CN115309507A - 一种cpu资源占用率的计算方法、装置、设备及介质 - Google Patents

一种cpu资源占用率的计算方法、装置、设备及介质 Download PDF

Info

Publication number
CN115309507A
CN115309507A CN202210946222.7A CN202210946222A CN115309507A CN 115309507 A CN115309507 A CN 115309507A CN 202210946222 A CN202210946222 A CN 202210946222A CN 115309507 A CN115309507 A CN 115309507A
Authority
CN
China
Prior art keywords
virtual machine
time
running
task
running time
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
Application number
CN202210946222.7A
Other languages
English (en)
Other versions
CN115309507B (zh
Inventor
程茂
栾学广
张一弘
彭元志
毛玉泽
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.)
Kedong Guangzhou Software Technology Co Ltd
Original Assignee
Kedong Guangzhou Software Technology Co Ltd
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 Kedong Guangzhou Software Technology Co Ltd filed Critical Kedong Guangzhou Software Technology Co Ltd
Priority to CN202210946222.7A priority Critical patent/CN115309507B/zh
Publication of CN115309507A publication Critical patent/CN115309507A/zh
Application granted granted Critical
Publication of CN115309507B publication Critical patent/CN115309507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • 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
    • 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
    • G06F2009/45591—Monitoring or debugging support
    • 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

本发明公开了一种CPU资源占用率的计算方法、装置、设备及介质。该方法包括：响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长；根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率；根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率。本发明实施例的技术方案，定义了虚拟CPU资源占用率和物理CPU资源占用率，提高了CPU资源占用率的计算准确度，从而促使虚拟机的CPU资源分配更合理。

Description

一种CPU资源占用率的计算方法、装置、设备及介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种CPU资源占用率的计算方法、装置、设备及介质。
背景技术
随着进入工业物联网领域，面对更严苛的应用场景，操作***在支持多核运行、虚拟化以及低功耗方面做出更多突破。但是，这些突破导致现有的CPU资源占用率统计方法并不能准确的描述任务时间，从而计算出的CPU资源占用率，不能真实反应虚拟机内部任务对CPU资源的使用情况。
发明内容
本发明提供了一种CPU资源占用率的计算方法、装置、设备及介质，以解决现有的CPU资源占用率的计算准确度较低的问题。
根据本发明的一方面，提供了一种CPU资源占用率的计算方法，其特征在于，包括：
响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长；
根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率；
根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率。
可选的，响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，包括：
响应于虚拟机中的统计任务的周期性触发操作，获取当前时刻的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，作为当前统计周期的结束时刻对应的统计数据；
将上一次获取的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，作为当前统计周期的起始时刻对应的统计数据；
计算当前统计周期的结束时刻与起始时刻对应的统计数据的差值，作为当前统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长。
可选的，在响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长之前，还包括：
当所述虚拟机获得目标CPU的指定资源的使用权限时，从所述目标CPU的高精度定时器(High Precision Event Timer，HPET)中获取计数值，作为虚拟机一次运行的起始时刻；
当所述虚拟机失去目标CPU的指定资源的使用权限时，从所述目标CPU的HPET中获取计数值，作为虚拟机一次运行的结束时刻；
根据所述结束时刻与所述起始时刻，计算得到虚拟机一次运行时长，并累加到虚拟机运行时长上。
可选的，在响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长之前，还包括：
在所述虚拟机中的用户任务的执行过程中产生中断时，从虚拟机管理器的HPET中获取计数值，作为虚拟机一次中断的起始时刻；
当中断结束返回执行所述虚拟机中的用户任务时，从所述虚拟机管理器的HPET中获取计数值，作为虚拟机一次中断的结束时刻；
当所述虚拟机中没有待执行的用户任务，并且拥有的目标CPU的指定资源空闲时，执行空闲任务，根据虚拟机每次中断的起始时刻和结束时刻确定中断时长；
将虚拟机每次中断的中断时长累加到操作***流逝时长上。
可选的，在响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长之前，还包括：
当目标CPU的指定资源的空闲时长大于预设时长时，通过虚拟机管理器控制所述虚拟机进入休眠，并从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的起始时刻；
当重新获取到目标CPU的资源使用权限时，从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的结束时刻；
根据所述结束时刻与所述起始时刻，计算得到虚拟机一次休眠时长，并累加到操作***流逝时长上。
可选的，所述根据虚拟机运行时长以及空闲任务运行时长，计算一个统计周期内的虚拟CPU资源占用率，包括：
计算虚拟机运行时长与空闲任务运行时长的差值，作为用户任务运行时长；
计算所述用户任务运行时长与所述虚拟机运行时长的比值，作为一个统计周期内的虚拟CPU资源占用率。
可选的，所述根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算各统计周期内的物理CPU资源占用率，包括：
计算虚拟机运行时长与空闲任务运行时长的差值，作为用户任务运行时长；
计算所述用户任务运行时长与所述操作***流逝时长的比值，作为一个统计周期内的物理CPU资源占用率。
根据本发明的另一方面，提供了一种CPU资源占用率的计算装置，包括：
时间获取模块，用于执行响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长；
第一计算模块，用于执行根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率；
第二计算模块，用于执行根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的一种CPU资源占用率的计算方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种CPU资源占用率的计算方法。
本发明实施例的技术方案，通过响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长；根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率；根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率，解决了现有的CPU资源占用率的计算准确度较低的问题，取到了定义虚拟CPU资源占用率和物理CPU资源占用率，提高了CPU资源占用率的计算准确度，从而促使虚拟机的CPU资源分配更合理的有益效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种CPU资源占用率的计算方法的流程图；
图2是根据本发明实施例二提供的一种CPU资源占用率的计算方法的流程图；
图3是根据本发明实施例所适用的一种虚拟机运行时长的计算流程图；
图4是根据本发明实施例所适用的一种操作***流逝时长的计算流程图；
图5是根据本发明实施例所适用的一种空闲任务运行时长的计算流程图；
图6是根据本发明实施例三提供的一种CPU资源占用率的计算装置的结构示意图；
图7是实现本发明实施例的一种CPU资源占用率的计算方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种CPU资源占用率的计算方法的流程图，本实施例可适用于计算虚拟机的CPU资源占用率，以反应虚拟机中的用户任务对CPU资源的使用情况，该方法可以由CPU资源占用率的计算装置来执行，该装置可以采用硬件和/或软件的形式实现，该装置可配置于电子设备中。如图1所示，该方法包括：
S110、响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长。
其中，虚拟机的构成和物理机完全一致，主要包括CPU、内存、硬盘以及输入、输出设备，但是虚拟机的构件都是虚拟或共享的，由所在的物理机提供出来的。将物理机CPU的运行时间进行切片，通过虚拟机管理器调度，将CPU运行时间片分配、调度到不同的虚拟机上，当虚拟机运行完成或超时，将这个时间片控制权交回虚拟机管理器，再进行下一次的调度。
本实施例中，虚拟机管理器上支持多个虚拟机同时运行，每个虚拟机内部可以有多个分区，每个分区中有一个操作***，一个操作***只能使用来自同一个CPU的运行时间片。其中，虚拟机中的操作***可以是嵌入式实时操作***，嵌入式实时操作***是一个支持多任务的运行环境，其最大的特点是实时性，如果有一个任务需要执行，实时操作***会立即执行该任务，不会有较长的延时。
本实施例中，针对一个虚拟机，虚拟机运行时长是指虚拟机管理器分配给该虚拟机内部的实时操作***的CPU运行时间的总和；操作***流逝时长是指该虚拟机内部的实时操作***运行期间，对于分配的CPU运行时间片没有加以使用的客观时间的总和；空闲任务运行时长是指该虚拟机内部的实时操作***的空闲任务的运行时长总和。
可选的，响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，包括：响应于虚拟机中的统计任务的周期性触发操作，获取当前时刻的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，作为当前统计周期的结束时刻对应的统计数据；将上一次获取的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，作为当前统计周期的起始时刻对应的统计数据；计算当前统计周期的结束时刻与起始时刻对应的统计数据的差值，作为当前统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长。
本实施例中，统计任务是用于周期性统计所在虚拟机的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，进而计算该虚拟机的CPU资源占用率的程序代码。通过为统计任务设置统计周期，实现每隔固定时长唤醒该虚拟机中的统计任务，获取该虚拟机在当前时刻的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长这些统计数据。由于两次获取统计数据的间隔等于一个统计周期，因此，可以将当前时刻获取的统计数据作为当前统计周期的结束时刻对应的统计数据，将前一次获取的统计数据作为当前统计周期的起始时刻对应的统计数据。
示例性的，假设统计任务的统计周期为1s，则该统计任务会在第0s、1s、2s、3s…被唤醒获取虚拟机的统计数据，假设当前时刻为第3s，则在第3s获取的统计数据可以作为第3个统计周期的结束时刻对应的统计数据，在第2s获取的统计数据可以作为第3个统计周期的起始时刻对应的统计数据。然后计算结束时刻的虚拟机运行时长与起始时刻的虚拟机运行时长的差值，得到当前统计周期内的虚拟机运行时长；计算结束时刻与起始时刻的操作***流逝时长的差值，得到当前统计周期内的操作***流逝时长；计算结束时刻与起始时刻的空闲任务运行时长的差值，得到当前统计周期内的空闲任务运行时长。
S120、根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率。
本实施例中，虚拟CPU资源占用率是指虚拟机内部用户任务的运行时长和虚拟机运行时长的比例，可以用于衡量***中断、任务运行时间片的均衡性。其中，用户任务的运行时长是指除去虚拟机中的空闲任务运行时长之外的虚拟机运行时长，虚拟机运行时长是指虚拟机管理器分配给该虚拟机的CPU运行时间的总和。
可选的，所述根据虚拟机运行时长以及空闲任务运行时长，计算一个统计周期内的虚拟CPU资源占用率，包括：计算虚拟机运行时长与空闲任务运行时长的差值，作为用户任务运行时长；计算所述用户任务运行时长与所述虚拟机运行时长的比值，作为一个统计周期内的虚拟CPU资源占用率。
示例性的，可以根据公式：虚拟CPU资源占用率＝(虚拟机运行时长-空闲任务运行时长)/虚拟机运行时长，计算得到一个统计周期内的虚拟CPU资源占用率。
S130、根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率。
本实施例中，物理CPU资源占用率是指虚拟机内部用户任务的运行时长和操作***流逝时长的比例，可以用于衡量虚拟机内部负载平衡性。其中，用户任务的运行时长是指除去虚拟机中的空闲任务运行时长之外的虚拟机运行时长，操作***流逝时长是指该虚拟机内部的实时操作***运行期间，对于分配的CPU运行时间片没有加以使用的客观时间的总和。
可选的，所述根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算各统计周期内的物理CPU资源占用率，包括：计算虚拟机运行时长与空闲任务运行时长的差值，作为用户任务运行时长；计算所述用户任务运行时长与所述操作***流逝时长的比值，作为一个统计周期内的物理CPU资源占用率。
示例性的，可以根据公式物理CPU资源占用率＝(虚拟机运行时长-空闲任务运行时长)/操作***流逝时长，计算得到一个统计周期内的物理CPU资源占用率。
本发明实施例的技术方案，通过响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长；根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率；根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率，解决了现有的CPU资源占用率的计算准确度较低的问题，定义了虚拟CPU资源占用率和物理CPU资源占用率，提高了CPU资源占用率的计算准确度，从而促使虚拟机的CPU资源分配更合理。
实施例二
图2是根据本发明实施例二提供的一种CPU资源占用率的计算方法的流程图，本实施例可以在上述实施例的基础上，进一步提供计算虚拟机运行时长、操作***流逝时长以及空闲任务运行时长的具体步骤。如图2所示，该方法包括：
S210、持续累计计算虚拟机运行时长、操作***流逝时长以及空闲任务运行时长。
本实施例中，针对一个虚拟机，如图3所示，虚拟机运行时长的计算由两个时机构成，分别是虚拟机切入和切出。虚拟机切入即虚拟机被唤醒，虚拟机切出即虚拟机发生中断或者休眠。其中，虚拟机切入和切出是针对虚拟机分区而言。如图4所示，***流逝时长的计算由三个时机构成，分别是触发中断、虚拟机休眠和虚拟机唤醒；如图5所示，空闲任务运行时长的计算由两个时机构成，分别是空闲任务的调入和调出。
可选的，当所述虚拟机获得目标CPU的指定资源的使用权限时，从所述目标CPU的高精度定时器HPET中获取计数值，作为虚拟机一次运行的起始时刻；当所述虚拟机失去目标CPU的指定资源的使用权限时，从所述目标CPU的HPET中获取计数值，作为虚拟机一次运行的结束时刻；根据所述结束时刻与所述起始时刻，计算得到虚拟机一次运行时长，并累加到虚拟机运行时长上。
本实施例中，对于一个虚拟机，对该虚拟机一次运行时长进行采集和计算的过程可以如图3所示，当虚拟机管理器给虚拟机分配物理机CPU的运行时间片时，虚拟机获得目标CPU的指定资源的使用权限，虚拟机被唤醒，此时需要读取目标CPU的HPET中的计数值，作为虚拟机本次运行的起始时刻。恢复该虚拟机上次休眠或中断时记录的虚拟机上下文状态，然后执行虚拟机内部的用户任务，如果在用户任务运行过程中发生中断，或者虚拟机中所有的用户任务都执行完成，虚拟机进入休眠，则虚拟机失去对目标CPU的指定资源的使用权限，此时保存虚拟机上下文状态，并读取目标CPU的高精度定时器HPET中的计数值，作为虚拟机本次运行的结束时刻。计算结束时刻与起始时刻的差值，并用该差值除以目标CPU的时钟频率，例如单位纳秒或微秒的HPET计数值，得到虚拟机本次运行的纳秒数或者微秒数。将虚拟机本次运行时长累加到当前的虚拟机运行时长上，对虚拟机运行时长进行更新。
可选的，在所述虚拟机中的用户任务的执行过程中产生中断时，从虚拟机管理器的HPET中获取计数值，作为虚拟机一次中断的起始时刻；当中断结束返回执行所述虚拟机中的用户任务时，从所述虚拟机管理器的HPET中获取计数值，作为虚拟机一次中断的结束时刻；当所述虚拟机中没有待执行的用户任务，并且拥有的目标CPU的指定资源空闲时，执行空闲任务，根据虚拟机每次中断的起始时刻和结束时刻确定中断时长；将虚拟机每次中断的中断时长累加到操作***流逝时长上。
本实施例中，对于一个虚拟机，如图4所示，当虚拟机内部的用户任务正在运行时，如果其他更高优先级的任务成功抢占该用户任务的目标CPU运行时间片，则会发生中断。此时会记录虚拟机上下文状态，被动释放已分配的目标CPU的指定资源，并读取虚拟机管理器的HPET中的计数值，作为本次中断的起始时刻。当抢占目标CPU的指定资源的任务运行结束，返回运行之前被中断的用户任务时，则本次中断结束，恢复虚拟机上下文状态，并读取虚拟机管理器的HPET中的计数值，作为本次中断的结束时刻。当虚拟机内没有就绪的用户任务，所有用户任务都被运行完毕，但是已分配的目标CPU的指定资源还未超时，即CPU资源有剩余时，则执行空闲任务，将虚拟机管理器之前激励的中断时间点转换为中断时长。例如，计算一次中断的结束时刻与起始时刻的差值，并用该差值除以虚拟机管理器的时钟频率，例如单位纳秒或微秒的HPET计数值，得到虚拟机一次中断的纳秒数或者微秒数。将虚拟机一次中断时长累加到当前的操作***流逝时长上，对操作***流逝时长进行更新。
可选的，当目标CPU的指定资源的空闲时长大于预设时长时，通过虚拟机管理器控制所述虚拟机进入休眠，并从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的起始时刻；当重新获取到目标CPU的资源使用权限时，从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的结束时刻；根据所述结束时刻与所述起始时刻，计算得到虚拟机一次休眠时长，并累加到操作***流逝时长上。
本实施例中，预设时长可以是一个Tick对应的时间，即一个心跳时间。如果虚拟机内没有就绪的用户任务，并且已分配的目标CPU的指定资源的空闲时间已经大于一个Tick对应的时间，则通过虚拟机管理器将控制虚拟机进入休眠，以主动释放目标CPU的指定资源，从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的起始时刻。其中，在进入休眠之前，可以通过运行空闲任务计算出虚拟机期望休眠的时间，也即，计算出经过多长时间后虚拟机中会有需要运行的用户任务，并调用钩子函数跳转到目标CPU中，设置在经过期望休眠时间后再分配目标CPU的运行时间片给虚拟机。当虚拟机重新分配到目标CPU的资源使用权限时，从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的结束时刻。计算一次休眠的结束时刻与起始时刻的差值，并用该差值除以目标CPU的时钟频率，得到虚拟机一次休眠时长。将虚拟机一次休眠时长累加到当前的操作***流逝时长上，对操作***流逝时长进行更新。
本实施例中，如图5所示，IDLE任务为空闲任务，当空闲任务被调度时，读取目标CPU的HPET中的计数值，作为空闲任务本次运行的起始时刻。恢复空闲任务上下文状态，然后运行该空闲任务，如果在空闲任务运行过程中由于其他任务抢占CPU资源等原因发生中断，则虚拟机失去对目标CPU的指定资源的使用权限，此时保存空闲任务上下文状态，并读取目标CPU的HPET中的计数值，作为空闲任务本次运行的结束时刻。计算结束时刻与起始时刻的差值，并用该差值除以目标CPU的时钟频率，得到空闲任务本次运行时长。将虚拟机本次运行时长累加到空闲任务运行时长上，对空闲任务运行时长进行更新。
S220、响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长。
示例性的，虚拟机中启动统计任务是用于统计该虚拟机的CPU资源占用率，可以在统计任务的主循环入口处，获取当前时刻虚拟机运行时长记作tm1_vm、操作***流逝时长记作tm1_sys和空闲任务运行时长tm1_idle。然后该统计任务进入休眠周期，在一个统计周期到达后，该统计任务唤醒，获取当前时刻虚拟机运行时长记作tm2_vm、操作***流逝时长记作tm2_sys和空闲任务运行时长tm2_idle。据此，可以计算在该统计周期内的CPU资源占用率，记虚拟机运行时长tm_vm＝tm2_vm-tm1_vm，记***流逝时长tm_sys＝tm2_sys–tm1_sys，记空闲任务运行时长tm_idle＝tm2_idle–tm1_idle。
S230、根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率。
示例性的，根据公式：(虚拟机运行时长tm_vm–空闲任务运行时长tm_idle)/虚拟机运行时长tm_vm，计算得到虚拟机在一个统计周期内的虚拟CPU资源占用率。
S240、根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率。
示例性的，根据公式：(虚拟机运行时长tm_vm–空闲任务运行时长tm_idle)/操作***流逝时长tm_sys，计算得到一个统计周期内的物理CPU资源占用率。
本发明实施例的技术方案，通过将虚拟机与物理机CPU相结合，使用硬件处理器的时钟来记录时间，提高虚拟机运行时长、操作***流逝时长以及空闲任务运行时长的采集和计算精度，可以精确计算出虚拟机的虚拟CPU资源占用率和物理CPU资源占用率，提高CPU资源占用率的准确度。进一步的，通过精准分析CPU资源占用率，促使虚拟机CPU资源分配更合理，从而在异构***场景，既保证实时操作***的运行效率，又保证非实时操作***的运行质量；在同构***场景，针对在整个实时操作***中职能不尽相同的虚拟机，面对不同的性能需求，避免单方面陷入性能瓶颈，保证整体性能，促使异构***更加稳定高效。
实施例三
图6是根据本发明实施例三提供的一种CPU资源占用率的计算装置的结构示意图。如图6所示，该装置包括：
时间获取模块610，用于执行响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长；
第一计算模块620，用于执行根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率；
第二计算模块630，用于执行根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率。
本发明实施例的技术方案，通过响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长；根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率；根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率，解决了现有的CPU资源占用率的计算准确度较低的问题，定义了虚拟CPU资源占用率和物理CPU资源占用率，提高了CPU资源占用率的计算准确度，从而促使虚拟机的CPU资源分配更合理。
可选的，时间获取模块610，用于执行：
响应于虚拟机中的统计任务的周期性触发操作，获取当前时刻的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，作为当前统计周期的结束时刻对应的统计数据；
将上一次获取的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，作为当前统计周期的起始时刻对应的统计数据；
计算当前统计周期的结束时刻与起始时刻对应的统计数据的差值，作为当前统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长。
可选的，还包括：虚拟机运行时长计算模块，用于执行在响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长之前，
当所述虚拟机获得目标CPU的指定资源的使用权限时，从所述目标CPU的高精度定时器HPET中获取计数值，作为虚拟机一次运行的起始时刻；
当所述虚拟机失去目标CPU的指定资源的使用权限时，从所述目标CPU的HPET中获取计数值，作为虚拟机一次运行的结束时刻；
根据所述结束时刻与所述起始时刻，计算得到虚拟机一次运行时长，并累加到虚拟机运行时长上。
可选的，还包括：操作***流逝时长计算模块，用于执行在响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长之前，
在所述虚拟机中的用户任务的执行过程中产生中断时，从虚拟机管理器的HPET中获取计数值，作为虚拟机一次中断的起始时刻；
当中断结束返回执行所述虚拟机中的用户任务时，从所述虚拟机管理器的HPET中获取计数值，作为虚拟机一次中断的结束时刻；
当所述虚拟机中没有待执行的用户任务，并且拥有的目标CPU的指定资源空闲时，执行空闲任务，根据虚拟机每次中断的起始时刻和结束时刻确定中断时长；
将虚拟机每次中断的中断时长累加到操作***流逝时长上。
可选的，操作***流逝时长计算模块，还用于执行：在响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长之前，
当目标CPU的指定资源的空闲时长大于预设时长时，通过虚拟机管理器控制所述虚拟机进入休眠，并从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的起始时刻；
当重新获取到目标CPU的资源使用权限时，从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的结束时刻；
根据所述结束时刻与所述起始时刻，计算得到虚拟机一次休眠时长，并累加到操作***流逝时长上。
可选的，第一计算模块620，用于执行：
计算虚拟机运行时长与空闲任务运行时长的差值，作为用户任务运行时长；
计算所述用户任务运行时长与所述虚拟机运行时长的比值，作为一个统计周期内的虚拟CPU资源占用率。
可选的，第二计算模块630，用于执行：
计算虚拟机运行时长与空闲任务运行时长的差值，作为用户任务运行时长；
计算所述用户任务运行时长与所述操作***流逝时长的比值，作为一个统计周期内的物理CPU资源占用率。
本发明实施例所提供的CPU资源占用率的计算装置，可执行本发明任意实施例所提供的一种CPU资源占用率的计算方法，具备执行方法相应的功能模块和有益效果。
实施例四
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如CPU资源占用率的计算方法。
在一些实施例中，CPU资源占用率的计算方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的CPU资源占用率的计算方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行CPU资源占用率的计算方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的***和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种CPU资源占用率的计算方法，其特征在于，包括：
响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长；
根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率；
根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率。
2.根据权利要求1所述的方法，其特征在于，响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，包括：
响应于虚拟机中的统计任务的周期性触发操作，获取当前时刻的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，作为当前统计周期的结束时刻对应的统计数据；
将上一次获取的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长，作为当前统计周期的起始时刻对应的统计数据；
计算当前统计周期的结束时刻与起始时刻对应的统计数据的差值，作为当前统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长。
3.根据权利要求2所述的方法，其特征在于，在响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长之前，还包括：
当所述虚拟机获得目标CPU的指定资源的使用权限时，从所述目标CPU的高精度定时器HPET中获取计数值，作为虚拟机一次运行的起始时刻；
当所述虚拟机失去目标CPU的指定资源的使用权限时，从所述目标CPU的HPET中获取计数值，作为虚拟机一次运行的结束时刻；
根据所述结束时刻与所述起始时刻，计算得到虚拟机一次运行时长，并累加到虚拟机运行时长上。
4.根据权利要求3所述的方法，其特征在于，在响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长之前，还包括：
在所述虚拟机中的用户任务的执行过程中产生中断时，从虚拟机管理器的HPET中获取计数值，作为虚拟机一次中断的起始时刻；
当中断结束返回执行所述虚拟机中的用户任务时，从所述虚拟机管理器的HPET中获取计数值，作为虚拟机一次中断的结束时刻；
当所述虚拟机中没有待执行的用户任务，并且拥有的目标CPU的指定资源空闲时，执行空闲任务，根据虚拟机每次中断的起始时刻和结束时刻确定中断时长；
将虚拟机每次中断的中断时长累加到操作***流逝时长上。
5.根据权利要求4所述的方法，其特征在于，在响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长之前，还包括：
当目标CPU的指定资源的空闲时长大于预设时长时，通过虚拟机管理器控制所述虚拟机进入休眠，并从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的起始时刻；
当重新获取到目标CPU的资源使用权限时，从目标CPU的HPET中获取计数值，作为虚拟机一次休眠的结束时刻；
根据所述结束时刻与所述起始时刻，计算得到虚拟机一次休眠时长，并累加到操作***流逝时长上。
6.根据权利要求1所述的方法，其特征在于，所述根据虚拟机运行时长以及空闲任务运行时长，计算一个统计周期内的虚拟CPU资源占用率，包括：
计算虚拟机运行时长与空闲任务运行时长的差值，作为用户任务运行时长；
计算所述用户任务运行时长与所述虚拟机运行时长的比值，作为一个统计周期内的虚拟CPU资源占用率。
7.根据权利要求1所述的方法，其特征在于，所述根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算各统计周期内的物理CPU资源占用率，包括：
计算虚拟机运行时长与空闲任务运行时长的差值，作为用户任务运行时长；
计算所述用户任务运行时长与所述操作***流逝时长的比值，作为一个统计周期内的物理CPU资源占用率。
8.一种CPU资源占用率的计算装置，其特征在于，包括：
时间获取模块，用于执行响应于虚拟机中的统计任务的周期性触发操作，获取一个统计周期内的虚拟机运行时长、操作***流逝时长以及空闲任务运行时长；
第一计算模块，用于执行根据虚拟机运行时长以及空闲任务运行时长，计算所述虚拟机在一个统计周期内的虚拟CPU资源占用率；
第二计算模块，用于执行根据虚拟机运行时长、空闲任务运行时长以及操作***流逝时长，计算所述虚拟机在一个统计周期内的物理CPU资源占用率。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的一种CPU资源占用率的计算方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的一种CPU资源占用率的计算方法。
CN202210946222.7A 2022-08-08 2022-08-08 一种cpu资源占用率的计算方法、装置、设备及介质 Active CN115309507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210946222.7A CN115309507B (zh) 2022-08-08 2022-08-08 一种cpu资源占用率的计算方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210946222.7A CN115309507B (zh) 2022-08-08 2022-08-08 一种cpu资源占用率的计算方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115309507A true CN115309507A (zh) 2022-11-08
CN115309507B CN115309507B (zh) 2023-06-16

Family

ID=83860010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210946222.7A Active CN115309507B (zh) 2022-08-08 2022-08-08 一种cpu资源占用率的计算方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115309507B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117453486A (zh) * 2023-11-13 2024-01-26 摩尔线程智能科技(北京)有限责任公司 面向进程的gpu利用率的确定方法、装置、设备和介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102141930A (zh) * 2010-12-20 2011-08-03 华为技术有限公司 虚拟机资源分配方法和资源分配装置
US8181175B1 (en) * 2008-01-28 2012-05-15 Hewlett-Packard Development Company, L.P. Accounting for resource usage time by a virtual machine
US20150242229A1 (en) * 2014-02-27 2015-08-27 Red Hat Israel, Ltd. Idle processor management by guest in virtualized systems
CN105302566A (zh) * 2015-11-10 2016-02-03 上海卓易科技股份有限公司 一种进程优化方法及***
CN110998530A (zh) * 2017-08-02 2020-04-10 华为技术有限公司 一种虚拟机资源分配***、方法及计算机程序
CN114035941A (zh) * 2021-10-18 2022-02-11 阿里巴巴（中国）有限公司 资源调度***、方法以及计算设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8181175B1 (en) * 2008-01-28 2012-05-15 Hewlett-Packard Development Company, L.P. Accounting for resource usage time by a virtual machine
CN102141930A (zh) * 2010-12-20 2011-08-03 华为技术有限公司 虚拟机资源分配方法和资源分配装置
US20150242229A1 (en) * 2014-02-27 2015-08-27 Red Hat Israel, Ltd. Idle processor management by guest in virtualized systems
CN105302566A (zh) * 2015-11-10 2016-02-03 上海卓易科技股份有限公司 一种进程优化方法及***
CN110998530A (zh) * 2017-08-02 2020-04-10 华为技术有限公司 一种虚拟机资源分配***、方法及计算机程序
CN114035941A (zh) * 2021-10-18 2022-02-11 阿里巴巴（中国）有限公司 资源调度***、方法以及计算设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117453486A (zh) * 2023-11-13 2024-01-26 摩尔线程智能科技(北京)有限责任公司 面向进程的gpu利用率的确定方法、装置、设备和介质

Also Published As

Publication number Publication date
CN115309507B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
US9886077B2 (en) Processor management via thread status
CN111767134B (zh) 一种多任务动态资源调度方法
US20160266929A1 (en) Cpu scheduling method, terminal device and processing device
US8402463B2 (en) Hardware threads processor core utilization
JP2017004511A (ja) スライディングタイムウィンドウを用いてタスクをスケジュール設定するためのシステムおよび方法
Pastorelli et al. HFSP: size-based scheduling for Hadoop
EP3036625A1 (en) Virtual hadoop manager
US9244733B2 (en) Apparatus and method for scheduling kernel execution order
CN103268247B (zh) 任务执行及调整线程池中保留线程的数量的方法和装置
US20150378782A1 (en) Scheduling of tasks on idle processors without context switching
CN115309507B (zh) 一种cpu资源占用率的计算方法、装置、设备及介质
CN111597044A (zh) 任务调度方法、装置、存储介质及电子设备
US20160091949A1 (en) Performance management for a multiple-cpu platform
US9612907B2 (en) Power efficient distribution and execution of tasks upon hardware fault with multiple processors
CN114579323A (zh) 一种线程处理方法、装置、设备及介质
CN112860401A (zh) 任务调度方法、装置、电子设备和存储介质
CN115586927A (zh) 一种服务器错峰上电方法、装置、设备及存储介质
CN115617475A (zh) 循环闹钟设置方法、装置、电子设备及存储介质
CN101661406A (zh) 处理单元调度装置和方法
Stojkovic et al. EcoFaaS: Rethinking the Design of Serverless Environments for Energy Efficiency
CN109445847B (zh) 工业服务器微内核架构实现方法
CN116893893B (zh) 一种虚拟机调度方法、装置、电子设备及存储介质
US9465655B2 (en) Method for managing threads using executing time scheduling technique and electronic device using the same method
CN114003367B (zh) 风险监控方法、装置、设备及存储介质
Xu et al. Mitigating service variability in mapreduce clusters via task cloning: A competitive analysis

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