云计算中虚拟资源高效分配策略研究

合集下载

云计算环境下的网络资源管理与调度策略优化

云计算环境下的网络资源管理与调度策略优化随着云计算技术的发展，越来越多的企业开始将其业务迁移到云上，以提高效率和灵活性。

然而，随着用户数量和业务规模的增长，如何有效管理和调度云计算环境中的网络资源成为了一个重要的挑战。

本文将探讨云计算环境下的网络资源管理与调度策略优化的相关问题。

一、云计算环境下的网络资源管理在云计算环境下，网络资源管理是指对云计算平台中的网络设备、带宽和流量进行有效的分配和管理，以满足用户的需求，并提供高性能和稳定的网络服务。

1. 网络资源的分配在云计算环境中，网络资源的分配需要考虑多个因素，包括用户需求、网络拓扑结构和带宽限制等。

一种常见的网络资源分配策略是基于虚拟化技术，通过将物理网络资源划分为多个虚拟网络，为不同的用户或应用程序分配独立的网络资源。

2. 网络拓扑优化在云计算环境中，网络拓扑的设计对于提高网络性能至关重要。

通过高效的网络拓扑规划，可以减少网络延迟、提高数据传输速度，并增加网络的可靠性。

常见的网络拓扑优化方法包括负载均衡和链路优化等。

3. 带宽管理在云计算环境中，带宽管理是保证网络性能的关键。

通过对网络流量进行动态调整和优化，可以提高带宽利用率，并避免网络拥塞。

常见的带宽管理策略包括流量控制、流量调度和带宽分配等。

二、调度策略优化在云计算环境下，网络资源调度策略的优化可以进一步提高网络性能和用户满意度。

1. 负载均衡调度负载均衡调度是一种常见的网络资源调度策略，通过将用户请求均匀地分布到多个服务器上，以实现资源的合理利用和负载均衡。

常见的负载均衡调度算法包括轮询调度、最小连接数调度和最短响应时间调度等。

2. 资源调度优化在云计算环境中，资源调度的优化可以帮助提高资源利用率和任务完成时间。

通过合理的资源分配和任务调度策略，可以最大限度地减少资源浪费并提高任务执行效率。

常见的资源调度优化算法包括最小剩余时间优先调度和动态权重调度等。

3. 故障容忍调度在云计算环境下，故障容忍调度是为了保证系统的可靠性和稳定性。

云计算环境下虚拟机资源均衡调度方法研究

ａｎｉｎｃｏｍｉｎｇｊｏｂ，ｔｈｅｓｃｈｅｄｕｌｅｒｃｈｅｃｋｅｄｔｈｅｉｎｓｔａｎｔｓｔａｔｅｏｆｒｅｓｏｕｒｃｅｐｏｏｌｉｆｒｓｔ，ａｎｄｔｈｅｎｔｏｏｋｉｎｔｅｒｒｅｌａｔｅｄｓｔｒａｔｅｇｉｅｓ．
２．ＣｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ１０００４８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｓｏｎｅｋｉｎｄｏｆｔｈｅｍａｉｎｒｅｓｏｕｒｃｅｓｏｆｃｌｏｕｄｃｏｍｐｕｔｉｎｇ，ｖｉｒｔｕａｌｒｅｓｏｕｒｃｅｓｕｓｔａｉｎｓｓｏｔｒｓｏｆｃｌｏｕｄｓｅｒｖｉｃｅｓ，ａｎｄａｎｅｆｅｃｔｉｖｅｒｅｓｏｕｒｃｅｓｃｈｅｄｕｌｉｎｇｍｅｃｈａｎｉｓｍｈｅｌｐｓｔｏｂａｌａｎｃｅｔｈｅｌｏａｄａｎｄｉｍｐｒｏｖｅｔｈｅｒｅｓｏｕｒｃｅｕｔｉｌｉｔｙｒａｔｅ．Ｆｏｃｕｓｉｎｇ
Ｋｅｙｗｏｒｄｓ：ｃｌｏｕｄｃｏｍｐｕｔｉｎｇ，ｃｌｏｕｄｓｅｒｖｉｃｅｓｐｏｏｌ，ｖｉｒｔｕａｌｍａｃｈｉｎｅ，ｒｅｓｏｕｒｃｅｓｃｈｅｄｕｌｉｎｇ

基于虚拟化的服务器资源动态调度方法研究

基于虚拟化的服务器资源动态调度方法研究随着云计算的快速发展，虚拟化技术成为了一种重要的服务器资源管理方式。

通过虚拟化技术，多个虚拟机实例可以运行在同一台物理服务器上，极大地提高了服务器资源的利用率。

然而，随着虚拟机数量的增加和工作负载的变化，如何高效地进行服务器资源动态调度成为了一个重要的研究问题。

一、虚拟化技术概述虚拟化技术是一种将物理资源抽象为虚拟资源的技术。

通过在物理服务器上安装虚拟机管理程序（Hypervisor），使得多个虚拟机实例可以同时运行在同一台物理服务器上，每个虚拟机实例拥有独立的操作系统、应用程序等资源。

虚拟化技术可以提供更灵活、更高效的服务器资源管理方式。

二、虚拟化服务器资源调度策略虚拟化环境中，服务器资源的调度策略是评估和调整虚拟机实例在服务器上的分布和使用方式的方法。

合理的调度策略可以提高服务器资源的利用率，降低能耗，并保证用户的性能需求。

目前，常见的虚拟化服务器资源调度策略主要包括以下几种：1. 基于负载均衡的调度策略：通过监测服务器的负载情况，将负载较高的虚拟机实例迁移到负载较低的服务器上，实现服务器资源的均衡分配。

这种策略可以避免资源利用不平衡导致的性能下降，提高整体系统的吞吐量。

2. 基于能耗的调度策略：对于存在休眠模式的服务器，通过根据服务器的实际负载情况和能耗模型来决定哪些服务器可以进入休眠状态，从而降低整体能耗。

这种策略需要根据实际服务器硬件和负载特征来建立合适的能耗模型。

3. 基于预测的调度策略：通过分析历史负载数据和趋势预测算法，预测未来一段时间内的负载情况，并根据预测结果来进行资源分配和调度。

这种策略可以更早地发现负载波动，提前调整资源分配，以提高系统的性能和可靠性。

三、虚拟化服务器资源动态调度方法研究虚拟化环境中，服务器资源动态调度涉及到多个方面，包括负载监测、资源分配、迁移决策等。

当前的研究主要集中在以下几个方向：1. 负载监测：通过监测服务器的负载情况，获取各个虚拟机实例的资源使用情况和性能指标。

云计算平台的容量规划和优化策略

云计算平台的容量规划和优化策略云计算在当今的科技领域中已经发展成为了一项具有重要影响力的技术和工具。

其通过将传统的物理设备转化为虚拟的计算资源，提供了高度的灵活性和可扩展性，从而使得用户可以根据实际情况进行动态调整，充分满足各种计算需求。

然而，在实际应用过程中，云计算平台的容量规划和优化策略一直是一个值得关注和研究的问题。

一、云计算平台的容量规划云计算平台的容量规划是指在建设、维护和运行云计算平台时，根据不同的用户需求和应用特点，对资源进行可靠的容量预估和分配，从而充分利用现有的资源，快速响应用户的需求，保证服务质量，最大程度地提高资源利用率。

容量规划的过程中需要考虑以下几个方面：1、资源评估基于应用场景，对不同的资源进行评估，包括CPU、内存、磁盘、网络等方面的维度。

可以根据历史数据、用户需求、应用特点等多方面信息进行综合评估，然后确定合理的需求和分配方案。

2、资源分配根据应用需求和资源评估结果，对不同的资源进行合理分配和调整。

这也是云计算平台最核心的功能之一，通过虚拟化技术，对大量的物理资源进行优化和整合，提供灵活、可扩展的虚拟机和应用实例来满足客户需求。

3、容量预测容量预测是容量规划过程中非常重要的一项工作。

通过对未来的需求和资源使用情况进行预测，可以为资源的分配和调整提供更为准确的依据。

可以利用机器学习、时间序列分析、回归分析等方法进行预测。

4、考虑容错和故障在容量规划的过程中，需要考虑到容错和故障的情况。

针对不同的故障情况，需要提前做好应急准备措施，保证平台的高可用性和可靠性。

以上是云计算平台容量规划的主要考虑方面。

在实际中，还需要考虑到其他的因素，例如平台的安全性、成本和性能等方面。

二、云计算平台的优化策略随着客户需求不断增长，云计算平台所面临的容量问题也越来越突出。

为了更好地满足客户需求和提高用户体验，我们需要不断优化云计算平台内部的各项指标。

以下是云计算平台优化的主要策略:1、自动化管理甚至当前的云计算平台提供了大量完善的API、RESTful接口、以及自动化管理和调配系统，可以通过开发自动化脚本、调度器等来优化平台服务。

云虚拟机资源分配的效用最大化模型

云虚拟机资源分配的效用最大化模型师雪霖, 徐恪(清华大学计算机科学与技术系, 北京市中国100084)摘要随着云计算和虚拟化技术的发展，为云资源管理提供了一种更高层次的调度选择：一个作业不再只能分配到一台物理机上，而是可将一台或多台物理机的计算资源虚拟化成一台虚拟机来运行该作业.根据作业需要，高效分配定量的物理资源放置虚拟机，是决定云系统性能的关键因素，即云资源调度问题实质就是一个虚拟机和物理机之间的映射问题.本文借鉴网络效用最大化模型，提出了一种云资源调度模型——云效用最大化（Cloud Utility Maximization）模型，与传统调度模型相比，目标函数不再是最小化最大完工时间，而是以达到效用最大为调度目标，可以充分提高用户的满意程度.通过求解CUM 优化问题得到最优的虚拟机和物理机映射关系.设计了针对该模型的分解优化算法——简化次梯度算法求解拉格朗日对偶问题，证明了该算法可以获得原始模型问题的最优解.仿真实验表明算法可行且具有良好的收敛特性，并给出了CUM模型在真实云环境下的应用场景.关键词云计算；资源调度；虚拟机放置；拉格朗日松弛；次梯度算法中图法分类号TP312DOI号：Utility Maximization Model of Virtual Machine Scheduling in CloudEnvironmentShi Xuelin, Xu Ke(Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China)Abstract With development of cloud computing, especially wide application of virtual machines, it is possible that one or more physical machines can be virtualized one virtual machine to support a job. Virtual machine placement is a key factor for cloud performance, which is practically a mapping problem between virtual machine and physical machine. This paper gave a cloud scheduling model: Cloud Utility Maximization (CUM), which applied approach of Network Utility Maximization into computing resource scheduling. Comparing with traditional scheduling problem, CUM aimed to maximize the utility of cloud instead of early finishing time. The optimal virtual machine placement policy can be achieved by solving CUM. The decomposition and optimization algorithm for the CUM was proposed: subgradient algorithm for solving Lagrangian relaxation dual problem. Convergence of the algorithm was verified by the simulation experiments. At last the paper gave an application scenario of CUM in cloud environment.Key words cloud computing, scheduling, virtual machine placement, Lagrange relaxation, subgradient algorithm-------------------------------------本课题得到国家“九七三”重点基础研究发展规划项目(2009CB320501, 2012CB315803)、国家自然科学基金(61170292, 60970104)和国家科技重大专项(2012ZX03005001001)资助. 师雪霖，女，1977年生，博士，E-mail: shixuelin@，助研(博士后)，主要研究领域为网络优化、云计算。

数据中心虚拟化技术研究与资源管理

数据中心虚拟化技术研究与资源管理随着云计算技术的不断发展，越来越多的企业开始意识到数据中心虚拟化技术的重要性。

数据中心虚拟化技术可以将传统的物理服务器转化为虚拟机，提高硬件资源利用率、降低成本、增加灵活性和可扩展性。

本文将介绍数据中心虚拟化技术的研究现状和资源管理方法。

一、数据中心虚拟化技术的研究现状数据中心虚拟化技术是近年来研究的热门话题之一。

虚拟机技术是其中的核心，通过在物理服务器上创建多个虚拟机实例，可以在一台服务器上同时运行多个操作系统和应用程序。

虚拟机技术的快速发展使得数据中心的资源利用效率大幅提升，实现了资源的共享和动态分配。

在数据中心虚拟化技术的研究中，主要关注以下几个方面：虚拟机的创建和销毁、虚拟机的资源调度和管理、虚拟机之间的网络通信和安全性等。

虚拟机的创建和销毁是数据中心虚拟化技术的基础，可以通过动态创建新的虚拟机，实现对资源的灵活分配。

虚拟机的资源调度和管理是保证数据中心运行效率的关键，通过动态调整虚拟机所占用的资源，实现资源的高效利用。

虚拟机之间的网络通信和安全性则关系到数据中心整体的运行效果和安全性。

二、数据中心虚拟化技术的资源管理方法在数据中心虚拟化技术中，资源管理是至关重要的一环。

数据中心中的资源包括计算资源、存储资源和网络资源，如何合理地管理这些资源，是提高数据中心效率的关键。

1. 计算资源管理计算资源是数据中心的核心资源之一，包括CPU、内存和磁盘等。

在虚拟化环境下，如何合理地分配计算资源是一个难题。

一种常见的方法是通过动态调整虚拟机的资源配额，根据实际需要分配计算资源。

另一种方法是基于负载均衡的资源管理，根据不同虚拟机的负载情况，自动调整计算资源的分配。

2. 存储资源管理存储资源也是数据中心不可或缺的一部分。

在虚拟化环境下，存储资源的管理变得更加复杂。

一种常见的策略是利用存储虚拟化技术，将物理存储设备抽象为虚拟存储池，通过动态分配和回收存储空间，实现对存储资源的高效管理。

云计算环境下基于粒子群算法的资源分配策略

进行统一管理。此外虚拟化简化了应用编写的工作，
计算成了近几年人们讨论的热点。目前工业界具有代
表性的云计算实例有Ｇｏｌｏｇｅ的云计算平台、Ｍ公司ＩＢ的“ 云 ” 台产品以及Ａｚｎ公司的弹性计算蓝平ｍａｏ云口。云计算心是一种超级的计算模式，涵盖了］它分布式处理（ｉｒｕｅｏｕｎ）并行处理（ａｌｌｄｔｂｔｃｍｐｔｇ、ｓｉｄｉｐｒｌａｅｃｍｐｔｇ和网格计算（ｒｏｐｔｇ等多种技术，ｏｕｉ）ｎｇｉｃｍｕｉ）ｄｎ
定义Ｇ（是在价格向量Ｐ下负载代理Ｗ所能Ｐ）
够获得的最大收益：
Ｇ（）ｍｏ】［（一ｉＰ＝【１）ａｘ（）２
ＩＷｏｌｄｒｏｌｋａＩＶＩＭ＼
Ｉ
ｌＷｏｌｄＩｒｏｋａ … ／Ｖｌ１ＭＮ
ｃｅｓｒａｇｒｔｍｓｅｌｙｄｔｘｍｉｅｐｏｔｏｅｔｉｒｏｄ．ｅｒｓｌｆｓｍｕａｉｎｅｐｒｎｓｖｉａｅｔａａｔｌｌｗａｍｏｉｌｈｗａｍｐｏｅｏｍａｉｚｒｆｆａｃｒａｎｗｏｋａＴｕｔｏｉｌｔｘｅｉｉｌｈｅｓｏｍｅｔａｄｔｈｔｐｒｉｅｌｃ
定义Ｗ（）为虚拟资源分配方案的总效用函Ｘ数，表示为：．
＼ｆ
Ｉ
Ｗ（）Ｘ＝王Ｆ（）
称为系统的最优解。

面向云计算的数字图书馆虚拟资源管理机制和调度策略研究

（中图分类号］Ｇ５．６［２０７文献标识码］Ａ［文章编号）１０ — ８１（０２９Ｏ２０８０２２１）０一Ｏ５—０４
ＳｕｙｆｒＶｉｔａｉｅｓｕｃａａｅｅｔＭｅｈｎｉｍｎｔｄｏｒｕｌｄＲｅｏｒｅＭｎｇｍｎｃａｓａｄｚ
２１０２年９月
第３２卷第９期
・
现代情报
Ｊｕａｆｄｍｎｏｍａｏｏｒｌｅ源自ＩｆｒｔｎｎｏＭｏｉ
Ｓｐ．２２ｅ，０１
Ｖ１３Ｎ．０．２０９
理论探索・
面向云计算的数字图书馆虚拟资源管理机制和调度策略研究
２ｅｏｋＣｎｅ，￣ｎｈｕＵｉｒｔｏｉａｃｄＥｏｏｃ，Ｌｎｈｕ７０２，Ｃｉ）．Ｎｔｒｅｔｗｒｚｏｎｅｉｆｎｅａｃｎｍｓａｚｏ３００ｈａｖｓｙＦｎｎｉｎ
［ｂｔｃ３Ｒｓｕｅｍｎｇｍｎｉｔｏｓｅｆ＃ａｌｒｙｂｓｄＯｌｄｃｍｕｎ．Ｆｓｙｈａｅｔ・Ａｓａｔｅｏｒａａｅｅｔｓｈｃｒｉｕｒｔｂａａｅｉｃｕｏｐｔｇｉｔ，ｔｐｐｒｎｒｒｃｅｅｓｏｄｔｉｒｌｌｏｉｒｌｅｉｏ
ａａａｉｔｆｉｕｌｅｆ￣ｖｉｈｌｙｏｖｒａｚｄｒｌｌｉｔｉｅＯ
【ｙｗｒｓｌｕｍｕｎ；ｄｇ￣ｌｒｙｅｔＣｃｏｕｎ；ｌＯｌｌｃｔｎＫｅｏｄ）ｃｄｃｐｔｇｉｉｉａ；ｒＯｒｈｌｏｏｉｔｂｒ．ｌ￣ｓｄｉ＇ＵＰｌａｏ８＿ｇｅ＇ｏｉＳ￣ａ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Computer Science and Application 计算机科学与应用, 2016, 6(3), 184-189 Published Online March 2016 in Hans. http://www.hanspub.org/journal/csa http://dx.doi.org/10.12677/csa.2016.63023

文章引用: 于宁, 张金泉, 倪丽娜. 云计算中虚拟资源高效分配策略研究[J]. 计算机科学与应用, 2016, 6(3): 184-189. http://dx.doi.org/10.12677/csa.2016.63023

An Efficient Virtual Resources Allocation Strategy for Cloud Computing

Ning Yu1,2, Jinquang Zhang1,2*, Lina Ni1,2 1College of Information Science and Engineering, Shandong University of Science and Technology, Qingdao

Shandong 2Shandong Province Key Laboratory of Wisdom Mine Information Technology, Shandong University of Science

and Technology, Qingdao Shandong

Received: Mar. 5th, 2016; accepted: Mar. 26th, 2016; published: Mar. 29th, 2016

Abstract In this paper, a virtual resource application-allocation model and an efficient virtual resource al-location strategy are presented aiming at the huge energy consumption problem during the idle time of host server in cloud data center. The strategy can maximize the use of the host server and reduce energy consumption of the infrastructure under the premise of meeting the users’ needs. The cloud tasks are submitted to the cloud center after the statistical synthesis at the ends of the cloud, and unified allocated by the resource manager of cloud center in order to achieve optimal utilization of the servers. Simulation results show that our proposed strategy has good effect for different number and type of cloud tasks scheduling, and can improve the utilization of cloud computing center server.

Keywords Cloud Computing, Virtual Resource, Allocation Strategy

云计算中虚拟资源高效分配策略研究于宁1,2，张金泉1,2*，倪丽娜1,2 1山东科技大学信息科学与工程学院，山东青岛

2山东科技大学山东省智慧矿山信息技术省级重点实验室，山东青岛

*通讯作者。于宁等 185 收稿日期：2016年3月5日；录用日期：2016年3月26日；发布日期：2016年3月29日摘要本文针对目前云数据中心主机服务器在空转时间段对能源消耗巨大的问题，建立了虚拟资源申请–分配模型，提出了一种虚拟资源分配的策略。该策略在满足用户需求前提下，对主机服务器最大化利用，以此来降低基础设施对能源的消耗。通过“端”对云任务进行统计综合，提交云中心，云中心的资源管理器对云任务进行统一分配，以达到对服务器的最佳利用。仿真结果表明，我们提出的策略对不同任务数目、类型的云任务调度具有较好的效果，能够提高云计算中心服务器的利用率。

关键词云计算，虚拟资源，分配策略

1. 引言云计算通过互联网提供动态、易扩展、虚拟化的资源，提供这些资源的往往是具有庞大规模计算机集群的云数据中心。通常情况下，一个云计算中心有数万甚至数百万的服务器，这些云计算中心的能源消耗是巨大的。可以通过两种途径减少这些大规模基础设施对能源的消耗：一是降低单一服务器的能耗；二是进行虚拟资源优化来提高服务集群的整体资源利用率。目前对于虚拟资源优化的相关研究主要集中于优化资源调度、优化资源分配以及资源有效管理等方面。有学者提出分层调度方法[1]、多目标蚁群算法[2]以及引入经济学方法比如纳什均衡[3]、市场经济机制[4]等提高资源利用率。文献[5]提出多目标遗传算法，通过设计适应度函数，解决动态资源分配问题。文献[6]针对资源调度问题中的成本最小化和期限约束模型，提出了基于遗传算法的动态目标优化策略。文献[7]针对不同的资源类型，提出了多资源包装算法，并在iVCE中实现了一个原型。文献[8]设计了一个体系架构，根据应用的特征和当前的工作负载，在云集群环境中找到最优的cpu密集型和io密集型工作的分配比例。文献[9]在讨论了多种基本要素的虚拟机迁移情况下，提出了基于队列的虚拟机迁移模型。文献[10]在考虑时间价格差异和对任务延迟的容忍度情况下，提出了一个动态的虚拟资源租赁算法，来使得云服务提供商尽可能达到利润最大化。本文研究虚拟资源高效率整合方法，提高计算中心的资源利用率，以达到减少能源消耗、降低运行成本的目的。

2. 系统模型 2.1. 预备知识虚拟资源可分为：计算型、通信型、磁盘型以及三者之间的互相组合[11]。本文所提出的资源分配策略，在各类资源整体综合的基础上借助云端来进行，将虚拟资源分成最基本的三类：计算型、通信型、磁盘型。其中云端代表着云计算中的应用企业。用户通过“端”这个桥梁来获取服务，“端”向服务集群申请资源，在“端”进行资源统计。假设用P代表计算型资源，N代表通信带宽型资源，D代表磁盘存储型资源，那么对于用户i的申请，端可以建立一个向量来指向用户i所申请的资源，并且对用户申请进行统计，向服务集群进行集中申请。于宁等 186 2.2. 问题模型我们对整个资源申请过程建立模型。其中用户通过端向云服务集群申请资源，端在统计用户的申请后，向资源管理器递交统计结果，资源管理器通过综合分析资源申请与云服务集群中资源的使用情况，计算判断得出虚拟资源分配的最优配置，并将结果提交给云服务集群，最后云集群分配资源。图1为我们所提出的虚拟资源申请–分配模型。模型将云资源申请–分配整体流程概括化表示。云用户是虚拟资源的申请者，代表云计算模型中的消费者。云服务集群为虚拟资源的提供者，代表云计算模型中的生产者。“端”代表云计算模型中的中间商，通过利用资源管理器，统计云用户的资源申请，在进行综合分析的基础上，向云集群申请到合适的资源并分配给云用户。这样也就完成了一次云资源申请–分配的流程。假设在某一时刻有n个用户向端提交资源申请，对于这一时刻，端对云用户所申请资源的统计结果用一个n × 3的资源申请矩阵s1表示：

1112221:PNDPNDs

PnNnDn





假设服务集群中每个主机服务器能承载的最大资源数为。对于整个服务器集群，可分为三类：正在使用且已存储满、正在使用且未满、未使用。第一种可以不予考虑，第二种我们用资源可分配矩阵m表示，其中表示第i台主机剩余可分配的资源。

111222:PNDPNDm

PnNnDn

′′′

′′′

′′′



在对整个资源申请进行建模分析之后，虚拟资源分配问题可简化为两个分支：一是如何将资源申请首先分配到运行中的未满服务器中；二是如何将未分配的资源进行优化配置，使得新开服务器可以最佳利用。

2.3. 解决方案本文的虚拟资源申请—分配模型采用以下步骤：1) 检测运行中的服务器是否可继续分配；2) 可分配则分配并且继续检验；3) 若不可分配则将剩余申请进行综合配置并分配到新开服务器中。第一个分支：检测运行中的服务器是否可继续分配，可以通过比对建立的两个矩阵。

111111222222PNDPNDPNDPND

PnNnDnPnNnDn

′′′

′′′⇔



′′′



将申请资源矩阵与可分配资源矩阵进行逐一比对。考虑资源分配效率，比对若满足条件(),,PiNiDi ≤

(),,PiNiDi′′′，则直接分配。分配完毕，双方更新，重新比对。这里我们新建立一个矩阵s2作为比对完

成后的剩余资源申请矩阵，s2中的矩阵行存储比对完成后剩余矩阵，表示正在运行的服务器不能满足其需求，需要重开服务器。