虚拟机部署方法和装置制造方法及图纸

本发明专利技术实施例提供的虚拟机部署方法和装置，包括：接收用户发送的部署虚拟机的请求，根据所述接收到的请求确定待部署虚拟机的个数n以及每个待部署虚拟机请求消耗的资源；根据预设算法以及约束条件求解目标函数min(rank(X))以获取最优解矩阵；其中，rank(X)为矩阵X的秩，矩阵X为n个待部署虚拟机与m个用于部署虚拟机的物理机的映射关系矩阵，约束条件包括：||xj||0＝1，||xj||0表示矩阵X中第j列向量xj的l0范数；Q·XT≤R，XT为矩阵X的转置矩阵，矩阵Q＝[qj]d×n表示待部署虚拟机VMj请求消耗的资源，R＝[ri]d×m表示物理机PMi提供的资源，d为资源的种类的个数；根据获取的最优解矩阵中的元素的值部署虚拟机。通过本发明专利技术的方案，能求解得到唯一最优的虚拟机部署方案，求解稳定性较高以及准确度较高。

【技术实现步骤摘要】
虚拟机部署方法和装置
本专利技术涉及云平台应用
，具体涉及一种虚拟机部署方法和装置。
技术介绍
基础设施即服务(英文：Infrastructure-as-a-Service，缩写：IaaS)平台是当前云计算平台最重要的一种表现形式，通过对基础设施的虚拟化，将物理资源(如服务器的带宽、内存或者硬盘空间等)按需分配给用户使用。随着云数据中心对各种资源需求量的增加，如何通过资源的合理调度以降低数据中心能耗、提高系统资源利用率已成为未来云计算发展的重要研究方向之一。IaaS云平台资源调度的实质是根据用户资源需求进行虚拟机的优化部署。现有的IaaS云平台的虚拟机部署方案中通常采用启发式算法以解决虚拟机部署的组合优化问题，选择最优的部署方案。启发式算法是指受大自然的运行规律或者面向具体问题的经验、规则启发出来的方法。启发式算法都是根据经验提出的，没有坚实的理论基础。常用的启发式算法主要包括模拟退火、遗传算法、蚁群算法、粒子群算法等。随着IaaS云平台资源调度中任务的增加、资源种类的多样化以及系统的复杂性增强，启发式算法这类经验型算法的可扩展性有限，往往会将复杂性放大，增加了问题求解的难度。启发式算法得到的解只是近似最优解，全局最优性无法保证。这也使得算法性能不够稳定，有时会造成计算结果的不可信。综上所述，现有的IaaS云平台的虚拟机部署方案存在稳定性较差以及准确度较差的问题。
技术实现思路
本专利技术实施例提供的虚拟机部署方法和装置，可以解决现有技术方案中存在的稳定性较差以及准确度较差的问题。第一方面，本专利技术实施例提供一种虚拟机部署方法，所述方法包括：接收用户发送的部署虚拟机的请求，根据所述接收到的请求确定待部署虚拟机的个数n以及所述每个待部署虚拟机请求消耗的资源；根据预设算法以及约束条件求解目标函数min(rank(X))以获取最优解矩阵；其中，min函数为求最小值的函数，rank(X)表示矩阵X的秩，矩阵X为所述n个待部署虚拟机与m个用于部署虚拟机的物理机的映射关系矩阵，矩阵X＝[xij]，i为用于部署虚拟机的物理机的编号且i∈[1,m]，j为待部署虚拟机的编号且j∈[1,n]，xij∈{0,1}，xij表示第j个待部署虚拟机VMj与第i个用于部署虚拟机的物理机PMi的映射关系，当xij＝1表示在所述物理机PMi上部署所述待部署虚拟机VMj，当xij＝0表示不在所述物理机PMi上部署所述待部署虚拟机VMj；所述约束条件包括：||xj||0＝1，xj为矩阵X中的第j列向量，||xj||0表示矩阵X中第j列向量xj的l0范数；Q·XT≤R，XT为矩阵X的转置矩阵，矩阵Q＝[qj]d×n，qj为矩阵Q的列向量，表示所述待部署虚拟机VMj请求消耗的资源，R＝[ri]d×m，ri为矩阵R的列向量，表示所述物理机PMi提供的资源，d为所述资源的种类的个数；根据所述获取的最优解矩阵中的元素的值部署虚拟机。结合第一方面，在第一种可能的实现方式中，所述根据预设算法以及约束条件求解目标函数min(rank(X))以获取最优解矩阵包括：将所述目标函数转换为第二目标函数其中，λ为大于或等于0的预设值，为矩阵SX(E)的F范数的平方，矩阵E＝R-Q·XT为d×m的矩阵，用于表示所述m个用于部署虚拟机的物理机各自剩余的资源，矩阵SX(E)为d×p的矩阵，用于表示部署所述n个待部署虚拟机使用的p个物理机各自剩余的资源，d为所述资源的种类的个数；将所述约束条件中的Q·XT≤R更新为Q·XT+E＝R,E≥0；根据所述预设算法以及所述更新后的约束条件求解所述第二目标函数以获取所述最优解矩阵。结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述根据所述预设算法以及所述更新后的约束条件求解所述第二目标函数以获取所述最优解矩阵包括：根据拉格朗日乘数法、所述更新后的约束条件以及所述第二目标函数构造拉格朗日函数其中，拉格朗日乘数μ为大于0的预设值；根据Et和迭代算法对所述拉格朗日函数进行求解得到矩阵Xt；其中，t为自然数，当t＝0时，初始矩阵E0为随机生成的d×m的矩阵且E0≤R；根据所述矩阵Xt和所述迭代算法对所述拉格朗日函数进行求解得到矩阵Et+1；当Et+1-Et≤ε时，停止迭代，则将所述矩阵X的收敛值Xt作为所述最优解矩阵；其中，ε为预设的极小值。结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述迭代算法包括：迭代收缩阈值算法、贪心算法或套索算法(英文：TheLeastAbsoluteShrinkageandSelectionatorOperator，缩写：LASSO)。结合第一方面或其上述任一可能的实现方式，在第四种可能的实现方式中，所述资源的种类包括：操作系统类型、处理器CPU的频率、处理器CPU的核心数、内存、硬盘空间以及带宽；相应的，则d＝6。第二方面，本专利技术实施例提供一种用于部署虚拟机的装置，所述装置包括：接收单元，用于接收用户发送的部署虚拟机的请求，根据所述接收到的请求确定待部署虚拟机的个数n以及所述每个待部署虚拟机请求消耗的资源；计算单元，用于根据预设算法以及约束条件求解目标函数min(rank(X))以获取最优解矩阵；其中，min函数为求最小值的函数，rank(X)表示矩阵X的秩，矩阵X为所述n个待部署虚拟机与m个用于部署虚拟机的物理机的映射关系矩阵，矩阵X＝[xij]，i为用于部署虚拟机的物理机的编号且i∈[1,m]，j为待部署虚拟机的编号且j∈[1,n]，xij∈{0,1}，xij表示第j个待部署虚拟机VMj与第i个用于部署虚拟机的物理机PMi的映射关系，当xij＝1表示在所述物理机PMi上部署所述待部署虚拟机VMj，当xij＝0表示不在所述物理机PMi上部署所述待部署虚拟机VMj；所述约束条件包括：||xj||0＝1，xj为矩阵X中的第j列向量，||xj||0表示矩阵X中第j列向量xj的l0范数；Q·XT≤R，XT为矩阵X的转置矩阵，矩阵Q＝[qj]d×n，qj为矩阵Q的列向量，表示所述待部署虚拟机VMj请求消耗的资源，R＝[ri]d×m，ri为矩阵R的列向量，表示所述物理机PMi提供的资源，d为所述资源的种类的个数；部署单元，用于根据所述获取的最优解矩阵中的元素的值部署虚拟机。结合第二方面，在第一种可能的实现方式中，所述计算单元具体用于：将所述目标函数转换为第二目标函数其中，λ为大于或等于0的预设值，为矩阵SX(E)的F范数的平方，矩阵E＝R-Q·XT为d×m的矩阵，用于表示所述m个用于部署虚拟机的物理机各自剩余的资源，矩阵SX(E)为d×p的矩阵，用于表示部署所述n个待部署虚拟机使用的p个物理机各自剩余的资源，d为所述资源的种类的个数；将所述约束条件中的Q·XT≤R更新为Q·XT+E＝R,E≥0；根据所述预设算法以及所述更新后的约束条件求解所述第二目标函数以获取所述最优解矩阵。结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述计算单元具体用于：根据拉格朗日乘数法、所述更新后的约束条件以及所述第二目标函数构造拉格朗日函数其中，拉格朗日乘数μ为大于0的预设值；根据Et和迭代算法对所述拉格朗日函数进行求解得到矩阵Xt；其中，t为自然数，当t＝0时，初始矩阵E0为随机生成的d本文档来自技高网...

【技术保护点】
一种虚拟机部署方法，其特征在于，包括：接收用户发送的部署虚拟机的请求，根据所述接收到的请求确定待部署虚拟机的个数n以及所述每个待部署虚拟机请求消耗的资源；根据预设算法以及约束条件求解目标函数min(rank(X))以获取最优解矩阵；其中，min函数为求最小值的函数，rank(X)表示矩阵X的秩，矩阵X为所述n个待部署虚拟机与m个用于部署虚拟机的物理机的映射关系矩阵，矩阵X＝[xij]，i为用于部署虚拟机的物理机的编号且i∈[1,m]，j为待部署虚拟机的编号且j∈[1,n]，xij∈{0,1}，xij表示第j个待部署虚拟机VMj与第i个用于部署虚拟机的物理机PMi的映射关系，当xij＝1表示在所述物理机PMi上部署所述待部署虚拟机VMj，当xij＝0表示不在所述物理机PMi上部署所述待部署虚拟机VMj；所述约束条件包括：||xj||0＝1，xj为矩阵X中的第j列向量，||xj||0表示矩阵X中第j列向量xj的l0范数；Q·XT≤R，XT为矩阵X的转置矩阵，矩阵Q＝[qj]d×n，qj为矩阵Q的列向量，表示所述待部署虚拟机VMj请求消耗的资源，R＝[ri]d×m，ri为矩阵R的列向量，表示所述物理机PMi提供的资源，d为所述资源的种类的个数；根据所述获取的最优解矩阵中的元素的值部署虚拟机。...

【技术特征摘要】
1.一种虚拟机部署方法，其特征在于，包括：接收用户发送的部署虚拟机的请求，根据所述接收到的请求确定待部署虚拟机的个数n以及所述每个待部署虚拟机请求消耗的资源；根据预设算法以及约束条件求解目标函数min(rank(X))以获取最优解矩阵；其中，min函数为求最小值的函数，rank(X)表示矩阵X的秩，矩阵X为所述n个待部署虚拟机与m个用于部署虚拟机的物理机的映射关系矩阵，矩阵X＝[xij]，i为用于部署虚拟机的物理机的编号且i∈[1,m]，j为待部署虚拟机的编号且j∈[1,n]，xij∈{0,1}，xij表示第j个待部署虚拟机VMj与第i个用于部署虚拟机的物理机PMi的映射关系，当xij＝1表示在所述物理机PMi上部署所述待部署虚拟机VMj，当xij＝0表示不在所述物理机PMi上部署所述待部署虚拟机VMj；所述约束条件包括：||xj||0＝1，xj为矩阵X中的第j列向量，||xj||0表示矩阵X中第j列向量xj的l0范数；Q·XT≤R，XT为矩阵X的转置矩阵，矩阵Q＝[qj]d×n，qj为矩阵Q的列向量，表示所述待部署虚拟机VMj请求消耗的资源，R＝[ri]d×m，ri为矩阵R的列向量，表示所述物理机PMi提供的资源，d为所述资源的种类的个数；根据所述获取的最优解矩阵中的元素的值部署虚拟机；其中，所述根据预设算法以及约束条件求解目标函数min(rank(X))以获取最优解矩阵包括：将所述目标函数转换为第二目标函数其中，λ为大于或等于0的预设值，为矩阵SX(E)的F范数的平方，矩阵E＝R-Q·XT为d×m的矩阵，用于表示所述m个用于部署虚拟机的物理机各自剩余的资源，矩阵SX(E)为d×p的矩阵，用于表示部署所述n个待部署虚拟机使用的p个物理机各自剩余的资源，d为所述资源的种类的个数；将所述约束条件中的Q·XT≤R更新为Q·XT+E＝R,E≥0；根据所述预设算法以及所述更新后的约束条件求解所述第二目标函数以获取所述最优解矩阵；所述根据所述预设算法以及所述更新后的约束条件求解所述第二目标函数以获取所述最优解矩阵包括：根据拉格朗日乘数法、所述更新后的约束条件以及所述第二目标函数构造拉格朗日函数其中，拉格朗日乘数μ为大于0的预设值；根据Et和迭代算法对所述拉格朗日函数进行求解得到矩阵Xt；其中，t为自然数，当t＝0时，初始矩阵E0为随机生成的d×m的矩阵且E0≤R；根据所述矩阵Xt和所述迭代算法对所述拉格朗日函数进行求解得到矩阵Et+1；当Et+1-Et≤ε时，停止迭代，则将所述矩阵X的收敛值Xt作为所述最优解矩阵；其中，ε为预设的极小值。2.根据权利要求1所述的方法，其特征在于，所述迭代算法包括：迭代收缩阈值算法、贪心算法或套索算法LASSO。3.根据权利要求1至2任一所述的方法，其特征在于，所述资源的种类包括：操作系统类型、处理器CPU的频率、处理器CPU的核心...

【专利技术属性】
技术研发人员：汤雅妃，王志军，魏进武，郭志斌，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11