筆者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。由于只是demo需要，我們的負載暫時只考慮到cpu的利用率。而實際準備中，由于沒有客戶端的壓力，很難做到CPU利用率的精確控制。這里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，從而為確保在某臺服務器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準備。

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：

***CPU利用率，***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，由于硬件環境的不同，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，用于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]))  
#這里使用的是linux下shell里面的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()  
#這里使用sar來抓取cpu利用率，這里指的是總的cpu利用率。然后通過比較，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***效果。但這畢竟是我***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，至于usage，錯誤處理，退出程序等，就沒有給出來了：）

【編輯推薦】

1. 服務器CPU利用率100%的常見解決方法
2. Linux下的CPU利用率計算原理詳解
3. CentOS sensors軟件監控主板CPU數據