本發(fā)明涉及云計算技術(shù)領(lǐng)域，尤其涉及一種云計算環(huán)境下IO密集型應(yīng)用識別方法及裝置。

背景技術(shù)：

云計算是IT(Information Technology，信息技術(shù))領(lǐng)域的一次重大技術(shù)變革，云計算強大的計算能力和海量的存儲能力，以及通過虛擬化技術(shù)為用戶為用戶提供按需服務(wù)的特性使得它將改變?nèi)藗僆T資源的使用方式和使用習(xí)慣。云計算對人們的不僅僅限于技術(shù)領(lǐng)域內(nèi)的改變和影響，在未來也可能影響到社會生活的各個領(lǐng)域。它對傳統(tǒng)產(chǎn)業(yè)帶來的不僅是沖擊，而且也是便捷與機遇。

然而，云計算在帶來技術(shù)革命和應(yīng)用便捷的同時，本身也帶來了不可回避的問題，如能耗問題，特別是在云數(shù)據(jù)中心，由于大量的服務(wù)器及其他各種IT設(shè)備的聚集，導(dǎo)致云數(shù)據(jù)中心的能耗非常巨大，甚至有可能影響到周邊的環(huán)境。此外，數(shù)據(jù)中心在為用戶請求的應(yīng)用分配資源時，針對所有類型的應(yīng)用采用通用的資源分配策略進(jìn)行資源分配，不僅導(dǎo)致云數(shù)據(jù)中心的資源利用率較低，還進(jìn)一步加重了云數(shù)據(jù)中心的能耗問題。

技術(shù)實現(xiàn)要素：

本發(fā)明的主要目的在于提供一種云計算環(huán)境下IO密集型應(yīng)用識別方法及裝置，旨在提升云數(shù)據(jù)中心的資源利用率，以降低云數(shù)據(jù)中心的能耗。

為實現(xiàn)上述目的，本發(fā)明提供一種云計算環(huán)境下IO密集型應(yīng)用識別方法，所述云計算環(huán)境下IO密集型應(yīng)用識別方法包括：

確定虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型；

在確定所述虛擬機當(dāng)前應(yīng)用的應(yīng)用類型時，獲取確定的應(yīng)用類型所對應(yīng)的資源分配策略；

根據(jù)獲取的所述資源分配策略調(diào)整所述虛擬機的資源。

可選地，所述確定虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型的步驟包括；

采集所述虛擬機運行當(dāng)前應(yīng)用時的運行信息；

分析獲取的運行信息是否滿足預(yù)存的I/O密集型應(yīng)用所對應(yīng)的判定條件；

在所述運行信息滿足所述判定條件時，確定所述虛擬機當(dāng)前運行I/O密集型應(yīng)用。

可選地，所述運行信息包括所述虛擬機的上下文切換數(shù)量、虛擬內(nèi)存占用值、阻塞隊列的單位任務(wù)數(shù)、硬盤讀寫速率、網(wǎng)絡(luò)傳輸速率以及其在CPUiowait、CPUuser和CPUsystem狀態(tài)下的CPU占用值。

可選地，所述判定條件包括：

所述虛擬機的上下文的單位切換數(shù)量、虛擬內(nèi)存占用值、阻塞隊列的單位任務(wù)數(shù)、硬盤讀寫速率、網(wǎng)絡(luò)傳輸速率以及其在CPUiowait狀態(tài)下的CPU占用值分別大于各自對應(yīng)的第一預(yù)設(shè)閾值，且虛擬機在CPUuser和CPUsystem狀態(tài)下的CPU占用值均小于第二預(yù)設(shè)閾值。

可選地，在根據(jù)獲取的所述資源分配策略調(diào)整所述虛擬機的資源的同時，還執(zhí)行以下步驟：

將所述虛擬機當(dāng)前的應(yīng)用調(diào)度策略更新為預(yù)存的I/O密集型應(yīng)用所對應(yīng)的應(yīng)用調(diào)度策略。

此外，為實現(xiàn)上述目的，本發(fā)明還提供了一種云計算環(huán)境下IO密集型應(yīng)用識別裝置，所述云計算環(huán)境下IO密集型應(yīng)用識別裝置包括：

確定模塊，用于確定虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型；

獲取模塊，用于在確定所述虛擬機當(dāng)前應(yīng)用的應(yīng)用類型時，獲取確定的應(yīng)用類型所對應(yīng)的資源分配策略；

調(diào)整模塊，用于根據(jù)獲取的所述資源分配策略調(diào)整所述虛擬機的資源。

可選地，所述確定模塊還用于，

采集所述虛擬機運行當(dāng)前應(yīng)用時的運行信息；

分析獲取的運行信息是否滿足預(yù)存的I/O密集型應(yīng)用所對應(yīng)的判定條件；以及

在所述運行信息滿足所述判定條件時，確定所述虛擬機當(dāng)前運行I/O密 集型應(yīng)用。

可選地，所述運行信息包括所述虛擬機的上下文切換數(shù)量、虛擬內(nèi)存占用值、阻塞隊列的單位任務(wù)數(shù)、硬盤讀寫速率、網(wǎng)絡(luò)傳輸速率以及其在CPUiowait、CPUuser和CPUsystem狀態(tài)下的CPU占用值。

可選地，所述判定條件包括：

所述虛擬機的上下文的單位切換數(shù)量、虛擬內(nèi)存占用值、阻塞隊列的單位任務(wù)數(shù)、硬盤讀寫速率、網(wǎng)絡(luò)傳輸速率以及其在CPUiowait狀態(tài)下的CPU占用值分別大于各自對應(yīng)的第一預(yù)設(shè)閾值，且虛擬機在CPUuser和CPUsystem狀態(tài)下的CPU占用值均小于第二預(yù)設(shè)閾值。

可選地，所述調(diào)整模塊還用于將所述虛擬機當(dāng)前的應(yīng)用調(diào)度策略更新為預(yù)存的I/O密集型應(yīng)用所對應(yīng)的應(yīng)用調(diào)度策略。

本發(fā)明提出的云計算環(huán)境下IO密集型應(yīng)用識別方法及裝置，在應(yīng)用于云數(shù)據(jù)中心時，能夠?qū)τ脩粽埱蟮牟煌愋偷膽?yīng)用針對性的進(jìn)行計算資源的分配，使得分配的計算資源能夠有效滿足不同類型應(yīng)用對計算資源的需求，相較于現(xiàn)有技術(shù)采用通用的資源分配策略進(jìn)行資源分配，本發(fā)明能夠有效提升云數(shù)據(jù)中心的資源利用率，達(dá)到節(jié)能降耗的目的。

附圖說明

圖1為本發(fā)明云計算環(huán)境下IO密集型應(yīng)用識別方法第一實施例的流程示意圖；

圖2為圖1中確定虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型的細(xì)化流程示例圖；

圖3為本發(fā)明云計算環(huán)境下IO密集型應(yīng)用識別方法第一實施例中分析當(dāng)前應(yīng)用是否為I/O密集型應(yīng)用的流程示例圖；

圖4為實驗一中CPUiowait所占CPU的百分比示意圖；

圖5為實驗一中上下文切換每秒數(shù)量示意圖；

圖6為實驗一中虛擬內(nèi)存使用情況示意圖；

圖7為實驗一中進(jìn)程阻塞隊列數(shù)示意圖；

圖8為實驗一中硬盤每秒寫文件速度示意圖；

圖9為實驗一中網(wǎng)絡(luò)每秒接收速度示意圖；

圖10為實驗二中CPUiowait所占CPU的百分比示意圖；

圖11為實驗二中上下文切換每秒數(shù)量示意圖；

圖12為實驗二中虛擬內(nèi)存使用情況示意圖；

圖13為實驗二中進(jìn)程阻塞隊列數(shù)示意圖；

圖14為實驗二中硬盤每秒寫文件速度示意圖；

圖15為實驗二中網(wǎng)絡(luò)每秒接收速度示意圖；

圖16為本發(fā)明云計算環(huán)境下IO密集型應(yīng)用識別裝置第一實施例的功能模塊示意圖。

本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結(jié)合實施例，參照附圖做進(jìn)一步說明。

具體實施方式

應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明提供一種云計算環(huán)境下IO密集型應(yīng)用識別方法，參照圖1，在本發(fā)明云計算環(huán)境下IO密集型應(yīng)用識別方法的第一實施例中，所述云計算環(huán)境下IO密集型應(yīng)用識別方法包括：

步驟S10，確定虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型；

需要說明的是，本實施例提出的云計算環(huán)境下IO密集型應(yīng)用識別方法應(yīng)用于云數(shù)據(jù)中心中，由云計算環(huán)境下IO密集型應(yīng)用識別裝置執(zhí)行，具體通過云計算環(huán)境下IO密集型應(yīng)用識別裝置對用戶請求的不同類型的應(yīng)用針對性的進(jìn)行計算資源的分配，以提高云計算中心的資源利用率，達(dá)到節(jié)能降耗的目的。

具體的，在本實施例中，將應(yīng)用分為兩類，分別為I/O密集型應(yīng)用和CPU密集型應(yīng)用。其中，操作系統(tǒng)在運行I/O密集型應(yīng)用時，其CPU效能相對硬盤/內(nèi)存的效能要好很多，此時，系統(tǒng)運作，大部分的狀況是CPU在等硬盤/內(nèi)存的讀/寫，此時CPU負(fù)荷不高；操作系統(tǒng)在運行CPU密集型應(yīng)用時，其硬盤/內(nèi)存效能相對CPU的效能要好很多，此時，系統(tǒng)運作，大部分的狀況是CPU滿負(fù)荷運行?？梢钥闯?，不同類型的應(yīng)用對CPU資源和I/O資源的需求不同。

具體的，云數(shù)據(jù)中心在接收到用戶請求的應(yīng)用時，會根據(jù)用戶的請求分 配一定的計算資源，也就是虛擬機。由虛擬機來執(zhí)行用戶請求的應(yīng)用，而這個虛擬機的位置對用戶是透明的，它可以運行在云數(shù)據(jù)中心的任一服務(wù)器上，也可以運行在云數(shù)據(jù)中心的多臺服務(wù)器上。

在本實施例中，為實現(xiàn)計算資源的有效分配，云計算環(huán)境下IO密集型應(yīng)用識別裝置首先需要確定虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型，其中，虛擬機運行的當(dāng)前應(yīng)用即用戶請求的應(yīng)用。

例如，云計算環(huán)境下IO密集型應(yīng)用識別裝置識別到虛擬機運行當(dāng)前應(yīng)用的CPU占用率達(dá)到預(yù)設(shè)占用率且單位時間的I/O操作數(shù)小于預(yù)設(shè)操作數(shù)時，確定虛擬機當(dāng)前運行的是CPU密集型應(yīng)用；又例如，云計算環(huán)境下IO密集型應(yīng)用識別裝置識別到虛擬機運行當(dāng)前應(yīng)用的CPU占用率小于預(yù)設(shè)占用率且單位時間的I/O操作數(shù)達(dá)到預(yù)設(shè)操作數(shù)時，確定虛擬機當(dāng)前運行的是I/O密集型應(yīng)用。其中，本實施例不對前述預(yù)設(shè)操作數(shù)和預(yù)設(shè)占用率做具體限制，本領(lǐng)域技術(shù)人員可根據(jù)實際需要進(jìn)行設(shè)置，如本實施例設(shè)置預(yù)設(shè)占用率為80％，設(shè)置預(yù)設(shè)操作數(shù)為10000。

步驟S20，在確定所述虛擬機當(dāng)前應(yīng)用的應(yīng)用類型時，獲取確定的應(yīng)用類型所對應(yīng)的資源分配策略；

步驟S30，根據(jù)獲取的所述資源分配策略調(diào)整所述虛擬機的資源。

需要說明的是，為實現(xiàn)計算資源的有效分配，本實施例根據(jù)不同類型的應(yīng)用分別設(shè)置儲存有對應(yīng)的資源分配策略。例如，對應(yīng)CPU密集型應(yīng)用的資源分配策略包括增加虛擬機的CPU資源；對應(yīng)I/O密集型應(yīng)用的資源分配策略包括增加虛擬機的I/O資源。

在本發(fā)明實施例中，在確定虛擬運行的當(dāng)前應(yīng)用的應(yīng)用類型之后，云計算環(huán)境下IO密集型應(yīng)用識別裝置根據(jù)確定的應(yīng)用類型獲取對應(yīng)的資源分配策略，例如，在確定當(dāng)前應(yīng)用為CPU密集型應(yīng)用時，則獲取CPU密集型應(yīng)用對應(yīng)的資源分配策略；在確定當(dāng)前應(yīng)用為I/O密集型應(yīng)用時，則獲取I/O密集型應(yīng)用對應(yīng)的資源分配策略。

在獲取到當(dāng)前應(yīng)用對應(yīng)的資源分配策略之后，根據(jù)獲取的資源分配策略調(diào)整虛擬機的資源，例如，云計算環(huán)境下IO密集型應(yīng)用識別裝置在確定當(dāng)前當(dāng)前應(yīng)用為I/O密集型應(yīng)用，且獲取的對應(yīng)資源分配策略為“增加I/O資源，并減小CPU資源”時，則增加運行當(dāng)前應(yīng)用的虛擬機的I/O資源，同時 減小該虛擬機的CPU資源。

其中，本實施例對資源的調(diào)整量不做具體限制，本領(lǐng)域技術(shù)人員可根據(jù)實際需要進(jìn)行設(shè)置，例如，設(shè)置CPU資源的調(diào)整量為“0.5GHz”。

本實施例提出的云計算環(huán)境下IO密集型應(yīng)用識別方法，在應(yīng)用于云數(shù)據(jù)中心時，能夠?qū)τ脩粽埱蟮牟煌愋偷膽?yīng)用針對性的進(jìn)行計算資源的分配，使得分配的計算資源能夠有效滿足不同類型應(yīng)用對計算資源的需求，相較于現(xiàn)有技術(shù)采用通用的資源分配策略進(jìn)行資源分配，本發(fā)明能夠有效提升云數(shù)據(jù)中心的資源利用率，達(dá)到節(jié)能降耗的目的。

進(jìn)一步地，基于第一實施例，提出本發(fā)明云計算環(huán)境下IO密集型應(yīng)用識別方法的第二實施例，參照圖2，在本實施例中，步驟S10包括；

步驟S101，采集所述虛擬機運行當(dāng)前應(yīng)用時的運行信息；

步驟S102，分析獲取的運行信息是否滿足預(yù)存的I/O密集型應(yīng)用所對應(yīng)的判定條件；

步驟S103，在所述運行信息滿足所述判定條件時，確定所述虛擬機當(dāng)前運行I/O密集型應(yīng)用。

需要說明的是，本實施例在第一實施例的基礎(chǔ)上，進(jìn)一步提出一種更精確的應(yīng)用類型識別方案，以下以I/O密集型應(yīng)用的識別為例進(jìn)行說明，其他可參照前述實施例，此處不再贅述。

在本實施例中，建立了針對I/O密集型應(yīng)用的特征識別模型，為一特征六元組：

(CPU，Csw，Mem，Process，I/O，Net)

其中，CPU表示CPU狀態(tài)，Csw表示應(yīng)用上下文切換狀態(tài)，Mem表示虛擬內(nèi)存使用狀態(tài)，Pro表示進(jìn)程阻塞狀態(tài)，I/O表示硬盤讀寫狀態(tài)，Net表示網(wǎng)絡(luò)傳輸狀態(tài)，具體的，

CPU：主要考察CPUiowait，CPUuser和CPUsystem狀態(tài)下的CPU占用值。對于I/O密集型應(yīng)用，CPUiowait的百分比會大于一個閾值C，根據(jù)大量實驗，C可取40％，即CPUiowait>40％。CPUuser和CPUsystem的百分比會小于一個閾值U，對于本實施例的實驗環(huán)境，U取5％。CPU的iowait占用很高的時間，表明CPU在頻繁等待某種I/O操作。

Csw：主要考察每秒上下文切換的數(shù)量。如果是I/O密集型應(yīng)用，那么上下文切換很高。通常上下文切換會大于一個閾值W，根據(jù)大量實驗，W可取10000。系統(tǒng)中大量的上下文切換，可能是系統(tǒng)進(jìn)程導(dǎo)致也可能是系統(tǒng)因等待某高優(yōu)先級操作導(dǎo)致。

Mem：主要考察虛擬內(nèi)存的使用情況。內(nèi)存分為實際內(nèi)存和虛擬內(nèi)存。如果是I/O密集型應(yīng)用，會使用虛擬內(nèi)存，并且有大量頁面置換產(chǎn)生。虛擬內(nèi)存會大于一個閾值M，根據(jù)大量實驗，M可取16MB，說明內(nèi)存分配了大量資源用于I/O操作。

Process：主要考察每秒阻塞隊列中的任務(wù)數(shù)(block)。當(dāng)負(fù)載較高或資源緊張時，系統(tǒng)就會把一些任務(wù)放入阻塞隊列中，等待合適的時機去執(zhí)行。如果是I/O密集型應(yīng)用，阻塞隊列較高，并且會大于一個閾值P，對于IO密集型應(yīng)用，取P為2。一般情況阻塞隊列小于CPU核數(shù)，通常單個I/O密集型應(yīng)用不會導(dǎo)致系統(tǒng)處于高負(fù)載狀態(tài)。

I/O：I/O主要考察每秒硬盤讀寫速率(disk_write)和(disk_read)。如果是I/O密集型應(yīng)用讀寫速率會很高，通常會大于一個閾值V，V可取1MB/s。

Net：主要考察每秒發(fā)送和接收的網(wǎng)絡(luò)流量。如果是I/O密集型應(yīng)用，那么接收或者發(fā)送的流量會很高，通常會大于一個閾值N，N可取1MB/s。網(wǎng)絡(luò)上監(jiān)測到大量流量數(shù)據(jù)，表明正在傳輸數(shù)據(jù)，可能是文件上傳下載服務(wù)或者流媒體服務(wù)。

在本實施例中，為識別虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型，首先采集該虛擬機運行當(dāng)前應(yīng)用時的運行信息，包括所述虛擬機的上下文的單位切換數(shù)量、虛擬內(nèi)存占用值、阻塞隊列的單位任務(wù)數(shù)、硬盤讀寫速率、網(wǎng)絡(luò)傳輸速率以及其在CPUiowait、CPUuser和CPUsystem狀態(tài)下的CPU占用值。

在采集到所述虛擬機運行當(dāng)前應(yīng)用時的運行信息之后，進(jìn)一步分析獲取的運行信息是否滿足預(yù)存的I/O密集型應(yīng)用所對應(yīng)的判定條件(即前述特征六元組)。

具體的，參照圖3，云計算環(huán)境下IO密集型應(yīng)用識別裝置首先對CPU數(shù)據(jù)進(jìn)行分析，比較當(dāng)前CPUiowait的CPU占用值和閾值C(即虛擬機在CPUiowait下的CPU占用值所對應(yīng)的第一預(yù)設(shè)閾值)，以及分別比較當(dāng)前CPUuser和CPUsystem的CPU占用值與U的大小。如果滿足當(dāng)前CPUiowait 的CPU占用值大于閾值C且CPUuser和CPUsystem的CPU占用值均小于U(即第二預(yù)設(shè)閾值)，那么轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

其次，云計算環(huán)境下IO密集型應(yīng)用識別裝置分析虛擬機每秒鐘的上下文切換數(shù)量。比較上下文切換數(shù)量的數(shù)量和閾值W(即上下文的單位切換數(shù)量所對應(yīng)的第一預(yù)設(shè)閾值)。如果滿足上下文切換數(shù)大于閾值W，則轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

第三，云計算環(huán)境下IO密集型應(yīng)用識別裝置分析虛擬內(nèi)存所占的空間大小。比較虛擬內(nèi)存占用值和閾值M(即虛擬內(nèi)存占用值所對應(yīng)的第一預(yù)設(shè)閾值)，如果虛擬內(nèi)存占用值大于閾值M，則轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

第四，云計算環(huán)境下IO密集型應(yīng)用識別裝置分析每秒鐘阻塞隊列中的任務(wù)數(shù)。將該數(shù)量和閾值P進(jìn)行比較，如果每秒鐘的阻塞隊列中的任務(wù)數(shù)大于閾值P(即阻塞隊列的單位任務(wù)數(shù)所對應(yīng)的第一預(yù)設(shè)閾值)，則轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

第五，云計算環(huán)境下IO密集型應(yīng)用識別裝置分析硬盤讀寫速率。檢查硬盤讀寫速率是否很大并且將其和閾值I(即硬盤讀寫速率所對應(yīng)的第一預(yù)設(shè)閾值)進(jìn)行比較，如果大于閾值I，則轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

第六，云計算環(huán)境下IO密集型應(yīng)用識別裝置分析網(wǎng)絡(luò)傳輸速率。檢查是否有大量的網(wǎng)絡(luò)流量并且和閾值N進(jìn)行比較，如果大于閾值N(即網(wǎng)絡(luò)傳輸速率所對應(yīng)的第一預(yù)設(shè)閾值)，則確定當(dāng)前應(yīng)用是I/O密集型應(yīng)用，退出，否則，轉(zhuǎn)到第七步；

第七，確定當(dāng)前應(yīng)用不是I/O密集型應(yīng)用，退出。

為驗證上述識別方法的正確性及可行性，以下采用了大量的實驗來進(jìn)行模擬驗證。

1、實驗環(huán)境

本實施例的IaaS環(huán)境基于CloudStack云計算平臺，系統(tǒng)版本4.0，搭建了一個小型的云計算系統(tǒng)，其中有1個管理服務(wù)器Management，2個主機節(jié)點Host，和1個存儲節(jié)點Storage。主機節(jié)點Host的操作系統(tǒng)為Redhat server5.3，處理器Inter I5 3470@3.60GHz，內(nèi)存8GB DDR3，硬盤容量1TB。Host上的虛擬機，操作系統(tǒng)為Ubuntu12.04版本，處理器為1GHz*2，內(nèi)存 為2GB，網(wǎng)絡(luò)帶寬為150Mbs，磁盤轉(zhuǎn)速為7200/分鐘。

具體參數(shù)如下表：

表1

2、實驗內(nèi)容

實驗一：向FTP服務(wù)器上傳13。6GB的文件，文件一共14個，每個大小1GB左右。FTP服務(wù)器是主機Host上的一臺虛擬機。實驗數(shù)據(jù)如圖4-圖9所示。

圖4的數(shù)據(jù)表明，在前1900秒的任務(wù)執(zhí)行時間里，CPU的iowait所占用的百分比一直處于50％以上，而且較為劇烈。1900秒以后，任務(wù)結(jié)束，CPU消耗趨近于0。

圖5的數(shù)據(jù)表明，在前1900秒的任務(wù)執(zhí)行時間里，上下文切換達(dá)到了15000次/秒，說明系統(tǒng)很忙碌，CPU在頻繁等待I/O的執(zhí)行。1900秒以后，任務(wù)結(jié)束，上下文切換變?yōu)?。

圖6的數(shù)據(jù)表明，在前1900秒的任務(wù)執(zhí)行時間里，虛擬內(nèi)存逐步上升，最后使用了16MB，表明該任務(wù)需要消耗虛擬內(nèi)存。1900秒后，任務(wù)執(zhí)行結(jié)束，虛擬空間未釋放。

圖7的數(shù)據(jù)表明，在前1900秒的任務(wù)執(zhí)行時間里，阻塞隊列達(dá)到每秒2。6個左右，表明系統(tǒng)因為某種原因，產(chǎn)生了大量阻塞，同時block<4，即小于CPU核數(shù)，表明系統(tǒng)并沒有完全滿負(fù)荷，仍然處于正常狀態(tài)。1900秒后，任務(wù)執(zhí)行結(jié)束，阻塞隊列降為0。

圖8的數(shù)據(jù)表明，在前1900秒的任務(wù)執(zhí)行時間里，在硬盤上監(jiān)測到大量的寫數(shù)據(jù)，均值大于1MB/s，這表明硬盤正在保存大量數(shù)據(jù)。1900以后，任務(wù)執(zhí)行結(jié)束，速率降為0。

圖9的數(shù)據(jù)表明，在前1900秒的任務(wù)執(zhí)行時間里，網(wǎng)絡(luò)接收監(jiān)測到了大量數(shù)據(jù)，均值大于1MB/s，表明網(wǎng)絡(luò)中有大量數(shù)據(jù)向本機發(fā)送。1900以后，任務(wù)執(zhí)行結(jié)束，速率將為0。

由圖4-圖9所示的參數(shù)，根據(jù)本發(fā)明所提出的六元組模型F(t)＝(CPU，Csw，Mem，Process，I/O，Net)進(jìn)行判定：

CPU：user<5％，system<5％，iowait>40％。CPUiowait占用很高的資源，表明CPU在頻繁等待某種I/O操作。

Csw：中斷不高，上下文切換>15000。系統(tǒng)中大量的上下文切換，表明系統(tǒng)級操作使用較高，可能是系統(tǒng)進(jìn)程導(dǎo)致也可能是系統(tǒng)因等待某高優(yōu)先級操作導(dǎo)致。

Mem：監(jiān)測到使用了虛擬內(nèi)存，有16MB，同時有頁面置換產(chǎn)生，說明內(nèi)存分配了大量資源用于I/O操作。

Process：阻塞隊列中任務(wù)數(shù)為2。8個/秒，同時均小于4，4為CPU核數(shù)，表明系統(tǒng)不是滿負(fù)荷狀態(tài)，此虛擬機還能承受其他任務(wù)。

I/O：硬盤寫速率大于10MB/s，硬盤讀速率不高。I/O寫有大量數(shù)據(jù)，這表明，I/O上有大量寫操作。

Net：網(wǎng)絡(luò)接收速率大于10MB/s，網(wǎng)絡(luò)發(fā)送速率不高。網(wǎng)絡(luò)上監(jiān)測到大量接收數(shù)據(jù)，表明正在有大量數(shù)據(jù)從外部來到本機，且剛好等于硬盤寫的速率。

結(jié)論：通過以上可以判斷該應(yīng)用為I/O密集型應(yīng)用。

實驗二：在科學(xué)計算服務(wù)器上運行計算并輸出2億以內(nèi)質(zhì)數(shù)的運算。科學(xué)計算服務(wù)器是主機Host上的一臺虛擬機。實驗數(shù)據(jù)如圖10至圖所示。

圖10的數(shù)據(jù)表明，在整個執(zhí)行過程中，iowait非常低，大部分時間為0，遠(yuǎn)小于閾值40％。

圖11的數(shù)據(jù)表明，在整個執(zhí)行過程中，上下文切換非常低，只有100左右，遠(yuǎn)小于10000。

圖12的數(shù)據(jù)表明，在整個執(zhí)行過程中，虛擬內(nèi)存沒有使用，表明該任務(wù)沒有消耗虛擬內(nèi)存。

圖13的數(shù)據(jù)表明，在整個執(zhí)行過程中，阻塞隊列達(dá)到每秒0。8個左右，非常低，小于閾值2。系統(tǒng)處于正常狀態(tài)。

圖14的數(shù)據(jù)表明，在整個執(zhí)行過程中，在硬盤上沒有監(jiān)測到硬盤讀寫的大量讀寫，在大多數(shù)時間內(nèi)，I/O速率都為0。

圖15的數(shù)據(jù)表明，在整個執(zhí)行過程中，同時網(wǎng)絡(luò)也沒有監(jiān)測到很大的數(shù)據(jù)，只有40B/s左右，該應(yīng)用基本不消耗網(wǎng)絡(luò)資源。

由圖10-圖15所示的參數(shù)，根據(jù)六元組F(t)＝(CPU,Csw,Mem,Pro,I/O,Net)分析：

CPU：iowait<10％。CPU的iowait所占百分比很低，表明系統(tǒng)的CPU并沒有等待I/O的操作。

Csw:上下文切換<100。表明系統(tǒng)并沒有使用系統(tǒng)調(diào)度操作。

Mem：沒有虛擬內(nèi)存分配，也沒有頁面置換發(fā)生。

Process：阻塞隊列中的任務(wù)數(shù)<1，表明系統(tǒng)正常狀態(tài)，較為空閑。

I/O：硬盤上沒有監(jiān)測到大量讀和寫的數(shù)據(jù)，表明沒有I/O操作的執(zhí)行，該任務(wù)不消耗系統(tǒng)硬盤資源。

Net：網(wǎng)絡(luò)上未監(jiān)測到大量數(shù)據(jù)，表明該任務(wù)不消耗網(wǎng)絡(luò)帶寬資源。

結(jié)論：通過以上可以判斷該應(yīng)用不是I/O密集型應(yīng)用。

3、分析

通過使用兩組不同的實驗來驗證I/O密集型應(yīng)用六元組的使用情況。首先用戶向云計算中心的虛擬機上傳文件來模擬典型的I/O密集型應(yīng)用的類型，獲取虛擬機執(zhí)行該任務(wù)的運行信息，并記錄下來，如果該運行信息符合I/O密集型應(yīng)用六元組所規(guī)定的閾值范圍以內(nèi)，則說明I/O密集型應(yīng)用六元組模型可以正確判斷一個未知應(yīng)用的符合該模型所表示的特征，從而判斷該應(yīng)用是I/O密集型應(yīng)用。

通過用戶在云計算中心的虛擬機上運行2億以內(nèi)的質(zhì)數(shù)統(tǒng)計運算并打印輸出，這是非I/O密集型應(yīng)用，獲取該任務(wù)運行時系統(tǒng)狀態(tài)值并記錄下來。由于這個應(yīng)用模擬的是科學(xué)計算，它們在運行時會消耗大量的CPU資源和內(nèi)存資源，對于I/O設(shè)備的搶占程度很低，因此它們所表現(xiàn)出來的狀態(tài)特征會和I/O密集型應(yīng)用六元組模型有明顯差異，通過計算從而說明I/O密集型應(yīng)用六元組可以計算一個未知應(yīng)用不在I/O密集型應(yīng)用六元組所規(guī)定的范圍以內(nèi)，從而判斷該應(yīng)用是非I/O密集型應(yīng)用。

此外，還做了其他應(yīng)用的大量實驗，來進(jìn)一步驗證本發(fā)明的正確性和可行性，結(jié)果如表2所示：

表2

分析上表可得出，F(xiàn)TP服務(wù)器上的文件上傳和下載等應(yīng)用，各項參數(shù)都符合I/O密集型應(yīng)用特征模型，因此系統(tǒng)判定它們?yōu)镮/O密集型應(yīng)用。然而對于矩陣乘法計算，π的計算等應(yīng)用，由于在I/O讀寫上，基本監(jiān)測不到I/O設(shè)備的讀寫，系統(tǒng)判定它們?yōu)榉荌/O密集型應(yīng)用。對于視頻服務(wù)和爬蟲應(yīng)用，由于在CPU上，CPUiowait所占百分比很小，因此系統(tǒng)判定它們?yōu)榉荌/O密集型應(yīng)用。以上多組實驗表明，本文提出的I/O密集型六元組代表了I/O密集型應(yīng)用的共性特征，未知應(yīng)用通過該模型的判定，能夠很好地識別出是否為I/O密集型應(yīng)用，具有很高的成功率，達(dá)到了預(yù)期的目的。

進(jìn)一步地，基于第二實施例，提出本發(fā)明云計算環(huán)境下IO密集型應(yīng)用識別方法的第三實施例，在本實施例中，在執(zhí)行步驟S30的同時，還執(zhí)行以下步驟：

將所述虛擬機當(dāng)前的應(yīng)用調(diào)度策略更新為預(yù)存的I/O密集型應(yīng)用所對應(yīng)的應(yīng)用調(diào)度策略。

需要說明的是，本實施例為進(jìn)一步增加云計算中心的資源利用效率，在第二實施例的基礎(chǔ)上，增加了對虛擬機的應(yīng)用調(diào)度策略的調(diào)整操作。以下僅針對該區(qū)別進(jìn)行說明，其他可參照前述第二實施例，此處不再贅述。

在本發(fā)明實施例中，云計算環(huán)境下IO密集型應(yīng)用識別裝置在根據(jù)獲取的資源分配策略調(diào)整虛擬機的資源的同時，還將虛擬機當(dāng)前的應(yīng)用調(diào)度策略更新為預(yù)存的I/O密集型應(yīng)用所對應(yīng)的應(yīng)用調(diào)度策略。其中，I/O密集型應(yīng)用所對應(yīng)的應(yīng)用調(diào)度策略包括：將I/O密集型應(yīng)用對應(yīng)的進(jìn)程設(shè)置為不可搶占。

以本實施例所述的當(dāng)前應(yīng)用的進(jìn)程為A進(jìn)程進(jìn)行說明：

如果A進(jìn)程在運行期間，有一個優(yōu)先級更高的進(jìn)程到來，此時并不搶占A進(jìn)程的運行權(quán)，而是將A進(jìn)程的need_shed置位，等A進(jìn)程運行完畢讓出CPU資源后，立即進(jìn)行調(diào)度，以保證A進(jìn)程在運行期間不可搶占。其中，need_shed為標(biāo)識進(jìn)程是否需要執(zhí)行調(diào)度的標(biāo)識位。

本發(fā)明還提供一種執(zhí)行前述云計算環(huán)境下IO密集型應(yīng)用識別方法的云計算環(huán)境下IO密集型應(yīng)用識別裝置，參照圖16，對應(yīng)于前述云計算環(huán)境下IO密集型應(yīng)用識別方法的第一實施例，在本發(fā)明云計算環(huán)境下IO密集型應(yīng)用識別裝置的第一實施例中，所述云計算環(huán)境下IO密集型應(yīng)用識別裝置包括：

確定模塊10，用于確定虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型；

需要說明的是，本實施例提出的云計算環(huán)境下IO密集型應(yīng)用識別裝置應(yīng)用于云數(shù)據(jù)中心中，通過云計算環(huán)境下IO密集型應(yīng)用識別裝置對用戶請求的不同類型的應(yīng)用針對性的進(jìn)行計算資源的分配，能夠提高云計算中心的資源利用率，達(dá)到節(jié)能降耗的目的。

具體的，在本實施例中，將應(yīng)用分為兩類，分別為I/O密集型應(yīng)用和CPU密集型應(yīng)用。其中，操作系統(tǒng)在運行I/O密集型應(yīng)用時，其CPU效能相對硬盤/內(nèi)存的效能要好很多，此時，系統(tǒng)運作，大部分的狀況是CPU在等硬盤/內(nèi)存的讀/寫，此時CPU負(fù)荷不高；操作系統(tǒng)在運行CPU密集型應(yīng)用時，其硬盤/內(nèi)存效能相對CPU的效能要好很多，此時，系統(tǒng)運作，大部分的狀況是CPU滿負(fù)荷運行。可以看出，不同類型的應(yīng)用對CPU資源和I/O資源的需求不同。

具體的，云數(shù)據(jù)中心在接收到用戶請求的應(yīng)用時，會根據(jù)用戶的請求分配一定的計算資源，也就是虛擬機。由虛擬機來執(zhí)行用戶請求的應(yīng)用，而這個虛擬機的位置對用戶是透明的，它可以運行在云數(shù)據(jù)中心的任一服務(wù)器上，也可以運行在云數(shù)據(jù)中心的多臺服務(wù)器上。

在本實施例中，為實現(xiàn)計算資源的有效分配，云計算環(huán)境下IO密集型應(yīng)用識別裝置的確定模塊10首先需要確定虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型，其中，虛擬機運行的當(dāng)前應(yīng)用即用戶請求的應(yīng)用。

例如，確定模塊10識別到虛擬機運行當(dāng)前應(yīng)用的CPU占用率達(dá)到預(yù)設(shè)占用率且單位時間的I/O操作數(shù)小于預(yù)設(shè)操作數(shù)時，確定虛擬機當(dāng)前運行的是CPU密集型應(yīng)用；又例如，確定模塊10識別到虛擬機運行當(dāng)前應(yīng)用的CPU占用率小于預(yù)設(shè)占用率且單位時間的I/O操作數(shù)達(dá)到預(yù)設(shè)操作數(shù)時，確定虛 擬機當(dāng)前運行的是I/O密集型應(yīng)用。其中，本實施例不對前述預(yù)設(shè)操作數(shù)和預(yù)設(shè)占用率做具體限制，本領(lǐng)域技術(shù)人員可根據(jù)實際需要進(jìn)行設(shè)置，如本實施例設(shè)置預(yù)設(shè)占用率為80％，設(shè)置預(yù)設(shè)操作數(shù)為10000。

獲取模塊20，用于在確定所述虛擬機當(dāng)前應(yīng)用的應(yīng)用類型時，獲取確定的應(yīng)用類型所對應(yīng)的資源分配策略；

調(diào)整模塊30，用于根據(jù)獲取的所述資源分配策略調(diào)整所述虛擬機的資源。

需要說明的是，為實現(xiàn)計算資源的有效分配，本實施例根據(jù)不同類型的應(yīng)用分別設(shè)置儲存有對應(yīng)的資源分配策略。例如，對應(yīng)CPU密集型應(yīng)用的資源分配策略包括增加虛擬機的CPU資源；對應(yīng)I/O密集型應(yīng)用的資源分配策略包括增加虛擬機的I/O資源。

在本發(fā)明實施例中，在確定模塊10確定虛擬運行的當(dāng)前應(yīng)用的應(yīng)用類型之后，獲取模塊20確定的應(yīng)用類型獲取對應(yīng)的資源分配策略，例如，在確定模塊10確定當(dāng)前應(yīng)用為CPU密集型應(yīng)用時，獲取模塊20獲取CPU密集型應(yīng)用對應(yīng)的資源分配策略；在確定模塊10確定當(dāng)前應(yīng)用為I/O密集型應(yīng)用時，獲取模塊20獲取I/O密集型應(yīng)用對應(yīng)的資源分配策略。

在獲取模塊20獲取到當(dāng)前應(yīng)用對應(yīng)的資源分配策略之后，調(diào)整模塊30根據(jù)獲取模塊20獲取的資源分配策略調(diào)整虛擬機的資源，例如，在確定模塊10確定當(dāng)前當(dāng)前應(yīng)用為I/O密集型應(yīng)用，且獲取模塊20獲取的對應(yīng)資源分配策略為“增加I/O資源，并減小CPU資源”時，則調(diào)整模塊30增加運行當(dāng)前應(yīng)用的虛擬機的I/O資源，同時減小該虛擬機的CPU資源。

其中，本實施例對資源的調(diào)整量不做具體限制，本領(lǐng)域技術(shù)人員可根據(jù)實際需要進(jìn)行設(shè)置，例如，設(shè)置CPU資源的調(diào)整量為“0.5GHz”。

本實施例提出的云計算環(huán)境下IO密集型應(yīng)用識別裝置，在應(yīng)用于云數(shù)據(jù)中心時，能夠?qū)τ脩粽埱蟮牟煌愋偷膽?yīng)用針對性的進(jìn)行計算資源的分配，使得分配的計算資源能夠有效滿足不同類型應(yīng)用對計算資源的需求，相較于現(xiàn)有技術(shù)采用通用的資源分配策略進(jìn)行資源分配，本發(fā)明能夠有效提升云數(shù)據(jù)中心的資源利用率，達(dá)到節(jié)能降耗的目的。

進(jìn)一步地，基于第一實施例，提出本發(fā)明云計算環(huán)境下IO密集型應(yīng)用 識別裝置的第二實施例，對應(yīng)于前述云計算環(huán)境下IO密集型應(yīng)用識別方法的第二實施例，在本實施例中，所述確定模塊10還用于，

采集所述虛擬機運行當(dāng)前應(yīng)用時的運行信息；

分析獲取的運行信息是否滿足預(yù)存的I/O密集型應(yīng)用所對應(yīng)的判定條件；以及

在所述運行信息滿足所述判定條件時，確定所述虛擬機當(dāng)前運行I/O密集型應(yīng)用。

需要說明的是，本實施例在第一實施例的基礎(chǔ)上，進(jìn)一步提出一種更精確的應(yīng)用類型識別方案，以下以I/O密集型應(yīng)用的識別為例進(jìn)行說明，其他可參照前述實施例，此處不再贅述。

在本實施例中，建立了針對I/O密集型應(yīng)用的特征識別模型，為一特征六元組：

(CPU，Csw，Mem，Process，I/O，Net)

其中，CPU表示CPU狀態(tài)，Csw表示應(yīng)用上下文切換狀態(tài)，Mem表示虛擬內(nèi)存使用狀態(tài)，Pro表示進(jìn)程阻塞狀態(tài)，I/O表示硬盤讀寫狀態(tài)，Net表示網(wǎng)絡(luò)傳輸狀態(tài)，具體的，

CPU：主要考察CPUiowait，CPUuser和CPUsystem狀態(tài)下的CPU占用值。對于I/O密集型應(yīng)用，CPUiowait的百分比會大于一個閾值C，根據(jù)大量實驗，C可取40％，即CPUiowait>40％。CPUuser和CPUsystem的百分比會小于一個閾值U，對于本實施例的實驗環(huán)境，U取5％。CPU的iowait占用很高的時間，表明CPU在頻繁等待某種I/O操作。

Csw：主要考察每秒上下文切換的數(shù)量。如果是I/O密集型應(yīng)用，那么上下文切換很高。通常上下文切換會大于一個閾值W，根據(jù)大量實驗，W可取10000。系統(tǒng)中大量的上下文切換，可能是系統(tǒng)進(jìn)程導(dǎo)致也可能是系統(tǒng)因等待某高優(yōu)先級操作導(dǎo)致。

Mem：主要考察虛擬內(nèi)存的使用情況。內(nèi)存分為實際內(nèi)存和虛擬內(nèi)存。如果是I/O密集型應(yīng)用，會使用虛擬內(nèi)存，并且有大量頁面置換產(chǎn)生。虛擬內(nèi)存會大于一個閾值M，根據(jù)大量實驗，M可取16MB，說明內(nèi)存分配了大量資源用于I/O操作。

Process：主要考察每秒阻塞隊列中的任務(wù)數(shù)(block)。當(dāng)負(fù)載較高或資 源緊張時，系統(tǒng)就會把一些任務(wù)放入阻塞隊列中，等待合適的時機去執(zhí)行。如果是I/O密集型應(yīng)用，阻塞隊列較高，并且會大于一個閾值P，對于IO密集型應(yīng)用，取P為2。一般情況阻塞隊列小于CPU核數(shù)，通常單個I/O密集型應(yīng)用不會導(dǎo)致系統(tǒng)處于高負(fù)載狀態(tài)。

I/O：I/O主要考察每秒硬盤讀寫速率(disk_write)和(disk_read)。如果是I/O密集型應(yīng)用讀寫速率會很高，通常會大于一個閾值V，V可取1MB/s。

Net：主要考察每秒發(fā)送和接收的網(wǎng)絡(luò)流量。如果是I/O密集型應(yīng)用，那么接收或者發(fā)送的流量會很高，通常會大于一個閾值N，N可取1MB/s。網(wǎng)絡(luò)上監(jiān)測到大量流量數(shù)據(jù)，表明正在傳輸數(shù)據(jù)，可能是文件上傳下載服務(wù)或者流媒體服務(wù)。

在本實施例中，為識別虛擬機運行的當(dāng)前應(yīng)用的應(yīng)用類型，確定模塊10首先采集該虛擬機運行當(dāng)前應(yīng)用時的運行信息，包括所述虛擬機的上下文的單位切換數(shù)量、虛擬內(nèi)存占用值、阻塞隊列的單位任務(wù)數(shù)、硬盤讀寫速率、網(wǎng)絡(luò)傳輸速率以及其在CPUiowait、CPUuser和CPUsystem狀態(tài)下的CPU占用值。

在采集到所述虛擬機運行當(dāng)前應(yīng)用時的運行信息之后，確定模塊10進(jìn)一步分析獲取的運行信息是否滿足預(yù)存的I/O密集型應(yīng)用所對應(yīng)的判定條件(即前述特征六元組)。

具體的，參照圖3，確定模塊10首先對CPU數(shù)據(jù)進(jìn)行分析，比較當(dāng)前CPUiowait的CPU占用值和閾值C(即虛擬機在CPUiowait下的CPU占用值所對應(yīng)的第一預(yù)設(shè)閾值)，以及分別比較當(dāng)前CPUuser和CPUsystem的CPU占用值與U的大小。如果滿足當(dāng)前CPUiowait的CPU占用值大于閾值C且CPUuser和CPUsystem的CPU占用值均小于U(即第二預(yù)設(shè)閾值)，那么轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

其次，確定模塊10分析虛擬機每秒鐘的上下文切換數(shù)量。比較上下文切換數(shù)量的數(shù)量和閾值W(即上下文的單位切換數(shù)量所對應(yīng)的第一預(yù)設(shè)閾值)。如果滿足上下文切換數(shù)大于閾值W，則轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

第三，確定模塊10分析虛擬內(nèi)存所占的空間大小。比較虛擬內(nèi)存占用值和閾值M(即虛擬內(nèi)存占用值所對應(yīng)的第一預(yù)設(shè)閾值)，如果虛擬內(nèi)存占用值大于閾值M，則轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

第四，確定模塊10分析每秒鐘阻塞隊列中的任務(wù)數(shù)。將該數(shù)量和閾值P進(jìn)行比較，如果每秒鐘的阻塞隊列中的任務(wù)數(shù)大于閾值P(即阻塞隊列的單位任務(wù)數(shù)所對應(yīng)的第一預(yù)設(shè)閾值)，則轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

第五，確定模塊10分析硬盤讀寫速率。檢查硬盤讀寫速率是否很大并且將其和閾值I(即硬盤讀寫速率所對應(yīng)的第一預(yù)設(shè)閾值)進(jìn)行比較，如果大于閾值I，則轉(zhuǎn)到下一步，否則，轉(zhuǎn)到第七步；

第六，確定模塊10分析網(wǎng)絡(luò)傳輸速率。檢查是否有大量的網(wǎng)絡(luò)流量并且和閾值N進(jìn)行比較，如果大于閾值N(即網(wǎng)絡(luò)傳輸速率所對應(yīng)的第一預(yù)設(shè)閾值)，則確定當(dāng)前應(yīng)用是I/O密集型應(yīng)用，退出，否則，轉(zhuǎn)到第七步；

第七，確定當(dāng)前應(yīng)用不是I/O密集型應(yīng)用，退出。

進(jìn)一步地，基于第二實施例，提出本發(fā)明云計算環(huán)境下IO密集型應(yīng)用識別裝置的第三實施例，對應(yīng)于前述云計算環(huán)境下IO密集型應(yīng)用識別方法的第三實施例，在本實施例中，所述調(diào)整模塊30還用于將所述虛擬機當(dāng)前的應(yīng)用調(diào)度策略更新為預(yù)存的I/O密集型應(yīng)用所對應(yīng)的應(yīng)用調(diào)度策略。

需要說明的是，本實施例為進(jìn)一步增加云計算中心的資源利用效率，在第二實施例的基礎(chǔ)上，增加了對虛擬機的應(yīng)用調(diào)度策略的調(diào)整操作。以下僅針對該區(qū)別進(jìn)行說明，其他可參照前述第二實施例，此處不再贅述。

在本發(fā)明實施例中，調(diào)整模塊10在根據(jù)獲取的資源分配策略調(diào)整虛擬機的資源的同時，還將虛擬機當(dāng)前的應(yīng)用調(diào)度策略更新為預(yù)存的I/O密集型應(yīng)用所對應(yīng)的應(yīng)用調(diào)度策略。其中，I/O密集型應(yīng)用所對應(yīng)的應(yīng)用調(diào)度策略包括：將I/O密集型應(yīng)用對應(yīng)的進(jìn)程設(shè)置為不可搶占。

以本實施例所述的當(dāng)前應(yīng)用的進(jìn)程為A進(jìn)程進(jìn)行說明：

如果A進(jìn)程在運行期間，有一個優(yōu)先級更高的進(jìn)程到來，此時并不搶占A進(jìn)程的運行權(quán)，而是將A進(jìn)程的need_shed置位，等A進(jìn)程運行完畢讓出CPU資源后，立即進(jìn)行調(diào)度，以保證A進(jìn)程在運行期間不可搶占。其中，need_shed為標(biāo)識進(jìn)程是否需要執(zhí)行調(diào)度的標(biāo)識位。

以上僅為本發(fā)明的優(yōu)選實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間 接運用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。