-
公开(公告)号：CN108052375B
公开(公告)日：2021-06-29
申请号：CN201711488118.3
申请日：2017-12-29
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及CPU利用率监测领域，具体涉及一种主机过载检测方法，是为了解决现有的过载主机检测算法的耗电量较高、用户的任务在执行上流畅度较低、算法在运行时需要关闭的主机数目过高、需要迁移的虚拟机的数目过高的缺点而提出的，包括：获取预定时间内的CPU利用率阈值并构造CPU利用率阈值构造数组y；获取一定时间内的CPU利用率数据并构造CPU利用率数组x；计算残差值ei；计算损失函数loss；判断损失函数loss的值是否小于给定的阈值，若是则结束迭代，若否则重新计算第一参数和第二参数，直至CPU利用率阈值数组y中的每个元素均被计算；获取在受测主机上运行的虚拟机的最大迁移时间并以此计算CPU利用率的预测值。本发明适用于云计算主机的CPU利用率监测。
-
公开(公告)号：CN110362411B
公开(公告)日：2022-08-02
申请号：CN201910680641.9
申请日：2019-07-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于Xen系统的CPU资源调度方法，涉及CPU资源调度技术领域。本发明为了解决现有的CPU资源调度的方法无法对具体运行的任务进行区分、无法与实时运行环境进行结合来调整CPU资源等问题。将vcpu队列作为输入数据，对RNN分类模型进行训练；获取Xen系统的全局队列信息credit[]和pri[]，再利用训练好的RNN分类模型对Xen系统的全局队列信息credit[]和pri[]进行分类；判断上述数组是否为空，如果是则结束，否则分类结果通过Q‑learning算法来更新q‑table表；利用当前更新后q‑table表进行时间片调整来完成CPU资源的调度。提高资源的有效利用率并降低云数据中心的能源消耗。
-
公开(公告)号：CN110362411A
公开(公告)日：2019-10-22
申请号：CN201910680641.9
申请日：2019-07-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于Xen系统的CPU资源调度方法，涉及CPU资源调度技术领域。本发明为了解决现有的CPU资源调度的方法无法对具体运行的任务进行区分、无法与实时运行环境进行结合来调整CPU资源等问题。将vcpu队列作为输入数据，对RNN分类模型进行训练；获取Xen系统的全局队列信息credit[]和pri[]，再利用训练好的RNN分类模型对Xen系统的全局队列信息credit[]和pri[]进行分类；判断上述数组是否为空，如果是则结束，否则分类结果通过Q-learning算法来更新q-table表；利用当前更新后q-table表进行时间片调整来完成CPU资源的调度。提高资源的有效利用率并降低云数据中心的能源消耗。
-
公开(公告)号：CN108052375A
公开(公告)日：2018-05-18
申请号：CN201711488118.3
申请日：2017-12-29
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及CPU利用率监测领域，具体涉及一种主机过载检测方法，是为了解决现有的过载主机检测算法的耗电量较高、用户的任务在执行上流畅度较低、算法在运行时需要关闭的主机数目过高、需要迁移的虚拟机的数目过高的缺点而提出的，包括：获取预定时间内的CPU利用率阈值并构造CPU利用率阈值构造数组y；获取一定时间内的CPU利用率数据并构造CPU利用率数组x；计算残差值ei；计算损失函数loss；判断损失函数loss的值是否小于给定的阈值，若是则结束迭代，若否则重新计算第一参数和第二参数，直至CPU利用率阈值数组y中的每个元素均被计算；获取在受测主机上运行的虚拟机的最大迁移时间并以此计算CPU利用率的预测值。本发明适用于云计算主机的CPU利用率监测。
-
-
-
Search Results
4
records
(took 0.02 seconds)
