一种云资源的调度方法及装置与流程

本发明涉及云计算虚拟化领域，特别涉及一种云资源的调度方法及装置。

背景技术：

随着现代社会互联网技术的发展，云计算技术作为新一代的IT模式也得到了越来越广泛的应用。云计算技术从网格计算，并行计算和分布式计算发展而来，用户可以利用它来便捷地按需通过网络访问一个可配置的计算资源(如计算、网络、存储、应用和服务等)的共享池，只需最小化的管理工作量或服务提供商干预就可以快速地开通或释放资源。

当前云环境中的资源都是通过虚拟化技术将底层的硬件资源进行虚拟化，形成一个庞大的虚拟资源池，最终动态伸缩的部署方式以服务的形式提供给用户。随着云管理平台中的用户持续使用的增加，使得云数据中心的规模也在不断的加大，如何高效的利用云管理平台中的虚拟资源并快速的提供给用户，是我们现在面临的主要问题。

现有技术中，云资源动态调度依据用户的需求按需分配、添加和释放虚拟资源，并根据物理机的负载均衡情况实时对虚拟资源进行动态的迁移，使得现有的云资源管理平台存在着瞬时资源利用率峰值易引发迁移、动态负载效果不佳等问题。因此，如何有效提高云资源管理平台系统的资源使用效率，提升系统稳定性，提高用户体验度，是现今急需解决的问题。

技术实现要素：

本发明的目的是提供一种云资源的调度方法及装置，通过弹性伸缩策略和动态迁移策略对云平台中的资源进行动态调度，有效提高云平台的资源使用效率，使云平台更加安全可靠，提高用户体验度。

为解决上述技术问题，本发明提供一种云资源的调度方法，包括：

基于弹性伸缩策略和动态迁移策略结合云平台的规模，生成资源调度模型；

通过所述资源调度模型中的弹性伸缩策略和动态迁移策略，对资源分配超过预定值的虚拟资源进行横向和/或纵向多维度的调度。

可选的，所述基于弹性伸缩策略和动态迁移策略结合云平台的规模，生成资源调度模型，包括：

基于所述弹性伸缩策略设置虚拟机处理器、内存和存储的弹性伸缩参数、虚拟数据中心的负载均衡策略和集群中处理器、内存和存储的超量分配比；其中，所述弹性伸缩参数包括上调阈值、下调阈值、上调比例、下调比例和扩容上限值中至少一项，所述负载均衡策略包括处理器和内存的扩容阈值和扩容上限；

基于所述动态迁移策略设置虚拟资源的迁移触发条件和目的迁移信息的参数；其中，所述参数包括迁移所述虚拟资源的基本信息和触发阈值条件。

可选的，所述对资源分配超过预定值的虚拟资源进行横向和/或纵向多维度的调度，包括：

依次对超过所述预定值的虚拟机、所述虚拟机所在的虚拟数据中心和所述虚拟数据中心所在的集群进行弹性伸缩；

判断所述虚拟机是否存在超过所述预定值的资源分配；

若是，则对所述虚拟机进行动态热迁移。

可选的，所述通过所述资源调度模型中的弹性伸缩策略和动态迁移策略，对资源分配超过预定值的虚拟资源进行横向和/或纵向多维度的调度之前，还包括：

监控所述云平台中各种虚拟资源的使用情况；

判断是否存在资源分配超过所述预定值的所述虚拟资源；

若是，则执行所述通过所述资源调度模型中的弹性伸缩策略和动态迁移策略，对资源分配超过预定值的虚拟资源进行横向和/或纵向多维度的调度的步骤。

可选的，所述监控所述云平台中各种虚拟资源的使用情况，包括：

实时监控所述云平台中各种虚拟资源的使用情况；或

按预设时间间隔监控所述云平台中各种虚拟资源的使用情况。

此外，本发明还提供了一种云资源的调度装置，包括：

模型生成模块，用于基于弹性伸缩策略和动态迁移策略结合云平台的规模，生成资源调度模型；

调度模块，用于通过所述资源调度模型中的弹性伸缩策略和动态迁移策略，对资源分配超过预定值的虚拟资源进行横向和/或纵向多维度的调度。

可选的，所述模型生成模块，包括：

弹性伸缩策略子模块，用于基于所述弹性伸缩策略设置虚拟机处理器、内存和存储的弹性伸缩参数、虚拟数据中心的负载均衡策略和集群中处理器、内存和存储的超量分配比；其中，所述弹性伸缩参数包括上调阈值、下调阈值、上调比例、下调比例和扩容上限值中至少一项，所述负载均衡策略包括处理器和内存的扩容阈值和扩容上限；

动态迁移策略子模块，用于基于所述动态迁移策略设置虚拟资源的迁移触发条件和目的迁移信息的参数；其中，所述参数包括迁移所述虚拟资源的基本信息和触发阈值条件。

可选的，所述调度模块，包括：

弹性伸缩子模块，用于依次对超过所述预定值的虚拟机、所述虚拟机所在的虚拟数据中心和所述虚拟数据中心所在的集群进行弹性伸缩；

动态热迁移子模块，用于判断所述虚拟机是否存在超过所述预定值的资源分配；若是，则对所述虚拟机进行动态热迁移。

可选的，该装置还包括：

监控模块，用于监控所述云平台中各种虚拟资源的使用情况；

判断模块，用于判断是否存在资源分配超过所述预定值的所述虚拟资源；若是，向所述调度模块发送启动信号。

可选的，所述监控模块，包括：

间隔监控子模块，按预设时间间隔监控所述云平台中各种虚拟资源的使用情况；或

实时监控子模块，实时监控所述云平台中各种虚拟资源的使用情况。

本发明所提供的一种云资源的调度方法，包括：基于弹性伸缩策略和动态迁移策略结合云平台的规模，生成资源调度模型；通过所述资源调度模型中的弹性伸缩策略和动态迁移策略，对资源分配超过预定值的虚拟资源进行横向和/或纵向多维度的调度；

可见，本发明通过采用基于弹性伸缩策略和动态迁移策略结合云平台的规模生成的资源调度模型，对平台中的虚拟资源进行动态调度，可以避免瞬时资源利用率峰值易引发的迁移、动态负载效果不佳等问题的发生，并且有效的提高了云平台的资源使用效率，提高了云平台的稳定性，使云平台更加安全可靠，提高了用户的体验度。此外，本发明还提供了一种云资源的调度装置，同样具有上述有益效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例所提供的一种云资源的调度方法的流程图；

图2为本发明实施例所提供的另一种云资源的调度方法的流程图；

图3为本发明实施例所提供的一种云资源的调度装置的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本发明实施例所提供的一种云资源的调度方法的流程图。该方法可以包括：

步骤101：基于弹性伸缩策略和动态迁移策略结合云平台的规模，生成资源调度模型。

其中，生成的资源调度模型可以为通过弹性伸缩策略和动态迁移策略设置的各种参数数值，如基于弹性伸缩策略设置虚拟机处理器、内存和存储的弹性伸缩参数、虚拟数据中心的负载均衡策略和集群中处理器、内存和存储的超量分配比，基于动态迁移策略设置虚拟资源的迁移触发条件和目的迁移信息的参数，对于资源调度模型的具体参数数值的设置，可以根据云平台的实用场景或用户需求由云平台自动生成或由设计人员或用户自行设置，本实施例对此不受任何限制。

步骤102：通过所述资源调度模型中的弹性伸缩策略和动态迁移策略，对资源分配超过预定值的虚拟资源进行横向和/或纵向多维度的调度。

其中，云平台中的虚拟资源按层次可以分为：虚拟控制中心(center)、集群(cluster)、虚拟数据中心(vdc)和虚拟机(vm)。虚拟数据中心可以为包括处理器、内存和存储的一组虚拟资源池，虚拟机可以存在某一虚拟数据中心下的虚机，集群可以为一组虚拟资源池的集合。预定值可以为设计人员或用户根据云平台的实用场景或用户需求预先设置的数值，用于确定云平台中虚拟资源的分配情况。当资源分配超过预定值时，则说明该资源分配的指标过高，需要进行调度。本实施例对于预定值的具体设置不做任何限制。

可以理解的是，资源分配可以为云平台中虚拟机的处理器、内存或存储的使用情况，如使用率、分配率及其对应的总量数据。资源分配超过预定值的虚拟资源可以为云平台中一个或几个虚拟机的处理器、内存或存储的一项或几项指标超过对应预定值。对资源分配超过预定值的虚拟资源进行横向和/或纵向多维度的调度，可以为依次对指标超过预定值的虚拟机、该虚拟机所在的虚拟数据中心和该虚拟数据中心所在的集群进行弹性伸缩，若弹性收缩后，该虚拟机的指标还是超过预定值，则可以对该虚拟机进行动态热迁移。本实施例对于具体的调度方式，如弹性收缩的顺序，不做任何限制。

优选的，在本步骤之前还可以加入对云平台中各种虚拟资源的使用情况的监控步骤，用于方便对资源分配超过预定值的虚拟资源的判断，可以实时或按预设时间间隔监控云平台中各种虚拟资源的使用情况，本实施例对此不受任何限制。

需要说明的是，只要可以确定资源分配超过预定值的虚拟资源，对于具体的确定方式，可以通过监控云平台中各种虚拟资源的使用情况，并对资源分配是否超过预定值进行判断的方式，也可以通过其他方式，本实施例对此不做任何限制。

本实施例中，本发明实施例通过采用基于弹性伸缩策略和动态迁移策略结合云平台的规模生成的资源调度模型，对平台中的虚拟资源进行动态调度，可以避免瞬时资源利用率峰值易引发的迁移、动态负载效果不佳等问题的发生，并且有效的提高了云平台的资源使用效率，提高了云平台的稳定性，使云平台更加安全可靠，提高了用户的体验度。

请参考图2，图2为本发明实施例所提供的另一种云资源的调度方法的流程图。该方法可以包括：

步骤201：实时监控云平台中各种虚拟资源的使用情况；

其中，各种虚拟资源的使用情况，可以为云平台中虚拟控制中心(center)、集群(cluster)、虚拟数据中心(vdc)和虚拟机(vm)的使用情况，可以包括各个虚拟资源处理器、内存和存储的使用率、分配率及其对应的总量数据。

步骤202：判断是否存在资源分配超过预定值的虚拟机；若是，则进入步骤203。

可以理解的是，本实施例是以判断虚拟资源中虚拟机的资源分配是否超过预定值，也就是虚拟机的处理器、内存和存储中是否存在超过各自对应预定值的判断方式进行的展示，还可以通过判断虚拟资源中虚拟数据中心的处理器和扩容是否超过各自对应的预定值的判断方式，只要可以与生成的资源调度模型相对应，对于具体的判断方式，本实施例不做任何限制。

步骤203：基于弹性伸缩策略和动态迁移策略结合云平台的规模，生成资源调度模型。

其中，生成资源调度模型可以为通过弹性伸缩策略和动态迁移策略设置的各种参数数值，如基于弹性伸缩策略设置虚拟机处理器、内存和存储的弹性伸缩参数、虚拟数据中心的负载均衡策略和集群中处理器、内存和存储的超量分配比，基于动态迁移策略设置虚拟资源的迁移触发条件和目的迁移信息的参数。

需要说明的是，弹性伸缩参数可以包括上调阈值、下调阈值、上调比例、下调比例和扩容上限值，负载均衡策略可以包括处理器和内存的扩容阈值和扩容上限，迁移触发条件和目的迁移信息的参数可以包括迁移虚拟资源的基本信息(名称/ip)和触发阈值条件，该触发条件可以包括处理器阈值和内存阈值。

可以理解的是，对于资源调度模型的生成时间，可以如本实施例所示，在监测出存在资源分配超过预定值的虚拟机后，再生成资源调度模型，也可以为在开始监测前或开始监测后未监测出存在资源分配超过预定值的虚拟机时，生成资源调度模型，只要可以确保监测出存在资源分配超过预定值的虚拟机后，可以通过下面的步骤使用资源调度模型，对于资源调度模型的生成时间，本实施例不做任何限制。

同样，资源调度模型可以为每次检测中生成后便自动保存的模型，也可以为每次监测出存在资源分配超过预定值的虚拟机后，均重新生成的模型。本实施例对此同样不受任何限制。

步骤204：依次对超过预定值的虚拟机、虚拟机所在的虚拟数据中心和虚拟数据中心所在的集群进行弹性伸缩。

其中，本实施例所提供的方法可以通过弹性伸缩策略对资源分配超过预定值的虚拟机进行弹性伸缩，对于弹性伸缩的具体方式，可以通过如本实施例所展示的依次对超过预定值的虚拟机、虚拟机所在的虚拟数据中心和虚拟数据中心所在的集群进行弹性伸缩的方式，也可以通过其他方式，本实施例对此不做任何限制。

可以理解的是，本步骤中的弹性伸缩方式是针对本实施所展示的资源分配超过预定值的虚拟机，若资源分配超过预定值不为虚拟机而是虚拟数据中心，则可以同样使用本弹性伸缩方式或其他对应的弹性伸缩方式，本实施例对此不做任何限制。

步骤205：判断虚拟机是否存在超过预定值的资源分配；若是，则进入步骤206。

可以理解的是，本步骤的目的是在通过弹性伸缩策略对资源分配超过预定值的虚拟机进行弹性伸缩后，判断该虚拟机的资源分配是否依然超过预定值，若是，则说明需要进行步骤206，通过动态迁移策略对该虚拟机进行热迁移。若否，则可以结束调度，继续监控虚拟资源的使用情况。

需要说明的是，本步骤中的预定值，可以为与上述步骤中相同的预定值，也可以为资源调度模型中动态迁移策略里面设定的触发阈值条件，也就是处理器阈值和内存阈值。本实施例对此不受任何限制。

步骤206：对虚拟机进行动态热迁移。

可以理解的是，对存在超过预定值的资源分配的虚拟机进行动态热迁移，可以为通过资源调度模型中动态迁移策略里设定的迁移虚拟机的基本信息，对该虚拟机进行动态热迁移，可以包括迁移主机和存储。对于具体的迁移方式和迁移到的地点，本实施例不受任何限制。

需要说明的是，本实施例所提供的方法，是对资源分配超过预定值的虚拟机先通过资源调度模型中的弹性伸缩策略进行弹性伸缩，再通过资源调度模型中的动态迁移策略进行动态热迁移，最终完成资源的重新分配和优化。对虚拟资源进行弹性伸缩和动态热迁移，也就是进行横向和纵向多维度的调度。

本实施例中，本发明实施例通过实时监控云平台中各种虚拟资源的使用情况，可以第一时间获取资源分配超过预定值的虚拟机的情况，并进行快速的响应，通过依次对超过预定值的虚拟机、虚拟机所在的虚拟数据中心和虚拟数据中心所在的集群进行弹性伸缩和对虚拟机进行动态热迁移，可以完成对虚拟资源的横向和纵向的多维度的调度，最终完成了资源的重新分配和优化，进一步提升了用户的体验度。

请参考图3，图3为本发明实施例所提供的一种云资源的调度装置的结构图。该装置可以包括：

模型生成模块100，用于基于弹性伸缩策略和动态迁移策略结合云平台的规模，生成资源调度模型；

调度模块200，用于通过所述资源调度模型中的弹性伸缩策略和动态迁移策略，对资源分配超过预定值的虚拟资源进行横向和/或纵向多维度的调度。

可选的，所述模型生成模块100，可以包括：

弹性伸缩策略子模块，用于基于所述弹性伸缩策略设置虚拟机处理器、内存和存储的弹性伸缩参数、虚拟数据中心的负载均衡策略和集群中处理器、内存和存储的超量分配比；其中，所述弹性伸缩参数包括上调阈值、下调阈值、上调比例、下调比例和扩容上限值中至少一项，所述负载均衡策略包括处理器和内存的扩容阈值和扩容上限；

动态迁移策略子模块，用于基于所述动态迁移策略设置虚拟资源的迁移触发条件和目的迁移信息的参数；其中，所述参数包括迁移所述虚拟资源的基本信息和触发阈值条件。

可选的，所述调度模块200，可以包括：

弹性伸缩子模块，用于依次对超过所述预定值的虚拟机、所述虚拟机所在的虚拟数据中心和所述虚拟数据中心所在的集群进行弹性伸缩；

动态热迁移子模块，用于判断所述虚拟机是否存在超过所述预定值的资源分配；若是，则对所述虚拟机进行动态热迁移。

可选的，该装置可以还包括：

监控模块，用于监控所述云平台中各种虚拟资源的使用情况；

判断模块，用于判断是否存在资源分配超过所述预定值的所述虚拟资源；若是，向所述调度模块发送启动信号。

可选的，所述监控模块，可以包括：

间隔监控子模块，按预设时间间隔监控所述云平台中各种虚拟资源的使用情况；或

实时监控子模块，实时监控所述云平台中各种虚拟资源的使用情况。

本实施例中，本发明实施例通过模型生成模块100采用基于弹性伸缩策略和动态迁移策略结合云平台的规模生成的资源调度模型，通过调度模块200对平台中的虚拟资源进行动态调度，可以避免瞬时资源利用率峰值易引发的迁移、动态负载效果不佳等问题的发生，并且有效的提高了云平台的资源使用效率，提高了云平台的稳定性，使云平台更加安全可靠，提高了用户的体验度。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的云资源的调度方法及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。