多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法 |
CN112154416A (zh) * | 2019-04-29 | 2020-12-29 | 欧克斯诺有限责任公司 | 虚拟机配置方法以及用于实施该方法的虚拟机配置装置 |
CN113032101A (zh) * | 2021-03-31 | 2021-06-25 | 深信服科技股份有限公司 | 虚拟机的资源分配方法、服务器及计算机可读存储介质 |
CN113099247A (zh) * | 2021-03-17 | 2021-07-09 | 北京达佳互联信息技术有限公司 | 虚拟资源处理方法、装置、服务器、存储介质及程序产品 |
CN113590342A (zh) * | 2021-09-29 | 2021-11-02 | 睿至科技集团有限公司 | 一种云计算***中的资源分配方法及*** |
CN113709241A (zh) * | 2021-08-26 | 2021-11-26 | 上海德拓信息技术股份有限公司 | 一种云场景下物理资源的调度分配组合方法与*** |
CN113742049A (zh) * | 2021-11-08 | 2021-12-03 | 山东美欣医疗科技有限公司 | 一种云虚拟化资源动态优化调整方法 |
CN114049756A (zh) * | 2022-01-14 | 2022-02-15 | 山东省计算中心(国家超级计算济南中心) | 一种城市交通应急资源布局方法及*** |
CN114490096A (zh) * | 2022-04-19 | 2022-05-13 | 深圳支点电子智能科技有限公司 | 基于移动互联网突发云任务处理的方法及*** |
US11374815B2 (en) * | 2020-03-25 | 2022-06-28 | Fujitsu Limited | Network configuration diagram generate method and recording medium |
CN115129466A (zh) * | 2022-03-31 | 2022-09-30 | 西安电子科技大学 | 云计算资源分层调度方法、***、设备及介质 |
CN117909072A (zh) * | 2024-01-15 | 2024-04-19 | 航天中认软件测评科技(北京)有限责任公司 | 基于业务负载的异构云平台虚拟化资源动态调度方法 |
WO2024125114A1 (zh) * | 2022-12-13 | 2024-06-20 | 华为云计算技术有限公司 | 基于云服务的资源分配方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102546379A (zh) * | 2010-12-27 | 2012-07-04 | ***通信集团公司 | 一种虚拟化资源调度的方法及虚拟化资源调度*** |
CN102932279A (zh) * | 2012-10-30 | 2013-02-13 | 北京邮电大学 | 一种云环境数据中心多维资源调度***及方法 |
CN103561061A (zh) * | 2013-10-17 | 2014-02-05 | 南京邮电大学 | 一种弹性的云数据挖掘平台部署方法 |
CN103685561A (zh) * | 2013-12-30 | 2014-03-26 | 上海交通大学 | IaaS平台虚拟机调度算法 |
CN103701886A (zh) * | 2013-12-19 | 2014-04-02 | 中国信息安全测评中心 | 一种云计算环境下的服务及资源分层调度方法 |
CN104657087A (zh) * | 2015-02-04 | 2015-05-27 | 杭州华为数字技术有限公司 | 一种虚拟磁盘映射的方法、装置及*** |
CN105141697A (zh) * | 2015-09-16 | 2015-12-09 | 国云科技股份有限公司 | 一种多QoS约束的云计算任务调度方法 |
US20160057075A1 (en) * | 2014-08-20 | 2016-02-25 | At&T Intellectual Property I, L.P. | Load Adaptation Architecture Framework for Orchestrating and Managing Services in a Cloud Computing System |
US20160378539A1 (en) * | 2015-04-03 | 2016-12-29 | International Business Machines Corporation | Migrating virtual machines based on relative priority of virtual machine in the context of a target hypervisor environment |
CN106656555A (zh) * | 2016-10-15 | 2017-05-10 | 黄林果 | 一种云计算***的服务资源动态调节方法 |
-
2017
- 2017-12-12 CN CN201711312598.8A patent/CN107967179B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102546379A (zh) * | 2010-12-27 | 2012-07-04 | ***通信集团公司 | 一种虚拟化资源调度的方法及虚拟化资源调度*** |
CN102932279A (zh) * | 2012-10-30 | 2013-02-13 | 北京邮电大学 | 一种云环境数据中心多维资源调度***及方法 |
CN103561061A (zh) * | 2013-10-17 | 2014-02-05 | 南京邮电大学 | 一种弹性的云数据挖掘平台部署方法 |
CN103701886A (zh) * | 2013-12-19 | 2014-04-02 | 中国信息安全测评中心 | 一种云计算环境下的服务及资源分层调度方法 |
CN103685561A (zh) * | 2013-12-30 | 2014-03-26 | 上海交通大学 | IaaS平台虚拟机调度算法 |
US20160057075A1 (en) * | 2014-08-20 | 2016-02-25 | At&T Intellectual Property I, L.P. | Load Adaptation Architecture Framework for Orchestrating and Managing Services in a Cloud Computing System |
CN104657087A (zh) * | 2015-02-04 | 2015-05-27 | 杭州华为数字技术有限公司 | 一种虚拟磁盘映射的方法、装置及*** |
US20160378539A1 (en) * | 2015-04-03 | 2016-12-29 | International Business Machines Corporation | Migrating virtual machines based on relative priority of virtual machine in the context of a target hypervisor environment |
CN105141697A (zh) * | 2015-09-16 | 2015-12-09 | 国云科技股份有限公司 | 一种多QoS约束的云计算任务调度方法 |
CN106656555A (zh) * | 2016-10-15 | 2017-05-10 | 黄林果 | 一种云计算***的服务资源动态调节方法 |
Non-Patent Citations (3)
Title |
---|
JING CHEN等: "A Credit-Based Allocation Method of Resource Quotas for Cloud Users", 《IEEE》 * |
刘飞: "基于多目标优化的云计算任务调度研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
徐文忠: "云环境下的虚拟机资源调度策略研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710971A (zh) * | 2018-05-11 | 2018-10-26 | 西南交通大学 | 基于威布尔分布的编组站咽喉道岔组资源可用度计算方法 |
CN108710971B (zh) * | 2018-05-11 | 2020-08-04 | 西南交通大学 | 基于威布尔分布的编组站咽喉道岔组资源可用度计算方法 |
CN108984286A (zh) * | 2018-06-29 | 2018-12-11 | 广东工业大学 | 一种云计算平台的资源调度方法和*** |
CN109005214A (zh) * | 2018-07-03 | 2018-12-14 | 阿里巴巴集团控股有限公司 | 一种资源调度方法及装置 |
CN111464583A (zh) * | 2019-01-22 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 计算资源分配方法、装置、服务器及存储介质 |
CN112154416A (zh) * | 2019-04-29 | 2020-12-29 | 欧克斯诺有限责任公司 | 虚拟机配置方法以及用于实施该方法的虚拟机配置装置 |
CN112154416B (zh) * | 2019-04-29 | 2024-03-29 | 欧克斯诺有限责任公司 | 虚拟机配置方法以及用于实施该方法的虚拟机配置装置 |
CN110247802A (zh) * | 2019-06-19 | 2019-09-17 | 北京百度网讯科技有限公司 | 针对云服务单机环境的资源配置方法及装置 |
CN110247802B (zh) * | 2019-06-19 | 2022-04-19 | 北京百度网讯科技有限公司 | 针对云服务单机环境的资源配置方法及装置 |
CN111158850B (zh) * | 2019-12-09 | 2023-05-02 | 国网辽宁省电力有限公司大连供电公司 | 基于虚拟机iaas层资源分配的最优化算法 |
CN111158850A (zh) * | 2019-12-09 | 2020-05-15 | 国网辽宁省电力有限公司大连供电公司 | 基于虚拟机iaas层资源分配的最优化算法 |
CN111428973B (zh) * | 2020-03-11 | 2024-04-12 | 慧镕电子***工程股份有限公司 | 一种能有效提高资源利用率的虚拟资源分配方法 |
CN111428973A (zh) * | 2020-03-11 | 2020-07-17 | 慧镕电子***工程股份有限公司 | 一种能有效提高资源利用率的虚拟资源分配方法 |
US11374815B2 (en) * | 2020-03-25 | 2022-06-28 | Fujitsu Limited | Network configuration diagram generate method and recording medium |
CN111324424A (zh) * | 2020-04-15 | 2020-06-23 | 中国联合网络通信集团有限公司 | 一种虚拟机部署方法、装置、服务器及存储介质 |
CN112084020B (zh) * | 2020-08-13 | 2022-04-26 | 河北工程大学 | 多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法 |
CN112084020A (zh) * | 2020-08-13 | 2020-12-15 | 河北工程大学 | 多接入虚拟边缘计算中基于双边匹配的虚拟机布设方法 |
CN113099247A (zh) * | 2021-03-17 | 2021-07-09 | 北京达佳互联信息技术有限公司 | 虚拟资源处理方法、装置、服务器、存储介质及程序产品 |
CN113099247B (zh) * | 2021-03-17 | 2023-01-20 | 北京达佳互联信息技术有限公司 | 虚拟资源处理方法、装置、服务器、存储介质及程序产品 |
CN113032101A (zh) * | 2021-03-31 | 2021-06-25 | 深信服科技股份有限公司 | 虚拟机的资源分配方法、服务器及计算机可读存储介质 |
CN113032101B (zh) * | 2021-03-31 | 2023-12-29 | 深信服科技股份有限公司 | 虚拟机的资源分配方法、服务器及计算机可读存储介质 |
CN113709241A (zh) * | 2021-08-26 | 2021-11-26 | 上海德拓信息技术股份有限公司 | 一种云场景下物理资源的调度分配组合方法与*** |
CN113709241B (zh) * | 2021-08-26 | 2024-01-23 | 上海德拓信息技术股份有限公司 | 一种云场景下物理资源的调度分配组合方法与*** |
CN113590342A (zh) * | 2021-09-29 | 2021-11-02 | 睿至科技集团有限公司 | 一种云计算***中的资源分配方法及*** |
CN113742049A (zh) * | 2021-11-08 | 2021-12-03 | 山东美欣医疗科技有限公司 | 一种云虚拟化资源动态优化调整方法 |
CN113742049B (zh) * | 2021-11-08 | 2022-03-01 | 山东美欣医疗科技有限公司 | 一种云虚拟化资源动态优化调整方法 |
CN114049756A (zh) * | 2022-01-14 | 2022-02-15 | 山东省计算中心(国家超级计算济南中心) | 一种城市交通应急资源布局方法及*** |
CN115129466A (zh) * | 2022-03-31 | 2022-09-30 | 西安电子科技大学 | 云计算资源分层调度方法、***、设备及介质 |
CN115129466B (zh) * | 2022-03-31 | 2024-05-10 | 西安电子科技大学 | 云计算资源分层调度方法、***、设备及介质 |
CN114490096A (zh) * | 2022-04-19 | 2022-05-13 | 深圳支点电子智能科技有限公司 | 基于移动互联网突发云任务处理的方法及*** |
WO2024125114A1 (zh) * | 2022-12-13 | 2024-06-20 | 华为云计算技术有限公司 | 基于云服务的资源分配方法及装置 |
CN117909072A (zh) * | 2024-01-15 | 2024-04-19 | 航天中认软件测评科技(北京)有限责任公司 | 基于业务负载的异构云平台虚拟化资源动态调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107967179B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967179A (zh) | 一种支持突发应急的云计算资源分配方法 | |
CN107659433B (zh) | 一种云资源调度方法及设备 | |
CN110163474A (zh) | 一种任务分配的方法及设备 | |
CN101938416B (zh) | 一种基于动态重配置虚拟资源的云计算资源调度方法 | |
CN107844882A (zh) | 配送任务处理方法、装置及电子设备 | |
CN104536832B (zh) | 一种虚拟机部署方法 | |
CN104902001B (zh) | 基于操作***虚拟化的Web请求负载均衡方法 | |
CN106505593A (zh) | 一种基于大数据的配变三相不平衡分析与负荷调整的方法 | |
CN107291546A (zh) | 一种资源调度方法及装置 | |
CN108063784A (zh) | 一种云环境下应用集群资源分配的方法、装置和*** | |
CN104809531B (zh) | 一种储能***配置方法及*** | |
CN103902384B (zh) | 为虚拟机分配物理机的方法及装置 | |
CN104023042B (zh) | 云平台资源调度方法 | |
CN108279974A (zh) | 一种云资源分配方法及装置 | |
Antonescu et al. | Dynamic SLA management with forecasting using multi-objective optimization | |
CN110348678A (zh) | 配送资源的调度及针对菜品配送的资源调度方法及装置 | |
CN102438049B (zh) | SaaS应用***的***资源配置方法及装置 | |
CN109324890A (zh) | 资源管理方法、装置及计算机可读存储介质 | |
CN109728579A (zh) | 一种配电网运行效率的评估方法、评估装置及评估设备 | |
CN106209433B (zh) | 一种云环境下面向架构的应用***节能部署装置 | |
CN108399505A (zh) | 分布式光伏电源接入容量规划方法及终端设备 | |
CN109754119B (zh) | 基于Floyd算法的电动汽车充换电服务网络优化规划方法 | |
CN110196773A (zh) | 统一调度计算资源的多时间尺度安全校核***及方法 | |
Zhuang et al. | Impact of instance seeking strategies on resource allocation in cloud data centers | |
CN104869154A (zh) | 统筹资源可信度与用户满意度的分布式资源调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |