CN107924340A - 资源配置系统、资源配置方法以及资源配置程序 - Google Patents
资源配置系统、资源配置方法以及资源配置程序 Download PDFInfo
- Publication number
- CN107924340A CN107924340A CN201680048125.9A CN201680048125A CN107924340A CN 107924340 A CN107924340 A CN 107924340A CN 201680048125 A CN201680048125 A CN 201680048125A CN 107924340 A CN107924340 A CN 107924340A
- Authority
- CN
- China
- Prior art keywords
- resource
- user
- fpga
- computing
- demand
- 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
-
- 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
-
- 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]
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
提供一种云服务,其实现专用于特定处理、图像处理或并行处理的高处理性能。资源选择装置(1)根据用户的性能需求以及功能需求是否要求以一定以上的处理性能进行特定的计算处理、图像处理或并行处理,来从至少包含FPGA或GPU的多个资源以及多个部署方法中分别选择资源以及部署方法。
Description
技术领域
本发明涉及配置云上的资源的技术。特别涉及在能够使用多种资源以及部署方法(Provisioning method)的云服务中,选择符合用户需求的资源以及该资源的部署方法,并根据需要对资源配置重新进行配置的技术。
背景技术
近年,IaaS(Infrastructure as a Service基础设施即服务)型云服务等针对用户提供计算机系统的虚拟资源的云服务正在普及。用户通过与服务提供商签订合同,能够按需求使用虚拟服务器、虚拟网络、虚拟路由器、虚拟存储器、虚拟负载均衡器等虚拟资源。例如,存在Amazon Web Services(注册商标,http://aws.amazon.com/ec2)等云服务。用户通过在虚拟资源上使OS(Operating System操作系统)、DB(Data Base数据库)、Web、电子邮件等中间件运行,不需要自己准备物理硬件设备就能够构筑自己专用的服务器。
另外,用于实现IaaS的开源软件也正在普及。例如,提供以被称为OpenStack(开放堆栈)(注册商标)的开源软件为基础的商用云服务。例如,存在Rackspace(注册商标、Public Cloud Powered by OpenStack、http://www.rackspace.com/cloud/)等的商用云服务。
在这样的状况下,在市场上的云服务中,作为向用户提供的虚拟服务器,当以部署方法进行分类时,主流是CPU通过Xen、KVM(Kernel based Virtual Machine基于内核的虚拟机)等管理程序(Hypervisor)对多核(many core)的服务器进行虚拟化而得到的虚拟服务器。另一方面,管理程序具有虚拟化处理开销大的缺点,因此具有性能恶化小的容器型的虚拟服务器(容器)、不进行虚拟化的裸机型的物理服务器(裸机)。另外,在以计算资源进行分类时,除了具有CPU的普通服务器以外,具有对特定的计算逻辑进行了优化的FPGA(FieldProgrammable Gate Array现场可编程门阵列)服务器。例如,Microsoft公司的Bing检索服务器。还出现了一些服务提供商,在云服务器中搭载普通的客户端PC具有的GPU(GraphicalProcessing Unit:图像处理单元),作为云服务器提供图像处理能力高的服务器。例如,Amazon Web Service的GPU实例服务器。
另外,作为提供给用户的虚拟存储器,在以部署方法进行分类时,具有块存储、对象存储。另外,在以存储资源进行分类时,目前为止主流是从基于HDD的专用存储器(例如,EMC的VNX)划出虚拟卷来提供给用户的方式,但是还出现了如下的服务提供商,作为虚拟卷提供随机IO(Input Output:输入输出)性能高于HDD的SSD、SSD与HDD的混合存储器。例如,Yahoo(注册商标)在云存储中使用Nimble公司的混合存储器。并且,对于喜欢低价格的用户,使用Ceph、Swift等分布式存储器。例如,GMO云的Konoha。
如此,用于云服务的虚拟资源以及该虚拟资源的部署方法是多种多样的。因此,认为通过根据用户的应用用途来选择适合的虚拟服务器等,IaaS的性能得到提高,并且用户的便利性得到提高。但是,在现有的云服务中,从相同类型的虚拟资源中进行选择,因此难以提供符合各个用户需求的适合的虚拟资源。因此,用户需要根据自身的功能需求以及性能需求来自己设计适当的服务器配置,并进行该服务器配置的性能验证,需要大量的技术知识和劳力。
现有技术文献
专利文献
专利文献1:日本特开2015-103094号公报
非专利文献
非专利文献1:Y.Yamato、“SERVER STRUCTURE PROPOSAL AND AUTOMATICVERIFICATION TECHNOLOGY ON IAAS CLOUD OF PLURAL TYPE SERVICERS”、InternationalConference on Internet Studies,July 18-19,2015,Tokyo,Japan
发明内容
发明要解决的课题
在这里,考虑使用专利文献1或非专利文献1的技术。
专利文献1是在提供虚拟资源的云服务中,对适当的物理设备配置用户的虚拟资源的技术。但是,例如只是用于调度将具有一定的虚拟CPU数的虚拟服务器与哪个物理设备对应起来,无法使用裸机、容器等的部署方法向用户提供具备强大的GPU单元或FPGA的虚拟服务器。
另外,非专利文献1是在提供裸机、容器以及管理程序的云服务中,按照用户的功能需求以及性能需求,提出适当的部署方法的技术。但是,只是提出部署方法,无法从具备GPU或FPGA的虚拟服务器中选择与用户的性能需求以及功能需求相对应的虚拟资源。
并且,专利文献1以及非专利文献1是用于向用户提供虚拟资源的技术,当用户对于虚拟资源的使用方式发生了变化时,无法按照该变化对虚拟资源的配置重新进行配置。
本发明是鉴于上述情况而作出的,其目的在于提供一种云服务,其实现了专用于特定处理、图像处理或者并行处理的高处理性能。
用于解决课题的手段
为了解决以上课题,本发明的资源配置系统具备:选择云上的资源的资源选择装置;以及配置资源或者对该资源配置重新进行配置的资源重新配置装置,所述资源选择装置具备:接收单元,其接收用户对于所述资源的需求;以及选择单元,其根据所述需求是否请求以一定以上的处理性能来进行特定处理、图像处理或并行处理,从至少包含FPGA或GPU的多个计算资源以及多个部署方法中分别选择计算资源以及部署方法。
另外,本发明的资源配置方法是通过用于选择云上的资源的资源选择装置以及用于配置资源或者对该资源配置重新进行配置的资源重新配置装置进行的资源配置方法,上述资源选择装置具备以下步骤:接收用户对于所述资源的需求的步骤;以及根据所述需求是否请求以一定以上的处理性能来进行特定处理、图像处理或并行处理,从至少包含FPGA或GPU的多个计算资源以及多个部署方法中分别选择计算资源以及部署方法的步骤。
另外,本发明的资源配置程序使计算机作为权利要求1所述的资源配置系统发挥作用。
发明效果
根据本发明,能够提供一种云服务,其实现了专用于特定处理、图像处理或并行处理的高处理性能。
附图说明
图1表示第1实施方式的资源配置系统的整体结构。
图2表示资源以及部署方法的选择处理流程。
图3表示计算资源的选择处理流程。
图4表示第2实施方式的资源配置系统的整体结构。
图5表示对于FPGA服务器的计算逻辑的配置处理流程。
图6表示对于FPGA服务器的计算逻辑的配置处理流程。
图7表示对于FPGA服务器的计算逻辑的配置处理流程。
具体实施方式
以下,使用附图对用于实施本发明的一实施方式进行说明。
<第1实施方式>
图1表示第1实施方式的资源配置系统的整体结构。该资源配置系统被配置在云系统上,构成为具备:资源选择装置1,其选择满足用户的性能需求以及功能需求的资源以及部署方法(Provisioning method);以及IaaS控制器3,其根据该选择结果来构筑资源配置。
首先,针对IaaS控制器3进行说明。该IaaS控制器3例如使用已知的OpenStack来构成。OpenStack是指用于构筑云计算的平台的开源软件。IaaS控制器3能够与配置在云上的多个物理设备进行通信,并经由Volume Manager(卷管理器)等虚拟化软件来管理云上的虚拟资源以及不经由虚拟化软件来管理物理资源。在本实施方式中,构成为具备:接受来自资源选择装置1的设定请求的OpenStack API31;根据该设定请求来构筑相应的用户的资源配置的资源配置构筑部32(Heat(编排)、Nova(计算)、Cinder(块存储)等);以及用于存储存在于云上的各种各样的资源信息、每个用户的资源配置信息的OpenStack DB33。
接下来,对资源选择装置1进行说明。该资源选择装置1在用户终端5与IaaS控制器3之间进行动作。在本实施方式中,构成为具备:请求接受部11,其接受在用户终端5输入的用户的性能需求以及功能需求;资源选择部12,其根据接受的请求来选择资源以及部署方法;选择结果通知部13,其向用户终端5通知该选择结果;设定请求部14,其根据用户对于该选择结果的批准指示,向IaaS控制器3请求资源设定;以及数据存储部15,其存储在选择资源以及部署方法时使用的信息。在选择时使用的信息例如是与在IaaS控制器3中能够设定以及能够使用的全部的资源以及部署方法、来自用户终端5的请求、基于该请求选择资源以及部署方法的结果等有关的信息。
至此对资源配置系统的整体结构进行了说明。可通过具备CPU等运算功能、存储器等存储功能的计算机来实现资源选择装置1。另外,还可作出用于使该计算机发挥作用的程序、该程序的存储介质。资源选择装置1还可以作为在物理上与IaaS控制器3不同的装置来发挥作用,也可以作为IaaS控制器3的一个功能。
接着,对于在IaaS控制器3中能够设定以及能够使用的全部的资源以及部署方法进行说明。也就是说,在此对于在资源选择装置1中可选择的资源以及部署方法进行说明。资源是指虚拟资源与物理资源的双方或者其中任意一个。例如在使用OpenStack(开放堆栈)来作为IaaS控制器3时,通常考虑基于虚拟化软件的虚拟资源,但是也可以不经由虚拟化软件而将物理资源作为选择对象的资源。
首先,针对部署方法进行说明。在本实施方式中,当资源是计算资源时,例如使用裸机部署(Bare-metal provisioning)、容器部署(Container provisioning)、管理程序部署(Hypervisor provisioning)。另一方面,当资源是存储资源时,例如使用块存储部署、对象存储部署。
裸机是指不进行虚拟化的物理服务器。与现有的Dedicated Hosting(主机租用)相同。因此,裸机部署是指确保不进行虚拟化的物理服务器。例如在OpenStack中,被称为Ironic的组件执行裸机部署。裸机是专用服务器,因此自由度高,性能也高,但是从部署到启动的时间长,无法动态迁移(Livemigration)。
容器是指使用了OS虚拟化技术的虚拟服务器。在OpenVZ等、VPS(Virtual PrivateServer:虚拟专用服务器)中使用。因此,容器部署是指确保使用了OS虚拟化技术的虚拟服务器等。容器部署以被称为容器的单位将计算机资源进行隔离,由此对物理服务器进行虚拟化。容器部署与后述的管理程序之间的不同在于共享OS的内核。在2013年,出现了使用LXC(Linux Container)的Docker,由于其使用方便使用量逐渐增多。容器没有内核的自由度,但它的确保以及生成处理只是启动进程,启动时间短、性能恶化也小。另外,OpenVZ虽然能够动态迁移,但是Docker、LXC当前无法进行动态迁移。
管理程序(Hypervisor)是使用硬件虚拟化技术对物理服务器进行虚拟化的技术。因此,管理程序部署是指确保使用了硬件虚拟化技术的虚拟服务器等。管理程序部署在通过硬件虚拟化技术而模拟出的硬件上运行,因此能够自由地定制OS。作为主要的管理程序,例如有Xen、KVM、VMware ESX。该虚拟服务器的OS自由度高,并能够进行动态迁移。另一方面,该虚拟服务器的仿真开销大,因此存在在性能、启动时间方面比裸机、容器差的缺点。
接下来,针对计算资源进行说明。在本实施方式中,例如使用CPU、GPU、FPGA。
CPU是在大多数的服务器、客户端PC中安装的普通的计算资源,进行以低延迟为特征的设计。CPU具备大的缓存(Cache memory)、复杂的控制以及强大的运算功能。特别是在云服务器中,经常使用CPU的内核数超过10个的多核CPU。
GPU是面向图像处理的计算单元,进行以高吞吐量为特征的设计。GPU具备小缓存、简单的控制、能效好的运算功能,为了实现高吞吐量以进行大量的并行计算的方式配置了计算单元。GPU大多安装在客户端PC中,但是也安装在运行图像处理用应用软件的服务器中。
FPGA是购买者或设计者能够在制造后设定或变更其结构的集成电路,是可编程逻辑设备之一。FPGA具有即使在出货后也可更新功能,在设计上可局部重构,工程费用比ASIC设计低等优点。FPGA虽然不是面向通用处理,但是通过对特定的计算配置逻辑,可实现比CPU、GPU更高的处理性能。如果是适合于FPGA的计算的相同处理,则具有GPU的数倍、CPU的10-100倍以上的处理性能。FPGA以科学学术领域的使用为中心,但是在云服务器中也用于搜索处理、NoSQL Engine(NoSQL引擎)处理的高速化。例如,用于Microsoft的Bing搜索、IBM的NoSQL引擎。
接着,针对存储资源进行说明。在本实施方式中,例如使用HDD、SSD、混合存储器、分布式存储器。
HDD(Hard Disk Drive:硬盘驱动器)是在大多数的服务器、客户端PC中安装的普通的存储资源。关于通常的基于HDD的存储器,为了提高IO(Input Output输入输出)性能,使HDD并行化来进行分段(Striping)。例如,普通的15000rpm(rotation per minute:每分转数)的HDD在随机写入时大约为150-200IOPS(Input/Output Operations Per Second:每秒进行读写操作的次数),但是通过排列20个能够达到大约3000-4000IOPS。但是,伴随并行的HDD的增加,需要花费电力和空间的成本,在追加HDD时或HDD故障进行更换时,伴随着存储器机架的停止,服务也需要停止。
SSD(Solid State Drive:固态存储器)是使用闪存(Flash memory)等的存储资源。SSD的随机IO的性能比HDD高,大约是几千IOPS的程度,但是与HDD相比,顺序IO的性能低。另外,SSD的每单位容量的成本高,耐用性低。因此,由于成本高,难以全部使用SSD存储器来准备云用户的卷。目前,在云中使用SSD的主要是OLTP(Online TransactionProcessing:在线交易处理)等对IOPS有要求的应用软件,在文件服务器等中几乎不使用。
混合存储器是基于HDD和SSD各自的特性,分别发挥它们的特长的存储资源。例如,Nimble的Storage采用被称为CASL(Cache Accelerated Sequential Layout:高速缓存加速顺序布局)的方式。在CASL中,在写入时,首先写入到SSD中,在进行压缩转换为可顺序访问的形式来写入到HDD中的同时,将一部分保存在高速缓存中。在读入时,从SSD以及高速缓存进行检索,最后检索HDD来返回响应。由此,在CASL中,实现了与通常的SSD相同程度以上的随机IOPS。混合存储器的研究从2000年年末以来蓬勃发展,除了Nimble还列举了很多研究、产品。例如,请参照“Extending SSD Lifetimes with Disk-Based Write Caches”(G.Soundararajan和另外3人、FAST 2010:8th USENIX Conference on File and StorageTechnologies,Feb.2010.)。
分布式存储器是使用IA(Intel Architecture:英特尔架构)服务器的存储资源。通过并行布置低价的IA服务器,构筑了大容量且可扩展的存储系统。近年来,可内置在IA服务器中的驱动器的容量、数量在增加,通过使用软件统一管理这些IA服务器群的驱动器,来防止单一存储器的SPOF(Single Point Of Failure:单点故障)、瓶颈、追加等维护时的服务停止。在使用的驱动器中也可使用SSD,但是通常重视成本而使用SATA(Serial AdvancedTechnology Attachment:串行高级技术配件)的HDD。构成分布式存储器的软件将1个数据在多个节点多重地配置复制,能够自动进行追加时的再配置、故障时的恢复。作为被用作文件系统的分布式存储器,例如有GlusterFS、Ceph、GFS、HDFS等。另外,作为被用作对象存储的分布式存储器,例如有OpenStack Swift等。
到此为止,对于在资源选择装置1中可选择的资源以及部署方法进行了说明。在本实施方式中,针对每个资源/每个部署方法,将这样的资源以及部署方法的特征以及性能互相进行比较研究。然后,针对用户期望的性能需求以及功能需求分等级地决定一定的必要条件判定基准,根据各基准的判定结果来分别确定资源以及部署方法,选择符合用户的需求条件的资源以及部署方法。由此,能够适当地配置与用户的需求相对应的资源以及部署方法,能够提供与用户的需求相匹配的处理性能的资源以及部署方法。
接着,对资源选择装置1的动作进行说明。图2是表示资源以及部署方法的选择处理流程的图。在这里,假设云提供商提出资源以及部署方法的用例(se case)。此时,设用户掌握较少的与性能设计以及设备选定有关的知识。
首先,请求接受部11接收由用户在用户终端5中指定的性能需求以及功能需求(步骤S101)。此时,可以经由PaaS(Platform as a Service:平台即服务)对资源选择装置1进行指定(参照图1)来代替直接进行指定。PaaS是用于进行云上的应用的执行管理的平台。也可经由该PaaS进行应用部署。例如,使用Cloud Foundry等。此外,功能需求是与OS是Linux还是Linux以外的操作系统,是否需要内核的定制、哪个应用运行等有关的信息。另外,性能需求是与吞吐量、延迟等有关的信息。
接着,资源选择部12从多个资源以及多个部署方法中选择符合在步骤S101中指定的性能需求以及功能需求的资源以及部署方法(步骤S102)。具体而言,考虑在资源选择装置1中可选择的资源以及部署方法的特征以及性能,对于用户需求分等级地决定基于该特征以及性能的必要条件判定基准。然后,根据各必要条件判定基准来判定所指定的性能需求以及功能需求,选择与该判定结果相对应的资源以及部署方法。针对计算资源,选择裸机、容器、管理程序中的某一个来作为部署方法,选择通常的以CPU为主体的服务器、强化了GPU的服务器、具备对特定的计算处理进行了优化的FPGA的服务器中的某一个来作为服务器设备。另外,针对存储资源,选择块存储、对象存储中的某一个来作为部署方法,选择基于HDD的存储器、基于SSD的存储器、HDD-SSD混合存储器、Ceph等分布式存储器中的某一个来作为存储设备。将在后面叙述资源以及部署方法的具体的选择过程的例子。
接着,选择结果通知部13将在步骤S102中选择出的资源以及部署方法发送至用户终端5(步骤S103)。接收到资源以及部署方法的用户终端5将接收到的资源以及部署方法显示在画面中作为建议资源以及建议部署方法。用户终端5的用户确认该建议内容,如果没有问题则将批准指示回复至资源选择装置1。
最后,设定请求部14指定由用户批准的资源以及部署方法来对IaaS控制器3请求资源设定以及生成(步骤S104)。之后,IaaS控制器3根据来自资源选择装置1的该请求来确保资源。
接下来,针对在步骤S102中进行的资源以及部署方法的具体的选择过程进行说明。在这里,一边参照图3,一边对计算资源的选择过程进行说明。
首先,判定用户的功能需求以及性能需求是否要求以一定以上的处理性能来处理特定的计算处理(步骤S102a)。
当步骤S102a的判定结果为是时,选择具备使该特定的计算处理高速化的FPGA的服务器,并选择裸机来作为该服务器的部署方法(步骤S102b)。作为通过FPGA进行高速化的例子,具有使memcached高速化的方法、Microsoft的Bing搜索等例子。如果进行虚拟化则无法充分发挥FPGA的优点,因此通过裸机进行部署。关于使memcached高速化的方法,记载在““Thin Servers with Smart Pipes:Designing SoC Accelerators for Memcached”,http://bit.ly/1BBNBEI,ISCA,2013”中。
另一方面,当步骤S102a的判定结果为否时,接下来,判定用户的功能需求以及性能需求是否要求以一定以上的处理性能来进行图像处理(或者并行处理)(步骤S102C)。
当步骤S102C的判定结果为是时,选择强化了GPU的服务器,并选择裸机或容器来作为该服务器的部署方法(步骤S102e、S102f)。对于选择哪个部署方法,根据针对计算资源所要求的处理性能的大小或者针对OS是否需要定制来进行判定(步骤S102d)。当步骤S102d的判定结果为是时,选择裸机,当为否时,选择容器。此外,在图像处理中具有进行影像编辑、加工、分析等的应用。服务器的GPU与客户端PC相比虽然很多并未像目前这样进行强化,但是也出现了具备增强的GPU的服务器。在控制GPU时,在虚拟机中硬件被抽象化而无法进行控制,因此通过裸机或容器进行部署。但是,容器被限定为LXC、Docker等,OS被限定为Linux的情况较多,因此在除了Linux以外的情况需要通过裸机进行部署。此外,近年来还出现了Windows为OS的容器技术,通过使用该容器技术,即使Windows为OS也能够进行容器部署。
到此为止,对于选择计算资源的情况进行了说明。此外,图3所示的各步骤的顺序是一个例子。例如可以在步骤S102a之前进行步骤S102C等,调换各步骤的顺序。
在存储资源时也是同样地,分等级地决定基于存储资源以及部署方法的特征以及性能的必要条件判定基准,选择符合所指定的性能需求以及功能需求的计算资源以及部署方法。具体而言,根据用户指定的功能需求,选择块存储或者对象存储来作为部署方法。块存储以块为单位来管理数据。对象存储以对象为单位来进行管理。对象存储一般来说价格低,因此在用户将对象存储指定为功能需求时,选择OpenStack Swift等分布式存储器。另一方面,当把块存储指定为功能需求时,根据运行的应用程序的特性来选择存储器。在OLAP等要求高IO的应用的情况下,根据性能需求来选择SSD或者HDD-SSD混合存储器。另一方面,在文件服务器或归档等不要求高IO的应用的情况下,根据性能需求来选择HDD或分布式存储器。一般来说,价格按照SSD>HDD-SSD混合>HDD>分布式存储器的顺序由高到低,选择满足性能需求的低价的存储器。
如上所述,在本实施方式中,资源选择装置1根据用户的性能需求以及功能需求是否要求了以一定以上的处理性能来进行特定的计算处理、图像处理或并行处理,从至少包含FPGA和GPU的多个计算资源、多个存储资源以及多个部署方法中分别选择预定的计算资源、预定的存储资源以及预定的部署方法,因此能够提供一种实现专用于特定的计算处理、图像处理或并行处理的高处理性能的云服务,还能够降低用户设计服务器配置的工作和劳力。
另外,在本实施方式中,资源选择装置1根据运行的应用程序的特性来选择存储资源,因此在HDD、SSD等混合存在时,对于想要进行要求高IO的OLAP等处理的用户,能够提示SSD等具有高IO的存储器。
另外,在本实施方式中,在CPU、GPU、FPGA等混合存在时,当想要高速进行特定的计算处理时,资源选择装置1对具备最适于该计算的FPGA的硬件进行裸机部署,在想要高速进行图像处理时,通过裸机或者容器来部署将GPU进行了强化的硬件,在除此以外的情况,通过裸机、容器、管理程序对通常的CPU服务器进行部署,因此用户能够在计算资源上实现高处理性能。
<第2实施方式>
在第1实施方式中,对于资源以及部署方法的选择方法进行了说明。另一方面,在第2实施方式中,对于根据用户的请求来选择以及配置资源,并根据用户针对资源的使用方法的变化来重新配置该资源配置的方法进行说明。
图4是表示第2实施方式的资源配置系统的整体结构的图。该资源配置系统构成为具备:资源重新配置装置7,其配置以及重新配置资源以及部署方法;以及IaaS控制器3,其根据该配置或者重新配置结果来构筑或者重新构筑资源配置。
接下来,针对资源重新配置装置7进行说明。该资源重新配置装置7构成为具备:请求接受部71,其接受在用户终端5中输入的用户的性能需求以及功能需求;资源重新配置部72,其根据接受的请求来配置或者重新配置资源以及部署方法;重新配置结果通知部73,其向用户终端5通知该配置或重新配置结果;设定请求部74,其根据用户对于配置或重新配置结果的批准指示来向IaaS控制器3请求资源设定;资源使用频度收集部75,其收集用户对于配置或重新配置的资源的使用频度;以及数据存储部76,其存储在资源以及部署方法的配置时以及重新配置时使用的信息。
此外,通过具备CPU等运算功能、存储器等存储功能的计算机,可实现资源重新配置装置7。另外,还可作出使计算机发挥功能的程序、该程序的存储介质。并且,资源重新配置装置7可以作为在物理上与资源选择装置1或IaaS控制器3不同的装置来发挥功能,也可以作为资源选择装置1或IaaS控制器3的一个功能。
接着,对资源重新配置装置7的动作进行说明。在这里,针对重新配置FPGA内部的计算逻辑的情况进行说明。这是考虑到预先准备分别具有各个目的的计算逻辑的多个FPGA会成本较高,根据用户的使用状况来优化FPGA的计算逻辑。
在本动作例中,使用两个动作模式进行说明。第1个是配置FPGA的计算逻辑的动作。第2个是在用户使用资源的过程中重新配置FPGA的计算逻辑的动作。
首先针对第1个动作模式进行说明。图5表示针对FPGA服务器的计算逻辑的配置处理流程。
首先,请求接受部71接收由用户在用户终端5中指定的性能需求以及功能需求(步骤S201)。此外,功能需求是指与是否需要要求高速的计算逻辑、哪个应用运行等有关的信息。另外,性能需求是指与吞吐量、延迟等有关的信息。
接着,资源重新配置部72根据在步骤S201中指定的性能需求以及功能需求来配置FPGA服务器的计算逻辑,并选择部署方法(步骤S202)。具体而言,选择未使用的FPGA服务器,并设定与指定的性能需求以及功能需求相对应的计算逻辑。当没有指定要求高速的计算逻辑时,可以根据应用的种类来进行配置。对于该配置处理本身,可以使用公知技术来实现。例如,关于NoSQL中基于FPGA的加速,记载在Data Engine for NoSQL-IBM PowerSystems Edition White Paper等中。预先在资源重新配置装置7的内部定义为设定成基于该记载内容的配置即可。FPGA的配置或者重新配置所花费的时间一般来说可以是几十毫秒左右,即使根据用户需求进行配置或者重新配置也没有问题。将在后面详细叙述对于FPGA服务器的计算逻辑的具体的配置过程例子。此外,关于部署方法,在这里将FPGA服务器作为对象,因此与图3的步骤S102b同样地选择裸机。
接着,重新配置结果通知部73向用户终端5发送在步骤S202配置的向FPGA的计算逻辑以及选择出的部署方法(步骤S203)。接收到它们的用户终端5在画面中显示接收到的计算逻辑以及部署方法来作为建议资源以及建议部署方法。用户终端5的用户确认该建议内容,如果没有问题则将批准指示回复至资源选择装置1。此时,如果有问题,用户可以指定并回复对FPGA设定的计算逻辑。
最后,设定请求部74指定由用户批准的资源以及部署方法来对IaaS控制器3请求资源设定/生成(步骤S204)。之后,IaaS控制器3根据来自资源选择装置1的该请求来确保资源。由此,未使用的FPGA服务器中使用在步骤S202配置以及选择出的计算逻辑和部署方法。
接下来,针对在步骤S202中进行的计算逻辑的具体的配置过程进行说明。图6表示对于FPGA服务器的计算逻辑的配置处理流程。
首先,判定用户的功能需求以及性能需求是否指定了特定的计算处理用计算逻辑(步骤S202a)。
当步骤S202a的判定结果为是时,使用指定的特定的计算逻辑来配置FPGA服务器(步骤S202b)。另一方面,当步骤S202a的判定结果为否时,判定在资源配置系统上是否能够使用与用户指定的应用类型相对应的计算逻辑(步骤S202C)。
之后,当步骤S202C的判定结果为是时,使用与指定的应用类型相对应的计算逻辑来配置FPGA服务器(步骤S202d)。另一方面,当步骤S202C的判定结果为否时,对用户提示能够使用的1个以上的计算逻辑,使用根据该提示而指定的计算逻辑来配置FPGA服务器(步骤S202e)。
此外,作为将指定的配置反映至FPGA的方法,例如可以使用开发出FPGA的Altera公司和Xilinx公司所提供的开发工具进行反映即可。
到此为止,针对第1个动作模式进行了说明。此外,说明了在该第1个动作模式,针对FPGA新设定计算逻辑的情况,但是即使在如下所述那样对已经设定的计算逻辑进行变更时,也可以通过将图5以及图6的“配置”替换为“重新配置”来直接使用。
接下来,针对第2个动作模式进行说明。再次重申,该第2是在用户使用资源的过程中对FPGA的计算逻辑进行重新配置的动作。图7表示对于FPGA服务器的计算逻辑的重新配置处理流程。该第2个动作例如在第1个动作之后进行。
首先,资源使用频度收集部75分别定期收集在各FPGA服务器中用户所使用的各种计算处理的使用频度(步骤S301)。例如,针对每个FPGA服务器收集图表分析1小时为几次、NoSQL的CRUD处理1小时为几次等次数。
接着,资源重新配置部72基于在FPGA服务器中设定的计算逻辑的种类来检测各FPGA服务器擅长的计算处理,并定期将检测出的各FPGA服务器中擅长的计算处理的种类与该各FPGA服务器中的各种计算处理的次数进行对照,根据该对照结果来判定是否应该对FPGA服务器进行重新配置(步骤S302)。例如,当在擅长图表分析的FPGA服务器上,1小时进行10次图表分析,在1小时进行10000次NoSQL的CRUD处理时,向擅长NoSQL处理的FPGA服务器进行重新配置是恰当的。因此,在步骤S302中,例如,当擅长的计算以外的计算次数超过一定的阈值时,判定为对FPGA服务器进行重新配置是恰当的。此外,擅长图表分析的FPGA服务器是指设定了图表分析用计算逻辑的FPGA服务器。
接着,当在步骤S302中判定出FPGA服务器的重新配置是适当的时,重新配置结果通知部73向用户终端5发送应该变更计算逻辑的意思的通知(步骤S303)。例如,在为上述例子时,向用户建议将相应的FPGA服务器中设定的图表分析用计算逻辑变更为NoSQL用计算逻辑更为合适的意思及其理由。接收到通知的用户终端5在画面中显示接收到的计算逻辑的变更建议。用户终端5的用户确认该建议,如果没有问题则将批准指示回复至资源选择装置1。此时,如果有问题,用户可以指定并回复在FPGA中设定的计算逻辑,也可以回复不进行重新配置的指示。
最后,资源重新配置部72选择用户正在使用的FPGA服务器,并根据用户的批准结果,变更该FPGA服务器的计算逻辑使得计算次数增加的计算逻辑高速化(步骤S304)。在上述例子中,将图表分析用计算逻辑变更为使用频度增大的NoSQL用计算逻辑。FPGA的重新配置所需的时间一般来说可以是几十毫秒左右,即使在FPGA服务器的运行中进行重新配置也没有问题。
到此为止说明了对FPGA内部的计算逻辑进行配置以及重新配置的情况。毋庸置疑,对于具有不同的计算逻辑的FPGA服务器之间,不同种类的计算资源之间或存储资源之间、不同的部署方法彼此之间,也可在它们之间,根据用户的变更后的性能需求和功能需求以及用户对于计算资源的使用频度来进行变更。
到此为止说明了第2个动作模式。该第2个动作模式可以适用于通过在第1实施方式中使用的资源选择装置1进行部署,并且事先针对特定的计算处理进行了优化的FPGA服务器。
根据以上所述,在本实施方式中,资源重新配置装置7根据用户的需求,将设定变更为对特定的计算逻辑进行了优化的FPGA服务器,并进行裸机部署,因此用户能够实现高处理性能。
另外,在本实施方式中,当用户在FPGA服务器上进行系统运用时,资源重新配置装置7分别收集用户在该FPGA服务器中所使用的各种计算处理的使用频度,当由于用户的使用方法的变化而使特定的计算处理增大时,与增大的计算处理相符地来变更FPGA服务器的配置,因此用户能够在FPGA服务器上实现更高的处理性能,还能够降低预先准备具备各种计算逻辑的多个FPGA服务器的必要性。
最后,在第1实施方式以及第2实施方式中,说明了针对用户需求建议适当的资源配置的方法,但是另一方面,用户需要实际确认该建议内容是否充分。在这样的情况下,还考虑使用对所建议的资源配置的性能进行验证的性能验证装置。例如,在非专利文献1中,具备自动验证服务提供商所建议的服务器配置的性能的机制,通过使用该机制用户能够容易地执行性能验证。
符号说明
1…资源选择装置
11…请求接受部
12…资源选择部
13…选择结果通知部
14…设定请求部
15…数据存储部
3…IaaS控制器
31…开放堆栈API
32…资源配置构筑部
33…开放堆栈DB
5…用户终端
7…资源重新配置装置
71…请求接受部
72…资源重新配置部
73…重新配置结果通知部
74…设定请求部
75…资源使用频度收集部
76…数据存储部
S101~S104、S102a~S102k、S201~S204、S202a~S202e、S301~S304…步骤。
Claims (9)
1.一种资源配置系统,其具备选择云上的资源的资源选择装置;以及配置资源或者对该资源配置进行重新配置的资源重新配置装置,其特征在于,
所述资源选择装置具备:
接收单元,其接收用户对于所述资源的需求;以及
选择单元,其根据所述需求是否要求了以一定以上的处理性能来进行特定处理、图像处理或并行处理,从至少包含FPGA或GPU的多个计算资源以及多个部署方法中分别选择计算资源以及部署方法。
2.根据权利要求1所述的资源配置系统,其特征在于,
当所述需求要求了以一定以上的处理性能来进行所述特定处理时,所述选择单元选择FPGA来作为所述计算资源,并选择裸机来作为该计算资源的部署方法。
3.根据权利要求1所述的资源配置系统,其特征在于,
当所述需求要求了以一定以上的处理性能来进行所述图像处理或者所述并行处理时,所述选择单元选择GPU来作为所述计算资源,并根据针对计算资源要求的处理性能的大小或者是否需要针对OS的定制来选择裸机或者容器来作为该计算资源的部署方法。
4.根据权利要求1所述的资源配置系统,其特征在于,
所述选择单元根据所述需求选择块单位或对象单位的部署方法,并根据要运行的应用程序的特性来选择存储资源。
5.根据权利要求1所述的资源配置系统,其特征在于,
所述资源重新配置装置具备配置单元,该配置单元在FPGA的计算资源中设定与用户的需求相对应的计算逻辑,并在该计算资源中使用该计算逻辑。
6.根据权利要求1所述的资源配置系统,其特征在于,
所述资源重新配置装置具备:
收集单元,其分别收集所述用户在资源配置后的计算资源中所使用的各种计算处理的使用频度;以及
重新配置单元,其与所述使用频度增大的特定的计算处理相符地变更所述资源配置后的计算资源的配置。
7.一种资源配置方法,其是通过资源选择装置和资源重新配置装置进行的资源配置方法,所述资源选择装置用于选择云上的资源,所述资源重新配置装置用于配置资源或者对该资源配置进行重新配置,
其特征在于,具备以下步骤:
所述资源选择装置接收用户对于所述资源的需求的步骤;以及
所述资源选择装置根据所述需求是否要求了以一定以上的处理性能来进行特定处理、图像处理或并行处理,从至少包含FPGA或GPU的多个计算资源以及多个部署方法中分别选择计算资源以及部署方法的步骤。
8.根据权利要求7所述的资源配置方法,其特征在于,具备以下步骤:
所述资源重新配置装置分别收集所述用户在资源配置后的计算资源中使用的各种计算处理的使用频度的步骤;以及
所述资源重新配置装置与所述使用频度增大的特定的计算处理相符地变更所述资源配置后的计算资源的配置的步骤。
9.一种资源配置程序,其特征在于,
使计算机作为权利要求1所述的资源配置系统发挥功能。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015160784 | 2015-08-18 | ||
JP2015-160784 | 2015-08-18 | ||
PCT/JP2016/057978 WO2017029826A1 (ja) | 2015-08-18 | 2016-03-14 | リソース構成システム、リソース構成方法及びリソース構成プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107924340A true CN107924340A (zh) | 2018-04-17 |
Family
ID=58051546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680048125.9A Pending CN107924340A (zh) | 2015-08-18 | 2016-03-14 | 资源配置系统、资源配置方法以及资源配置程序 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10628225B2 (zh) |
EP (1) | EP3340051A4 (zh) |
JP (1) | JP6438144B2 (zh) |
CN (1) | CN107924340A (zh) |
WO (1) | WO2017029826A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108897601A (zh) * | 2018-06-29 | 2018-11-27 | 郑州云海信息技术有限公司 | 一种基于虚拟化的fpga使用方法、系统及相关装置 |
CN108958910A (zh) * | 2018-05-21 | 2018-12-07 | 福建省数字福建云计算运营有限公司 | 一种基于异构环境下的任务调度方法及终端 |
CN111309440A (zh) * | 2020-02-16 | 2020-06-19 | 苏州浪潮智能科技有限公司 | 一种多类型gpu的管理调度的方法和设备 |
CN115499305A (zh) * | 2022-07-29 | 2022-12-20 | 天翼云科技有限公司 | 一种分布式集群存储设备的部署方法、装置及电子设备 |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10484242B2 (en) * | 2017-08-23 | 2019-11-19 | Bank Of America Corporation | Dynamic cloud stack configuration |
JP6992515B2 (ja) * | 2018-01-05 | 2022-01-13 | コニカミノルタ株式会社 | Gpu割当プログラム、gpu割当方法、コンピュータ読取可能な記録媒体、および、gpu割当装置 |
US10853134B2 (en) * | 2018-04-18 | 2020-12-01 | Xilinx, Inc. | Software defined multi-domain creation and isolation for a heterogeneous System-on-Chip |
US11140032B2 (en) * | 2018-05-04 | 2021-10-05 | Oracle International Corporation | System and method for building idempotent configuration management modules for a cloud Infrastructure Service |
US11416663B2 (en) | 2018-12-13 | 2022-08-16 | Hamilton Sundstrand Corporation | Optimized allocation of functions in hybrid motor controller implementations |
US11120188B2 (en) * | 2019-01-28 | 2021-09-14 | King Fahd University Of Petroleum And Minerals | FPGA virtualization |
CN111858241B (zh) * | 2020-07-10 | 2022-06-10 | 浪潮电子信息产业股份有限公司 | 一种fpga云平台的监控方法、装置、设备及存储介质 |
CN112286537A (zh) * | 2020-10-23 | 2021-01-29 | 平安科技(深圳)有限公司 | 裸金属服务交付方法、装置、计算机设备和存储介质 |
US11934875B2 (en) | 2020-12-09 | 2024-03-19 | Dell Products L.P. | Method and system for maintaining composed systems |
US11435814B2 (en) | 2020-12-09 | 2022-09-06 | Dell Produts L.P. | System and method for identifying resources of a composed system |
US11704159B2 (en) | 2020-12-09 | 2023-07-18 | Dell Products L.P. | System and method for unified infrastructure architecture |
US11853782B2 (en) | 2020-12-09 | 2023-12-26 | Dell Products L.P. | Method and system for composing systems using resource sets |
US11809912B2 (en) | 2020-12-09 | 2023-11-07 | Dell Products L.P. | System and method for allocating resources to perform workloads |
US11693703B2 (en) | 2020-12-09 | 2023-07-04 | Dell Products L.P. | Monitoring resource utilization via intercepting bare metal communications between resources |
US11604595B2 (en) | 2020-12-09 | 2023-03-14 | Dell Products L.P. | Data mirroring and data migration between storage volumes using system control processors |
US11698821B2 (en) | 2020-12-09 | 2023-07-11 | Dell Products L.P. | Composable information handling systems in an open network using access control managers |
US11928515B2 (en) | 2020-12-09 | 2024-03-12 | Dell Products L.P. | System and method for managing resource allocations in composed systems |
US11809911B2 (en) | 2020-12-09 | 2023-11-07 | Dell Products L.P. | Resuming workload execution in composed information handling system |
US11675625B2 (en) | 2020-12-09 | 2023-06-13 | Dell Products L.P. | Thin provisioning of resources using SCPS and a bidding system |
US11675665B2 (en) | 2020-12-09 | 2023-06-13 | Dell Products L.P. | System and method for backup generation using composed systems |
US11755433B2 (en) | 2020-12-22 | 2023-09-12 | EMC IP Holding Company LLC | Method and system for health rank based virtual machine restoration using a conformal framework |
US11675916B2 (en) | 2021-01-28 | 2023-06-13 | Dell Products L.P. | Method and system for limiting data accessibility in composed systems |
US11687280B2 (en) | 2021-01-28 | 2023-06-27 | Dell Products L.P. | Method and system for efficient servicing of storage access requests |
US11797341B2 (en) | 2021-01-28 | 2023-10-24 | Dell Products L.P. | System and method for performing remediation action during operation analysis |
US11768612B2 (en) | 2021-01-28 | 2023-09-26 | Dell Products L.P. | System and method for distributed deduplication in a composed system |
US11947697B2 (en) | 2021-07-22 | 2024-04-02 | Dell Products L.P. | Method and system to place resources in a known state to be used in a composed information handling system |
US11928506B2 (en) | 2021-07-28 | 2024-03-12 | Dell Products L.P. | Managing composition service entities with complex networks |
WO2023105671A1 (ja) * | 2021-12-08 | 2023-06-15 | 日本電信電話株式会社 | 計算機及びプログラム |
WO2023105670A1 (ja) * | 2021-12-08 | 2023-06-15 | 日本電信電話株式会社 | リソース管理装置及びプログラム |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6915518B1 (en) * | 2000-07-24 | 2005-07-05 | Xilinx, Inc. | System and method for runtime reallocation of PLD resources |
CN1783811A (zh) * | 2004-09-29 | 2006-06-07 | 微软公司 | 将网络上的软件部署与外部恶意入侵隔离 |
JP2011248503A (ja) * | 2010-05-25 | 2011-12-08 | Nippon Telegr & Teleph Corp <Ntt> | 情報サービスシステム |
CN102447743A (zh) * | 2010-10-05 | 2012-05-09 | 埃森哲环球服务有限公司 | 云企业服务的系统和方法 |
CN103297504A (zh) * | 2013-05-09 | 2013-09-11 | 浙江大学 | 一种云数据中心中物理裸机快速部署操作系统的方法 |
CN103312727A (zh) * | 2012-03-06 | 2013-09-18 | 创业软件股份有限公司 | 一种区域医疗协同服务领域云计算部署方法 |
CN103368767A (zh) * | 2012-04-02 | 2013-10-23 | 国际商业机器公司 | 用于具有故障的云中的高效应用管理的方法和系统 |
WO2014073024A1 (en) * | 2012-11-09 | 2014-05-15 | Hitachi, Ltd. | Management computer, computer system, and instance management method |
US20140258360A1 (en) * | 2012-04-17 | 2014-09-11 | Nimbix, Inc. | Reconfigurable cloud computing |
US20140282590A1 (en) * | 2013-03-14 | 2014-09-18 | Mark Cavage | Compute-Centric Object Stores and Methods Of Use |
JP2015132887A (ja) * | 2014-01-09 | 2015-07-23 | 富士通株式会社 | 要求分散プログラム、要求分散方法および情報処理装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030069974A1 (en) * | 2001-10-08 | 2003-04-10 | Tommy Lu | Method and apparatus for load balancing web servers and virtual web servers |
WO2007021836A2 (en) * | 2005-08-15 | 2007-02-22 | Toutvirtual Inc. | Virtual systems management |
DE102012221355A1 (de) * | 2012-11-22 | 2014-05-22 | Siemens Aktiengesellschaft | Verfahren zum Bereitstellen von Ressourcen in einer Cloud und Vorrichtung |
US20140280964A1 (en) * | 2013-03-15 | 2014-09-18 | Gravitant, Inc. | Systems, methods and computer readable mediums for implementing cloud service brokerage platform functionalities |
JP5988505B2 (ja) | 2013-11-26 | 2016-09-07 | 日本電信電話株式会社 | 仮想リソース管理装置、選択方法及び選択プログラム |
-
2016
- 2016-03-14 WO PCT/JP2016/057978 patent/WO2017029826A1/ja active Application Filing
- 2016-03-14 EP EP16836818.1A patent/EP3340051A4/en not_active Ceased
- 2016-03-14 US US15/742,765 patent/US10628225B2/en active Active
- 2016-03-14 JP JP2017535249A patent/JP6438144B2/ja active Active
- 2016-03-14 CN CN201680048125.9A patent/CN107924340A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6915518B1 (en) * | 2000-07-24 | 2005-07-05 | Xilinx, Inc. | System and method for runtime reallocation of PLD resources |
CN1783811A (zh) * | 2004-09-29 | 2006-06-07 | 微软公司 | 将网络上的软件部署与外部恶意入侵隔离 |
JP2011248503A (ja) * | 2010-05-25 | 2011-12-08 | Nippon Telegr & Teleph Corp <Ntt> | 情報サービスシステム |
CN102447743A (zh) * | 2010-10-05 | 2012-05-09 | 埃森哲环球服务有限公司 | 云企业服务的系统和方法 |
CN103312727A (zh) * | 2012-03-06 | 2013-09-18 | 创业软件股份有限公司 | 一种区域医疗协同服务领域云计算部署方法 |
CN103368767A (zh) * | 2012-04-02 | 2013-10-23 | 国际商业机器公司 | 用于具有故障的云中的高效应用管理的方法和系统 |
US20140258360A1 (en) * | 2012-04-17 | 2014-09-11 | Nimbix, Inc. | Reconfigurable cloud computing |
WO2014073024A1 (en) * | 2012-11-09 | 2014-05-15 | Hitachi, Ltd. | Management computer, computer system, and instance management method |
US20140282590A1 (en) * | 2013-03-14 | 2014-09-18 | Mark Cavage | Compute-Centric Object Stores and Methods Of Use |
CN103297504A (zh) * | 2013-05-09 | 2013-09-11 | 浙江大学 | 一种云数据中心中物理裸机快速部署操作系统的方法 |
JP2015132887A (ja) * | 2014-01-09 | 2015-07-23 | 富士通株式会社 | 要求分散プログラム、要求分散方法および情報処理装置 |
Non-Patent Citations (1)
Title |
---|
WEIXIN_34097242: "Docker:利用Linux容器实现可移植的应用部署", 《HTTPS://BLOG.CSDN.NET/ WEIXIN_34097242/ARTICLE/DETAILS/91768548》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108958910A (zh) * | 2018-05-21 | 2018-12-07 | 福建省数字福建云计算运营有限公司 | 一种基于异构环境下的任务调度方法及终端 |
CN108958910B (zh) * | 2018-05-21 | 2020-12-18 | 福建省数字福建云计算运营有限公司 | 一种基于异构环境下的任务调度方法及终端 |
CN108897601A (zh) * | 2018-06-29 | 2018-11-27 | 郑州云海信息技术有限公司 | 一种基于虚拟化的fpga使用方法、系统及相关装置 |
CN111309440A (zh) * | 2020-02-16 | 2020-06-19 | 苏州浪潮智能科技有限公司 | 一种多类型gpu的管理调度的方法和设备 |
CN111309440B (zh) * | 2020-02-16 | 2022-07-08 | 苏州浪潮智能科技有限公司 | 一种多类型gpu的管理调度的方法和设备 |
CN115499305A (zh) * | 2022-07-29 | 2022-12-20 | 天翼云科技有限公司 | 一种分布式集群存储设备的部署方法、装置及电子设备 |
CN115499305B (zh) * | 2022-07-29 | 2024-04-26 | 天翼云科技有限公司 | 一种分布式集群存储设备的部署方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2017029826A1 (ja) | 2017-02-23 |
JP6438144B2 (ja) | 2018-12-12 |
EP3340051A1 (en) | 2018-06-27 |
JPWO2017029826A1 (ja) | 2018-05-10 |
EP3340051A4 (en) | 2019-04-10 |
US10628225B2 (en) | 2020-04-21 |
US20180239642A1 (en) | 2018-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107924340A (zh) | 资源配置系统、资源配置方法以及资源配置程序 | |
JP6928055B2 (ja) | データボリュームの動的な構成 | |
US10489217B2 (en) | Determining storage tiers for placement of data sets during execution of tasks in a workflow | |
US9747136B2 (en) | Methods and systems that allocate cost of cluster resources in virtual data centers | |
US20200234211A1 (en) | Methods and systems to optimize operating system license costs in a virtual data center | |
US20170371636A1 (en) | Methods and systems to optimize cost and automate a development and operations deployment pipeline | |
US20180060361A1 (en) | Efficient, automated distributed-search methods and systems | |
US9300536B2 (en) | Cluster-aware resource provisioning in a networked computing environment | |
CN109791500A (zh) | 虚拟机实例和客户可编程逻辑之间的中间主机集成电路 | |
US20110314069A1 (en) | Data lifecycle management within a cloud computing environment | |
CN103970607A (zh) | 使用等价集合来计算优化虚拟机分配的方法和装置 | |
US10243815B2 (en) | Methods and systems to evaluate data center resource allocation costs | |
US9501313B2 (en) | Resource management and allocation using history information stored in application's commit signature log | |
US20170372384A1 (en) | Methods and systems to dynamically price information technology services | |
US9916092B2 (en) | Methods and systems to allocate physical data-storage costs to logical disks | |
US10154091B1 (en) | Deploying infrastructure units according to resource hosting constraints | |
Conley et al. | Achieving cost-efficient, data-intensive computing in the cloud | |
KR101378348B1 (ko) | 프라이빗 클라우드 인프라 기반 하둡 클러스터의 기본 프로토타입 | |
Naveenkumar et al. | Evaluation of Active Storage System Realized through MobilityRPC | |
Lee et al. | Server and storage performance testing for data center construction | |
US20240104418A1 (en) | Graphics processing unit training job allocation | |
Wang | An Analysis of Performance and Potential of Cloud Computing and Object Storage. | |
Bach et al. | Supporting Hardware |
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 |
Application publication date: 20180417 |
|
RJ01 | Rejection of invention patent application after publication |