CN106569895B - 一种基于容器的多租户大数据平台构建方法 - Google Patents
一种基于容器的多租户大数据平台构建方法 Download PDFInfo
- Publication number
- CN106569895B CN106569895B CN201610924256.0A CN201610924256A CN106569895B CN 106569895 B CN106569895 B CN 106569895B CN 201610924256 A CN201610924256 A CN 201610924256A CN 106569895 B CN106569895 B CN 106569895B
- Authority
- CN
- China
- Prior art keywords
- big data
- data platform
- cluster
- container
- resource
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5055—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering software capabilities, i.e. software resources associated or available to the machine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于容器的多租户大数据平台构建方法,该方法包括:基于容器虚拟化技术独立封装大数据平台的功能组件;基于描述性文件作为事务运行单元,实现大数据平台的自动部署和集群管理;通过模块结构实现细粒度集群资源访问控制;基于云服务、云安全技术为多租户环境下的大数据应用提供安全的隔离和共享策略;基于组件化的大数据计算服务消费栈构建可伸缩的大租户大数据平台。本发明方法具有自动化构建大数据平台等优点,提出了基于三层架构的大数据部署框架,简化大数据平台的集群维护,同时考虑了面向多租户的资源共享策略。
Description
技术领域
本发明涉及多租户大数据平台的构建方法,特别涉及一种基于容器的多租户大数据平台构建方法。
背景技术
随着互联网的快速发展,全球数据量出现了爆炸式增长。众多的传统企业面临互联网对传统业务模式的冲击,并且还面临着业务从互联网向移动互联网的转型。这不单带来了企业对数据分析需求的快速增长,同时也带来了业务随着流量峰谷的对传统IT架构的脉冲式冲击。海量数据拥有者——银行、运营商、物流等行业用户都在寻求有效的方法利用手中的数据,然而大数据平台配置和部署的繁琐,以及组件相互依赖关系的复杂让众多行业望而顿足。目前商业化的大数据平台都致力于将数据分析平台同云平台架构进行整合,构建包括基础平台、资源存储、数据处理、应用容器在内的整合平台系统,进而统一资源配置和生命周期管理,为业务系统、运维和应用开发提供有力的底层支持。这使得面向多租户的大数据平台迅速成为需求的风口,然而目前发行版的大数据计算平台例如HDP、CDH等都集中在大数据平台的自动化部署,并未考虑用户使用的复杂性,相比于企业自建的大数据集群,发行版大数据平台虽然简化的部署过程,但却增加了维护的复杂度。
在这种需求环境下,基于物理资源共享的面向多租户的大数据平台成为多数企业不断尝试的一种解决方案。为了降低平台构建的复杂度,和易维护、高可用、低成本等需求,本发明提供了一种基于容器的大数据平台的构建方案。
发明内容
本发明的目的在于克服现有技术方法的不足,提供一种基于容器的多租户大数据平台构建方法,该方法采用容器技术封装大数据平台的功能节点,统一应用系统的开发、测试、发布等环节,降低大数据处理框架的部署复杂度,并整合云计算平台与大数据处理平台,向用户提供完整的应用容器和大数据计算组件仓库及相关服务。
为了实现上述目的,本发明至少采用如下技术方案之一。
一种基于容器的多租户大数据平台构建方法,其包括以下步骤:
(1)基于容器虚拟化技术封装大数据平台的功能节点,针对不同的功能划分不同的角色,并通过组件仓库进行版本控制;将大数据平台中的资源从主体中剥离开来,提供按需的组件式托管服务;
(2)基于描述文件作为事务运行单元,通过版本控制来实现业务回滚和容错性,事务运行单元贯穿组件化管理、集群自动化部署、大数据计算服务环节,为集群的高可用性提供基础保障;
(3)集成集群自动化部署与大数据平台的集群管理,通过模块化结构实现细粒度集群资源访问控制,通过服务自检查、作业实时监控等实现集群的高可用性;
(4)基于云服务、云安全技术为多租户环境下的大数据应用提供安全的隔离和共享策略。
进一步地,步骤(1)具体包括:
(1.1)采用轻量级虚拟化技术Docker作为封装功能节点的容器;
(1.2)采用独立封装的存储、计算、监控、缓存及备份角色作为不同类型容器的划分;
(1.3)采用Git作为组件仓库以及镜像仓库的版本控制系统,XML为描述文件的规范化格式。
进一步地,步骤(3)具体包括:
(3.1)采用存储和计算分离模式,将计算节点单独封装到虚拟化容器中,存储节点则直接挂载到逻辑存储分区。
(3.2)采用基于LXC的内核虚拟化技术,结合Cgroup实现细粒度资源控制,将系统资源划分为以资源容器为单位的资源池。
(3.3)结合描述文件定义服务启动时的自检查脚本,通过封装服务的监听接口Listener实现作业的状态实时检查。
进一步地,步骤(4)具体包括:
(4.1)采用基于Kerberos协议的安全访问控制系统,在多租户环境下提供存储、计算、应用组控制多个层次隔离的隔离和共享策略;
(4.2)基于用户访问域、控制组及目录访问控制三层框架,面向不同访问需求提供不同的访问权限,读写分离是指每个用户按照所属角色拥有不同级别的文件读写权限;
(4.3)采用双层调度体系实现不同优先级用户的作业调度,面向优先级的作业调度,在集群资源充足的情况下,优先选择最大并行用户数的作业调度模型;而在集群资源繁忙的情况下,选择最大化吞吐量的作业调度模型。
进一步地,步骤(4.3)所述最大并行用户数的作业调度模型如下:设每个用户的最小资源保证为Smin,所有用户的资源需求向量S(S1,S2,S3…,Sm)简写为S,m为用户数,则资源分配应满足最小化模型argminΣ(S-Smin)2。
进一步地,步骤(4.3)所述最大化吞吐量的作业调度模型如下:设每个用户作业的最大等待时间为Tmax,用户作业的运行时间向量T(T1,T2,T3…,Tm)简写为T,用户作业的最小资源占有量为Smin,用户的实际资源占有向量S(S1,S2,S3…,Sm),抢占用户作业的损失函数H(S,T)表示抢占运行中的作业造成的系统资源损失,则为了最大化集群的吞吐量argmax δ(S,T)=N-H(S,T),N代表总资源数,等价于在满足用户最小资源保证的情况下,使得抢占作业的损失达到最小argmin H(S,T) +(S-Smin)2+(T-Tmax)2,其中后两项是罚项,且S>Smin,T>Tmax。
进一步地,步骤(1)中基于容器虚拟化技术,将大数据平台中的资源从主体中剥离开来,提供按需的组件式托管服务;采用容器技术独立封装大数据平台的功能节点。
进一步地,步骤(2)采用自动化部署技术利用组件仓库加速集群部署;采用镜像描述文件作为容器的类型描述,并用版本控制系统管理容器镜像描述文件;采用应用栈管理技术,将封装后的组件放置到消费栈,由集群构建服务拉取并进行子网配置。
进一步地,步骤(2)基于XML数据格式定义容器描述文件,描述文件包括容器定义dockerfile、子网定义networkfile、集群定义clusterfile、用户定义userfile等组成,由集群构建服务根据自动化脚本配置并初始化集群。将描述文件作为集群版本控制的元数据文件,有助于不同集群之间的兼容性管理,也能够应对版本升级和集群迁移等场景。集群构建服务指的是部署在集群管理装置上的可靠服务,采用多主多备模式,通过将多个主节点与多个备节点同时连接到集群管理装置,由集群管理装置对异常情况进行判断来切换主节点,提高多租户环境下系统的可靠性和稳定性;
进一步地,步骤(3)集成自动化部署与集群管理技术,提供快速可靠的集群部署方案,采用日志文件记录用户所需要的全部配置及后续改动,将集群部署托管到模块化的自动构建服务,利用内核虚拟化及控制组技术实现容器资源隔离,结合描述文件定义服务启动时的自检查脚本,通过封装服务的监听接口Listener实现作业的状态实时检查;
进一步地,步骤(4)基于云安全技术提供面向多租户的高可靠性集群管理服务,采用云计算资源隔离与共享方案,面向不同的集群负载类型,采用不同的资源调度策略,使得用户在使用大数据计算服务时能够公平的共享集群资源。
本发明与现有的多租户大数据平台构建方法相比,具有如下优点与效果:
(l)该方法利用虚拟容器的高扩展性和高性能可以克服大数据处理的规模不断增长和实时性需求。
(2)该方法将云计算平台的高弹性与高可靠性融合到大数据平台的自动化部署方案中,在面向组件级的多租户应用消费时,不但能稀释构建大数据平台过程中的繁杂步骤,而且提供了版本之间的自动切换,使得用户在进行组件消费时能够从冗杂的运维中脱离出来。
(3)该方法提出了大数据平台构建的三层架构,每层都集中处理大数据平台构建过程中的关键复杂性问题,在组件管理层形成了一套高可靠性组件栈管理技术,在自动化部署层提供了面向组件消费的事务管理体系,在消费层提出了多种面向不同程度的多租户共享及隔离方案。
附图说明
图1是本发明构建基于容器的多租户大数据平台的流程图。
图2是实施例1的总体结构示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施和保护不限于此,需指出的是,以下若有未特别详细说明之过程,均是本领域技术人员可参照现有技术实现的。
实施例1
应用本发明方法到大数据平台的自动构建:
如图1所示,是本实施例的基于容器的面向多租户的大数据平台自动构建的流程图。
应用本发明方法实现大数据平台的自动构建,可以减少大数据平台构建过程的复杂度,节省运维成本。通过虚拟容器Docker技术封装功能节点,将大数据平台的系统构建过程离散化、过程化和组件化,用镜像描述文件Dockerfile定义节点的角色和所需的功能组件,用功能描述文件Metafile实现集群服务的版本控制,用自动化脚本完成组件的配置和检查。为了实现大数据平台的高可用性,在构建过程中采取了多主多备的物理架构,同时采取了存储计算分离模式,对功能节点单独挂载数据盘,在功能失效时,通过描述文件可以自动或手动切换新的计算节点,使得不需要重启集群便可以恢复大数据计算作业的执行。其实施的总体结构如图2所示,包括以下层次:
1)基础设施镜像管理:利用基于虚拟容器Docker技术封装集群的同构操作系统,以及根据节点规划将容器镜像划分为不同的角色,用镜像仓库进行版本管理。
2)组件仓库管理:将大数据平台所需的所有组件放置到组件仓库,根据用户的需求组织成消费栈结构,在栈的另一端向镜像描述文件中添加对应的消费记录,或通过脚本实现组件自动化安装。
3)描述文件管理:利用版本控制系统管理描述文件,在镜像描述文件级别实现了集群部署的事务管理,在功能描述级别能够实现组件升级的事务回滚及故障恢复。
4)集群高可用性管理:采用Swarm作为容器监控系统,在容器故障或不可达时,监控系统从描述文件中迅速构建备用节点。同时为了进一步提高可用性,应用自动化脚本到集群状态检查、服务可达性检查,集成多个实施环节到统一的事务管理,在提高系统可用性时又简化了大数据平台的运维。
5)租户管理:基于Kerberos协议提供多租户的安全访问控制,采用多个隔离方案,为租户提供独立的或共享的放置策略,如基于子网隔离的集群部署系统、基于用户隔离的资源分配系统、基于读写分离的数据访问控制系统。
6)共享策略管理:采用多租户访问策略,面向不同的用户需求,开放隔离的或共享的资源访问接口,并允许用户能够动态申请和撤销最小占有资源,为不同优先级的用户作业提供最小资源保证。通过双层调度体系,为不同优先级的用户调度作业运行请求,并按照吞吐量优先或并行用户数优先的调度策略进行作业调度。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种基于容器的多租户大数据平台构建方法,其特征在于包括以下步骤:
(1)基于容器虚拟化技术封装大数据平台的功能组件,针对不同的功能划分不同的角色,并通过组件仓库进行版本控制;将大数据平台中的资源从主体中剥离开来,提供按需的组件式托管服务;具体包括:
(1.1)采用轻量级虚拟化技术Docker作为封装功能组件的容器;
(1.2)采用独立封装的存储、计算、监控、缓存及备份角色作为不同类型容器的划分;
(1.3)采用Git作为组件仓库以及镜像仓库的版本控制系统,XML为描述文件的规范化格式;
(2)通过描述文件建立事务运行单元,通过版本控制来实现业务回滚和容错性,事务运行单元贯穿组件化管理、集群自动化部署、大数据计算服务环节,为集群的高可用性提供基础保障;采用应用栈管理技术,将封装后的组件放置到消费栈,由集群构建服务拉取并进行子网配置;
(3)集成集群自动化部署与大数据平台的集群管理,通过模块化结构实现细粒度集群资源访问控制,通过服务自检查、作业实时监控实现集群的高可用性;
(4)基于云服务、云安全技术为多租户环境下的大数据应用提供安全的隔离和共享策略。
2.根据权利要求1所述一种基于容器的多租户大数据平台构建方法,其特征在于步骤(3)具体包括:
(3.1)采用存储和计算分离模式,将功能组件单独封装到虚拟化容器中,存储节点则直接挂载到逻辑存储分区;
(3.2)采用基于LXC的内核虚拟化技术,结合Cgroup实现细粒度资源控制,将系统资源划分为以资源容器为单位的资源池;
(3.3)结合描述文件定义的服务启动时的自检查脚本,通过封装服务的监听接口Listener实现作业的状态实时检查。
3.根据权利要求1所述一种基于容器的多租户大数据平台构建方法,其特征在于步骤(4)具体包括:
(4.1)采用基于Kerberos协议的安全访问控制系统,在多租户环境下提供存储、计算、应用组控制多个层次隔离的隔离和共享策略;
(4.2)基于用户访问域、控制组及目录访问控制三层框架,面向不同访问需求提供不同的访问权限,读写分离是指每个用户按照所属角色拥有不同级别的文件读写权限;
(4.3)采用双层调度体系实现不同优先级用户的作业调度,面向优先级的作业调度,在集群资源充足的情况下,优先选择最大并行用户数的作业调度模型;而在集群资源繁忙的情况下,选择最大化吞吐量的作业调度模型。
4.根据权利要求3所述一种基于容器的多租户大数据平台构建方法,其特征在于步骤(4.3)所述最大并行用户数的作业调度模型如下:设每个用户的最小资源保证为Smin,所有用户的资源需求向量S(S1,S2,S3…,Sm)简写为S,m为用户数,则资源分配应满足最小化模型argminΣ(S-Smin)2。
5.根据权利要求3所述一种基于容器的多租户大数据平台构建方法,其特征在于步骤(4.3)所述最大化吞吐量的作业调度模型如下:设每个用户作业的最大等待时间为Tmax,用户作业的运行时间向量T(T1,T2,T3…,Tm)简写为T,用户作业的最小资源占有量为Smin,用户的实际资源占有向量S(S1,S2,S3…,Sm),抢占用户作业的损失函数H(S,T)表示抢占运行中的作业造成的系统资源损失,则为了最大化集群的吞吐量argmax δ(S,T)=N-H(S,T),N代表总资源数,等价于在满足用户最小资源保证的情况下,使得抢占作业的损失达到最小argmin H(S,T) +(S-Smin)2+(T-Tmax)2,其中后两项是罚项,且S>Smin,T>Tmax。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610924256.0A CN106569895B (zh) | 2016-10-24 | 2016-10-24 | 一种基于容器的多租户大数据平台构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610924256.0A CN106569895B (zh) | 2016-10-24 | 2016-10-24 | 一种基于容器的多租户大数据平台构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106569895A CN106569895A (zh) | 2017-04-19 |
CN106569895B true CN106569895B (zh) | 2020-12-22 |
Family
ID=60414374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610924256.0A Active CN106569895B (zh) | 2016-10-24 | 2016-10-24 | 一种基于容器的多租户大数据平台构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106569895B (zh) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045455B (zh) * | 2017-06-19 | 2019-06-11 | 华中科技大学 | 一种基于负载预测的Docker Swarm集群资源调度优化方法 |
CN107341648A (zh) * | 2017-07-04 | 2017-11-10 | 中国人民解放军63796部队 | 远程协同类多系统一体化指挥显示集成方法 |
CN107196967B (zh) * | 2017-07-10 | 2019-10-01 | 南京邮电大学 | 一种物流大数据信息安全访问控制系统 |
CN107451246B (zh) * | 2017-07-28 | 2021-02-19 | 深圳航天智慧城市系统技术研究院有限公司 | 一种适用于大型城市的信息资源一体化处理系统 |
CN109327422B (zh) * | 2017-08-01 | 2021-04-02 | 中国移动通信集团浙江有限公司 | 一种多租户的租户隔离方法及装置 |
CN107659450B (zh) * | 2017-09-29 | 2020-07-14 | 深圳索信达数据技术有限公司 | 大数据集群资源的分配方法、分配装置及存储介质 |
CN107734052B (zh) * | 2017-11-02 | 2019-12-10 | 华南理工大学 | 面向组件依赖的负载均衡容器调度方法 |
CN107861858B (zh) * | 2017-12-04 | 2021-02-19 | 网易(杭州)网络有限公司 | 文件检测方法和装置、存储介质及处理器 |
CN108173919A (zh) * | 2017-12-22 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 大数据平台搭建系统、方法、设备及计算机可读介质 |
CN108156175B (zh) * | 2018-01-22 | 2021-05-14 | 中证鹏元资信评估股份有限公司 | 云计算平台下对共享存储信息的访问方法 |
CN109032757B (zh) * | 2018-07-12 | 2022-03-18 | 贵州电网有限责任公司 | 一种基于云平台的系统框架自动部署时间优化方法 |
CN109104317B (zh) * | 2018-08-22 | 2021-06-29 | 中科曙光国际信息产业有限公司 | 基于Docker容器的大数据集群自动配置方法及装置 |
CN109194589B (zh) * | 2018-08-31 | 2021-01-26 | 新华三技术有限公司 | 一种mdc实现方法及装置 |
CN109582436B (zh) * | 2018-10-15 | 2021-04-02 | 上海交通大学 | 基于容器集群平台的细粒度抢占式资源调度系统及方法 |
CN109445565B (zh) * | 2018-11-08 | 2020-09-15 | 北京航空航天大学 | 一种基于流多处理器内核独占和预留的gpu服务质量保障方法 |
CN109412866B (zh) * | 2018-12-04 | 2020-07-28 | 中国科学院信息工程研究所 | 一种多租户云平台安全隔离的主动检测方法 |
CN109828825A (zh) * | 2019-01-07 | 2019-05-31 | 平安科技(深圳)有限公司 | 异常数据检测方法、装置、计算机设备及存储介质 |
CN109992416B (zh) * | 2019-03-20 | 2022-03-18 | 跬云(上海)信息科技有限公司 | 基于预计算olap模型的多租户服务方法及装置 |
CN110008006B (zh) * | 2019-04-11 | 2021-04-02 | 中国联合网络通信集团有限公司 | 基于容器的大数据工具部署方法及系统 |
CN111913426B (zh) * | 2019-05-08 | 2023-05-05 | 创升益世(东莞)智能自控有限公司 | 一种应用于工业自动化控制系统的软件容器方法 |
US11009840B2 (en) * | 2019-06-19 | 2021-05-18 | Honeywell International, Inc. | Control execution environment and container based architecture |
CN110839023B (zh) * | 2019-11-05 | 2022-03-25 | 北京中电普华信息技术有限公司 | 一种电力营销多渠道客户服务系统 |
CN111831390B (zh) * | 2020-01-08 | 2024-04-16 | 北京嘀嘀无限科技发展有限公司 | 服务器的资源管理方法、装置及服务器 |
CN111274002A (zh) * | 2020-02-28 | 2020-06-12 | 深圳市赛为智能股份有限公司 | 支撑paas平台构建方法、装置、计算机设备及存储介质 |
CN111737057A (zh) * | 2020-06-24 | 2020-10-02 | 深圳软牛科技有限公司 | 一种apfs文件系统数据恢复方法、装置及电子设备 |
CN112000686A (zh) * | 2020-08-14 | 2020-11-27 | 北京金和网络股份有限公司 | 多租户数据共享的管理方法、装置和系统及数据管理设备 |
CN113342469B (zh) * | 2021-06-23 | 2023-08-18 | 山石网科通信技术股份有限公司 | 大数据平台的数据处理方法及装置 |
CN115858083A (zh) * | 2021-09-26 | 2023-03-28 | 中兴通讯股份有限公司 | 容器cpu资源调度与隔离方法和装置、存储介质及电子设备 |
CN113612806B (zh) * | 2021-10-09 | 2021-12-17 | 北京云歌科技有限责任公司 | 一种安全网络服务方法、装置、电子设备及介质 |
CN115587394B (zh) * | 2022-08-24 | 2023-08-08 | 广州红海云计算股份有限公司 | 一种云原生架构的人力资源数据处理方法及装置 |
CN116760639B (zh) * | 2023-08-18 | 2023-10-31 | 深圳市大恒数据安全科技有限责任公司 | 一种用于多租户的数据安全隔离与共享框架实现方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104104513A (zh) * | 2014-07-22 | 2014-10-15 | 浪潮电子信息产业股份有限公司 | 一种云端多租户数据存储安全隔离方法 |
CN105183820A (zh) * | 2015-08-28 | 2015-12-23 | 广东创我科技发展有限公司 | 一种支持多租户的大数据平台及租户访问方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140351172A1 (en) * | 2013-05-24 | 2014-11-27 | Connectloud, Inc. | Method and Apparatus for Determining Compute Resource Usage Chargeback for Cloud Multi-Tenant Environment |
-
2016
- 2016-10-24 CN CN201610924256.0A patent/CN106569895B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104104513A (zh) * | 2014-07-22 | 2014-10-15 | 浪潮电子信息产业股份有限公司 | 一种云端多租户数据存储安全隔离方法 |
CN105183820A (zh) * | 2015-08-28 | 2015-12-23 | 广东创我科技发展有限公司 | 一种支持多租户的大数据平台及租户访问方法 |
Non-Patent Citations (2)
Title |
---|
"A framework for native multi-tenancy application development and management";Guo C J等;《E-Commerce Technology and the4th IEEE InternationalConference on Enterprise Computing, E-Commerce, and E-Services》;20071231;全文 * |
"基于分布式云计算环境下的多租户管理技术方案研究";喻朝新 等;《电信工程技术与标准化》;20160615(第06期);第7-11页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106569895A (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106569895B (zh) | 一种基于容器的多租户大数据平台构建方法 | |
US10275851B1 (en) | Checkpointing for GPU-as-a-service in cloud computing environment | |
CN102346460B (zh) | 一种基于事务的服务控制系统及其控制方法 | |
US11625274B1 (en) | Hyper-convergence with scheduler extensions for software-defined container storage solutions | |
US20200004570A1 (en) | Dynamically scaled hyperconverged system | |
CN111399970B (zh) | 一种预留资源管理方法、装置和存储介质 | |
US10826812B2 (en) | Multiple quorum witness | |
US10061665B2 (en) | Preserving management services with self-contained metadata through the disaster recovery life cycle | |
CN109479059B (zh) | 用于容器流量的传输层等级标识和隔离的系统和方法 | |
US20200364063A1 (en) | Distributed job manager for stateful microservices | |
US11256576B2 (en) | Intelligent scheduling of backups | |
CN103414712A (zh) | 一种分布式虚拟桌面管理系统和方法 | |
CN111343219B (zh) | 计算服务云平台 | |
WO2022037265A1 (zh) | 边缘计算中心一体化服务器 | |
US20170005861A1 (en) | Method and system for communication between a management-server and remote host systems | |
US9148430B2 (en) | Method of managing usage rights in a share group of servers | |
CN113886089A (zh) | 一种任务处理方法、装置、系统、设备及介质 | |
CN106850598B (zh) | 面向全舰计算环境的统一资源管理系统及方法 | |
US20230412671A1 (en) | Distributed cloud system, data processing method of distributed cloud system, and storage medium | |
CN112039985A (zh) | 一种异构云管理方法及系统 | |
US11916998B2 (en) | Multi-cloud edge system | |
CN107704618B (zh) | 一种基于aufs文件系统的热迁徙方法和系统 | |
Li et al. | Avionics clouds: A generic scheme for future avionics systems | |
CN104468829A (zh) | 一种基于虚拟化环境的企业it系统架构的实现方法 | |
US11169836B2 (en) | Hardware placement and maintenance scheduling in high availability systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |