[发明专利]一种适用于云平台的动态资源平衡调度方法

说明书

技术领域

本发明涉及云计算管理技术领域，特别是指一种适用于云平台的动态资源平衡调度方法。

背景技术

当前云平台管理中，DRS(Distributed Resource Scheduler，虚拟机动态调度)，是指在云平台的管理中，为了达到节能或性能最优的目的，根据从每台物理机上采集的调度因素数值分析，自动将部分虚拟机在物理机之间进行迁移。一般是通过分析从每台物理机上采集的调度因素的数值做出迁移决定，分为节能模式和性能模式。在节能模式下，若某物理机A采集的调度因素数值低于最佳范围，并且存在物理机B的调度伊苏数值处于最佳范围内，则将物理机B作为迁移的目标虚拟机，将物理机A上的虚拟机一台一台地迁移至物理机B，直到物理机A上的虚拟机全部迁移完。在性能模式下，若某物理机A调度因素数值高于最佳范围，并且存在物理机B的调度因素数值低于最佳范围，则将物理机B作为目标虚拟机，将物理机A上的虚拟机一台一台地迁移至物理机B，直到物理机A的调度因素数值在最佳范围内。这两种方法存在以下弊端：

一是调度因素存在一定的局限性，对于很多云厂家只是单纯的考虑单一的因素，比如只考虑虚拟机的CPU利用率或内存利用率等，有可能调度的时候出现风险，比如监测到节点1CPU利用率高和节点2CPU利用率低就将虚拟机迁移至节点2，完全忽略了节点2可能内存利用率已经很高的情况。

二是设置复杂，有可能因为错误的设置而导致宕机，连vMware这种成熟的产品在用户设置DRS时，都推荐高级人员才能使用，非专业人员有可能设置循环调度，即虚拟机不停的再各个计算节点漂移。

三无论是性能模式还是节能模式，都没有有效考虑各个计算节点的各项指标的平衡性，调度判断依据不够准确，实时监测到的数据有可能是瞬时的，只是刚好高峰的时候，此时执行调度很容易出现更差的资源利用率。

为了支持有特殊要求的虚拟机进行动态调度，并提高调度成功率，需要一种更为灵活、全面的动态调度方法。

发明内容

本发明解决的技术问题在于提供一种适用于云平台的动态资源平衡调度方法，解决现有监控方法的不足，为云计算环境下各个计算节点提供一个动态资源平衡调度的解决方案。

本发明解决上述问题的技术方案是：

所述的方法是先设置计算节点监控指标频率相关参数，经采集样本后通过标准方差公式评估数据是否有效；将有效数据与设置阈值进行对比；根据对比结果决定如何调度虚拟机平衡计算节点资源。

所述方法包括如下步骤：

步骤1：设置计算节点监控指标最大最小阈值，资源监控指标样本采集时长；

步骤2：采集计算节点监控指标数据集合；

步骤3：分析数据集合，获取指标项标准方差，若标准方差在10以内，表示为有效指标项，获得众多指标项平均值，若标准方差无效则计算节点不纳入本次调度；

步骤4：对比平均值，获取每个节点最小平均值的两项指标，包括节点N1，CPU：80％，内存10％；节点N2，内存：70％，IO：10％；节点N3，IO：75％，CPU：10％。

步骤5：对比设置的最大最小阈值，当获取最小平均值超出最大或者最小阈值时，纳入调度队列，若未超出阈值范围则计算节点不纳入调度队列；

步骤6：执行调度，对比纳入调度策略所有计算节点同一指标项，将占用指标项最大的虚拟机热迁移至占用指标项最小的计算节点，将节点N1占用CPU利用最大的虚拟机热迁移至节点N3；将节点2里面占用内存利用率最大的虚拟机热迁移至节点N1；将节点N3里面占用IO最大的虚拟机热迁移至N2；

步骤7：完成调度，进入下一轮分析。

所述的步骤1的计算节点监控指标，是指计算节点CPU利用率、内存利用率、磁盘IO利用率、带宽利用率；

所述的最大最小阈值，是指定各项监控指标触发调度的范围；

所述的频率调整阈值，是指稳定变异系数范围阈值；

所述的样本采集时长，是指获取多长时间的样本；设置时长越大，计算出来的数据有效性越准确。

所述的分析数据集合，是指根据监控频率采集到的一组数据集合，该数据集合展现了在一段时间范围内，监控资源项指标的变化曲线；

所述的标准方差，用来衡量采集到的样本数据集合是否有效；

所述的有效指标，是指采集的样本数据波动范围不大，计算节点当前监控指标项资源需求平稳，可纳入调度分析。