CN107436803A - 工作负载的优化方法 - Google Patents
工作负载的优化方法 Download PDFInfo
- Publication number
- CN107436803A CN107436803A CN201610352132.XA CN201610352132A CN107436803A CN 107436803 A CN107436803 A CN 107436803A CN 201610352132 A CN201610352132 A CN 201610352132A CN 107436803 A CN107436803 A CN 107436803A
- Authority
- CN
- China
- Prior art keywords
- consumption
- type resource
- workload
- curve
- resource consumption
- 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
Links
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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- 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
- G06F2209/503—Resource availability
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种工作负载的优化方法。通过依照标准偏差或容量递减的次序来对代表各别工作负载的工作负载消耗型资源消耗曲线进行排序,二个工作负载消耗型资源消耗曲线可结合以确认是否满足结合准则。如果任一种结合满足该结合准则,对应的工作负载可结合以分享系统中相同的资源。因而,可以实现工作负载消耗型资源优化使用。
Description
技术领域
本发明涉及资源优化领域,特别是涉及一种工作负载的优化方法。
背景技术
近日,对网络商店、新闻媒体及其它在线网页或服务来说,云端计算架构的问世已对快速、可扩展的资源部署产生了新需求。通常来说,云端架构决定了一套资源,诸如电力、CPU(中央处理器)数量、储存设备容量、操作系统、带宽等等的部署。这些资源可以相互结合或连结而用于某特定工作负载或一群工作负载。工作负载可以是电子邮件服务、ERP系统(Enterprise Resource Planning)运作、数据归档、影音串流服务,或前述的其它服务。在数据中心或云端储存系统中这些工作负载资源的优化使用可减少资源浪费,却不会违反服务层级协议(SLA,Service Level Agreement)中对工作负载表现性能的需求。此外,电力消耗、维护与新硬件补充的成本可因此减少。
资源优化使用不是个容易的工作,这是因为所有工作负载都是随着时间变动的,而资源动态部署无法跟上变动的速度。增加更多资源应对来自运作中工作负载突然产生的需求可能是一种安全但不经济的方式。同时,某些硬设备,如硬盘或固态硬盘,都是消耗品,周期性或偶尔置换该些损坏的硬设备使得存储资源的真实容量更难预测。因此,对于数据中心或云端储存系统的运作来说,对应用的工作负载的资源优化使用是个牵涉面广的考虑。
传统技术中有许多关于上述提到问题的解决方案。例如,传统解决方案中提供一种对需求驱动型工作负载优化用来执行提交给计算机系统任务的分享资源的调度方法,主要步骤包括:接收请求以执行任务(所述请求包括任务所需的运行时间和资源需求);选择满足要求的运行时间的预期运行时间表,及满足该资源需求的计算机系统,依照该预期运行时间表决定(响应该请求)供使用计算机系统资源的任务执行价格,及如果该价格被接受,依照该预期运行时间 表调度该任务以执行使用该计算机系统资源。所述的价格随着对应该预期运行时间表时间的计算机系统资源可获得性函数而变动,而该可获得性是在价格决定时进行测量。若上述发明应用到数据中心,该任务就为使用的工作负载。价格是用于决定哪一个任务(工作负载)应使用可获得的资源的测量。只要价格最低,资源的优化使用就可进行。
但上述传统解决方案存在一些限制。首先,工作负载应对时间有足够的“弹性”。这意味着工作负载需求可在任何时间点获得满足,或至少能在接受工作负载的需求指示后一段时间内获得满足。对某些时序无弹性型工作负载,也就是工作负载对时间点的要求是刚性且需要尽快进行处理的工作负载,它们不适用于可接受的“低价格”(或低优先性)。其次,对每一工作负载而言,价格难以量化。价格是主观性的决定而无客观标准。
在数据中心或云端储存系统中缺乏对时序无弹性型工作负载消耗型资源优化使用的情形下,亟需一种创新的方法或一种使用该方法的系统来提供理想的解决方案。
发明内容
鉴于此,有必要针对传统技术中缺乏对时序无弹性型工作负载进行工作负载消耗型资源优化使用的问题,提供一种工作负载的优化方法,可以实现对时序无弹性型工作负载的工作负载消耗型资源优化使用。
为了解决上述问题,本发明提供一种工作负载的优化方法,该方法包含步骤:
A、提供多个工作负载消耗型资源消耗曲线并计算每一工作负载消耗型资源消耗曲线的标准偏差,其中每一工作负载消耗型资源消耗曲线为在周期内由特定时序无弹性型工作负载所消耗的工作负载消耗型资源数量的记录;
B、决定所述工作负载消耗型资源的单元容量;
C、依照所述标准偏差的次序,将所述工作负载消耗型资源消耗曲线在序列中进行排序;
D、设定所述序列中的第一个工作负载消耗型资源消耗曲线为测试工作负载消耗型资源消耗曲线,及所述序列中的第二个工作负载消耗型资源消耗曲线为目标工作负载消耗型资源消耗曲线;
E、结合所述目标工作负载消耗型资源消耗曲线与所述测试工作负载消耗型资源消耗曲线为结合的工作负载消耗型资源消耗曲线;
F、确认所述结合的工作负载消耗型资源消耗曲线的最大量是否小于所述单元容量且所述结合的工作负载消耗型资源消耗曲线的标准偏差是否小于测试工作负载消耗型资源消耗曲线的标准偏差;
G、如果步骤F的确认结果为否,选择次于前一个目标工作负载消耗型资源消耗曲线的工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线,直到所述序列中最后的工作负载消耗型资源消耗曲线被选作所述目标工作负载消耗型资源消耗曲线并执行步骤E;
H、如果步骤F的确认结果为是,移除用于结合的二个工作负载消耗型资源消耗曲线且依照标准偏差的次序将所述结合的工作负载消耗型资源消耗曲线放置在所述序列中;及
I、对每一结合的工作负载与未结合的工作负载指定工作负载消耗型资源的运作量,其中所述运作量等于或小于所述单元容量但大于对应结合的工作负载或未结合的工作负载的工作负载消耗型资源消耗曲线中的最大量。
在其中一个实施例中,进一步在步骤H后包含步骤:
H1、重复执行步骤D直到最后的工作负载消耗型资源消耗曲线已结合用于步骤F;
H2、重设定所述测试工作负载消耗型资源消耗曲线为序列中第(n+1)个工作负载消耗型资源消耗曲线,其中前一个测试工作负载消耗型资源消耗曲线为序列中第n个工作负载消耗型资源消耗曲线;
H3、确认目前测试工作负载消耗型资源消耗曲线是否为最后的工作负载消耗型资源消耗曲线;
H4、如果步骤H3的确认结果为否,选择次于重设的测试工作负载消耗型资 源消耗曲线的工作负载消耗型资源消耗曲线为所述目标工作负载消耗型资源消耗曲线,或如果步骤H3的确认结果为是,执行步骤I;
H5、重复步骤E到步骤F直到结合的工作负载消耗型资源消耗曲线满足步骤F中的结合准则,或最后的工作负载消耗型资源消耗曲线已结合用于步骤F;
H6、确认结合的工作负载消耗型资源消耗曲线是否满足步骤H5中的结合准则;及
H7、如果步骤H6的确认结果为是,执行步骤H1,或如果步骤H6的确认结果为否,执行步骤H2。
在其中一个实施例中,其中所述工作负载消耗型资源消耗曲线通过记录由特定工作负载所消耗的工作负载消耗型资源的量、基于历史记录预测由所述特定工作负载所消耗的工作负载消耗型资源的趋势,或结合一部分预测趋势与一部分由所述特定工作负载所消耗的工作负载消耗型资源的量的历史记录而获得。
在其中一个实施例中,所述次序为递增次序或递减次序。
在其中一个实施例中,所述工作负载消耗型资源包括工作负载所消耗的电力、储存容量、带宽、CPU(中央处理器)核心数、IOPS(每秒输入/输出操作次数)、流通量(throughput)或延迟时间。
在其中一个实施例中,所述单元容量为指定用于工作负载的工作负载消耗型资源的一部分,且大于任一工作负载需要的量。
在其中一个实施例中,进一步在步骤I前包含步骤:
H8、在序列中依照标准偏差的次序插入关于新的工作负载的新的工作负载消耗型资源消耗曲线;
H9、在所述序列中任意地选择新的工作负载消耗型资源消耗曲线之前的一个工作负载消耗型资源消耗曲线来重设定所述测试工作负载消耗型资源消耗曲线,及选择所述序列中重设的测试工作负载消耗型资源消耗曲线后的第二个工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线;及
H10、执行步骤E至步骤H7数个循环,以便所述测试工作负载消耗型资源消耗曲线在所述序列中依照标准偏差的次序落后于新插入的工作负载消耗型资源消耗曲线,或所述新插入的工作负载消耗型资源消耗曲线已被结合。
本发明还提供了另一种工作负载的优化方法,该方法包含步骤:
A、提供多个工作负载消耗型资源消耗曲线,其中每一工作负载消耗型资源消耗曲线为在周期内由特定时序无弹性型工作负载所消耗的工作负载消耗型资源数量的记录;
B、决定所述工作负载消耗型资源的单元容量;
C、依照容量递减的次序,排序将所述工作负载消耗型资源消耗曲线在序列中进行排序;
D、设定所述序列中的第一个工作负载消耗型资源消耗曲线为测试工作负载消耗型资源消耗曲线,及所述序列中的第二个工作负载消耗型资源消耗曲线为目标工作负载消耗型资源消耗曲线;
E、结合所述目标工作负载消耗型资源消耗曲线与所述测试工作负载消耗型资源消耗曲线为结合的工作负载消耗型资源消耗曲线;
F、确认所述结合的工作负载消耗型资源消耗曲线的最大量是否小于该单元容量;
G、如果步骤F的确认结果为否,选择次于前一个目标工作负载消耗型资源消耗曲线的工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线,直到所述序列中最后的工作负载消耗型资源消耗曲线被选作所述目标工作负载消耗型资源消耗曲线并执行步骤E;
H、如果步骤F的确认结果为是,移除用于结合的二个工作负载消耗型资源消耗曲线且依照容量递减的次序将所述结合的工作负载消耗型资源消耗曲线放置在所述序列中;及
I、对每一结合的工作负载与未结合的工作负载指定工作负载消耗型资源的运作量,其中所述运作量等于或小于所述单元容量但大于对应结合的工作负载或未结合的工作负载的工作负载消耗型资源消耗曲线中的最大量。
在其中一个实施例中,进一步在步骤H后包含步骤:
H1、重复执行步骤D直到最后的工作负载消耗型资源消耗曲线已结合用于步骤F;
H2、重设定所述测试工作负载消耗型资源消耗曲线为序列中第(n+1)个工作负载消耗型资源消耗曲线,其中前一个测试工作负载消耗型资源消耗曲线为序列中第n个工作负载消耗型资源消耗曲线;
H3、确认目前测试工作负载消耗型资源消耗曲线是否为最后的工作负载消耗型资源消耗曲线;
H4、如果步骤H3的确认结果为否,选择次于重设的测试工作负载消耗型资源消耗曲线的工作负载消耗型资源消耗曲线为所述目标工作负载消耗型资源消耗曲线,或如果步骤H3的确认结果为是,执行步骤I;
H5、重复步骤E到步骤F直到结合的工作负载消耗型资源消耗曲线满足步骤F中的结合准则,或最后的工作负载消耗型资源消耗曲线已结合用于步骤F;
H6、确认结合的工作负载消耗型资源消耗曲线是否满足步骤H5中的结合准则;及
H7、如果步骤H6的确认结果为是,执行步骤H1,或如果步骤H6的确认结果为否,执行步骤H2。
在其中一个实施例中,所述工作负载消耗型资源消耗曲线通过记录由特定工作负载所消耗的工作负载消耗型资源的量、基于历史记录预测由所述特定工作负载所消耗的工作负载消耗型资源的趋势,或结合一部分预测趋势与一部分由所述特定工作负载所消耗的工作负载消耗型资源的量的历史记录而获得。
在其中一个实施例中,所述工作负载消耗型资源包括工作负载所消耗的电力、储存容量、带宽、CPU核心数、IOPS、流通量或延迟时间。
在其中一个实施例中,所述单元容量为指定用于工作负载的工作负载消耗型资源的一部分,且大于任一工作负载需要的量。
在其中一个实施例中,进一步在步骤I前包含步骤:
H8、在序列中依照容量递减的次序插入关于新的工作负载的新的工作负载 消耗型资源消耗曲线;
H9、在所述序列中任意地选择新的工作负载消耗型资源消耗曲线之前的一个工作负载消耗型资源消耗曲线来重设定所述测试工作负载消耗型资源消耗曲线,及选择所述序列中重设的测试工作负载消耗型资源消耗曲线后的第二个工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线;及
H10、执行步骤E至步骤H7数个循环,以便所述测试工作负载消耗型资源消耗曲线在所述序列中依照容量递减的次序落后于新插入的工作负载消耗型资源消耗曲线,或所述新插入的工作负载消耗型资源消耗曲线已被结合。
本发明的有益效果至少包括:
上述工作负载的优化方法,通过依照标准偏差或容量递减的次序来对代表各别工作负载的工作负载消耗型资源消耗曲线进行排序,二个工作负载消耗型资源消耗曲线可结合以确认是否满足结合准则。如果任一种结合满足该结合准则,对应的工作负载可结合以分享系统中相同的资源。因而,可以实现工作负载消耗型资源优化使用。
附图说明
图1为一个实施例中的工作负载的优化方法的流程示意图;
图2为一个实施例中的运算E-mail服务一周内所消耗的IOPS的记录;
图3为一个实施例中的在云端系统的9个运作工作负载中找出可进行工作负载结合的列表示意图;
图4为另一个实施例中的工作负载的优化方法的流程示意图;
图5为第一实施例中一个具体例子的结果窗体示意图;
图6为图5所示窗体示意图的另一具体实施例;
图7为又一个实施例中的工作负载的优化方法的流程示意图。
具体实施方式
本发明将参照下述的实施方式而更具体地描述。
本发明提供工作负载的优化方法,在本实施例中,工作负载包括时序无弹性型工作负载,优化方法包括对工作负载的工作负载消耗型资源(Workload-Consumed Resource,WCR)优化方法,而该时序无弹性型工作负载是运作在储存系统或云端平台上。此外,这些方法可依照时序无弹性型工作负载的某些特征进行结合,使用储存系统或云端平台内给定资源。因此,工作负载消耗型资源指的是储存系统或云端平台提供给工作负载的任何硬件以进行优先性处理的资源。工作负载消耗型资源,举例来说,可以是工作负载所消耗的电力、储存容量、带宽、CPU(中央处理器)核心数、IOPS(每秒输入/输出操作次数)、流通量、延迟时间等。在以下实施例中,使用的工作负载消耗型资源并不限于上述列举。任何合适的工作负载消耗型资源均可替换上述工作负载消耗型资源,而这些可替换的工作负载消耗型资源对本发明所属领域中的人来说,是常见的应用。工作负载消耗型资源消耗曲线(Workload-Consumed Resource Profiles,WCRP)可通过记录由特定工作负载所消耗的工作负载消耗型资源的量而获得,它也能基于历史记录预测由该特定工作负载所消耗的工作负载消耗型资源的趋势而得到。此处,任何能够提供这样预测服务的合适方法、算法,或模块都能使用。最好使用由相同发明人在美国专利申请案第14/290,533号中所提供的一种储存设备流量模型,可由该申请案获得预测由特定工作负载所消耗的工作负载消耗型资源的趋势的技术参考。当然,工作负载消耗型资源消耗曲线更可通过结合一部分预测趋势与一部分由该特定工作负载所消耗的工作负载消耗型资源的量的历史记录而获得。本发明并不限定。
第一实施例
请参阅图1,该图为一个实施例中的工作负载的优化方法的流程图。该方法的第一个步骤为:S01,提供多个工作负载消耗型资源消耗曲线并计算每一工作负载消耗型资源消耗曲线的标准偏差。其中,每一工作负载消耗型资源消耗曲线为在周期内由特定时序无弹性型工作负载所消耗的工作负载消耗型资源数量的记录。为了说明何谓工作负载消耗型资源消耗曲线以及标准偏差如何计算, 请见图2。该例子显示一周内云端电子邮件服务(工作负载)消耗的IOPS的记录。该曲线为工作负载消耗型资源消耗曲线。从所有的历史记录来看,该曲线的每周趋势大致相同。峰值出现在每周二中午,谷值出现在每周三午夜。趋势显示每个周日、周二与周五几乎都有IOPS需求的相对峰值。每周都可以得到类似的曲线,只是具有不同的极端值。因为电子邮件应该要及时传送及接收,IOPS工作负载消耗型资源因此也应该要随时满足需求而不能有延迟情况,这才完全符合本发明的目的。一个对比例子是数据归档服务,因为该服务可以稍后在低流量的时间来处理,所以它不是个时序无弹性型工作负载。一周的时间可视为一个周期。标准偏差可由以下公式获得:
SD(WCR)是计算获得的标准偏差,n是该周期内的取样数,而WCR(t)指的是每一取样点的值(IOPS),是所有取样IOPS的算术平均数。
图2显示一个峰值3550。依照常理考虑,系统管理员应该由运作该云端电子邮件服务系统中保留4000的IOPS给云端电子邮件服务。这是个简便的方法且不必随时调整IOPS。然而,可以了解IOPS=4000与前述曲线间的面积意味着资源浪费。如果另一个工作负载也与云端电子邮件服务分享相同的IOPS量(4000),且二个工作负载消耗型资源消耗曲线的结合(仍然是个曲线)还是低于IOPS=4000,资源的浪费可进一步减少。系统中可能有上千个工作负载,本发明是用来找出合适的工作负载(工作负载消耗型资源消耗曲线),结合使用给定的资源。
该方法的第二个步骤为:S02,决定该工作负载消耗型资源的单元容量。单元容量为指定用于工作负载的工作负载消耗型资源的一部分,且大于任一工作负载需要的量。在图2的例子中,4000的IOPS可用做该单元容量。单元容量依照系统设定,可以是系统的最小分割使用量。单元容量越大,可以结合的工作负载越多。
下一步,S03,依照标准偏差的次序,将工作负载消耗型资源消耗曲线在序列中进行排序。该次序可以是递增次序或递减次序。接着,S04,设定该序列中的第一个工作负载消耗型资源消耗曲线为测试工作负载消耗型资源消耗曲线,及该序列中的第二个工作负载消耗型资源消耗曲线为目标工作负载消耗型资源消耗曲线。测试工作负载消耗型资源消耗曲线与目标工作负载消耗型资源消耗曲线是用来分别描述进行结合测试的二条曲线,以便能找出合格的结合方式。因而,下一步骤是:S05,结合该目标工作负载消耗型资源消耗曲线与该测试工作负载消耗型资源消耗曲线为结合的工作负载消耗型资源消耗曲线。要强调的是对本发明中所有的实施例而言,测试或目标工作负载消耗型资源消耗曲线可能是一个未经结合的工作负载消耗型资源消耗曲线,它也可能是一个已经结合的工作负载消耗型资源消耗曲线(多个工作负载消耗型资源消耗曲线结合以形成新的工作负载消耗型资源消耗曲线)。
参见图1,要进行调整:S06,确认该结合的工作负载消耗型资源消耗曲线的最大量是否小于该单元容量,且该结合的工作负载消耗型资源消耗曲线的标准偏差是否小于测试工作负载消耗型资源消耗曲线的标准偏差。如果前二个结合准则满足了,即如果步骤S06的确认结果为是,S07,移除用于结合的二个工作负载消耗型资源消耗曲线(目标工作负载消耗型资源消耗曲线与测试工作负载消耗型资源消耗曲线),且依照标准偏差的次序将该结合的工作负载消耗型资源消耗曲线放置在该序列中。接着,S08,对每一结合的工作负载与未结合的工作负载指定工作负载消耗型资源的运作量。该运作量应等于或小于该单元容量但大于对应结合的工作负载或未结合的工作负载的工作负载消耗型资源消耗曲线中的最大量。以图2做为例子来说明。IOPS(工作负载消耗型资源)运作量应介于3550至4000之间。
如果两结合准则只要有一个没有满足,,即如果步骤S06的确认结果为否,S09,那么选择次于前一个目标工作负载消耗型资源消耗曲线的工作负载消耗型资源消耗曲线来重设定该目标工作负载消耗型资源消耗曲线,直到该序列中最后的工作负载消耗型资源消耗曲线被选作该目标工作负载消耗型资源消耗曲线 并执行步骤S05。也就是说除非两个结合准则都满足,否则S05、S06到S09的步骤将会改变用于结合的目标工作负载消耗型资源消耗曲线,重复执行。亦即第一个工作负载消耗型资源消耗曲线不会移动,等待其它的工作负载消耗型资源消耗曲线来进行结合。
在一个实施例中。请参阅图3,该图表列用来说明在云端系统的9个运作工作负载中找出可进行工作负载结合的步骤。云端系统对每一工作负载指定一个虚拟储存设备。该虚拟储存设备的储存容量设定为1500个单元。整体来说,使用了13500个单元。因而,处理程序第1步(在处理程序数字字段右方的步骤字段指出处理程序所处本发明的对应步骤)列出了所有的9个工作负载,由WL1到WL9。处理程序第2步列出工作负载消耗型资源消耗曲线,由WCRP1到WCRP9,分别对应前述的工作负载。处理程序第3步列出计算的所有工作负载消耗型资源消耗曲线的标准偏差,由SD1到SD9。接着,在处理程序第4步中,储存容量(1500个单元)被用为该单元容量。处理程序第5步列出依照一种递增次序(右方的标准偏差较左方的来的大),由左至右在序列中列出标准偏差的排序结果。处理程序第6步由左至右列出对应上方标准偏差序列的工作负载消耗型资源消耗曲线。处理程序第7步与第8步各自选出测试与目标工作负载消耗型资源消耗曲线。处理程序第9步显示目前的用于结合工作负载消耗型资源消耗曲线是WCRP7与WCRP4。
处理程序第10步与第11步显示步骤S06的确认结果,发现结合的工作负载消耗型资源消耗曲线的最大量大于单元容量。步骤S06的结果为“否”。依照该方法,下一步骤换成步骤S09,在处理程序12中,新的目标工作负载消耗型资源消耗曲线选取为WCRP2。接着,处理程序第13步结合WCRP7与WCRP2。处理程序第14步与第15步显示目前步骤S06的确认结果。此时,结合准则满足。因此,处理程序第16步确定工作负载消耗型资源消耗曲线可以进行结合。处理程序第17步列出所有的工作负载消耗型资源消耗曲线,包含结合与未结合的工作负载消耗型资源消耗曲线。处理程序第18步列出依照处理程序第17步字段的工作负载。很明显WL7与WL2可以结合来共享一份单元容量,即1500 个单元的虚拟储存设备。因而所有使用的虚拟储存设备单元数降到了12000个单元。工作负载消耗型资源对时序无弹性型工作负载的优化使用的目标初步实现。
在第一实施例中,找到一组工作负载可结合来共享相同资源。这仅是第一阶段的工作负载消耗型资源优化使用。然而,可能还有其它的工作负载可以进行结合以进一步优化或优化使用,甚至已结合的工作负载还可进一步与其它的工作负载结合来共享相同的资源。在第二实施例中将提供实现此目的的过程。
第二实施例
请参阅图4,该图为另一个实施例中工作负载的优化方法的流程图。上述方法中提供的第二实施例可更优化第一实施例的结果,该方法包含所有上述的步骤S01到S09与新的步骤S10到S16。S10,在步骤S07之后增加一个步骤以重复执行步骤S04直到最后的工作负载消耗型资源消耗曲线已结合用于步骤S06。步骤S10的目的是重复步骤S04到S07(包含步骤S05、S06和S09)直到测试工作负载消耗型资源消耗曲线(设定为工作负载消耗型资源消耗曲线序列的第一个)已在步骤S06与其它所有工作负载消耗型资源尝试结合测试。如果最后的工作负载消耗型资源消耗曲线已在步骤S06结合过,那么执行步骤S11,重设定该测试工作负载消耗型资源消耗曲线为序列中第(n+1)个工作负载消耗型资源消耗曲线,其中前一个测试工作负载消耗型资源消耗曲线为序列中第n个工作负载消耗型资源消耗曲线。步骤S11意味着如果序列中第二个工作负载消耗型资源消耗曲线成为测试工作负载消耗型资源消耗曲线,那么前一个测试工作负载消耗型资源消耗曲线是序列中的第一个。相同地,如果前一个测试工作负载消耗型资源消耗曲线是工作负载消耗型资源消耗曲线序列中的第二个,那么序列中第三个工作负载消耗型资源消耗曲线就成为了测试工作负载消耗型资源消耗曲线,依次类推。
下一个步骤是:S12,确认目前测试工作负载消耗型资源消耗曲线是否为最后的工作负载消耗型资源消耗曲线。如果步骤S12的确认结果为否,那么执行步骤S13,选择次于重设的测试工作负载消耗型资源消耗曲线的工作负载消耗型 资源消耗曲线为该目标工作负载消耗型资源消耗曲线;如果步骤S12的确认结果为是,则执行步骤S08。当“是”的情况发生,意味着出现了最佳工作负载结合的架构,本发明的所有步骤可以终止。不然,新的测试工作负载消耗型资源消耗曲线必须重设以进行其它步骤。在步骤S13之后,S14,重复步骤S05到步骤S06直到结合的工作负载消耗型资源消耗曲线满足步骤S06中的结合准则,或最后的工作负载消耗型资源消耗曲线已结合用于步骤S06。步骤S14是利用操作测试与目标工作负载消耗型资源消耗曲线结合的相同步骤并设定终止情况。步骤S15是一个确认步骤:确认结合的工作负载消耗型资源消耗曲线是否满足步骤S06中的结合准则。有两种情况:S16,如果步骤S15的确认结果为是,执行步骤S10;或如果步骤S15的确认结果为否,执行步骤S11。
本发明的迭代逻辑为如果一个新的工作负载消耗型资源消耗曲线结合找到了,排序工作必须从第一个工作负载消耗型资源消耗曲线再进行一次(设定第一个工作负载消耗型资源消耗曲线为测试工作负载消耗型资源消耗曲线,第二个工作负载消耗型资源消耗曲线为目标工作负载消耗型资源消耗曲线)。如果没有合适的结合,测试工作负载消耗型资源消耗曲线移为序列中次一个工作负载消耗型资源消耗曲线,直到目前测试工作负载消耗型资源消耗曲线是最后一个工作负载消耗型资源消耗曲线。以下以一个具体的实施例来说明上述的方法。
请参阅图5与图6。图5继承第一实施例中所提出例子处理程序第16步的结果(第19步在第16步之后,导引到其它处理程序终止的结果)。图6接续图5中所示例子未完成的部分,以相同的窗体形式继续呈现。在处理程序第19步之后,为了不造成冗长说明,在同一个处理程序中可能包含数个步骤。
在处理程序第19步之前,工作负载消耗型资源消耗曲线序列依照标准偏差的递增次序为CWCRP1/WCRP4/WCRP3/WCRP1/WCRP9/WCRP8/WCRP6/WCRP5。依照本发明的方法,处理程序第19步是执行步骤S10。也就是说,要测试序列中第一个工作负载消耗型资源消耗曲线是否仍然有机会与其它工作负载消耗型资源消耗曲线结合。答案为否。图5与图6中的“<SDof NT”表示小于新的测试工作负载消耗型资源消耗曲线(CWCRP1)的标准偏差。此 时,虽然工作负载消耗型资源消耗曲线的序列未改变,该方法的步骤变成了步骤S11与之后的步骤(处理程序第20步)。
在处理程序第20步中,测试工作负载消耗型资源消耗曲线重设成序列中的第二个,WCRP4。在尝试过WCRP4与所有之后的目标工作负载消耗型资源消耗曲线结合后,没有一种结合满足该结合准则。工作负载消耗型资源消耗曲线的序列没变,但测试工作负载消耗型资源消耗曲线在处理程序第21步中变成了序列中的第三个,WCRP3。然而,处理程序第21步中发现WCRP3与WCRP8的结合满足结合准则,该结合命名为CWCRP2。依照步骤S16,步骤S10必须为新的工作负载消耗型资源消耗曲线序列(CWCRP1/CWCRP2/WCRP4/WCRP1/WCRP9/WCRP6/WCRP5)进行。处理程序第22步是进行CWCRP1与CWCRP2的结合与确认。很幸运,CWCRP1与CWCRP2可以结合,而结合的工作负载消耗型资源消耗曲线命名为CWCRP3。
此时,工作负载消耗型资源消耗曲线的序列为CWCRP3/WCRP4/WCRP1/WCRP9/WCRP6/WCRP5。步骤S10又执行一次。在处理程序第23步中,CWCRP3(第一个)是测试工作负载消耗型资源消耗曲线,用来尝试与其它目标工作负载消耗型资源消耗曲线结合。如图5所示,没有成功的结合。依照步骤S11,测试工作负载消耗型资源消耗曲线成为了WCRP4而进行结合工作。相同地,处理程序第24步找不到合适的结合。
请见图6。在处理程序第25步中,相同的工作负载消耗型资源消耗曲线序列以第二个工作负载消耗型资源消耗曲线作为测试工作负载消耗型资源消耗曲线进行程序。又一次,没有结合满足结合准则。处理程序第26步使用WCRP9作为测试工作负载消耗型资源消耗曲线。相同地,没有找到合适的结合。
处理程序第27步结合最后两个工作负载消耗型资源消耗曲线,找到WCRP6与WCRP5可以进行结合。结合的工作负载消耗型资源消耗曲线为CWCRP4。依照步骤S16,需要再次从头进行确认结合的工作。工作负载消耗型资源消耗曲线新的序列为CWCRP3/WCRP4/CWCRP4/WCRP1/WCRP9。从处理程序第28步到处理程序第31步,依序测试目标工作负载消耗型资源消耗曲线,由 CWCRP3到WCRP1。没有发现合适的结合。在处理程序第32步中,发现WCRP9将是工作负载消耗型资源消耗曲线序列最后一个作为测试工作负载消耗型资源消耗曲线。程序来到步骤S08,得到工作负载结合的最终结果而可共享给定的资源。在这个例子中,有两群结合(W7+WL2+WL3+WL8与WL6+WL5),以及三个独立的工作负载(WL4、WL1与WL9)。仅须提供7500个单元的资源(每一组1500单元),也就是节省了6000个单元。
第三实施例
在工作负载结合以共享给定资源后,本发明可以容许一个新的工作负载在系统中运作。可以为现有工作负载的最佳结合方式提供一种简便的方法,并为目前及新的工作负载减少资源浪费。
请参阅图7,该图为又一个实施例中的工作负载的优化方法的流程图。通过使用第一实施例与第二实施例中相同的流程图,在步骤S08(指定资源)前多增加了三个步骤。首先,S17,在序列中依照标准偏差的次序插入关于新的工作负载的新的工作负载消耗型资源消耗曲线。要强调的是步骤S17应在某些原始工作负载已进行优化结合后进行,虽然优化结果还不是处于最佳状态。接着,S18,在该序列中任意地选择新的工作负载消耗型资源消耗曲线之前的一个工作负载消耗型资源消耗曲线来重设定该测试工作负载消耗型资源消耗曲线,及选择该序列中重设的测试工作负载消耗型资源消耗曲线后的第二个工作负载消耗型资源消耗曲线来重设定该目标工作负载消耗型资源消耗曲线。也就是说测试工作负载消耗型资源消耗曲线的选择不需要从工作负载消耗型资源消耗曲线序列的第一个开始。可以使用,举例来说新插入的工作负载消耗型资源消耗曲线前面第二个,开始测试工作负载消耗型资源消耗曲线。最后的步骤是S19,执行步骤S05到步骤S16多个循环,以便该测试工作负载消耗型资源消耗曲线在该序列中依照标准偏差的次序落后于新插入的工作负载消耗型资源消耗曲线,或该新插入的工作负载消耗型资源消耗曲线已被结合。很显然,如果有太多的工作负载,程序可以在新插入的工作负载消耗型资源消耗曲线已结合并确认结合准则后的任何时间停止。这样可以节省时间。
第四实施例
在前面的个实施例中,工作负载消耗型资源消耗曲线序列遵循标准偏差的递增次序或递减次序。在本发明的同一构思下,该次序可以是容量递减的次序(工作负载或结合的工作负载消耗最大量的资源)。以下说明本实施例的实现方式。
方法很简单,使用前面实施例的流程图来说明。有几个相异之处。首先,在步骤S01中提供工作负载消耗型资源消耗曲线不需计算标准偏差。第二,在步骤S03中工作负载消耗型资源消耗曲线的排序是基于容量递减的次序,而非标准偏差的次序。第三,在步骤S06中结合准则仅留下“是否该结合的工作负载消耗型资源消耗曲线的最大量小于该单元容量”。标准偏差不再是评判标准。最后,改变步骤S17与步骤S19的插入次序为依照容量递减的次序。其余的步骤和相关操作的保持不变。
对以上实施例来说,要注意提供的工作负载消耗型资源消耗曲线可以分成数群组。每一群组工作负载消耗型资源消耗曲线能以第一实施例或第二实施例中的方法进行,以找出某些工作负载的结合。那么,这些群组进行的工作负载消耗型资源消耗曲线再被搜集,再重新应用于本发明。这也属于本发明保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的 普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种工作负载的优化方法,其特征在于,包含步骤:
A、提供多个工作负载消耗型资源消耗曲线并计算每一工作负载消耗型资源消耗曲线的标准偏差,其中每一工作负载消耗型资源消耗曲线为在周期内由特定时序无弹性型工作负载所消耗的工作负载消耗型资源数量的记录;
B、决定所述工作负载消耗型资源的单元容量;
C、依照所述标准偏差的次序,将所述工作负载消耗型资源消耗曲线在序列中进行排序;
D、设定所述序列中的第一个工作负载消耗型资源消耗曲线为测试工作负载消耗型资源消耗曲线,及所述序列中的第二个工作负载消耗型资源消耗曲线为目标工作负载消耗型资源消耗曲线;
E、结合所述目标工作负载消耗型资源消耗曲线与所述测试工作负载消耗型资源消耗曲线为结合的工作负载消耗型资源消耗曲线;
F、确认所述结合的工作负载消耗型资源消耗曲线的最大量是否小于所述单元容量且所述结合的工作负载消耗型资源消耗曲线的标准偏差是否小于测试工作负载消耗型资源消耗曲线的标准偏差;
G、如果步骤F的确认结果为否,选择次于前一个目标工作负载消耗型资源消耗曲线的工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线,直到所述序列中最后的工作负载消耗型资源消耗曲线被选作所述目标工作负载消耗型资源消耗曲线并执行步骤E;
H、如果步骤F的确认结果为是,移除用于结合的二个工作负载消耗型资源消耗曲线且依照标准偏差的次序将所述结合的工作负载消耗型资源消耗曲线放置在所述序列中;及
I、对每一结合的工作负载与未结合的工作负载指定工作负载消耗型资源的运作量,其中所述运作量等于或小于所述单元容量但大于对应结合的工作负载或未结合的工作负载的工作负载消耗型资源消耗曲线中的最大量。
2.如权利要求1所述的方法,其特征在于,进一步在步骤H后包含步骤:
H1、重复执行步骤D直到最后的工作负载消耗型资源消耗曲线已结合用于步骤F;
H2、重设定所述测试工作负载消耗型资源消耗曲线为序列中第(n+1)个工作负载消耗型资源消耗曲线,其中前一个测试工作负载消耗型资源消耗曲线为序列中第n个工作负载消耗型资源消耗曲线;
H3、确认目前测试工作负载消耗型资源消耗曲线是否为最后的工作负载消耗型资源消耗曲线;
H4、如果步骤H3的确认结果为否,选择次于重设的测试工作负载消耗型资源消耗曲线的工作负载消耗型资源消耗曲线为所述目标工作负载消耗型资源消耗曲线,或如果步骤H3的确认结果为是,执行步骤I;
H5、重复步骤E到步骤F直到结合的工作负载消耗型资源消耗曲线满足步骤F中的结合准则,或最后的工作负载消耗型资源消耗曲线已结合用于步骤F;
H6、确认结合的工作负载消耗型资源消耗曲线是否满足步骤H5中的结合准则;及
H7、如果步骤H6的确认结果为是,执行步骤H1,或如果步骤H6的确认结果为否,执行步骤H2。
3.如权利要求1所述的方法,其特征在于,所述工作负载消耗型资源消耗曲线通过记录由特定工作负载所消耗的工作负载消耗型资源的量、基于历史记录预测由所述特定工作负载所消耗的工作负载消耗型资源的趋势,或结合一部分预测趋势与一部分由所述特定工作负载所消耗的工作负载消耗型资源的量的历史记录而获得。
4.如权利要求1所述的方法,其特征在于,所述次序为递增次序或递减次序。
5.如权利要求1所述的方法,其特征在于,所述工作负载消耗型资源包括工作负载所消耗的电力、储存容量、带宽、CPU(中央处理器)核心数、IOPS(每秒输入/输出操作次数)、流通量(throughput)或延迟时间。
6.如权利要求1所述的方法,其特征在于,所述单元容量为指定用于工作负载的工作负载消耗型资源的一部分,且大于任一工作负载需要的量。
7.如权利要求1所述的方法,其特征在于,进一步在步骤I前包含步骤:
H8、在序列中依照标准偏差的次序插入关于新的工作负载的新的工作负载消耗型资源消耗曲线;
H9、在所述序列中任意地选择新的工作负载消耗型资源消耗曲线之前的一个工作负载消耗型资源消耗曲线来重设定所述测试工作负载消耗型资源消耗曲线,及选择所述序列中重设的测试工作负载消耗型资源消耗曲线后的第二个工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线;及
H10、执行步骤E至步骤H7数个循环,以便所述测试工作负载消耗型资源消耗曲线在所述序列中依照标准偏差的次序落后于新插入的工作负载消耗型资源消耗曲线,或所述新插入的工作负载消耗型资源消耗曲线已被结合。
8.如权利要求2所述的方法,其特征在于,进一步在步骤I前包含步骤:
H8、在序列中依照标准偏差的次序插入关于新的工作负载的新的工作负载消耗型资源消耗曲线;
H9、在所述序列中任意地选择新的工作负载消耗型资源消耗曲线之前的一个工作负载消耗型资源消耗曲线来重设定所述测试工作负载消耗型资源消耗曲线,及选择所述序列中重设的测试工作负载消耗型资源消耗曲线后的第二个工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线;及
H10、执行步骤E至步骤H7数个循环,以便所述测试工作负载消耗型资源消耗曲线在该序列中依照标准偏差的次序落后于新插入的工作负载消耗型资源消耗曲线,或所述新插入的工作负载消耗型资源消耗曲线已被结合。
9.一种工作负载的优化方法,其特征在于,包含步骤:
A、提供多个工作负载消耗型资源消耗曲线,其中每一工作负载消耗型资源消耗曲线为在周期内由特定时序无弹性型工作负载所消耗的工作负载消耗型资源数量的记录;
B、决定所述工作负载消耗型资源的单元容量;
C、依照容量递减的次序,排序将所述工作负载消耗型资源消耗曲线在序列中进行排序;
D、设定所述序列中的第一个工作负载消耗型资源消耗曲线为测试工作负载消耗型资源消耗曲线,及所述序列中的第二个工作负载消耗型资源消耗曲线为目标工作负载消耗型资源消耗曲线;
E、结合所述目标工作负载消耗型资源消耗曲线与所述测试工作负载消耗型资源消耗曲线为结合的工作负载消耗型资源消耗曲线;
F、确认所述结合的工作负载消耗型资源消耗曲线的最大量是否小于该单元容量;
G、如果步骤F的确认结果为否,选择次于前一个目标工作负载消耗型资源消耗曲线的工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线,直到所述序列中最后的工作负载消耗型资源消耗曲线被选作所述目标工作负载消耗型资源消耗曲线并执行步骤E;
H、如果步骤F的确认结果为是,移除用于结合的二个工作负载消耗型资源消耗曲线且依照容量递减的次序将所述结合的工作负载消耗型资源消耗曲线放置在所述序列中;及
I、对每一结合的工作负载与未结合的工作负载指定工作负载消耗型资源的运作量,其中所述运作量等于或小于所述单元容量但大于对应结合的工作负载或未结合的工作负载的工作负载消耗型资源消耗曲线中的最大量。
10.如权利要求9项所述的方法,其特征在于,进一步在步骤H后包含步骤:
H1、重复执行步骤D直到最后的工作负载消耗型资源消耗曲线已结合用于步骤F;
H2、重设定所述测试工作负载消耗型资源消耗曲线为序列中第(n+1)个工作负载消耗型资源消耗曲线,其中前一个测试工作负载消耗型资源消耗曲线为序列中第n个工作负载消耗型资源消耗曲线;
H3、确认目前测试工作负载消耗型资源消耗曲线是否为最后的工作负载消耗型资源消耗曲线;
H4、如果步骤H3的确认结果为否,选择次于重设的测试工作负载消耗型资源消耗曲线的工作负载消耗型资源消耗曲线为所述目标工作负载消耗型资源消耗曲线,或如果步骤H3的确认结果为是,执行步骤I;
H5、重复步骤E到步骤F直到结合的工作负载消耗型资源消耗曲线满足步骤F中的结合准则,或最后的工作负载消耗型资源消耗曲线已结合用于步骤F;
H6、确认结合的工作负载消耗型资源消耗曲线是否满足步骤H5中的结合准则;及
H7、如果步骤H6的确认结果为是,执行步骤H1,或如果步骤H6的确认结果为否,执行步骤H2。
11.如权利要求9所述的方法,其特征在于,所述工作负载消耗型资源消耗曲线通过记录由特定工作负载所消耗的工作负载消耗型资源的量、基于历史记录预测由所述特定工作负载所消耗的工作负载消耗型资源的趋势,或结合一部分预测趋势与一部分由所述特定工作负载所消耗的工作负载消耗型资源的量的历史记录而获得。
12.如权利要求9所述的方法,其特征在于,所述工作负载消耗型资源包括工作负载所消耗的电力、储存容量、带宽、CPU核心数、IOPS、流通量或延迟时间。
13.如权利要求9所述的方法,其特征在于,所述单元容量为指定用于工作负载的工作负载消耗型资源的一部分,且大于任一工作负载需要的量。
14.如权利要求9所述的方法,其特征在于,进一步在步骤I前包含步骤:
H8、在序列中依照容量递减的次序插入关于新的工作负载的新的工作负载消耗型资源消耗曲线;
H9、在所述序列中任意地选择新的工作负载消耗型资源消耗曲线之前的一个工作负载消耗型资源消耗曲线来重设定所述测试工作负载消耗型资源消耗曲线,及选择所述序列中重设的测试工作负载消耗型资源消耗曲线后的第二个工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线;及
H10、执行步骤E至步骤H7数个循环,以便所述测试工作负载消耗型资源消耗曲线在所述序列中依照容量递减的次序落后于新插入的工作负载消耗型资源消耗曲线,或所述新插入的工作负载消耗型资源消耗曲线已被结合。
15.如权利要求10所述的方法,其特征在于,进一步在步骤I前包含步骤:
H8、在序列中依照容量递减的次序插入关于新的工作负载的新的工作负载消耗型资源消耗曲线;
H9、在所述序列中任意地选择新的工作负载消耗型资源消耗曲线之前的一个工作负载消耗型资源消耗曲线来重设定所述测试工作负载消耗型资源消耗曲线,及选择所述序列中重设的测试工作负载消耗型资源消耗曲线后的第二个工作负载消耗型资源消耗曲线来重设定所述目标工作负载消耗型资源消耗曲线;及
H10、执行步骤E至步骤H7数个循环,以便所述测试工作负载消耗型资源消耗曲线在所述序列中依照容量递减的次序落后于新插入的工作负载消耗型资源消耗曲线,或所述新插入的工作负载消耗型资源消耗曲线已被结合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610352132.XA CN107436803B (zh) | 2016-05-25 | 2016-05-25 | 工作负载的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610352132.XA CN107436803B (zh) | 2016-05-25 | 2016-05-25 | 工作负载的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107436803A true CN107436803A (zh) | 2017-12-05 |
CN107436803B CN107436803B (zh) | 2020-05-12 |
Family
ID=60453215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610352132.XA Active CN107436803B (zh) | 2016-05-25 | 2016-05-25 | 工作负载的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107436803B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110212422A1 (en) * | 2010-02-26 | 2011-09-01 | Nti, Inc. | Cognitive Capacity Assessment System |
US8151269B1 (en) * | 2003-12-08 | 2012-04-03 | Teradata Us, Inc. | Database system having a service level goal responsive regulator |
CN102611622A (zh) * | 2012-02-28 | 2012-07-25 | 清华大学 | 一种弹性云计算平台下工作负载的调度方法 |
CN102724298A (zh) * | 2012-05-25 | 2012-10-10 | 清华大学 | 一种云环境下存储参数的配置方法 |
-
2016
- 2016-05-25 CN CN201610352132.XA patent/CN107436803B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8151269B1 (en) * | 2003-12-08 | 2012-04-03 | Teradata Us, Inc. | Database system having a service level goal responsive regulator |
US20110212422A1 (en) * | 2010-02-26 | 2011-09-01 | Nti, Inc. | Cognitive Capacity Assessment System |
CN102611622A (zh) * | 2012-02-28 | 2012-07-25 | 清华大学 | 一种弹性云计算平台下工作负载的调度方法 |
CN102724298A (zh) * | 2012-05-25 | 2012-10-10 | 清华大学 | 一种云环境下存储参数的配置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107436803B (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104239141B (zh) | 数据中心中基于工作流关键路径的任务优化调度方法 | |
Christodoulou et al. | Minimum moment method for resource leveling using entropy maximization | |
CN105389206B (zh) | 一种云计算数据中心虚拟机资源快速配置方法 | |
CN110287245A (zh) | 用于分布式etl任务调度执行的方法及系统 | |
Tang et al. | On first fit bin packing for online cloud server allocation | |
US8984521B2 (en) | Computer system performance by applying rate limits to control block tenancy | |
CN110308967A (zh) | 一种基于混合云的工作流成本-延迟最优化任务分配方法 | |
CN107273200B (zh) | 一种针对异构存储的任务调度方法 | |
Castillo et al. | On the design of online scheduling algorithms for advance reservations and QoS in grids | |
US10261833B2 (en) | Scheduling tasks to resources for a network using fuzzy logic | |
CN115220916B (zh) | 视频智能分析平台的自动算力调度方法、装置及系统 | |
Dwibedy et al. | Semi-online scheduling: A survey | |
CN109144783A (zh) | 一种分布式海量非结构化数据备份方法及系统 | |
US20230289235A1 (en) | Methods and systems for balancing loads in distributed computer networks for computer processing requests with variable rule sets and dynamic processing loads | |
Bredael et al. | Multi-project scheduling: A benchmark analysis of metaheuristic algorithms on various optimisation criteria and due dates | |
US7865460B2 (en) | Method and system for data dispatch | |
CN107436803A (zh) | 工作负载的优化方法 | |
CN114978913B (zh) | 一种基于切链的服务功能链跨域部署方法及系统 | |
Raaymakers et al. | Using aggregate estimation models for order acceptance in a decentralized production control structure for batch chemical manufacturing | |
Ikken et al. | Cost-efficient big intermediate data placement in a collaborative cloud storage environment | |
Ruiz-Torres et al. | Minimizing the number of late jobs for the permutation flowshop problem with secondary resources | |
Alaya | EE-(m, k)-Firm: A Method to Dynamic Service Level Management in Enterprise Environment | |
US9852009B2 (en) | Method for optimizing utilization of workload-consumed resources for time-inflexible workloads | |
JP2019049931A (ja) | 時系列固定型作業負荷に対して作業負荷消耗型リソースの最適化使用を行う方法 | |
Fuess et al. | The HEPCloud Facility: elastic computing for High Energy Physics–The NOvA Use Case |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1247350 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |