本發(fā)明涉及云計算技術(shù)領(lǐng)域，特別是涉及一種用于提高虛擬機(jī)的云計算資源利用率的方法。

背景技術(shù)：

隨著信息技術(shù)的發(fā)展，云計算已經(jīng)逐步成為了業(yè)界的發(fā)展熱點(diǎn)，云計算技術(shù)也逐漸被應(yīng)用到教育、科學(xué)、文化、公安、政府、衛(wèi)生、高性能計算、電子商務(wù)、物聯(lián)網(wǎng)等多個領(lǐng)域，隨之云計算服務(wù)平臺的使用量和活躍度也與日俱增。

隨著云計算的深入發(fā)展，云計算對用戶的生活和工作的影響日益增加，但是，在日常虛擬機(jī)使用過程中，用戶對虛擬機(jī)的計算配置的要求不是一成不變的。隨著工作周期和工作節(jié)奏的變化，用戶對計算資源的要求是一直變化的，如果一直為用戶提供大量的計算資源就會導(dǎo)致計算資源的整體利用率較低，導(dǎo)致資源的荒置；而如果一直為用戶提供較少的計算資源，就會由于計算資源短缺而為用戶的工作和生活帶來極大的不便。

因此，如何提供一種虛擬機(jī)的高可用技術(shù)方案，在滿足云計算用戶對計算資源的需求的同時實(shí)現(xiàn)計算資源的利用最大化，是本領(lǐng)域技術(shù)人員目前需要解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種用于提高虛擬機(jī)的云計算資源利用率的方法，可以在滿足云計算用戶對計算資源的需求的同時實(shí)現(xiàn)計算資源的利用最大化。

為解決上述技術(shù)問題，本發(fā)明提供了如下技術(shù)方案：

一種用于提高虛擬機(jī)的云計算資源利用率的方法，包括：

S11：獲取虛擬機(jī)預(yù)設(shè)時間段內(nèi)的負(fù)載平均使用率；

S12：判斷所述虛擬機(jī)的負(fù)載平均使用率是否處于對應(yīng)負(fù)載的預(yù)設(shè)調(diào)節(jié)閾值范圍內(nèi)；

S13：若否，則判斷所述虛擬機(jī)當(dāng)前配置是否處于預(yù)設(shè)的配置閾值范圍內(nèi)；

S14：若是，則判斷所述虛擬機(jī)是否支持所述負(fù)載的熱插拔，若所述虛擬機(jī)不支持所述負(fù)載的熱插拔，則執(zhí)行步驟S15，否則，直接執(zhí)行步驟S16；

S15：將虛擬機(jī)關(guān)機(jī)，然后執(zhí)行步驟S16；

S16：對所述虛擬機(jī)進(jìn)行配置調(diào)整。

優(yōu)選地，在對所述虛擬機(jī)進(jìn)行配置調(diào)整之后，還包括：

若所述虛擬機(jī)不支持所述負(fù)載的熱插拔，則將所述虛擬機(jī)開機(jī)。

優(yōu)選地，所述負(fù)載包括所述虛擬機(jī)的CPU和內(nèi)存。

優(yōu)選地，所述判斷所述虛擬機(jī)的負(fù)載平均使用率是否處于對應(yīng)負(fù)載的預(yù)設(shè)調(diào)節(jié)閾值范圍內(nèi)，包括：

判斷所述虛擬機(jī)的負(fù)載平均使用率是否處于對應(yīng)負(fù)載的縮減閾值至擴(kuò)容閾值之間。

優(yōu)選地，所述判斷所述虛擬機(jī)當(dāng)前配置是否處于預(yù)設(shè)的配置閾值范圍內(nèi)，包括：

判斷所述虛擬機(jī)的當(dāng)前配置是否處于預(yù)設(shè)的配置的縮減下限和擴(kuò)容上限之間。

優(yōu)選地，在所述獲取虛擬機(jī)預(yù)設(shè)時間段內(nèi)的負(fù)載平均使用率之前，還包括：

通過任務(wù)調(diào)度每隔預(yù)設(shè)時間段對虛擬機(jī)進(jìn)行輪詢檢測，判斷所述虛擬機(jī)是否開啟了高可用彈性伸縮策略；

若是，則執(zhí)行步驟S11。

優(yōu)選地，所述對所述虛擬機(jī)進(jìn)行配置調(diào)整，包括：

以判定所述虛擬機(jī)開啟了高可用彈性伸縮策略的時間點(diǎn)的所述虛擬機(jī)的配置為基準(zhǔn)，每次以該基準(zhǔn)的10％進(jìn)行相應(yīng)調(diào)整。

優(yōu)選地，通過任務(wù)調(diào)度每隔預(yù)設(shè)時間段對虛擬機(jī)進(jìn)行輪詢檢測為：通過任務(wù)調(diào)度每隔15分鐘對虛擬機(jī)進(jìn)行輪詢檢測

與現(xiàn)有技術(shù)相比，上述技術(shù)方案具有以下優(yōu)點(diǎn)：

本發(fā)明所提供的一種用于提高虛擬機(jī)的云計算資源利用率的方法，包括：S11：獲取虛擬機(jī)預(yù)設(shè)時間段內(nèi)的負(fù)載平均使用率；S12：判斷虛擬機(jī)的負(fù)載平均使用率是否處于對應(yīng)負(fù)載的預(yù)設(shè)調(diào)節(jié)閾值范圍內(nèi)；S13：若否，則判斷虛擬機(jī)當(dāng)前配置是否處于預(yù)設(shè)的配置閾值范圍內(nèi)；S14：若是，則判斷虛擬機(jī)是否支持負(fù)載的熱插拔，若虛擬機(jī)不支持負(fù)載的熱插拔，則執(zhí)行步驟S15，否則，直接執(zhí)行步驟S16；S15：將虛擬機(jī)關(guān)機(jī)，然后執(zhí)行步驟S16；S16：對虛擬機(jī)進(jìn)行配置調(diào)整。獲取虛擬機(jī)預(yù)設(shè)時間段內(nèi)的負(fù)載平均使用率，即對虛擬機(jī)負(fù)載進(jìn)行監(jiān)控，精準(zhǔn)地獲取了用戶對計算資源的需求，并根據(jù)負(fù)載的平均使用率，相應(yīng)地調(diào)整虛擬機(jī)的配置，從而使得對虛擬機(jī)的調(diào)整更為貼合用戶的需求。既能滿足云計算用戶對計算資源的需求，又能實(shí)現(xiàn)計算資源的利用最大化。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明一種具體實(shí)施方式所提供的用于提高虛擬機(jī)的云計算資源利用率的方法流程圖。

具體實(shí)施方式

本發(fā)明的核心是提供一種用于提高虛擬機(jī)的云計算資源利用率的方法，可以在滿足云計算用戶對計算資源的需求的同時實(shí)現(xiàn)計算資源的利用最大化。

為了使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更為明顯易懂，下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式做詳細(xì)的說明。

在以下描述中闡述了具體細(xì)節(jié)以便于充分理解本發(fā)明。但是本發(fā)明能夠以多種不同于在此描述的其它方式來實(shí)施，本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明內(nèi)涵的情況下做類似推廣。因此本發(fā)明不受下面公開的具體實(shí)施的限制。

請參考圖1，圖1為本發(fā)明一種具體實(shí)施方式所提供的用于提高虛擬機(jī)的云計算資源利用率的方法流程圖。

本發(fā)明的一種具體實(shí)施方式提供了一種用于提高虛擬機(jī)的云計算資源利用率的方法，包括：

S11：獲取虛擬機(jī)預(yù)設(shè)時間段內(nèi)的負(fù)載平均使用率。

在本實(shí)施方式中，所謂的負(fù)載包括虛擬機(jī)的CPU和內(nèi)存，因而獲取虛擬機(jī)預(yù)設(shè)時間段內(nèi)的負(fù)載平均使用率，指的是獲取虛擬機(jī)在當(dāng)前時間點(diǎn)之前的預(yù)設(shè)時間段內(nèi)的CPU和內(nèi)存的平均使用率。實(shí)現(xiàn)了對虛擬機(jī)負(fù)載的監(jiān)控。

S12：判斷虛擬機(jī)的負(fù)載平均使用率是否處于對應(yīng)負(fù)載的預(yù)設(shè)調(diào)節(jié)閾值范圍內(nèi)。

即判斷虛擬機(jī)的負(fù)載平均使用率是否處于對應(yīng)負(fù)載的縮減閾值至擴(kuò)容閾值之間。

為了準(zhǔn)確地理解用戶對于虛擬機(jī)的高可用的實(shí)際訴求，在本實(shí)施方式中，預(yù)先對數(shù)據(jù)庫表進(jìn)行設(shè)計，保存用戶對每臺虛擬機(jī)的配置調(diào)整負(fù)載閾值、調(diào)整上限以及監(jiān)控周期等數(shù)據(jù)，以為實(shí)現(xiàn)虛擬機(jī)的高可用提供數(shù)據(jù)支持。如表1所示，表1為本發(fā)明一種實(shí)施方式所提供的一種虛擬機(jī)高可用配置信息表，其對數(shù)據(jù)庫中的字段名、數(shù)據(jù)類型和備注做了說明。

表1 一種虛擬機(jī)高可用配置信息表

如表1所示，在本實(shí)施方式中，預(yù)先對每臺虛擬機(jī)設(shè)置了CPU擴(kuò)容閾值和縮減閾值，以及內(nèi)存擴(kuò)容閾值和縮減閾值。即當(dāng)用戶的虛擬機(jī)負(fù)載在對應(yīng)的負(fù)載縮減閾值和擴(kuò)容閾值之間時，表示此時計算資源的配置是合理的，無需對該虛擬機(jī)的配置進(jìn)行調(diào)整。

S13：若否，則判斷虛擬機(jī)當(dāng)前配置是否處于預(yù)設(shè)的配置閾值范圍內(nèi)。

當(dāng)虛擬機(jī)的負(fù)載平均使用率未處于對應(yīng)負(fù)載的預(yù)設(shè)調(diào)節(jié)閾值范圍內(nèi)時，即虛擬機(jī)的負(fù)載超出了該負(fù)載的擴(kuò)容閾值或者低于該負(fù)載的縮減閾值，則表示此時用戶對于虛擬機(jī)的計算資源的利用已經(jīng)不在合理的范圍內(nèi)。此時，即判斷虛擬機(jī)的當(dāng)前配置是否處于預(yù)設(shè)的配置的縮減下限和擴(kuò)容上限之間，即判斷此時通過調(diào)整虛擬機(jī)的配置是否可以實(shí)現(xiàn)對該虛擬機(jī)的計算資源的配置優(yōu)化。

S14：若是，則判斷虛擬機(jī)是否支持負(fù)載的熱插拔，若虛擬機(jī)不支持負(fù)載的熱插拔，則執(zhí)行步驟S15，否則，直接執(zhí)行步驟S16。

若虛擬機(jī)當(dāng)前配置處于預(yù)設(shè)的配置閾值范圍內(nèi)，即虛擬機(jī)的當(dāng)前配置既沒有超過負(fù)載預(yù)設(shè)的配置的擴(kuò)容上限，也沒有低于負(fù)載預(yù)設(shè)的配置的縮減下限，則判斷該虛擬機(jī)是否支持負(fù)載的熱插拔，即判斷該虛擬機(jī)是否能夠在線進(jìn)行配置調(diào)整。

S15：將虛擬機(jī)關(guān)機(jī)，然后執(zhí)行步驟S16。

當(dāng)該虛擬機(jī)不支持熱插拔時，則只能對該虛擬機(jī)先進(jìn)性關(guān)機(jī)處理，然后在對該虛擬機(jī)進(jìn)行配置的調(diào)整。

S16：對虛擬機(jī)進(jìn)行配置調(diào)整。而若當(dāng)前虛擬機(jī)支持熱插拔，則可以直接進(jìn)行對應(yīng)的負(fù)載熱插拔，以調(diào)整虛擬機(jī)的配置。調(diào)整虛擬機(jī)的配置包括：當(dāng)虛擬機(jī)處于高負(fù)載時，為其進(jìn)行CPU、內(nèi)存的擴(kuò)容，以滿足用戶對于計算資源的需求；當(dāng)虛擬機(jī)處于低負(fù)載時，為其進(jìn)行CPU、內(nèi)存的縮減，及時回收不被使用的資源，減少資源的浪費(fèi)和荒置情況，從而可以在滿足云計算用戶對計算資源的需求的同時實(shí)現(xiàn)計算資源的利用最大化。

在本實(shí)施方式中，基于對虛擬機(jī)負(fù)載的監(jiān)控對虛擬機(jī)的配置進(jìn)行調(diào)整，精準(zhǔn)地獲取了用戶對于計算資源的需求，當(dāng)虛擬機(jī)處于高負(fù)載時，為其進(jìn)行CPU、內(nèi)存的擴(kuò)容，以滿足用戶對于計算資源的需求；當(dāng)虛擬機(jī)處于低負(fù)載時，為其進(jìn)行CPU、內(nèi)存的縮減，及時回收不被使用的資源，減少資源的浪費(fèi)和荒置情況，從而可以在滿足云計算用戶對計算資源的需求的同時實(shí)現(xiàn)計算資源的利用最大化。

進(jìn)一步地，在對虛擬機(jī)進(jìn)行配置調(diào)整之后，還包括：

若虛擬機(jī)不支持負(fù)載的熱插拔，則將虛擬機(jī)開機(jī)。

若虛擬機(jī)不支持負(fù)載的熱插拔，則在對該虛擬機(jī)進(jìn)行關(guān)機(jī)后，進(jìn)行了配置調(diào)整，在配置調(diào)整完成后，還需要及時將虛擬機(jī)進(jìn)行開機(jī)處理，以便于用戶使用。

在本發(fā)明的一種實(shí)施方式中，在獲取虛擬機(jī)預(yù)設(shè)時間段內(nèi)的負(fù)載平均使用率之前，還包括：

通過任務(wù)調(diào)度每隔預(yù)設(shè)時間段對虛擬機(jī)進(jìn)行輪詢檢測，判斷虛擬機(jī)是否開啟了高可用彈性伸縮策略；若是，則執(zhí)行步驟S11。

在實(shí)際應(yīng)用中，可能并不是所有的虛擬機(jī)開啟了高可用彈性伸縮策略，因此，為了提高該方法的實(shí)用效率，通過任務(wù)調(diào)度的方式每隔一個預(yù)設(shè)時間段對目標(biāo)虛擬機(jī)進(jìn)行輪詢檢測，檢測各目標(biāo)虛擬機(jī)是否開啟了高可用彈性伸縮策略，若目標(biāo)虛擬機(jī)開啟了該策略，則實(shí)施上述各實(shí)施方式中的用于提高虛擬機(jī)的云計算資源利用率的方法，以對虛擬機(jī)進(jìn)行配置調(diào)整。優(yōu)選地，通過任務(wù)調(diào)度每隔15分鐘對虛擬機(jī)進(jìn)行輪詢檢測。所謂的高可用彈性伸縮策略指的即是虛擬機(jī)所具有的當(dāng)虛擬機(jī)處于高負(fù)載時，為其進(jìn)行CPU、內(nèi)存的擴(kuò)容，以及當(dāng)虛擬機(jī)處于低負(fù)載時，為其進(jìn)行CPU、內(nèi)存的縮減的功能。

其中，對虛擬機(jī)進(jìn)行配置調(diào)整，包括：以判定虛擬機(jī)開啟了高可用彈性伸縮策略的時間點(diǎn)的虛擬機(jī)的配置為基準(zhǔn)，每次以該基準(zhǔn)的10％進(jìn)行相應(yīng)調(diào)整。其中，CPU的最小步長為1，內(nèi)存的最小步長為128M。

綜上所述，本發(fā)明所提供的用于提高虛擬機(jī)的云計算資源利用率的方法，基于對虛擬機(jī)負(fù)載的監(jiān)控對虛擬機(jī)的配置進(jìn)行調(diào)整，精準(zhǔn)地獲取了用戶對于計算資源的需求，當(dāng)虛擬機(jī)處于高負(fù)載時，為其進(jìn)行CPU、內(nèi)存的擴(kuò)容，以滿足用戶對于計算資源的需求；當(dāng)虛擬機(jī)處于低負(fù)載時，為其進(jìn)行CPU、內(nèi)存的縮減，及時回收不被使用的資源，減少資源的浪費(fèi)和荒置情況，從而可以在滿足云計算用戶對計算資源的需求的同時實(shí)現(xiàn)計算資源的利用最大化。

以上對本發(fā)明所提供的一種用于提高虛擬機(jī)的云計算資源利用率的方法進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。