CN108196935A - 一种面向云计算的虚拟机节能迁移方法 - Google Patents
一种面向云计算的虚拟机节能迁移方法 Download PDFInfo
- Publication number
- CN108196935A CN108196935A CN201711273007.0A CN201711273007A CN108196935A CN 108196935 A CN108196935 A CN 108196935A CN 201711273007 A CN201711273007 A CN 201711273007A CN 108196935 A CN108196935 A CN 108196935A
- Authority
- CN
- China
- Prior art keywords
- physical host
- virtual machine
- host
- overload
- resource utilization
- 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
- G06F9/44—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
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- 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
-
- 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)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及一种面向云计算的虚拟机节能迁移方法,较目前主流的虚拟机迁移方法而言,在小容量的服务器过载时,采用最小迁移时间的虚拟机选择算法,对服务性能影响较小,使因虚拟机迁移和服务器过载而产生的服务性能的损失维持在较低的水平;在大容量的服务器过载时,采用最少虚拟机迁移算法选择待迁移的虚拟机,较快的解除服务器过载问题,减少虚拟机迁移次数,能够有效提高虚拟机的迁移效率。
Description
技术领域
本发明涉及一种面向云计算的虚拟机节能迁移方法,属于分布式计算和云计算技术领域。
背景技术
21世纪初,互联网发展迅速,计算机技术在各个行业广泛使用。随着互联网的迅猛发展,信息量也快速增加,网站等业务***所需要处理的业务量快速增长。为了快速处理大幅增加的信息量,使信息得到及时的反馈,并使用信息为自身服务,云计算应运而生。
云计算是由分布式计算、并行处理、网格计算发展来的,是一种新兴的计算模型。云计算的计算能力强大,应用范围广泛,它不仅提供传统意义的IT资源和应用服务,而且将支持包括IT、通信、电视、移动和物联网等一切互联网技术融合后的资源使用和业务应用。云计算发展的关键技术主要有统一交换构架、统一虚拟化和统一计算***。
云计算模式具有许多优点:超大规模,虚拟化,通用型,廉价等。但是云计算也存在一些不足,现有的网络带宽、存储数据的可靠性和安全性,是目前限制云计算技术进一步发展的关键因素。随着云计算的发展,数据中心建立在各个位置,在云计算数据中心进行数据分析变成了一个重要工作。分析内容包括查询用户日志来选择广告投放策略,查询网络日志探测Dos攻击,查询***日志建立错误预测模型等等。为了使物理机的资源得到充分利用,同时,减少物理机的能源消耗,虚拟机的迁移显得尤为重要。
虚拟机迁移主要有以下三种作用:第一,减少物理服务器宕机带来的影响;第二,对数据中心进行节能整合;第三,实现数据中心的负载平衡,在监测到服务器可能发生故障或者在即将对进行服务器进行关闭时,可以通过虚拟机迁移,虚拟机迁移至运行状态正常或者不需要关闭的服务器上。从而避免因服务器宕机或关闭带来的影响;通过使用虚拟机迁移技术,可以将大量分布在不同物理服务器上的虚拟机整合到少量的物理服务器上,提高服务器的利用率,而通过将不必要的服务器关闭或者休眠,可以实现数据中心的节能,在虚拟机迁移时,对待迁移的虚拟机选择算法不同,虚拟机的选择应尽量满足三个目的:已过载服务器状态能否快速解除,迁移产生的代价,虚拟机重新分配对集群总能耗的影响。目前常见的虚拟机选择算法有:随机选择算法,最小利用率算法,最大相关性算法,最小迁移时间算法等等。这些算法,要么使迁移次数较高,产生较大的能源消耗,要么对服务的性能带来较大的影响。
发明内容
本发明所要解决的技术问题是提供一种面向云计算的虚拟机节能迁移方法,在减少数据中心虚拟机迁移次数、时间的同时,能够有效降低虚拟机迁移时产生的能源消耗,提高虚拟机迁移效率。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种面向云计算的虚拟机节能迁移方法,包括如下步骤:
步骤A.分别获得各台物理主机的资源利用率,并针对资源利用率大于预设资源利用率上限的物理主机,构建过载物理主机集合;针对资源利用率小于预设资源利用率下限的物理主机,构建低载物理主机集合;其余物理主机,构建待加载物理主机集合,然后进入步骤B;
步骤B.分别获得过载物理主机集合中各台物理主机的资源容量,并针对过载物理主机集合,将其中资源容量大于或等于预设资源容量阈值的物理主机,构建第一过载物理主机集合;其余物理主机,构建第二过载物理主机集合,然后进入步骤C;
步骤C.针对第一过载物理主机集合中各台物理主机所对应的虚拟机,采用最少虚拟机迁移算法,选择待迁移虚拟机;
同时,针对第二过载物理主机集合中各台物理主机所对应的虚拟机,采用最小迁移时间算法,选择待迁移虚拟机;
然后,由第一过载物理主机集合、第二过载物理主机集合所选择的待迁移虚拟机,构建待迁移虚拟机集合,并进入步骤D;
步骤D.将低载物理主机集合中各台物理主机所对应的虚拟机,全部加入待迁移虚拟机集合中,更新待迁移虚拟机集合,然后进入步骤E;
步骤E.针对待加载物理主机集合中的各台物理主机,按其资源利用率升序进行排序,更新待加载物理主机集合,接着针对待加载物理主机集合中的物理主机,根据预设资源利用率上限,以及预设预留资源利用率,计算获得物理主机资源利用率稳定值,然后进入步骤F;
步骤F.针对待迁移虚拟机集合中的各台虚拟机,每次任意选取一台虚拟机迁移至待加载物理主机集合中按资源利用率升序排序第一位的物理主机上,在待迁移虚拟机集合中删除该台虚拟机,并计算该物理主机的资源利用率,直到该物理主机资源利用率达到物理主机资源利用率稳定值,则将该物理主机移出待迁移虚拟机集合;如此操作若待迁移虚拟机集合中不存在虚拟机或待加载物理主机集合中不存在物理主机时,则虚拟机迁移方法结束。
作为本发明的一种优选技术方案,所述步骤B中,按如下公式获得:
C=wc*cpu+wm*memo+wb*bandwidth
获得物理主机的资源容量C,其中,wc表示该物理主机对应数据中心资源重要性的CPU权重,wm表示该物理主机对应数据中心资源重要性的内存权重,wb表示该物理主机对应数据中心资源重要性的带宽权重,cpu表示物理主机的主机CPU资源容量,memo表示主机内存资源容量,bandwidth表示主机带宽资源容量。
作为本发明的一种优选技术方案,所述步骤C中,针对第一过载物理主机集合中各台物理主机所对应的虚拟机,采用最少虚拟机迁移算法,选择待迁移虚拟机,包括如下步骤:
步骤C1-1.初始化i=1,j=1,并进入步骤C1-2;
步骤C1-2.选择第一过载物理主机集合中第i台物理主机,分别获得第i台物理主机上各台虚拟机的资源使用量,并针对各台虚拟机进行降序排序,然后进入步骤C1-3;
步骤C1-3.针对第一过载物理主机集合中的第i台物理主机,将其上第j台虚拟机由其物理主机上移除,并将该第j台虚拟机加入至待迁移虚拟机集合中,然后进入步骤C1-4;
步骤C1-4.计算获得第一过载物理主机集合中第i台物理主机的资源利用率,并判断该资源利用率是否大于预设资源利用率上限,是则针对j的值进行加1更新,并返回步骤C1-3;否则将第i台物理主机由第一过载物理主机集合中移除,并进入步骤C1-5;
步骤C1-5.判断第一过载物理主机集合是否为空,是则针对第一过载物理主机集合的待迁移虚拟机选择方法结束;否则针对i的值进行加1更新,并返回步骤C1-2。
作为本发明的一种优选技术方案,所述物理主机的资源利用率,按如下过程获得:
首先,获得物理主机的主机CPU资源容量cpu、主机内存资源容量memo和主机带宽资源容量bandwidth;
然后,分别获得该物理主机上各台虚拟机的虚拟机CPU资源容量cpun、虚拟机内存资源容量memon和虚拟机带宽资源容量bandwidthn;
最后,根据如下公式:
获得该物理主机的资源利用率hUtil,其中,n={1,…,N},N表示该物理主机上虚拟机的数量,wc表示该物理主机对应数据中心资源重要性的CPU权重,wm表示该物理主机对应数据中心资源重要性的内存权重,wb表示该物理主机对应数据中心资源重要性的带宽权重。
作为本发明的一种优选技术方案,所述步骤E中,根据预设资源利用率上限Tup,以及预设预留资源利用率r,按如下公式:
s=Tup-r
计算获得物理主机资源利用率稳定值s。
本发明所述一种面向云计算的虚拟机节能迁移方法的应用***,采用以上技术方案与现有技术相比,具有以下技术效果:本发明所设计面向云计算的虚拟机节能迁移方法,较目前主流的虚拟机迁移方法而言,在小容量的服务器过载时,采用最小迁移时间的虚拟机选择算法,对服务性能影响较小,使因虚拟机迁移和服务器过载而产生的服务性能的损失维持在较低的水平;在大容量的服务器过载时,采用最少虚拟机迁移算法选择待迁移的虚拟机,较快的解除服务器过载问题,减少虚拟机迁移次数,能够有效提高虚拟机的迁移效率。
附图说明
图1是本发明面向云计算的虚拟机节能迁移方法的流程示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种面向云计算的虚拟机节能迁移方法,在应用时可以减少虚拟机迁移的时间;同时减少虚拟机的迁移次数,降低虚拟机迁移产生的能源消耗。其原理是根据物理机的容量不同将物理机分为大容量物理机和小容量物理机,对于前者,虚拟机迁移时采用最小迁移次数算法选择待迁移的虚拟机;对于后者,虚拟机迁移时采用最小迁移时间算法进行虚拟机的选择,根据物理机的容量不同采用不同的虚拟机迁移方法。如图1所示,实际应用当中,具体包括如下步骤:
步骤A.分别获得各台物理主机的资源利用率,并针对资源利用率大于预设资源利用率上限的物理主机,构建过载物理主机集合;针对资源利用率小于预设资源利用率下限的物理主机,构建低载物理主机集合;其余物理主机,构建待加载物理主机集合,然后进入步骤B。
上述步骤A中,物理主机的资源利用率,按如下过程获得:
首先,获得物理主机的主机CPU资源容量cpu、主机内存资源容量memo和主机带宽资源容量bandwidth;
然后,分别获得该物理主机上各台虚拟机的虚拟机CPU资源容量cpun、虚拟机内存资源容量memon和虚拟机带宽资源容量bandwidthn;
最后,根据如下公式:
获得该物理主机的资源利用率hUtil,其中,n={1,…,N},N表示该物理主机上虚拟机的数量,wc表示该物理主机对应数据中心资源重要性的CPU权重,wm表示该物理主机对应数据中心资源重要性的内存权重,wb表示该物理主机对应数据中心资源重要性的带宽权重。
步骤B.分别获得过载物理主机集合中各台物理主机的资源容量,并针对过载物理主机集合,将其中资源容量大于或等于预设资源容量阈值的物理主机,构建第一过载物理主机集合;其余物理主机,构建第二过载物理主机集合,然后进入步骤C。
其中,上述步骤B中按如下公式获得:
C=wc*cpu+wm*memo+wb*bandwidth
获得物理主机的资源容量C,其中,wc表示该物理主机对应数据中心资源重要性的CPU权重,wm表示该物理主机对应数据中心资源重要性的内存权重,wb表示该物理主机对应数据中心资源重要性的带宽权重,cpu表示物理主机的主机CPU资源容量,memo表示主机内存资源容量,bandwidth表示主机带宽资源容量。
步骤C.针对第一过载物理主机集合中各台物理主机所对应的虚拟机,采用最少虚拟机迁移算法,选择待迁移虚拟机,包括如下步骤:
步骤C1-1.初始化i=1,j=1,并进入步骤C1-2。
步骤C1-2.选择第一过载物理主机集合中第i台物理主机,分别获得第i台物理主机上各台虚拟机的资源使用量,并针对各台虚拟机进行降序排序,然后进入步骤C1-3。
步骤C1-3.针对第一过载物理主机集合中的第i台物理主机,将其上第j台虚拟机由其物理主机上移除,并将该第j台虚拟机加入至待迁移虚拟机集合中,然后进入步骤C1-4。
步骤C1-4.计算获得第一过载物理主机集合中第i台物理主机的资源利用率,并判断该资源利用率是否大于预设资源利用率上限,是则针对j的值进行加1更新,并返回步骤C1-3;否则将第i台物理主机由第一过载物理主机集合中移除,并进入步骤C1-5。
步骤C1-5.判断第一过载物理主机集合是否为空,是则针对第一过载物理主机集合的待迁移虚拟机选择方法结束;否则针对i的值进行加1更新,并返回步骤C1-2。
同时,针对第二过载物理主机集合中各台物理主机所对应的虚拟机,采用最小迁移时间算法,选择待迁移虚拟机。
然后,由第一过载物理主机集合、第二过载物理主机集合所选择的待迁移虚拟机,构建待迁移虚拟机集合,并进入步骤D。
步骤D.将低载物理主机集合中各台物理主机所对应的虚拟机,全部加入待迁移虚拟机集合中,更新待迁移虚拟机集合,然后进入步骤E。
步骤E.针对待加载物理主机集合中的各台物理主机,按其资源利用率升序进行排序,更新待加载物理主机集合,接着针对待加载物理主机集合中的物理主机,根据预设资源利用率上限Tup,以及预设预留资源利用率r,按如下公式:
s=Tup-r
计算获得物理主机资源利用率稳定值s,然后进入步骤F。
步骤F.针对待迁移虚拟机集合中的各台虚拟机,每次任意选取一台虚拟机迁移至待加载物理主机集合中按资源利用率升序排序第一位的物理主机上,在待迁移虚拟机集合中删除该台虚拟机,并计算该物理主机的资源利用率,直到该物理主机资源利用率达到物理主机资源利用率稳定值,则将该物理主机移出待迁移虚拟机集合;如此操作若待迁移虚拟机集合中不存在虚拟机或待加载物理主机集合中不存在物理主机时,则虚拟机迁移方法结束。
上述技术方案所设计面向云计算的虚拟机节能迁移方法,较目前主流的虚拟机迁移方法而言,在小容量的服务器过载时,采用最小迁移时间的虚拟机选择算法,对服务性能影响较小,使因虚拟机迁移和服务器过载而产生的服务性能的损失维持在较低的水平;在大容量的服务器过载时,采用最少虚拟机迁移算法选择待迁移的虚拟机,较快的解除服务器过载问题,减少虚拟机迁移次数,能够有效提高虚拟机的迁移效率。具体当选择虚拟机进行迁移时,传统的方法是选择常用的虚拟机选择算法:最小利用率算法、最大相关性算法、最小迁移时间算法等等。然而,这种不考虑服务器容量直接选择虚拟机迁移算法,在服务器容量较大解除服务器过载的问题时,有的算法效率不高;而在服务器容量较小时,采用的虚拟机选择算法又可能会造成较多的迁移次数,对服务性能带来较大影响。这种不考虑服务器容量选择虚拟机选择算法的方式不太合适。
运用本发明中的虚拟机选择算法,在进行虚拟机选择时,根据物理机容量的大小选择不同的虚拟机选择算法,对过载或低载的物理机上的虚拟机迁移到合适的物理机上。
这种虚拟机选择算法,很大程度上减少了虚拟机迁移的时间,减少虚拟机的迁移次数,较快的解除服务器过载问题,从而降低虚拟机迁移时产生的能源消耗,同时还能保持虚拟机的较高的服务质量,在进行虚拟机迁移时,为用户提供较为稳定的服务。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变动。
Claims (5)
1.一种面向云计算的虚拟机节能迁移方法,其特征在于,包括如下步骤:
步骤A.分别获得各台物理主机的资源利用率,并针对资源利用率大于预设资源利用率上限的物理主机,构建过载物理主机集合;针对资源利用率小于预设资源利用率下限的物理主机,构建低载物理主机集合;其余物理主机,构建待加载物理主机集合,然后进入步骤B;
步骤B.分别获得过载物理主机集合中各台物理主机的资源容量,并针对过载物理主机集合,将其中资源容量大于或等于预设资源容量阈值的物理主机,构建第一过载物理主机集合;其余物理主机,构建第二过载物理主机集合,然后进入步骤C;
步骤C.针对第一过载物理主机集合中各台物理主机所对应的虚拟机,采用最少虚拟机迁移算法,选择待迁移虚拟机;
同时,针对第二过载物理主机集合中各台物理主机所对应的虚拟机,采用最小迁移时间算法,选择待迁移虚拟机;
然后,由第一过载物理主机集合、第二过载物理主机集合所选择的待迁移虚拟机,构建待迁移虚拟机集合,并进入步骤D;
步骤D.将低载物理主机集合中各台物理主机所对应的虚拟机,全部加入待迁移虚拟机集合中,更新待迁移虚拟机集合,然后进入步骤E;
步骤E.针对待加载物理主机集合中的各台物理主机,按其资源利用率升序进行排序,更新待加载物理主机集合,接着针对待加载物理主机集合中的物理主机,根据预设资源利用率上限,以及预设预留资源利用率,计算获得物理主机资源利用率稳定值,然后进入步骤F;
步骤F.针对待迁移虚拟机集合中的各台虚拟机,每次任意选取一台虚拟机迁移至待加载物理主机集合中按资源利用率升序排序第一位的物理主机上,在待迁移虚拟机集合中删除该台虚拟机,并计算该物理主机的资源利用率,直到该物理主机资源利用率达到物理主机资源利用率稳定值,则将该物理主机移出待迁移虚拟机集合;如此操作若待迁移虚拟机集合中不存在虚拟机或待加载物理主机集合中不存在物理主机时,则虚拟机迁移方法结束。
2.根据权利要求1所述一种面向云计算的虚拟机节能迁移方法,其特征在于,所述步骤B中,按如下公式获得:
C=wc*cpu+wm*memo+wb*bandwidth
获得物理主机的资源容量C,其中,wc表示该物理主机对应数据中心资源重要性的CPU权重,wm表示该物理主机对应数据中心资源重要性的内存权重,wb表示该物理主机对应数据中心资源重要性的带宽权重,cpu表示物理主机的主机CPU资源容量,memo表示主机内存资源容量,bandwidth表示主机带宽资源容量。
3.根据权利要求1所述一种面向云计算的虚拟机节能迁移方法,其特征在于,所述步骤C中,针对第一过载物理主机集合中各台物理主机所对应的虚拟机,采用最少虚拟机迁移算法,选择待迁移虚拟机,包括如下步骤:
步骤C1-1.初始化i=1,j=1,并进入步骤C1-2;
步骤C1-2.选择第一过载物理主机集合中第i台物理主机,分别获得第i台物理主机上各台虚拟机的资源使用量,并针对各台虚拟机进行降序排序,然后进入步骤C1-3;
步骤C1-3.针对第一过载物理主机集合中的第i台物理主机,将其上第j台虚拟机由其物理主机上移除,并将该第j台虚拟机加入至待迁移虚拟机集合中,然后进入步骤C1-4;步骤C1-4.计算获得第一过载物理主机集合中第i台物理主机的资源利用率,并判断该资源利用率是否大于预设资源利用率上限,是则针对j的值进行加1更新,并返回步骤C1-3;否则将第i台物理主机由第一过载物理主机集合中移除,并进入步骤C1-5;
步骤C1-5.判断第一过载物理主机集合是否为空,是则针对第一过载物理主机集合的待迁移虚拟机选择方法结束;否则针对i的值进行加1更新,并返回步骤C1-2。
4.根据权利要求1至3中任意一项所述一种面向云计算的虚拟机节能迁移方法,其特征在于,所述物理主机的资源利用率,按如下过程获得:
首先,获得物理主机的主机CPU资源容量cpu、主机内存资源容量memo和主机带宽资源容量bandwidth;
然后,分别获得该物理主机上各台虚拟机的虚拟机CPU资源容量cpun、虚拟机内存资源容量memon和虚拟机带宽资源容量bandwidthn;
最后,根据如下公式:
获得该物理主机的资源利用率hUtil,其中,n={1,…,N},N表示该物理主机上虚拟机的数量,wc表示该物理主机对应数据中心资源重要性的CPU权重,wm表示该物理主机对应数据中心资源重要性的内存权重,wb表示该物理主机对应数据中心资源重要性的带宽权重。
5.根据权利要求1所述一种面向云计算的虚拟机节能迁移方法,其特征在于,所述步骤E中,根据预设资源利用率上限Tup,以及预设预留资源利用率r,按如下公式:
s=Tup-r
计算获得物理主机资源利用率稳定值s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711273007.0A CN108196935B (zh) | 2017-12-06 | 2017-12-06 | 一种面向云计算的虚拟机节能迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711273007.0A CN108196935B (zh) | 2017-12-06 | 2017-12-06 | 一种面向云计算的虚拟机节能迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108196935A true CN108196935A (zh) | 2018-06-22 |
CN108196935B CN108196935B (zh) | 2021-11-02 |
Family
ID=62573756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711273007.0A Active CN108196935B (zh) | 2017-12-06 | 2017-12-06 | 一种面向云计算的虚拟机节能迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108196935B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120682A (zh) * | 2018-07-31 | 2019-01-01 | 佛山市甜慕链客科技有限公司 | 一种基于共享设备的云计算租用管理方法 |
CN109218438A (zh) * | 2018-10-12 | 2019-01-15 | 山东科技大学 | 一种分布式缓存服务器集群的性能优化方法 |
CN109800058A (zh) * | 2019-01-23 | 2019-05-24 | 山东超越数控电子股份有限公司 | 一种虚拟机自动迁移方法 |
CN109828829A (zh) * | 2019-01-22 | 2019-05-31 | 重庆邮电大学 | 一种基于灾难预警时间的虚拟机快速撤离方法 |
CN109947530A (zh) * | 2019-01-25 | 2019-06-28 | 西安交通大学 | 一种针对云平台的多维度虚拟机映射方法 |
CN109976875A (zh) * | 2019-03-01 | 2019-07-05 | 厦门市世纪网通网络服务有限公司 | 一种超融合云计算***的数据监测方法和装置 |
CN110401695A (zh) * | 2019-06-12 | 2019-11-01 | 北京因特睿软件有限公司 | 云资源动态调度方法、装置和设备 |
CN114546603A (zh) * | 2022-04-24 | 2022-05-27 | 睿至科技集团有限公司 | 一种应用于物联网的数据处理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657215A (zh) * | 2013-11-19 | 2015-05-27 | 南京鼎盟科技有限公司 | 云计算中虚拟化节能*** |
CN104866375A (zh) * | 2015-05-22 | 2015-08-26 | 中国联合网络通信集团有限公司 | 一种迁移虚拟机的方法及装置 |
CN105159751A (zh) * | 2015-09-17 | 2015-12-16 | 河海大学常州校区 | 云数据中心中一种能量高效的虚拟机迁移方法 |
CN105430083A (zh) * | 2015-11-27 | 2016-03-23 | 成都微讯云通科技有限公司 | 一种云平台部署方法 |
-
2017
- 2017-12-06 CN CN201711273007.0A patent/CN108196935B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657215A (zh) * | 2013-11-19 | 2015-05-27 | 南京鼎盟科技有限公司 | 云计算中虚拟化节能*** |
CN104866375A (zh) * | 2015-05-22 | 2015-08-26 | 中国联合网络通信集团有限公司 | 一种迁移虚拟机的方法及装置 |
CN105159751A (zh) * | 2015-09-17 | 2015-12-16 | 河海大学常州校区 | 云数据中心中一种能量高效的虚拟机迁移方法 |
CN105430083A (zh) * | 2015-11-27 | 2016-03-23 | 成都微讯云通科技有限公司 | 一种云平台部署方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120682A (zh) * | 2018-07-31 | 2019-01-01 | 佛山市甜慕链客科技有限公司 | 一种基于共享设备的云计算租用管理方法 |
CN109218438A (zh) * | 2018-10-12 | 2019-01-15 | 山东科技大学 | 一种分布式缓存服务器集群的性能优化方法 |
CN109828829A (zh) * | 2019-01-22 | 2019-05-31 | 重庆邮电大学 | 一种基于灾难预警时间的虚拟机快速撤离方法 |
CN109828829B (zh) * | 2019-01-22 | 2022-10-18 | 重庆邮电大学 | 一种基于灾难预警时间的虚拟机快速撤离方法 |
CN109800058A (zh) * | 2019-01-23 | 2019-05-24 | 山东超越数控电子股份有限公司 | 一种虚拟机自动迁移方法 |
CN109947530A (zh) * | 2019-01-25 | 2019-06-28 | 西安交通大学 | 一种针对云平台的多维度虚拟机映射方法 |
CN109947530B (zh) * | 2019-01-25 | 2021-09-07 | 西安交通大学 | 一种针对云平台的多维度虚拟机映射方法 |
CN109976875A (zh) * | 2019-03-01 | 2019-07-05 | 厦门市世纪网通网络服务有限公司 | 一种超融合云计算***的数据监测方法和装置 |
CN110401695A (zh) * | 2019-06-12 | 2019-11-01 | 北京因特睿软件有限公司 | 云资源动态调度方法、装置和设备 |
CN114546603A (zh) * | 2022-04-24 | 2022-05-27 | 睿至科技集团有限公司 | 一种应用于物联网的数据处理方法及*** |
CN114546603B (zh) * | 2022-04-24 | 2022-07-29 | 睿至科技集团有限公司 | 一种应用于物联网的数据处理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108196935B (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108196935A (zh) | 一种面向云计算的虚拟机节能迁移方法 | |
Tang et al. | Migration modeling and learning algorithms for containers in fog computing | |
Qi et al. | A QoS-aware virtual machine scheduling method for energy conservation in cloud-based cyber-physical systems | |
CN105159751B (zh) | 一种云数据中心中能量高效的虚拟机迁移方法 | |
CN110134495B (zh) | 一种容器跨主机在线迁移方法、存储介质及终端设备 | |
Zhang et al. | Network-aware virtual machine migration in an overcommitted cloud | |
CN108182105B (zh) | 基于Docker容器技术的局部动态迁移方法及控制*** | |
CN109710374A (zh) | 移动边缘计算环境下最小化任务卸载费用的vm迁移策略 | |
CN104038392A (zh) | 一种云计算资源服务质量评估方法 | |
Rajabzadeh et al. | Energy-aware framework with Markov chain-based parallel simulated annealing algorithm for dynamic management of virtual machines in cloud data centers | |
CN104539744B (zh) | 一种两阶段协作的媒体边缘云调度方法及装置 | |
Malekloo et al. | Multi-objective ACO virtual machine placement in cloud computing environments | |
Monil et al. | QoS-aware virtual machine consolidation in cloud datacenter | |
CN105847385B (zh) | 一种基于运行时长的云计算平台虚拟机调度方法 | |
CN115718644A (zh) | 一种面向云数据中心的计算任务跨区迁移方法及*** | |
Swain et al. | Efficient resource management in cloud environment | |
Zhou et al. | Strategy optimization of resource scheduling based on cluster rendering | |
Khelifa et al. | Combining task scheduling and data replication for SLA compliance and enhancement of provider profit in clouds | |
CN109976879B (zh) | 一种基于资源使用曲线互补的云计算虚拟机放置方法 | |
Deiab et al. | Energy efficiency in cloud computing | |
CN106775942B (zh) | 一种云应用导向的固态盘缓存管理***及方法 | |
Rani et al. | State-of-the-art dynamic load balancing algorithms for cloud computing | |
Lin et al. | A workload-driven approach to dynamic data balancing in MongoDB | |
Tan et al. | An energy-aware virtual machine placement algorithm in cloud data center | |
Rajagopal et al. | Fuzzy softset based VM selection in cloud datacenter |
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 |