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。由于只是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，由于没有客户端的压力，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，由于硬件环境的不同，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，而且在不同的机器上，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，而且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：）
