CN108667859A - 一种实现资源调度的方法及装置 - Google Patents

一种实现资源调度的方法及装置 Download PDF

Info

Publication number
CN108667859A
CN108667859A CN201710188524.1A CN201710188524A CN108667859A CN 108667859 A CN108667859 A CN 108667859A CN 201710188524 A CN201710188524 A CN 201710188524A CN 108667859 A CN108667859 A CN 108667859A
Authority
CN
China
Prior art keywords
physical machine
load
algorithm
machine
cluster
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
Application number
CN201710188524.1A
Other languages
English (en)
Inventor
童遥
申光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZTE Corp
Original Assignee
ZTE Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZTE Corp filed Critical ZTE Corp
Priority to CN201710188524.1A priority Critical patent/CN108667859A/zh
Priority to PCT/CN2018/076386 priority patent/WO2018177042A1/zh
Priority to EP18774667.2A priority patent/EP3606008B1/en
Priority to ES18774667T priority patent/ES2939689T3/es
Publication of CN108667859A publication Critical patent/CN108667859A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • 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]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1044—Group management mechanisms 
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/563—Data redirection of data network streams
    • 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
    • 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
    • G06F2009/45579—I/O management, e.g. providing access to device drivers or storage
    • 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)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)
  • Multi-Process Working Machines And Systems (AREA)
  • General Factory Administration (AREA)

Abstract

一种实现资源调度的方法及装置，包括：获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；根据获得的性能数据信息确定集群负载信息；根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；其中，算法池中包括两种或两种资源调度算法。本发明实施例实现了对不同虚拟化平台的动态资源调度。

Description

一种实现资源调度的方法及装置
技术领域
本文涉及但不限于虚拟化技术，尤指一种实现资源调度的方法及装置。
背景技术
随着云服务的应用越来越广，基于虚拟化技术的服务器集群规模越来越大，在大规模虚拟化集群环境中，虚拟机的数目甚至达到数万台，它们在集群中的部署情况对于整个集群而言是至关重要的，大规模的集群的资源负载情况变化多端，***管理员往往无法在短时间内对当前集群的资源负载情况作出精确的判断，也无法对众多的虚拟机进行调度控制来完成资源调度的需要。因此，越来越多的技术人员开始关注虚拟化集群中的动态资源调度问题。
在虚拟化集群环境中，典型的资源调度场景有以下几种：1)物理机的负载高低程度不均衡，资源利用的密度低；2)部分物理机负载过低，资源利用率低；3)部分物理机负载过高，其上的虚拟机性能受到影响；4)存在待开启虚拟机的请求，需要选择合适的放置点；如何有效的满足以上应用场景的需要，是当前虚拟化集群管理中一个至关重要的问题，因此实现大规模虚拟化集群环境下的动态资源调度有着非常重大的意义。
动态资源平衡(DRS，Distributed Resource Scheduler))是威睿(Vmware)公司推出的商业化的动态资源调度解决方案，DRS根据Vmware的ESX主机的资源负载情况，动态的迁移虚拟机至负载较低的主机上，然后关闭该ESX主机，虚拟机在不同ESX主机上的动态迁移由Vmware VMotion来实现，迁移过程对终端用户是完全透明的。Vmware提供了一套完整的动态资源调度解决方案，但是因为这种动态资源调整受限于Vmware本身设定的架构，无法应用到包括Xen(Xen是一种开放源代码虚拟机监视器)、基于内核的虚拟机(KVM，Kernel-based Virtual Machine)在内的其他虚拟化平台。
OpenNebula(OpenNebula是一款为云计算而打造的开源工具箱)支持与Xen、KVM等虚拟化平台一起建立和管理私有云，同时还提供Deltacloud(红帽公司2009年9月推出了一套开源的应用程序编程接口(API，Application Programming Interface))适配器与亚马逊(Amazon)弹性计算云(EC2，Elastic Compute Cloud)配合来管理混合云，作为一个虚拟化管理平台，OpenNebula将虚拟机的网络之间互连的协议(IP)、镜像文件、内存和中央处理器(CPU，Central Processing Unit)等资源管理，以及虚拟机资源使用统计管理等功能整合为一体，为集群管理员提供统一的操作入口，但OpenNebula的重心放在虚拟化集群管理上，它本身的调度功能相对比较薄弱，OpenNebula仅提供了虚拟机部署的初始放置功能，无法实现动态资源调度。
综上，目前尚未有可以对各虚拟化平台均适用的动态资源调度***。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供一种实现资源调度的方法及装置，能够同时实现对不同虚拟平台的资源调度。
本发明实施例提供了一种实现资源调度的方法，包括：
获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；
根据获得的性能数据信息确定集群负载信息；
根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；
根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；
其中，所述算法池中包括两种或两种资源调度算法。
可选的，所述获取集群中物理机和虚拟机的性能参数信息包括：
通过预先设置在每一个物理机上的监控客户端采集所述物理机和所述虚拟机的性能参数信息；
采用轮询方式从所述监控客户端上获取监控客户端采集的所述性能参数信息；
汇总通过轮询方式获得的所有所述物理机和所述虚拟机的所述性能参数信息；
其中，每一个所述监控客户端之间采用组播方式同步采集到的所述性能参数信息。
可选的，所述性能参数信息包括：
每一个所述物理机的：互联网协议IP地址、名称、唯一标识、中央处理器CPU总数、CPU使用率、内存总大小、内存使用率、磁盘输入输出端口I/O的读写速度、物理机上设置的虚拟机；这里，物理机上设置的虚拟机可以包括设置的虚拟机的个数、名称等虚拟机参数信息。
每一个虚拟机的：名称、唯一标识、分配的内存大小、内存使用率、分配的CPU个数、虚拟机磁盘I/O的读写速度、亲和性描述、互斥性描述、状态标识位。
可选的，所述算法池通过预先设置的算法扩展接口，按一一对应的关系分别注册所述资源调度算法。
可选的，所述资源调度算法包括：热点解除算法、节能整合算法和/或负载均衡算法。
可选的，所述资源调度算法包括节能整合算法时，所述节能整合算法包括：
所述集群的负载小于或等于预设的负载阈值时，根据集群负载信息将物理机按照负载进行排序，将负载排序最低的预设台物理机添加到待下电物理机列表，将未选取的物理机添加到候选物理机列表；其中，所述负载包括：CPU使用率、内存使用率；
将待下电物理机列表中的所有虚拟机添加到待迁移列表；
对待迁移列表中的每一个虚拟机，将待迁移列表中的虚拟机逐一尝试放置到从所述候选物理机列表中负载最高的物理机上；
若虚拟机放置成功，根据迁移的位置关系输出迁移决策序列，同时根据待迁移列表生成下电决策序列；
若虚拟机放置失败，从待下电物理机列表中删除负载最高的物理机，将删除的物理机添加到候选物理机列表的尾部，从待迁移列表中删除添加到候选物理机列表的物理机上的虚拟机，更新候选物理机列表的负载排序、待迁移列表，继续待迁移列表中虚拟机的放置尝试。
可选的，所述资源调度算法包括负载均衡算法时，所述负载均衡算法包括：
当集群中物理机的负载均衡度小于预设的负载均衡阈值时，将集群中物理机的按照负载进行排列；
选择负载最高的物理机，根据性能数据信息遍历该物理机上的每一个虚拟机迁出时的集群中物理机的负载均衡度，确定负载均衡度最优的那台虚拟机进行迁移标记，并将确定的虚拟机从物理机上删除；
计算完成迁移标记的虚拟机迁移到其他每一个物理机时的负载均衡度，将虚拟机迁入计算获得的负载均衡度最优的物理机。
可选的，所述资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据性能数据信息和预先设置的负载热点阈值确定集群中的物理机是否为热点物理机；
从热点物理机上选择一个或一个以上虚拟机，将其迁移到集群中的其他物理机上，以降低热点物理机的负载阈值。
可选的，所述资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据所述性能数据信息将集群中的物理机按照负载进行排序；
根据所述性能数据信息，当负载最高的物理机CPU负载大于预先设置的CPU负载热点阈值，或内存使用率大于预先设置的内存负载热点阈值时，确定该物理机为热点物理机；
对热点物理机中的虚拟机根据性能数据信息按照负载进行排序，将排序后负载最高的虚拟机迁移到集群中负载最低的物理机上。
另一方面，本发明实施例还提供一种实现资源调度的装置，包括：获取及解析单元、确定单元、选择单元和输出调度单元；其中，
获取及解析单元用于：获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；
确定单元用于：根据获得的性能数据信息确定集群负载信息；
选择单元用于：根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；
输出调度单元用于：根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；
其中，所述算法池中包括两种或两种资源调度算法。
可选的，所述获取及解析单元具体用于：
通过预先设置在每一个物理机上的监控客户端采集所述物理机和所述虚拟机的性能参数信息；
采用轮询方式从所述监控客户端上获取监控客户端采集的所述性能参数信息；汇总通过轮询方式获得的所有所述物理机和所述虚拟机的所述性能参数信息；
将汇总的性能参数信息解析转换为预设格式的性能数据信息；
其中，每一个所述监控客户端之间采用组播方式同步采集到的所述性能参数信息。
可选的，所述性能参数信息包括：
每一个所述物理机的：互联网协议IP地址、名称、唯一标识、中央处理器CPU总数、CPU使用率、内存总大小、内存使用率、磁盘输入输出端口I/O的读写速度、物理机上设置的虚拟机；这里，物理机上设置的虚拟机可以包括设置的虚拟机的个数、名称等虚拟机参数信息。
每一个虚拟机的：名称、唯一标识、分配的内存大小、内存使用率、分配的CPU个数、虚拟机磁盘I/O的读写速度、亲和性描述、互斥性描述、状态标识位。
可选的，所述装置还包括：
注册单元，用于通过预先设置的算法扩展接口，按一一对应的关系分别注册所述资源调度算法。
可选的，所述资源调度算法包括：热点解除算法、节能整合算法和/或负载均衡算法。
可选的，所述资源调度算法包括节能整合算法时，所述节能整合算法包括：
所述集群的负载小于或等于预设的负载阈值时，根据集群负载信息将物理机按照负载进行排序，将负载排序最低的预设台物理机添加到待下电物理机列表，将未选取的物理机添加到候选物理机列表；其中，所述负载包括：CPU使用率、内存使用率；
将待下电物理机列表中的所有虚拟机添加到待迁移列表；
对待迁移列表中的每一个虚拟机，将待迁移列表中的虚拟机逐一尝试放置到从所述候选物理机列表中负载最高的物理机上；
若虚拟机放置成功，根据迁移的位置关系输出迁移决策序列，同时根据待迁移列表生成下电决策序列；
若虚拟机放置失败，从待下电物理机列表中删除负载最高的物理机，将删除的物理机添加到候选物理机列表的尾部，从待迁移列表中删除添加到候选物理机列表的物理机上的虚拟机，更新候选物理机列表的负载排序、待迁移列表，继续待迁移列表中虚拟机的放置尝试。
可选的，所述资源调度算法包括负载均衡算法时，所述负载均衡算法包括：
当集群中物理机的负载均衡度小于预设的负载均衡阈值时，将集群中物理机的按照负载进行排列；
选择负载最高的物理机，根据性能数据信息遍历该物理机上的每一个虚拟机迁出时的集群中物理机的负载均衡度，确定负载均衡度最优的那台虚拟机进行迁移标记，并将确定的虚拟机从物理机上删除；
计算完成迁移标记的虚拟机迁移到其他每一个物理机时的负载均衡度，将虚拟机迁入计算获得的负载均衡度最优的物理机。
可选的，所述资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据性能数据信息和预先设置的负载热点阈值确定集群中的物理机是否为热点物理机；
从热点物理机上选择一个或一个以上虚拟机，将其迁移到集群中的其他物理机上，以降低热点物理机的负载阈值。
可选的，所述资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据所述性能数据信息将集群中的物理机按照负载进行排序；
根据所述性能数据信息，当负载最高的物理机CPU负载大于预先设置的CPU负载热点阈值，或内存使用率大于预先设置的内存负载热点阈值时，确定该物理机为热点物理机；
对热点物理机中的虚拟机根据性能数据信息按照负载进行排序，将排序后负载最高的虚拟机迁移到集群中负载最低的物理机上。
与相关技术相比，本申请技术方案包括：获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；根据获得的性能数据信息确定集群负载信息；根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；其中，算法池中包括两种或两种资源调度算法。本发明实施例实现了对不同虚拟化平台的动态资源调度。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1为本发明实施例实现资源调度的方法的流程图；
图2为本发明实施例节能整合算法的流程示意图；
图3为本发明实施例负载均衡算法的流程示意图；
图4为本发明实施例热点解除算法的流程示意图；
图5为本发明另一实施例热点解除算法的流程示意图；
图6为本发明实施例实现资源调度的装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
图1为本发明实施例实现资源调度的方法的流程图，如图1所示，包括：
步骤100、获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；
这里，预设格式的性能数据信息包括：可以兼容每一种资源调度***的格式，具体格式可以根据资源调度***支持的格式确定，为本领域技术人员的公知常识。
可选的，本发明实施例获取集群中物理机和虚拟机的性能参数信息包括：
通过预先设置在每一个物理机上的监控客户端采集物理机和虚拟机的性能参数信息；
采用轮询方式从监控客户端上获取监控客户端采集的性能参数信息；
汇总通过轮询方式获得的所有物理机和虚拟机的性能参数信息；
其中，每一个监控客户端之间采用组播方式同步采集到的性能参数信息。
可选的，本发明实施例性能参数信息包括：
每一个物理机的：互联网协议IP地址、名称、唯一标识、中央处理器CPU总数、CPU使用率、内存总大小、内存使用率、磁盘输入输出端口I/O的读写速度、物理机上设置的虚拟机；这里，物理机上设置的虚拟机可以包括设置的虚拟机的个数、名称等虚拟机参数信息。
每一个虚拟机的：名称、唯一标识、分配的内存大小、内存使用率、分配的CPU个数、虚拟机磁盘I/O的读写速度、亲和性描述、互斥性描述、状态标识位。
步骤101、根据获得的性能数据信息确定集群负载信息；
步骤102、根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；
其中，算法池中包括两种或两种资源调度算法。
可选的，本发明实施例算法池通过预先设置的算法扩展接口，按一一对应的关系分别注册资源调度算法。
这里，本发明实施例可以根据集群进行资源调度的需求添加更多的算法扩展接口，实现更多的资源调度算法的添加。
可选的，本发明实施例资源调度算法包括：热点解除算法、节能整合算法和/或负载均衡算法。
需要说明的是，热点解除算法、节能整合算法和/或负载均衡算法为本发明实施例的可选算法，本发明实施例可以根据集群进行资源调度的需求添加或删除资源调度算法。
可选的，图2为本发明实施例节能整合算法的流程示意图，如图2所示，本发明实施例资源调度算法包括节能整合算法时，节能整合算法包括：
步骤200、集群的负载小于或等于预设的负载阈值时，根据集群负载信息将物理机按照负载进行排序，将负载排序最低的预设台物理机添加到待下电物理机列表，将未选取的物理机添加到候选物理机列表；其中，负载包括：CPU使用率、内存使用率；
需要说明的是，选取的负载排序最低的物理机的台数可以根据集群规模进行确定，可以包括：选取负载排序最低的三台物理机；
步骤201、将待下电物理机列表中的所有虚拟机添加到待迁移列表；
步骤202、对待迁移列表中的每一个虚拟机，将待迁移列表中的虚拟机逐一尝试放置到从候选物理机列表中负载最高的物理机上；
步骤203、判断虚拟机是否放置成功；若虚拟机放置成功，则执行步骤203；若虚拟机放置失败，则执行步骤204；
步骤204、根据迁移的位置关系输出迁移决策序列，同时根据待迁移列表生成下电决策序列；
步骤205、若虚拟机放置失败，从待下电物理机列表中删除负载最高的物理机，将删除的物理机添加到候选物理机列表的尾部，从待迁移列表中删除添加到候选物理机列表的物理机上的虚拟机，更新候选物理机列表的负载排序、待迁移列表，继续待迁移列表中虚拟机的放置尝试。
需要说明的是，本发明实施例负载可以包括CPU负载、内存使用率等之中的一种或多种，包含多种时，按照负载排序可以根据其中一种进行排序，例如、只根据CPU负载进行排序；或者，只根据内存使用率进行排序，或者CPU负载和内存使用率按照一定的计算公式进行计算后，获得一个表示负载的参数，根据获得的参数进行排序，例如、CPU负载和内存使用率分别作为负载参数的一半比例。负载阈值可以由本领域技术人员根据集群规模、集群工作状态等进行确定，可以设定CPU占用率和内存占用率下限10％、上限90％。
可选的，图3为本发明实施例负载均衡算法的流程示意图，如图3所示，本发明实施例资源调度算法包括负载均衡算法时，负载均衡算法包括：
步骤300、当集群中物理机的负载均衡度小于预设的负载均衡阈值时，将集群中物理机的按照负载进行排列；
步骤301、选择负载最高的物理机，根据性能数据信息遍历该物理机上的每一个虚拟机迁出时的集群中物理机的负载均衡度，确定负载均衡度最优的那台虚拟机进行迁移标记，并将确定的虚拟机从物理机上删除；
步骤302、计算完成迁移标记的虚拟机迁移到其他每一个物理机时的负载均衡度，将虚拟机迁入计算获得的负载均衡度最优的物理机。
需要说明的是，负载均衡度可以包括2个层面，一是物理机层面，二是虚拟机层面，两个层面都可以从CPU使用率、内存使用率衡量；其中，物理机权重占60％，虚拟机权重占40％。
可选的，图4为本发明实施例热点解除算法的流程示意图，如图4所示，本发明实施例资源调度算法包括热点解除算法时，热点解除算法包括：
步骤400、根据性能数据信息和预先设置的负载热点阈值确定集群中的物理机是否为热点物理机；
步骤401、从热点物理机上选择一个或一个以上虚拟机，将其迁移到集群中的其他物理机上，以降低热点物理机的负载阈值。
需要说明的是，本发明实施例负载热点阈值可以包括：内存负载热点阈值、CPU负载热点阈值等，可以由本领域技术人员根据经验值进行设定。
可选的，图5为本发明另一实施例热点解除算法的流程示意图，如图5所示，本发明实施例资源调度算法包括热点解除算法时，热点解除算法包括：
步骤500、根据性能数据信息将集群中的物理机按照负载进行排序；
步骤501、根据性能数据信息，当负载最高的物理机CPU负载大于预先设置的CPU负载热点阈值，或内存使用率大于预先设置的内存负载热点阈值时，确定该物理机为热点物理机；
步骤502、对热点物理机中的虚拟机根据性能数据信息按照负载进行排序，将排序后负载最高的虚拟机迁移到集群中负载最低的物理机上。
需要说明的是，只要判断出存在热点物理机，则本发明实施例按照上述步骤不断的执行判断处理。
步骤103、根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；
需要说明的是，本发明实施例资源调度决策包括资源的决策规划处理以及虚拟机控制功能其中，虚拟机的控制功能主要是对xm命令的封装，例如xm迁移命令的格式为：#xmmigreate–live–ssl vm_id dest_pm_ip；其中，vm_id表示待迁移的虚拟机ID，dest_pm_ip表明目标物理机的ip地址，本发明实施例使用参数-live和-ssl表明使用ssl连接进行动态迁移，保证迁移的安全性。
与相关技术相比，本申请技术方案包括：获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；根据获得的性能数据信息确定集群负载信息；根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；其中，算法池中包括两种或两种资源调度算法。本发明实施例实现了对不同虚拟化平台的动态资源调度。
本发明实施例还提供一种计算机存储介质，计算机存储介质中存储有计算机可执行指令，计算机可执行指令用于上述实现资源调度的方法。
本发明实施例还提供一种实现资源调度的装置，包括：存储器和处理器；其中，
处理器被配置为执行所述存储器中的程序指令；
程序指令在处理器读取执行以下操作：
获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；
根据获得的性能数据信息确定集群负载信息；
根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；
根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；
其中，算法池中包括两种或两种资源调度算法。
图6为本发明实施例实现资源调度的装置的结构框图，如图6所示，包括：获取及解析单元、确定单元、选择单元和输出调度单元；其中，
获取及解析单元用于：获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；
这里，预设格式的性能数据信息包括：可以兼容每一种资源调度***的格式，具体格式可以根据资源调度***支持的格式确定，为本领域技术人员的公知常识。
可选的，本发明实施例获取及解析单元具体用于：
通过预先设置在每一个物理机上的监控客户端采集所述物理机和所述虚拟机的性能参数信息；
采用轮询方式从所述监控客户端上获取监控客户端采集的所述性能参数信息；汇总通过轮询方式获得的所有所述物理机和所述虚拟机的所述性能参数信息；
将汇总的性能参数信息解析转换为预设格式的性能数据信息；
其中，每一个所述监控客户端之间采用组播方式同步采集到的所述性能参数信息。
可选的，本发明实施例性能参数信息包括：
每一个所述物理机的：互联网协议IP地址、名称、唯一标识、中央处理器CPU总数、CPU使用率、内存总大小、内存使用率、磁盘输入输出端口I/O的读写速度、物理机上设置的虚拟机；这里，物理机上设置的虚拟机可以包括设置的虚拟机的个数、名称等虚拟机参数信息。
每一个虚拟机的：名称、唯一标识、分配的内存大小、内存使用率、分配的CPU个数、虚拟机磁盘I/O的读写速度、亲和性描述、互斥性描述、状态标识位。
确定单元用于：根据获得的性能数据信息确定集群负载信息；
选择单元用于：根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；
可选的，本发明实施例资源调度算法包括：热点解除算法、节能整合算法和/或负载均衡算法。
需要说明的是，热点解除算法、节能整合算法和/或负载均衡算法为本发明实施例的可选算法，本发明实施例可以根据集群进行资源调度的需求添加或删除资源调度算法。
可选的，本发明实施例资源调度算法包括节能整合算法时，所述节能整合算法包括：
所述集群的负载小于或等于预设的负载阈值时，根据集群负载信息将物理机按照负载进行排序，将负载排序最低的预设台物理机添加到待下电物理机列表，将未选取的物理机添加到候选物理机列表；其中，所述负载包括：CPU使用率、内存使用率；
需要说明的是，选取的负载排序最低的物理机的台数可以根据集群规模进行确定，可以包括：选取负载排序最低的三台物理机；
将待下电物理机列表中的所有虚拟机添加到待迁移列表；
对待迁移列表中的每一个虚拟机，将待迁移列表中的虚拟机逐一尝试放置到从所述候选物理机列表中负载最高的物理机上；
若虚拟机放置成功，根据迁移的位置关系输出迁移决策序列，同时根据待迁移列表生成下电决策序列；
若虚拟机放置失败，从待下电物理机列表中删除负载最高的物理机，将删除的物理机添加到候选物理机列表的尾部，从待迁移列表中删除添加到候选物理机列表的物理机上的虚拟机，更新候选物理机列表的负载排序、待迁移列表，继续待迁移列表中虚拟机的放置尝试。
需要说明的是，本发明实施例负载可以包括CPU负载、内存使用率等之中的一种或多种，包含多种时，按照负载排序可以根据其中一种进行排序，例如、只根据CPU负载进行排序；或者，只根据内存使用率进行排序，或者CPU负载和内存使用率按照一定的计算公式进行计算后，获得一个表示负载的参数，根据获得的参数进行排序，例如、CPU负载和内存使用率分别作为负载参数的一半比例。负载阈值可以由本领域技术人员根据集群规模、集群工作状态等进行确定，可以设定CPU占用率和内存占用率下限10％、上限90％。
可选的，本发明实施例资源调度算法包括负载均衡算法时，所述负载均衡算法包括：
当集群中物理机的负载均衡度小于预设的负载均衡阈值时，将集群中物理机的按照负载进行排列；
选择负载最高的物理机，根据性能数据信息遍历该物理机上的每一个虚拟机迁出时的集群中物理机的负载均衡度，确定负载均衡度最优的那台虚拟机进行迁移标记，并将确定的虚拟机从物理机上删除；
计算完成迁移标记的虚拟机迁移到其他每一个物理机时的负载均衡度，将虚拟机迁入计算获得的负载均衡度最优的物理机。
需要说明的是，负载均衡度可以包括2个层面，一是物理机层面，二是虚拟机层面，两个层面都可以从CPU使用率、内存使用率衡量；其中，物理机权重占60％，虚拟机权重占40％。
可选的，本发明实施例资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据性能数据信息和预先设置的负载热点阈值确定集群中的物理机是否为热点物理机；
从热点物理机上选择一个或一个以上虚拟机，将其迁移到集群中的其他物理机上，以降低热点物理机的负载阈值。
需要说明的是，本发明实施例负载热点阈值可以包括：内存负载热点阈值、CPU负载热点阈值等，可以由本领域技术人员根据经验值进行设定。
可选的，本发明实施例资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据所述性能数据信息将集群中的物理机按照负载进行排序；
根据所述性能数据信息，当负载最高的物理机CPU负载大于预先设置的CPU负载热点阈值，或内存使用率大于预先设置的内存负载热点阈值时，确定该物理机为热点物理机；
对热点物理机中的虚拟机根据性能数据信息按照负载进行排序，将排序后负载最高的虚拟机迁移到集群中负载最低的物理机上。
需要说明的是，只要判断出存在热点物理机，则本发明实施例按照上述步骤不断的执行判断处理。
输出调度单元用于：根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；
其中，所述算法池中包括两种或两种资源调度算法。
需要说明的是，本发明实施例资源调度决策包括资源的决策规划处理以及虚拟机控制功能其中，虚拟机的控制功能主要是对xm命令的封装，例如xm迁移命令的格式为：#xmmigreate–live–ssl vm_id dest_pm_ip；其中，vm_id表示待迁移的虚拟机ID，dest_pm_ip表明目标物理机的ip地址，本发明实施例使用参数-live和-ssl表明使用ssl连接进行动态迁移，保证迁移的安全性。
可选的，本发明实施例装置还包括：注册单元，用于通过预先设置的算法扩展接口，按一一对应的关系分别注册所述资源调度算法。
这里，本发明实施例可以根据集群进行资源调度的需求添加更多的算法扩展接口，实现更多的资源调度算法的添加。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器)完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的每个模块/单元可以采用硬件的形式实现，例如通过集成电路来实现其相应功能，也可以采用软件功能模块的形式实现，例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本发明不限制于任何特定形式的硬件和软件的结合。
虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (18)

1.一种实现资源调度的方法，其特征在于，包括：
获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；
根据获得的性能数据信息确定集群负载信息；
根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；
根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；
其中，所述算法池中包括两种或两种资源调度算法。
2.根据权利要求1所述的方法，其特征在于，所述获取集群中物理机和虚拟机的性能参数信息包括：
通过预先设置在每一个物理机上的监控客户端采集所述物理机和所述虚拟机的性能参数信息；
采用轮询方式从所述监控客户端上获取监控客户端采集的所述性能参数信息；
汇总通过轮询方式获得的所有所述物理机和所述虚拟机的所述性能参数信息；
其中，每一个所述监控客户端之间采用组播方式同步采集到的所述性能参数信息。
3.根据权利要求2所述的方法，其特征在于，所述性能参数信息包括：
每一个所述物理机的：互联网协议IP地址、名称、唯一标识、中央处理器CPU总数、CPU使用率、内存总大小、内存使用率、磁盘输入输出端口I/O的读写速度、物理机上设置的虚拟机；这里，物理机上设置的虚拟机可以包括设置的虚拟机的个数、名称等虚拟机参数信息；
每一个虚拟机的：名称、唯一标识、分配的内存大小、内存使用率、分配的CPU个数、虚拟机磁盘I/O的读写速度、亲和性描述、互斥性描述、状态标识位。
4.根据权利要求1所述的方法，其特征在于，所述算法池通过预先设置的算法扩展接口，按一一对应的关系分别注册所述资源调度算法。
5.根据权利要求1～4任一项所述的方法，其特征在于，所述资源调度算法包括：热点解除算法、节能整合算法和/或负载均衡算法。
6.根据权利要求1～4任一项所述的方法，其特征在于，所述资源调度算法包括节能整合算法时，所述节能整合算法包括：
所述集群的负载小于或等于预设的负载阈值时，根据集群负载信息将物理机按照负载进行排序，将负载排序最低的预设台物理机添加到待下电物理机列表，将未选取的物理机添加到候选物理机列表；其中，所述负载包括：CPU使用率、内存使用率；
将待下电物理机列表中的所有虚拟机添加到待迁移列表；
对待迁移列表中的每一个虚拟机，将待迁移列表中的虚拟机逐一尝试放置到从所述候选物理机列表中负载最高的物理机上；
若虚拟机放置成功，根据迁移的位置关系输出迁移决策序列，同时根据待迁移列表生成下电决策序列；
若虚拟机放置失败，从待下电物理机列表中删除负载最高的物理机，将删除的物理机添加到候选物理机列表的尾部，从待迁移列表中删除添加到候选物理机列表的物理机上的虚拟机，更新候选物理机列表的负载排序、待迁移列表，继续待迁移列表中虚拟机的放置尝试。
7.根据权利要求1～4任一项所述的方法，其特征在于，所述资源调度算法包括负载均衡算法时，所述负载均衡算法包括：
当集群中物理机的负载均衡度小于预设的负载均衡阈值时，将集群中物理机的按照负载进行排列；
选择负载最高的物理机，根据性能数据信息遍历该物理机上的每一个虚拟机迁出时的集群中物理机的负载均衡度，确定负载均衡度最优的那台虚拟机进行迁移标记，并将确定的虚拟机从物理机上删除；
计算完成迁移标记的虚拟机迁移到其他每一个物理机时的负载均衡度，将虚拟机迁入计算获得的负载均衡度最优的物理机。
8.根据权利要求1～4任一项所述的方法，其特征在于，所述资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据性能数据信息和预先设置的负载热点阈值确定集群中的物理机是否为热点物理机；
从热点物理机上选择一个或一个以上虚拟机，将其迁移到集群中的其他物理机上，以降低热点物理机的负载阈值。
9.根据权利要求1～4任一项所述的方法，其特征在于，所述资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据所述性能数据信息将集群中的物理机按照负载进行排序；
根据所述性能数据信息，当负载最高的物理机CPU负载大于预先设置的CPU负载热点阈值，或内存使用率大于预先设置的内存负载热点阈值时，确定该物理机为热点物理机；
对热点物理机中的虚拟机根据性能数据信息按照负载进行排序，将排序后负载最高的虚拟机迁移到集群中负载最低的物理机上。
10.一种实现资源调度的装置，其特征在于，包括：获取及解析单元、确定单元、选择单元和输出调度单元；其中，
获取及解析单元用于：获取集群中物理机和虚拟机的性能参数信息，并解析转换为预设格式的性能数据信息；
确定单元用于：根据获得的性能数据信息确定集群负载信息；
选择单元用于：根据确定的集群负载信息及接收到的请求配置，从预设的算法池中选择进行资源调度的资源调度算法；
输出调度单元用于：根据选择的资源调度算法输出资源调度决策，以根据输出的资源调度决策对集群进行资源调度；
其中，所述算法池中包括两种或两种资源调度算法。
11.根据权利要求10所述的装置，其特征在于，所述获取及解析单元具体用于：
通过预先设置在每一个物理机上的监控客户端采集所述物理机和所述虚拟机的性能参数信息；
采用轮询方式从所述监控客户端上获取监控客户端采集的所述性能参数信息；汇总通过轮询方式获得的所有所述物理机和所述虚拟机的所述性能参数信息；
将汇总的性能参数信息解析转换为预设格式的性能数据信息；
其中，每一个所述监控客户端之间采用组播方式同步采集到的所述性能参数信息。
12.根据权利要求11所述的装置，其特征在于，所述性能参数信息包括：
每一个所述物理机的：互联网协议IP地址、名称、唯一标识、中央处理器CPU总数、CPU使用率、内存总大小、内存使用率、磁盘输入输出端口I/O的读写速度、物理机上设置的虚拟机；这里，物理机上设置的虚拟机可以包括设置的虚拟机的个数、名称等虚拟机参数信息；
每一个虚拟机的：名称、唯一标识、分配的内存大小、内存使用率、分配的CPU个数、虚拟机磁盘I/O的读写速度、亲和性描述、互斥性描述、状态标识位。
13.根据权利要求10所述的装置，其特征在于，所述装置还包括：
注册单元，用于通过预先设置的算法扩展接口，按一一对应的关系分别注册所述资源调度算法。
14.根据权利要求10～13任一项所述的装置，其特征在于，所述资源调度算法包括：热点解除算法、节能整合算法和/或负载均衡算法。
15.根据权利要求10～13任一项所述的装置，其特征在于，所述资源调度算法包括节能整合算法时，所述节能整合算法包括：
所述集群的负载小于或等于预设的负载阈值时，根据集群负载信息将物理机按照负载进行排序，将负载排序最低的预设台物理机添加到待下电物理机列表，将未选取的物理机添加到候选物理机列表；其中，所述负载包括：CPU使用率、内存使用率；
将待下电物理机列表中的所有虚拟机添加到待迁移列表；
对待迁移列表中的每一个虚拟机，将待迁移列表中的虚拟机逐一尝试放置到从所述候选物理机列表中负载最高的物理机上；
若虚拟机放置成功，根据迁移的位置关系输出迁移决策序列，同时根据待迁移列表生成下电决策序列；
若虚拟机放置失败，从待下电物理机列表中删除负载最高的物理机，将删除的物理机添加到候选物理机列表的尾部，从待迁移列表中删除添加到候选物理机列表的物理机上的虚拟机，更新候选物理机列表的负载排序、待迁移列表，继续待迁移列表中虚拟机的放置尝试。
16.根据权利要求10～13任一项所述的装置，其特征在于，所述资源调度算法包括负载均衡算法时，所述负载均衡算法包括：
当集群中物理机的负载均衡度小于预设的负载均衡阈值时，将集群中物理机的按照负载进行排列；
选择负载最高的物理机，根据性能数据信息遍历该物理机上的每一个虚拟机迁出时的集群中物理机的负载均衡度，确定负载均衡度最优的那台虚拟机进行迁移标记，并将确定的虚拟机从物理机上删除；
计算完成迁移标记的虚拟机迁移到其他每一个物理机时的负载均衡度，将虚拟机迁入计算获得的负载均衡度最优的物理机。
17.根据权利要求10～13任一项所述的装置，其特征在于，所述资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据性能数据信息和预先设置的负载热点阈值确定集群中的物理机是否为热点物理机；
从热点物理机上选择一个或一个以上虚拟机，将其迁移到集群中的其他物理机上，以降低热点物理机的负载阈值。
18.根据权利要求10～13任一项所述的装置，其特征在于，所述资源调度算法包括热点解除算法时，所述热点解除算法包括：
根据所述性能数据信息将集群中的物理机按照负载进行排序；
根据所述性能数据信息，当负载最高的物理机CPU负载大于预先设置的CPU负载热点阈值，或内存使用率大于预先设置的内存负载热点阈值时，确定该物理机为热点物理机；
对热点物理机中的虚拟机根据性能数据信息按照负载进行排序，将排序后负载最高的虚拟机迁移到集群中负载最低的物理机上。
CN201710188524.1A 2017-03-27 2017-03-27 一种实现资源调度的方法及装置 Pending CN108667859A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201710188524.1A CN108667859A (zh) 2017-03-27 2017-03-27 一种实现资源调度的方法及装置
PCT/CN2018/076386 WO2018177042A1 (zh) 2017-03-27 2018-02-12 一种实现资源调度的方法及装置
EP18774667.2A EP3606008B1 (en) 2017-03-27 2018-02-12 Method and device for realizing resource scheduling
ES18774667T ES2939689T3 (es) 2017-03-27 2018-02-12 Método y dispositivo para realizar planificación de recursos

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710188524.1A CN108667859A (zh) 2017-03-27 2017-03-27 一种实现资源调度的方法及装置

Publications (1)

Publication Number Publication Date
CN108667859A true CN108667859A (zh) 2018-10-16

Family

ID=63674155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710188524.1A Pending CN108667859A (zh) 2017-03-27 2017-03-27 一种实现资源调度的方法及装置

Country Status (4)

Country Link
EP (1) EP3606008B1 (zh)
CN (1) CN108667859A (zh)
ES (1) ES2939689T3 (zh)
WO (1) WO2018177042A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109617954A (zh) * 2018-11-29 2019-04-12 郑州云海信息技术有限公司 一种创建云主机的方法和装置
CN109739614A (zh) * 2018-11-22 2019-05-10 杭州数梦工场科技有限公司 虚拟机新建方法、装置及设备
CN109857518A (zh) * 2019-01-08 2019-06-07 平安科技（深圳）有限公司 一种网络资源的分配方法及设备
CN110515730A (zh) * 2019-08-22 2019-11-29 北京宝兰德软件股份有限公司 基于kubernetes容器编排***的资源二次调度方法及装置
CN111104203A (zh) * 2019-12-13 2020-05-05 广东省华南技术转移中心有限公司 虚拟机分散调度方法、装置以及电子设备、存储介质
WO2020151358A1 (zh) * 2019-01-23 2020-07-30 深圳壹账通智能科技有限公司 ***资源分配方法、装置、计算机设备和存储介质
CN112416530A (zh) * 2020-12-08 2021-02-26 西藏宁算科技集团有限公司 弹性管理集群物理机节点的方法、装置及电子设备
CN113285833A (zh) * 2021-05-26 2021-08-20 北京百度网讯科技有限公司 用于获取信息的方法和装置
CN113448738A (zh) * 2021-08-31 2021-09-28 成都派沃特科技股份有限公司 服务器可用度调整方法、装置、设备及存储介质
WO2021253851A1 (zh) * 2020-06-19 2021-12-23 浪潮电子信息产业股份有限公司 一种集群分布式资源调度方法、装置、设备及存储介质

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110083435A (zh) * 2019-05-08 2019-08-02 扬州大学 基于联盟形成的虚拟机迁移设计方法
CN112015326B (zh) * 2019-05-28 2023-02-17 浙江宇视科技有限公司 集群数据处理方法、装置、设备及存储介质
CN110417686B (zh) * 2019-06-12 2021-12-14 因特睿科技有限公司 云资源动态调度***
CN110855762B (zh) * 2019-10-31 2022-07-22 云南电网有限责任公司信息中心 一种电网***中异构集群节点的数据块分配方法
CN111078369B (zh) * 2019-12-27 2023-03-28 中国建设银行股份有限公司 一种云计算机下虚拟机分配方法、装置以及服务器
CN113138849B (zh) * 2020-01-20 2024-04-26 阿里巴巴集团控股有限公司 一种计算资源调度和迁移方法、相关装置及***
CN113783912A (zh) * 2020-08-25 2021-12-10 北京沃东天骏信息技术有限公司 请求分发方法、装置及存储介质
CN113760523A (zh) * 2020-11-16 2021-12-07 北京沃东天骏信息技术有限公司 Redis高热点数据迁移方法
CN112416520B (zh) * 2020-11-21 2023-10-13 广州西麦科技股份有限公司 一种基于vSphere的智能资源调度方法
CN112732408A (zh) * 2021-01-18 2021-04-30 浪潮云信息技术股份公司 一种用于计算节点资源优化的方法
CN113010269B (zh) * 2021-03-29 2024-02-23 深信服科技股份有限公司 一种虚拟机调度方法、装置、电子设备及可读存储介质
CN114125059B (zh) * 2021-10-11 2023-08-25 国电南瑞科技股份有限公司 一种基于容器的监控实时数据缓存***及方法
CN114035889B (zh) * 2021-10-22 2024-06-14 广东工业大学 一种二维时间尺度的容器调度方法及***
CN115373862B (zh) * 2022-10-26 2023-04-25 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
CN117472516B (zh) * 2023-12-27 2024-03-29 苏州元脑智能科技有限公司 虚拟资源调度方法、装置、集群***、电子设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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***
EP3046028A1 (en) * 2015-01-15 2016-07-20 Alcatel Lucent Load-balancing and scaling of cloud resources by migrating a data session
CN106534318A (zh) * 2016-11-15 2017-03-22 浙江大学 一种基于流量亲和性的OpenStack云平台资源动态调度***和方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201324357A (zh) * 2011-12-01 2013-06-16 Univ Tunghai 虛擬機叢集之綠能管理方法
EP2775399A4 (en) * 2012-12-26 2015-04-29 Huawei Tech Co Ltd METHOD FOR MANAGING VIRTUAL MACHINE SYSTEM RESOURCES, VIRTUAL MACHINE SYSTEM, AND APPARATUS
US9363190B2 (en) * 2013-07-31 2016-06-07 Manjrasoft Pty. Ltd. System, method and computer program product for energy-efficient and service level agreement (SLA)-based management of data centers for cloud computing
CN104881325B (zh) * 2015-05-05 2018-09-21 中国联合网络通信集团有限公司 一种资源调度方法和资源调度***
CN105141541A (zh) * 2015-09-23 2015-12-09 浪潮(北京)电子信息产业有限公司 一种基于任务的动态负载均衡调度方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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***
EP3046028A1 (en) * 2015-01-15 2016-07-20 Alcatel Lucent Load-balancing and scaling of cloud resources by migrating a data session
CN106534318A (zh) * 2016-11-15 2017-03-22 浙江大学 一种基于流量亲和性的OpenStack云平台资源动态调度***和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张海洲: "基于利用率和负载均衡的云资源调度算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109739614A (zh) * 2018-11-22 2019-05-10 杭州数梦工场科技有限公司 虚拟机新建方法、装置及设备
CN109617954A (zh) * 2018-11-29 2019-04-12 郑州云海信息技术有限公司 一种创建云主机的方法和装置
CN109617954B (zh) * 2018-11-29 2021-07-30 郑州云海信息技术有限公司 一种创建云主机的方法和装置
CN109857518A (zh) * 2019-01-08 2019-06-07 平安科技（深圳）有限公司 一种网络资源的分配方法及设备
WO2020151358A1 (zh) * 2019-01-23 2020-07-30 深圳壹账通智能科技有限公司 ***资源分配方法、装置、计算机设备和存储介质
CN110515730A (zh) * 2019-08-22 2019-11-29 北京宝兰德软件股份有限公司 基于kubernetes容器编排***的资源二次调度方法及装置
CN111104203A (zh) * 2019-12-13 2020-05-05 广东省华南技术转移中心有限公司 虚拟机分散调度方法、装置以及电子设备、存储介质
CN111104203B (zh) * 2019-12-13 2023-04-28 广东省华南技术转移中心有限公司 虚拟机分散调度方法、装置以及电子设备、存储介质
WO2021253851A1 (zh) * 2020-06-19 2021-12-23 浪潮电子信息产业股份有限公司 一种集群分布式资源调度方法、装置、设备及存储介质
CN112416530A (zh) * 2020-12-08 2021-02-26 西藏宁算科技集团有限公司 弹性管理集群物理机节点的方法、装置及电子设备
CN112416530B (zh) * 2020-12-08 2023-12-22 西藏宁算科技集团有限公司 弹性管理集群物理机节点的方法、装置及电子设备
CN113285833A (zh) * 2021-05-26 2021-08-20 北京百度网讯科技有限公司 用于获取信息的方法和装置
CN113448738A (zh) * 2021-08-31 2021-09-28 成都派沃特科技股份有限公司 服务器可用度调整方法、装置、设备及存储介质

Also Published As

Publication number Publication date
ES2939689T3 (es) 2023-04-26
EP3606008A1 (en) 2020-02-05
EP3606008B1 (en) 2022-12-14
WO2018177042A1 (zh) 2018-10-04
EP3606008A4 (en) 2020-11-25

Similar Documents

Publication Publication Date Title
CN108667859A (zh) 一种实现资源调度的方法及装置
US11204793B2 (en) Determining an optimal computing environment for running an image
US11010206B2 (en) Constrained placement in hierarchical randomized schedulers
Zhang et al. Network-aware virtual machine migration in an overcommitted cloud
Mustafa et al. Resource management in cloud computing: Taxonomy, prospects, and challenges
US8423646B2 (en) Network-aware virtual machine migration in datacenters
US9092269B2 (en) Offloading virtual machine flows to physical queues
CN104484220B (zh) 虚拟化集群的动态资源调度的方法及装置
Liu et al. Minimum-cost cloud storage service across multiple cloud providers
CN103885831B (zh) 虚拟机宿主机的选择方法与装置
CN109067890A (zh) 一种基于docker容器的CDN节点边缘计算***
JP2005056391A (ja) コンピューティング環境の作業負荷を均衡させる方法およびシステム
US10965597B2 (en) Virtual network function load balancer
Zolfaghari et al. Application of virtual machine consolidation in cloud computing systems
CN103455363B (zh) 一种虚拟机的指令处理方法、装置及物理主机
CN108306912A (zh) 虚拟网络功能管理方法及其装置、网络功能虚拟化***
Ramezani et al. Task scheduling in cloud environments: A survey of population‐based evolutionary algorithms
Kousalya et al. Hybrid algorithm based on genetic algorithm and PSO for task scheduling in cloud computing environment
Puliafito et al. Balancing local vs. remote state allocation for micro-services in the cloud–edge continuum
Zhang et al. Repeatable multi-dimensional virtual network embedding in cloud service platform
CN109558214B (zh) 异构环境下宿主机资源管理方法、装置和存储介质
Pham et al. A general and practical consolidation framework in CloudNFV
Upadhyay et al. Migration of over loaded process and schedule for resource utilization in cloud computing
Bao Performance evaluation for traditional virtual machine placement algorithms in the cloud
CN108206838B (zh) 一种负载均衡***、方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181016

RJ01 Rejection of invention patent application after publication