(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211120488.2 (22)申请日 2022.09.15 (71)申请人 中电信数智科技有限公司 地址 100036 北京市海淀区复兴 路33号13 层东塔13层13 08室 (72)发明人 高慧　张磊　陈相如　伊莉娜　 (74)专利代理 机构 南京钟山专利代理有限公司 32252 专利代理师 戴朝荣 (51)Int.Cl. G06F 9/50(2006.01) G06K 9/62(2022.01) (54)发明名称 一种基于聚类集成算法的云计算虚拟资源 调度方法 (57)摘要 本发明公开了一种基于聚类集成算法的云 计算虚拟资源调度方法， 包括： 获取云计算资源 中主机的属性特征， 将每一类属性特征进行归一 化处理后组成矩阵； 采用基聚类算法分别对矩阵 进行聚类； 使用基于投票法的集成函数， 对基聚 类结果中属性特征属于同一个簇的进行集成， 得 到集成矩阵； 使用基聚类算法中的任意一种对集 成矩阵进行聚类， 得到最终聚类结果； 在最终聚 类结果的任意一个簇中， 计算该簇中每台主机的 负载， 并将主机负载进行排序， 将虚拟机从负载 最大的主机中迁移到该簇中负载最小的主机中， 直至迁移后负载最大主机与负载最小主机的差 值在用户预设阈值范围内， 停止迁移。 本发明提 高云计算虚拟资源调度的效率， 降低主机的能 耗， 实现节能减排。 权利要求书2页 说明书5页 附图1页 CN 115543609 A 2022.12.30 CN 115543609 A 1.一种基于聚类集成算法的云计算虚拟资源调度方法， 其特征在于， 具体包括如下步 骤： 步骤S1、 获取云计算资源中主机的属性特征， 将每一类属性特征进行归一化处理， 并将 每台主机归一 化后的属性特 征组成一组特 征向量， 将特 征向量组成矩阵； 步骤S2、 采用基聚类算法分别对矩阵进行聚类， 获取基聚类结果； 步骤S3、 使用基于投票法的集成函数， 对基聚类结果中属性特征属于同一个簇的进行 集成， 得到集成矩阵； 步骤S4、 使用基聚类算法中的任意 一种对集成矩阵进行聚类， 得到最终聚类结果； 步骤S5、 在最终聚类结果的任意一个簇中， 计算该簇中每台主机的负载， 并将主机负载 进行排序， 将虚拟机从负载最大的主机中迁移到该簇中负载最小的主机中， 迁移后， 再次计 算迁移后的每台主机的负载并进行排序， 计算迁移后负载最大主机与负载最小主机的差 值， 如果差值在用户预设阈值范围内， 停止迁移； 否则， 再次将虚拟机从迁移后负载最大 的 主机迁移到最小负载的主机中， 直到 差值在用户预设阈值范围内， 停止 迁移。 2.根据权利要求1所述的一种基于聚类集成算法的云计算虚拟资源调度方法， 其特征 在于， 所述云计算资源中主机的属性特 征包括： 存 储容量、 占用带宽、 CPU和内存。 3.根据权利要求1所述的一种基于聚类集成算法的云计算虚拟资源调度方法， 其特征 在于， 所述每一类属性特 征进行归一 化处理的过程 为： 其中， x′ij为第j台主机 上第i类属性特征归一化的结果， xij为第j台主机 上第i类属性特 征， 为第i类属性特 征的最小值， 为第i类属性特 征的最大值。 4.根据权利要求1所述的一种基于聚类集成算法的云计算虚拟资源调度方法， 其特征 在于， 所述基聚类算法为： k ‑means聚类算法、 模糊C均值聚类算法、 Median  K‑flats聚类算 法、 高斯混合模型聚类算法、 Subtract  Clustering聚类算法、 Single ‑linkage Euclidean 聚类算法、 Single ‑linkage cosine聚类算法、 Single ‑linkage hamming聚类算法、 Complete ‑linkage Euclidean聚类算法、 Complete ‑linkage cosine聚类算法、 Complete ‑ linkage hamming聚类算法、 W ard‑linkage Euclidean聚类算法、 Ward ‑linkage cosine聚 类算法、 Ward ‑linkage hamming聚类算法、 Average ‑linkage Euclidean聚类算法、 Average‑linkage cosine聚类算 法、 Average ‑linkage hamming聚类算 法、 Spectral  using  a sparse similarity  matrix聚类算法、 Spectral  using Nystrom method with  orthogonalization聚类算法、 Spectral  using Nystrom  method   withoutor thogonalization聚类算法。 5.根据权利要求1所述的一种基于聚类集成算法的云计算虚拟资源调度方法， 其特征 在于， 步骤S3中对基聚类结果进行集成的过程 为： 其中， x′ij为第j台主机上第i类属性特征归一化的结果， x ′ab为第b台主机上第a类属性 特征归一化的结果， 且j＝b时， i≠a； Sm{x′ij,x′ab}为基于投票法的集成函数对x ′ij和x′ab的权　利　要　求　书 1/2 页 2 CN 115543609 A 2集成结果； C(x ′ij)＝C(x′ab)表示x′ij和x′ab的标签相同， 属于同一个簇； C(x ′ij)≠C(x′ab)表 示x′ij和x′ab的标签不同， 不属于同一个簇 。 6.根据权利要求1所述的一种基于聚类集成算法的云计算虚拟资源调度方法， 其特征 在于， 步骤S5中每 个主机的负载的计算过程 为： Lw＝α CPU+β Mem+λBw 其中， Lw为该簇中第w台主机的负载， α 为主机CP U的权重， β 为主机内存M em的权重， λ为主 机带宽Bw的权 重。 7.根据权利要求1所述的一种基于聚类集成算法的云计算虚拟资源调度方法， 其特征 在于， 步骤S5中迁移后负载最大主机与负载最小 主机的差值的计算过程 为： 其中， n为该簇中迁移后主机 的台数， Lmax为迁移后主机 的最大负载， Lmin为迁移后主机 的最小负载。权　利　要　求　书 2/2 页 3 CN 115543609 A 3