CN103765408A - 利用真实数据中心测试的服务质量感知捕获型聚集 - Google Patents

利用真实数据中心测试的服务质量感知捕获型聚集 Download PDF

Info

Publication number
CN103765408A
CN103765408A CN201180073047.5A CN201180073047A CN103765408A CN 103765408 A CN103765408 A CN 103765408A CN 201180073047 A CN201180073047 A CN 201180073047A CN 103765408 A CN103765408 A CN 103765408A
Authority
CN
China
Prior art keywords
data center
task
middleware
trap
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201180073047.5A
Other languages
English (en)
Other versions
CN103765408B (zh
Inventor
埃泽齐埃尔·克鲁格里克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Empire Technology Development LLC
Original Assignee
Empire Technology Development LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Empire Technology Development LLC filed Critical Empire Technology Development LLC
Publication of CN103765408A publication Critical patent/CN103765408A/zh
Application granted granted Critical
Publication of CN103765408B publication Critical patent/CN103765408B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00Indexing scheme relating to G06F9/00
    • G06F2209/50Indexing scheme relating to G06F9/50
    • G06F2209/501Performance criteria
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00Indexing scheme relating to G06F9/00
    • G06F2209/50Indexing scheme relating to G06F9/50
    • G06F2209/509Offload

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Debugging And Monitoring (AREA)

Abstract

总体上描述了用于有效数据中心管理的技术。在一些示例中,数据中心上的客户端作业被外包给另一数据中心,使得分包的作业在初始数据中心的容量再次变得可用时可被拉回至所述初始数据中心。结合网络消息、命令管理、对流量中继的QoS效果的数据分析以及战略管理的捕获型聚集器模块决定以捕获型聚集方式保持任务是否合理。用于测试应用或替代的真实性能并且基于真实性能在多个数据中心之间进行优化的中间件系统在从初始数据中心分包作业之前评估候选数据中心。中间件将应用部署至多个候选云,以在要求价格/性能大致等效的资源上执行基本相似的任务。中间件接收关于实际开销和资源消耗的数据,分析差异,并且利用差异重新分配实际的工作任务。

Description

利用真实数据中心测试的服务质量感知捕获型聚集
背景技术
除非本文中另外指明,否则这部分中描述的材料并非本申请中的权利要求的现有技术,并且不因为被包含在这部分中而被认为是现有技术。
基于云的服务的统一的趋势包括使得顾客能够从一个数据中心提供商运动至另一个的编码和标准构架。数据中心代理是越来越常见的实体,他们进行工作以便为客户捕获更好的交易,因此使得任务更加具有移动性。同时,云的供应商可希望出售其能够执行的最高服务质量(QoS)以提高定价,但是当具有更高要求的QoS的新工作到来时,新工作可意味着拒绝现在进行的较低QoS的工作以清空资源,因此一旦高QoS的工作完成则留下空的处理器。
按照不准确的单元测量提供云计算资源。例如,示例包括存储器、位宽和粗略的I/O性能,但是通常不指定处理器类型。按照诸如低级/中级/高级的粒度粗略测量“等效处理功率”和I/O性能,这意味着即使在相同规格和价格的计算单元上,也可在不同的云上按照不同的方式执行复杂的分布式应用。一个服务提供商的等效实例的CPU可比另一提供商的快,但在存储I/O方面较慢。这种相同规格的云之间的相对性能差异可由于内部网络拥塞、设备更换以及甚至使用水平而随时间变化。
现在已经提出了常规数据中心管理方法中的缺点。例如,性能的差异提高了套利(利用较好的信息来利用市场之间的价值差)的可能性。如果用户对他们的应用在不同的云上针对给定的价格可执行多少工作具有真实的测量手段,则他们可选择最便宜的,进而简单地通过信息优势节省费用。
发明内容
本发明总体上描述了用于通过共享包含的数据来使得客户端能够直接访问以对数据资产执行复杂分析而不损害这些资产的技术。根据一些示例,提供了一种通过中间件利用数据中心测试管理服务质量(QoS)感知捕获型聚集的方法。所述方法可包括以下步骤:在数据中心处接收作业;针对所述数据中心处的多个现有作业中的至少一个确定合适的分包数据中心;将至少一个现有作业转发给合适的分包数据中心;以及在接收到转发的作业的结果时,将所述结果提供给发起客户端。所接收到的作业可超出数据中心的容量,并且针对所转发的作业的QoS可保持在基本相同的水平,如同作业在所述数据中心处执行一样。
根据其它示例,一种用于通过中间件利用数据中心测试管理服务质量(QoS)感知捕获型聚集的设备可包括存储器和连接至该存储器的处理器。所述处理器可被配置为结合数据中心管理应用执行捕获型聚集模块。所述捕获型聚集模块可被配置为:在数据中心处接收作业,其中,所接收到的作业超出所述数据中心的容量;针对所述数据中心处的多个现有作业中的至少一个确定合适的分包数据中心;将所述至少一个现有作业转发给所述合适的分包数据中心;并且在接收到所转发的作业的结果时,将所述结果提供给发起客户端,其中,针对所转发的作业的QoS保持在基本相同的水平,如同所述作业在所述数据中心处执行一样。
根据其它示例,可提供一种用于结合数据中心管理来管理服务质量(QoS)感知作业分配的捕获型聚集模块。所述捕获型聚集模块可被配置为:在数据中心处接收作业,其中,所接收到的作业超出所述数据中心的容量;针对所述数据中心处的多个现有工作中的至少一个确定合适的分包数据中心;将所述至少一个现有作业转发给合适的分包数据中心;并且在接收到所转发的作业的结果时,将所述结果提供给发起客户端,其中,针对所转发的作业的QoS保持在基本相同的水平,如同所述作业在所述数据中心处执行一样。
根据其它示例,可提供一种中间件模块,用于结合数据中心管理在服务质量(QoS)感知作业分配中确定分包数据中心的适合性。所述中间件模块可被配置为:将基准任务部署至多个候选数据中心,以在资源上执行相同的任务;接收关于用于执行所述基准任务的实际开销和资源消耗的数据;分析在具有过量作业的数据中心处与在候选数据中心处的用于执行所述基准任务的所述实际开销和资源消耗之间的差异;并且使得所述数据中心的捕获型聚集模块能够基于分析结果转发所述作业。
以上的发明内容仅是例示性的并且不旨在以任何方式进行限制。除了上述的示例性方面、实施方式和特征以外,通过参照附图和下面的具体描述,其它的方面、实施方式和特征将变得明显。
附图说明
从以下参照附图的实施方式和所附权利要求,本发明的以上和其它特征将变得更清楚。应该理解,这些附图仅描绘了根据本发明的多个实施方式,因此,不应理解为限制本发明的范围,通过使用附图,将另外具体和详细地描述本发明,附图中:
图1示出了示例系统,其中,可以基于通过服务质量感知捕获型聚集器的可用容量和通过真实数据中心测试的适合性确定,来在数据中心之间分包作业;
图2示出了在移动客户端和竞争的环境下接收具有不同定价和QoS的作业的情形的示例;
图3示出了在示例情形中实现分包的任务的外部管理的捕获型聚集器;
图4示出了捕获型聚集模块的主功能性组件;
图5示出了采用中间件的真实数据中心测试系统中的主功能性组件;
图6示出了通用计算装置,其可用于利用真实数据中心测试来实现QoS感知捕获型聚集;
图7是示出可由诸如图6中的装置的计算装置执行的用于QoS感知捕获型聚集和基于真实测试的数据中心评估的示例方法的流程图;以及
图8示出了全部根据本文所述的至少一些实施方式布置的示例计算机程序产品的框图。
具体实施方式
在下面的详细说明书中,参照构成说明书的一部分的附图。在附图中,除非上下文另外指出,否则类似的符号通常表示类似的部件。详细说明书、附图和权利要求书中描述的例示性实施方式不表示为限制性的。可以采用其它实施方式,并且在不脱离这里呈现的主题的精神或范围的情况下可以做出其它改变。将容易地理解,如这里一般描述和附图中示出的本发明的方面可以在各种不同的配置中被设置、替换、组合、分离和设计,所有这些在这里被明确设想到。
本发明尤其被绘制为方法、设备、系统、装置和/或与其相关的计算机程序产品。
简单地说,数据中心上的利润少但要求少的客户端作业可外包给另一数据中心,使得当容量变得再次可用时,分包的工作可被拉回到初始数据中心。结合网络消息和命令管理、关于流量中继的QoS效果的数据分析以及战略管理的捕获型聚集器模块可根据需要确定或连续地确定将各个任务保持捕获型聚集是否有意义。在将作业从初始数据中心分包之前,用于测试应用或应用替代的真实性能并基于真实性能在多个数据中心之间优化的中间件系统可评估候选数据中心。中间件可将应用或替代部署给多个候选云以在声明价格和/或性能大致等效的资源上执行基本相似的任务。中间件可接收关于实际开销和资源消耗的数据、分析差异并且重新分配实际的工作任务以利用差异。
图1示出了根据本文所述的至少一些实施方式布置的示例系统,其中作业可基于通过服务质量感知捕获型聚集器的可用容量和通过真实数据中心测试的适合性确定来在数据中心之间分包。
数据中心是用于存储、管理和传播在特定知识体周围组织的或者关于一个或更多个特定组织的数据和信息的集中式仓库。私人数据中心可存在于组织的设施中,或者可作为专用设施保持。一些数据中心可与包含自动化系统的网络操作中心(NOC)同义,所述自动化系统监测服务器活动、网络流量、管理数据和网络性能。其它数据中心可专用于为客户端管理任务,诸如数据的收集、处理和/或分析。虽然数据中心通常与物理实体(例如,服务器室、服务器场等)相关,但是数据中心也可被配置为虚拟数据中心(VDC),其中,通过虚拟服务器和数据存储器来基于大小、所有者或其它方面划分所述数据。
参照图1,如示图100所示,多个数据中心104、106和108可针对客户端102执行任务和存储数据。在示例情形中,数据中心104可从客户端102接收作业并根据其容量调度这些作业。如果在新作业到达时数据中心104达到其容量,则数据中心104可向第二数据中心106和/或第三数据中心108在外聚集或传送新作业或者现有作业中的要临时执行的一个,利用捕获型聚集器模块114管理所述处理。数据中心可通过一个或更多个网络110通信。在确定将哪个作业传送至数据中心106和108时,捕获型聚集器模块114可考虑作业的各个方面,诸如它们的QoS需求、价格等。例如,捕获型聚集器模块114可向外传送与其它作业相比费用较少的作业,以使数据中心104的盈利最大化。
在确定哪个数据中心适合于从所述数据中心104接收分包工作时,可采用中间件112来测试数据中心106和108中的应用或应用替代的真实性能。中间件112可将应用或替代部署至数据中心106和108,以在声明价格和/或性能大致等效的资源上执行基本相似的任务。中间件112可随后接收关于实际开销和资源消耗的数据、分析差异并且重新分配数据中心104处的过量作业以利用差异。
图2示出了根据本文所述的至少一些实施方式布置的在移动客户端和竞争的环境下接收具有不同价格和QoS的作业的示例情形。
图2中的示图200显示了情况A230,其中数据中心232具有付费较多的高QoS工作(QoS1)234和付费不多的低QoS工作(QoS2)236的混合。QoS1234可得自第一作业235,并且QoS2236可得自第二作业237。在执行QoS1234和QoS2236的同时,可接收到新的供应(offer),导致情况B240,其中导致付费较多的高QoS工作(QoS1)248的第三作业249从客户端到达。第三作业249可超出数据中心232的容量。因此,数据中心232可拒绝第三作业249并继续执行第一作业235和第二作业237,并赚较少的钱。
另选地,数据中心232可接受第三作业249,使得第二作业237(和QoS2236)能够转移到另一提供商,如情况C250所示。在情况C250中,数据中心232可执行得自第一作业235和第三作业249的QoS1234和248。情况C250可导致情况D260,其中当得自第三作业249的QoS1248完成时,数据中心232可面临空容量266。如果发现第三作业249的生存时间较短,则因此第三作业249可为短期收益,整体而言有所损失。
图3示出了根据本文所述的至少一些实施方式布置的在示例情形中实现分包任务的外部管理的捕获型聚集器。
图3中的示图300示出了允许分包任务的外部管理的捕获型聚集器模块378的战略优点。与图2中的示例情形类似,数据中心332可执行情况A330中的付费较多的高QoS工作(QoS1)334和付费不多的低QoS工作(QoS2)336的混合。QoS1334可得自第一作业335,并且QoS2336可得自第二作业337。在执行QoS1334和QoS2336的同时,可接收到新的供应,从而导致情况B340,其中导致付费较多的高QoS工作(QoS1)348的第三作业349从客户端到达。第三作业349可超出数据中心332的容量。
与图2所示的情形不同的是,数据中心332可接受第三作业349。在情况C350中,捕获型聚集器模块378可评估手头的工作并将低收益的QoS2336分包给第二数据中心372,同时透明地保持作业的面对客户端的控制。当完成第三作业349时,低收益的QoS2336的其余部分可从第二数据中心372拉回至数据中心332,如情况D360所示,从而使得数据中心332能够以基本满的容量操作,而不丢失新的作业供应。捕获型聚集器模块378可处理类似额外潜在因素和选择合适的数据中心的问题,以及何时释放捕获型作业有利的战略决策。
在通过对管理和指示型命令进行中继来分包较低QoS作业时,捕获型聚集器模块378可执行任务以最小化和/或形成额外潜在因素以使得管理和指示对客户端透明。可将数据中心之间的拓扑距离纳入考虑以使传送分组的延迟最小化。此外,在增加了距离和潜在因素影响的情况下,可将针对传送协定的QoS与分包数据中心的QoS进行比较。例如,如果向客户端保证了性能水平,则可需要从分包数据中心购买较高QoS,以从聚集处传送可接受的整体QoS。
图4示出了根据本文所述的至少一些实施方式布置的捕获型聚集模块400的主功能性组件。
捕获型聚集器模块400可包括定价和聚集管理器482,如果数据中心当前保持的工作通过捕获型聚集被分包至各个可用分包数据中心,则定价和聚集管理器482可采用分包数据中心网络图和统计记录486来执行调节计算484,以便提供对外部客户端可体验的最终QoS的评估。一旦定价和聚集管理器482选择了分包数据中心,则任务加载器492可将工作转移至目的地数据中心并可将控制切换至流量重路由器494。
流量重路由器494可处理两种不同的流量流。控制流量496可被解译以使得其可被转发(如果适于控制任务(诸如操作命令)),而管理性任务可不被转发(如果它们应当在本地处理)。任务流量498可路由通过数据中心并被转发,或者网关可被更新以使得客户端用户可直接与分包数据中心交换应用数据。策略管理器488可确定利益并权衡捕获型聚集的开销,并包括基于分包数据中心信息和来自流量重路由器494的更新的控制流量或任务持续时间的评估或其它战略信息的需求和定价模型。
可采用局部化技术来建立分包数据中心网络图和统计486以在物理上寻找数据中心,以便计算行程时间。另选地,可用ping来评估延迟。虽然按规则间隔更新信息,但是对于主干线路上的数据中心,统计可以是稳定的。
可通过捕获型聚集器模块400来处理控制流量496,使得可在数据中心对指示进行句法分析和管理。例如,一些消息可关于资源预留或需要。当考虑是否在捕获型聚集处继续保持任务时,数据中心可使用所述信息。例如,低收益工作可升级为较高QoS水平,这可说明作业立即返回至初始数据中心。另选地,工作的大小可变化,使得所述工作现在可安排至初始数据中心的空容量中,在这种情况下,可将所述工作从分包数据中心取回;或者所述大小可变化,使得策略管理器488在即使现有工作已完成的情况下也不再对可被取回至初始数据中心的工作进行规划,在这种情况下,策略管理器488可通过正式地将分包的工作转交给分包数据中心或者简单地通知客户端该资源不再可用,来去许可(de-admit)分包的工作。
这些消息中的一些而非所有可传送至分包数据中心以进行任务管理。在一些情况下,如果初始数据中心的命令结构与分包数据中心不同,则控制流量处理需要包括转换。
在一些情况下,数据中心可从客户端接收IP范围并更新网关,使得数据中心机器直接接收和处理至这些IP地址的流量。这样,当用户到达与客户端相关的IP地址时,用户可经历数据中心机器上的应用的延迟。任务流量重路由可通过更新网关来消除一些服务延迟和通过数据中心的流量,使得应用流量可直接前进到捕获型聚集部位,即,分包数据中心。在与命令和管理流量组合的全部重定向的用户流量如上所述独立地进行句法分析和过滤的情形中,QoS可影响管理性命令而非用户经验。性能调节计算484可包括考虑应用IP地址是否可被再映射以消除转发滞后。
在一些情况下,定价和聚集管理器482与分包数据中心网络图和统计486的组合可能够发现更靠近用户的转包选择,使得流量重路由的应用不会导致对捕获型聚集的显著的QoS惩罚。在这些情况下,数据中心能够将大量“预留任务”保持在捕获型聚集状态,它们可根据需要被拉回以填充空的空间。
图5示出了根据本文所述的至少一些实施方式布置的采用中间件的真实数据中心测试系统中的主功能性组件。图2至图4包括关于过量作业可以怎样从初始数据中心分包至其它数据中心的讨论。根据一些实施方式,其它数据中心的适合性可通过经由真实测试测试它们的开销、性能或类似属性来确定。图5中的示图500显示了用于在数据中心捕获型聚集中执行真实测试的中间件的使用。根据一些实施方式,可独立于QoS感知捕获型聚集来执行采用实际应用或替代应用的候选数据中心的测试。
在示图500中,示出了三个示例数据中心:数据中心1502,其具有管理层504和执行层506;数据中心2508,其具有管理层510和执行层512;以及数据中心3514,其具有管理层516和执行层518。中间件520可包括按照粗略的流程图形式呈现的多个功能。分配功能522可获得基准任务530(可为应用任务或基准替代)并将基准任务530分配至多个数据中心执行层506、512和518。然后,接收功能524可从管理层504、510和516查询和接收关于基准任务530的性能(诸如执行时间)的信息。接着,分析功能526可分析接收到的信息并生成区分数据中心502、508和514的比较度量,诸如在具体应用中,每单位可用工作的有效真实开销。优化任务指派功能528可从任务预留532获得任务并基于期望的优化指派它们。从这一点来说,可按照期望的间隔重复该处理,并且可在不中断正在进行的真实任务的情况下进行重复,以生成关于是否需要重新分配任务的信息。
根据一些实施方式,基准任务530可以是期望的用户应用本身。为了具有用于分析不同的数据中心性能的稳定的基准,通过正被测试的数据中心上的应用运行相同的输入可以是期望的。然而,这样会增加处理的开销,这是因为多次获得相同的结果可能没有额外的功用。另一方法可包括通过例如在已知和可重复的程序块周围的代码中的多个标定部位采用时间戳来装备应用代码。通过在各种输入的已知条件下标定相对需求和性能并且记录输入类型和时间戳,可进一步进行装备。在接收步骤中,作为管理层数据的替代或者除此之外,所接收到的装备数据可返回到中间件520。
在针对测试使用应用本身之外,抽象化的下一级别可以是替代任务的构建。替代任务可被设计为部署在实际应用的模型中,并且在块之间具有相似水平的通信并且在动作之间具有相似水平的计算,但是通信可包括测试消息,并且计算可以是被设计为模拟实际应用的计算、存储器和存储介质访问以及资源锁定的重复的简单步骤。这种替代的益处可包括用于分配的较小的程序包、测试的较快完成以及对于记录数据的更多控制和机会。
基准任务530还可由需求已知的“压力测试(stress test)”元件构成。一个示例可包括完成固定的一组重复的消息交换。另一示例可包括计算量已知的处理器测试。例如,可实施比特币(Bitcoin)算法,其中,每块的平均完成时间已知,并且接受密码验证输出块作为一种形式的数字货币,其目前大致与用于创建货币的计算能力价值相同。
在一些实施方式中,中间件520可通过与分包给其它数据中心的所述数据中心分离的实体来提供。在其它实施方式中,中间件520可与数据中心成为一体。例如,中间件520可以是捕获型聚集器模块的一部分,并还执行分配任务以基于候选分包数据中心的性能的分析结果来优化分配。如果可以有意义地比较任务,则通过在多个数据中心上散布工作的一部分可高效地完成连续的数据收集和套利。在这种情况下,可修改优化任务功能528以保留一小部分应用,并且将所述应用(经由分配功能522)分配给第二数据中心和第三数据中心,以连续地监测性能。
如果基准任务530未生成有效值,并且将被分配以进行重复监测,则可选择监测间隔以指望监测开销最小化和套利机会最大化。为了处理所述任务,可关于性能变化的频率(例如,网络性能等每小时变化,而设备可能最多每月变化)来收集数据,并且可以按照大致相同的频率执行最小化测试和测量。正被指派的资源量也可影响权衡。
虽然以上已经利用图2至图5中的具体示例、组件和构造讨论了实施方式,但是这些实施方式旨在提供实现QoS感知捕获型聚集和基于真实测试的数据中心评估所用的一般性准则。这些示例不构成对实施方式的限制,所述实施方式可通过本文所述的原理利用其它组件、模块和构造来实现。例如,在评估候选数据中心时可使用任何合适的基准任务,并且与评估数据中心相关的任务和捕获型聚集作业可分别执行或按照一体化方式执行。此外,可按照各种顺序(尤其按照交叉方式)执行上面讨论的动作。
图6示出了根据本文所述的至少一些实施方式布置的通用计算装置,其可利用真实数据中心测试来实现QoS感知捕获型聚集。在非常基本的配置602中,计算装置600通常包括一个或更多个处理器604和系统存储器606。存储器总线608可以用于处理器604与系统存储器606之间的通信。
根据期望的配置,处理器604可以是包括但不限于微处理器(μP)、微控制器(μC)、数字信号处理器(DSP)或它们的任何组合的任何类型。处理器604可以包括一个或更多个级别的缓存(诸如级别缓存存储器612、处理器核614和寄存器616)。示例处理器核614可包括算术逻辑单元(ALU)、浮点单元(FPU)、数字信号处理核(DSP核)或者它们的任何组合。示例存储器控制器618还可以与处理器604一起使用,或者在一些实现中,存储器控制器618可以是处理器604的内部部件。
根据期望的配置,系统存储器606可以是包括但不限于易失性存储器(例如,RAM)、非易失性存储器(例如,ROM、闪速存储器等)或者以上部件的任何组合的任何类型。系统存储器606可以包括操作系统620、一个或更多个应用622和程序数据624。应用622可以包括用于管理数据中心操作的各个方面的数据中心管理应用623。结合数据中心管理应用623的捕获型聚集器625可实现分包数据中心当中的作业的服务质量感知聚集。中间件627可测试可从主数据中心接收过量作业的候选分包数据中心的真实性能,如本文所述。图6中通过内部虚线内的那些组件示出了描述的这种基本配置602。
计算装置600可以具有附加的特征或功能以及附加接口,以便于基本配置602与任何所需装置和接口之间的通信。例如,可以使用总线/接口控制器630以便于基本配置602与一个或更多个数据存储装置632之间的经由存储装置接口总线634的通信。数据存储装置632可以是可移除存储装置636、不可移除存储装置638或二者的组合。举例来说,可移除存储装置和不可移除存储装置的示例包括磁盘装置(例如,柔性盘驱动器和硬盘驱动器(HDD))、光盘驱动器(例如,压缩盘(CD)驱动器或数字通用盘(DVD)驱动器)、固态驱动器(SSD)和带驱动器。示例计算机存储介质可以包括按照用于存储信息(例如,计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术实现的易失性介质和非易失性介质、可移除介质和不可移除介质。
系统存储器606、可移除存储装置636和不可移除存储装置装置638是计算机存储介质的示例。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪速存储器或其它存储技术、CD-ROM、数字通用盘(DVD)或其它光学存储装置、磁带盒、磁带、磁盘存储装置或其它磁性存储装置、或者可用于存储期望的信息并且可以被计算装置600访问的任何其它介质。任何这种计算机存储介质可以是计算装置600的一部分。
计算装置600还可以包括接口总线640,该接口总线640便于经由总线/接口控制器630从各种接口装置(例如,输出装置642、外围接口644和通信装置646)到基本配置602的通信。一些示例输出装置642可以包括图形处理单元648和音频处理单元650,它们可以被配置为经由一个或更多个A/V端口652与诸如显示器或扬声器的各种外部装置进行通信。示例外围接口644包括串行接口控制器654或并行接口控制器656,它们可以被配置为经由一个或更多个I/O端口658与诸如输入装置(例如,键盘、鼠标、笔、语音输入装置、触摸输入装置等)的外部装置或其它外围装置(例如,打印机、扫描仪等)进行通信。示例通信装置646包括网络控制器660,所述网络控制器660可以被设置为便于经由一个或更多个通信端口664通过网络通信链路与一个或更多个其它计算装置662进行通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以由计算机可读指令、数据结构、程序模块或经调制的数据信号中的其它数据(诸如载波或其它传输机制)来实现,并且可以包括任何信息传送介质。“经调制的数据信号”可以是这样的信号,即,使其一个或更多个特性按照对该信号中的信息进行编码的方式来设置或改变。举例来说,并且没有限制,通信介质可以包括有线介质(例如,有线网络或直接有线连接)和无线介质(例如,听觉、射频(RF)、微波、红外(IR)和其它无线介质)。这里使用的术语“计算机可读介质”可以包括存储介质和通信介质这二者。
计算装置600可实现为包括以上功能中的任一个的通用或专用服务器、主机或类似计算机的一部分。计算装置600还可以被实现为包括膝上型计算机和非膝上型计算机配置这二者的个人计算机。
示例实施方式还可包括方法。这些方法可按照任意多种方式实现,这包括本文所述的结构。一个这种方式是通过本发明所示的类型的装置的机器操作。另一可选方式是所述方法的一个或更多个单独操作与一个或更多个人类操作员结合执行,所述人类操作员执行所述操作中的一些,而其它操作由机器执行。这些人类操作员不需要彼此并排,但是各个操作员可仅与执行程序的一部分的机器并排。在其它示例中,诸如通过预先选择的机器自动化的标准可将人类交互自动化。
图7是根据本文所述的至少一些实施方式布置的用于QoS感知捕获型聚集和基于真实测试的数据中心评估的示例方法的流程图,该方法可通过诸如图6中的装置的计算装置来执行。示例方法可包括通过一个或更多个框722、724、726、728、730、732和/或734示出的一个或更多个操作、功能或动作。框722至734中所述的操作也可作为计算机可执行指令存储在计算机可读介质(诸如计算装置710的计算机可读介质720)中。
QoS感知捕获型聚集和基于真实测试的数据中心评估的处理可在框722“在数据中心处接收作业”处开始。在框722,数据中心(诸如图3的数据中心332)可接收可超出数据中心的现有容量的新作业。
框722之后可以是框724,“确定分包数据中心的适合性”。在框724,可确定候选数据中心作为分包数据中心从数据中心332接收作业的适合性。框724的操作可按照多个步骤执行。例如,在框726“将基准任务部署至候选数据中心”,一个或更多个基准任务可被部署至可用于从数据中心332接收作业的数据中心。基准任务可以是实际应用或替代应用。
框726之后可以是框728“接收实际开销和资源消耗数据”。在框728,可在中间件520处接收由候选数据中心执行基准任务的结果。
框728之后可以是框730“分析数据”。在框730,可由中间件520分析结果以确定哪个候选数据中心将更适应于要被分包的作业。可以按照预定间隔重复或根据需要重复适合性的确定(例如,当要分包新作业,并且新作业与以往的作业不同,从而以往的分析结果可能不适用时)。执行用于确定候选数据中心的适合性的操作的中间件520可以是将作业分配至分包数据中心的捕获型聚集器模块378的一部分。
框724之后可以是框732,“基于分析结果转发作业”。在框732,捕获型聚集器模块378可将一个或更多个作业发送至分包数据中心以执行。捕获型聚集器模块378还可管理延迟和分包的其它方面,使得该处理对于客户端是透明的。
框732之后可以是框734,“将作业结果提供给发起客户端”。在框734,可从分包数据中心接收作业的结果,并将其提供给请求的客户端。在一些实施方式中,当在初始数据中心处容量变得可用时,分包的作业的至少一部分可被拉回,并在初始数据中心处完成。
在上述处理中,在所述框中执行的功能是为了例示性目的。可通过具有较少功能或额外功能的类似处理来利用真实数据中心测试实现QoS感知捕获型聚集。在一些示例中,可按照不同的顺序执行所述功能。在一些其它示例中,可去除各种功能。在另外的其它示例中,可将各种功能划分为额外功能,或者组合在一起成为较少的功能。
图8示出了根据本文所述的至少一些实施方式布置的示例计算机程序产品的框图。在一些示例中,如图8所示,计算机程序产品800可包括信号承载介质802,信号承载介质802还可包括当由例如处理器执行时可提供以上参照图6所述的功能的机器可读指令804。因此,例如,参照处理器604,捕获型聚集器625和中间件627可响应于通过介质802传送给处理器604的指令804来承担图8所示的一个或更多个任务,以执行与如本文所述的实施服务质量感知捕获型聚集和真实数据中心测试相关的动作。这些指示中的一些可包括接收新作业、确定分包数据中心的适合性、将过量作业转发至合适的分包数据中心和/或将作业结果提供至发起客户端。
在一些实施方式中,图8所示的信号承载介质802可以包括计算机可读介质806(诸如但不限于硬盘驱动器、光盘(CD)、数字通用盘(DVD)、数字带、存储器等)。在一些实施方式中,信号承载介质802可以包括可读介质808(诸如但不限于存储器、读/写(R/W)CD、R/W DVD等)。在一些实现中,信号承载介质802可以包括通信介质810(诸如但不限于数字和/或模拟通信介质(例如,光缆、波导、有线通信链路、无线通信链路等))。因此,例如,程序产品800可以通过RF信号承载介质传送给处理器804的一个或更多个模块,其中,通过无线通信介质810(例如,遵循IEEE802.11标准的无线通信介质)传送所述信号承载介质802。
根据一些示例,提供了一种用于通过中间件利用数据中心测试管理服务质量(QoS)感知捕获型聚集的方法。该方法可包括以下步骤:在数据中心处接收作业;针对数据中心处的多个现有作业中的至少一个确定合适的分包数据中心;将至少一个现有作业转发给合适的分包数据中心;以及在接收到所转发的作业的结果时,将所述结果提供给发起客户端。所接收到的作业可超出数据中心的容量,并且针对所转发的作业的QoS可保持在大致相等的水平,如同该作业在数据中心处执行。
所述方法还可包括以下步骤:维持可用分包数据中心的能力、网络图和统计的数据库。所述方法还可包括以下步骤:使得所转发的作业的发起客户端能够直接与合适的分包数据中心交换数据;基于定价结构确定分包数据中心的适合性;和/或基于与所转发的作业相关的定价结构来在所转发的作业在合适的分包数据中心处完成之前拉回所转发的作业。
确定分包数据中心的适合性的步骤可包括以下步骤:将基准任务部署至多个候选数据中心,以在资源上执行相同的任务;接收关于用于执行基准任务的实际开销和资源消耗的数据;分析用于在数据中心处与在候选数据中心处执行基准任务的实际开销和资源消耗之间的差异;和/或基于分析结果转发作业。所述候选数据中心可基于具有基本相似的价格和性能特征来选择。
所述方法还可包括以下步骤:基于分析结果生成多个比较度量;优化任务指派功能;以及基于比较度量指派任务,其中,各个作业包括一个或更多个任务。基准任务可以是来自接收到的作业的实际任务,并且所述基准任务可以是具有多个标定点的替代任务。所述方法还可包括以下步骤:记录标定点处的时间戳。
替代任务可被配置为部署于在框之间具有相似水平的通信并且在动作之间具有相似水平的计算的实际任务应用的模型中。可采用基准任务来在多个输入的预定条件中标定相对需求和性能。所述方法还可包括以下步骤:将基准任务分配至第二数据中心;动态地修改监测候选数据中心的间隔;和/或基于资源多样性的使用来选择基准任务。
根据其它示例,一种用于通过中间件利用数据中心测试来管理服务质量(QoS)感知捕获型聚集的设备可包括存储器和连接至该存储器的处理器。该处理器可被配置为结合数据中心管理应用执行捕获型聚集模块。所述捕获型聚集模块可被配置为:在数据中心处接收作业,其中,所接收到的作业超出所述数据中心的容量;确定针对所述数据中心处的多个现有作业中的至少一个的合适的分包数据中心;将至少一个现有作业转发至合适的分包数据中心;并且在接收到所转发的作业的结果时,将所述结果提供给发起客户端,其中,针对所转发的作业的QoS被保持在基本相同的水平,如同所述作业在数据中心处执行一样。
所述捕获型聚集模块还可维持可用分包数据中心的能力、网络图和统计的数据库。所述捕获型聚集模块还可使得所转发的作业的发起客户端能够直接与合适的分包数据中心交换数据;基于定价结构确定分包数据中心的适合性;和/或基于与所转发的作业相关的定价结构来在所转发的作业在合适的分包数据中心处完成之前拉回所转发的作业。
所述处理器还可被配置为:与中间件通信以确定分包数据中心的适合性。所述中间件可被配置为:将基准任务部署至多个候选数据中心以在资源上执行相同的任务;接收关于用于执行基准任务的实际开销和资源消耗的数据;分析用于在数据中心处与在候选数据中心处执行基准任务的实际开销和资源消耗之间的差异;和/或使得捕获型聚集模块能够基于分析结果转发作业。
所述候选数据中心可基于具有基本相似的价格和性能特征来选择。所述中间件还可基于分析结果来生成多个比较度量,优化任务指派功能并且使得能够基于所述比较度量来指派任务,其中,各个作业包括一个或更多个任务。基准任务可以是来自接收到的作业的实际任务。基准任务可以是具有多个标定点的替代任务。
所述中间件还可记录标定点处的时间戳。替代任务可被配置为部署于在框之间具有相似水平的通信并且在动作之间具有相似水平的计算的实际任务应用的模型中。可采用基准任务来在多个输入的预定条件中标定相对需求和性能。所述中间件还可将基准任务分配至第二数据中心;动态地修改监测候选数据中心的间隔;和/或基于资源多样性的使用来选择基准任务。
根据其它示例,可提供用于结合数据中心管理来管理服务质量(QoS)感知作业分配的捕获型聚集模块。所述捕获型聚集模块可被配置为:在数据中心处接收作业,其中,所接收到的作业超出所述数据中心的容量;针对所述数据中心处的多个现有作业中的至少一个确定合适的分包数据中心;将至少一个现有作业转发至合适的分包数据中心;并且在接收所转发的作业的结果时,将所述结果提供给发起客户端,其中,针对所转发的作业的QoS被保持在大致相同的水平,如同所述作业在数据中心执行一样。
所述捕获型聚集模块还可被配置为:维持可用分包数据中心的能力、网络图和统计的数据库;使得所转发的作业的发起客户端能够直接与合适的分包数据中心交换数据;基于定价结构来确定分包数据中心的适合性;和/或基于与所转发的作业相关的定价结构在所转发的作业在合适的分包数据中心处完成之前拉回所转发的作业。
根据其它示例,可提供中间件模块以结合数据中心管理在服务质量(QoS)感知作业分配中确定分包数据中心的适合性。所述中间件模块可被配置为:将基准任务部署至多个候选数据中心以在资源上执行相同的任务;接收关于用于执行基准任务的实际开销和资源消耗的数据;分析在具有过量作业的数据中心处与在候选数据中心处执行基准任务的实际开销和资源消耗之间的差异;并且使得数据中心的捕获型聚集模块能够基于分析结果转发作业。
所述候选数据中心可基于具有基本相似的价格和性能特征来选择。所述中间件模块还可被配置为:基于分析结果生成多个比较度量并且优化任务指派功能;以及使得能够基于所述比较度量指派任务,其中,各个作业包括一个或更多个任务。基准任务可以是来自接收到的作业的实际任务。基准任务还可以是具有多个标定点的替代任务。
所述中间件模块可记录标定点处的时间戳,其中替代任务被配置为部署于在框之间具有相似水平的通信并且在动作之间具有相似水平的计算的实际任务应用的模型中。可采用基准任务来在多个输入的预定条件中标定相对需求和性能。所述中间件模块还可将基准任务分配至第二数据中心;动态地修改监测候选数据中心的间隔;和/或基于资源多样性的使用来选择基准任务。
系统的多个方面的软件实现和硬件实现之间几乎没有区别;使用硬件或者软件总体上是代表成本相对于效率的权衡的设计选择(但并非总是这样,因为在特定的环境中硬件和软件之间的选择会变得重要)。存在可以实现本文所描述的处理和/或系统和/或其它技术的各种载体(例如,硬件、软件和/或固件),并且优选的载体将随着采用这些处理和/或系统和/或其它技术的环境而改变。例如,如果实施者确定速度和精度是最重要的,则实施者会主要选用硬件和/或固件载体;如果灵活性是最重要的,则实施者会主要选用软件实现方式;或者,再另选地,实施者可以选用硬件、软件和/或固件的一些组合。
通过使用框图、流程图和/或示例,以上详述已阐述了设备和/或处理的各种实施方式。在这样的框图、流程图和/或示例包含一个或更多个功能和/或操作的范围内,本领域技术人员将理解的是,可以由大范围的硬件、软件、固件或实际上其任何组合单独地和/或共同地实现这样的框图、流程图或示例内的各个功能和/或操作。在一个实施方式中,可以由专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)或其它集成的形式来实现本文所描述的主题的多个部分。然而,本领域技术人员将认识到,本文所公开的实施方式的一些方面可以作为在一个或更多个计算机上运行的一个或更多个计算机程序(例如,作为在一个或更多个计算机系统上运行的一个或更多个程序)、作为在一个或更多个处理器上运行的一个或更多个程序(例如,作为在一个或更多个微处理器上运行的一个或更多个程序)、作为固件、或者作为实际上它们的任何组合全部地或部分地等效地实现在集成电路中,并且将认识到,根据该公开,设计电路和/或针对软件或固件编写代码完全属于在本领域技术人员的技能之内。
本发明不被本申请中描述的具体实施方式限制,这些实施方式旨在作为各个方面的例示。对于本领域的技术人员来说明显的是,可以在不脱离本发明的精神和范围的情况下进行许多修改和变型。除了这里列举的那些外,对本领域的技术人员来说,根据上面的描述,本发明范围内的功能等效的方法和装置将是明显的。这类修改和变形旨在落入所附权利要求书的范围内。仅通过所附权利要求书的条款连同授权的所述权利要求的等同物的整个范围来限制本发明。将要理解的是,本发明不限于特定的方法、试剂、化合物、组合物或生物系统,当然这些是可以改变的。还将理解的是,这里使用的词项仅用于描述特定实施方式,不旨在进行限制。
此外,本领域技术人员将理解的是,本文所描述的主题的机制能够被发布为各种形式的程序产品,并且,本文所描述的主题的示例性实施方式的应用与用于实际进行发布的信号承载介质的具体类型无关。信号承载介质的示例包括但不限于:诸如软盘、硬盘驱动器、光盘(CD)、数字通用光盘(DVD)、数字磁带、计算机存储器等这样的可记录型介质;以及诸如数字和/或模拟通信介质(例如,光缆、波导、有线通信链路、无线通信链路等)这样的传输型介质。
本领域技术人员将认识到,以本文所阐述的方式描述设备和/或处理并且其后使用工程实践将这样描述的设备和/或处理集成到数据处理系统中是本领域中常见的。也就是说,通过合理次数的实验,可以将本文描述的至少一部分设备和/或处理集成到数据处理系统中。本领域技术人员将认识到,典型的数据处理系统一般包括以下各项中的一个或更多个:系统单元壳体、视频显示设备、诸如易失性存储器和非易失性存储器这样的存储器、诸如微处理器和数字信号处理器这样的处理器、诸如操作系统、驱动器、图形用户界面和应用程序这样的计算实体、诸如触摸板或屏幕这样的一个或更多个交互设备和/或包括反馈回路和控制电机(例如感测位置和/或速度的反馈;移动和/或调节部件和/或数量的控制电机)的控制系统。
可以利用任何适合的市售部件(诸如那些通常可以在数据计算/通信和/或网络计算/通信系统中找到的部件)来实现通常的数据处理系统。本文所描述的主题有时例示了包含在不同的其它部件中的或与不同的其它部件相连接的不同的部件。应理解的是,所描述的这种架构仅仅是示例性的,并且实际上,可以实现许多获得了相同的功能的其它架构。在概念上,用于获得相同功能的部件的任何配置都是有效地“关联”的,使得获得期望的功能。因此,不考虑架构或中间部件,可以将本文中被组合以获得特定的功能的任何两个部件视为是彼此“相关联”的,使得期望的功能被实现。同样,如此相关联的任何两个部件也可以被视为彼此“可操作地连接”或“可操作地耦接”,以实现期望的功能,并且能够如此关联的任何两个部件也可以被视为彼此“可操作地可耦接”,以实现期望的功能。可操作地可耦接的具体示例包括但不限于物理上可匹配和/或物理上交互的部件和/或可无线地交互和/或无线地交互的部件和/或逻辑上交互和/或可逻辑上交互的部件。
针对在本文中基本上任何复数和/或单数术语的使用,本技术领域技术人员可以从复数转化为单数和/或从单数转化为复数以适合于上下文和/或应用。为了清楚起见,可以在此明确地阐述各种单数/复数的置换。
本领域技术人员将理解的是,一般来说,本文所使用的措词,特别是在所附权利要求(例如,所附权利要求的主体)中使用的措词,通常旨在是“开放式”措词(例如,措词“包括”应被理解为“包括但不限于”,措词“具有”应被理解为“至少具有”,措词“包含”应被理解为“包含但不限于”等)。本领域技术人员将进一步理解的是,如果所引入的权利要求记载中的特定的数目是有意图的,则这样的意图将在权利要求中明确地记载,并且在没有这样的记载时,不存在这样的意图。例如,作为对理解的辅助,下面所附的权利要求可以包含对“至少一个”和“一个或更多个”的引入性用语的使用,以引入权利要求记载。然而,即使当相同的权利要求包括引入性用语“一个或更多个”或者“至少一个”以及诸如“一”或“一个”的不定冠词(例如,“一”和/或“一个”应被解释为表示“至少一个”或“一个或更多个”)时,使用这样的用语也不应被解释为暗示由不定冠词“一”或“一个”所引入的权利要求记载将包含这种所引入的权利要求记载的任何特定的权利要求限制到仅包含一个这样的记载的发明;对于使用用于引入权利要求记载的定冠词来说也是如此。另外,即使明确地记载了所引入的权利要求记载的特定数目,本领域技术人员将理解的是,这样的记载通常也应该被理解为至少表示所记载的数目(例如,在没有其它修饰的情况下,“两个记载”的无修饰的记载通常表示至少两个记载或者两个或更多个记载)。
此外,在使用与“A、B和C中的至少一个等”类似的常规表述的情况下,一般来说,这种结构旨在表示本领域技术人员将理解的该常规表述的含义(例如,“具有A、B和C中的至少一个的系统”将包括但不限于仅具有A的系统、仅具有B的系统、仅具有C的系统、具有A和B的系统、具有A和C的系统、具有B和C的系统和/或具有A、B和C的系统等)。本领域技术人员将进一步理解的是,示出两个或更多个替代性措词的几乎任何转折词和/或短语,无论是在说明书、权利要求或附图中,都应被理解为考虑可能包括措词中的一个、措词中任一个或全部措词。例如,短语“A或B”将被理解为可能包括“A”或“B”或“A和B”。
此外,当本发明的特征或方面被描述为马库什(Markush)组合的措辞时,本领域技术人员将认识到,本发明因此还可按照该马库什组合中任意独立构件或构件的子组合来描述。
本领域技术人员应该理解,为了任何和所有目的,诸如就提供写描述而言,本文公开的所有范围也包括任何和所有可能的子范围和其子范围的组合。任何所列范围可容易认为足以描述和使得相同范围划分为至少相同的两份、三份、四份、五份、十份等。作为非限制示例,本文讨论的每个范围可容易划分为下面的三分之一、中间的三分之一和上面的三分之一等。本领域技术人员应该理解,诸如“至多”、“至少”等的所有语言包括所列举的数并指代可随后如上所述划分为多个子范围的范围。最终,本领域技术人员应该理解,一范围包括每个独立的构件。因此,例如,具有1-3个单元的组指具有1个、2个或3个单元的组。相似地,具有1-5个单元的组指具有1个、2个、3个、4个或5个单元的组,等。
虽然已经在本文中公开了各个方面和实施方式,但是其它方面和实施方式对于本领域技术人员来说将是清楚的。本文公开的各个方面和实施方式是用于示出的目的而非旨在限制,以下的权利要求指示真实的范围和精神。

Claims (51)

1.一种用于通过中间件利用数据中心测试来管理服务质量(QoS)感知捕获型聚集的方法,该方法包括以下步骤:
在数据中心处接收作业,其中,所接收到的作业超出所述数据中心的容量;
针对所述数据中心处的多个现有作业中的至少一个来确定合适的分包数据中心;
将所述至少一个现有作业转发给所述合适的分包数据中心;以及
在接收到所转发的作业的结果时,将所述结果提供给发起客户端,其中,针对所转发的作业的QoS被保持在基本相同的水平,如同所述作业在所述数据中心处执行一样。
2.根据权利要求1所述的方法,该方法还包括以下步骤:
维持可用分包数据中心能力、网络图和统计的数据库。
3.根据权利要求1所述的方法,该方法还包括以下步骤:
使得所转发的作业的所述发起客户端能够直接与所述合适的分包数据中心交换数据。
4.根据权利要求1所述的方法,该方法还包括以下步骤:
基于定价结构确定分包数据中心的适合性。
5.根据权利要求1所述的方法,该方法还包括以下步骤:
基于与所转发的作业相关的定价结构来在所转发的作业在所述合适的分包数据中心处完成之前拉回所转发的作业。
6.根据权利要求1所述的方法,其中,确定分包数据中心的所述适合性的步骤包括以下步骤:
将基准任务部署至多个候选数据中心,以在资源上执行相同的任务;
接收关于用于执行所述基准任务的实际开销和资源消耗的数据;
分析用于在所述数据中心处和在候选数据中心处执行所述基准任务的所述实际开销和资源消耗之间的差异;以及
基于分析结果转发所述作业。
7.根据权利要求6所述的方法,其中,基于具有基本相似的价格和性能特征来选择所述候选数据中心。
8.根据权利要求6所述的方法,该方法还包括以下步骤:
基于所述分析结果生成多个比较度量。
9.根据权利要求8所述的方法,该方法还包括以下步骤:
优化任务指派功能并且基于所述比较度量指派任务,其中,各个作业包括一个或更多个任务。
10.根据权利要求6所述的方法,其中,所述基准任务是来自接收到的作业的实际任务。
11.根据权利要求6所述的方法,其中,所述基准任务是具有多个标定点的替代任务。
12.根据权利要求11所述的方法,该方法还包括以下步骤:
记录所述标定点处的时间戳。
13.根据权利要求11所述的方法,其中,所述替代任务被配置为部署于在框之间具有相似水平的通信和在动作之间具有相似水平的计算的实际任务应用的模型中。
14.根据权利要求6所述的方法,其中,采用所述基准任务来在多个输入的预定条件下标定相对需求和性能。
15.根据权利要求6所述的方法,该方法还包括以下步骤:
将所述基准任务分配至第二数据中心。
16.根据权利要求6所述的方法,该方法还包括以下步骤:
动态地修改监测所述候选数据中心的间隔。
17.根据权利要求6所述的方法,该方法还包括以下步骤:
基于资源多样化的使用来选择所述基准任务。
18.一种用于通过中间件利用数据中心测试来管理服务质量(QoS)感知捕获型聚集的设备,该设备包括:
存储器;
处理器,该处理器连接至所述存储器,其中,该处理器被配置为结合数据中心管理应用来执行捕获型聚集模块,该捕获型聚集模块被配置为:
在数据中心处接收作业,其中,所接收到的作业超出所述数据中心的容量;
针对所述数据中心处的多个现有作业中的至少一个确定合适的分包数据中心;
将所述至少一个现有作业转发给所述合适的分包数据中心;并且
在接收到所转发的作业的结果时,将所述结果提供给发起客户端,其中,针对所转发的作业的QoS被保持在基本相同的水平,如同所述作业在所述数据中心处执行一样。
19.根据权利要求18所述的设备,其中,所述捕获型聚集模块还被配置为:
维持可用分包数据中心能力、网络图和统计的数据库。
20.根据权利要求18所述的设备,其中,所述捕获型聚集模块还被配置为:
使得所转发的作业的所述发起客户端能够直接与所述合适的分包数据中心交换数据。
21.根据权利要求18所述的设备,其中,所述捕获型聚集模块还被配置为:
基于定价结构确定分包数据中心的适合性。
22.根据权利要求18所述的设备,其中,所述捕获型聚集模块还被配置为:
基于与所转发的作业相关的定价结构来在所转发的作业在所述合适的分包数据中心处完成之前拉回所转发的作业。
23.根据权利要求18所述的设备,其中,所述处理器还被配置为与中间件通信以确定分包数据中心的所述适合性,所述中间件被配置为:
将基准任务部署至多个候选数据中心,以在资源上执行相同的任务;
接收关于用于执行所述基准任务的实际开销和资源消耗的数据;
分析用于在所述数据中心处和在候选数据中心处执行所述基准任务的所述实际开销和资源消耗之间的差异;并且
使得所述捕获型聚集模块能够基于分析结果转发所述作业。
24.根据权利要求23所述的设备,其中,基于具有基本相似的价格和性能特征来选择所述候选数据中心。
25.根据权利要求23所述的设备,其中,所述中间件还被配置为:
基于所述分析结果生成多个比较度量。
26.根据权利要求25所述的设备,其中,所述中间件还被配置为:
优化任务指派功能并且使得能够基于所述比较度量来指派任务,其中,各个作业包括一个或更多个任务。
27.根据权利要求23所述的设备,其中,所述基准任务是来自接收到的作业的实际任务。
28.根据权利要求23所述的设备,其中,所述基准任务是具有多个标定点的替代任务。
29.根据权利要求28所述的设备,其中,所述中间件还被配置为:
记录所述标定点处的时间戳。
30.根据权利要求28所述的设备,其中,所述替代任务被配置为部署于在框之间具有相似水平的通信和在动作之间具有相似水平的计算的实际任务应用的模型中。
31.根据权利要求23所述的设备,其中,采用所述基准任务来在多个输入的预定条件下标定相对需求和性能。
32.根据权利要求23所述的设备,其中,所述中间件还被配置为:
将所述基准任务分配至第二数据中心。
33.根据权利要求23所述的设备,其中,所述中间件还被配置为:
动态地修改监测所述候选数据中心的间隔。
34.根据权利要求23所述的设备,其中,所述中间件还被配置为:
基于资源多样化的使用来选择所述基准任务。
35.一种用于结合数据中心管理来管理服务质量(QoS)感知作业分配的捕获型聚集模块,该捕获型聚集模块被配置为:
在数据中心处接收作业,其中,所接收到的作业超出所述数据中心的容量;
针对所述数据中心处的多个现有作业中的至少一个确定合适的分包数据中心;
将所述至少一个现有作业转发给所述合适的分包数据中心;并且
在接收到所转发的作业的结果时,将所述结果提供给发起客户端,其中,针对所转发的作业的QoS被保持在基本相同的水平,如同所述作业在所述数据中心处执行一样。
36.根据权利要求35所述的捕获型聚集模块,该捕获型聚集模块还被配置为:
维持可用分包数据中心能力、网络图和统计的数据库。
37.根据权利要求35所述的捕获型聚集模块,该捕获型聚集模块还被配置为:
使得所转发的作业的所述发起客户端能够直接与所述合适的分包数据中心交换数据。
38.根据权利要求35所述的捕获型聚集模块,该捕获型聚集模块还被配置为:
基于定价结构来确定分包数据中心的适合性。
39.根据权利要求35所述的捕获型聚集模块,该捕获型聚集模块还被配置为:
基于与所转发的作业相关的定价结构来在所转发的作业在所述合适的分包数据中心处完成之前拉回所转发的作业。
40.一种用于结合数据中心管理在服务质量(QoS)感知作业分配中确定分包数据中心的适合性的中间件模块,该中间件模块被配置为:
将基准任务部署至多个候选数据中心,以在资源上执行相同的任务;
接收关于用于执行所述基准任务的实际开销和资源消耗的数据;
分析用于在具有过量作业的数据中心处和在候选数据中心处执行所述基准任务的所述实际开销和资源消耗之间的差异;并且
使得所述数据中心的捕获型聚集模块能够基于分析结果转发所述作业。
41.根据权利要求40所述的中间件模块,其中,基于具有基本相似的价格和性能特征来选择所述候选数据中心。
42.根据权利要求40所述的中间件模块,该中间件模块还被配置为:
基于所述分析结果生成多个比较度量。
43.根据权利要求42所述的中间件模块,该中间件模块还被配置为:
优化任务指派功能并且使得能够基于所述比较度量来指派任务,其中,各个作业包括一个或更多个任务。
44.根据权利要求40所述的中间件模块,其中,所述基准任务是来自接收到的作业的实际任务。
45.根据权利要求40所述的中间件模块,其中,所述基准任务是具有多个标定点的替代任务。
46.根据权利要求45所述的中间件模块,该中间件模块还被配置为:
记录所述标定点处的时间戳。
47.根据权利要求45所述的中间件模块,其中,所述替代任务被配置为部署于在框之间具有相似水平的通信和在动作之间具有相似水平的计算的实际任务应用的模型中。
48.根据权利要求45所述的中间件模块,其中,采用所述基准任务来在多个输入的预定条件下标定相对需求和性能。
49.根据权利要求40所述的中间件模块,该中间件模块还被配置为:
将所述基准任务分配至第二数据中心。
50.根据权利要求40所述的中间件模块,该中间件模块还被配置为:
动态地修改监测所述候选数据中心的间隔。
51.根据权利要求40所述的中间件模块,该中间件模块还被配置为:
基于资源多样化的使用来选择所述基准任务。
CN201180073047.5A 2011-08-25 2011-08-25 利用真实数据中心测试的服务质量感知捕获型聚集 Expired - Fee Related CN103765408B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2011/049080 WO2013028193A1 (en) 2011-08-25 2011-08-25 Quality of service aware captive aggregation with true datacenter testing

Publications (2)

Publication Number Publication Date
CN103765408A true CN103765408A (zh) 2014-04-30
CN103765408B CN103765408B (zh) 2016-05-25

Family

ID=47745622

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180073047.5A Expired - Fee Related CN103765408B (zh) 2011-08-25 2011-08-25 利用真实数据中心测试的服务质量感知捕获型聚集

Country Status (4)

Country Link
US (1) US8918794B2 (zh)
KR (1) KR101629861B1 (zh)
CN (1) CN103765408B (zh)
WO (1) WO2013028193A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020151641A1 (zh) * 2019-01-24 2020-07-30 电信科学技术研究院有限公司 数据传输方法、装置、发送节点及接收节点

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140189092A1 (en) * 2012-12-28 2014-07-03 Futurewei Technologies, Inc. System and Method for Intelligent Data Center Positioning Mechanism in Cloud Computing
US9298511B2 (en) * 2013-03-15 2016-03-29 International Business Machines Corporation Resolving deployment conflicts in heterogeneous environments
US9292349B2 (en) * 2013-03-15 2016-03-22 International Business Machines Corporation Detecting deployment conflicts in heterogenous environments
US10334461B2 (en) * 2014-03-07 2019-06-25 Epitiro Holdings, Inc. System, device and method for testing app performance
US20150319063A1 (en) * 2014-04-30 2015-11-05 Jive Communications, Inc. Dynamically associating a datacenter with a network device
US10103950B2 (en) * 2015-03-30 2018-10-16 Ca, Inc. Hub filtering
US10063634B2 (en) * 2015-11-24 2018-08-28 International Business Machines Corporation Deployment of multi-task analytics applications in multi-clouds
CN106325951B (zh) * 2016-08-30 2018-03-06 广西电网有限责任公司 一种支持多数据库、多中间件类型的应用系统自动化部署方法
CA3055829A1 (en) 2017-03-08 2018-09-13 Ip Oversight Corporation System and method for creating commodity asset-secured tokens from reserves
KR102091481B1 (ko) * 2017-11-29 2020-03-20 국민대학교산학협력단 동적 신경망 학습 방법 및 이를 수행하는 동적 신경망 학습 장치
KR102024846B1 (ko) * 2018-02-13 2019-09-24 서강대학교 산학협력단 파일 시스템 프로그램 및 이를 이용한 데이터 센터 제어 방법
US12099997B1 (en) 2020-01-31 2024-09-24 Steven Mark Hoffberg Tokenized fungible liabilities
KR102346279B1 (ko) 2020-06-25 2021-12-31 김웅경 Ansi/bicsi 009-2019 표준 기반 데이터 센터 하드웨어 운용 관리 시스템
KR102383941B1 (ko) 2020-06-25 2022-04-06 김웅경 Ansi/bicsi 009-2019 표준 기반 데이터 센터 하드웨어 등급판정 시스템
CN114567578B (zh) * 2022-03-14 2023-09-26 重庆紫光华山智安科技有限公司 一种压力测试方法、装置、测试平台及存储介质
CN117336097B (zh) * 2023-11-16 2024-04-26 国网江苏省电力有限公司信息通信分公司 一种基于大数据的网络信息安全管理方法及系统

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002029519A2 (en) * 2000-10-04 2002-04-11 Navisite Corporation Systems and methods for supporting the delivery of streamed content
US20020194251A1 (en) * 2000-03-03 2002-12-19 Richter Roger K. Systems and methods for resource usage accounting in information management environments
US20030191795A1 (en) * 2002-02-04 2003-10-09 James Bernardin Adaptive scheduling
US20060059253A1 (en) * 1999-10-01 2006-03-16 Accenture Llp. Architectures for netcentric computing systems
CN101014045A (zh) * 2007-02-02 2007-08-08 清华大学 服务承载网中服务管理的分布式方法
US20080181118A1 (en) * 2007-01-31 2008-07-31 Puneet Sharma Selecting service nodes for an end-to-end service path from a reduced search space
CN101360093A (zh) * 2007-08-02 2009-02-04 华为技术有限公司 一种负载控制方法及其系统
US20090119233A1 (en) * 2007-11-05 2009-05-07 Microsoft Corporation Power Optimization Through Datacenter Client and Workflow Resource Migration
US20090199160A1 (en) * 2008-01-31 2009-08-06 Yahoo! Inc. Centralized system for analyzing software performance metrics
CN101557344A (zh) * 2009-05-21 2009-10-14 南昌航空大学 一种基于空间地理位置的动态负载均衡方法
CN101755495A (zh) * 2007-05-15 2010-06-23 美国能量变换公司 用于管理设施供电和冷却的方法和系统
US20100217866A1 (en) * 2009-02-24 2010-08-26 Thyagarajan Nandagopal Load Balancing in a Multiple Server System Hosting an Array of Services
US20100235431A1 (en) * 2009-03-16 2010-09-16 Microsoft Corporation Datacenter synchronization
CN101848236A (zh) * 2010-05-06 2010-09-29 北京邮电大学 具有分布式网络架构的实时数据分发系统及其工作方法
CN101873224A (zh) * 2010-06-07 2010-10-27 北京高森明晨信息科技有限公司 一种云计算负载均衡方法和设备

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002089014A1 (en) * 2001-04-26 2002-11-07 Creekpath Systems, Inc. A system for global and local data resource management for service guarantees
US7860964B2 (en) * 2001-09-28 2010-12-28 Level 3 Communications, Llc Policy-based content delivery network selection
US8670971B2 (en) 2007-07-31 2014-03-11 Hewlett-Packard Development Company, L.P. Datacenter workload evaluation
US20090037162A1 (en) 2007-07-31 2009-02-05 Gaither Blaine D Datacenter workload migration
US8131515B2 (en) * 2007-11-20 2012-03-06 Hewlett-Packard Development Company, L.P. Data center synthesis
US20090193146A1 (en) * 2008-01-24 2009-07-30 Cisco Technology, Inc. Utilizing Virtual Server Weight for Loadbalancing
US10372490B2 (en) 2008-05-30 2019-08-06 Red Hat, Inc. Migration of a virtual machine from a first cloud computing environment to a second cloud computing environment in response to a resource or services in the second cloud computing environment becoming available
US9842004B2 (en) 2008-08-22 2017-12-12 Red Hat, Inc. Adjusting resource usage for cloud-based networks
US9037692B2 (en) 2008-11-26 2015-05-19 Red Hat, Inc. Multiple cloud marketplace aggregation
US20100228819A1 (en) * 2009-03-05 2010-09-09 Yottaa Inc System and method for performance acceleration, data protection, disaster recovery and on-demand scaling of computer applications
US9703609B2 (en) 2009-05-29 2017-07-11 Red Hat, Inc. Matching resources associated with a virtual machine to offered resources
US20100318609A1 (en) * 2009-06-15 2010-12-16 Microsoft Corporation Bridging enterprise networks into cloud
US8789061B2 (en) * 2010-02-01 2014-07-22 Ca, Inc. System and method for datacenter power management
US8745239B2 (en) * 2010-04-07 2014-06-03 Limelight Networks, Inc. Edge-based resource spin-up for cloud computing
US8935317B2 (en) * 2010-06-23 2015-01-13 Microsoft Corporation Dynamic partitioning of applications between clients and servers
US8250135B2 (en) * 2010-07-09 2012-08-21 Sap Ag Brokered cloud computing architecture
US8893133B2 (en) * 2010-09-01 2014-11-18 International Business Machines Corporation Dynamic test scheduling by ordering tasks for performance based on similarities between the tasks
US8589558B2 (en) * 2010-11-29 2013-11-19 Radware, Ltd. Method and system for efficient deployment of web applications in a multi-datacenter system
US9946334B2 (en) * 2010-12-30 2018-04-17 Denso International America, Inc. Method to determine driver workload function and usage of driver workload function for human-machine interface performance assessment
US20120191774A1 (en) * 2011-01-25 2012-07-26 Vivek Bhaskaran Virtual dial testing and live polling
US8719627B2 (en) * 2011-05-20 2014-05-06 Microsoft Corporation Cross-cloud computing for capacity management and disaster recovery
US9223632B2 (en) * 2011-05-20 2015-12-29 Microsoft Technology Licensing, Llc Cross-cloud management and troubleshooting
US9026814B2 (en) * 2011-06-17 2015-05-05 Microsoft Technology Licensing, Llc Power and load management based on contextual information
US9317336B2 (en) * 2011-07-27 2016-04-19 Alcatel Lucent Method and apparatus for assignment of virtual resources within a cloud environment
US9135071B2 (en) * 2011-08-19 2015-09-15 Hewlett-Packard Development Company, L.P. Selecting processing techniques for a data flow task

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060059253A1 (en) * 1999-10-01 2006-03-16 Accenture Llp. Architectures for netcentric computing systems
US20020194251A1 (en) * 2000-03-03 2002-12-19 Richter Roger K. Systems and methods for resource usage accounting in information management environments
WO2002029519A2 (en) * 2000-10-04 2002-04-11 Navisite Corporation Systems and methods for supporting the delivery of streamed content
US20030191795A1 (en) * 2002-02-04 2003-10-09 James Bernardin Adaptive scheduling
US20080181118A1 (en) * 2007-01-31 2008-07-31 Puneet Sharma Selecting service nodes for an end-to-end service path from a reduced search space
CN101014045A (zh) * 2007-02-02 2007-08-08 清华大学 服务承载网中服务管理的分布式方法
CN101755495A (zh) * 2007-05-15 2010-06-23 美国能量变换公司 用于管理设施供电和冷却的方法和系统
CN101360093A (zh) * 2007-08-02 2009-02-04 华为技术有限公司 一种负载控制方法及其系统
US20090119233A1 (en) * 2007-11-05 2009-05-07 Microsoft Corporation Power Optimization Through Datacenter Client and Workflow Resource Migration
US20090199160A1 (en) * 2008-01-31 2009-08-06 Yahoo! Inc. Centralized system for analyzing software performance metrics
US20100217866A1 (en) * 2009-02-24 2010-08-26 Thyagarajan Nandagopal Load Balancing in a Multiple Server System Hosting an Array of Services
US20100235431A1 (en) * 2009-03-16 2010-09-16 Microsoft Corporation Datacenter synchronization
CN101557344A (zh) * 2009-05-21 2009-10-14 南昌航空大学 一种基于空间地理位置的动态负载均衡方法
CN101848236A (zh) * 2010-05-06 2010-09-29 北京邮电大学 具有分布式网络架构的实时数据分发系统及其工作方法
CN101873224A (zh) * 2010-06-07 2010-10-27 北京高森明晨信息科技有限公司 一种云计算负载均衡方法和设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020151641A1 (zh) * 2019-01-24 2020-07-30 电信科学技术研究院有限公司 数据传输方法、装置、发送节点及接收节点

Also Published As

Publication number Publication date
WO2013028193A1 (en) 2013-02-28
CN103765408B (zh) 2016-05-25
US8918794B2 (en) 2014-12-23
KR20140027461A (ko) 2014-03-06
US20130055280A1 (en) 2013-02-28
KR101629861B1 (ko) 2016-06-13

Similar Documents

Publication Publication Date Title
CN103765408A (zh) 利用真实数据中心测试的服务质量感知捕获型聚集
US20220247635A1 (en) Methods and apparatus to control processing of telemetry data at an edge platform
US8689227B2 (en) System and method for integrating capacity planning and workload management
US10373081B2 (en) On-demand utility services utilizing yield management
US8775624B2 (en) Load-balancing and technology sharing using Lempel-Ziv complexity to select optimal client-sets
CN103064744B (zh) 一种基于SLA的面向多层Web应用的资源优化方法
US10666570B2 (en) Computing infrastructure resource-workload management methods and apparatuses
CN103890714A (zh) 涉及基于集群的资源池的主机感知资源管理的系统和方法
CN103377091A (zh) 用于资源共享池中的作业的高效执行的方法和系统
JP2001325041A (ja) 計算機資源活用方法及びシステム
US8880676B1 (en) Resource planning for computing
CN110264039A (zh) 一种工作报表的生成方法及设备
JP2007011622A (ja) 運用ポリシー評価システムおよび運用ポリシー評価プログラム
CN105379204A (zh) 用于选择数据路由的资源的方法和系统
Mampage et al. Deep reinforcement learning for application scheduling in resource-constrained, multi-tenant serverless computing environments
Badshah et al. Optimising infrastructure as a service provider revenue through customer satisfaction and efficient resource provisioning in cloud computing
CN104579738B (zh) 用以在网络中管理流量的计算机实施的方法、计算机系统、计算机程序产品
Liagkou et al. A pricing model for container-as-a-service, based on hedonic indices
Femminella et al. IoT, big data, and cloud computing value chain: pricing issues and solutions
CN103229485B (zh) 业务能力共享的实现方法和平台
Edward Gerald et al. A fruitfly-based optimal resource sharing and load balancing for the better cloud services
Macías et al. Enforcing service level agreements using an economically enhanced resource manager
US20160140590A1 (en) Managing resource access using multiple service categories
Nuaimi et al. Managing QoS in IoTs: a survey
Boniface et al. Grid-based business partnerships using service level agreements

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160525

Termination date: 20190825

CF01 Termination of patent right due to non-payment of annual fee