CN104657411B - 用于信息技术资源管理的方法和系统 - Google Patents
用于信息技术资源管理的方法和系统 Download PDFInfo
- Publication number
- CN104657411B CN104657411B CN201410673711.5A CN201410673711A CN104657411B CN 104657411 B CN104657411 B CN 104657411B CN 201410673711 A CN201410673711 A CN 201410673711A CN 104657411 B CN104657411 B CN 104657411B
- Authority
- CN
- China
- Prior art keywords
- event
- resource
- workload
- hand
- application
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/83—Admission control; Resource allocation based on usage prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供一种用于信息技术资源管理的方法和系统。实施例涉及一种缩放资源管理和缩放。根据一个方面,识别对运行在一个或多个资源上的应用产生影响的即将到来事件。基于识别的即将到来事件和关于与即将到来事件具有相似度的之前事件的历史数据,预测该应用上的工作负载。使用预定规则来执行该预测。使用应用的过去缩放历史来确认为处理预测的工作负载所需的资源的数量。在发生所述事件之前基于确认的资源的数量来缩放资源。
Description
技术领域
本公开内容总体上涉及资源管理,并且更具体地,涉及信息技术资源管理和缩放。
背景技术
企业软件系统必须向用户提供服务质量(QoS)方面的高保障。无法提供所需的QoS造成企业的用户基础减少。因此,企业与用于保持QoS的服务供应商保持服务水平协议(SLA)。这导致服务供应商的成本提高,因为要以使得QoS被保持的方式来分配资源。
发明内容
实施例包括用于缩放资源的系统、计算机程序产品和方法。识别对运行在一个或多个资源上的应用产生影响的即将到来事件。基于识别的所述即将到来事件和关于与所述即将到来事件具有相似度的之前事件的历史数据,预测所述应用上的工作负载。使用预定规则执行预测。使用所述应用的过去缩放历史来确认为处理预测的工作负载所需的所述资源的数量。在发生所述事件之前基于确认的所述资源的数量来缩放所述资源。
通过本公开内容的技术实现额外的特征和优点。本文中详细地描述本公开内容的其它实施例和方面。为了更好地理解本公开内容的优点和特征,参考说明书和附图。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1表示根据本发明一实施例的云计算节点。
图2表示根据本发明一实施例的云计算环境。
图3表示根据本发明一实施例的抽象模型层。
图4表示根据本发明的一些实施例的一些方面的示例性环境。
图5示出用于执行本发明的一些实施例的一些方面的示例性流程。
具体实施方式
首先应当理解,尽管本公开包括关于云计算的详细描述,但其中记载的技术方案的实现却不限于云计算环境,而是能够结合现在已知或以后开发的任何其它类型的计算环境而实现。
云计算是一种服务交付模式,用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源,例如可以是网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。
特征包括:
按需自助式服务:云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。
广泛的网络接入:计算能力可以通过标准机制在网络上获取,这种标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、膝上型电脑、个人数字助理PDA)对云的使用。
资源池:提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务于多重消费者,其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下,消费者不能控制或甚至并不知晓所提供的资源的确切位置,但可以在较高抽象程度上指定位置(例如国家、州或数据中心),因此具有位置无关性。
迅速弹性:能够迅速、有弹性地(有时是自动地)部署计算能力,以实现快速扩展,并且能迅速释放来快速缩小。在消费者看来,用于部署的可用计算能力往往显得是无限的,并能在任意时候都能获取任意数量的计算能力。
可测量的服务:云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力,自动地控制和优化资源效用。可以监测、控制和报告资源使用情况,为服务提供者和消费者双方提供透明度。
服务模型如下:
软件即服务(SaaS):向消费者提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外,消费者既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。
平台即服务(PaaS):向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用,这些应用利用提供者支持的程序设计语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构,但对其部署的应用具有控制权,对应用托管环境配置可能也具有控制权。
基础架构即服务(IaaS):向消费者提供的能力是消费者能够在其中部署并运行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构,但是对操作系统、存储和其部署的应用具有控制权,对选择的网络组件(例如主机防火墙)可能具有有限的控制权。
部署模型如下:
私有云:云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。
共同体云:云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。
公共云:云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。
混合云:云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成,这些云依然是独特的实体,但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。
云计算环境是面向服务的,特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。
现在参考图1,其中显示了云计算节点的一个例子。图1显示的云计算节点10仅仅是适合的云计算节点的一个示例,不应对本发明实施例的功能和使用范围带来任何限制。总之,云计算节点10能够被用来实现和/或执行以上所述的任何功能。
云计算节点10具有计算机系统/服务器12,其可与众多其它通用或专用计算系统环境或配置一起操作。众所周知,适于与计算机系统/服务器12一起操作的计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任意系统的分布式云计算技术环境,等等。
计算机系统/服务器12可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括执行特定的任务或者实现特定的抽象数据类型的例程、程序、目标程序、组件、逻辑、数据结构等。计算机系统/服务器12可以在通过通信网络链接的远程处理设备执行任务的分布式云计算环境中实施。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
如图1所示,云计算节点10中的计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是能够被计算机系统/服务器12访问的任意可获得的介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图1未显示,通常称为“硬盘驱动器”)。尽管图1中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信,和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白,尽管图中未示出,其它硬件和/或软件模块可以与计算机系统/服务器12一起操作,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
现在参考图2,其中显示了示例性的云计算环境50。如图所示,云计算环境50包括云计算消费者使用的本地计算设备可以与其相通信的一个或者多个云计算节点10,本地计算设备例如可以是个人数字助理(PDA)或移动电话54A,台式电脑54B、笔记本电脑54C和/或汽车计算机系统54N。云计算节点10之间可以相互通信。可以在包括但不限于如上所述的私有云、共同体云、公共云或混合云或者它们的组合的一个或者多个网络中将云计算节点10进行物理或虚拟分组(图中未显示)。这样,云的消费者无需在本地计算设备上维护资源就能请求云计算环境50提供的基础架构即服务(IaaS)、平台即服务(PaaS)和/或软件即服务(SaaS)。应当理解,图2显示的各类计算设备54A-N仅仅是示意性的,云计算节点10以及云计算环境50可以与任意类型网络上和/或网络可寻址连接的任意类型的计算设备(例如使用网络浏览器)通信。
现在参考图3,其中显示了云计算环境50(图2)提供的一组功能抽象层。首先应当理解,图3所示的组件、层以及功能都仅仅是示意性的,本发明的实施例不限于此。如图3所示,提供下列层和对应功能:
硬件和软件层60包括硬件和软件组件。硬件组件的例子包括:主机,例如系统;基于RISC(精简指令集计算机)体系结构的服务器,例如IBM系统;IBM系统;IBM系统;存储设备;网络和网络组件。软件组件的例子包括:网络应用服务器软件,例如IBM应用服务器软件;数据库软件,例如IBM数据库软件。(IBM,zSeries,pSeries,xSeries,BladeCenter,WebSphere以及DB2是国际商业机器公司在全世界各地的注册商标)。
虚拟层62提供一个抽象层,该层可以提供下列虚拟实体的例子:虚拟服务器、虚拟存储、虚拟网络(包括虚拟私有网络)、虚拟应用和操作系统,以及虚拟客户端。
在一个示例中,管理层64可以提供下述功能:资源供应功能:提供用于在云计算环境中执行任务的计算资源和其它资源的动态获取;计量和定价功能:在云计算环境内对资源的使用进行成本跟踪,并为此提供帐单和发票。在一个例子中,该资源可以包括应用软件许可。安全功能:为云的消费者和任务提供身份认证,为数据和其它资源提供保护。用户门户功能:为消费者和系统管理员提供对云计算环境的访问。服务水平管理功能:提供云计算资源的分配和管理,以满足必需的服务水平。服务水平协议(SLA)计划和履行功能:为根据SLA预测的对云计算资源未来需求提供预先安排和供应。管理层64中进一步显示的是资源供应,其代表本发明实施例提供的功能。
工作负载层66提供云计算环境可能实现的功能的示例。在该层中,可提供的工作负载或功能的示例包括:地图绘制与导航;软件开发及生命周期管理;虚拟教室的教学提供;数据分析处理;交易处理;以及移动桌面。
要理解,本文描述的本发明的实施例的所有功能通常可由资源提供管理层64执行。源提供管理层64可被有形地实现为图1的程序/实用程序40的程序代码42的模块。然而,并不需要如此。相反,可以由图3中示出的层60-66中的任一个来执行/实现和/或启用本文所述的功能。
要重申的是,尽管本公开内容包括对云计算的详细描述,但本文所述的教导的实现方式不限于云计算环境。相反,本发明的实施例旨在利用现在已知或今后开发的任何类型的联网计算环境来实现。
图4表示根据本发明的一些实施例的示例性系统70。系统70可被部署用于管理其上运行应用的资源120。例如,资源120可以是信息技术(IT)资源并且可以是云的一部分。如图4的示例中所示的,系统70包括流处理引擎75、即将到来事件数据库80、工作负载预测引擎85和历史数据库90。流处理引擎75适于接收信息流并且处理信息流,以识别对应用有影响的即将到来事件。在图4示出的示例中,识别的即将到来事件被存储在即将到来事件数据库80中。工作负载预测引擎85可操作地耦合到即将到来事件数据库80,并且被配置成访问即将到来事件数据库80中存储的即将到来事件。
历史数据库90可被配置成存储由应用处理的之前事件的历史数据和该应用的过去缩放历史。历史数据可包括与之前事件对应的应用上的历史工作负载和与之前事件对应的历史信息。本文中引用的术语“工作负载”被定义为由应用每秒执行的事务的数量。历史信息可包括业务信息或与之前事件相关的其它信息。例如,如果该应用与在线售票相关,则业务信息可包括针对之前事件销售的票的数量。
根据本发明的实施例,工作负载预测引擎85被配置成监控存储在即将到来事件数据库80中的即将到来事件,以预测由于即将到来事件而导致的应用上的工作负载。根据本发明的实施例,工作负载预测引擎85被配置成使用存储在历史数据库90中的历史数据预测由于即将到来事件导致的应用上的工作负载。工作负载预测引擎85可使用与即将到来事件具有相似度的之前事件的历史数据来预测应用上的工作负载。例如,工作负载预测引擎85可被配置成通过将即将到来事件与存储在历史数据库中的一个或多个之前事件进行比较,识别与即将到来事件具有相似度的之前事件。
根据本发明的实施例,工作负载预测引擎85被配置成应用规则来预测工作负载。通过应用规则来预测工作负载提供的优点是,基于即将到来事件的重要性来改变预测。这些规则可以是预定义的并且被提供给工作负载预测引擎85。例如,可使用变量来定义这些规则并且可响应于即将到来事件来改变变量的值。这些规则可由规则设计方来定义并且可被存储在与工作负载预测引擎85可操作地连接的规则数据库95中。工作负载预测引擎85可从规则数据库90中检索用于预测由于识别的即将到来事件而导致的应用上的工作负载的规则。
根据实施例,流处理引擎75还可被配置成确定识别的即将到来事件的受欢迎得分。在一个实施例中,可通过分析信息流中的社会化媒体流以确定即将到来事件的受欢迎度来确定受欢迎得分。即将到来事件的受欢迎得分可被存储在即将到来事件数据库80中。工作负载预测引擎85还可被配置成使用用于预测工作负载的受欢迎得分。因此,针对具有高受欢迎得分的即将到来事件而预测的工作负载可高于针对具有低欢迎得分的即将到来事件而预测的工作负载。
由工作负载预测引擎85预测的工作负载可被存储在未来事件数据库100中。与未来事件数据库100可操作地连接的缩放模块105可被配置成检索即将到来事件的预测的工作负载。缩放模块105可被配置成确认为处理预测的工作负载所需的资源的数量。根据本发明的一实施例,缩放模块105被配置成使用资源120的过去缩放历史来确认为处理工作负载所需的资源120的数量。过去缩放历史包括资源120的之前缩放信息。资源120的过去缩放历史可被存储在历史数据库90中并且缩放模块105被配置成从历史数据库90检索缩放历史。缩放模块105还可被配置成将对应于事件的资源120的缩放信息存储在历史数据库90中。存储在历史数据库90中的缩放信息在未来可被缩放模块105检索为资源120的过去缩放历史。例如,过去缩放历史可按查询表形式存储,该查询表包括过去事件的工作负载和为处理对应的工作负载所需的资源120的数量。根据本发明的实施例,缩放模块105还可被配置成将放大资源120的持续时间存储到历史数据库90中。例如,针对事件放大资源120的持续时间可被提供到历史数据库90,并且历史数据库可被配置成存储该持续时间。持续时间还可被存储在包括工作负载和为处理该工作负载所需的资源120的数量的查询表中。
根据实施例,缩放模块105可被配置成确定为将支持应用的资源120放大至确定的数量所需的持续时间。根据实施例,缩放模块105可使用过去缩放历史来确定这个。根据另一个实施例,缩放应用的一个资源的持续时间可被提供到缩放模块105,并且缩放模块105可确定为将资源120放大至确定的数量所需的持续时间。缩放模块105可被配置成基于确定的持续时间来启动资源120的缩放,使得在发生事件之前将资源120放大至确定的数量。例如,如果应用当前正由四个服务器支持并且需要将资源120放大至六个服务器,则缩放模块105可确定将资源120放大两个服务器的持续时间并且相应地启动缩放,使得六个服务器在发生事件之前开始支持应用。这提供了在发生事件之前缩放资源120以满足工作负载的优点。
根据本发明的实施例,在规则激活之前,可实时修改预定规则。因此,系统70可包括使规则能够被修改的规则修改界面110。例如,分析员可经由规则修改界面110修改预定规则的一个或多个变量。这提供了基于对应于应用的当前认知实时修改规则的优点。根据本发明的实施例,认知模块115可以可操作地连接到流处理引擎75,以将对应于应用的认知提供到分析员。分析员可基于当前认知来修改规则。这提供了优化工作负载的预测的优点。
根据本发明的实施例,通过工作负载预测引擎85使用该规则对工作负载的预测进行建模来验证规则。工作负载预测引擎85可使用对应于应用的规则和历史数据来预测工作负载。可从历史数据库90中检索对应于应用的历史数据,并且可使用历史数据来处理规则以预测应用上的工作负载。可将预测的工作负载与应用上的实际历史工作负载进行比较,以验证预测。基于该验证,可修改规则。例如,可验证资源120的数量是否可处理预测的工作负载、或者资源120中的一个或多个是否在任意的时间点都是空闲的。这提供了验证规则使得资源120没有被浪费以及资源120能够处理预测的工作负载的优点。
根据一个实施例,流处理引擎75可被配置成接收与基于网络的信息、传感器数据、音频流、视频流、无线电音频流、组织内部数据等对应的一个或多个信息流。基于网络的信息可包括社会媒体、实时新闻流等。视频流可包括电视数据流和/或闭路电视数据流。
可由图1的计算机系统12执行流处理引擎75、工作负载预测引擎85和缩放模块105的功能。可使用图1的存储系统34实现即将到来数据库80、历史数据库90、规则数据库95和未来事件数据库100。
例子:
工作负载预测引擎85从即将到来事件数据库80检索即将到来事件。工作负载预测引擎85从历史数据库90检索与即将到来事件具有相似度的之前事件的历史数据。应用的历史工作负载是每秒800个事务。工作负载预测引擎检索即将到来事件的受欢迎得分。即将到来事件的受欢迎得分超过过去事件的20%。工作负载预测引擎85预测应用上的工作负载是每秒960个事务、高了20%。缩放模块105确定由两个服务器处理每秒平均200个事务。在发生事件之前,将服务器从两个放大至十个,使得可处理预测的工作负载。
图5表示根据本发明的一些方面的处理500的示例性流程。在一些实施例中,可由图4中的系统70执行处理500。
在框505中,该处理开始。在框510中,通过流处理引擎(例如,图4中的流处理引擎75)识别对运行一个或多个资源(例如,图4中的资源120)上的应用产生影响的即将到来事件。流处理引擎可被配置成通过处理来自一个或多个源的一个或多个信息流来识别即将到来事件。在框515中,工作负载预测引擎(例如,图4中的工作负载预测引擎85)基于识别的即将到来事件和与即将到来事件具有相似度的之前事件的历史数据,预测应用上的工作负载,其中,使用预定规则来执行预测。工作负载预测引擎可从历史数据库(例如,图4中的历史数据库90)检索与即将到来事件具有相似度的之前事件的历史数据。工作负载预测引擎从规则数据库(例如,图4中的规则数据库95)检索预定规则。在框520中,缩放模块(例如,图4中的缩放模块105)使用应用的过去缩放历史来确认为处理预测的工作负载所需的资源的数量。缩放模块可从历史数据库检索应用的过去缩放历史。在框525中,缩放模块在发生事件之前基于确认的资源的数量来缩放资源。在框530中,该处理结束。
本文描述的实施例使得能够预测由于事件导致的应用上的工作负载并且基于该预测来缩放资源。这提供了保持服务质量(QoS)并且使成本低的优点。可根据外部信息源或企业内部信息来识别事件。使用规则来预测工作负载提供了基于事件的重要性改变预测的优点。可启动资源的放大,使得在发生事件之前放大资源,以致应用为处理因事件造成的工作负载做好准备。例如,资源可以是云的一部分,并且云的资源可被放大以满足在云上运行的应用的工作负载。
对本发明的各种实施例的描述是出于例示的目的而呈现的,但不是旨在是排他性的或者限于公开的实施例。本领域的普通技术人员将清楚,在不脱离所描述的实施例的范围和精神的情况下,可进行许多修改和变形。选择本文使用的术语以最佳地说明实施例的原理、优于市场中发现的技术的实际应用或技术改进,或者使得本领域的其他普通技术人员能够理解本文公开的实施例。
本文使用的术语只是出于描述特定实施例的目的,并且不是旨在限制本公开内容。如本文使用的,单数形式“一”、“一个”和“这个”旨在还包括复数形式,除非上下文另外清楚地指出。还应该理解,当在本说明书中使用时,术语“包括”和/或“包含”指明存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或附加一个或多个其它特征、整体、步骤、操作、元件、组件和/或它们的组。
对应结构、材料、动作和所有装置或步骤的等同物以及以下权利要求书中的功能元件旨在包括用于执行与具体要求保护的其它要求保护元件结合的功能的任何结构、材料或动作。对本公开内容的描述是出于例示和描述的目的而提出的,但不是旨在是排他性的并且限于公开形式的公开内容。在不脱离本公开内容的范围和精神的情况下,本领域的普通技术人员将清楚许多修改形式和变形形式。选择和描述这些实施例,以便最佳地说明本公开内容的原理和实际应用,并且使本领域的其它普通技术人员能够理解具有适于料想到的特定使用的各种修改的各种实施例的公开内容。
另外,如本领域的技术人员应该理解的,本公开内容的一些方面可被实施为系统、方法或计算机程序产品。因此,本公开内容的一些方面可采取完全硬件实施例、完全软件实施例(包括固件、常驻软件、微代码等)或组合软件和硬件方面的实施例的形式,这些实施例在本文中全都可被总体上称为“电路”、“模块”或“系统”。此外,本公开内容的一些方面可采取嵌入一个或多个计算机可读介质中的计算机程序产品的形式,在这些计算机可读介质上存储计算机可读程序代码。
可利用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是例如但不限于电子、磁、光、电磁、红外、或半导体系统、设备或装置、或以上的任何合适组合。计算机可读存储介质的更具体示例(非排他性列表)将包括以下:具有一个或多个布线的电连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光存储装置、磁存储装置、或以上的任何合适组合。在这个文档的上下文中,计算机可读存储介质可以是任何可包含或存储用于指令执行系统、设备或装置或者与指令执行系统、设备或装置结合使用的程序的有形介质。
计算机可读信号介质可包括其中嵌入计算机可读程序代码(例如,以基带形式或作为载波的部分)的传播数据信号。这种传播信号可采取各种形式中的任一种,包括但不限于电磁、光、或其任何合适的组合。计算机可读信号介质可以是任何计算机可读介质,其不是计算机可读存储介质并且可传送、传播或传输用于指令执行系统、设备或装置或结合指令执行系统、设备或装置使用的程序。
可使用任何合适介质(包括但不限于无线、有线、光纤电缆、RF等或以上的任何合适组合)发送嵌入计算机可读介质中的程序代码。
用于执行本公开内容的一些方面的操作的计算机程序代码可以以一个或多个编程语言的任何组合来编写,所述编程语言包括面向对象的编程语言诸如,Java、Smalltalk、C++等和传统过程性编程语言(诸如“C”编程语言或类似的编程语言)。程序代码可完全在用户的计算机上执行,部分在用户的计算机上执行,作为独立软件包执行,部分在用户的计算机上执行并且部分在远程计算机上或完全在远程计算机或服务器上执行。在后一种情形下,远程计算机可通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户的计算机,或者可连接到外部计算机(例如,使用因特网服务供应商通过因特网)。
以上参照根据本公开内容的一些实施例的方法、设备(系统)和计算机程序的流程图图示和/或框图描述了本公开内容的一些方面。应该理解,可通过计算机程序指令实现流程图图示和/或框图的每个框和流程图图示和/或框图中的框的组合。这些计算机程序指令可被提供到通用计算机、专用计算机、或其它可编程数据处理设备的处理器,以产生机器,使得经由计算机的处理器或其它可编程数据处理设备执行的指令形成用于实现在流程图和/或框图的一个或多个框中指明的功能/动作的装置。
这些计算机程序指令还可被存储在计算机可读介质中,计算机可读介质可引导计算机、其它可编程数据处理设备或其它装置以特定方式起作用,使得存储在计算机可读介质中的指令产生包括实现流程图和/或框图的一个或多个框中指明的功能/动作的指令的制造制品。
计算机程序指令还可被加载到计算机、其它可编程数据处理设备、或其它装置上,以使得在计算机、其它可编程设备或其它装置上执行一系列操作步骤,以产生由计算机实现的处理,使得在计算机或其它可编程设备上执行的指令提供用于实现在流程图和/或框图的一个或多个框中指明的动能/动作的处理。
附图中的流程图和框图示出根据本公开内容的各种实施例的系统、方法和计算机程序产品的可能实现方式的架构、功能和操作。就这方面而言,流程图或框图中的每个框可表示包括用于实现指定逻辑功能的一个或多个可执行指令的模块、代码段或代码的一部分。还应该注意,在一些替代实现方式中,可不按照附图中注释的次序执行框中注释的功能。例如,根据涉及的功能,连续示出的两个框事实上可基本上同时执行,或者这两个框有时可按相反次序执行。还应该注意,可由基于专用硬件的系统实现框图和/或流程图图示的每个框和框图和/或流程图图示中的框的组合,所述系统执行指定功能或动作、或专用硬件和计算机指令的组合。
Claims (16)
1.一种缩放资源的方法,所述方法包括:
识别对运行在一个或多个资源上的应用产生影响的即将到来事件;
基于识别的所述即将到来事件和与所述即将到来事件具有相似度的之前事件的历史数据,预测所述应用上的工作负载,其中,使用预定规则执行所述预测;
使用所述应用的过去缩放历史来确认为处理预测的工作负载所需的所述资源的数量;
确定将所述资源缩放至确定的所述资源的数量的持续时间;以及
在发生所述事件之前基于确认的所述资源的数量来缩放所述资源,其中基于确定的持续时间来启动资源的缩放,使得在发生事件之前将资源放大至确定的所述资源的数量。
2.根据权利要求1所述的方法,其中识别对运行在一个或多个资源上的应用产生影响的即将到来事件的步骤包括:监测从一个或多个源接收到的一个或多个信息流,以识别所述即将到来事件。
3.根据权利要求2所述的方法,其中所述信息流对应于基于网络的信息、传感器数据、音频流、视频流或无线电音频流。
4.根据权利要求1所述的方法,其中所述历史数据包括对应于之前事件的应用上的历史工作负载。
5.根据权利要求1所述的方法,其中所述历史数据包括对应于之前事件的历史信息。
6.根据权利要求2所述的方法,其中基于识别的所述即将到来事件和与所述即将到来事件具有相似度的之前事件的历史数据,预测所述应用上的工作负载的步骤包括:
使用所述信息流,计算所述即将到来事件的受欢迎得分;以及
基于识别的即将到来事件、之前事件的历史数据和所述即将到来事件的受欢迎得分,预测所述应用上的工作负载。
7.根据权利要求1所述的方法,还包括:
使用对应于应用的预定规则和历史数据,对所述应用上的工作负载的预测进行建模;
将预测的工作负载与所述应用上的实际历史工作负载进行比较;以及
基于所述比较来验证所述预测。
8.一种缩放资源的系统,所述系统包括:
存储器,具有计算机可读指令;和
处理器,用于执行所述计算机可读指令,所述指令包括:
识别对运行在一个或多个资源上的应用产生影响的即将到来事件;
基于识别的所述即将到来事件和与所述即将到来事件具有相似度的之前事件的历史数据,预测所述应用上的工作负载,其中,使用预定规则执行所述预测;
使用所述应用的过去缩放历史来确认为处理预测的工作负载所需的所述资源的数量;
确定将所述资源缩放至确定的所述资源的数量的持续时间;以及
在发生所述事件之前基于确认的所述资源的数量来缩放所述资源,其中基于确定的持续时间来启动资源的缩放,使得在发生事件之前将资源放大至确定的所述资源的数量。
9.根据权利要求8所述的系统,其中所述指令还包括:
监测从一个或多个源接收到的一个或多个信息流,以识别所述即将到来事件。
10.根据权利要求9所述的系统,其中所述指令还包括:
使用所述信息流,计算所述即将到来事件的受欢迎得分;以及
基于识别的即将到来事件、之前事件的历史数据和所述即将到来事件的受欢迎得分,预测所述应用上的工作负载。
11.根据权利要求8所述的系统,其中所述历史数据包括对应于之前事件的应用上的历史工作负载。
12.根据权利要求8所述的系统,其中所述历史数据包括对应于之前事件的历史信息。
13.根据权利要求9所述的系统,其中所述信息流对应于基于网络的信息、传感器数据、音频流、视频流或无线电音频流。
14.根据权利要求8所述的系统,其中所述指令还包括:
使用对应于应用的预定规则和历史数据,对所述应用上的工作负载的预测进行建模;
将预测的工作负载与所述应用上的实际历史工作负载进行比较;以及
基于所述比较来验证所述预测。
15.一种缩放资源的装置,所述装置包括用于执行权利要求1-7所述的方法的装置。
16.一种缩放资源的计算机可读介质,所述计算机可读介质具有内嵌程序指令,所述程序指令由处理器执行,以使处理器执行权利要求1-7所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/087,309 | 2013-11-22 | ||
US14/087,309 US9727332B2 (en) | 2013-11-22 | 2013-11-22 | Information technology resource management |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104657411A CN104657411A (zh) | 2015-05-27 |
CN104657411B true CN104657411B (zh) | 2018-01-23 |
Family
ID=53183623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410673711.5A Active CN104657411B (zh) | 2013-11-22 | 2014-11-21 | 用于信息技术资源管理的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9727332B2 (zh) |
CN (1) | CN104657411B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170373938A1 (en) * | 2016-06-27 | 2017-12-28 | Alcatel-Lucent Usa Inc. | Predictive auto-scaling of virtualized network functions for a network |
CN108241533B (zh) * | 2016-12-26 | 2022-12-02 | 摩根士丹利服务集团有限公司 | 一种基于预测和分层抽样的资源池未来负载生成方法 |
CN112000457A (zh) * | 2019-05-27 | 2020-11-27 | 伊姆西Ip控股有限责任公司 | 管理处理系统中的任务的方法、设备和计算机程序产品 |
US11057315B1 (en) * | 2020-01-06 | 2021-07-06 | International Business Machines Corporation | Generating a scaling plan for external systems during cloud tenant onboarding/offboarding |
US11567804B2 (en) * | 2020-03-05 | 2023-01-31 | Cisco Technology, Inc. | Computing resource allocation for virtual network functions |
US11625272B2 (en) * | 2020-08-15 | 2023-04-11 | International Business Machines Corporation | Scalable operators for automatic management of workloads in hybrid cloud environments |
CN112156453B (zh) * | 2020-10-21 | 2022-06-03 | 腾讯科技(深圳)有限公司 | 实例自适应调整方法、装置、计算机可读存储介质及设备 |
US20230139834A1 (en) * | 2021-11-01 | 2023-05-04 | At&T Intellectual Property I, L.P. | Asynchronous network inventory system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1538297A (zh) * | 2003-04-16 | 2004-10-20 | ��ʿͨ��ʽ���� | 用于调节系统资源的使用的装置及其方法 |
CN102025150A (zh) * | 2009-09-11 | 2011-04-20 | 通用电气公司 | 在配电网络中用于需求响应的方法和系统 |
WO2013097552A1 (en) * | 2011-12-30 | 2013-07-04 | International Business Machines Corporation | Dynamically scaling multi-tier applications in a cloud environment |
CN103383655A (zh) * | 2012-01-13 | 2013-11-06 | 埃森哲环球服务有限公司 | 用于在qos感知云中管理合并的工作负载的性能干扰模型 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020152305A1 (en) * | 2000-03-03 | 2002-10-17 | Jackson Gregory J. | Systems and methods for resource utilization analysis in information management environments |
US7668813B2 (en) * | 2006-08-11 | 2010-02-23 | Yahoo! Inc. | Techniques for searching future events |
US8271974B2 (en) * | 2008-10-08 | 2012-09-18 | Kaavo Inc. | Cloud computing lifecycle management for N-tier applications |
US8336049B2 (en) | 2009-02-05 | 2012-12-18 | Vmware, Inc. | Virtual machine utility computing method and system |
US9009294B2 (en) | 2009-12-11 | 2015-04-14 | International Business Machines Corporation | Dynamic provisioning of resources within a cloud computing environment |
US8504689B2 (en) * | 2010-05-28 | 2013-08-06 | Red Hat, Inc. | Methods and systems for cloud deployment analysis featuring relative cloud resource importance |
US8423998B2 (en) * | 2010-06-04 | 2013-04-16 | International Business Machines Corporation | System and method for virtual machine multiplexing for resource provisioning in compute clouds |
US9003416B2 (en) * | 2010-09-29 | 2015-04-07 | International Business Machines Corporation | Predicting resource requirements for a computer application |
US8645529B2 (en) | 2010-10-06 | 2014-02-04 | Infosys Limited | Automated service level management of applications in cloud computing environment |
US20120173709A1 (en) | 2011-01-05 | 2012-07-05 | Li Li | Seamless scaling of enterprise applications |
US8578028B2 (en) | 2011-01-06 | 2013-11-05 | International Business Machines Corporation | Techniques for provisioning cloud computing environment resources based on social media analysis |
US8898291B2 (en) | 2011-08-08 | 2014-11-25 | International Business Machines Corporation | Dynamically expanding computing resources in a networked computing environment |
US10552745B2 (en) * | 2013-10-18 | 2020-02-04 | Netflix, Inc. | Predictive auto scaling engine |
-
2013
- 2013-11-22 US US14/087,309 patent/US9727332B2/en active Active
-
2014
- 2014-11-21 CN CN201410673711.5A patent/CN104657411B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1538297A (zh) * | 2003-04-16 | 2004-10-20 | ��ʿͨ��ʽ���� | 用于调节系统资源的使用的装置及其方法 |
CN102025150A (zh) * | 2009-09-11 | 2011-04-20 | 通用电气公司 | 在配电网络中用于需求响应的方法和系统 |
WO2013097552A1 (en) * | 2011-12-30 | 2013-07-04 | International Business Machines Corporation | Dynamically scaling multi-tier applications in a cloud environment |
CN103383655A (zh) * | 2012-01-13 | 2013-11-06 | 埃森哲环球服务有限公司 | 用于在qos感知云中管理合并的工作负载的性能干扰模型 |
Also Published As
Publication number | Publication date |
---|---|
US9727332B2 (en) | 2017-08-08 |
CN104657411A (zh) | 2015-05-27 |
US20150149608A1 (en) | 2015-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657411B (zh) | 用于信息技术资源管理的方法和系统 | |
CN104424013B (zh) | 在计算环境中部署虚拟机的方法和设备 | |
CN104205056B (zh) | 跨多个云的工作负荷的动态分配的方法和系统 | |
CN104580349B (zh) | 安全云管理代理 | |
CN104660669B (zh) | 针对应用模式组件从多个主机选择一个主机的方法和系统 | |
CN103299274B (zh) | 确定运行图像的最佳计算环境的系统和方法 | |
CN104765620B (zh) | 一种程序模块部署的方法和系统 | |
CN103238138B (zh) | 用于迁移逻辑分区的方法、装置和系统 | |
Zheng et al. | Research on the design of analytical communication and information model for teaching resources with cloud‐sharing platform | |
EP3623961A1 (en) | Predictive modeling with machine learning in data management platforms | |
CN103853596B (zh) | 用于在工作组之间迁移虚拟机的方法和系统 | |
CN105359088B (zh) | 使用动态生成的虚拟磁盘内容优化供应时间的方法 | |
CN103856480B (zh) | 虚拟机迁移中的用户数据报协议分组迁移方法和装置 | |
CN104254846B (zh) | 用于电子设备的基于内容的导航 | |
CN104216662B (zh) | 用于跨远程复制关系的卷布置的方法和系统 | |
US20130297412A1 (en) | Delivering personalized recommendations that relate to transactions on display | |
CN104679591A (zh) | 用于在云环境中进行资源分配的方法和装置 | |
CN109791592A (zh) | 使用外部处理来处理应用程序中的敏感数据 | |
US11574019B2 (en) | Prediction integration for data management platforms | |
US11321634B2 (en) | Minimizing risk using machine learning techniques | |
US10043145B2 (en) | Just in time learning driven by point of sale or other data and metrics | |
CN103294556B (zh) | 用于主机系统准入控制的方法和系统 | |
CN106066812A (zh) | 基于应用的历史信息管理资源 | |
CN107025256A (zh) | 用于减少基于云的服务的重新激活时间的方法和系统 | |
CN104572601B (zh) | 经由社交媒体的文档修订 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |