[发明专利]一种基于云计算的虚拟机资源配置方法及装置

权利要求书

1.一种基于云计算的虚拟机资源配置方法，其特征在于，包括:

获取各个虚拟机的各个进程的使用频数、CPU负载基线和内存负载基线；

对所述各个进程的使用频数进行聚类分析，获取进程使用状况聚类分析结果，并对所述CPU负载基线和所述内存负载基线分别进行聚类分析，获取CPU负载基线分类结果和内存负载基线分类结果；

根据所述进程使用状况聚类分析结果、CPU负载基线分类结果和内存负载基线分类结果获取所述各个虚拟机的CPU资源配置值和内存资源配置值；

根据所述各个虚拟机的CPU资源配置值和内存资源配置值对所述各个虚拟机进行资源配置。

2.根据权利要求1所述的基于云计算的虚拟机资源配置方法，其特征在于，对所述各个进程的使用频数进行聚类分析，包括：

对所述各个虚拟机的各个进程分别建立多维空间，各个多维空间的每个维度的数值为与虚拟机对应的每个进程的使用频数，建立多维空间的向量模型；

利用预设算法对向量模型中的各个向量进行聚类分析。

3.根据权利要求1所述的基于云计算的虚拟机资源配置方法，其特征在于，对所述CPU负载基线和所述内存负载基线分别进行聚类分析，包括：

对所述CPU负载基线和所述内存负载基线分别进行拟合，分别对每天同一时刻的CPU负载值和内存负载值求平均值；

利用预设算法分别对拟合后的CPU负载基线和内存负载基线进行聚类分析。

4.根据权利要求1所述的基于云计算的虚拟机资源配置方法，其特征在于，根据所述进程使用状况聚类分析结果、CPU负载基线分类结果和内存负载基线分类结果获取所述各个虚拟机的CPU资源配置值和内存资源配置值，包括：

根据所述进程使用状况聚类分析结果，获取每个分类的CPU负载倍数值和内存负载倍数值；

分别计算所述CPU负载基线聚类分析结果中每个分类的每一时刻的CPU负载值的平均值，分别计算所述内存负载基线聚类分析结果中每个分类的每一时刻的内存负载值的平均值，获取每个分类的CPU负载建议值和内存负载建议值；

根据所述每个分类的CPU负载建议值、内存负载建议值、CPU负载倍数值和内存负载倍数值，计算出对应分类的虚拟机的CPU资源配置值和内存资源配置值。

5.根据权利要求1-4任一项所述的基于云计算的虚拟机资源配置方法，其特征在于，对所述各个进程的使用频数、所述CPU负载基线和所述内存负载基线进行的聚类分析采用hadoop分布式处理框架。

6.一种基于云计算的虚拟机资源配置装置，其特征在于，包括：

数据获取单元，用于获取各个虚拟机的各个进程的使用频数、CPU负载基线和内存负载基线；

进程使用状况聚类分析结果获取单元，用于对所述各个进程的使用频数进行聚类分析，获取进程使用状况聚类分析结果；

负载基线分类结果获取单元，用于对所述CPU负载基线和所述内存负载基线分别进行聚类分析，获取CPU负载基线分类结果和内存负载基线分类结果；

资源配置值获取单元，用于根据所述进程使用状况聚类分析结果、CPU负载基线分类结果和内存负载基线分类结果获取所述各个虚拟机的CPU资源配置值和内存资源配置值；

资源配置单元，根据所述各个虚拟机的CPU资源配置值和内存资源配置值对所述各个虚拟机进行资源配置；

其中，所述CPU负载基线为每个时刻上的CPU负载值，所述内存负载基线为每个时刻上的内存负载值。

7.根据权利要求6所述的基于云计算的虚拟机资源配置装置，其特征在于，所述进程使用状况聚类分析结果获取单元包括：

向量模型建立模块，用于对所述各个虚拟机的各个进程分别建立多维空间，各个多维空间的每个维度的数值为与虚拟机对应的每个进程的使用频数，建立多维空间的向量模型；

第一聚类分析模块，用于利用预设算法对向量模型中的各个向量进行聚类分析。