一种虚拟机向物理机映射的优化方法技术
【技术实现步骤摘要】
一种虚拟机向物理机映射的优化方法
本专利技术涉及云资源调度算法，具体涉及一种虚拟机向物理机映射的云资源调度算法优化方法。
技术介绍
目前，云资源具有异构性、不确定性和动态性等特点，在调度过程中对时延要求比较敏感。云资源这些特有的性质提高了云资源调度算法设计的难度。为了降低云资源调度的处理时延，提升云资源调度的效率，目前多采用进化计算来对云资源实施调度，主要是以随机化的数据作为输入，通过足够数量的迭代，求解次优的结果。由于使用可接受的次优解逼近最优解，降低了问题求解的时间成本，适合在云环境场景中加以应用。云资源调度技术目前主要采用的调度算法分为三类：一是整数规划算法，这类算法能够在最优解存在的情况下求得云资源的最优映射，但是其缺陷在于计算分析时延过高，难以适应云环境对低时延的需求；二是有监督的机器学习算法，这类算法需要大量的历史数据作为调度算法的支撑，同时需要大量的迭代才能够逼近最优解，而云资源明显的动态性和不确定特性使得这类算法的准确度和有效性面临挑战；三是进化计算算法，这类算法能够在有限的迭代次数范围内求得可接受的次优解，能够满足云资源调度的应用需求。针对云环境...
【技术保护点】
一种虚拟机向物理机映射的优化方法，其特征在于，包括以下步骤：S1，虚拟机需求的建模；S2，阈值确定；S3，构建优先级队列；S4，批量出队；S5，优化核设计；S6，算法并行化。
【技术特征摘要】
1.一种虚拟机向物理机映射的优化方法，其特征在于，包括以下步骤：S1，虚拟机需求的建模；S2，阈值确定；S3，构建优先级队列；S4，批量出队；S5，优化核设计；S6，算法并行化。2.根据权利要求1所述的虚拟机向物理机映射的优化方法，其特征在于，所述步骤S1具体为：包括建模以下单元：编号：需求的唯一性标识；用户：标定需求的所有者；用户优先级：标定用户的优先级；提交时间戳：用户需求正式提交的时间记录；资源需求：包括通用资源向量以及需求的最迟开始时间和需求完成的截止时间；等待时间：与需求处理状态密切关联的时间向量，表示在需求提交到资源得到真正分配前的时间；需求优先级：综合计算得出的优先级测算值，用于构建优先级调度队列；处理状态：标定虚拟机需求的处理状态，包含提交、开始分配、等待、完成分配等四种状态；完成时间：虚拟机需求得到满足并完成实际资源分配的时间点；其中，等待时间、需求优先级、处理状态、完成时间四个部分为云资源调度系统计算并生成的数据；所述资源需求中的通用资源向量包括CPU资源、内存资源、磁盘资源、带宽资源。3.根据权利要求1所述的虚拟机向物理机映射的优化方法，其特征在于，所述步骤S2具体为：阈值采用反馈机制进行构建；主要使用网络通信负载和负载均衡程度两个指标对初始阈值进行调节；网络通信负载主要用于表征计算机集群中通信的负载情况；由于在动态调度阶段需要使用到在线迁移技术，因此高频次的调度会加重网络的通信负载，从而降低云计算的效能；为了缓解调度给集群通信带来的负担，网络通信负载较重时，要提高资源利用率阈值；负载均衡程度在一定程度上表征着调度的效果，当负载均衡程度较差时，需要降低阈值上限以进一步缓解高负载主机节点的占比，促进整个集群的负载均衡。4.根据权利要求1所述的虚拟机向物理机映射的优化方法，其特征在于，所述步骤S3具体为：在虚拟机需求提交到云端的情况下，根据虚拟机需求的到达时间、等待时间、用户优先级、短作业、资源占用量，构建优先级队列；所有的虚拟机需求在插入优先级队列前必须要检查资源的可用状态，如果资源需求超出了集群中剩余资源量将会被拒绝；当虚拟机资源需求通过可用性检查后，计算其对应的优先级，如下式所示：式中，pu表示用户的优先级，是对用户重要程度的抽象，优先级越高，pu取值越大；tb,ts,tw,td分别表示需求的提交时间、最迟开始时间、等待时间、截止时间，分别表示一段时间范围内需求的平均提交时间和平均截止时间；λ1,λ2为权重调节系数，用于调节不同因素对优先级的影响程度；(tb-ts)表示需求开始分配所允许的最大等待时间，代表着需求分配紧急程度，是对该变量的归一化；(td-tb-tw)表示需求完成所允许的最大处理时间，代表着需求处理的紧急程度，是对该变量的归一化；在需要对虚拟机进行动态调度的情况下，根据当前的物理机负载信息构建优先级队列：待调度的虚拟机的调度优先级主要由其所在物理机的运行负载...
【专利技术属性】
技术研发人员：张凤琴，李腾耀，殷肖川，管桦，陈靖，李小青，陈大武，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。