[发明专利]一种预加载虚拟机的方法及其系统在审

专利信息
申请号: 201910285373.0 申请日: 2019-04-10
公开(公告)号: CN109992358A 公开(公告)日: 2019-07-09
发明(设计)人: 苑贵全;骞一凡;李慧 申请(专利权)人: 北京隆普智能科技有限公司
主分类号: G06F9/455 分类号: G06F9/455
代理公司: 北京卓特专利代理事务所(普通合伙) 11572 代理人: 段旺
地址: 101300 北京市顺义区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 虚拟机 预加载 物理机 神经网络预测模型 改变命令 关键数据 信息输入 运行模型 自行启动 申请 响应 预测
【权利要求书】:

1.一种预加载虚拟机的方法,其特征在于,具体包括以下步骤:

响应于接收到对于物理机的改变命令,获得物理机的当前运行信息;

将运行信息输入神经网络预测模型;

根据神经网络预测模型确定预加载的虚拟机列表;

预加载虚拟机列表中的虚拟机的关键数据。

2.如权利要求1所述的预加载虚拟机的方法,其特征在于,在获取物理机的当前运行信息前,还包括将改变指令存储在物理机的存储盘中。

3.如权利要求2所述的预加载虚拟机的方法,其特征在于,在将改变指令存储在目标物理机的存储盘之前,还包括获取存储盘的容量大小,判断存储盘是否能够容纳足够的改变指令。

4.如权利要求3所述的预加载虚拟机的方法,其特征在于,当前运行信息包括当前物理机的存储容量、物理机运行的环境信息、当前物理机加载的虚拟机数量、虚拟机型号、以及虚拟机开启的时间和关闭的时间数据中的一个或多个信息。

5.如权利要求1所述的预加载虚拟机的方法,其特征在于,预先对神经网络预测模型进行训练,通过将物理机不同时间段的运行信息作为输入向量进行收集,构建运行数据集合,从而训练神经网络预测模型,其中神经网络预测模型的训练过程具体包括以下步骤:

对网络初始化;

计算隐含层输出;

计算输出层输出。

6.如权利要求5所述的预加载虚拟机的方法,其特征在于,将物理机运行信息输入神经网络预测模型中,预测输出为当前一段时间之后物理机最大可能性预加载的虚拟机列表。

7.如权利要求1所述的预加载虚拟机的方法,其特征在于,在预加载虚拟机的关键数据前,判断物理机本地是否安装了与虚拟机对应的虚拟目录,若存在所述虚拟目录,则进行关键数据的预加载。

8.如权利要求7所述的预加载虚拟机的方法,其特征在于,将关键数据存储在关键数据文件夹中,以及将关键数据文件夹写入格式化后的关键磁盘中,从关键磁盘中读取关键数据文件夹,从而读取预加载虚拟机的关键数据,启动虚拟机。

9.一种预加载虚拟机的系统,其特征在于,具体包括处理单元、预测单元、预加载单元;

处理单元,获取接收的改变命令,获得物理机的当前运行信息;

预测单元,将运行信息作为输入向量输入神经网络预测模型,根据神经网络预测模型确定预加载的虚拟机列表;

预加载单元,预加载虚拟机列表中的虚拟机的关键数据。

10.如权利要求9所述的预加载虚拟机的系统,其特征在于,处理单元具体包括以下子模块:接收模块、获取模块、存储盘、第一判断模块、存储模块、验证对比模块;

接收模块,接收对于物理机的改变命令;

获取模块,根据改变命令获取物理机的当前运行信息;

存储盘,存储改变命令;

第一判断模块,获取存储盘的容量大小,判断存储盘是否能够容纳足够的改变命令;

存储模块,将物理机正常运行时的运行信息进行存储;

验证对比模块,将获取的运行信息与存储的运行信息进行对比,验证物理机是否正常运行。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京隆普智能科技有限公司,未经北京隆普智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910285373.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top