最近在做的是虚拟化相关的一个demo,牵涉到虚拟化环境下的服务器负载均衡.我们用到一个简单的case,就是在负载出现“不平衡”的时候,进行 live migration. 只是demo需要,我们的负载暂时只考虑到cpu的利用率.而实际准备中,没有客户端的压力,很难做到CPU利用率的精确控 制.这里写了个简单的脚本程序,通过自适应的调节,来达到将服务器CPU利用率控制在一定的范围内,从而为确保在某台服务器CPU过高的时候,会自动将虚 拟机live migration到其他CPU利用率低的机器上的测试做了准备.
python实现的脚本如下,这个脚本需要5个数字参数的输入,分别为：
最低CPU利用率,最高CPU利用率,初始线程数量,每次调节的线程数量,每个线程睡眠的时间（毫秒）
当然,很大程度上,硬件环境的不同,这些参数带有很强的经验性.
| #!/usr/bin/python
import threading
import time
import os
import string
import sys
class ControlThread(threading.Thread):
def __init__(self):
threading.Thread.__init__(self)
self.runflag = True #线程运行标示,用于将来减少线程时能够正常结束
def run(self):
while self.runflag:
os.popen(''usleep '' sys.argv[5])
#time.sleep(string.atof(sys.argv[5])) |
#这里使用的是linux下shell里面的usleep,而不是python自带的sleep函数.
#相比之下,usleep还是相当强大的,而python的sleep单位为秒,虽然可以输入浮点数,但还是相对弱了些
def stop(self):
self.runflag = False
#让其正常终止循环
threadList=[]
print ''Start Thread Number:'' sys.argv[3] ''tSleep Time(ms):'' sys.argv[5] |
#初始化一定数量的线程,否则从零开始,可能需要很长的时间才能达到指定范围
for i in range(0,string.atoi(sys.argv[3])):
thread = ControlThread()
threadList.append(thread)
thread.start() |
#这里使用sar来抓取cpu利用率,这里指的是总的cpu利用率.然后通过比较,进行自适应调整
while True:
output = 100 - string.atof(os.popen(''sar 1 1 | grep ^Average | awk ''{print $8}'''').read())
print ''CPU Usage:'' str(output) ''tCurrent Thread Number:'' str(len(threadList))
if output < string.atoi(sys.argv[1]):#增加线程
for i in range(0,string.atoi(sys.argv[4])):
thread = ControlThread()
thread.start()
threadList.append(thread)
print " "
if output > string.atoi(sys.argv[2]):#减少线程
for i in range(0,string.atoi(sys.argv[4])):
thread = threadList.pop()
thread.stop()
print "-----" |
总的来说,这个脚本比较简单, 在不同的机器上,需要操作人员的经验来初始化才能达到最佳效果.但这毕竟是我第一个python程序,也达到了预期的目的.以上只是能运行的核心代码,至于usage,错误处理,退出程序等,就没有给出来了：）
|
