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，还可以根据这些附图获得其他的附图。
[0041]图1为一种云计算系统在调整前的虚拟机部署方案示意图；
[0042]图2为图1所示系统的节点间通信代价矩阵示意图；
[0043]图3为根据现有技术对图1所示系统的虚拟机部署方案调整结果示意图；
[0044]图4为本发明实施例提供的虚拟机部署位置调整方法的流程图；
[0045]图5为图1所示系统的节点间修正通信代价矩阵示意图；
[0046]图6为根据本发明实施例对图1所示系统的虚拟机部署方案调整结果示意图；
[0047]图7为本发明实施例提供的虚拟机部署位置调整装置的一种结构示意图
[0048]图8为本发明实施例提供的虚拟机部署位置调整装置中的最小割计算模块一种结构示意图；
[0049]图9为本发明实施例提供的虚拟机部署位置调整装置的硬件结构示意图。
【具体实施方式】
[0050]针对TVMPP在实际应用中存在的问题，本发明实施例提供一种改进的云计算系统虚拟机部署位置调整方法，为了更清楚地说明本发明实施例所提供的技术方案，下面首先对TVMPP进行简单介绍:
[0051]TVMPP定义任意两个节点之间的邻接度Aij为:
[0052]Aij=CijADij (I)
[0053]其中，Cij为节点i和节点j之间的通信代价，D u为节点i和节点j之间的数据流量。
[0054]将系统中的每一台虚拟机的部署位置看作一个虚拟机节点，根据式(I)，可以计算得到系统中任意两个虚拟机节点的邻接度，然后根据计算结果生成一幅以虚拟机节点为顶点、以节点邻接度为边权重值的图，对该图应用最小割算法，得到建议的虚拟机部署方案，按照该方案对虚拟机进行迀移即可。
[0055]下面结合一个实际应用场景对TVMPP进行说明，图1所示为一种云计算系统的结构示意图；该系统共有8台服务器，每台服务器对应一台物理机，每台物理机中部署两台虚拟机，编号依次为1-16。物理机之间通过交换机构成的中间网络实现通信，图中a、b、c......为交换机。
[0056]假设系统初始的虚拟机部署方案如图1所示，根据网络的拓扑结构确定Cu，可以得到如图2所示之间的通信代价矩阵。
[0057]假设控制器监测到在某段历史时期内，图1所示的初始部署方案的流量情况如下:
[0058]节点I与节点2之间流量:D12= 2G ；
[0059]节点I与节点3之间流量:D13= 2G ；
[0060]节点I与节点4之间流量:D14= 2G ；
[0061]节点I与节点5之间流量:D15= IG ；
[0062]节点I与节点13之间流量-D113= IG ；
[0063]那么，根据公式(I)，可以计算得到，图1所示的系统节点间邻接度分别为:
[0064]节点I与节点2之间的邻接度:A12= 2*1 = 2 ;
[0065]节点I与节点3之间的邻接度:A13= 2*1 = 2 ;
[0066]节点I与节点4之间的邻接度:A14= 2*1 = 2 ;
[0067]节点I与节点5之间的邻接度:A15= 1*3 = 3 ；
[0068]节点I与节点13之间的邻接度:A113= 1*5 = 5 ;
[0069]根据计算得到的邻接度，生成邻接度图，然后采用最小割算法，得到调整后的虚拟机部署方案如图3所示。
[0070]根据TVMPP的思想，将邻接度最大的两个虚拟机I和13之间的通信代价调整为最小、将虚拟机I和5之间的通信代价调整为次小。然而，根据系统的实际流量情况=D113 =D15< D 12= D 13= D 14，应该优先把流量较大虚拟机I和2、虚拟机I和3或虚拟机I和4之间的通信代价调整到最小，可见，TVMPP的调整结果与实际期望的调整结果存在较大偏差。
[0071]通过对现有技术的分析发现，TVMPP存在以上问题的关键原因在于:在调整虚拟机位置的依据“节点间邻接度”中，作为权值的“节点间通信代价”本来仅应起到修正作用，然而“节点间通信代价”在TVMPP计算过程中却起主导作用，最终导致结果与期望严重不符。
[0072]针对上述问题，本发明实施例提出对节点邻接度计算时所采用的权值进行修正，在考虑到“节点间通信代价”影响的同时，降低“节点间通信代价”对调整结果的影响，使得调整结果更为合理，具体技术方案如下:
[0073]首先，根据虚拟机所在网络的拓扑结构，确定任意两个虚拟机节点i和j之间的通信代价Cu，然后对Cu使用数据平滑算法，得到虚拟机节点i和j之间的通信代价的修正值
Cij 。
[0074]在本发明的实施例中，使用数据平滑算法的目的是:减小Cu中最大值和最小值的差距，减小Cij的数值范围。例如，可以采用以下任一公式，对C ^进行平滑处理，得到修正值
C..，.^ij.
[0075]Ci/ = Ci^Pij+CE* (1-Pij) (2.1)
[0076]其中，Pij为C u在网络中所有C u取值中的统计概率，C E为所有C ^的算术平均值。
[0077]Ci/ = Cij^Pij+1 Cij-Ce I* (1-Pij) (2.2)
[0078]其中，Pij为C u在网络中所有C u取值中的统计概率，C E为所有C ^的算术平均值。
[0079]Ci/ = a^Cjj+CE (2.3)
[0080]其中，a是预设的修正系数，a e (0，I)，Ce是所有C ^的算术平均值。
[0081]本领域技术人员可以根据实际需求选择具体的数据平滑算法，本发明实施例对此并不需要进行限定。
[0082]进一步，根据Ci/计算修正后的节点邻接度:
[0083]Ai/ = Cij^Dij (3)
[0084]最后利用Ai/生成网络节点间的邻接度图，采用最小割算法，得到调整后的虚拟机部署方案。
[0085]上述方案中，由于使用了数据平滑算法对Cij进行处理，降低了作为权重的“节点间通信代价”对虚拟机部署调整结果的影响，使调整结果更为合理。
[0086]下面结合具体的应用实例，对本发明实施例所提供的虚拟机部署位置调整方法进行说明。
[0087]以图1所示系统为例，该系统中共有8台服务器，每台服务器对应一台物理机，每台物理机中部署两台虚拟机，编号依次为1-16。物理机之间通过交换机构成的中间网络实现通信，图中a、b、c……为交换机。控制器是整个网络的管理实体，具有统计网络流量、计算虚拟机部署方案、对虚拟机进行迀移等功能。
[0088]图4所示，为本发明实施例所提供的虚拟机部署位置调整方法的流程图，该方法可以由云计算系统中的控制器执行，也可以由其他管理实体执行，具体可以包括以下步骤:
[0089]S101，根据虚拟机所在网络的拓扑结构，以及根据所述网络中任意两个虚拟机节点i和j所述属的物理服务器情况确定所述节点i和j之间的通信代价Cij;
[0090]Cu为表示节点i和节点j之间的通信代价，两个节点之间的通信代价一般可以理解为两个节点之间的通信距离，通信代价由网络拓扑结构决定，也就是说，在一个确定的网络中，任意两个给定位置之间的通信代价是不会变化的。
[0091]为方便计算，两个虚拟机节点之间的通信代价可以根据节点间的交换机数量确定，另外，同一台物理服务器内的虚拟机之间不需要经过交换机即可通信，因此可以统一规定:同一台物理服务器中的两个节点通信代价为一个预设数值。也就是说:在i和j不属于同一物理服务器的情况下，Cij为i和j之间的交换机数量，在i和j属于同一物理服务器的情况下，Ci#预设的数值。一般而言，该预设数值可以在区间(0，1]中选取。
[0092]假设系统初始的虚拟机部署方案如图1所示，并且规定:同一台物理服务器中的两个节点通信代价为I ;则按照图1的部署方案，虚拟机的总数N = 16，可以得到如图2所示的大小为16*16通信代价矩阵。
[0093]根据图2所示的通信代价矩阵，可以看出=Cij= C w即两个节点间的正反向通信代价相同。另外，由于节点与其自身事实上并不存在通信代价的概念，因此当i = j时，Cij并无实际意义，图2所示矩阵中，将主对角线上的值用表示，这些数值不需要参与后续计算。
[0094]S102，对所述Cu使用数据平滑算法，得到所述两个虚拟机节点i和j之间的通信代价的修正值Ci/ ；
[0095]在本实施例中，使用公式(2.1)对Cij进行平滑处理。
[0096]根据系统的网络拓扑结构，统计各种通信代价的取值可能出现的概率，例如:根据图1所示系统的网络拓扑结构，统计结果如下:
[0097]通信代价取值I在网络中的出现概率为1/4 ;
[0098]通信代价取值3在网络中的出现概率为1/4 ;
[0099]通信代价取值5在网络中的出现概率为1/2 ；
[0100]根据统计结果，计算出整个网络中任意两点之间的通信代价平均值Ce:
[0101]Ce= 1*1/4+3*1/4+5*1/2 = 3.5
[0102]根据Ci/ = Ci^Pij+C^(1-Pij)对节点之间的通信代价进行修正，其中Pij是C。在网络中的出现概率:
[0103]通信代价为I的节点对，通信代价的修正值为:
[0104]l*l/4+CE*(l-l/4) = 2.875
[0105]通信代价为3的节点对，通信代价的修正值为:
[0106]3*l/4+CE*(l-l/4) = 3.375
[0107]通信代价为5的节点对，通信代价的修正值为:
[0108]5*l/2+CE* (1-1/2) = 4.25
[0109]进而可以得到如图5所示的修正后的通信代价矩阵。
[0110]S103，获得所述两个虚拟机节点i和j之间在预设历史时段的流量统计值Dij;
[0111]Du为节点i和节点j之间的数据流量，该数据是通过监测网络运行状况得到的，在实际应用中，一般是对系统在某一历史阶段节点间流量进行统