【技术实现步骤摘要】
一种面向多云管理场景的云资源最优分配方法
[0001]本专利技术属于计算机领域,具体涉及一种面向多云管理场景的云资源最优分配方法。
技术介绍
[0002]自云计算概念提出后,云计算的发展主要经历了三个阶段,初级阶段中以虚拟化技术为基石,表现为基础设施与服务资源虚拟化,第二阶段中以软件定义服务为目标,提出了软件定义网络以及软件定义存储等技术,目前正在步入由混合异构的多种私有云形成的全面多云阶段,多云管理模式已经成为云计算发展的重要阶段。部署多个虚拟私有云,组建多个弹性集群,实现大规模计算已经是业界常态化场景,多云环境已经成为云计算的重要形态,可满足多云管理需求。
[0003]多云管理平台是指可以同时包含多个公有云、私有云、混合云及各种异构服务器资源的统一管理平台。平台能够以在线自动化方式提供应用运行服务及全生命周期管理;整合运维支撑工具,提供多云环境下的运维、管控、运营服务等。相较于单一云服务架构,避免了云平台面临的服务面窄、布局呆板、不灵活、容错性、可靠性差等问题。基于多云架构的云管平台既能很好地利用已有的专有云资源,又能集成第三方云服务并避免厂商锁定,还能根据业务特点动态调整多云部署策略,提供标准化服务。
[0004]多云环境下,如何分配各私有云、专有云的虚拟资源,使得资源利用率最大化,充分发挥多云的优势,是多云管理场景下必须解决的重难点问题。
技术实现思路
[0005](一)要解决的技术问题本专利技术要解决的技术问题是如何提供一种面向多云管理场景的云资源最优分配方法,以解决如何分配 ...
【技术保护点】
【技术特征摘要】
1.一种面向多云管理场景的云资源最优分配方法,其特征在于,该方法包括如下步骤:S1、系统收到虚拟机资源请求,该请求直接传递给资源分配模型;S2、资源分配模型受到资源请求后,向实时监控模块发出采集数据申请,由实时监控模块采集当前时间各服务器集群在各维度资源上的使用情况,维度包括CPU、内存、磁盘和运行时间,并将该信息发送给资源分配模型;S3、资源分配模型依据虚拟机资源申请量和集群资源的实时使用情况,采用粒子群优化算法进行资源分配方案的求解计算,得出最优资源分配方案。2.如权利要求1所述的面向多云管理场景的云资源最优分配方法,其特征在于,资源分配模型具体描述如下:有n个体积不同的虚拟机V
ik
,0<=i<=n,m个容量不同的服务器P
jk
,1<=j<=m,目标是用m个服务器的资源占用率η
jk
两两差值的平方和最小,如式(1)所示,从而实现虚拟机所占资源在各个异构服务器上的均匀分配;目标函数为:其中:其中:约束条件:约束条件:其中k表示资源类型的维度,分别代表CPU、内存、磁盘和持续运行时间;式(2)中U
jk
表示当前服务器j在k维使用的资源量,R
jk
表示虚拟机在服务器j上的第k维资源新申请量;式(3)中V
ik
表示虚拟机i各个维度的资源数值的向量,x
ij
表示虚拟机i是否部署在服务器j上的决策变量;式(4)中C
j
表示第j台服务器可使用资源所占服务器总容量的比例。3.如权利要求2所述的面向多云管理场景的云资源最优分配方法,其特征在于,C
j
定为80%,即单台服务器最大可使用资源不能超过服务器总资源的80%。4.如权利要求2或3所述的面向多云管理场景的云资源最优分配方法,其特征在于,所述S3中粒子群优化算法的求解步骤如下:
S31、随机对种群各粒子位置和速度进行初始化,并采用粒子群优化算法获取粒子的位置向量;S32、根据当前粒子所处的位置信息,计算式(1);S33、重复迭代,更新粒子速度和位置,计算式(1);S34、当到达迭代次数阈值后,找到式(1)的最小值,此时各粒子的最优位置向量即为最终的虚拟机放置方案。5.如权利要求4所述的面向多云管理场景的云资源最优分配方法,其特征在于,所述粒子群优化算法中,假设一个m*n维的搜索空间和一个包含N个粒子的粒子群在其约束条件下搜寻全局最优解,每个粒子包含3个m*n维向量的信息,分别是速度向量S
µ
(i)={S
i1
,S
【专利技术属性】
技术研发人员:杨飞,许健,丁晓东,吴江,霍晓昕,平笑柔,陈娜,苏醒,
申请(专利权)人:北京计算机技术及应用研究所,
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。