[发明专利]虚拟机管理方法及装置、存储介质

权利要求书

1.一种虚拟机管理方法，其特征在于，包括：

获取物理机的各维度的资源因子，以及获取所述物理机各维度的资源因子与虚拟机在相应维度的资源需求的匹配程度；

以所述物理机的资源因子为样本特征、并以所述物理机的匹配程度为目标变量，构造对应所述物理机的样本；

基于包括多个所述样本的训练集训练线性回归模型；

将待创建目标虚拟机的各维度的资源需求与候选物理机相应维度的资源比较；

筛除在任一维度不满足所述目标虚拟机的资源需求的所述候选物理机；

以所述候选物理机的各维度的资源因子为输入变量输入所述线性回归模型，预测得到所述候选物理机的匹配程度；

根据各所述候选物理机的匹配程度的降序，在所述候选物理机中选择创建所述目标虚拟机的宿主机。

2.如权利要求1所述的方法，其特征在于，所述获取所述物理机各维度的资源因子与虚拟机在相应维度的资源需求的匹配程度，包括：

计算所述物理机各维度的资源因子与所述虚拟机在相应维度的资源需求的差值；

根据所述差值与所述匹配程度的负相关关系，为所述物理机分配相应的匹配程度。

3.如权利要求1所述的方法，其特征在于，所述获取所述物理机各维度的资源因子与所述虚拟机在相应维度的资源需求的匹配程度，包括：

计算所述物理机各维度的资源因子与虚拟机在相应维度的资源需求的比值；

当所述比值为整数时为所述物理机分配第一匹配程度，当所述比值为非整数时为所述物理机分配第二匹配程度，所述第一匹配程度大于所述第二匹配程度。

4.如权利要求1所述的方法，其特征在于，所述基于包括多个所述样本的训练集训练线性回归模型，包括：

构建以所述训练集中样本的各维度的资源因子为自变量、以及以所述样本的匹配程度为因变量的线性回归模型；

以所述训练集中样本的各维度的资源因子的权重为参数，初始化基于所述参数的损失函数；

基于所述训练集调整所述参数的取值，获得使所述损失函数取得最小值时的所述参数的值。

5.如权利要求4所述的方法，其特征在于，所述基于所述训练集，获得使所述损失函数取得最小值时的所述参数的值，包括：

随机初始化所述参数；

将所述参数按照所述损失函数的梯度方向迭代更新，得到更新的所述参数的值，直至满足收敛条件。

6.如权利要求4所述的方法，其特征在于，所述基于所述训练集，获得使所述损失函数取得最小值时的所述参数的值，包括：

基于所述训练集中所有样本的样本特征构建样本特征向量，以及基于所述训练集中所有样本的目标变量构建目标变量矩阵；

构建以所述样本特征和所述目标变量矩阵表示的所述损失函数；

计算所述损失函数沿最大梯度下降时所述参数的取值。

7.如权利要求1所述的方法，其特征在于，

所述资源因子表示所述物理机在相应维度的剩余资源，或者，所述资源因子表示所述物理机在相应维度的全部资源。

8.一种虚拟机管理装置，其特征在于，包括：

样本单元，用于获取物理机的各维度的资源因子，以及获取所述物理机各维度的资源因子与虚拟机在相应维度的资源需求的匹配程度；

所述样本单元，具体用于以所述物理机的资源因子为样本特征、并以所述物理机的匹配程度为目标变量，构造对应所述物理机的样本；

训练单元，用于基于包括多个所述样本的训练集训练线性回归模型；

过滤单元，用于将待创建目标虚拟机的各维度的资源需求与候选物理机相应维度的资源比较，筛除在任一维度不满足所述目标虚拟机的资源需求的所述候选物理机；

预测单元，以所述候选物理机的各维度的资源因子为输入变量输入所述线性回归模型，预测得到所述候选物理机的匹配程度；

创建单元，用于根据各所述候选物理机的匹配程度的降序，在所述候选物理机中选择创建所述目标虚拟机的宿主机。