CN107515809A - 一种电力系统的弹性伸缩方法及系统 - Google Patents

一种电力系统的弹性伸缩方法及系统 Download PDF

Info

Publication number
CN107515809A
CN107515809A CN201710712468.7A CN201710712468A CN107515809A CN 107515809 A CN107515809 A CN 107515809A CN 201710712468 A CN201710712468 A CN 201710712468A CN 107515809 A CN107515809 A CN 107515809A
Authority
CN
China
Prior art keywords
virtual machine
module
cluster
rule
qps
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
Application number
CN201710712468.7A
Other languages
English (en)
Inventor
王丞远
汤耀庭
张宾
郭瑞军
曲延盛
李明
刘范范
韩圣亚
刘荫
徐浩
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.)
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Shandong Electric Power Co Ltd
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 State Grid Corp of China SGCC, Information and Telecommunication Branch of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710712468.7A priority Critical patent/CN107515809A/zh
Publication of CN107515809A publication Critical patent/CN107515809A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3433—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment for load management
    • 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
    • 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
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/5011—Pool
    • 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)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种电力系统的弹性伸缩方法及系统，方法包括以下步骤：步骤1，负载状态监控采集：用以采集负载状态数据；步骤2，规则匹配：对采集采集的负载状态数据进行负载运算，将运算结果与预设的规则进行匹配，得出判断结果；步骤3，自动伸缩：启动自动伸缩引擎，通过流程编排，调用相关Adapter进行操作指令下达与执行自动伸缩工作。系统包括监控采集模块、规则匹配模块和自动伸缩模块。本发明一方面它补足了现有云解决方案在集群弹性伸缩方面的不足；另一方面在实际工作中，可以大范围提高资源使用率，降低了运维管理难度。

Description

一种电力系统的弹性伸缩方法及系统
技术领域
本发明涉及一种电力系统的弹性伸缩方法及系统，属于电力系统负载监测技术领域。
背景技术
电力行业业务系统普遍具有周期性特征，这导致业务支撑环境负载的非线性压力，为了保证运行，传统模式往往参考峰值进行设计建设，提供大量的服务器以保证在高并发量时的可用性，这就导致了闲时的大量资源浪费。
随着电力行业“十二五”信息化建设的落幕，虚拟化、云计算技术已经被各级电力企业所广泛采用，这有助于资源的合理整合，在一定程度上缓解了资源浪费问题，按需所取的模式大量节省了IT成本。但是，云计算作为一种复杂的基础架构解决方案，目前有待解决和改善的问题还很多，如何才能按需所取，弹性伸缩就是一个关键点。
目前，市场上比较成熟的公有云如亚马逊、阿里云都有自己的集群弹性伸缩机制，成熟的虚拟化商业软件如VMware也有相应的解决方案；但是国内私有云领域，特别使开源技术领域，相关的技术还处于探索实践阶段。OpenStack(OpenStack云计算管理平台)目前被电网行业广泛采用，作为云计算的基础技术架构，但其本身的组件也缺少在集群弹性伸缩方面的设计。
因此，研制出一套成熟完整的电力系统弹性伸缩机制，具有现实意义。
发明内容
针对现有技术的不足，本发明提出了一种电力系统的弹性伸缩方法及系统，它不仅能够补足现有云解决方案在集群弹性伸缩方面的不足，而且能够在实际工作中大范围提高资源使用率，降低运维管理难度。
本发明解决其技术问题采取的技术方案是：
本发明实施例提供的一种电力系统的弹性伸缩方法，它包括以下步骤：
步骤1，负载状态监控采集：用以采集负载状态数据；
步骤2，规则匹配：对采集采集的负载状态数据进行负载运算，将运算结果与预设的规则进行匹配，得出判断结果；
步骤3，自动伸缩：启动自动伸缩引擎，通过流程编排，调用相关Adapter(适配器)进行操作指令下达与执行自动伸缩工作。
作为本实施例一种可能的实现方式，在步骤1中，所述负载状态数据包括以下指标数据：
(1)CPU指标：CPU基本情况；Load(负载)值，提供当前运行队列的详细状态；CPU使用率(当前空闲的CPU比率、系统占用的CPU比率、用户进程占用的CPU比率、处于I/O等待的CPU比率)；CPU使用均衡情况；
(2)Memory指标：内存基本情况；内存利用率(已使用内存/物理内存)；Freememory(空闲内存)；Cache命中率(缓存命中率)；Swap利用率(已使用交换空间/交换总空间)；Cache(缓存大小、利用率、命中率)；Await(averagewait平均等待时间)；
(3)Disk IO指标：磁盘基本情况；可使用总量；已使用量；IO量；磁盘负载百分比；IOPS(Input Output Per Second，磁盘每秒中读数据量+磁盘每秒钟写数据量)；
(4)Network指标：网络接口硬件信息；TCP连接数；数据包(接受/发送/丢弃)；网络接口流量统计(In/Out)；
(5)QPS(Query Per Second每秒响应/处理能力)值：集群内单机QPS最大值；集群整体QPS实时值。
作为本实施例一种可能的实现方式，所述步骤2的具体过程包括以下步骤：
步骤21，对于采集的指标，需要先进行负载运算，所述负载运算包括求最大值、求最小值、求和和求平均值；
步骤22，经过负载运算后的数据与规则管理里面用户提前预设的规则、参数模型进行匹配，并得出判断输出；
所述预设的规则如下：
(1)读取集群中单机QPS(Query Per Second每秒响应/处理能力)最大值，单机能力＝集群中单机QPS*95％；读取集群QPS实时值，集群QPS负载＝集群QPS实时值/(单机能力*集群主机数量)；
(2)扩展规则：当同时发生以下两个条件时扩展，1)集群QPS负载大于阈值45％，2)每个CPU的等待队列长度大于0.5or CPU平均负载超过50％持续时间超过2分钟；
(3)收缩规则：当同时发生以下两个条件时收缩，1)集群QPS负载小于阈值15％，2)每个CPU的等待队列长度小于0.2且CPU平均负载小于15％持续时间超过5分钟；
(4)QPS阈值每个月1日会自动的进行更新，更新的依据是上个月几的QPS的趋势变化，比如上个月的QPS平均值比上上个月的平均值大了3％，则新的扩展QPS阈值将更新为48％，同理其他阈值也会更新；
步骤23，接收到规则匹配结果后做出动作的消息，对相应信息进行封装。
作为本实施例一种可能的实现方式，所述步骤3的具体过程包括以下步骤：
步骤31，如果是扩展操作，则调用虚拟机管理和镜像功能创建需要的虚拟机，并调用LB(Load Balancer，负载均衡)控制功能将虚拟机加入到集群中，以满足需求；
步骤32，如果是收缩操作，则先调用LB(LoadBalancer负载均衡)控制功能，将虚拟机从集群环境中挂起，再调用虚拟机管理功能按照规则执行暂时挂起或者虚拟机注销，以回收虚拟机资源；
步骤33，进行自动伸缩工作后触发更新配置数据库，负载均衡自动的同步配置信息，会将新的请求分配给新扩展的虚拟机，或者新请求不再分配给已经收缩的虚拟机。
作为本实施例一种可能的实现方式，所述步骤31的具体流程为：
(1)通过适配器调用虚拟机管理功能执行虚拟机创建操作，并将创建虚拟机的信息通过适配器传递给虚拟机管理功能；
(2)虚拟机管理功能在创建虚拟机的过程中通过自动伸缩模块适配器调用镜像功能以完成虚拟机的创建；
(3)虚拟机管理功能创建虚拟机完成后通过适配器将结果返回自动伸缩模块，自动伸缩模块通过适配器调用负载均衡控制功能将新建虚拟机加入到集群中。
作为本实施例一种可能的实现方式，所述步骤32的具体流程为：
(1)通过适配器调用负载均衡控制功能，传递参数，将虚拟机从集群环境中挂起，挂起成功后，负载均衡控制功能将结果返回；
(2)通过适配器调用虚拟机管理功能，并传递参数，对挂起虚拟机执行暂时挂起或注销操作，以回收资源，并通过适配器将结果返回。
本发明实施例提供的一种电力系统的弹性伸缩系统，它包括：
监控采集模块,用以负责对现有在运资源的监控和相关数据采集；
规则匹配模块，用以通过对采集的实施负载状态数据进行分析，判断得出是否进行弹性伸缩的结果，并对于需要进行弹性伸缩的发送触发请求；
自动伸缩模块，用以触发管理采用自动伸缩引擎模式构建并引入资源编排的机制。
作为本实施例一种可能的实现方式，所述监控采集模块通过以下方式进行数据采集：
(1)标准数据采集方式，所述标准数据采集方式为通过SNMP(Simple NetworkManagement Protocol，简单网络管理协议)来采集虚拟机的运行数据；
(2)自定义数据采集方式，所述自定义数据采集方式为将代理安装在虚拟机中，代理按照定制的脚本定时采集数据，并主动上报；
(3)开源云数据采集方式，所述开源云数据采集方式为通过OpenStack的监控组件进行运行数据采集。
作为本实施例一种可能的实现方式，所述规则匹配模块包括：
(1)规则管理模块，用于保存和管理用户确定的规则模型，所述规则模型包括两类指标：一类为资源指标，如CPU、内存、网络等等，参数一般为百分比、上下线；另一类为时间指标，如间隔多久，持续多久等，参数一般为分钟，最低到5秒；
(2)负载运算模块，用以对监控采集的负载状态数据进行加工处理；
(3)规则匹配模块，用以将负载运算后的状态数据与规则库中预存的规则进行匹配，判断是否引发弹性伸缩；
(4)触发管理模块，用以对经过规则匹配判断且需要进行弹性伸缩的数据进行信息封装，并进行触发机制的执行。
作为本实施例一种可能的实现方式，所述自动伸缩模块包括服务发现模块，所述服务发现模块用以通过YAML格式的模板来把底层的资源抽象出来，并通过Key-Value(键值)对来赋予资源对象属性，通过变量来引入输入机制，通过Adapter(适配器)，调用环境中相关应用的虚机管理、镜像管理、负载均衡控制等功能模块实现弹性伸缩任务，以及通过一个实时运行的后台服务，来解释YAML文件与实时获取的最新数据。
本发明实施例的技术方案可以具有的有益效果如下：
本发明实施例技术方案是一种在集群模式下，基于负载运行状态实时监控采集数据，进行规则运算分析，规则匹配，得出系统资源运行状态诊断，并在预设规则阈值范围内触发自动弹性伸缩，最终实现电力系统弹性伸缩的机制。当高并发时，弹性扩展以增加应用系统的处理能力，当空闲时，自动收缩以节省服务器资源。一方面它补足了现有云解决方案在集群弹性伸缩方面的不足；另一方面在实际工作中，可以大范围提高资源使用率，降低了运维管理难度。
与现有技术相比较，本公开的实施例提供的技术方案具有以下特点：
(1)提高了管理效率
随着业务的发展，特别是互联网化的深入，业务系统的资源使用正日趋膨胀，传统人工干预的方式，往往需要根据经验在峰值到来前提前做好准备，且准备工作相对繁琐；但在互联网化趋势下，面对越来越多的集群，管理难度越来越大。本方案提供了一种自动化的弹性伸缩机制，使管理人员仅需要将经验值变为规则进行提前预设，系统自动根据规则完成弹性伸缩，这大幅度的提高了效率，降低了人工成本，同时保证了响应的及时性。
(2)提高资源使用效率
弹性伸缩机制的思想是，让系统保证最优的运行环境，既不会因为资源太少对系统运行造成压力，也不会因为资源太多而造成闲置浪费。相对于传统按峰值设计建设的模式，极大的降低了资源投入量，利用各个系统的峰值运行时间差，共享资源池内的资源，大幅度提高了资源使用效率。
(3)保证业务稳定访问
有了基于集群的弹性伸缩，当业务系统的运行负载达到阈值时，根据预设规则集群弹性伸缩机制会自动进行资源扩容，缓解了系统因高并发压力而造成的运行压力，从而在基础资源层面做好了保障，保证了系统的稳定运行。
附图说明
图1是根据一示例性实施例示出的一种电力系统的弹性伸缩方法的流程图；
图2是根据一示例性实施例示出的一种电力系统的弹性伸缩系统的框图；
图3是根据一示例性实施例示出的一种电力系统的弹性伸缩系统的框图；
图4是根据一示例性实施例示出的一种电力系统的弹性伸缩方法的实现流程图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
本发明提供了一种电力云数据中心可用资源的发现与部署方法，更近一步说，电力云计算数据中心在进行资源池初建和扩容过程中，对入网可用物理资源，进行自动化的发现、配置、部署的方法。
图1是根据一示例性实施例示出的一种电力系统的弹性伸缩方法的流程图。如图1所示，所述电力系统的弹性伸缩方法可以包括以下步骤：
步骤1，负载状态监控采集：用以采集负载状态数据；
步骤2，规则匹配：对采集采集的负载状态数据进行负载运算，将运算结果与预设的规则进行匹配，得出判断结果；
步骤3，自动伸缩：启动自动伸缩引擎，通过流程编排，调用相关Adapter(适配器)进行操作指令下达与执行自动伸缩工作。
在一种可能的实现方式中，所述负载状态数据包括以下指标数据：
(1)CPU指标：CPU基本情况；Load(负载)值，提供当前运行队列的详细状态；CPU使用率(当前空闲的CPU比率、系统占用的CPU比率、用户进程占用的CPU比率、处于I/O等待的CPU比率)；CPU使用均衡情况；
(2)Memory指标：内存基本情况；内存利用率(已使用内存/物理内存)；Freememory(空闲内存)；Cache命中率(缓存命中率)；Swap利用率(已使用交换空间/交换总空间)；Cache(缓存大小、利用率、命中率)；Await(averagewait平均等待时间)；
(3)Disk IO指标：磁盘基本情况；可使用总量；已使用量；IO量；磁盘负载百分比；IOPS(Input Output Per Second，磁盘每秒中读数据量+磁盘每秒钟写数据量)；
(4)Network指标：网络接口硬件信息；TCP连接数；数据包(接受/发送/丢弃)；网络接口流量统计(In/Out)；
(5)QPS(Query Per Second每秒响应/处理能力)值：集群内单机QPS最大值；集群整体QPS实时值。
在一种可能的实现方式中，所述步骤2的具体过程包括以下步骤：
步骤21，对于采集的指标，需要先进行负载运算，所述负载运算包括求最大值、求最小值、求和和求平均值；
步骤22，经过负载运算后的数据与规则管理里面用户提前预设的规则、参数模型进行匹配，并得出判断输出；
所述预设的规则如下：
(1)读取集群中单机QPS(Query Per Second每秒响应/处理能力)最大值，单机能力＝集群中单机QPS*95％；读取集群QPS实时值，集群QPS负载＝集群QPS实时值/(单机能力*集群主机数量)；
(2)扩展规则：当同时发生以下两个条件时扩展，1)集群QPS负载大于阈值45％，2)每个CPU的等待队列长度大于0.5or CPU平均负载超过50％持续时间超过2分钟；
(3)收缩规则：当同时发生以下两个条件时收缩，1)集群QPS负载小于阈值15％，2)每个CPU的等待队列长度小于0.2且CPU平均负载小于15％持续时间超过5分钟；
(4)QPS阈值每个月1日会自动的进行更新，更新的依据是上个月几的QPS的趋势变化，比如上个月的QPS平均值比上上个月的平均值大了3％，则新的扩展QPS阈值将更新为48％，同理其他阈值也会更新；
步骤23，接收到规则匹配结果后做出动作的消息，对相应信息进行封装。
在一种可能的实现方式中，所述步骤3的具体过程包括以下步骤：
步骤31，如果是扩展操作，则调用虚拟机管理和镜像功能创建需要的虚拟机，并调用LB(Load Balancer，负载均衡)控制功能将虚拟机加入到集群中，以满足需求；
步骤32，如果是收缩操作，则先调用LB(LoadBalancer负载均衡)控制功能，将虚拟机从集群环境中挂起，再调用虚拟机管理功能按照规则执行暂时挂起或者虚拟机注销，以回收虚拟机资源；
步骤33，进行自动伸缩工作后触发更新配置数据库，负载均衡自动的同步配置信息，会将新的请求分配给新扩展的虚拟机，或者新请求不再分配给已经收缩的虚拟机。
在一种可能的实现方式中，所述步骤31的具体流程为：
(1)通过适配器调用虚拟机管理功能执行虚拟机创建操作，并将创建虚拟机的信息通过适配器传递给虚拟机管理功能；
(2)虚拟机管理功能在创建虚拟机的过程中通过自动伸缩模块适配器调用镜像功能以完成虚拟机的创建；
(3)虚拟机管理功能创建虚拟机完成后通过适配器将结果返回自动伸缩模块，自动伸缩模块通过适配器调用负载均衡控制功能将新建虚拟机加入到集群中。
在一种可能的实现方式中，所述步骤32的具体流程为：
(1)通过适配器调用负载均衡控制功能，传递参数，将虚拟机从集群环境中挂起，挂起成功后，负载均衡控制功能将结果返回；
(2)通过适配器调用虚拟机管理功能，并传递参数，对挂起虚拟机执行暂时挂起或注销操作，以回收资源，并通过适配器将结果返回。
本发明实施例技术方案是一种在集群模式下，基于负载运行状态实时监控采集数据，进行规则运算分析，规则匹配，得出系统资源运行状态诊断，并在预设规则阈值范围内触发自动弹性伸缩，最终实现电力系统弹性伸缩的机制。当高并发时，弹性扩展以增加应用系统的处理能力，当空闲时，自动收缩以节省服务器资源。一方面它补足了现有云解决方案在集群弹性伸缩方面的不足；另一方面在实际工作中，可以大范围提高资源使用率，降低了运维管理难度。
图2根据一示例性实施例示出的一种电力系统的弹性伸缩系统的框图；如图2所示所述电力系统的弹性伸缩系统可以包括：
监控采集模块,用以负责对现有在运资源的监控和相关数据采集；
规则匹配模块，用以通过对采集的实施负载状态数据进行分析，判断得出是否进行弹性伸缩的结果，并对于需要进行弹性伸缩的发送触发请求；
自动伸缩模块，用以触发管理采用自动伸缩引擎模式构建并引入资源编排的机制。
在一种可能的实现方式中，所述监控采集模块通过以下方式进行数据采集：
(1)标准数据采集方式，所述标准数据采集方式为通过SNMP(Simple NetworkManagement Protocol，简单网络管理协议)来采集虚拟机的运行数据；
(2)自定义数据采集方式，所述自定义数据采集方式为将代理安装在虚拟机中，代理按照定制的脚本定时采集数据，并主动上报；
(3)开源云数据采集方式，所述开源云数据采集方式为通过OpenStack的监控组件进行运行数据采集。
在一种可能的实现方式中，所述规则匹配模块包括：
(1)规则管理模块，用于保存和管理用户确定的规则模型，所述规则模型包括两类指标：一类为资源指标，如CPU、内存、网络等等，参数一般为百分比、上下线；另一类为时间指标，如间隔多久，持续多久等，参数一般为分钟，最低到5秒；
(2)负载运算模块，用以对监控采集的负载状态数据进行加工处理；
(3)规则匹配模块，用以将负载运算后的状态数据与规则库中预存的规则进行匹配，判断是否引发弹性伸缩；
(4)触发管理模块，用以对经过规则匹配判断且需要进行弹性伸缩的数据进行信息封装，并进行触发机制的执行。
在一种可能的实现方式中，所述自动伸缩模块包括服务发现模块，所述服务发现模块用以通过YAML格式的模板来把底层的资源抽象出来，并通过Key-Value(键值)对来赋予资源对象属性，通过变量来引入输入机制，通过Adapter(适配器)，调用环境中相关应用的虚机管理、镜像管理、负载均衡控制等功能模块实现弹性伸缩任务，以及通过一个实时运行的后台服务，来解释YAML文件与实时获取的最新数据。
图3是根据一示例性实施例示出的一种电力系统的弹性伸缩系统的框图。如图3所示，所述电力系统的弹性伸缩系统的结构组成如下。
(1)监控采集模块
负责对现有在运资源的监控和相关数据采集，采集的数据用于对系统负载状态的判断。
本专利的监控采集模块采用总线汇聚与适配器接入相结合的架构，可以根据不同运行环境接入不同监控采集方法，便于扩展，本模块本身带的采集方法包括如下几种：
1)标准数据采集：主要通过SNMP(Simple Network Management Protocol，简单网络管理协议)来采集虚拟机的运行数据，主流的操作系统比如Redhat、Centos、Windows等都支持，配置简单，但无法提供API接口；
2)自定义数据采集：外部程序注册采集项并定时上报数据，SNMP能够提供的监控信息并不全面，有时候也不及时，为了定制化采集数据，可以使用采集代理的方式，安装在虚拟机中，代理按照定制的脚本定时采集数据，并主动的上报到采集模块，优势是数据可定制；
3)开源云数据采集：通过OpenStack的监控组件进行运行数据采集，Ceilometer是一个完整的采集、处理、发布、存储、读取的系统，一方面其可以通过安装在宿主机上代理程序主动获取各个子系统的运行监控数据，另一方面也可以直接监控OpenStack的消息队列，从系统交互的信息中读取信息，Ceilometer的优势是其监控数据直接来自云平台底层，无需在虚拟机中安装任何软件，同时其对外可提供API，供其他系统调用，这是本发明的一个基础条件。
(2)规则匹配判断模块
规则匹配判断模块通过对监控采集模块采集的实施负载状态数据进行分析，判断得出是否进行弹性伸缩的结果，对于需要进行弹性伸缩的，向自动弹性伸缩模块发送触发请求。
规则匹配判断模块具体包括如下四个组件：
1)规则管理：用于保存和管理用户确定的规则模型，包括两类指标：一类为资源指标，如CPU、内存、网络等等，参数一般为百分比、上下线；另一类为时间，如间隔多久，持续多久等，参数一般为分钟，最低到5秒。
2)负载运算：对监控采集的数据进行加工处理，在集群环境中，一台虚拟机的资源在较短时间段内的负载状态有时不能准确反映整体，这就需要对采集的状态数据进行加工处理。
3)规则匹配：将负载运算后的状态数据与规则库中预存的规则进行匹配，从而判断是否引发弹性伸缩，此部分是弹性伸缩的关键，需要根据不同的类型、不同的业务进行不同的设计，避免频繁的伸缩影响系统稳定性，一方面要加入削峰设计，比如利用一个周期内的平均值，另一方面要加入趋势的变化，比如一个月前系统的谷值低于20％，但本月谷值在30％，收缩的阈值一般会参考历史的数据进行动态的调整。
4)触发管理：对于经过规则匹配判断，需要进行弹性伸缩的，触发管理组件进行信息封装，并负责触发机制的执行，设计了两种触发动作，一类向自动伸缩模块触发的动作消息，一类是向管理员触发的通知消息。
(3)自动伸缩模块
自动伸缩模块的触发管理采用自动伸缩引擎模式构建，并引入资源编排的机制。
引入的机制如下：
1)通过YAML格式的模板来把底层的资源抽象出来；
3)并通过Key-Value对来赋予资源对象属性；
3)通过变量来引入输入机制；
4)通过Adapter(适配器)，调用环境中相关应用的虚机管理、镜像管理、负载均衡控制等功能模块实现弹性伸缩任务；
5)通过一个实时运行的后台服务，来解释YAML文件与实时获取的最新数据。
相关信息在自动伸缩引擎中按照流程编排通过Adapter与相关系统通信。这种模式的好处是易于扩展，当本发明应用在不同环境中运行时，可以通过不同的Adapter适应。
自动伸缩模块同时设计了一个服务发现机制，将同属于一个集群内的所有资源打标签，标签将存放在一个全局的Key-Value数据库中，做为一个集中配置管理中心，当新的虚拟机创建后，会对新的虚拟机打标签并更新到配置数据库中，负载均衡会自己的同步配置数据库中的信息，请新的客户端请求发送到新创建的虚拟机中，这个过程叫作服务发现。
图4根据一示例性实施例示出的一种电力系统的弹性伸缩方法的实现流程图。如图4所示，所述电力系统的弹性伸缩方法的具体流程如下。
步骤1：负载状态监控采集
系统通过监控采集模块完成对负载状态数据的采集，负载状态数据包括CPU类，Memory类，Disk IO和网络吞吐量等等。
负载状态数据的具体采集指标如下：
(1)CPU指标
CPU基本情况；
Load(负载)值，提供当前运行队列的详细状态；
CPU使用率(当前空闲的CPU比率、系统占用的CPU比率、用户进程占用的CPU比率、处于I/O等待的CPU比率)；
CPU使用均衡情况。
(2)Memory指标：
内存基本情况；
内存利用率(已使用内存/物理内存)；
Free memory(空闲内存)；
Cache命中率(缓存命中率)；
Swap利用率(已使用交换空间/交换总空间)；
Cache(缓存大小、利用率、命中率)；
Await(averagewai t平均等待时间)。
(3)Disk IO指标：
磁盘基本情况；
可使用总量；
已使用量；
IO量；
磁盘负载百分比；
IOPS(Input Output Per Second)磁盘每秒中读数据量+磁盘每秒钟写数据量)。
(:4)Network指标：
网络接口硬件信息；
TCP连接数；
数据包(接受/发送/丢弃)；
网络接口流量统计(In/Out)。
(5)QPS(Query Per Second每秒响应/处理能力)值：
集群内单机QPS最大值；
集群整体QPS实时值。
步骤2：规则匹配
监控系统采集的数据，经过负载运算，将结果与预设的规则进行匹配，得出判断结果。
(1)对于采集的指标，需要先进行负载运算(如求最大值、求最小值、求和、求平均值等)，主要原因如下：
采集指标实现了5秒的颗粒度，而规则定于允许用户自定义时间参数，实际工作往往会设置如“连续5分钟内负载超过60％”之类的参数，因此需要对采集指标按照时间维度进行处理；
同时要对负载集群内多虚拟机均衡考虑，原因是小段时间间隔的单台虚拟机负载情况往往不能反映集群真实情况)。
(2)经过负载运算后的数据与规则管理里面用户提前预设的规则、参数模型进行匹配，并得出判断输出。需要说明的是，规则管理里面的规则模板需要用户提前定义，主要包括时间、负载两个参数指标维度。
在本发明中默认(提前预设)的规则如下：
读取集群中单机QPS(Query Per Second每秒响应/处理能力)最大值，单机能力＝集群中单机QPS*95％；读取集群QPS实时值，集群QPS负载＝集群QPS实时值/(单机能力*集群主机数量)；
扩展规则：当同时发生以下两个条件时扩展，1)集群QPS负载大于阈值45％，2)每个CPU的等待队列长度大于0.5or CPU平均负载超过50％持续时间超过2分钟；
收缩规则：当同时发生以下两个条件时收缩，1)集群QPS负载小于阈值15％，2)每个CPU的等待队列长度小于0.2且CPU平均负载小于15％持续时间超过5分钟。
QPS阈值每个月1日会自动的进行更新，更新的依据是上个月几的QPS的趋势变化，比如上个月的QPS平均值比上上个月的平均值大了3％，则新的扩展QPS阈值将更新为48％，同理其他阈值也会更新。
(3)触发管理组件接收到上一步规则匹配结果后需要做出动作的消息，对相应信息进行封装，并触发自动伸缩模块。
步骤3：自动伸缩
自动伸缩模块收到自动伸缩触发请求后，启动自动伸缩引擎，通过流程编排，调用相关Adapter(适配器)进行操作指令下达与执行，过程中涉及的虚拟机管理功能、镜像功能、负载均衡控制功能不在本发明之内，利用现有环境中相关系统功能以Adapter(适配器)方式与自动伸缩模块对接。
(1)若是扩展操作，会调用虚拟机管理和镜像功能创建需要的虚拟机，并调用LB(LoadBalancer负载均衡)控制功能将虚拟机加入到集群中，以满足需求。该过程的具体流程为：
自动伸缩模块通过适配器调用虚拟机管理功能执行虚拟机创建操作，并将创建虚拟机的信息通过适配器传递给虚拟机管理功能；
虚拟机管理功能在创建虚拟机的过程中通过自动伸缩模块适配器调用镜像功能以完成虚拟机的创建；
虚拟机管理功能创建虚拟机完成后通过适配器将结果返回自动伸缩模块，自动伸缩模块通过适配器调用负载均衡控制功能将新建虚拟机加入到集群中。
(2)若是收缩操作，则先调用LB(LoadBalancer负载均衡)控制功能，将虚拟机从集群环境中挂起，再调用虚拟机管理功能按照规则执行暂时挂起或者虚拟机注销，以回收虚拟机资源。该过程的具体流程为：
自动伸缩模块通过适配器调用负载均衡控制功能，传递参数，将虚拟机从集群环境中挂起，挂起成功后，负载均衡控制功能将结果返回自动伸缩模块；
自动伸缩模块通过适配器调用虚拟机管理功能，并传递参数，对挂起虚拟机执行暂时挂起或注销操作，以回收资源，并通过适配器将结果返回自动伸缩模块。
自动的扩展或者收缩后，会自己的触发更新配置数据库，负载均衡自动的同步配置信息，会将新的请求分配给新扩展的虚拟机，或者新请求不再分配给已经收缩的虚拟机。
与现有技术相比较，本公开的实施例提供的技术方案具有以下特点：
(1)提高了管理效率
随着业务的发展，特别是互联网化的深入，业务系统的资源使用正日趋膨胀，传统人工干预的方式，往往需要根据经验在峰值到来前提前做好准备，且准备工作相对繁琐；但在互联网化趋势下，面对越来越多的集群，管理难度越来越大。本方案提供了一种自动化的弹性伸缩机制，使管理人员仅需要将经验值变为规则进行提前预设，系统自动根据规则完成弹性伸缩，这大幅度的提高了效率，降低了人工成本，同时保证了响应的及时性。
(2)提高资源使用效率
弹性伸缩机制的思想是，让系统保证最优的运行环境，既不会因为资源太少对系统运行造成压力，也不会因为资源太多而造成闲置浪费。相对于传统按峰值设计建设的模式，极大的降低了资源投入量，利用各个系统的峰值运行时间差，共享资源池内的资源，大幅度提高了资源使用效率。
(3)保证业务稳定访问
有了基于集群的弹性伸缩，当业务系统的运行负载达到阈值时，根据预设规则集群弹性伸缩机制会自动进行资源扩容，缓解了系统因高并发压力而造成的运行压力，从而在基础资源层面做好了保障，保证了系统的稳定运行。
以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视为本发明的保护范围。

Claims (10)

1.一种电力系统的弹性伸缩方法，其特征是，包括以下步骤：
步骤1，负载状态监控采集：用以采集负载状态数据；
步骤2，规则匹配：对采集采集的负载状态数据进行负载运算，将运算结果与预设的规则进行匹配，得出判断结果；
步骤3，自动伸缩：启动自动伸缩引擎，通过流程编排，调用相关Adapter进行操作指令下达与执行自动伸缩工作。
2.如权利要求1所述的一种电力系统的弹性伸缩方法，其特征是，在步骤1中，所述负载状态数据包括以下指标数据：
(1)CPU指标，所述CPU指标包括CPU基本情况、Load、CPU使用率、和CPU使用均衡情况；
(2)Memory指标，所述Memory指标包括内存基本情况、内存利用率、Free memory、Cache命中率、Swap利用率、Cache和Await；
(3)Disk IO指标，所述Disk IO指标包括磁盘基本情况、可使用总量、已使用量、IO量、磁盘负载百分比和IOPS；
(4)Network指标，所述Network指标包括网络接口硬件信息、TCP连接数、数据包和网络接口流量统计；
(5)QPS值，所述QPS值包括集群内单机QPS最大值和集群整体QPS实时值。
3.如权利要求2所述的一种电力系统的弹性伸缩方法，其特征是，所述步骤2的具体过程包括以下步骤：
步骤21，对于采集的指标，需要先进行负载运算，所述负载运算包括求最大值、求最小值、求和和求平均值；
步骤22，经过负载运算后的数据与规则管理里面用户提前预设的规则、参数模型进行匹配，并得出判断输出；
所述预设的规则如下：
(1)读取集群中单机QPS最大值，单机能力＝集群中单机QPS*95％；读取集群QPS实时值，集群QPS负载＝集群QPS实时值/(单机能力*集群主机数量)；
(2)扩展规则：当同时发生以下两个条件时扩展，1)集群QPS负载大于阈值45％，2)每个CPU的等待队列长度大于0.5or CPU平均负载超过50％持续时间超过2分钟；
(3)收缩规则：当同时发生以下两个条件时收缩，1)集群QPS负载小于阈值15％，2)每个CPU的等待队列长度小于0.2且CPU平均负载小于15％持续时间超过5分钟；
(4)QPS阈值每个月1日会自动的进行更新，更新的依据是上个月几的QPS的趋势变化，同理其他阈值也会更新；
步骤23，接收到规则匹配结果后做出动作的消息，对相应信息进行封装。
4.如权利要求3所述的一种电力系统的弹性伸缩方法，其特征是，所述步骤3的具体过程包括以下步骤：
步骤31，如果是扩展操作，则调用虚拟机管理和镜像功能创建需要的虚拟机，并调用LB控制功能将虚拟机加入到集群中，以满足需求；
步骤32，如果是收缩操作，则先调用LB控制功能，将虚拟机从集群环境中挂起，再调用虚拟机管理功能按照规则执行暂时挂起或者虚拟机注销，以回收虚拟机资源；
步骤33，进行自动伸缩工作后触发更新配置数据库，负载均衡自动的同步配置信息，会将新的请求分配给新扩展的虚拟机，或者新请求不再分配给已经收缩的虚拟机。
5.如权利要求4所述的一种电力系统的弹性伸缩方法，其特征是，所述步骤31的具体流程为：
(1)通过适配器调用虚拟机管理功能执行虚拟机创建操作，并将创建虚拟机的信息通过适配器传递给虚拟机管理功能；
(2)虚拟机管理功能在创建虚拟机的过程中通过自动伸缩模块适配器调用镜像功能以完成虚拟机的创建；
(3)虚拟机管理功能创建虚拟机完成后通过适配器将结果返回自动伸缩模块，自动伸缩模块通过适配器调用负载均衡控制功能将新建虚拟机加入到集群中。
6.如权利要求4所述的一种电力系统的弹性伸缩方法，其特征是，所述步骤32的具体流程为：
(1)通过适配器调用负载均衡控制功能，传递参数，将虚拟机从集群环境中挂起，挂起成功后，负载均衡控制功能将结果返回；
(2)通过适配器调用虚拟机管理功能，并传递参数，对挂起虚拟机执行暂时挂起或注销操作，以回收资源，并通过适配器将结果返回。
7.一种电力系统的弹性伸缩系统，其特征是，包括：
监控采集模块,用以负责对现有在运资源的监控和相关数据采集；
规则匹配模块，用以通过对采集的实施负载状态数据进行分析，判断得出是否进行弹性伸缩的结果，并对于需要进行弹性伸缩的发送触发请求；
自动伸缩模块，用以触发管理采用自动伸缩引擎模式构建并引入资源编排的机制。
8.如权利要求7所述的一种电力系统的弹性伸缩系统，其特征是，所述监控采集模块通过以下方式进行数据采集：
(1)标准数据采集方式，所述标准数据采集方式为通过SNMP来采集虚拟机的运行数据；
(2)自定义数据采集方式，所述自定义数据采集方式为将代理安装在虚拟机中，代理按照定制的脚本定时采集数据，并主动上报；
(3)开源云数据采集方式，所述开源云数据采集方式为通过OpenStack的监控组件进行运行数据采集。
9.如权利要求7所述的一种电力系统的弹性伸缩系统，其特征是，所述规则匹配模块包括：
(1)规则管理模块，用于保存和管理用户确定的规则模型，所述规则模型包括两类指标：一类为资源指标，所述资源指标至少包括CPU、内存和网络；另一类为时间指标，所述时间指标包括间隔多久和持续多久；
(2)负载运算模块，用以对监控采集的负载状态数据进行加工处理；
(3)规则匹配模块，用以将负载运算后的状态数据与规则库中预存的规则进行匹配，判断是否引发弹性伸缩；
(4)触发管理模块，用以对经过规则匹配判断且需要进行弹性伸缩的数据进行信息封装，并进行触发机制的执行。
10.如权利要求7所述的一种电力系统的弹性伸缩系统，其特征是，所述自动伸缩模块包括服务发现模块，所述服务发现模块用以通过YAML格式的模板来把底层的资源抽象出来，并通过Key-Value对来赋予资源对象属性，通过变量来引入输入机制，通过Adapter调用环境中相关应用的虚机管理、镜像管理和负载均衡控制功能模块实现弹性伸缩任务，以及通过一个实时运行的后台服务，来解释YAML文件与实时获取的最新数据。
CN201710712468.7A 2017-08-18 2017-08-18 一种电力系统的弹性伸缩方法及系统 Pending CN107515809A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710712468.7A CN107515809A (zh) 2017-08-18 2017-08-18 一种电力系统的弹性伸缩方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710712468.7A CN107515809A (zh) 2017-08-18 2017-08-18 一种电力系统的弹性伸缩方法及系统

Publications (1)

Publication Number Publication Date
CN107515809A true CN107515809A (zh) 2017-12-26

Family

ID=60723244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710712468.7A Pending CN107515809A (zh) 2017-08-18 2017-08-18 一种电力系统的弹性伸缩方法及系统

Country Status (1)

Country Link
CN (1) CN107515809A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109408242A (zh) * 2018-11-13 2019-03-01 郑州云海信息技术有限公司 一种服务器资源上下线方法与装置
CN109753355A (zh) * 2018-12-06 2019-05-14 积成电子股份有限公司 智能管理单元多通道连接实现自适应负载均衡的方法
CN112231066A (zh) * 2020-10-29 2021-01-15 北京思特奇信息技术股份有限公司 一种基于jvm内存使用的优化处理方法及系统
CN112395081A (zh) * 2019-08-15 2021-02-23 中国移动通信集团浙江有限公司 一种资源在线自动回收方法、系统、服务器以及存储介质
CN112445613A (zh) * 2020-11-02 2021-03-05 浙江大华技术股份有限公司 用于流处理平台的弹性扩缩容方法、电子设备和存储介质
CN112579287A (zh) * 2020-12-16 2021-03-30 跬云(上海)信息科技有限公司 一种基于读写分离及自动伸缩的云编排系统及方法
CN113067850A (zh) * 2021-02-20 2021-07-02 麒麟软件有限公司 一种多云场景下的集群编排系统
CN113407341A (zh) * 2021-06-22 2021-09-17 中国工商银行股份有限公司 一种基于分布式负载均衡的负载对象同步方法及装置
CN113742219A (zh) * 2021-08-05 2021-12-03 中移（杭州）信息技术有限公司 压力调节和性能测试方法、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170052813A1 (en) * 2014-05-19 2017-02-23 International Business Machines Corporation Agile vm load balancing through micro-checkpointing and multi-architecture emulation
CN106953758A (zh) * 2017-03-20 2017-07-14 北京搜狐新媒体信息技术有限公司 一种基于Nginx服务器的动态配置管理方法及系统
CN106970831A (zh) * 2017-05-15 2017-07-21 金航数码科技有限责任公司 一种面向云平台的虚拟机资源动态调度系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170052813A1 (en) * 2014-05-19 2017-02-23 International Business Machines Corporation Agile vm load balancing through micro-checkpointing and multi-architecture emulation
CN106953758A (zh) * 2017-03-20 2017-07-14 北京搜狐新媒体信息技术有限公司 一种基于Nginx服务器的动态配置管理方法及系统
CN106970831A (zh) * 2017-05-15 2017-07-21 金航数码科技有限责任公司 一种面向云平台的虚拟机资源动态调度系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
万世巍: "基于openstack的弹性集群的构建", 《中国优秀硕士学位论文全文数据库》 *
尹文开: "云平台中虚拟机生命周期管理的研究与实现", 《中国优秀硕士学位论文全文数据库》 *
韩璞: "《OpenStack技术原理与实战》", 29 February 2016 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109408242B (zh) * 2018-11-13 2020-08-04 郑州云海信息技术有限公司 一种服务器资源上下线方法与装置
CN109408242A (zh) * 2018-11-13 2019-03-01 郑州云海信息技术有限公司 一种服务器资源上下线方法与装置
CN109753355A (zh) * 2018-12-06 2019-05-14 积成电子股份有限公司 智能管理单元多通道连接实现自适应负载均衡的方法
CN109753355B (zh) * 2018-12-06 2020-10-30 积成电子股份有限公司 智能管理单元多通道连接实现自适应负载均衡的方法
CN112395081A (zh) * 2019-08-15 2021-02-23 中国移动通信集团浙江有限公司 一种资源在线自动回收方法、系统、服务器以及存储介质
CN112395081B (zh) * 2019-08-15 2024-05-07 中国移动通信集团浙江有限公司 一种资源在线自动回收方法、系统、服务器以及存储介质
CN112231066B (zh) * 2020-10-29 2024-02-13 北京思特奇信息技术股份有限公司 一种基于jvm内存使用的优化处理方法及系统
CN112231066A (zh) * 2020-10-29 2021-01-15 北京思特奇信息技术股份有限公司 一种基于jvm内存使用的优化处理方法及系统
CN112445613A (zh) * 2020-11-02 2021-03-05 浙江大华技术股份有限公司 用于流处理平台的弹性扩缩容方法、电子设备和存储介质
CN112579287A (zh) * 2020-12-16 2021-03-30 跬云(上海)信息科技有限公司 一种基于读写分离及自动伸缩的云编排系统及方法
CN113067850A (zh) * 2021-02-20 2021-07-02 麒麟软件有限公司 一种多云场景下的集群编排系统
CN113407341A (zh) * 2021-06-22 2021-09-17 中国工商银行股份有限公司 一种基于分布式负载均衡的负载对象同步方法及装置
CN113407341B (zh) * 2021-06-22 2024-03-22 中国工商银行股份有限公司 一种基于分布式负载均衡的负载对象同步方法及装置
CN113742219A (zh) * 2021-08-05 2021-12-03 中移（杭州）信息技术有限公司 压力调节和性能测试方法、系统及存储介质
CN113742219B (zh) * 2021-08-05 2024-07-26 中移（杭州）信息技术有限公司 压力调节和性能测试方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN107515809A (zh) 一种电力系统的弹性伸缩方法及系统
CN112667362B (zh) Kubernetes上部署Kubernetes虚拟机集群的方法与系统
CN108776934B (zh) 分布式数据计算方法、装置、计算机设备及可读存储介质
CN103810023B (zh) 一种云平台中分布式应用的智能部署方法及系统
TWI747092B (zh) 資源調度方法、設備、系統及中心伺服器
CN105159775A (zh) 基于负载均衡器的云计算数据中心的管理系统和管理方法
CN107967175B (zh) 一种基于多目标优化的资源调度系统及方法
Guan et al. CIVSched: A communication-aware inter-VM scheduling technique for decreased network latency between co-located VMs
CN102081554A (zh) 云计算操作系统及其内核控制系统及方法
Beernaert et al. Automatic elasticity in openstack
CN109995669A (zh) 分布式限流方法、装置、设备及可读存储介质
CN110597621A (zh) 集群资源的调度方法与系统
CN108874623A (zh) 分布式集群性能监控方法、装置、设备、系统及存储介质
CN111984505B (zh) 一种运维数据采集装置及采集方法
CN110489205A (zh) 一种基于容器集群的教育服务架构系统
CN103761146A (zh) 一种MapReduce动态设定slots数量的方法
CN110647392A (zh) 一种基于容器集群的智能弹性伸缩方法
CN104112049A (zh) 基于P2P构架的MapReduce任务跨数据中心调度系统及方法
WO2022151951A1 (zh) 任务调度方法及管理系统
Lv et al. An attribute-based availability model for large scale IaaS clouds with CARMA
CN117795480A (zh) 基于尖峰利用来升级虚拟设备部署
CN114356714A (zh) 基于Kubernetes智能板卡集群的资源集成监控与调度装置
CN113626145B (zh) 业务虚拟机数量动态扩容方法及系统
CN110046319B (zh) 社交媒体信息采集方法、装置、系统、设备及存储介质
CN111026809A (zh) 一种调度流程分布式执行系统

Legal Events

Date Code Title Description
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

Application publication date: 20171226

RJ01 Rejection of invention patent application after publication