一种基于应用特征的虚拟机部署方法与流程

1.本发明涉及计算机技术领域，尤其是涉及一种基于应用特征的虚拟机部署方法。


背景技术：

2.云计算作为一种基于互联网的计算，具有前期基础设施成本低、基础设施及时以及产品上市时间短的优点，不仅能给用户提供按需访问可配置的共享计算资源池，还能够以最小管理成本进行资源的快速配置和释放，其中，按需分配的计算资源来源于虚拟化技术，虚拟化是将底层物理设备与上层操作系统分离的一种去耦合技术，将上层服务封装到虚拟机中，通过有效合理部署虚拟机，以实现对云数据中心基础资源的有效管理。
3.传统的云平台基于虚拟机粒度的资源分配与调度进行虚拟机部署，很少考虑其资源偏好或只考虑单一资源状况，导致承载虚拟机的物理节点资源使用状况很不均衡，无法部署更多的虚拟机，从而造成资源的浪费。现有的研究大多从虚拟机调度、迁移及物理主机休眠等方面考虑提升资源使用效率的策略，由于不同应用对云平台请求并不相同，使得虚拟机具有对资源配置不同的特点，即虚拟机的需求资源偏重不同，而物理主机如果承载同一种类型虚拟机过多的话，会导致其中一种资源占用过高，使得该物理主机由于该类资源剩余量太少而无法成功部署其他虚拟机，同时导致其他资源无法被利用，进一步导致资源的浪费。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于应用特征的虚拟机部署方法，能够合理有效地部署虚拟机，提升物理主机的资源效率、避免资源浪费。
5.本发明的目的可以通过以下技术方案来实现：一种基于应用特征的虚拟机部署方法，包括以下步骤：
6.s1、获取请求部署的虚拟机的资源配置，其中，虚拟机的资源配置包括中央处理器、网络带宽、输入/输出和内存共四种资源；
7.s2、初始化物理主机的均衡值最大值变量以及目标物理主机编号变量，并更新虚拟机的最低资源配置；
8.s3、遍历处于运行状态的物理主机队列，根据当前物理主机的总资源配置、剩余资源配置和资源相关系数，结合虚拟机的资源配置，计算得到虚拟机相对当前物理主机的资源权重；
9.s4、依次判断当前物理主机是否满足预设的资源第一约束条件和资源第二约束条件，若全部满足，则执行步骤s5，否则执行步骤s7；
10.s5、根据虚拟机的资源权重、虚拟机的资源配置以及当前物理主机的总资源配置、剩余资源配置和资源相关系数，计算得到当前物理主机的均衡值，之后将当前物理主机的均衡值与均衡值最大值进行比较，若当前物理主机的均衡值大于均衡值最大值，则执行步
骤s6，否则执行步骤s7；
11.s6、将当前物理主机的均衡值赋值给均衡值最大值变量，并将当前主机编号赋值给目标物理主机编号变量，之后执行步骤s7；
12.s7、当前物理主机编号自增1，并判断当前物理主机编号是否小于物理主机总数量，若判断为是，则返回步骤s3，否则执行步骤s8；
13.s8、判断当前的目标物理主机编号变量的值是否已更新，若判断为是，则执行步骤s10，否则执行步骤s9；
14.s9、从处于非运行状态的物理主机队列中启动一台物理主机，以加入处于运行状态的物理主机队列，并将这台启动的物理主机编号赋值给目标物理主机编号变量，之后执行步骤s10；
15.s10、输出目标物理主机编号变量的数值，将虚拟机部署在编号与该数值对应的物理主机上。
16.进一步地，所述步骤s2具体包括以下步骤：
17.s21、初始化物理主机的均衡值最大值变量max＝0；
18.s22、初始化目标物理主机编号变量target＝﹣1；
19.s23、更新虚拟机最低配置为：
20.lr＝{lr
cpu
,lr
net
,lr
io
,lr
mem
}
21.其中，lr
cpu
为所有请求部署的虚拟机的中央处理器资源配置的最小值，lr
net
为所有请求部署的虚拟机的网络带宽资源配置的最小值，lr
io
为所有请求部署的虚拟机的输入/输出资源配置的最小值，lr
mem
为所有请求部署的虚拟机的内存资源配置的最小值。
22.进一步地，所述步骤s3中计算虚拟机相对当前物理主机的资源权重的具体过程为：
23.s31、根据虚拟机的资源配置和当前物理主机的总资源配置，计算得到虚拟机各资源与物理主机对应资源的比值；
24.s32、从步骤s31的计算结果中选取数值最小的比值作为最小资源数；
25.s33、结合步骤s31的计算结果和最小资源数，计算得到虚拟机各资源相对最小资源数的涨幅；
26.s34、对步骤s33的计算结果进行归一化处理，即得到虚拟机相对当前物理主机的各资源权重。
27.进一步地，所述步骤s32中最小资源数具体为：
[0028][0029][0030][0031]ri
＝{r
i,cpu
,r
i,net
,r
i,io
,r
i,mem
}
[0032]
trj＝{tr
j,cpu
,tr
j,net
,tr
j,io
,tr
j,mem
}
[0033]
其中，x为最小资源数，ri为虚拟机i的资源配置，r
i,cpu
为虚拟机i的中央处理器资源配置，r
i,net
为虚拟机i的网络带宽资源配置，r
i,io
为虚拟机i的输入/输出资源配置，r
i,mem
为虚拟机i的内存资源配置，trj为物理主机j的总资源配置，tr
j,cpu
为物理主机j的中央处理器总资源，tr
j,net
为物理主机j的网络带宽总资源，tr
j,io
为物理主机j的输入/输出总资源，tr
j,mem
为物理主机j的内存总资源。
[0034]
进一步地，所述步骤s33中虚拟机各资源相对最小资源数的涨幅具体为：
[0035][0036]
a,b,c,d∈[0，1)
[0037]
其中，a为虚拟机中央处理器资源相对最小资源数的涨幅，b为虚拟机网络带宽资源相对最小资源数的涨幅，c为虚拟机输入/输出资源相对最小资源数的涨幅，d为虚拟机内存资源相对最小资源数的涨幅。
[0038]
进一步地，所述步骤s34中虚拟机相对当前物理主机的各资源权重具体为：
[0039][0040][0041][0042][0043]wi,cpu
,w
i,net
,w
i,io
,w
i,mem
∈[0,1)
[0044]
其中，w
i,cpu
为虚拟机i相对当前物理主机的中央处理器资源权重，w
i,net
为虚拟机i相对当前物理主机的网络带宽资源权重，w
i,io
为虚拟机i相对当前物理主机的输入/输出资源权重，w
i,mem
为虚拟机i相对当前物理主机的内存资源权重。
[0045]
进一步地，所述步骤s4具体包括以下步骤：
[0046]
s41、判断当前物理主机的剩余资源配置是否满足预设的第一约束条件，若满足，则执行步骤s42，否则执行步骤s7；
[0047]
s42、判断当前物理主机的剩余资源配置是否满足预设的第二约束条件，若满足，则执行步骤s5，否则执行步骤s7。
[0048]
进一步地，所述预设的第一约束条件具体为：
[0049][0050]
rrj＝{rr
j,cpu
,rr
j,net
,rr
j,io
,rr
j,mem
}
[0051]
其中，rrj为物理主机j的剩余资源配置，rr
j,cpu
为物理主机j剩余的中央处理器资源，rr
j,net
为物理主机j剩余的网络带宽资源，rr
j,io
为物理主机j剩余的输入/输出资源，rr
j,mem
为物理主机j剩余的内存资源。
[0052]
进一步地，所述预设的第二约束条件具体为：
[0053][0054]
其中，λ
j,cpu
为物理主机j的中央处理器资源相关系数，λ
j,net
为物理主机j的网络带宽资源相关系数，λ
j,io
为物理主机j的输入/输出资源相关系数，λ
j,mem
为物理主机j的内存资源相关系数。
[0055]
进一步地，所述步骤s5中计算当前物理主机的均衡值为：
[0056][0057][0058]
其中，fj为物理主机j的均衡值。
[0059]
与现有技术相比，本发明具有以下优点：
[0060]
一、本发明根据虚拟机应用特征判定其资源偏好，从而给予各类资源不同权重值，获得虚拟机相对物理主机的各资源权重，并以此为基础结合虚拟机资源配置需求和物理主机资源配置，计算得到物理主机的均衡值，均衡值越高，说明物理主机部署虚拟机后的资源更加趋于均衡，从而避免请求同类资源的虚拟机过多地部署在同一台物理主机，防止物理主机内同类资源被过多占用、而其他类型资源无法正常提供服务，以此解决虚拟机部署时资源浪费的问题。
[0061]
二、本发明利用资源第一约束条件和资源第二约束条件对物理主机的剩余资源情况进行充分判断，以保证物理主机能够部署虚拟机且在部署虚拟机之后能够正常稳定运行，结合充分合理地利用物理主机的资源进行虚拟机部署。
附图说明
[0062]
图1为本发明的方法流程示意图；
[0063]
图2为实施例的虚拟机部署流程示意图；
[0064]
图3为实施例中vaps部署策略下cpu资源的使用对比示意图；
[0065]
图4为实施例中vaps部署策略下内存资源的使用对比示意图；
[0066]
图5为实施例中vaps部署策略下io资源的使用对比示意图；
[0067]
图6为实施例中vaps部署策略下网络带宽资源的使用对比示意图；
[0068]
图7为实施例中本发明虚拟机部署方法下cpu资源的使用对比示意图；
[0069]
图8为实施例中本发明虚拟机部署方法下内存资源的使用对比示意图；
[0070]
图9为实施例中本发明虚拟机部署方法下io资源的使用对比示意图；
[0071]
图10为实施例中本发明虚拟机部署方法下网络带宽资源的使用对比示意图。
具体实施方式
[0072]
下面结合附图和具体实施例对本发明进行详细说明。
[0073]
实施例
[0074]
如图1所示，一种基于应用特征的虚拟机部署方法，包括以下步骤：
[0075]
s1、获取请求部署的虚拟机的资源配置，其中，虚拟机的资源配置包括中央处理器、网络带宽、输入/输出和内存共四种资源；
[0076]
s2、初始化物理主机的均衡值最大值变量以及目标物理主机编号变量，并更新虚拟机的最低资源配置；
[0077]
s3、遍历处于运行状态的物理主机队列，根据当前物理主机的总资源配置、剩余资源配置和资源相关系数，结合虚拟机的资源配置，计算得到虚拟机相对当前物理主机的资源权重；
[0078]
s4、依次判断当前物理主机是否满足预设的资源第一约束条件和资源第二约束条件，若全部满足，则执行步骤s5，否则执行步骤s7；
[0079]
s5、根据虚拟机的资源权重、虚拟机的资源配置以及当前物理主机的总资源配置、剩余资源配置和资源相关系数，计算得到当前物理主机的均衡值，之后将当前物理主机的均衡值与均衡值最大值进行比较，若当前物理主机的均衡值大于均衡值最大值，则执行步骤s6，否则执行步骤s7；
[0080]
s6、将当前物理主机的均衡值赋值给均衡值最大值变量，并将当前主机编号赋值给目标物理主机编号变量，之后执行步骤s7；
[0081]
s7、当前物理主机编号自增1，并判断当前物理主机编号是否小于物理主机总数量，若判断为是，则返回步骤s3，否则执行步骤s8；
[0082]
s8、判断当前的目标物理主机编号变量的值是否已更新，若判断为是，则执行步骤s10，否则执行步骤s9；
[0083]
s9、从处于非运行状态的物理主机队列中启动一台物理主机，以加入处于运行状态的物理主机队列，并将这台启动的物理主机编号赋值给目标物理主机编号变量，之后执行步骤s10；
[0084]
s10、输出目标物理主机编号变量的数值，将虚拟机部署在编号与该数值对应的物理主机上。
[0085]
具体的，本发明提出的虚拟机部署方法考虑了四类资源：cpu(中央处理器)，network(网络带宽)，i/o(输入/输出)，memory(内存)。其中，虚拟机与物理主机四类资源配置如下所述：
[0086]
1)虚拟机资源配置
[0087]
假设云计算中心此时请求部署的虚拟机有n个，vms＝{vm1,vm2...vmi...vmn}，其中n和i为正整数。对任意的虚拟机i，其资源配置如公式1所示。
[0088]ri
＝{r
i,cpu
,r
i,net
,r
i,io
,r
i,mem
}
ꢀꢀꢀ
(1)
[0089]
为了避免物理主机上某类资源被占用过高导致其他资源无法再分配，在部署虚拟
机之前，需要考虑即将分配的几个虚拟机各类资源的最低配置需求是否同时小于某一物理主机的剩余资源，虚拟机最低配置取所有请求部署的虚拟机中各类资源的最小值，表示为lr＝{lr
cpu
,lr
net
,lr
io
,lr
mem
}。
[0090]
2)物理主机资源配置
[0091]
假设云计算中心的物理主机有m个，hosts＝{host1,host2,host3...hostj...hostm}，其中m和j为正整数。对任意的物理主机j，其总资源配置如公式2所示，剩余资源配置如公式3所示。
[0092]
trj＝{tr
j,cpu
,tr
j,net
,tr
j,io
,tr
j,mem
}
ꢀꢀꢀ
(2)
[0093]
rrj＝{rr
j,cpu
,rr
j,net
,rr
j,io
,rr
j,mem
}
ꢀꢀꢀ
(3)
[0094]
基于上述虚拟机和其请求部署的物理主机资源配置，通过应用特征判定虚拟机的资源偏好，从而给予各类资源不同权重，进一步判定物理主机是否有能力部署该虚拟机，目的是避免请求同类资源的虚拟机过多地部署在同一台物理主机，而上述情况会导致物理主机内同类资源被过多占用、其他类型资源无法正常提供服务，造成云环境内的资源浪费。
[0095]
虚拟机应用特征判定的具体思想如下所述：
[0096]
1)针对虚拟机i和物理主机j，如果虚拟机i更加需求某一种资源，则给予该类资源更高的权重，假设α,β,γ分别代表虚拟机i的四类资源与物理主机j对应资源的比值，
[0097][0098]
2)在计算得到的四个比值中，选取数值最小的比值作为评判虚拟机i相对物理主机j更加偏重哪种资源的基础：
[0099][0100]
3)计算其他类型资源相对最小资源的涨幅，若其涨幅相对较高，则代表着该虚拟机对该类资源需求更高，a,b,c,d∈[0,1)：
[0101][0102]
4)对上一步计算出的涨幅进行归一化处理，得到虚拟机i相对物理主机j的各类资源权重，w
i,cpu
,w
i,net
,w
i,io
,w
i,mem
∈[0,1)：
[0103][0104]
在云数据中心的物理节点上部署虚拟机时，虚拟机的各类资源需满足以下两个约束条件，才能进行下一步判断。然后根据虚拟机的各类资源权重和物理主机剩余资源计算物理主机的均衡值，选择均衡值最高的物理主机部署虚拟机。
[0105]
1)虚拟机最低配置判断
[0106]
首先为了避免物理主机上某类资源被占用过高导致其他资源无法再分配，在部署虚拟机之前，需要考虑即将分配的几个虚拟机各类资源的最低需求是否同时小于物理主机
j的剩余资源(如公式8所示)，即判断一个物理主机是否有能力部署该虚拟机：
[0107][0108]
2)物理主机剩余资源判断
[0109]
物理主机由于自身系统运行和硬件等因素的影响，各类资源的可利用率通常不会达到100％，所以根据实际情况来确定资源相关系数的值，以得到对应资源的最大利用上限。各类资源的相关系数不一定相等，本实施例为了方便描述，将四类资源的相关系数都取为λj。所以当物理主机j承载若干虚拟机之后，其已经被占用的各类资源必须小于该物理主机能够使用的资源上限，即λj×
trj。即物理主机j如果部署虚拟机i后，其剩余资源应当大于物理主机自身系统运行需求的最低资源，即(1-λj)
×
trj。当物理主机j满足第一约束条件后，根据公式(9)进行第二个约束条件的判断。
[0110][0111]
若物理主机满足以上两个约束条件，则根据虚拟机的各类资源权重和物理主机剩余资源计算物理主机的均衡值，选择均衡值最高的物理主机部署虚拟机。在具体计算时，用fj表示编号为j的物理主机的均衡值，该均衡值计算原则为：若虚拟机对某类资源需求更多，统计其请求部署的物理主机该类资源的剩余情况，若该资源剩余较多，则代表该物理主机之前承载的虚拟机占用该类资源较少，则该物理主机适合承载具有此类应用特征的虚拟机。虚拟机i对四种资源有不同偏重，计算每种资源的相对权重，用每一种权重分别与其请求部署的物理主机对应资源的剩余资源相乘然后求和，以此获得物理主机j的均衡值。
[0112][0113]
其中，k代表各类资源，当k＝1时，计算cpu资源的相关参数，当k＝2时，计算网络带宽资源的相关参数，当k＝3时，计算i/o资源的相关参数，当k＝4时，计算内存资源的相关参数。w
i,k
为虚拟机i各类资源的权重。若虚拟机对某类资源需求更多，则该类资源的权重越高。物理主机均衡值越大，说明相对虚拟机i需要的资源而言，该物理主机剩余越充足，则说明该物理主机更适合部署虚拟机i。
[0114]
假定云数据中心上运行的物理主机有m个，有n个拥有不同应用特征的虚拟机提出部署请求，为虚拟机i选择的部署物理主机编号变量为target，存放物理主机均衡值的最大值变量为max，如图2所示，本实施例应用上述方法的具体流程为：
[0115]
step1：初始化均衡值的最大值max＝0，目标物理主机的编号target＝-1，更新虚拟机最低配置lr＝{lr
cpu
,lr
net
,lr
io
,lr
mem
}。
[0116]
step2：遍历处于运行状态的物理主机，统计物理主机个数m，获取物理主机j的各类资源剩余量，总资源量以及相关系数。计算虚拟机i相对物理主机j的资源偏重权重w
i,cpu
,w
i,net
,w
i,io
,w
i,mem
。
[0117]
step3：如果虚拟机的请求资源数量满足物理主机j的资源约束条件1，跳转至step4，否则j＝j 1，跳转至step6。
[0118]
step4：如果虚拟机的请求资源数量满足物理主机j的资源约束条件2，跳转至step5，否则j＝j 1，跳转至step6。
[0119]
step5：计算物理主机均衡值fj，如果fj比最大值max大，则max＝fj，target＝j，j＝j 1，否则j＝j 1。
[0120]
step6：如果j《m，跳转至step3。否则跳转至step7。
[0121]
step7：如果target！＝-1，则输出target的值，将虚拟机i部署在编号为target的物理主机上，结束。否则跳转至step7。
[0122]
step8：从处于非运行状态的物理主机队列中启动一台物理主机加入运行状态主机队列并将该主机的编号赋值给target，输出target，将虚拟机i部署在编号为target的物理主机上，结束。
[0123]
因此在实际使用中，采用本发明提出的方法，其输入为请求部署的虚拟机i的资源请求量r
i,cpu
,r
i,net
,r
i,io
,r
i,mem
，其输出为虚拟机放置的物理主机的编号。
[0124]
为了验证本发明提出的虚拟机部署方法的有效性，考虑到实际云平台不适用于验证算法，本实施例采用云仿真平台cloudsim，对其进行了仿真实验。cloudsim是通用的和可扩展的仿真框架，用来仿真模拟云计算基础设施和任务服务，研究人员可以根据其提供的接口创建和模拟云计算环境，不需要关心底层的实现机制，而更多的专注于系统的设计或者算法的仿真验证。
[0125]
本实施例对cloudsim源码中的一些类进行了扩展和重写，主要包括以下两个部分。
[0126]
1)对vm类进行了扩展，增加了动态更新虚拟机最低配置的方法，并添加了minresource类来保存其最低配置。
[0127]
2)vmallocationpolicy抽象类的allocatehostforvm(vm vm)方法的作用是为指定的虚拟机分配物理服务器：
[0128]
根据本发明提出的方法流程说明，本实施例写了vmallocationpolicy的继承类targetvmallocation(tva)，重写了allocatehostforvm(vm vm)的方法，加入了两个约束条件的判断，vmi相对hostj的资源偏重权重计算、最高均衡值计算，以此确定出可部署虚拟机的物理主机编号。
[0129]
cloudsim仿真步骤如下：
[0130]
1)初始化cloudsim平台，调用cloudsim.init(num_user,calendar,trace_flag)；
[0131]
2)新建数据中心datacenter类，该类中定义了主机个数，主机中cpu核的个数和相关参数，cpu的时间或空间共享策略，虚拟机的分配策略。
[0132]
3)创建代理datacenterbroker类，该代理负责提交虚拟机列表和任务列表。创建虚拟机vm，设定虚拟机的个数和参数，创建虚拟机列表。
[0133]
4)创建云任务cloudlet，设定任务的个数，确定任务的长度和应用模式，创建云任
务列表。
[0134]
5)通过代理提交虚拟机和云任务列表，开始仿真。
[0135]
6)仿真模拟结束时输出任务结果。
[0136]
在cloudsim平台中模拟4台物理主机，这4台物理主机的配置都是一样的，如表1所示。
[0137]
表1
[0138]
资源名资源值主频/ghz3.0cpu核数/个4内存/gb8磁盘/gb1000网络带宽/mbps1000
[0139]
不同类型的虚拟机各4个，共16个，配置如表2所示。
[0140]
表2
[0141]
任务类型虚拟机配置cpu密集型mips＝1000,ram＝1gb,iostorage＝20gb,bandwidth＝100mbps内存密集型mips＝500,ram＝2gb,iostorage＝20gb,bandwidth＝100mbps网络密集型mips＝500,ram＝1gb,iostorage＝20gb,bandwidth＝200mbpsio密集型mips＝500,ram＝1gb,iostorage＝40gb,bandwidth＝100mbps
[0142]
虚拟机编号如表3所示。
[0143]
表3
[0144]
虚拟机类型虚拟机编号cpu密集型vm0,vm4,vm8,vm12内存密集型vm1,vm5,vm9,vm13网络密集型vm2,vm6,vm10,vm14io密集型vm3,vm7,vm11,vm15
[0145]
接下来采用不同的虚拟机部署策略为这16台虚拟机分配物理主机，首先采用cloudsim已有的虚拟机分配算法vmallocationpolicysimple(简写为vaps)进行实验。该算法分配虚拟机的原则是根据cpu核数的剩余量来分配，物理主机cpu核数剩余的越多，虚拟机被分配到该物理主机的几率就越大。实验结果如表4、图3～图6所示。
[0146]
表4
[0147]
vmshostvm0,vm4,vm8,vm12host0vm1,vm5,vm9,vm13host1vm2,vm6,vm10,vm14host2vm3,vm7,vm11,vm15host3
[0148]
从表4中可以看到由于虚拟机的分配是按照申请的顺序在4台物理主机上顺序分配的，所以4台cpu密集型的虚拟机都被分配到了host0上，4台内存密集型的虚拟机被分配
到了host1上，4台io密集型的虚拟机被分配到了host2上，4台网络密集型的虚拟机被分配到了host3上。这样导致物理主机的各类资源使用率很不均衡，每台物理主机的某一种资源被大量占用，而其他资源造成了一定的浪费。同时没有考虑每台物理主机为了运行其自身系统以及硬件都有资源使用上限这一问题。
[0149]
如图3～图6所示，白色部分为物理主机某类资源的全部资源量，而阴影部分则为该物理主机此类资源的占有资源量。虚拟机按照vaps的部署算法进行部署后，四个物理主机的各类资源被占用的比例并不均衡。以物理主机host0为例，host0的cpu主频资源被全部占用，而其他三个物理主机仅仅被占用了50％，host0仍剩余大量其他资源，这就导致host0由于cpu资源被全部占用，无法继续部署其他虚拟机，从而进一步造成了其他资源的浪费。不仅如此，由于物理主机自身系统运行需要一定的资源，cpu资源不能全部分配给虚拟机，表明vaps并没有考虑该因素。
[0150]
接下来采用本发明提出的虚拟机部署方法targetvmallocation(tva)在cloudsim上进行模拟实验，综合考虑物理主机各类资源的使用情况以及提出部署请求的虚拟机的资源偏重，根据虚拟机的应用特征进行分配，实验结果如表5、图7～图10所示。
[0151]
表5
[0152][0153][0154]
从表5可以看到host1上分配的是vm0，vm1，vm2，vm3，分别代表的是cpu密集型的虚拟机，内存密集型的虚拟机，io密集型的虚拟机，网络密集型的虚拟机。其他的主机上也是类似的情况。达到了不同应用特征的虚拟机被部署到同一台物理主机上的目的，使物理主机的各类资源使用更加均衡，同时避免了资源的浪费。
[0155]
如图7～图10所示，白色部分为物理主机某类资源的全部资源量，而阴影部分则为该物理主机此类资源的占有资源量。本发明提出的tpa虚拟机部署方法可以有效地把不同应用特征的虚拟机部署在同一台物理主机上，使得物理主机各类资源都能够得到充分的利用。以host0为例，其四种不同类型的资源的占用率都同其他物理主机水平相当，且没有出现某一种资源被过度占用的情况。
[0156]
综上所述，与目前现有的虚拟机部署方法相比，本发明具有如下一些特点与优势：
[0157]
(1)与传统的虚拟机部署方式不同，本发明结合虚拟机所承载应用的特征及资源偏好特性，考虑了虚拟机的资源偏好特性，并以此作为虚拟机分配与调度的基础，能更好的充分利用资源。
[0158]
(2)在部署虚拟机时，充分考虑了物理机剩余资源情况及虚拟机的资源偏好特性，并以此作为虚拟机部署的基础，使得虚拟机的调度与分配更具有明确的指导依据。
[0159]
(3)虚拟机的部署与调度策略，在保证虚拟机运行效率的同时，充分地提升了物理机的资源效率，为云数据中心更好地服务用户提供了理论基础。