【技术实现步骤摘要】
一种虚拟机放置后的动态管理方法和装置
[0001]本专利技术涉及虚拟机领域,尤其是涉及一种虚拟机放置后的动态管理方法和装置。
技术介绍
[0002]目前云计算规模日益增长已经导致其无法及时处理呈指数增长的数据;最根本的解决办法是实现虚拟机部署策略最优解;目前常用约束规划、遗传算法等解决上述问题。但通过遗传算法获取虚拟机待迁移列表并完成放置后,由于放置的方法所依赖的网络模型并不成熟,若始终按照第一次得到的虚拟机放置方法放置虚拟机,不进行动态调整,会导致物理资源利用率等性能较差,使得虚拟机放置的结果并不理想。
技术实现思路
[0003]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种虚拟机放置后的动态管理方法和装置。
[0004]本专利技术的目的可以通过以下技术方案来实现:
[0005]一种虚拟机放置后的动态管理方法,包括以下步骤:
[0006]S1、获取虚拟机种群每个个体的虚拟机物理资源利用率的历史数据和最小响应时间,并计算得到适应度函数值,根据虚拟机种群的适应度函数值获取虚拟机待迁移列表,根据虚拟机待迁移列表放置虚拟机,并获取所有放置参数的实际值;
[0007]S2、设定所有放置参数的理想值,使用LSTM模型中的RNN循环神经网络获取下一次虚拟机放置时的放置参数的预测值,并根据放置参数的预测值和实际值得到放置参数的权重;
[0008]S3、获取所有放置参数中权重最大的放置参数,将虚拟机待迁移列表中该放置参数数值较大的虚拟机优先放置。
[000 ...
【技术保护点】
【技术特征摘要】
1.一种虚拟机放置后的动态管理方法,其特征在于,包括以下步骤:S1、获取虚拟机种群每个个体的虚拟机物理资源利用率的历史数据和最小响应时间,并计算得到适应度函数值,根据虚拟机种群的适应度函数值获取虚拟机待迁移列表,根据虚拟机待迁移列表放置虚拟机,并获取所有放置参数的实际值;S2、设定所有放置参数的理想值,使用LSTM模型中的RNN循环神经网络获取下一次虚拟机放置时的放置参数的预测值,并根据放置参数的预测值和实际值得到放置参数的权重;S3、获取所有放置参数中权重最大的放置参数,将虚拟机待迁移列表中该放置参数数值较大的虚拟机优先放置。2.根据权利要求1所述的一种虚拟机放置后的动态管理方法,其特征在于,所述放置参数包括物理机的资源利用率、虚拟机工作时间比例和虚拟机迁移次数。3.根据权利要求2所述的一种虚拟机放置后的动态管理方法,其特征在于,所述放置参数的权重计算表达式如下:e
o
(t)=e
h
(t)=d(t)
‑
y(t)W(t+1)=W(t)+εs(t)e
o
(t)
T
V(t+1)=V(t)+εx(t)e
h
(t)
T
U(t+1)=U(t)+εs(t
‑
1)e
h
(t)
T
式中,W表示物理机的资源利用率的权重,V表示虚拟机工作时间比例的权重,U表示虚拟机迁移次数的权重,ε表示模型学习率,T表示时间单位,s(t)表示本次动态管理RNN循环神经网络隐藏层的输出,x(t)表示RNN循环神经网络输入层的输出,t表示动态管理的次数;e
o
(t)表示输入层的误差,e
h
(t)表示隐藏层的误差,两者数值上相同;d(t)表示三种参数的预测值,y(t)表示三种参数的实际值。4.根据权利要求1所述的一种虚拟机放置后的动态管理方法,其特征在于,所述虚拟机种群的适应度函数值获取的计算表达式为:式中,p表示每个虚拟机物理资源利用率的历史数据,t表示每个虚拟机的最小响应时间,β1,β2分别为p和t的权重,设定值均为0.5。5.根据权利要求1所述的一种虚拟机放置后的动态管理方法,其特征在于,所述步骤S1中得到虚拟机待迁移列表的方法包括:从虚拟机种群的N个虚拟机个体中选取k(k<N)个个体,根据选出的每个个体的适应度函数值,选取其中适应度函数值最低的个体进入虚拟机待迁移列表;重复以上步骤,直至虚拟机待迁移列表中存在N个虚拟机个体。6.一种虚拟机放置后的动态管理装置,其特征在于,包括存...
【专利技术属性】
技术研发人员:施凌鹏,卢士达,陆政嘉,冯天波,陈琰,赵修旻,陈晓露,崔昊杨,
申请(专利权)人:上海电力大学,
类型:发明
国别省市:
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。