一种虚拟机的迁移方法、装置、电子设备及存储介质

技术特征：
1.一种虚拟机的迁移方法，其特征在于，包括：获取虚拟机动态迁移多目标优化模型，所述虚拟机动态迁移多目标优化模型的优化目标包括能耗、资源利用率和负载均衡度；根据所述虚拟机动态迁移多目标优化模型和布谷鸟算法，生成虚拟机迁移策略；基于所述虚拟机迁移策略迁移虚拟机。2.根据权利要求1所述的方法，其特征在于，所述虚拟机动态迁移多目标优化模型为max{u
avg
，rd，e}，所述虚拟机动态迁移多目标优化模型的约束条件为其中，u
avg
为云平台的综合资源利用率，rd为所述云平台总的负载失衡度，e为所述云平台的电源消耗功率，m为所述云平台活跃物理机数量，n为所述云平台运行中的虚拟机数量，i、j分别代表物理机、虚拟机序号，物理机pm
i
上放置着k台虚拟机，θ为物理机在保障用户服务质量情况下所能提供最大资源的比例，r＝{cpu、mem、bw、disk}，cpu、mem、bw、disk分别表示中央处理器cpu大小、内存大小、带宽大小、磁盘大小。3.根据权利要求1所述的方法，其特征在于，所述根据所述虚拟机动态迁移多目标优化模型和布谷鸟算法，生成虚拟机迁移策略，包括：确定待迁移虚拟机和待迁入物理机；根据所述虚拟机动态迁移多目标优化模型，对所述布谷鸟算法进行优化，得到多目标布谷鸟算法；根据所述多目标布谷鸟算法，为所述待迁移虚拟机和所述待迁入物理机生成虚拟机重分配方案。4.根据权利要求3所述的方法，其特征在于，所述确定待迁移虚拟机和待迁入物理机，包括：确定物理机的状态，所述物理机的状态包括低载状态、超载状态、正常状态和休眠状态；计算虚拟机负载和物理机资源，所述物理机资源为处于非休眠状态下的所有物理机提供的资源；根据所述物理机的状态、所述虚拟机负载和所述物理机资源，确定所述待迁移虚拟机和所述待迁入物理机。5.根据权利要求4所述的方法，其特征在于，所述根据所述物理机的状态、所述虚拟机负载和所述物理机资源，确定所述待迁移虚拟机和所述待迁入物理机，包括：判断所述虚拟机负载是否小于所述物理机资源；若是，则确定目标低载物理机，并将所述目标低载物理机对应的所有虚拟机放入待迁移虚拟机队列、将所述目标低载物理机添加到休眠物理机列表中、将低载物理机列表中除所述目标低载物理机的剩余低载物理机和正常物理机放入待迁入物理机队列，其中，在低载物理机列表中移除所述目标低载物理机后所述物理机资源仍旧大于或者等于所述虚拟机负载；
若否，则确定并开启目标休眠物理机，将所述目标休眠物理机和正常物理机放入待迁入物理机队列，其中，在开启所述目标休眠物理机后所述物理机资源大于或者等于所述虚拟机负载。6.根据权利要求5所述的方法，其特征在于，若存在超载物理机，还包括：遍历超载物理机列表，将所述超载物理机上的虚拟机按虚拟机占用体积大小顺序排序，优先将体积大的虚拟机放入待迁移虚拟机队列，直到所述超载物理机恢复正常为止。7.根据权利要求3所述的方法，其特征在于，所述多目标布谷鸟算法中，布谷鸟的卵构成种群，种群中每一颗卵代表一个虚拟机放置方案，通过迭代更新种群，寻找种群中最优的个体作为所述虚拟机重分配方案；每一颗卵具有3个属性：云平台综合资源利用率、资源损耗度、能耗。8.一种虚拟机的迁移装置，其特征在于，包括：模型获取模块，策略生成模块和迁移模块；所述模型获取模块，用于获取虚拟机动态迁移多目标优化模型，所述虚拟机动态迁移多目标优化模型的优化目标包括能耗、资源利用率和负载均衡度；所述策略生成模块，用于根据所述虚拟机动态迁移多目标优化模型和布谷鸟算法，生成虚拟机迁移策略；所述迁移模块，用于基于所述虚拟机迁移策略迁移虚拟机。9.一种电子设备，其特征在于，包括：处理器，所述处理器用于在执行计算机程序时实现如权利要求1-7中任一所述的虚拟机的迁移方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的虚拟机的迁移方法。

技术总结
本发明实施例公开了一种虚拟机的迁移方法、装置、电子设备及存储介质。该方法包括：获取虚拟机动态迁移多目标优化模型，虚拟机动态迁移多目标优化模型的优化目标包括能耗、资源利用率和负载均衡度；根据虚拟机动态迁移多目标优化模型和布谷鸟算法，生成虚拟机迁移策略；基于虚拟机迁移策略迁移虚拟机。本发明提供的方案能够有效减少虚拟机迁移次数，降低虚拟机调度域的宿主机数量，提高算法运行速度。提高算法运行速度。提高算法运行速度。


技术研发人员：李雷孝 李少旭
受保护的技术使用者：内蒙古工业大学
技术研发日：2022.09.20
技术公布日：2022/12/19