确定虚拟环境中物理计算资源冲突概率的方法与设备技术领域
本发明涉及计算机技术领域，尤其涉及一种用于确定虚拟环境中
物理计算资源冲突的概率的技术。
背景技术
虚拟机技术支持了用户在一台物理计算机上模拟出一台或多台
虚拟的计算机的需求，极大地方便了用户的工作和学习。而在虚拟环
境下，多个虚拟机共享同一物理硬件计算资源。由于资源的共享,不
同虚拟机之间存在着物理计算资源的竞争，而现有技术未提供计算虚
拟环境下物理计算资源冲突的概率的方法。同时，在未知物理计算资
源冲突概率的情况下,系统和虚拟机都无法采取相应的恢复措施来消
除物理计算资源的竞争引起的资源冲突,最终会导致系统陷入严重的
资源冲突状态,对于运行于虚拟环境中的实时系统来说影响尤其严
重,因为物理计算资源的冲突会导致抖动和时延的显著增加,严重影
响提供给用户的服务质量。
发明内容
本发明的目的是提供一种用于确定虚拟环境中物理计算资源冲突
的概率的方法与设备。
根据本发明的一个方面，提供了一种用于确定虚拟环境中物理计
算资源冲突的概率的方法，其中，所述虚拟环境所对应的物理机中配
置至少一个物理CPU和至少两个虚拟机，每一所述虚拟机具有至少
一个虚拟CPU，该方法包括：
a获取每一所述虚拟机在采样周期内被分配的物理CPU负荷信
息；
b获取每一所述虚拟机在所述采样周期内所对应的虚拟机内部
CPU负荷信息；
c根据每一所述虚拟机的物理CPU负荷信息与虚拟机内部CPU
负荷信息，确定所述虚拟环境中的物理计算资源冲突的概率。
根据本发明的另一方面，还提供了一种用于确定虚拟环境中物理
计算资源冲突的概率的冲突概率确定设备，其中，所述虚拟环境所对
应的物理机中配置至少一个物理CPU和至少两个虚拟机，每一所述
虚拟机具有至少一个虚拟CPU，该冲突概率确定设备包括：
第一获取装置，用于获取每一所述虚拟机在采样周期内被分配的
物理CPU负荷信息；
第二获取装置，用于获取每一所述虚拟机在所述采样周期内所对
应的虚拟机内部CPU负荷信息；
冲突概率确定装置，用于根据每一所述虚拟机的物理CPU负荷
信息与虚拟机内部CPU负荷信息，确定所述虚拟环境中的物理计算
资源冲突的概率。
与现有技术相比，本发明通过测量每一所述虚拟机的物理CPU
负荷信息与虚拟机内部CPU负荷信息，可容易地计算出所述虚拟环
境中的物理计算资源冲突的概率；此外，本发明还可将所述物理计算
资源冲突的概率发送至对应系统，以供所述系统根据所述物理计算资
源冲突的概率进行相应处理，使得系统可根据物理计算资源冲突的概
率来提高系统的可靠性，尤其对于实时系统，本发明提高了实时系统
的响应时间。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，
本发明的其它特征、目的和优点将会变得更明显：
图1示出根据本发明一个方面的一种用于确定虚拟环境中物理计
算资源冲突的概率的设备示意图；
图2示出根据本发明另一个方面的一种用于确定虚拟环境中物理
计算资源冲突的概率的方法流程图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
图1示出根据本发明一个方面的一种用于确定虚拟环境中物理计
算资源冲突的概率的冲突概率确定设备1，其中，所述虚拟环境所对
应的物理机中配置至少一个物理CPU和至少两个虚拟机，每一所述
虚拟机具有至少一个虚拟CPU，其中，冲突概率确定设备1包括第一
获取装置11、第二获取装置12和冲突概率确定装置13。具体地，第
一获取装置11获取每一所述虚拟机在采样周期内被分配的物理CPU
负荷信息；第二获取装置12获取每一所述虚拟机在所述采样周期内
所对应的虚拟机内部CPU负荷信息；冲突概率确定装置13根据每一
所述虚拟机的物理CPU负荷信息与虚拟机内部CPU负荷信息，确定
所述虚拟环境中的物理计算资源冲突的概率。在此，冲突概率确定设
备1可由网络主机、单个网络服务器、多个网络服务器集或基于云计
算的计算机集合等实现。在此，云由基于云计算(CloudComputing)
的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，
由一群松散耦合的计算机集组成的一个超级虚拟计算机。本领域技术
人员应能理解上述冲突概率确定设备1仅为举例，其他现有的或今后
可能出现的网络设备如可适用于本发明，也应包含在本发明保护范围
以内，并在此以引用方式包含于此。在此，网络设备包括一种能够按
照事先设定或存储的指令，自动进行数值计算和信息处理的电子设
备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门
阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。
具体地，第一获取装置11可通过调用虚拟环境所对应的物理机
自身所提供的资源管理器应用程序接口(API)，获取每一所述虚拟机
在采样周期内被分配的物理CPU负荷信息；或者，通过扫描虚拟环
境所对应的物理机中配置的每一虚拟机被分配的物理CPU负荷信息，
来获取每一所述虚拟机在采样周期内被分配的物理CPU负荷信息。
例如，假设在一物理机如physicalmachine1上安装了虚拟机，从
而构成虚拟环境virtualenviroment1，该物理机中配置m个物理CPU
(如以P1，P2，...，Pm表示)，n个虚拟机(如以VM1，VM2，...，
VMn表示)，虚拟机VM1至VMn具有的虚拟CPU数量分别为V1，
V2，...,Vn个，则第一获取装置11可通过物理机如physicalmachine1
自身所提供的资源管理器应用程序接口(API)，便得到每一所述虚拟
机在采样周期如T内被分配的物理CPU负荷信息，即得到虚拟机VM1
至VMn各自在采样周期T内被分配的物理CPU负荷信息，可用公式
(1)表示如下：
Σ i = 1 m a ji % , j = 1,2 , . . . , n - - - ( 1 ) ]]>
其中，aji％表示第i个物理CPU为第j个虚拟机VMj分配的物理CPU负荷
信息，例如：
Ⅰ)当j＝1时，上述公式(1)表示虚拟机VM1被分配的物理CPU负荷
信息，即：yVM1＝a11％+a12％+...+a1m％(其中，a11％表示第1个物理CPU
为VM1分配的物理CPU负荷信息，a12％表示第2个物理CPU为VM1分配
的物理CPU负荷信息，...，a1m％表示第m个物理CPU为VM1分配的物
理CPU负荷信息)；
Ⅱ)当j＝2时，上述公式(1)表示虚拟机VM2被分配的物理CPU负荷
信息，即：yVM2＝a21％+a22％+...+a2m％(a21％表示第1个物理CPU为VM2
分配的物理CPU负荷信息，a22％表示第2个物理CPU为VM2分配的物
理CPU负荷信息，...，a2m％表示第m个物理CPU为VM2分配的物理
CPU负荷信息)。对于其他虚拟机，可按公式(1)依次类推。
再如，若每一物理CPU在采样周期内为同一虚拟机分配的CPU
负荷相同；或者，当第一获取装置11获取到每一物理CPU在采样周
期内为同一虚拟机中各虚拟CPU的平均物理CPU负荷信息时，第一
获取装置11可通过以下方式来计算每一所述虚拟机在采样周期内被
分配的物理CPU负荷信息。
例如，假设第一获取装置11通过物理机如physicalmachine1自
身所提供的资源管理器应用程序接口(API)，获取到其上的m个物
理CPU均为VM1分配的物理CPU负荷信息为T1％，则第一获取装置
11可计算得到虚拟机VM1被分配的物理CPU负荷信息＝T1％*m；而
该m个物理CPU均为虚拟机VM2分配的物理CPU负荷信息为T2％，
则虚拟机VM2被分配的物理CPU负荷信息＝T2％*m；类似地，该m
个物理CPU均为虚拟机VMn分配的物理CPU负荷信息为Tn％，则虚
拟机VMn被分配的物理CPU负荷信息＝Tn％*m，即虚拟机VMj被分
配的物理CPU负荷信息可用以下公式(2)表示：
Tj％*m，j＝1,2，...，n(2)
本领域技术人员应能理解上述获取每一所述虚拟机在采样周期
内被分配的物理CPU负荷信息的方式仅为举例，其他现有的或今后
可能出现的获取每一所述虚拟机在采样周期内被分配的物理CPU负
荷信息的方式如可适用于本发明，也应包含在本发明保护范围以内，
并在此以引用方式包含于此。
第二获取装置12可通过调用每一虚拟机自身所提供的资源管理
器应用程序接口(API)，获取每一所述虚拟机在所述采样周期内所对
应的虚拟机内部CPU负荷信息。
例如，对于虚拟机VM1至VMn，则第二获取装置12可通过每一
虚拟机自身所提供的资源管理器应用程序接口(API)，来得到每一虚
拟机在采样周期T内所对应的虚拟机内部CPU负荷信息，可用公式
(3)表示如下：
Σ z = 1 V j b jz % , j = 1,2 , . . . , n - - - ( 3 ) ]]>
其中，bjz％表示第j个虚拟机VMj中第z个虚拟CPU在采样周期T内所对
应的虚拟机内部CPU负荷信息，例如：
Ⅰ)当j＝1时，上述公式(3)表示虚拟机VM1对应的虚拟机内部CPU
负荷信息，即：xVM1＝b11％+b12％+...+b1V1％(b11％表示虚拟机VM1
中第1个虚拟CPU的在采样周期T内所对应的虚拟机内部CPU负荷信
息，b12％表示虚拟机VM1中第2虚拟CPU的在采样周期T内所对应的虚
拟机内部CPU负荷信息，...，b1V1％表示虚拟机VM1中第V1个虚拟CPU
在采样周期T内所对应的虚拟机内部CPU负荷信息)；
Ⅱ)当j＝2时，上述公式(3)表示虚拟机VM2对应的虚拟机内部CPU
负荷信息，即：xVM2＝b21％+b22％+...+b2V2％(b21％表示虚拟机VM2
中第1个虚拟CPU在采样周期T内所对应的虚拟机内部CPU负荷信息，
b22％表示虚拟机VM2中第2虚拟CPU在采样周期T内所对应的虚拟机
内部CPU负荷信息，...，b2V2％表示虚拟机VM2中第V2个虚拟CPU在
采样周期T内所对应的虚拟机内部CPU负荷信息)。对于其他虚拟机，
可按公式(3)依次类推。
再如，若同一虚拟机的各虚拟CPU的虚拟机内部CPU负荷信息相
同，或者，当第二获取装置12获取到每一虚拟机的各虚拟CPU在采样
周期内的平均虚拟机内部CPU负荷信息时，第二获取装置12可通过以
下方式计算每一虚拟机在所述采样周期内所对应的虚拟机内部CPU
负荷信息。例如，假设第二获取装置12通过调用虚拟机VM1自身所提
供的资源管理器应用程序接口(API)，得到该虚拟机中的V1个虚拟
CPU在采样周期内的平均虚拟机内部CPU负荷信息为L1％，则第二获
取装置12可确定虚拟机VM1对应的虚拟机内部CPU负荷＝L1％*V1；
而对于虚拟机VM2，第二获取装置12得到该虚拟机中的V2个虚拟CPU
在采样周期内的平均虚拟机内部CPU负荷信息为L2％，则第二获取装
置12可确定虚拟机VM2对应的虚拟机内部CPU负荷＝L2％*V2；类似
地，对于虚拟机VMn，第二获取装置12得到该虚拟机中的Vn个虚拟
CPU在采样周期内的平均虚拟机内部CPU负荷信息为Ln％，则第二获
取装置12可确定虚拟机VMn对应的虚拟机内部CPU负荷＝Ln％*Vn，
即虚拟机VMj对应的虚拟机内部CPU负荷可用以下公式(4)表示：
Lj％*Vj，j＝1,2，...，n(4)
其中，Vj表示第j个虚拟机VMj的虚拟CPU数量信息。
本领域技术人员应能理解上述获取每一所述虚拟机在所述采样
周期内所对应的虚拟机内部CPU负荷信息的方式仅为举例，其他现
有的或今后可能出现的获取每一所述虚拟机在所述采样周期内所对
应的虚拟机内部CPU负荷信息的方式如可适用于本发明，也应包含
在本发明保护范围以内，并在此以引用方式包含于此。
在此，本领域技术人员应当理解，在具体实施例中，第一获取装
置11和第二获取装置12可串行的执行，也可并行的执行。当以串行
方式执行时，也可先执行第二获取装置12，后执行第一获取装置11。
在此，本领域技术人员应当理解，在具体实施例中，第一获取装
置11和第二获取装置12可集成在一起，也可是独立的模块。
冲突概率确定装置13根据每一所述虚拟机的物理CPU负荷信息
与虚拟机内部CPU负荷信息，确定所述虚拟环境中的物理计算资源
冲突的概率。在此，冲突概率确定装置13确定所述概率的方式包括
但不限于以下至少任一项：
1)首先根据每一所述虚拟机的物理CPU负荷信息与虚拟机内部
CPU负荷信息，确定对应虚拟机在所述采样周期内所对应的竞争CPU
负荷信息；然后，再根据每一所述虚拟机的物理CPU负荷信息与竞
争CPU负荷信息，确定所述虚拟环境中的物理计算资源冲突的概率。
在此，在采样周期内存在当某一虚拟机有任务待执行但物理机的
物理CPU被其他虚拟机占用的情形，被其他虚拟机占用的物理CPU
负荷信息即是该虚拟机的竞争CPU负荷信息，例如，对于安装在物
理机如physicalmachine1上的n个虚拟机VM1至VMn，若在采样周
期T＝1000ms内，虚拟机VM1被分配的物理CPU负荷信息为
10％*T＝100ms，当虚拟机VM1执行任务时，其虚拟机内部CPU负荷
信息为80％*T＝800ms，在虚拟机VM1自身看来，在该800ms中其均
可执行任务，但实际上其可执行任务的时间只有100ms，该800ms中
的其他700ms被其他虚拟机占用，则该700ms即是虚拟机VM1的竞
争CPU负荷信息。
例如，因虚拟机在所述采样周期内所对应的每一虚拟机内部CPU
负荷信息等于其在该采样周期内的物理CPU负荷信息与竞争CPU负
荷信息的和，所以，可根据每一所述虚拟机的物理CPU负荷信息与
虚拟机内部CPU负荷信息，确定对应虚拟机在所述采样周期内所对
应的竞争CPU负荷信息，根据上述公式(1)和(3)，两者相减，公式(3)
减去公式(1)，可得到虚拟机在所述采样周期内所对应的竞争CPU
负荷信息，即：
η j % = Σ z = 1 V j b jz % - Σ i = 1 m a ji % , j = 1,2 , . . . , n - - - ( 5 ) ]]>
其中，ηj％表示第j个虚拟机VMj的竞争CPU负荷信息。例如：
Ⅰ)当j＝1时，上述公式(5)表示第1个虚拟机VM1的竞争CPU负
荷信息，即：
η1％＝xVM1-yVM1＝(b11％+b12％+...+b1V1％)-(a11％+a12％+...+a1m％)；
Ⅱ)当j＝2时，上述公式(5)表示第2个虚拟机VM2的竞争CPU负
荷信息，即：
η2％＝xVM2-yVM2＝(b21％+b22％+...+b2V2％)-(a21％+a22％+...+a2m％)。
然后，冲突概率确定装置13再根据每一所述虚拟机的物理CPU
负荷信息与竞争CPU负荷信息，确定所述虚拟环境中的物理计算资
源冲突的概率。在此，冲突概率确定装置13将所有虚拟机的竞争CPU
负荷信息和与所有虚拟机的物理CPU负荷信息和的比值作为虚拟环
境中的物理计算资源冲突的概率，即根据以下公式(6)确定所述虚
拟环境中的物理计算资源冲突的概率：
Σ j = 1 n η j % Σ j = 1 n ( Σ i = 1 m a ji % ) = η 1 % + η 2 % + . . . + η n % Σ i = 1 m a 1 i % + Σ i = 1 m a 2 i % + . . . + Σ i = 1 m a ni % - - - ( 6 ) ]]>
当公式(6)的数值等于0时，说明此时没有物理计算资源冲突，若
公式(6)的数值大于0，说明此时存在物理计算资源冲突，而且，数
值越大，说明物理计算资源冲突的现象越严重。
再如，根据上述公式(2)和(4)，可得到每一虚拟机的竞争CPU
负荷信息，如将公式(4)减去公式(2)，可得到：
Cj％＝Lj％*Vj-Tj％*m，j＝1,2，...，n(7)
其中，Cj％表示第j个虚拟机VMj的竞争CPU负荷信息的均值。根据
上述公式(7)，则有：
T1％*m+C1％＝L1％*V1(7-1)
T2％*m+C2％＝L2％*V2(7-2)
……
Tn％*m+Cn％＝Ln％*Vn(7-n)
计算以上公式(7-1)至(7-n)的和，则可得到：
(T1％+T2％+...+Tn％)*m+(C1％+C2％+...Cn％)＝L1％*V1+
L2％*V2+...+Ln％*Vn，即得到以下公式(8):
( Σ j = 1 n T j % ) * m + Σ j = 1 n C j % = Σ j = 1 n ( L j % * V j ) - - - ( 8 ) ]]>
然后，冲突概率确定装置13可确定所述虚拟环境中的物理计算资源
冲突的概率为：
Σ j = 1 n C j % ( Σ j = 1 n T j % ) * m = Σ j = 1 n ( L j % * V j ) - ( Σ j = 1 n T j % ) * m ( Σ j = 1 n T j % ) * m = Σ j = 1 n ( L j % * V j ) ( Σ j = 1 n T j % ) * m - 1 - - - ( 9 ) ]]>
若不存在物理计算资源冲突时，上述公式(9)的数值等于0，若上述
公式(9)的数值大于0时，说明存在物理计算资源冲突，而且，数
值越大，说明物理计算资源冲突的现象越严重。
2)根据每一所述虚拟机的物理CPU负荷信息与虚拟机内部CPU
负荷信息，并结合所述虚拟环境所对应的物理机中配置的物理CPU
的数量信息，以及每一所述虚拟机所对应的虚拟CPU数量信息，确
定所述虚拟环境中的物理计算资源冲突的概率，如依据上述公式(9)
确定所述物理计算资源冲突的概率。
优选地，冲突概率确定装置13还可根据每一所述虚拟机的物理
CPU负荷信息与虚拟机内部CPU负荷信息，并结合所述虚拟环境所
对应的物理机中配置的物理CPU的数量信息、每一所述虚拟机所对
应的虚拟CPU数量信息以及关于所有虚拟机的调度开销信息，确定
所述虚拟环境中的物理计算资源冲突的概率。
在此，冲突概率确定装置13可将关于所有虚拟机的调度开销信
息从所有虚拟机的虚拟机内部CPU负荷信息之和中除去，将公式(9)
变化如下，得到以下公式(10)：
Σ j = 1 n ( L j % * V j ) ( Σ j = 1 n T j % ) * m * ( 1 - x % ) - 1 - - - ( 10 ) ]]>
其中，x％为关于所有虚拟机的调度开销信息。然后，根据公式(10)
确定所述虚拟环境中的物理计算资源冲突的概率。若不存在物理计算
资源冲突时，上述公式(10)的数值等于0，若上述公式(10)的数
值不等于0时，说明存在物理计算资源冲突，而且，数值越大，说明
物理计算资源冲突的现象越严重。
例如，对于物理机如physicalmachine1，该物理机中配置了m＝3
个物理CPU，以及n＝6个虚拟机(即VM1，VM2，...，VM6)，且虚
拟机VM1至VM6上的虚拟CPU数量依次为：1、2、3、4、5、6，虚
拟机VM1至VM6中的虚拟CPU的虚拟机内部CPU负荷信息(即Lj％)
依次为80％、90％、60％、70％、100％、80％，每一物理CPU在采样
周期内为虚拟机VM1至VM6分配的CPU负荷(即Tj％)依次为10％、
20％、30％、40％、50％、10％，关于所有虚拟机的调度开销信息为
5％，即x％＝5％，则冲突概率确定装置13可根据以上公式(10)，得
到虚拟环境virtualenviroment1中的物理计算资源冲突的概率为
2.728，说明存在物理计算资源冲突。
上安装了虚拟机，从而构成虚拟环境virtualenviroment1，该物理
机中配置m个物理CPU(如以P1，P2，...，Pm表示)，n个虚拟机(如
以VM1，VM2，...，VMn表示)
3)当所述虚拟环境中每一物理CPU为同一虚拟机分配的物理
CPU负荷信息相等且每一虚拟机所对应的各虚拟CPU贡献的虚拟机
内部CPU负荷信息相等时，冲突概率确定装置13可通过以下方式，
确定所述虚拟环境中的物理计算资源冲突的概率：
y = Σ j = 1 n ( L j % * V j ) ( Σ j = 1 n T j % ) * m * ( 1 - x % ) ]]>
其中，m为所述虚拟环境所对应的物理机中配置的物理CPU的
数量信息，Lj％为所述虚拟环境中配置的n个虚拟机中第j个虚拟机在
所述采样周期内其所对应的各虚拟CPU贡献的虚拟机内部CPU负荷
信息，Vj为第j个虚拟机具有的虚拟CPU数量信息，Tj％为第j个虚拟
机在所述采样周期内被各物理CPU分配的物理CPU负荷信息，x％为
关于所有虚拟机的调度开销信息。
在此，冲突概率确定装置13确定所述虚拟环境中的物理计算资
源冲突的概率与其根据上述公式(10)确定所述虚拟环境中的物理计
算资源冲突的概率的方式相同，为简明起见，故在此不再赘述，并以
引用的方式包含与此。
冲突概率确定设备1的各个装置之间是持续不断工作的。具体地，
第一获取装置11持续获取每一所述虚拟机在采样周期内被分配的物
理CPU负荷信息；第二获取装置12持续获取每一所述虚拟机在所述
采样周期内所对应的虚拟机内部CPU负荷信息；冲突概率确定装置
13持续根据每一所述虚拟机的物理CPU负荷信息与虚拟机内部CPU
负荷信息，确定所述虚拟环境中的物理计算资源冲突的概率。在此，
本领域技术人员应能理解“持续”是指冲突概率确定设备1的各装置
之间分别不断地进行获取虚拟机的物理CPU负荷信息、获取虚拟机
的虚拟机内部CPU负荷信息与确定虚拟环境中的物理计算资源冲突
的概率，直至冲突概率确定设备1在较长时间内停止获取虚拟机的物
理CPU负荷信息。
优选地，冲突概率确定设备1还包括发送装置(未示出)。具体
地，发送装置将所述物理计算资源冲突的概率发送至对应系统，以供
所述系统根据所述物理计算资源冲突的概率进行相应处理。
在此，物理计算资源冲突的概率在很多情况下作为过载控制的输
入，如在LTERAN(LongTermEvolution，长期演进，RadioAccess
Network，无线接入网)产品中，利用物理计算资源冲突的概率可以
有下面的过载控制措施：1)当物理计算资源冲突的概率大于预定义
门限并且应用程序可以使用的计算资源小于预定义的可使用最大值
时，监控程序通过云管理平台请求更多的物理处理资源,该请求被满
足后如果资源冲突概率没有下降，监控程序重复申请更多的计算资源
直到资源冲突概率小于预定义门限；2)当物理计算资源冲突的概率
大于预定义门限并且应用程序可以使用的计算资源已经达到预定义
的可使用最大值时，启动过载控制机制，即从信令层通过减少用户接
入和用户业务处理的方式降低系统负荷，从而降低资源冲突概率，直
到使其低于预定义门限。
例如，假设冲突概率确定装置13得到虚拟环境virtual
enviroment1中的物理计算资源冲突的概率为2.728，则发送装置可通
过http、https等约定通信方式，或通过预定义接口，将所述物理计算
资源冲突的概率发送至对应系统，以供所述系统根据所述物理计算资
源冲突的概率进行相应处理，如发送至LTERAN产品中，假设该物
理计算资源冲突的概率大于2.728预定义门限如2并且应用程序可以
使用的计算资源小于预定义的可使用最大值时，则LTERAN产品的
监控程序通过云管理平台请求更多的物理处理资源,该请求被满足后
如果资源冲突概率没有下降，监控程序重复申请更多的计算资源直到
资源冲突概率小于预定义门限。
图2示出根据本发明另一个方面的一种用于确定虚拟环境中物理
计算资源冲突的概率的方法流程图。
其中，所述虚拟环境所对应的物理机中配置至少一个物理CPU
和至少两个虚拟机，每一所述虚拟机具有至少一个虚拟CPU，其中，
该方法包括步骤S1、步骤S2和步骤S3。具体地，在步骤S1中，冲
突概率确定设备1获取每一所述虚拟机在采样周期内被分配的物理
CPU负荷信息；在步骤S2中，冲突概率确定设备1获取每一所述虚
拟机在所述采样周期内所对应的虚拟机内部CPU负荷信息；在步骤
S3中，冲突概率确定设备1根据每一所述虚拟机的物理CPU负荷信
息与虚拟机内部CPU负荷信息，确定所述虚拟环境中的物理计算资
源冲突的概率。在此，冲突概率确定设备1可由网络主机、单个网络
服务器、多个网络服务器集或基于云计算的计算机集合等实现。在此，
云由基于云计算(CloudComputing)的大量主机或网络服务器构成，
其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成
的一个超级虚拟计算机。本领域技术人员应能理解上述冲突概率确定
设备1仅为举例，其他现有的或今后可能出现的网络设备如可适用于
本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于
此。在此，网络设备包括一种能够按照事先设定或存储的指令，自动
进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理
器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、
嵌入式设备等。
具体地，在步骤S1中，冲突概率确定设备1可通过调用虚拟环
境所对应的物理机自身所提供的资源管理器应用程序接口(API)，获
取每一所述虚拟机在采样周期内被分配的物理CPU负荷信息；或者，
通过扫描虚拟环境所对应的物理机中配置的每一虚拟机被分配的物
理CPU负荷信息，来获取每一所述虚拟机在采样周期内被分配的物
理CPU负荷信息。
例如，假设在一物理机如physicalmachine1上安装了虚拟机，从
而构成虚拟环境virtualenviroment1，该物理机中配置m个物理CPU
(如以P1，P2，...，Pm表示)，n个虚拟机(如以VM1，VM2，...，
VMn表示)，虚拟机VM1至VMn具有的虚拟CPU数量分别为V1，
V2，...,Vn个，则在步骤S1中，冲突概率确定设备1可通过物理机
如physicalmachine1自身所提供的资源管理器应用程序接口(API)，
便得到每一所述虚拟机在采样周期如T内被分配的物理CPU负荷信
息，即得到虚拟机VM1至VMn各自在采样周期T内被分配的物理CPU
负荷信息，可用公式(11)表示如下：
Σ i = 1 m a ji % , j = 1,2 , . . . , n - - - ( 11 ) ]]>
其中，aji％表示第i个物理CPU为第j个虚拟机VMj分配的物理CPU负荷
信息，例如：
Ⅰ)当j＝1时，上述公式(11)表示虚拟机VM1被分配的物理CPU负荷
信息，即：yVM1＝a11％+a12％+...+a1m％(其中，a11％表示第1个物理CPU
为VM1分配的物理CPU负荷信息，a12％表示第2个物理CPU为VM1分配
的物理CPU负荷信息，...，a1m％表示第m个物理CPU为VM1分配的物
理CPU负荷信息)；
Ⅱ)当j＝2时，上述公式(11)表示虚拟机VM2被分配的物理CPU负荷
信息，即：yVM2＝a21％+a22％+...+a2m％(a21％表示第1个物理CPU为VM2
分配的物理CPU负荷信息，a22％表示第2个物理CPU为VM2分配的物
理CPU负荷信息，...，a2m％表示第m个物理CPU为VM2分配的物理
CPU负荷信息)。对于其他虚拟机，可按公式(11)依次类推。
再如，若每一物理CPU在采样周期内为同一虚拟机分配的CPU
负荷相同；或者，当在步骤S1中，冲突概率确定设备1获取到每一
物理CPU在采样周期内为同一虚拟机中各虚拟CPU的平均物理CPU
负荷信息时，在步骤S1中，冲突概率确定设备1可通过以下方式来
计算每一所述虚拟机在采样周期内被分配的物理CPU负荷信息。
例如，假设在步骤S1中，冲突概率确定设备1通过物理机如
physicalmachine1自身所提供的资源管理器应用程序接口(API)，获
取到其上的m个物理CPU均为虚拟机VM1分配的物理CPU负荷信
息为T1％，则在步骤S1中，冲突概率确定设备1可计算得到虚拟机
VM1被分配的物理CPU负荷信息＝T1％*m；而该m个物理CPU均为
虚拟机VM2分配的物理CPU负荷信息为T2％，则虚拟机VM2被分配
的物理CPU负荷信息＝T2％*m；类似地，该m个物理CPU均为虚拟
机VMn分配的物理CPU负荷信息为Tn％，则虚拟机VMn被分配的物
理CPU负荷信息＝Tn％*m，即虚拟机VMj被分配的物理CPU负荷信
息可用以下公式(12)表示：
Tj％*m，j＝1,2，...，n(12)
本领域技术人员应能理解上述获取每一所述虚拟机在采样周期
内被分配的物理CPU负荷信息的方式仅为举例，其他现有的或今后
可能出现的获取每一所述虚拟机在采样周期内被分配的物理CPU负
荷信息的方式如可适用于本发明，也应包含在本发明保护范围以内，
并在此以引用方式包含于此。
在步骤S2中，冲突概率确定设备1可通过调用每一虚拟机自身
所提供的资源管理器应用程序接口(API)，获取每一所述虚拟机在所
述采样周期内所对应的虚拟机内部CPU负荷信息。
例如，对于虚拟机VM1至VMn，则在步骤S2中，冲突概率确定
设备1可通过每一虚拟机自身所提供的资源管理器应用程序接口
(API)，来得到每一虚拟机在采样周期T内所对应的虚拟机内部CPU
负荷信息，可用公式(13)表示如下：
Σ z = 1 V j b jz % , j = 1,2 , . . . , n - - - ( 13 ) ]]>
其中，bjz％表示第j个虚拟机VMj中第z个虚拟CPU在采样周期T内所对
应的虚拟机内部CPU负荷信息，例如：
Ⅰ)当j＝1时，上述公式(13)表示虚拟机VM1对应的虚拟机内部CPU
负荷信息，即：xVM1＝b11％+b12％+...+b1V1％(b11％表示虚拟机VM1
中第1个虚拟CPU的在采样周期T内所对应的虚拟机内部CPU负荷信
息，b12％表示虚拟机VM1中第2虚拟CPU的在采样周期T内所对应的虚
拟机内部CPU负荷信息，...，b1V1％表示虚拟机VM1中第V1个虚拟CPU
在采样周期T内所对应的虚拟机内部CPU负荷信息)；
Ⅱ)当j＝2时，上述公式(13)表示虚拟机VM2对应的虚拟机内部CPU
负荷信息，即：xVM2＝b21％+b22％+...+b2V2％(b21％表示虚拟机VM2
中第1个虚拟CPU在采样周期T内所对应的虚拟机内部CPU负荷信息，
b22％表示虚拟机VM2中第2虚拟CPU在采样周期T内所对应的虚拟机
内部CPU负荷信息，...，b2V2％表示虚拟机VM2中第V2个虚拟CPU在
采样周期T内所对应的虚拟机内部CPU负荷信息)。对于其他虚拟机，
可按公式(13)依次类推。
再如，若同一虚拟机的各虚拟CPU的虚拟机内部CPU负荷信息相
同，或者，当在步骤S2中，冲突概率确定设备1获取到每一虚拟机的
各虚拟CPU在采样周期内的平均虚拟机内部CPU负荷信息时，在步骤
S2中，冲突概率确定设备1可通过以下方式计算每一虚拟机在所述采
样周期内所对应的虚拟机内部CPU负荷信息。例如，假设在步骤S2中，
冲突概率确定设备1通过调用虚拟机VM1自身所提供的资源管理器应
用程序接口(API)，得到该虚拟机中的V1个虚拟CPU在采样周期内
的平均虚拟机内部CPU负荷信息为L1％，则在步骤S2中，冲突概率确
定设备1可确定虚拟机VM1对应的虚拟机内部CPU负荷＝L1％*V1；而
对于虚拟机VM2，在步骤S2中，冲突概率确定设备1得到该虚拟机中
的V2个虚拟CPU在采样周期内的平均虚拟机内部CPU负荷信息为
L2％，则在步骤S2中，冲突概率确定设备1可确定虚拟机VM2对应的虚
拟机内部CPU负荷＝L2％*V2；类似地，对于虚拟机VMn，在步骤S2
中，冲突概率确定设备1得到该虚拟机中的Vn个虚拟CPU在采样周期
内的平均虚拟机内部CPU负荷信息为Ln％，则在步骤S2中，冲突概率
确定设备1可确定虚拟机VMn对应的虚拟机内部CPU负荷＝Ln％*Vn，
即虚拟机VMj对应的虚拟机内部CPU负荷可用以下公式(14)表示：
Lj％*Vj，j＝1,2，...，n(14)
其中，Vj表示第j个虚拟机VMj的虚拟CPU数量信息。
本领域技术人员应能理解上述获取每一所述虚拟机在所述采样
周期内所对应的虚拟机内部CPU负荷信息的方式仅为举例，其他现
有的或今后可能出现的获取每一所述虚拟机在所述采样周期内所对
应的虚拟机内部CPU负荷信息的方式如可适用于本发明，也应包含
在本发明保护范围以内，并在此以引用方式包含于此。
在此，本领域技术人员应当理解，在具体实施例中，步骤S1和
步骤S2可串行的执行，也可并行的执行。当以串行方式执行时，也
可先执行步骤S2，后执行步骤S1。
在步骤S3中，冲突概率确定设备1根据每一所述虚拟机的物理
CPU负荷信息与虚拟机内部CPU负荷信息，确定所述虚拟环境中的
物理计算资源冲突的概率。在此，在步骤S3中，冲突概率确定设备
1确定所述概率的方式包括但不限于以下至少任一项：
1)首先根据每一所述虚拟机的物理CPU负荷信息与虚拟机内部
CPU负荷信息，确定对应虚拟机在所述采样周期内所对应的竞争CPU
负荷信息；然后，再根据每一所述虚拟机的物理CPU负荷信息与竞
争CPU负荷信息，确定所述虚拟环境中的物理计算资源冲突的概率。
在此，在采样周期内存在当某一虚拟机有任务待执行但物理机的
物理CPU被其他虚拟机占用的情形，被其他虚拟机占用的物理CPU
负荷信息即是该虚拟机的竞争CPU负荷信息，例如，对于安装在物
理机如physicalmachine1上的n个虚拟机VM1至VMn，若在采样周
期T＝1000ms内，虚拟机VM1被分配的物理CPU负荷信息为
10％*T＝100ms，当虚拟机VM1执行任务时，其虚拟机内部CPU负荷
信息为80％*T＝800ms，在虚拟机VM1自身看来，在该800ms中其均
可执行任务，但实际上其可执行任务的时间只有100ms，该800ms中
的其他700ms被其他虚拟机占用，则该700ms即是虚拟机VM1的竞
争CPU负荷信息。
例如，因虚拟机在所述采样周期内所对应的每一虚拟机内部CPU
负荷信息等于其在该采样周期内的物理CPU负荷信息与竞争CPU负
荷信息的和，所以，可根据每一所述虚拟机的物理CPU负荷信息与
虚拟机内部CPU负荷信息，确定对应虚拟机在所述采样周期内所对
应的竞争CPU负荷信息，根据上述公式(11)和(13)，两者相减，公式
(13)减去公式(11)，可得到虚拟机在所述采样周期内所对应的竞
争CPU负荷信息，即：
η j % = Σ z = 1 V j b jz % - Σ i = 1 m a ji % , j = 1,2 , . . . , n - - - ( 15 ) ]]>
其中，ηj％表示第j个虚拟机VMj的竞争CPU负荷信息。例如：
Ⅰ)当j＝1时，上述公式(15)表示第1个虚拟机VM1的竞争CPU
负荷信息，即：
η1％＝xVM1-yVM1＝(b11％+b12％+...+b1V1％)-(a11％+a12％+...+a1m％)；
Ⅱ)当j＝2时，上述公式(15)表示第2个虚拟机VM2的竞争CPU
负荷信息，即：
η2％＝xVM2-yVM2＝(b21％+b22％+...+b2V2％)-(a21％+a22％+...+a2m％)。
然后，在步骤S3中，冲突概率确定设备1再根据每一所述虚拟
机的物理CPU负荷信息与竞争CPU负荷信息，确定所述虚拟环境中
的物理计算资源冲突的概率。在此，在步骤S3中，冲突概率确定设
备1将所有虚拟机的竞争CPU负荷信息和与所有虚拟机的物理CPU
负荷信息和的比值作为虚拟环境中的物理计算资源冲突的概率，即根
据以下公式(16)确定所述虚拟环境中的物理计算资源冲突的概率：
Σ j = 1 n η j % Σ j = 1 n ( Σ i = 1 m a ji % ) = η 1 % + η 2 % + . . . + η n % Σ i = 1 m a 1 i % + Σ i = 1 m a 2 i % + . . . + Σ i = 1 m a ni % - - - ( 16 ) ]]>
当公式(16)的数值等于0时，说明此时没有物理计算资源冲突，若
公式(16)的数值大于0，说明此时存在物理计算资源冲突，而且，
数值越大，说明物理计算资源冲突的现象越严重。
再如，根据上述公式(12)和(14)，可得到每一虚拟机的竞争
CPU负荷信息，如将公式(14)减去公式(12)，可得到：
Cj％＝Lj％*Vj-Tj％*m，j＝1,2，...，n(17)
其中，Cj％表示第j个虚拟机VMj的竞争CPU负荷信息的均值。根据
上述公式(17)，则有：
T1％*m+C1％＝L1％*V1(17-1)
T2％*m+C2％＝L2％*V2(17-2)
……
Tn％*m+Cn％＝Ln％*Vn(17-n)
计算以上公式(17-1)至(17-n)的和，则可得到：
(T1％+T2％+...+Tn％)*m+(C1％+C2％+...Cn％)＝L1％*V1+
L2％*V2+...+Ln％*Vn，即得到以下公式(18):
( Σ j = 1 n T j % ) * m + Σ j = 1 n C j % = Σ j = 1 n ( L j % * V j ) - - - ( 18 ) ]]>
然后，在步骤S3中，冲突概率确定设备1可确定所述虚拟环境中的
物理计算资源冲突的概率为：
Σ j = 1 n C j % ( Σ j = 1 n T j % ) * m = Σ j = 1 n ( L j % * V j ) - ( Σ j = 1 n T j % ) * m ( Σ j = 1 n T j % ) * m = Σ j = 1 n ( L j % * V j ) ( Σ j = 1 n T j % ) * m - 1 - - - ( 19 ) ]]>
若不存在物理计算资源冲突时，上述公式(19)的数值等于0，若上
述公式(19)的数值大于0时，说明存在物理计算资源冲突，而且，
数值越大，说明物理计算资源冲突的现象越严重。
2)根据每一所述虚拟机的物理CPU负荷信息与虚拟机内部CPU
负荷信息，并结合所述虚拟环境所对应的物理机中配置的物理CPU
的数量信息，以及每一所述虚拟机所对应的虚拟CPU数量信息，确
定所述虚拟环境中的物理计算资源冲突的概率，如依据上述公式(19)
确定所述物理计算资源冲突的概率。
优选地，在步骤S3中，冲突概率确定设备1还可根据每一所述
虚拟机的物理CPU负荷信息与虚拟机内部CPU负荷信息，并结合所
述虚拟环境所对应的物理机中配置的物理CPU的数量信息、每一所
述虚拟机所对应的虚拟CPU数量信息以及关于所有虚拟机的调度开
销信息，确定所述虚拟环境中的物理计算资源冲突的概率。
在此，在步骤S3中，冲突概率确定设备1可将关于所有虚拟机
的调度开销信息从所有虚拟机的虚拟机内部CPU负荷信息之和中除
去，将公式(19)变化如下，得到以下公式(20)：
Σ j = 1 n ( L j % * V j ) ( Σ j = 1 n T j % ) * m * ( 1 - x % ) - 1 - - - ( 20 ) ]]>
其中，x％为关于所有虚拟机的调度开销信息。然后，根据公式(20)
确定所述虚拟环境中的物理计算资源冲突的概率。若不存在物理计算
资源冲突时，上述公式(20)的数值等于0，若上述公式(20)的数
值大于0时，说明存在物理计算资源冲突，而且，数值越大，说明物
理计算资源冲突的现象越严重。
例如，对于物理机如physicalmachine1，该物理机中配置了m＝3
个物理CPU，以及n＝6个虚拟机(即VM1，VM2，...，VM6)，且虚
拟机VM1至VM6上的虚拟CPU数量依次为：1、2、3、4、5、6，虚
拟机VM1至VM6中的虚拟CPU的虚拟机内部CPU负荷信息(即Lj％)
依次为80％、90％、60％、70％、100％、80％，每一物理CPU在采样
周期内为虚拟机VM1至VM6分配的CPU负荷(即Tj％)依次为10％、
20％、30％、40％、50％、10％，关于所有虚拟机的调度开销信息为
5％，即x％＝5％，则在步骤S3中，冲突概率确定设备1可根据以上公
式(20)，得到虚拟环境virtualenviroment1中的物理计算资源冲突的
概率为2.728，说明存在物理计算资源冲突。
上安装了虚拟机，从而构成虚拟环境virtualenviroment1，该物理
机中配置m个物理CPU(如以P1，P2，...，Pm表示)，n个虚拟机(如
以VM1，VM2，...，VMn表示)
3)当所述虚拟环境中每一物理CPU为同一虚拟机分配的物理
CPU负荷信息相等且每一虚拟机所对应的各虚拟CPU贡献的虚拟机
内部CPU负荷信息相等时，在步骤S3中，冲突概率确定设备1可通
过以下方式，确定所述虚拟环境中的物理计算资源冲突的概率：
y = Σ j = 1 n ( L j % * V j ) ( Σ j = 1 n T j % ) * m * ( 1 - x % ) ]]>
其中，m为所述虚拟环境所对应的物理机中配置的物理CPU的
数量信息，Lj％为所述虚拟环境中配置的n个虚拟机中第j个虚拟机在
所述采样周期内其所对应的各虚拟CPU贡献的虚拟机内部CPU负荷
信息，Vj为第j个虚拟机具有的虚拟CPU数量信息，Tj％为第j个虚拟
机在所述采样周期内被各物理CPU分配的物理CPU负荷信息，x％为
关于所有虚拟机的调度开销信息。
在此，在步骤S3中，冲突概率确定设备1确定所述虚拟环境中
的物理计算资源冲突的概率与其根据上述公式(20)确定所述虚拟环
境中的物理计算资源冲突的概率的方式相同，为简明起见，故在此不
再赘述，并以引用的方式包含与此。
冲突概率确定设备1的各个步骤之间是持续不断工作的。具体地，
在步骤S1中，冲突概率确定设备1持续获取每一所述虚拟机在采样
周期内被分配的物理CPU负荷信息；在步骤S2中，冲突概率确定设
备1持续获取每一所述虚拟机在所述采样周期内所对应的虚拟机内部
CPU负荷信息；在步骤S3中，冲突概率确定设备1持续根据每一所
述虚拟机的物理CPU负荷信息与虚拟机内部CPU负荷信息，确定所
述虚拟环境中的物理计算资源冲突的概率。在此，本领域技术人员应
能理解“持续”是指冲突概率确定设备1的各步骤之间分别不断地进
行获取虚拟机的物理CPU负荷信息、获取虚拟机的虚拟机内部CPU
负荷信息与确定虚拟环境中的物理计算资源冲突的概率，直至冲突概
率确定设备1在较长时间内停止获取虚拟机的物理CPU负荷信息。
优选地，该方法还包括步骤S4(未示出)。具体地，在步骤S4
中，冲突概率确定设备1将所述物理计算资源冲突的概率发送至对应
系统，以供所述系统根据所述物理计算资源冲突的概率进行相应处
理。
在此，物理计算资源冲突的概率在很多情况下作为过载控制的输
入，如在LTERAN(LongTermEvolution，长期演进，RadioAccess
Network，无线接入网)产品中，利用物理计算资源冲突的概率可以
有下面的过载控制措施：1)当物理计算资源冲突的概率大于预定义
门限并且应用程序可以使用的计算资源小于预定义的可使用最大值
时，监控程序通过云管理平台请求更多的物理处理资源,该请求被满
足后如果资源冲突概率没有下降，监控程序重复申请更多的计算资源
直到资源冲突概率小于预定义门限；2)当物理计算资源冲突的概率
大于预定义门限并且应用程序可以使用的计算资源已经达到预定义
的可使用最大值时，启动过载控制机制，即从信令层通过减少用户接
入和用户业务处理的方式降低系统负荷，从而降低资源冲突概率，直
到使其低于预定义门限。
例如，假设在步骤S3中，冲突概率确定设备1得到虚拟环境
virtualenviroment1中的物理计算资源冲突的概率为2.728，则在步骤
S4中，冲突概率确定设备1可通过http、https等约定通信方式，或
通过预定义接口，将所述物理计算资源冲突的概率发送至对应系统，
以供所述系统根据所述物理计算资源冲突的概率进行相应处理，如发
送至LTERAN产品中，假设该物理计算资源冲突的概率大于2.728
预定义门限如2并且应用程序可以使用的计算资源小于预定义的可使
用最大值时，则LTERAN产品的监控程序通过云管理平台请求更多
的物理处理资源,该请求被满足后如果资源冲突概率没有下降，监控
程序重复申请更多的计算资源直到资源冲突概率小于预定义门限。
需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实
施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他
类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处
理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包
括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM
存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤
或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤
或功能的电路。
另外，本发明的一部分可被应用为计算机程序产品，例如计算机
程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或
提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指
令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其
他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指
令运行的计算机设备的工作存储器中。在此，根据本发明的一个实施
例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用
于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执
行时，触发该装置运行基于前述根据本发明的多个实施例的方法和/
或技术方案。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例
的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其
他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例
看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求
而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和
范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标
记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单
元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置
也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词
语用来表示名称，而并不表示任何特定的顺序。