最近在做的是虛擬化相關的一個demo，牽涉到虛擬化環境下的服務器負載均衡。我們用到一個簡單的case，就是在負載出現“不平衡”的時候，進行 live migration。由於只是demo需要，我們的負載暫時只考慮到cpu的利用率。
而實際准備中，由於沒有客戶端的壓力，很難做到CPU利用率的精確控 制。這裡寫了個簡單的腳本程序，通過自適應的調節，來達到將服務器CPU利用率控制在一定的范圍內，從而為確保在某台服務器CPU過高的時候，會自動將虛 擬機live migration到其他CPU利用率低的機器上的測試做了准備。
python實現的腳本如下，這個腳本需要5個數字參數的輸入，分別為：
最低CPU利用率，最高CPU利用率，初始線程數量，每次調節的線程數量，每個線程睡眠的時間（毫秒）
當然，很大程度上，由於硬件環境的不同，這些參數帶有很強的經驗性。
#!/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 #線程運行標示，用於將來減少線程時能夠正常結束
def run(self):
while self.runflag:
os.popen('usleep ' + sys.argv[5])
#time.sleep(string.atof(sys.argv[5]))
#這裡使用的是linux下shell裡面的usleep，而不是python自帶的sleep函數。
#相比之下，usleep還是相當強大的，而python的sleep單位為秒，雖然可以輸入浮點數，但還是相對弱了些
def stop(self):
self.runflag = False
#讓其正常終止循環
threadList=[]
print 'Start Thread Number:' + sys.argv[3] + '\tSleep Time(ms):'+ sys.argv[5]
#初始化一定數量的線程，否則從零開始，可能需要很長的時間才能達到指定范圍
for i in range(0,string.atoi(sys.argv[3])):
thread = ControlThread()
threadList.append(thread)
thread.start()
#這裡使用sar來抓取cpu利用率，這裡指的是總的cpu利用率。然後通過比較，進行自適應調整
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]):#增加線程
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]):#減少線程
for i in range(0,string.atoi(sys.argv[4])):
thread = threadList.pop()
thread.stop()
print "-----"
總的來說，這個腳本比較簡單，而且在不同的機器上，需要操作人員的經驗來初始化才能達到最佳效果。但這畢竟是我第一個python程序，而且也達到了預期的目的。以上只是能運行的核心代碼，至於usage，錯誤處理，退出程序等，就沒有給出來了：）
