CN106961490A - 一种资源监控方法及系统、一种本地服务器 - Google Patents
一种资源监控方法及系统、一种本地服务器 Download PDFInfo
- Publication number
- CN106961490A CN106961490A CN201710329790.1A CN201710329790A CN106961490A CN 106961490 A CN106961490 A CN 106961490A CN 201710329790 A CN201710329790 A CN 201710329790A CN 106961490 A CN106961490 A CN 106961490A
- Authority
- CN
- China
- Prior art keywords
- home server
- monitoring
- characterizes
- monitored
- characterize
- 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.)
- Pending
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
- G06F11/3093—Configuration details thereof, e.g. installation, enabling, spatial arrangement of the probes
-
- 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
- G06F9/5044—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 hardware capabilities
-
- 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
- G06F9/505—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 the load
-
- 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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- 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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/101—Server selection for load balancing based on network conditions
-
- 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
- G06F2209/5022—Workload threshold
-
- 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
- G06F2209/508—Monitor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提供了一种资源监控方法及系统、一种本地服务器,该方法可以包括:确定本地服务器的属性;根据所述属性,计算所述本地服务器的监控负载临界阈值;根据所述属性,计算所述本地服务器的当前监控负载;所述属性,包括:中央处理器CPU核数、内存大小和网络带宽;判断所述当前监控负载是否大于所述监控负载临界阈值;如果是,则调配云数据中心对待监控的资源进行监控;如果否,则调配所述本地服务器对待监控的资源进行监控。本方案能够提高云资源的监控效率。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种资源监控方法及系统、一种本地服务器。
背景技术
随着云计算的飞速发展,大规模的云数据中心越来越成为现代社会发展的需要。租用云资源为用户节省大量成本,带来极大便利。与此同时,对云资源的监控也成为当今不可或缺的内容。
目前,主要是通过依托于本地服务器,耗费本地服务器的资源来实现对云资源的监控。但是如果只依托于本地服务器,那么当本地服务器的负载过高时,将会造成云资源的监控效率较低。
发明内容
本发明实施例提供了一种资源监控方法及系统、一种本地服务器,能够提高云资源的监控效率。
第一方面,本发明实施例提供了一种资源监控方法,包括:
确定本地服务器的属性;
根据所述属性,计算所述本地服务器的监控负载临界阈值;
根据所述属性,计算所述本地服务器的当前监控负载;所述属性,包括:中央处理器CPU核数、内存大小和网络带宽;
判断所述当前监控负载是否大于所述监控负载临界阈值;
如果是,则调配云数据中心对待监控的资源进行监控;
如果否,则调配所述本地服务器对待监控的资源进行监控。
优选地,
所述根据所述属性,计算所述本地服务器的监控负载临界阈值,包括:
根据下述第一计算公式(1),计算所述本地服务器的监控负载临界阈值;
R0=n*a1+m*a2+B*a3 (1)
其中,R0表征所述监控负载临界阈值;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值。
优选地,
进一步包括:设置对应所述本地服务器的基础环境系数;
所述根据所述属性,计算所述本地服务器的当前监控负载,包括:
根据下述第二计算公式(2),计算所述本地服务器的当前监控负载;
R=(n*a1+m*a2+B*a3)*λ (2)
其中,R表征所述当前监控负载;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值;λ表征对应所述本地服务器的基础环境系数。
优选地,
所述CPU核数对应的权重值为40%,所述内存大小对应的权重值为40%,所述网络带宽对应的权重值为20%。
第二方面,本发明实施例提供了一种本地服务器,包括:
确定单元、第一计算单元、第二计算单元、判断单元、第一调配单元及第二调配单元;其中,
所述确定单元,用于确定所在本地服务器的属性;
所述第一计算单元,用于计算所述本地服务器的监控负载临界阈值;
所述第二计算单元,用于根据所述属性,计算所述本地服务器的当前监控负载;所述属性,包括:中央处理器CPU核数、内存大小和网络带宽;
所述判断单元,用于判断所述当前监控负载是否大于所述监控负载临界阈值;
所述第一调配单元,用于当所述判断单元判断出所述当前监控负载大于所述监控负载临界阈值时,调配云数据中心对待监控的资源进行监控;
所述第二调配单元,用于当所述判断单元判断出所述当前监控负载不大于所述监控负载临界阈值时,调配所述所在本地服务器对待监控的资源进行监控。
优选地,
所述第一计算单元,具体用于根据下述第一计算公式(1),计算所述本地服务器的监控负载临界阈值;
R0=n*a1+m*a2+B*a3 (1)
其中,R0表征所述监控负载临界阈值;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值。
优选地,
进一步包括:设置单元;
所述设置单元,用于设置对应所述本地服务器的基础环境系数;
所述第二计算单元,具体用于根据下述第二计算公式(2),计算所述本地服务器的当前监控负载;
R=(n*a1+m*a2+B*a3)*λ (2)
其中,R表征所述当前监控负载;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值;λ表征对应所述本地服务器的基础环境系数。
本发明实施例提供了一种资源监控方法及系统、一种本地服务器,在对待监控的资源进行监控时,首先根据本地服务器的属性,计算出该本地服务器所能接受的最大监控负载,也即监控负载临界阈值,然后根据属性,再计算出本地服务器的当前监控负载,如果计算出的当前监控负载超出了监控负载临界阈值,则此时说明该本地服务器不再适合进行资源的监控,从而避免在本地服务器的负载过高时出现监控效率较低的情况,并改由云数据中心对资源进行监控,另外,如果计算出的当前监控负载并未超出监控负载临界阈值,则继续调配该本地服务器对待监控的资源进行监控,从而提高了云资源的监控效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种资源监控方法的流程图;
图2是本发明另一个实施例提供的一种资源监控方法的流程图;
图3是本发明一个实施例提供的一种本地服务器的结构示意图;
图4是本发明另一个实施例提供的一种本地服务器的结构示意图;
图5是本发明一个实施例提供的一种资源监控系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种资源监控方法,该方法可以包括以下步骤:
步骤101:确定本地服务器的属性。
步骤102:根据所述属性,计算所述本地服务器的监控负载临界阈值。
步骤103:根据所述属性,计算所述本地服务器的当前监控负载;所述属性,包括:中央处理器CPU核数、内存大小和网络带宽。
步骤104:判断所述当前监控负载是否大于所述监控负载临界阈值,如果是,则执行步骤105,否则执行步骤106。
步骤105:调配云数据中心对待监控的资源进行监控。
步骤106:调配所述本地服务器对待监控的资源进行监控。
上述实施例中,在对待监控的资源进行监控时,首先根据本地服务器的属性,计算出该本地服务器所能接受的最大监控负载,也即监控负载临界阈值,然后根据属性,再计算出本地服务器的监控负载,如果计算出的监控负载超出了监控负载临界阈值,则此时说明该本地服务器不再适合进行资源的监控,从而避免在本地服务器的负载过高时出现监控效率较低的情况,并改由云数据中心对资源进行监控,另外,如果计算出的当前监控负载并未超出监控负载临界阈值,则继续调配该本地服务器对待监控的资源进行监控,从而提高了云资源的监控效率。
值得说明的是,调配本地服务器对待监控的资源进行监控时,主要是耗费本地服务器的资源,直接完成对监控资源的采集任务,该任务实时性比较好,基本没有延迟;调配云数据中心对待监控的资源进行监控时,在对监控资源进行采集时有非常稳定可靠的保障,但由于通信等过程将会耗费一部分时间,因此实时性相对较差一些,会稍有延迟。因此,在本地服务器能够支撑的监控负载下选择由本地服务器进行监控,而在本地服务器不能够支撑的监控负载下选择由云数据中心进行监控。
例如,计算出本地服务器的监控负载临界阈值为5.2,而计算出监控负载为4.68,由于4.68<5.2,说明该本地服务器的压力适合进行监控,能够支撑,所以调配到本地服务器对待监控的资源进行监控;若计算出监控负载为6.24,由于6.24>5.2,则说明本地服务器的压力不适合进行监控,不能够支撑,所以需调配到云数据中心对待监控的资源进行监控。
另外,实际过程中,可能同时会有多台本地服务器运行。例如,有3台本地服务器,本地服务器a的监控负载临界阈值为1.6,其对应的监控负载为1.4,本地服务器b的监控负载临界阈值为5.2,其对应的监控负载为6.24,本地服务器c的监控负载临界阈值为8.4,其对应的监控负载为8.82,由于,1.4<1.6、6.24>5.2、8.82>8.4,可见本地服务器a还能够进行资源监控,而本地服务器b和c不能再进行资源监控,因此一部分资源调配本地服务器a完成监控,而剩余资源交由云数据中心完成监控。若之后经过一段时间,本地服务器b和c的监控负载均不再大于相对应的监控负载临界阈值,则可以重新调配这两个本地服务器进行资源监控。
除此之外,例如,3台本地服务器的监控负载临界阈值均为5.2,对应的监控负载均为6.24,此时,3台本地服务器均不再对相关资源进行监控,而是均交由云数据中心进行监控;若3台本地服务器的监控负载临界阈值均为1.6,对应的监控负载均为1.4,此时,3台本地服务器均可进行资源的监控,而无需调配云数据中心进行资源监控。
为了能够较准确地计算出本地服务器的监控负载临界阈值,本发明一个实施例中,
所述根据所述属性,计算所述本地服务器的监控负载临界阈值,包括:
根据下述第一计算公式(1),计算所述本地服务器的监控负载临界阈值;
R0=n*a1+m*a2+B*a3 (1)
其中,R0表征所述监控负载临界阈值;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值。
上述实施例中,n的单位为个数,m的单位可以为G;B的单位可以为100Mbps,且在具体使用时,a1、a2和a3的值用户可根据实际需求自行设定,但在一般情况下,a1、a2和a3可分别取40%、40%和20%。例如,本地服务器d中的CPU核数为8个、内存大小为8G、网络带宽为1000Mbps,则利用公式(1)可计算出本地服务器d的监控负载临界阈值为8*40%+8*40%+10*20%=8.4。
再如,本地服务器e中的CPU核数为16个、内存大小为16G、网络带宽为双1000Mbps网络,则利用公式(1)计算出本地服务器e的监控负载临界阈值为16*40%+16*40%+2*10*20%=16.8。
再如,针对属性为双核CPU/1G内存/100Mbps,可计算出监控负载临界阈值为1.4;针对属性为双核CPU/2G内存/100Mbps,可计算出监控负载临界阈值为1.8;针对属性为4核CPU/2G内存/100Mbps,可计算出监控负载临界阈值为2.6;针对属性为4核CPU/4G内存/1000Mbps,可计算出监控负载临界阈值为5.2…
根据本地服务器的CPU核数、内存大小、网络带宽以及每一项分别对应的权重值,能够较准确地计算出本地服务器所能承受的最大监控负载,也即监控负载临界阈值,从而能够进行后续的调配,而且提高了调配的准确性。
为了能够较准确地计算出本地服务器的当前监控负载,本发明一个实施例中,进一步包括:设置对应所述本地服务器的基础环境系数;
所述根据所述属性,计算所述本地服务器的当前监控负载,包括:
根据下述第二计算公式(2),计算所述本地服务器的当前监控负载;
R=(n*a1+m*a2+B*a3)*λ (2)
其中,R表征所述当前监控负载;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值;λ表征所述预设的基础环境系数。
上述实施例中,预设的基础环境系数可能与多种因素有关。例如,与用户希望本地服务器运行的压力高低、对资源监控的实时性要求等其它多种因素有关。
例如,本地服务器f中的CPU核数为4个、CPU核数对应的权重值为40%、内存大小为4G、内存大小对应的权重值为40%、网络带宽为1000Mbps、网络带宽对应的权重值为20%以及预设的基础环境系数为0.9,则利用公式(2)计算出本地服务器f的监控负载为(4*40%+4*40%+10*20%)*0.9=4.68,且可通过公式(1)计算出本地服务器f的监控负载临界阈值可为4*40%+4*40%+10*20%=5.2。
再如,取λ=0.8,针对属性为双核CPU/1G内存/100Mbps,可计算出监控负载为1.12;针对属性为双核CPU/3G内存/100Mbps,可计算出监控负载为1.76;针对属性为3核CPU/2G内存/100Mbps,可计算出监控负载为1.76;针对属性为4核CPU/6G内存/1000Mbps,可计算出监控负载为4.8,针对属性为6核CPU/8G内存/1000Mbps,可计算出监控负载为6.08,针对属性为12核CPU/12G内存/1000Mbps,可计算出监控负载为9.28…
下面将以本地服务器g,且本地服务器g的CPU核数为4个、内存大小为4G、网络带宽为1000Mbps为例,详细说明本发明实施例提供的一种资源监控方法,如图2所示,该方法可以包括以下步骤:
步骤201:确定本地服务器g的CPU核数、内存大小、网络带宽。
例如,本地服务器g的CPU核数为4个、内存大小为4G、网络带宽为1000Mbps。
步骤202:设置对应本地服务器g的基础环境系数。
例如,基础环境系数设置为1.2。
步骤203:根据CPU核数、内存大小和网络带宽,计算出本地服务器g的监控负载临界阈值。
可根据公式R0=n*a1+m*a2+B*a3计算本地服务器g的监控负载临界阈值,其中,R0表征所述监控负载临界阈值;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值。例如,a1=40%、a2=40%,a3=20%,再根据上述步骤201中确定出的n=4、m=4,B=1000,可计算出监控负载临界阈值为4*40%+4*40%+10*20%=5.2,其中,B的单位采用100Mbps。
步骤204:根据CPU核数、内存大小、网络带宽及基础环境系数,计算出本地服务器g的当前监控负载。
可根据公式R=(n*a1+m*a2+B*a3)*λ计算本地服务器g的监控负载,其中,R表征所述当前监控负载;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值;λ表征所述预设的基础环境系数。根据上述步骤203,a1=40%、a2=40%,a3=20%,以及上述步骤201中确定出的n=4、m=4,B=1000,以及上述步骤202中确定出的基础环境系数λ=1.2,可计算出本地服务器g的当前监控负载为(4*40%+4*40%+10*20%)*1.2=6.24。
步骤205:判断当前监控负载是否大于监控负载临界阈值,如果是,则执行步骤206,否则,执行步骤207。
由上述步骤203和上述步骤204可知R=6.24>R0=5.2,因此执行步骤206;若经过一段时间,用户将基础环境系数调整为0.9,此时再根据计算公式(2)计算出的本地服务器g的监控负载为(4*40%+4*40%+10*20%)*0.9=4.68,那么由于此时R=4.68<R0=5.2,因此应执行步骤207。
步骤206:调配云数据中心对待监控的资源进行监控。
此时,本地服务器g的压力不足以支撑对待监控资源进行监控,已经超出了其本身所能接受的最大监控负载5.2,因此此时需要改由云数据中心对待监控的资源进行监控。
步骤207:调配本地服务器g对待监控的资源进行监控。
此时,本地服务器g的压力足以支撑对待监控资源进行监控,并未超过其本身所能接受的最大监控负载5.2,因此此时为保证对待监控资源的实时性,可调配本地服务器g对待监控的资源进行监控。
如图3所示,本发明实施例提供了一种本地服务器,该装置可以包括:确定单元301、第一计算单元302、第二计算单元303、判断单元304、第一调配单元305及第二调配单元306;其中,
所述确定单元301,用于确定本地服务器的属性;
所述第一计算单元302,用于计算所述本地服务器的监控负载临界阈值;
所述第二计算单元303,用于根据所述属性,计算所述本地服务器的当前监控负载;所述属性,包括:中央处理器CPU核数、内存大小和网络带宽;
所述判断单元304,用于判断所述监控负载是否大于所述监控负载临界阈值;
所述第一调配单元305,用于当所述判断单元304判断出所述当前监控负载大于所述监控负载临界阈值时,调配云数据中心对待监控的资源进行监控;
所述第二调配单元306,用于当所述判断单元304判断出所述当前监控负载不大于所述监控负载临界阈值时,调配所述所在本地服务器对待监控的资源进行监控。
为了能够较准确地计算出本地服务器的监控负载临界阈值,本发明一个实施例中,
所述第一计算单元302,具体用于根据下述第一计算公式(1),计算所述本地服务器的监控负载临界阈值;
R0=n*a1+m*a2+B*a3 (1)
其中,R0表征所述监控负载临界阈值;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值。
为了能够较准确地计算出本地服务器的当前监控负载,本发明一个实施例中,如图4所示,进一步包括:设置单元401;
所述设置单元401,用于设置对应所述本地服务器的基础环境系数;
所述第二计算单元303,具体用于根据下述第二计算公式(2),计算所述本地服务器的当前监控负载;
R=(n*a1+m*a2+B*a3)*λ (2)
其中,R表征所述当前监控负载;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值;λ表征所述设置单元设置的对应所述本地服务器的基础环境系数。
上述装置内的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例提供了一种资源监控系统,包括:至少一个云数据中心,以及至少一个上述各个实施例提到的本地服务器;其中,
所述至少一个云数据中心,用于通过所述至少一个本地服务器的调配,对待监控的资源进行监控。
如图5所示,该资源监控系统,包括:本地服务器p(502)、本地服务器q(502),以及一个云数据中心501,那么当本地服务器p和本地服务器q的当前监控负载均超出相对应的监控负载阈值时,均不再进行资源的监控,而是调配云数据中心501实现对相关资源的监控。
本发明还提供了一种可读介质,包括执行指令,当存储控制器的处理器执行所述执行指令时,所述存储控制器执行本发明上述任一实施例提供的动态调配的双通道架构式云监控方法。
另外,本发明还提供了一种存储控制器,包括:处理器、存储器和总线;所述存储器用于存储执行指令,所述处理器与所述存储器通过所述总线连接,当所述存储控制器运行时,所述处理器执行所述存储器存储的所述执行指令,以使所述存储控制器执行本发明上述任一实施例提供的动态调配的双通道架构式云监控方法。
综上,本发明各个实施例至少具有如下有益效果:
1、在本发明实施例中,在对待监控的资源进行监控时,首先根据本地服务器的属性,计算出该本地服务器所能接受的最大监控负载,也即监控负载临界阈值,然后根据属性,再计算出本地服务器的监控负载,如果计算出的监控负载超出了监控负载临界阈值,则此时说明该本地服务器不再适合进行资源的监控,从而避免在本地服务器的负载过高时出现监控效率较低的情况,并改由云数据中心对资源进行监控,另外,如果计算出的当前监控负载并未超出监控负载临界阈值,则继续调配该本地服务器对待监控的资源进行监控,从而提高了云资源的监控效率。
2、在本发明实施例中,通过动态调配本地服务器和云数据中心对待监控的资源进行监控,保障了对资源监控达到即实时性高又稳定可靠性强发的优点,打破了对云监控的局限性,促进了大规模云数据中心的发展。
3、在本发明实施例中,通过使用两种对资源的监控模式,互补了两种监控模式自身的不足,从而使得整个资源监控过程中的资源耗费更合理,压力更均衡,避免了本地服务器单方面原因造成的监控效率较低或者是无法进行资源监控的问题,提高了对云资源监控的可靠性。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个〃·····”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (9)
1.一种资源监控方法,其特征在于,包括:
确定本地服务器的属性;
根据所述属性,计算所述本地服务器的监控负载临界阈值;
根据所述属性,计算所述本地服务器的当前监控负载;所述属性,包括:中央处理器CPU核数、内存大小和网络带宽;
判断所述当前监控负载是否大于所述监控负载临界阈值;
如果是,则调配云数据中心对待监控的资源进行监控;
如果否,则调配所述本地服务器对待监控的资源进行监控。
2.根据权利要求1所述的方法,其特征在于,
所述根据所述属性,计算所述本地服务器的监控负载临界阈值,包括:
根据下述第一计算公式,计算所述本地服务器的监控负载临界阈值;
R0=n*a1+m*a2+B*a3
其中,R0表征所述监控负载临界阈值;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值。
3.根据权利要求1或2所述的方法,其特征在于,
进一步包括:设置对应所述本地服务器的基础环境系数;
所述根据所述属性,计算所述本地服务器的当前监控负载,包括:
根据下述第二计算公式,计算所述本地服务器的当前监控负载;
R=(n*a1+m*a2+B*a3)*λ
其中,R表征所述当前监控负载;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值;λ表征对应所述本地服务器的基础环境系数。
4.根据权利要求3所述的方法,其特征在于,
所述CPU核数对应的权重值为40%,所述内存大小对应的权重值为40%,所述网络带宽对应的权重值为20%。
5.一种本地服务器,其特征在于,包括:确定单元、第一计算单元、第二计算单元、判断单元、第一调配单元及第二调配单元;其中,
所述确定单元,用于确定所在本地服务器的属性;
所述第一计算单元,用于计算所述本地服务器的监控负载临界阈值;
所述第二计算单元,用于根据所述属性,计算所述本地服务器的当前监控负载;所述属性,包括:中央处理器CPU核数、内存大小和网络带宽;
所述判断单元,用于判断所述当前监控负载是否大于所述监控负载临界阈值;
所述第一调配单元,用于当所述判断单元判断出所述监控负载大于所述监控负载临界阈值时,调配云数据中心对待监控的资源进行监控;
所述第二调配单元,用于当所述判断单元判断出所述监控负载不大于所述监控负载临界阈值时,调配所述所在本地服务器对待监控的资源进行监控。
6.根据权利要求5所述的本地服务器,其特征在于,
所述第一计算单元,具体用于根据下述第一计算公式,计算所述本地服务器的监控负载临界阈值;
R0=n*a1+m*a2+B*a3
其中,R0表征所述监控负载临界阈值;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值。
7.根据权利要求5或6中任一所述的本地服务器,其特征在于,
进一步包括:设置单元;
所述设置单元,用于设置对应所述本地服务器的基础环境系数;
所述第二计算单元,具体用于根据下述第二计算公式,计算所述本地服务器的当前监控负载;
R=(n*a1+m*a2+B*a3)*λ
其中,R表征所述当前监控负载;n表征所述CPU核数;a1表征所述CPU核数对应的权重值;m表征所述内存大小;a2表征所述内存大小对应的权重值;B表征所述网络带宽;a3表征所述网络带宽对应的权重值;λ表征对应所述本地服务器的基础环境系数。
8.根据权利要求7所述的本地服务器,其特征在于,
所述CPU核数对应的权重值为40%,所述内存大小对应的权重值为40%,所述网络带宽对应的权重值为20%。
9.一种资源监控系统,其特征在于,包括:至少一个云数据中心,以及至少一个权利要求5至8中任一所述的本地服务器,其中,
所述至少一个云数据中心,用于通过所述至少一个本地服务器的调配,对待监控的资源进行监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710329790.1A CN106961490A (zh) | 2017-05-11 | 2017-05-11 | 一种资源监控方法及系统、一种本地服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710329790.1A CN106961490A (zh) | 2017-05-11 | 2017-05-11 | 一种资源监控方法及系统、一种本地服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106961490A true CN106961490A (zh) | 2017-07-18 |
Family
ID=59482319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710329790.1A Pending CN106961490A (zh) | 2017-05-11 | 2017-05-11 | 一种资源监控方法及系统、一种本地服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106961490A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124331A (zh) * | 2017-05-16 | 2017-09-01 | 郑州云海信息技术有限公司 | 一种基于网状互联结构的大规模服务器监控方法及装置 |
CN108259603A (zh) * | 2018-01-17 | 2018-07-06 | 新华三技术有限公司 | 一种负载均衡方法及装置 |
CN113032225A (zh) * | 2021-05-24 | 2021-06-25 | 上海有孚智数云创数字科技有限公司 | 数据中心的监控数据处理方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103477323A (zh) * | 2011-01-05 | 2013-12-25 | 阿尔卡特朗讯 | 企业应用的无缝缩放 |
CN106127396A (zh) * | 2016-06-30 | 2016-11-16 | 国网山东省电力公司无棣县供电公司 | 一种智能电网中云调度任务的方法 |
CN106339386A (zh) * | 2015-07-08 | 2017-01-18 | 阿里巴巴集团控股有限公司 | 数据库弹性调度方法以及装置 |
-
2017
- 2017-05-11 CN CN201710329790.1A patent/CN106961490A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103477323A (zh) * | 2011-01-05 | 2013-12-25 | 阿尔卡特朗讯 | 企业应用的无缝缩放 |
CN106339386A (zh) * | 2015-07-08 | 2017-01-18 | 阿里巴巴集团控股有限公司 | 数据库弹性调度方法以及装置 |
CN106127396A (zh) * | 2016-06-30 | 2016-11-16 | 国网山东省电力公司无棣县供电公司 | 一种智能电网中云调度任务的方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124331A (zh) * | 2017-05-16 | 2017-09-01 | 郑州云海信息技术有限公司 | 一种基于网状互联结构的大规模服务器监控方法及装置 |
CN107124331B (zh) * | 2017-05-16 | 2019-12-31 | 苏州浪潮智能科技有限公司 | 一种基于网状互联结构的大规模服务器监控方法及装置 |
CN108259603A (zh) * | 2018-01-17 | 2018-07-06 | 新华三技术有限公司 | 一种负载均衡方法及装置 |
CN113032225A (zh) * | 2021-05-24 | 2021-06-25 | 上海有孚智数云创数字科技有限公司 | 数据中心的监控数据处理方法、装置、设备及存储介质 |
CN113032225B (zh) * | 2021-05-24 | 2021-08-06 | 上海有孚智数云创数字科技有限公司 | 数据中心的监控数据处理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110221915B (zh) | 节点调度方法和装置 | |
CN101715003B (zh) | 互操作平台的负载控制优化方法 | |
US20120060167A1 (en) | Method and system of simulating a data center | |
TWI755415B (zh) | 雲端環境下應用集群資源分配的方法、裝置和系統 | |
CN103970587B (zh) | 一种资源调度的方法、设备和系统 | |
CN107656813A (zh) | 一种负载调度的方法、装置及终端 | |
CN104901898A (zh) | 一种负载均衡方法及装置 | |
CN103916438B (zh) | 基于负载预测的云测试环境调度方法及其系统 | |
CN106919449A (zh) | 一种计算任务的调度控制方法及电子设备 | |
CN109783157A (zh) | 一种算法程序加载的方法及相关装置 | |
US11822969B2 (en) | Resource management platform-based task allocation method and system | |
CN106961490A (zh) | 一种资源监控方法及系统、一种本地服务器 | |
CN107729514A (zh) | 一种基于hadoop的副本放置节点确定方法及装置 | |
CN109656723A (zh) | 容器资源调度方法及装置 | |
CN110401695A (zh) | 云资源动态调度方法、装置和设备 | |
CN113590403A (zh) | 压力测试方法、装置、系统、电子设备、存储介质及产品 | |
CN114564374A (zh) | 算子性能评估方法、装置、电子设备及存储介质 | |
CN106325976A (zh) | 一种渲染任务调度处理方法及服务器 | |
CN110297743B (zh) | 一种负载测试方法、装置和存储介质 | |
CN108694083B (zh) | 一种服务器的数据处理方法和装置 | |
EP2829972B1 (en) | Method and apparatus for allocating stream processing unit | |
CN109347982A (zh) | 一种数据中心的调度方法及装置 | |
CN109992392A (zh) | 一种资源部署方法、装置及资源服务器 | |
CN107172193A (zh) | 一种基于集群的负载均衡方法及其装置 | |
CN105204945B (zh) | 一种在大数据背景下的负载平衡装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170718 |