[go: up one dir, main page]

CN107967168B - 一种云数据中心里基于共享内存页面的虚拟机整合方法 - Google Patents

一种云数据中心里基于共享内存页面的虚拟机整合方法 Download PDF

Info

Publication number
CN107967168B
CN107967168B CN201711293781.8A CN201711293781A CN107967168B CN 107967168 B CN107967168 B CN 107967168B CN 201711293781 A CN201711293781 A CN 201711293781A CN 107967168 B CN107967168 B CN 107967168B
Authority
CN
China
Prior art keywords
virtual machine
physical
virtual
machines
machine
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.)
Active
Application number
CN201711293781.8A
Other languages
English (en)
Other versions
CN107967168A (zh
Inventor
王建新
李汇熙
李文军
冯启龙
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.)
Central South University
Original Assignee
Central South University
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 Central South University filed Critical Central South University
Priority to CN201711293781.8A priority Critical patent/CN107967168B/zh
Publication of CN107967168A publication Critical patent/CN107967168A/zh
Application granted granted Critical
Publication of CN107967168B publication Critical patent/CN107967168B/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
    • 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
    • G06F9/5027—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
    • G06F9/5033—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 considering data affinity
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Memory System Of A Hierarchy Structure (AREA)

Abstract

本发明公开了一种云数据中心里基于共享内存页面的虚拟机整合方法，当云数据中心里热迁移虚拟机时，首先按物理资源可用量降序排列物理机，然后每次从待选虚拟机中挑选一定数量的包含最小内存页面数量的虚拟机装载至物理机上，直到所有虚拟机都被整合至物理机中。本发明在整合虚拟机至物理机时利用了虚拟机内存内容之间的相似性，在使用了较少数量的物理机同时，也大幅度减少了热迁移虚拟机时所需传输的内存数据量，从而提高云数据中心里物理资源的利用率。

Description

一种云数据中心里基于共享内存页面的虚拟机整合方法
技术领域
本发明涉及一种云数据中心里整合虚拟机的方法，具体涉及一种云数据中心里基于共享内存页面的虚拟机整合方法。
背景技术
目前云计算逐步走出了新兴技术的阶段，越来越多的用户正在投入云计算服务的怀抱。随着用户数量的大规模增长，各个云数据中心也都在通过增加服务器的方式来扩展其规模。如何有效利用大规模的物理服务器是云数据中心面临的一大难题。通过虚拟机热迁移，云数据中心能在不中断服务的情况下将虚拟机从物理资源过度使用的物理机上转移至物理资源尚未被充分使用的物理机上。通过虚拟机迁移，云数据中心的负载得到了均衡，物理资源也能被更有效地利用。
在虚拟机热迁移过程中，面临一大挑战，即虚拟机整合问题，即给定一组待迁移的虚拟机，如何给每台虚拟机选择合适的物理机进行放置，才能使用最少数目的物理机来装下这批虚拟机。使用的物理机数量越少，意味着云数据中心里的物理资源利用率越高。
另一方面，由于虚拟机在迁移时需要通过网络在不同物理机之间传输大量的内存数据，因此会导致迁移时间较长、网络压力较大的问题。这样的情况会进一步导致云服务用户体验大幅下降的问题。
综合以上两方面情况，需要研究一种能减少迁移过程中数据传输量的虚拟机整合算法。
研究发现虚拟机内存内容之间存在很大的相似性。虚拟机内存以内存页面为基本单位进行存储。在内存页面的角度观察发现，使用相同或相似操作系统、相同应用软件的虚拟机之间有很多内存页面是完全一样或是相似的。通过利用这种性质，虚拟机热迁移过程中需要传输的虚拟机内存量能大幅降低：当往一台物理机上迁移多台虚拟机时，相同的内存页面只需要传输一次即可。
关于利用虚拟机内存内容之间相似性进行迁移过程中的虚拟机放置问题研究已经有了若干成果，比如Greedy-Flow算法、SAVMP算法、G-MSAVMM算法，但是它们都存在一些不足。在替一台待迁移虚拟机选择目标物理机时，Greedy-Flow算法会选择与其有着内存内容相似性最大的物理机，但是这种方法忽略了虚拟机整合问题。SAVMP算法问题在考虑整合虚拟机的同时还利用了虚拟机内存内容的相似性，但是没有考虑其他的资源约束，如CPU资源等。G-MSAVMM算法考虑了如何才能让一台物理机装下尽可能多的虚拟机，同时也利用了虚拟机内存内容的相似性，但是没有考虑存在多台目标物理机的情况。
因此，还需要设计一种能够解决现有方法存在的上述不足的虚拟机整合方法。
发明内容
本发明所解决的技术问题是，针对现有技术的不足，提供了一种云数据中心里基于共享内存页面的虚拟机整合方法，在整合虚拟机至物理机时利用了虚拟机内存内容之间的相似性，能够优化云数据中心热迁移虚拟机过程中的占用的物理机数量，同时大幅度减少了热迁移虚拟机时所需传输的内存数据量，从而减少网络压力，缩短迁移时间，提高了云数据中心里物理资源的利用率。
本发明为解决上述技术问题所提供的技术方案为：
一种云数据中心里基于共享内存页面的虚拟机整合方法，包括以下步骤：
步骤一：输入n台物理机的集合P，m台待迁移虚拟机的集合V，n台物理机空载时的可用CPU资源总量与可存储的虚拟机内存页面总数分别为PC和PM；其中第l台物理机pm_l的可用CPU资源量为PC(pm_l)，可存储的内存页面数为PM(pm_l)，其上存储的虚拟机内存页面集合为PM_M(pm_l)，l＝1,2,…,n；第k台虚拟机vm_k需求的CPU资源量为VC(vm_k)，包含的内存页面集合为VM(vm_k)，k＝1,2,…,m；
步骤二：将物理机按可用资源量降序排列，构成物理机列表PM_List；
步骤三：将PM_List中第一个物理机记为PM1，将准备迁移至PM1的虚拟机集合记为T1，将T1初始化为空集；
步骤四：判断V是否为空集，若是，则算法终止；若V不为空集，则进入步骤五；
步骤五：修正V中每台虚拟机包含的内存页面集合VM(vm_k)为VM(vm_k)\PM_M(PM1)，即令VM(vm_k)＝VM(vm_k)\PM_M(PM1)，其中符号\表示求两个集合的差集，PM_M(PM1)表示物理机PM1上存储的虚拟机内存页面集合，VM(vm_k)\PM_M(PM1)表示VM(vm_k)与PM_M(PM1)的差集，即vm_k相对于PM1所包含的内存页面集合；
步骤六：设置新增的需要迁移至PM1的虚拟机的数量i，本实施例中设置i＝3；
步骤七：从V中选出包含i个虚拟机的子集V'，使得PM1有足够资源运行这i台虚拟机的同时，这i台虚拟机包含的内存页面数量最小；若找不到i个满足条件的虚拟机，则令V'为空集；
步骤八：判断V'是否为空集，若不为空集则将V'并入T1，然后将其从V中删除，跳转至步骤四；若V'为空集，则进入步骤九；
步骤九：判断i是否等于1，若不等于1，则令i＝i-1并跳转至步骤七；若i等于1，则进入步骤十；
步骤十：将T1中的虚拟机迁移至PM1；从PM_List中删除PM1，跳转步骤三。
所述步骤二中，可用资源量计算方法如下：
Figure BDA0001499890770000031
其中，pm_l表示集合P中的第l台物理机pm_l。
所述步骤六中，设置i＝3，既能保证结果准确度又不会让算法有较大的时间复杂度。
所述步骤七中，判断PM1是否有足够资源运行这i台虚拟机的方法为：当以下两个不等式同时成立，则PM1有足够资源：
Figure BDA0001499890770000041
Figure BDA0001499890770000042
其中，VC(vm)为虚拟机vm需求的CPU资源量，VM(vm)为虚拟机vm包含的内存页面集合，PC(PM1)为物理机PM1的可用CPU资源量，PM(PM1)为物理机PM1可存储的内存页面数，| |表示集合中的页面数量。
所述步骤七中，寻找包含的内存页面数量最小的i台虚拟机的方法为：求解使得
Figure BDA0001499890770000043
最小的子集V'，判定该子集V'包含的i个虚拟机为包含的内存页面数量最小的i台虚拟机，其中VM(V')为集合V'中所有虚拟机包含的内存页面集合，TM＝VM(T1)∪PM_M(PM1)，VM(T1)为T1中所有虚拟机所包含的虚拟机内存页面集合，PM_M(PM1)为PM1上存储的虚拟机内存页面集合，||表示集合中的页面数量。
本发明基于以下原理大大减少了热迁移时所需传输的虚拟机内存量、以及占用物理机数目：
虚拟机的内存以内存页面为基本单位存储在物理机的内存里。不同虚拟机内存内容之间存在很大的相似性，因此它们之间很多内存页面都是相同的。在进行虚拟机热迁移时，若往一台物理机上迁移多台虚拟机，则相同的虚拟机内存页面只需要传输一次。此外，目标物理机按可用资源量降序排列，并依次用虚拟机进行填充，这一方法能有效减少最终使用的物理机数目。
有益效果：
本发明在云数据中心批量热迁移虚拟机时，首先按可用计算资源量降序排列可用物理机，然后在满足资源约束的情况下，通过计算内存内容之间的相似性挑选出所需传输内存页面数最少的一组虚拟机来依次填充每台物理机，直到所有虚拟机被迁移完成。本发明在整合虚拟机至物理机时利用了虚拟机内存内容之间的相似性，能够优化云数据中心热迁移虚拟机过程中的占用的物理机数量，同时大幅度减少了批量热迁移虚拟机时所需传输的内存数据量，从而提高了云数据中心里物理资源的利用率。实验结果表明，本发明热迁移虚拟机过程中对物理机的使用量和所需传输的内存数据量要少于已有的First-Fit虚拟机打包算法和Greed-Flow算法。
附图说明
图1为本发明的流程图。
图2为各个算法就使用物理机数量的对比情况；图2(a)-(d)分别为各个算法在四个云数据中心里就使用的物理机数目的对比情况。
图3为各个算法就所需传输的虚拟机内存页面数量对比情况；图3(a)-(d)分别为为各个算法在四个云数据中心里就所需传输的虚拟机内存页面数目的对比情况。
在图2-3中，本发明提出的算法为Greedy_Hybrid，与之比较的算法为Greedy_Flow与First_Fit。
具体实施方式
下面结合附图对本发明作进一步的说明。
参见图1，图1为本发明的流程图。过程如下：
一种云数据中心里基于共享内存页面的虚拟机整合方法，其特征在于，包括以下步骤：
步骤一：输入n台物理机的集合P，m台待迁移虚拟机的集合V，n台物理机空载时的可用CPU资源总量与可存储的虚拟机内存页面总数分别为PC和PM；其中第l台物理机pm_l的可用CPU资源量为PC(pm_l)，可存储的内存页面数为PM(pm_l)，其上存储的虚拟机内存页面集合为PM_M(pm_l)，l＝1,2,…,n；第k台虚拟机vm_k需求的CPU资源量为VC(vm_k)，包含的内存页面集合为VM(vm_k)，k＝1,2,…,m；
步骤二：将物理机按可用资源量降序排列，构成物理机列表PM_List；P中的第l台物理机pm_l的可用资源量计算方法如下：
Figure BDA0001499890770000061
步骤三：将PM_List中第一个物理机记为PM1，将准备迁移至PM1的虚拟机集合记为T1，将T1初始化为空集；
步骤四：判断V是否为空集，若是，则算法终止；若V不为空集，则进入步骤五；
步骤五：修正V中每台虚拟机包含的内存页面集合VM(vm_k)为VM(vm_k)\PM_M(PM1)，即令VM(vm_k)＝VM(vm_k)\PM_M(PM1)，其中符号\表示求两个集合的差集，PM_M(PM1)表示物理机PM1上存储的虚拟机内存页面集合；
步骤六：设置新增的需要迁移至PM1的虚拟机的数量i，i≥1；
步骤七：从V中选出包含i个虚拟机的子集V'，使得PM1有足够资源运行这i台虚拟机的同时，
Figure BDA0001499890770000062
最小；若找不到i个满足条件的虚拟机，则令V'为空集；
步骤八：判断V'是否为空集，若不为空集则将V'并入T1，然后将其从V中删除，跳转至步骤四；若V'为空集，则进入步骤九；
步骤九：判断i是否等于1，若不等于1，则令i＝i-1并跳转至步骤七；若i等于1，则进入步骤十；
步骤十：将T1中的虚拟机迁移至PM1；从PM_List中删除PM1，跳转至步骤三。
为验证本发明的有效性，本实施例中通过Matlab仿真平台来实现本发明，并进行了性能测试。
在性能测试中，模拟了4个云数据中心，每个云数据中心包含了400台物理机与1000个待迁移的虚拟机。在每个数据中心的物理机上，已经随机运行着500台虚拟机。性能测试中测试了5种工作负载：1)从1000台虚拟机中随机抽取200台进行迁移；2)从1000台虚拟机中随机抽取400台进行迁移；3)从1000台虚拟机中随机抽取600台进行迁移；4)从1000台虚拟机中随机抽取800台进行迁移；5)一次性将这1000台全部迁移出去。其中，前4中工作负载随机抽取10次来运行各种算法进行比较。
从图2中可以看出，在四个云数据中心里，相较其他两种算法，Greedy_Hybrid使用最小数量的物理机来装下各种工作负载的虚拟机。从图3可以看出，在四个云数据中心里，相较其他两种算法，Greedy_Hybrid总是能传输数量最少的虚拟机内存页面，而且随着工作负载的规模增大，Greedy_Hybrid的优势也逐渐变得更加明显。

Claims (4)

1.一种云数据中心里基于共享内存页面的虚拟机整合方法，其特征在于，包括以下步骤：
步骤一：输入n台物理机的集合P，m台待迁移虚拟机的集合V，n台物理机空载时的可用CPU资源总量与可存储的虚拟机内存页面总数分别为PC和PM；其中第l台物理机pm_l的可用CPU资源量为PC(pm_l)，可存储的内存页面数为PM(pm_l)，其上存储的虚拟机内存页面集合为PM_M(pm_l)，l＝1,2,…,n；第k台虚拟机vm_k需求的CPU资源量为VC(vm_k)，包含的内存页面集合为VM(vm_k)，k＝1,2,…,m；
步骤二：将物理机按可用资源量降序排列，构成物理机列表PM_List；
步骤三：将PM_List中第一个物理机记为PM1，将准备迁移至PM1的虚拟机集合记为T1，将T1初始化为空集；
步骤四：判断V是否为空集，若是，则算法终止；若V不为空集，则进入步骤五；
步骤五：修正V中每台虚拟机包含的内存页面集合VM(vm_k)为VM(vm_k)\PM_M(PM1)，即令VM(vm_k)＝VM(vm_k)\PM_M(PM1)，其中符号\表示求两个集合的差集，PM_M(PM1)表示物理机PM1上存储的虚拟机内存页面集合；
步骤六：设置新增的需要迁移至PM1的虚拟机的数量i，i≥1；
步骤七：从V中选出包含i个虚拟机的子集V'，使得PM1有足够资源运行这i台虚拟机的同时，这i台虚拟机包含的内存页面数量最小；若找不到i个满足条件的虚拟机，则令V'为空集；
其中，所述步骤七中，寻找包含的内存页面数量最小的i台虚拟机的方法为：求解使得
Figure FDA0003271751820000011
最小的子集V'，判定该子集V'包含的i个虚拟机为包含的内存页面数量最小的i台虚拟机，其中VM(V')为集合V'中所有虚拟机包含的内存页面集合，TM＝VM(T1)∪PM_M(PM1)，VM(T1)为T1中所有虚拟机所包含的虚拟机内存页面集合，PM_M(PM1)为PM1上存储的虚拟机内存页面集合，||表示集合中的页面数量；
步骤八：判断V'是否为空集，若不为空集则将V'并入T1，然后将其从V中删除，跳转至步骤四；若V'为空集，则进入步骤九；
步骤九：判断i是否等于1，若不等于1，则令i＝i-1并跳转至步骤七；若i等于1，则进入步骤十；
步骤十：将T1中的虚拟机迁移至PM1；从PM_List中删除PM1，跳转至步骤三。
2.根据权利要求1所述的云数据中心里基于共享内存页面的虚拟机整合方法，其特征在于，P中的第l台物理机pm_l的可用资源量计算方法为：
Figure FDA0003271751820000021
3.根据权利要求1所述的云数据中心里基于共享内存页面的虚拟机整合方法，其特征在于，所述步骤六中，设置i＝3。
4.根据权利要求1所述的云数据中心里基于共享内存页面的虚拟机整合方法，其特征在于，所述步骤七中，判断PM1是否有足够资源运行这i台虚拟机的方法为：当以下两个不等式同时成立，则PM1有足够资源：
Figure FDA0003271751820000022
Figure FDA0003271751820000023
其中，VC(vm)为虚拟机vm需求的CPU资源量，VM(vm)为虚拟机vm包含的内存页面集合，PC(PM1)为物理机PM1的可用CPU资源量，PM(PM1)为物理机PM1可存储的内存页面数，||表示集合中的页面数量。
CN201711293781.8A 2017-12-08 2017-12-08 一种云数据中心里基于共享内存页面的虚拟机整合方法 Active CN107967168B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711293781.8A CN107967168B (zh) 2017-12-08 2017-12-08 一种云数据中心里基于共享内存页面的虚拟机整合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711293781.8A CN107967168B (zh) 2017-12-08 2017-12-08 一种云数据中心里基于共享内存页面的虚拟机整合方法

Publications (2)

Publication Number Publication Date
CN107967168A CN107967168A (zh) 2018-04-27
CN107967168B true CN107967168B (zh) 2021-11-12

Family

ID=61998454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711293781.8A Active CN107967168B (zh) 2017-12-08 2017-12-08 一种云数据中心里基于共享内存页面的虚拟机整合方法

Country Status (1)

Country Link
CN (1) CN107967168B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103524A (zh) * 2010-12-23 2011-06-22 北京航空航天大学 一种面向内存冗余的虚拟机迁移装置及其方法
CN102866915A (zh) * 2012-08-21 2013-01-09 华为技术有限公司 虚拟化集群整合方法、装置及虚拟化集群系统
CN106155933A (zh) * 2016-07-06 2016-11-23 乾云众创（北京）信息科技研究院有限公司 一种基于KSM及Pass‑through相结合的虚拟机内存共享方法
CN106502765A (zh) * 2016-11-07 2017-03-15 中南大学 一种适用于云数据中心的虚拟机放置方法
CN106648829A (zh) * 2016-10-28 2017-05-10 广州市泰富信通科技有限公司 云资源高效利用的虚拟机迁移方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8650563B2 (en) * 2010-02-26 2014-02-11 Red Hat Israel, Ltd. Identification and placement of new virtual machines to reduce memory consumption based on shared images with hosted virtual machines
US8631405B2 (en) * 2010-02-26 2014-01-14 Red Hat Israel, Ltd. Identification and placement of new virtual machines based on similarity of software configurations with hosted virtual machines
US9280385B2 (en) * 2013-12-19 2016-03-08 International Business Machines Corporation Optimally provisioning and merging shared resources to maximize resource availability
US9823842B2 (en) * 2014-05-12 2017-11-21 The Research Foundation For The State University Of New York Gang migration of virtual machines using cluster-wide deduplication
US11074092B2 (en) * 2015-12-18 2021-07-27 Intel Corporation Virtual machine batch live migration
CN106909462A (zh) * 2017-02-27 2017-06-30 郑州云海信息技术有限公司 一种云资源调度方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103524A (zh) * 2010-12-23 2011-06-22 北京航空航天大学 一种面向内存冗余的虚拟机迁移装置及其方法
CN102866915A (zh) * 2012-08-21 2013-01-09 华为技术有限公司 虚拟化集群整合方法、装置及虚拟化集群系统
CN106155933A (zh) * 2016-07-06 2016-11-23 乾云众创（北京）信息科技研究院有限公司 一种基于KSM及Pass‑through相结合的虚拟机内存共享方法
CN106648829A (zh) * 2016-10-28 2017-05-10 广州市泰富信通科技有限公司 云资源高效利用的虚拟机迁移方法
CN106502765A (zh) * 2016-11-07 2017-03-15 中南大学 一种适用于云数据中心的虚拟机放置方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
An Empirical Study on Memory Sharing of Virtual Machines for Server Consolidation;Chao-Rui Chang 等;《2011 IEEE Ninth International Symposium on Parallel and Distributed Processing with Applications》;20110714;244-249 *
Distributed Shared Memory Based Live VM Migration;Tariq Daradkeh等;《2016 IEEE 9th International Conference on Cloud Computing (CLOUD)》;20170119;826-830 *
Memory Buddies:Exploiting Page Sharing for Smart Colocation in Virtualized Data Centers;Timothy Wood 等;《Proceedings of the 2009 ACM SIGPLAN/SIGOPS International Conference on Virtual Execution Environments》;20090313;第3-4节 *
云环境下基于内存共享的服务器整合算法研究;陈静怡;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130315(第3期);I137-129 *
面向CPU资源超售环境的虚拟化平台管理方法研究;刘瑛;《中国博士学位论文全文数据库 信息科技辑》;20170815(第8期);I137-2 *

Also Published As

Publication number Publication date
CN107967168A (zh) 2018-04-27

Similar Documents

Publication Publication Date Title
US11258725B2 (en) Distributed stream-based database triggers
US8893131B2 (en) System and/or method for bulk loading of records into an ordered distributed database
CN102968503B (zh) 数据库系统的数据处理方法以及数据库系统
CN104375897B (zh) 基于最小相对负载不均衡度的云计算资源调度方法
CN108196935B (zh) 一种面向云计算的虚拟机节能迁移方法
CN106502765B (zh) 一种适用于云数据中心的虚拟机放置方法
CN104219318A (zh) 一种分布式文件存储系统及方法
CN114443211B (zh) 虚拟机热迁移方法、设备及存储介质
CN102968344A (zh) 一种多虚拟机迁移调度的方法
CN103995863B (zh) 一种重复数据删除的方法及装置
CN103885829A (zh) 一种基于统计的虚拟机跨数据中心动态迁移优化方法
CN108810115A (zh) 一种适用于分布式数据库的负载均衡方法、装置及服务器
CN110308973A (zh) 一种基于能耗优化的容器动态迁移方法
CN106712928A (zh) 基于大数据彩虹表的解密方法和装置
CN109669644A (zh) 一种数据存储的方法和装置
CN104866375B (zh) 一种迁移虚拟机的方法及装置
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
CN102750353B (zh) 一种在键值库中进行分布式数据分析的方法
CN107967168B (zh) 一种云数据中心里基于共享内存页面的虚拟机整合方法
CN104050189B (zh) 页面共享处理方法及装置
CN114443212A (zh) 热迁移管理方法、装置、设备及存储介质
CN106201655B (zh) 虚拟机分配方法和虚拟机分配系统
CN108776698A (zh) 一种基于Spark的抗偏斜的数据分片方法
WO2014071580A1 (zh) 一种迁移计算节点的方法及装置
US10387578B1 (en) Utilization limiting for nested object queries

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