[发明专利]虚拟机部署方法和装置

说明书

技术领域

本发明涉及云平台应用技术领域，具体涉及一种虚拟机部署方法和装置。

背景技术

基础设施即服务(英文：Infrastructure-as-a-Service，缩写：IaaS)平台是当前云计算平台最重要的一种表现形式，通过对基础设施的虚拟化，将物理资源(如服务器的带宽、内存或者硬盘空间等)按需分配给用户使用。随着云数据中心对各种资源需求量的增加，如何通过资源的合理调度以降低数据中心能耗、提高系统资源利用率已成为未来云计算发展的重要研究方向之一。

IaaS云平台资源调度的实质是根据用户资源需求进行虚拟机的优化部署。现有的IaaS云平台的虚拟机部署方案中通常采用启发式算法以解决虚拟机部署的组合优化问题，选择最优的部署方案。启发式算法是指受大自然的运行规律或者面向具体问题的经验、规则启发出来的方法。启发式算法都是根据经验提出的，没有坚实的理论基础。常用的启发式算法主要包括模拟退火、遗传算法、蚁群算法、粒子群算法等。随着IaaS云平台资源调度中任务的增加、资源种类的多样化以及系统的复杂性增强，启发式算法这类经验型算法的可扩展性有限，往往会将复杂性放大，增加了问题求解的难度。启发式算法得到的解只是近似最优解，全局最优性无法保证。这也使得算法性能不够稳定，有时会造成计算结果的不可信。

综上所述，现有的IaaS云平台的虚拟机部署方案存在稳定性较差以及准确度较差的问题。

发明内容

本发明实施例提供的虚拟机部署方法和装置，可以解决现有技术方案中存在的稳定性较差以及准确度较差的问题。

第一方面，本发明实施例提供一种虚拟机部署方法，所述方法包括：

接收用户发送的部署虚拟机的请求，根据所述接收到的请求确定待部署虚拟机的个数n以及所述每个待部署虚拟机请求消耗的资源；

根据预设算法以及约束条件求解目标函数min(rank(X))以获取最优解矩阵；

其中，min函数为求最小值的函数，rank(X)表示矩阵X的秩，矩阵X为所述n个待部署虚拟机与m个用于部署虚拟机的物理机的映射关系矩阵，矩阵X＝[x_ij]，i为用于部署虚拟机的物理机的编号且i∈[1,m]，j为待部署虚拟机的编号且j∈[1,n]，x_ij∈{0,1}，x_ij表示第j个待部署虚拟机VM_j与第i个用于部署虚拟机的物理机PM_i的映射关系，当x_ij＝1表示在所述物理机PM_i上部署所述待部署虚拟机VM_j，当x_ij＝0表示不在所述物理机PM_i上部署所述待部署虚拟机VM_j；所述约束条件包括：||x_j||₀＝1，x_j为矩阵X中的第j列向量，||x_j||₀表示矩阵X中第j列向量x_j的l₀范数；Q·X^T≤R，X^T为矩阵X的转置矩阵，矩阵Q＝[q_j]_d×n，q_j为矩阵Q的列向量，表示所述待部署虚拟机VM_j请求消耗的资源，R＝[r_i]_d×m，r_i为矩阵R的列向量，表示所述物理机PM_i提供的资源，d为所述资源的种类的个数；

根据所述获取的最优解矩阵中的元素的值部署虚拟机。

结合第一方面，在第一种可能的实现方式中，所述根据预设算法以及约束条件求解目标函数min(rank(X))以获取最优解矩阵包括：

将所述目标函数转换为第二目标函数

其中，λ为大于或等于0的预设值，为矩阵S_X(E)的F范数的平方，矩阵E＝R-Q·X^T为d×m的矩阵，用于表示所述m个用于部署虚拟机的物理机各自剩余的资源，矩阵S_X(E)为d×p的矩阵，用于表示部署所述n个待部署虚拟机使用的p个物理机各自剩余的资源，d为所述资源的种类的个数；

将所述约束条件中的Q·X^T≤R更新为Q·X^T+E＝R,E≥0；

根据所述预设算法以及所述更新后的约束条件求解所述第二目标函数以获取所述最优解矩阵。