本發(fā)明設(shè)計(jì)一種感知應(yīng)用特征與網(wǎng)絡(luò)環(huán)境的虛擬機(jī)在線遷移優(yōu)化方法，尤其設(shè)計(jì)一種應(yīng)用特征感知的網(wǎng)絡(luò)帶寬預(yù)留調(diào)整算法，屬于軟件技術(shù)領(lǐng)域。

背景技術(shù)：

隨著虛擬化技術(shù)的廣泛應(yīng)用，虛擬機(jī)的動(dòng)態(tài)管理也變得越來越重要，而在線遷移是對(duì)虛擬機(jī)動(dòng)態(tài)管理的重要手段。在線遷移是一種網(wǎng)絡(luò)密集型活動(dòng)，它要求傳輸幾GB甚至幾十GB的虛擬機(jī)內(nèi)存狀態(tài)從源宿主機(jī)到目的宿主機(jī)。除了占用網(wǎng)絡(luò)資源外，在線遷移消耗額外的內(nèi)存和CPU等物理資源。

目前，傳統(tǒng)的在線遷移方法有pre-copy(預(yù)拷貝)、post-copy(后拷貝)和hybrid copy(混合拷貝)在線遷移方法。pre-copy在線遷移是現(xiàn)在主流的虛擬機(jī)動(dòng)態(tài)遷移技術(shù)，pre-copy分為3個(gè)階段：首次拷貝和迭代拷貝、停機(jī)拷貝。具體遷移過程見圖1所示。首先，將虛擬機(jī)的全部?jī)?nèi)存拷貝到目的宿主機(jī)中，該過程不中斷虛擬機(jī)運(yùn)行，這個(gè)階段叫做“首次拷貝”階段；接著，進(jìn)入“迭代拷貝階段”，把上一拷貝過程中產(chǎn)生的內(nèi)存臟頁面(上一次被修改過的內(nèi)存頁面)迭代復(fù)制到目的宿主機(jī)，該過程也不中斷虛擬機(jī)的運(yùn)行。在每一輪迭代復(fù)制結(jié)束后需要判斷當(dāng)前是否符合進(jìn)入stop-and-coy階段(即停機(jī)拷貝階段)的條件。如果滿足則進(jìn)入第三階段——“停機(jī)拷貝”階段，否則繼續(xù)進(jìn)行迭代拷貝。在停機(jī)拷貝階段在源宿主機(jī)上的虛擬機(jī)被暫停運(yùn)行，然后將剩余的虛擬機(jī)內(nèi)存臟頁面同步到目的宿主機(jī)。同時(shí)，還把虛擬機(jī)系統(tǒng)信息，包括CPU和網(wǎng)絡(luò)狀態(tài)等，同步到目的端。在傳輸完信息之后，在目的宿主機(jī)上的虛擬機(jī)會(huì)根據(jù)傳送過來的虛擬機(jī)系統(tǒng)信息恢復(fù)系統(tǒng)。與pre-copy在線遷移不同，post-copy在線遷移的內(nèi)存同步是在虛擬機(jī)在目的宿主機(jī)上恢復(fù)運(yùn)行之后。Hybrid copy在線遷移是post-copy在線遷移的一個(gè)特例。它融合了pre-copy在線遷移方法和post-copy在線遷移方法的特點(diǎn)，在虛擬機(jī)系統(tǒng)信息傳送到目的宿主機(jī)之前，把最經(jīng)常訪問的內(nèi)存頁面子集傳送到目的主機(jī)當(dāng)中。剩下不經(jīng)常使用的內(nèi)存頁面會(huì)在虛擬機(jī)運(yùn)行需要時(shí)在從源宿主機(jī)中獲取。

主流的虛擬化平臺(tái)(KVM、Xen和VMware等)都支持pre-copy算法進(jìn)行在線遷移。pre-copy在線遷移方法在商業(yè)和學(xué)術(shù)領(lǐng)域得到了廣泛應(yīng)用和發(fā)展。該方法能夠有效縮短遷移時(shí)間和提高遷移性能，但在實(shí)際應(yīng)用中，受迭代收斂性、虛擬機(jī)不同應(yīng)用特征和資源限制的影響，使用pre-copy在線遷移方法遷移網(wǎng)絡(luò)密集型和內(nèi)存密集型虛擬機(jī)時(shí)遷移性能并不理想。比如，若虛擬機(jī)中運(yùn)行著內(nèi)存密集型應(yīng)用，虛擬機(jī)的內(nèi)存不斷被快速修改，且當(dāng)修改的速度大于內(nèi)存臟頁面的傳輸速度時(shí)，這會(huì)造成pre-copy迭代拷貝時(shí)間延長(zhǎng)，占用物理資源時(shí)間也增加，并且難以進(jìn)入停機(jī)拷貝階段，這會(huì)嚴(yán)重影響其他服務(wù)，甚至?xí)?dǎo)致遷移失敗。在預(yù)測(cè)虛擬機(jī)內(nèi)存臟頁面方法中都沒有考慮到虛擬機(jī)應(yīng)用特征環(huán)境對(duì)虛擬機(jī)內(nèi)存臟頁面的影響。目前，pre-copy在線遷移改進(jìn)方法往往通過刪除重復(fù)內(nèi)存頁面數(shù)據(jù)和壓縮內(nèi)存頁面、抑制相似內(nèi)存頁面產(chǎn)生等方法減少內(nèi)存臟頁面的數(shù)據(jù)傳輸，以降低遷移時(shí)間和宕機(jī)時(shí)間。然而上述方法往往會(huì)增加大量額外的CPU消耗，同時(shí)未考慮到網(wǎng)絡(luò)帶寬環(huán)境對(duì)傳輸內(nèi)存臟頁面的影響。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于：克服現(xiàn)有相關(guān)成果中未考慮應(yīng)用特征對(duì)內(nèi)存臟頁面數(shù)量影響，同時(shí)忽略內(nèi)存臟頁面數(shù)量和網(wǎng)絡(luò)帶寬的共同作用以及在網(wǎng)絡(luò)密集型或者內(nèi)存密集型虛擬機(jī)遷移場(chǎng)景中迭代周期長(zhǎng)、宕機(jī)時(shí)間增加等遷移性能問題，提供一種感知應(yīng)用特征與網(wǎng)絡(luò)環(huán)境的虛擬機(jī)在線遷移優(yōu)化方法，能有效減少網(wǎng)絡(luò)資源的競(jìng)爭(zhēng)，提高網(wǎng)絡(luò)傳輸效率，減少遷移時(shí)間，達(dá)到提供虛擬機(jī)遷移性能的目的。

在本發(fā)明中，為了得到內(nèi)存臟頁面的具體值采用灰色預(yù)測(cè)模型進(jìn)行內(nèi)存臟頁面的預(yù)測(cè)。選擇該方法的原因在于內(nèi)存拷貝過程內(nèi)存臟頁面信息采集比較難，采集的數(shù)量比較少，而灰色預(yù)測(cè)模型能夠在數(shù)據(jù)樣本較少的情況下進(jìn)行較好的預(yù)測(cè)。

如圖2所示，本發(fā)明感知應(yīng)用特征與網(wǎng)絡(luò)環(huán)境的虛擬機(jī)在線遷移優(yōu)化方法如下：

(1)感知虛擬機(jī)的應(yīng)用特征和網(wǎng)絡(luò)環(huán)境，收集內(nèi)存臟頁面數(shù)；所述感知虛擬機(jī)應(yīng)用特征是指動(dòng)態(tài)獲取虛擬機(jī)中應(yīng)用資源使用情況，包括內(nèi)存使用率、CPU使用率和網(wǎng)絡(luò)帶寬，并且能夠掌握該應(yīng)用資源使用率變化的趨勢(shì)；感知網(wǎng)絡(luò)環(huán)境是指動(dòng)態(tài)獲取云數(shù)據(jù)中心網(wǎng)絡(luò)帶寬使用率；內(nèi)存臟頁面是指虛擬機(jī)遷移過程中被修改的內(nèi)存頁面；

(2)根據(jù)步驟(1)中的感知虛擬機(jī)的應(yīng)用特征和網(wǎng)絡(luò)環(huán)境以及獲取內(nèi)存臟頁面數(shù)作為樣本數(shù)據(jù)，使用灰色預(yù)測(cè)模型預(yù)測(cè)內(nèi)存臟頁面數(shù)；

(3)根據(jù)步驟(2)中預(yù)測(cè)得到的內(nèi)存臟頁面數(shù)，計(jì)算虛擬機(jī)的迭代周期的臟頁面率，臟頁面率＝迭代周期產(chǎn)生臟頁面數(shù)/迭代周期時(shí)間；

(4)獲得網(wǎng)絡(luò)帶寬使用情況；

(5)根據(jù)步驟(4)獲得的網(wǎng)絡(luò)帶寬使用情況，判斷虛擬機(jī)是否為網(wǎng)絡(luò)密集型虛擬機(jī)，然后進(jìn)行網(wǎng)絡(luò)帶寬預(yù)留。在網(wǎng)絡(luò)帶寬預(yù)留過程中，根據(jù)虛擬機(jī)應(yīng)用所需的網(wǎng)絡(luò)帶寬和臟頁面率進(jìn)行帶寬預(yù)留，以保證在遷移過程中每個(gè)迭代周期網(wǎng)絡(luò)帶寬充足，減少網(wǎng)絡(luò)擁塞。本方法對(duì)含網(wǎng)絡(luò)密集型應(yīng)用，結(jié)合網(wǎng)絡(luò)環(huán)境進(jìn)行網(wǎng)絡(luò)帶寬預(yù)留，能夠減少遷移過程中網(wǎng)絡(luò)帶寬的競(jìng)爭(zhēng)，提高遷移效率，減少迭代時(shí)間，降低遷移時(shí)間，從而達(dá)到了提高遷移性能的目的。同時(shí)，優(yōu)先保證非網(wǎng)絡(luò)密集型虛擬機(jī)遷移，合理調(diào)配了網(wǎng)絡(luò)資源、提高了網(wǎng)絡(luò)的利用率。

所述步驟(2)使用灰色預(yù)測(cè)模型預(yù)測(cè)下一時(shí)段內(nèi)存臟頁面數(shù)的過程如下：

(21)對(duì)收集步驟(1)數(shù)據(jù)，即X₁：遷移不同迭代周期產(chǎn)生的內(nèi)存臟頁面數(shù)量；X₂：遷移不同迭代周期虛擬機(jī)內(nèi)存使用率；X₃：遷移不同迭代周期虛擬機(jī)CPU使用率；X₄：遷移不同迭代周期虛擬機(jī)網(wǎng)絡(luò)帶寬；X₅：上一次迭代的時(shí)間；X₆：遷移不同迭代周期云數(shù)據(jù)中心的網(wǎng)絡(luò)使用情況。將這些數(shù)據(jù)轉(zhuǎn)化為矩陣，作為灰色預(yù)測(cè)序列X⁽⁰⁾，并對(duì)所述序列X⁽⁰⁾進(jìn)行累加，生成AGO序列令為X⁽¹⁾；

(22)根據(jù)步驟(21)得到的X⁽¹⁾求解近鄰值生成的序列即均值序列為；

(23)在灰色預(yù)測(cè)模型中，假設(shè)步驟(21)的X⁽¹⁾與步驟(22)的存在一定關(guān)系，因此建立灰微分方程；

(24)根據(jù)步驟(22)的建立白化微分方程；

(25)根據(jù)步驟(23)方程組，建立基于GM(1，N)方程組，利用最小二乘法求解GM(1，N)方程參數(shù)序列；

(26)將參數(shù)代入(24)中的白化微分方程，求解得到GM(1，N)離散響應(yīng)函數(shù)，經(jīng)過累減還原公式求解出預(yù)測(cè)值序列；

(27)為減少灰色預(yù)測(cè)模型的誤差，通過殘差修正預(yù)測(cè)值提高預(yù)測(cè)精度。

所述步驟(5)中的網(wǎng)絡(luò)帶寬預(yù)留過程如下：

(31)收集虛擬機(jī)中應(yīng)用所需網(wǎng)絡(luò)帶寬信息，判斷虛擬機(jī)是否屬于網(wǎng)絡(luò)密集型應(yīng)用虛擬機(jī)，如果遷移虛擬機(jī)不是網(wǎng)絡(luò)密集型應(yīng)用虛擬機(jī)，跳到步驟(32)；如果為網(wǎng)絡(luò)密集型虛擬機(jī)，跳到步驟(34)；

(32)根據(jù)步驟(3)中計(jì)算虛擬機(jī)內(nèi)存臟頁面率，判斷目前空閑帶寬是否滿足接下來內(nèi)存臟頁面數(shù)量的傳輸帶寬，即網(wǎng)絡(luò)帶寬是否大于內(nèi)存臟頁面率；如果滿足就不進(jìn)行調(diào)整；否則，對(duì)網(wǎng)絡(luò)帶寬進(jìn)行調(diào)整，即跳到步驟(33)；

(33)優(yōu)先保證非網(wǎng)絡(luò)密集型應(yīng)用遷移，延遲同一時(shí)間網(wǎng)絡(luò)密集型虛擬機(jī)遷移；

(34)根據(jù)歷史網(wǎng)絡(luò)傳輸流量數(shù)據(jù)進(jìn)行應(yīng)用帶寬預(yù)留，將現(xiàn)在空閑網(wǎng)絡(luò)帶寬減去應(yīng)用預(yù)留帶寬就為現(xiàn)在虛擬機(jī)遷移所分配的帶寬。

本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于：

(1)現(xiàn)有技術(shù)重復(fù)內(nèi)存頁面數(shù)據(jù)刪除和內(nèi)存頁面壓縮、抑制相似內(nèi)存頁面產(chǎn)生等方法會(huì)帶來較大的額外資源開銷如CPU資源開銷，同時(shí)這些方法的效率還依賴于刪除算法、壓縮和解壓算法的效率，而且未考慮網(wǎng)絡(luò)帶寬環(huán)境對(duì)傳輸內(nèi)存臟頁面的影響。與傳統(tǒng)的pre-copy策略相比，本發(fā)明能夠在感知不同的應(yīng)用特征環(huán)境下，對(duì)虛擬機(jī)內(nèi)存臟頁面產(chǎn)生數(shù)量進(jìn)行預(yù)測(cè)，同時(shí)為了提高網(wǎng)絡(luò)使用率，針對(duì)不同的應(yīng)用特征，在感知網(wǎng)絡(luò)環(huán)境下，進(jìn)行網(wǎng)絡(luò)帶寬預(yù)留調(diào)整。

(2)相比傳統(tǒng)的pre-copy在線遷移方法，在含網(wǎng)絡(luò)密集型應(yīng)用或者內(nèi)存密集應(yīng)用的虛擬機(jī)遷移過程中，網(wǎng)絡(luò)帶寬預(yù)留調(diào)整不僅考慮了虛擬機(jī)遷移過程中的網(wǎng)絡(luò)流量還針對(duì)虛擬機(jī)中含網(wǎng)絡(luò)密集型的應(yīng)用所需的網(wǎng)絡(luò)帶寬，為應(yīng)用預(yù)留所需的網(wǎng)絡(luò)帶寬。本發(fā)明能有效減少網(wǎng)絡(luò)資源的競(jìng)爭(zhēng)，提高網(wǎng)絡(luò)傳輸效率，減少遷移時(shí)間。

附圖說明

圖1為現(xiàn)有的pre-copy在線遷移的過程示意圖；

圖2為本發(fā)明的感知復(fù)合應(yīng)用特征與網(wǎng)絡(luò)環(huán)境的虛擬機(jī)在線遷移優(yōu)化方法過程圖；

圖3為GM(1，N)預(yù)測(cè)內(nèi)存臟頁面數(shù)；

圖4為網(wǎng)絡(luò)預(yù)留調(diào)整過程示意圖。

具體實(shí)施方式

以下結(jié)合具體實(shí)施例和附圖對(duì)本發(fā)明進(jìn)行詳細(xì)說明。

本發(fā)明提出的感知應(yīng)用特征與網(wǎng)絡(luò)環(huán)境的虛擬機(jī)在線遷移優(yōu)化策略收集虛擬機(jī)應(yīng)用特征數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境特征數(shù)據(jù)，根據(jù)這些數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)帶寬預(yù)留調(diào)整，從而達(dá)到優(yōu)化虛擬機(jī)遷移性能的目的，尤其是在含網(wǎng)絡(luò)密集型應(yīng)用和內(nèi)存密集型應(yīng)用虛擬機(jī)遷移場(chǎng)景下的作用顯著。

在收集了一定的虛擬機(jī)應(yīng)用特征和網(wǎng)絡(luò)環(huán)境的樣本之后，會(huì)將這些樣本輸入到基于GM(1，N)(即灰色預(yù)測(cè)模型)內(nèi)存臟頁面數(shù)量預(yù)測(cè)模型中。

對(duì)虛擬機(jī)內(nèi)存臟頁面預(yù)測(cè)變量選取，本發(fā)明考慮以下能反映虛擬機(jī)應(yīng)用特征環(huán)境的因素：X1：遷移不同迭代周期產(chǎn)生的內(nèi)存臟頁面數(shù)量；X2：遷移不同迭代周期虛擬機(jī)內(nèi)存使用率；X3：遷移不同迭代周期虛擬機(jī)CPU使用率；X4：遷移不同迭代周期虛擬機(jī)網(wǎng)絡(luò)帶寬；X5：上一次迭代的時(shí)間；X6：遷移不同迭代周期云數(shù)據(jù)中心的網(wǎng)絡(luò)使用情況。設(shè)遷移過程中總共進(jìn)行S次迭代，每次內(nèi)存臟頁面產(chǎn)生數(shù)量都與上個(gè)迭代周期的應(yīng)用特征和上一次迭代時(shí)間有關(guān)。

基于G(1，N)的內(nèi)存臟頁面預(yù)測(cè)模型建立過程如圖3所示，具體步驟如下：

步驟一：給出灰色預(yù)測(cè)序列X⁽⁰⁾，令X⁽¹⁾為X⁽⁰⁾的AGO序列：

其中，為X1的元素，即分別代表S個(gè)迭代周期中各周期產(chǎn)生的內(nèi)存臟頁面數(shù)量；為X2元素，即分別代表S個(gè)迭代周期中各迭代虛擬機(jī)內(nèi)存使用率；為X3元素，即分別代表S個(gè)迭代周期中各迭代虛擬機(jī)CPU使用率；為X4元素，即分別代表S個(gè)迭代周期中各迭代虛擬機(jī)網(wǎng)絡(luò)帶寬；為X5元素，即分別代表上次迭代周期；為X6元素，分別代表S個(gè)迭代周期中各迭代的云數(shù)據(jù)中心的網(wǎng)絡(luò)使用情況；

步驟二：求解

為的近鄰值生成的序列，令為的均值序列，所以則

為矩陣的元素,為和的均值，其中k為2～S；

步驟三：建立灰微分方程：

其中，k＝1,2,…,S；a為發(fā)展系數(shù)；b_i(i＝2,3,…,6)為驅(qū)動(dòng)系數(shù)。

步驟四：建立白化微分方程：

其中，k＝1,2,…,S；a為發(fā)展系數(shù)；bi(i＝2,3,…,6)為驅(qū)動(dòng)系數(shù)。

步驟五：建立基于GM(1,N)方程組：

令參數(shù)列為則GM(1,N)灰微分方程為：其中，k＝1,2,…,S；a為發(fā)展系數(shù)；bi(i＝2,3,…,6)為驅(qū)動(dòng)系數(shù)。

利用最小二乘法求解

步驟六：求解出GM(1,N)離散響應(yīng)函數(shù)：

將解得參數(shù)代入微分方程，則GM(1,N)離散響應(yīng)函數(shù)為：

其中k＝1,2,3，…，6；e為數(shù)學(xué)常量。又因?yàn)槔蹨p還原公式為：

步驟七：殘差修正

灰色預(yù)測(cè)模型有時(shí)候預(yù)測(cè)出波動(dòng)較大的數(shù)據(jù)會(huì)影響數(shù)據(jù)列發(fā)展規(guī)律，因此需要對(duì)GM(1,N)進(jìn)行模型修正。令為原始?xì)埐钚蛄校舸嬖趉₀滿足以下條件：

(1)的符號(hào)相同；

(2)當(dāng)S-k₀≥4時(shí)，可稱為可建模殘差尾段，記為

對(duì)￡⁽⁰⁾建立GM(1,1)模型，求出其參數(shù)列計(jì)算出的模擬值：

則GM(1,N)離散響應(yīng)函數(shù)的修正式為：

在預(yù)測(cè)了內(nèi)存臟頁面數(shù)量之后，計(jì)算內(nèi)存臟頁面率。根據(jù)不同應(yīng)用特征產(chǎn)生的內(nèi)存臟頁面率，結(jié)合網(wǎng)絡(luò)環(huán)境進(jìn)行網(wǎng)絡(luò)帶寬調(diào)整，提出了一個(gè)應(yīng)用特征感知的網(wǎng)絡(luò)帶寬預(yù)留調(diào)整算法。

網(wǎng)絡(luò)預(yù)留調(diào)整算法如圖4所示。從圖4中可以看出，以虛擬機(jī)應(yīng)用所需的網(wǎng)絡(luò)帶寬情況判斷虛擬機(jī)是否為網(wǎng)絡(luò)密集型應(yīng)用，即如果虛擬機(jī)的網(wǎng)絡(luò)帶寬的平均負(fù)載大于設(shè)定的網(wǎng)絡(luò)帶寬密集型的閾值時(shí)，為網(wǎng)絡(luò)密集型應(yīng)用虛擬機(jī)；反正，不是網(wǎng)絡(luò)帶寬密集型應(yīng)用虛擬機(jī)。具體步驟如下：

步驟一：通過收集虛擬機(jī)中應(yīng)用所需網(wǎng)絡(luò)帶寬信息，判斷虛擬機(jī)是否屬于網(wǎng)絡(luò)密集型應(yīng)用虛擬機(jī)。如果遷移虛擬機(jī)不是網(wǎng)絡(luò)密集型應(yīng)用虛擬機(jī)，跳到步驟二；如果為網(wǎng)絡(luò)密集型虛擬機(jī)，跳到步驟四；

步驟二：根據(jù)預(yù)測(cè)的內(nèi)存臟頁面數(shù)量，判斷目前空閑帶寬是否滿足接下來內(nèi)存臟頁面數(shù)量的傳輸帶寬(即網(wǎng)絡(luò)帶寬是否大于內(nèi)存臟頁面率)。如果滿足就不進(jìn)行調(diào)整；否則，對(duì)網(wǎng)絡(luò)帶寬進(jìn)行調(diào)整，即跳到步驟三；

步驟三：優(yōu)先保證非網(wǎng)絡(luò)密集型應(yīng)用遷移，延遲同一時(shí)間網(wǎng)絡(luò)密集型虛擬機(jī)遷移。步驟四：根據(jù)歷史網(wǎng)絡(luò)傳輸流量數(shù)據(jù)進(jìn)行應(yīng)用帶寬預(yù)留。將現(xiàn)在空閑網(wǎng)絡(luò)帶寬減去應(yīng)用預(yù)留帶寬就為現(xiàn)在虛擬機(jī)遷移所分配的帶寬。

流量調(diào)整和控制主要由流量控制模塊實(shí)現(xiàn)，即流量控制(Traffic control)模塊，主要分為輸入接口(Input Interfaces)、流量限制(Ingress Policing)、輸入復(fù)用(Input De-Multiplexing)、轉(zhuǎn)發(fā)(Forwarding)、隊(duì)列調(diào)度(Queue Scheduling)和輸出接口(Output Interface)6個(gè)模塊。輸入接口負(fù)責(zé)接收數(shù)據(jù)包，并把數(shù)據(jù)包傳送到流量限制模塊。流量限制模塊負(fù)責(zé)篩選數(shù)據(jù)包，將符合規(guī)定的數(shù)據(jù)包傳輸?shù)捷斎霃?fù)用模塊中并把不符合規(guī)定的數(shù)據(jù)包丟棄。輸入復(fù)用模塊對(duì)輸入的數(shù)據(jù)包進(jìn)行判斷分析，決定數(shù)據(jù)包的流向。如果數(shù)據(jù)包為本主機(jī)的則將數(shù)據(jù)包交給上層(Upper Layer)；否則，將數(shù)據(jù)包傳輸給轉(zhuǎn)發(fā)模塊進(jìn)行轉(zhuǎn)發(fā)處理：通過查看路由表流，決定數(shù)據(jù)包的下一跳。接著，數(shù)據(jù)包會(huì)把傳輸?shù)疥?duì)列調(diào)度模塊中，該模塊會(huì)對(duì)數(shù)據(jù)包進(jìn)行排隊(duì)，按照隊(duì)列順序?qū)?shù)據(jù)包傳輸?shù)捷敵鼋涌凇］敵鼋涌诎凑諏?shù)據(jù)包傳輸給下一跳。流量控制主要是在隊(duì)列調(diào)度排列時(shí)處理和實(shí)現(xiàn)的。

總之，本發(fā)明在面對(duì)網(wǎng)絡(luò)密集型應(yīng)用或內(nèi)存密集應(yīng)用的虛擬機(jī)遷移時(shí)，能減少遷移過程中的額外開銷，提高遷移過程中的傳輸效率，有效降低遷移時(shí)間。