[發(fā)明專利]虛擬機部署方法和裝置

有效

• 申請?zhí)枺?/td>: 201510050846.0
• 申請日: 2015-01-30
• 公開（公告）號: CN104572251B
• 公開（公告）日: 2018-01-26
• 發(fā)明（設計）人: 湯雅妃;王志軍;魏進武;郭志斌
• 申請（專利權）人: 中國聯(lián)合網絡通信集團有限公司
• 主分類號: G06F9/455
• 分類號: G06F9/455;G06F9/50
• 代理公司: 北京安信方達知識產權代理有限公司11262
• 代理人: 李丹,栗若木

技術領域

本發(fā)明涉及云平臺應用技術領域，具體涉及一種虛擬機部署方法和裝置。

背景技術

基礎設施即服務(英文：Infrastructure-as-a-Service，縮寫：IaaS)平臺是當前云計算平臺最重要的一種表現形式，通過對基礎設施的虛擬化，將物理資源(如服務器的帶寬、內存或者硬盤空間等)按需分配給用戶使用。隨著云數據中心對各種資源需求量的增加，如何通過資源的合理調度以降低數據中心能耗、提高系統(tǒng)資源利用率已成為未來云計算發(fā)展的重要研究方向之一。

IaaS云平臺資源調度的實質是根據用戶資源需求進行虛擬機的優(yōu)化部署。現有的IaaS云平臺的虛擬機部署方案中通常采用啟發(fā)式算法以解決虛擬機部署的組合優(yōu)化問題，選擇最優(yōu)的部署方案。啟發(fā)式算法是指受大自然的運行規(guī)律或者面向具體問題的經驗、規(guī)則啟發(fā)出來的方法。啟發(fā)式算法都是根據經驗提出的，沒有堅實的理論基礎。常用的啟發(fā)式算法主要包括模擬退火、遺傳算法、蟻群算法、粒子群算法等。隨著IaaS云平臺資源調度中任務的增加、資源種類的多樣化以及系統(tǒng)的復雜性增強，啟發(fā)式算法這類經驗型算法的可擴展性有限，往往會將復雜性放大，增加了問題求解的難度。啟發(fā)式算法得到的解只是近似最優(yōu)解，全局最優(yōu)性無法保證。這也使得算法性能不夠穩(wěn)定，有時會造成計算結果的不可信。

綜上所述，現有的IaaS云平臺的虛擬機部署方案存在穩(wěn)定性較差以及準確度較差的問題。

發(fā)明內容

本發(fā)明實施例提供的虛擬機部署方法和裝置，可以解決現有技術方案中存在的穩(wěn)定性較差以及準確度較差的問題。

第一方面，本發(fā)明實施例提供一種虛擬機部署方法，所述方法包括：

接收用戶發(fā)送的部署虛擬機的請求，根據所述接收到的請求確定待部署虛擬機的個數n以及所述每個待部署虛擬機請求消耗的資源；

根據預設算法以及約束條件求解目標函數min(rank(X))以獲取最優(yōu)解矩陣；

其中，min函數為求最小值的函數，rank(X)表示矩陣X的秩，矩陣X為所述n個待部署虛擬機與m個用于部署虛擬機的物理機的映射關系矩陣，矩陣X＝[x_ij]，i為用于部署虛擬機的物理機的編號且i∈[1,m]，j為待部署虛擬機的編號且j∈[1,n]，x_ij∈{0,1}，x_ij表示第j個待部署虛擬機VM_j與第i個用于部署虛擬機的物理機PM_i的映射關系，當x_ij＝1表示在所述物理機PM_i上部署所述待部署虛擬機VM_j，當x_ij＝0表示不在所述物理機PM_i上部署所述待部署虛擬機VM_j；所述約束條件包括：||x_j||₀＝1，x_j為矩陣X中的第j列向量，||x_j||₀表示矩陣X中第j列向量x_j的l₀范數；Q·X^T≤R，X^T為矩陣X的轉置矩陣，矩陣Q＝[q_j]_d×n，q_j為矩陣Q的列向量，表示所述待部署虛擬機VM_j請求消耗的資源，R＝[r_i]_d×m，r_i為矩陣R的列向量，表示所述物理機PM_i提供的資源，d為所述資源的種類的個數；

根據所述獲取的最優(yōu)解矩陣中的元素的值部署虛擬機。

結合第一方面，在第一種可能的實現方式中，所述根據預設算法以及約束條件求解目標函數min(rank(X))以獲取最優(yōu)解矩陣包括：

將所述目標函數轉換為第二目標函數

其中，λ為大于或等于0的預設值，為矩陣S_X(E)的F范數的平方，矩陣E＝R-Q·X^T為d×m的矩陣，用于表示所述m個用于部署虛擬機的物理機各自剩余的資源，矩陣S_X(E)為d×p的矩陣，用于表示部署所述n個待部署虛擬機使用的p個物理機各自剩余的資源，d為所述資源的種類的個數；

將所述約束條件中的Q·X^T≤R更新為Q·X^T+E＝R,E≥0；

根據所述預設算法以及所述更新后的約束條件求解所述第二目標函數以獲取所述最優(yōu)解矩陣。