CN108023834A - 一种云资源自动分配方法及装置 - Google Patents
一种云资源自动分配方法及装置 Download PDFInfo
- Publication number
- CN108023834A CN108023834A CN201610958188.XA CN201610958188A CN108023834A CN 108023834 A CN108023834 A CN 108023834A CN 201610958188 A CN201610958188 A CN 201610958188A CN 108023834 A CN108023834 A CN 108023834A
- Authority
- CN
- China
- Prior art keywords
- resource
- period
- moving average
- resource parameters
- average value
- 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
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/78—Architectures of resource allocation
- H04L47/788—Autonomous allocation of resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/83—Admission control; Resource allocation based on usage prediction
-
- 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
-
- 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
- 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
- G06F2209/503—Resource availability
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种云资源自动分配方法及装置。该方法包括:获取云服务器当前周期的当前时刻的资源参数和所述当前时刻所处的第一时段;对所述当前周期的资源参数进行计算,获取下个周期同一时段的资源参数;根据所述下个周期同一时段的资源参数获取下个周期同一时段的最大资源消耗量;根据所述最大资源消耗量对云资源进行分配;其中,所述资源参数包括用户总数、每个用户的平均请求数、每个请求的平均资源消耗量。本发明实施例分时段从每时段的历史资源消耗量和请求数量两个角度分析,避免了现有技术中仅从历史最大并发请求数预测资源消耗量不准确的缺陷,提高了对资源消耗量预测的准确性,提高了云资源的利用率。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种云资源自动分配方法及装置。
背景技术
云计算是指将计算分布在大量的分布式计算机上,使用云计算平台通过网络为用户提供信息服务称为“云服务”。云服务可分为以下三层:基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)。
基础设施即服务(IaaS)平台云以虚拟机的形式为用户提供服务。当用户需要云资源时,基础设施即云服务器将其中的资源(包括CPU资源和内存资源)打包成虚拟机的形式提供给用户使用;当用户不再需要云资源时,基础设施即云服务器销毁上述虚拟机以回收云资源。
现有的云资源分配方法中,获取应用的历史最大并发请求数,使用时间序列预测算法预测下一时段最大并发请求数,并将预测的最大并发请求数作为下一时段的资源消耗;实时监测云平台的并发请求情况,当实际并发请求数大于预测值时,增加预测的最大并发请求数。现有技术仅根据同一时段的历史最大并发请求数对下一时段的资源消耗进行预测,预测值与实际值存在较大误差,且这一误差易被后续算法放大,大大影响预测值的准确率。
现有的云资源分配方法中,采用基于二次移动平均法的、分时段以日为最小单位的时间序列预测算法,作为最大并发请求数预测的方法。现有技术采用的基于二次移动平均法的预测算法如下:
xt+T=at+Tbt;
其中,xt+T表示预测的最大并发请求数;at和bt为预测算法的待定系数;t表示当前时刻,T表示待预测时刻的序号;
现有技术中的二次移动平均法存在预测值低于实际值的情况,存在滞后误差,使得预测结果不准确,影响云资源的使用率。
发明内容
本发明实施例提供一种云资源自动分配方法及装置,用于解决现有的问题云资源分配方法中对资源消耗预测不准确导致云资源使用率低的问题。
本发明实施例提供了一种云资源自动分配方法,包括:
获取云服务器当前周期的当前时刻的资源参数和所述当前时刻所处的第一时段;
对所述当前周期的资源参数进行计算,获取下个周期第二时段的资源参数,其中,所述第一时段和所述第二时段为同一时段;
根据所述下个周期第二时段的资源参数获取所述下个周期第二时段的最大资源消耗量;
根据所述最大资源消耗量对云资源进行分配;
其中,所述资源参数包括用户总数、每个用户的平均请求数、每个请求的平均资源消耗量。
可选地,获取云服务器当前周期的当前时刻的资源参数和所述当前时刻所处的第一时段,包括:
获取云服务器当前周期的当前时刻的用户总数、请求总数、资源消耗量和当前时刻所处的第一时段;
根据所述用户总数、请求总数和资源消耗量获取每个用户的平均请求数和每个请求的平均资源消耗量。
可选地,所述对所述当前周期的资源参数进行计算,包括:
采用三次移动平均法对所述当前周期的资源参数进行计算。
可选地,采用三次移动平均法对所述当前周期的资源参数进行计算,获取下个周期第二时段的资源参数,包括:
根据当前周期的当前时刻的资源参数获取当前时刻所处的第一时段的资源参数的一次移动平均值;
根据所述一次移动平均值获取所述资源参数的二次移动平均值;
根据所述二次移动平均值获取所述资源参数的三次移动平均值;
根据所述一次移动平均值、二次移动平均值和三次移动平均值获取下个周期同一时段的资源参数。
可选地,包括:
根据公式1计算所述资源参数的一次移动平均值:
其中,Xt为t时段内的资源参数的当前值;t=1,2,3...,T,T为当前周期当前时刻所处的时段;为t时段内Xt的一次移动平均值;t=[0.5T],[0.5T]+1,...,T;[]为取整运算;
根据公式2计算所述资源参数的二次移动平均值:
其中,为t时段内Xt的二次移动平均值;
根据公式3计算所述资源参数的三次移动平均值:
其中,为t时段内Xt的二次移动平均值;T-1表示上个周期同一时段,T+1表示下个周期同一时段;
根据公式4计算下个周期同一时段的资源参数:
其中,XT+1为下个周期同一时段的资源参数。
本发明实施例提供了一种云资源自动分配装置,包括:
数据获取单元,用于获取云服务器当前周期的当前时刻的资源参数和所述当前时刻所处的第一时段;
资源参数获取单元,用于对所述当前周期的资源参数进行计算,获取下个周期第二时段的资源参数,其中,所述第一时段和所述第二时段为同一时段;
最大资源消耗量获取单元,用于根据所述下个周期第二时段的资源参数获取所述下个周期第二时段的最大资源消耗量;
云资源分配单元,用于根据所述最大资源消耗量对云资源进行分配;
其中,所述资源参数包括用户总数、每个用户的平均请求数、每个请求的平均资源消耗量。
可选地,所述数据获取单元包括:
第一数据获取模块,用于获取云服务器当前周期的当前时刻的用户总数、请求总数、资源消耗量和当前时刻所处的第一时段;
第二数据获取模块,用于根据所述用户总数、请求总数和资源消耗量获取每个用户的平均请求数和每个请求的平均资源消耗量。
可选地,所述资源参数获取单元进一步用于:
采用三次移动平均法对所述当前周期的资源参数进行计算。
可选地,所述资源参数获取单元包括:
一次移动平均值获取模块,用于根据当前周期的当前时刻的资源参数获取当前时刻所处的第一时段的资源参数的一次移动平均值;
二次移动平均值获取模块,用于根据所述一次移动平均值获取所述资源参数的二次移动平均值;
三次移动平均值获取模块,用于根据所述二次移动平均值获取所述资源参数的三次移动平均值;
资源参数获取模块,用于根据所述一次移动平均值、二次移动平均值和三次移动平均值获取下个周期同一时段的资源参数。
可选地,所述一次移动平均值获取模块进一步用于:
根据公式1计算所述资源参数的一次移动平均值:
其中,Xt为t时段内的资源参数的当前值;t=1,2,3...,T,T为当前周期当前时刻所处的时段;为t时段内Xt的一次移动平均值;t=[0.5T],[0.5T]+1,...,T;[]为取整运算;
所述二次移动平均值获取模块进一步用于:
根据公式2计算所述资源参数的二次移动平均值:
其中,为t时段内Xt的二次移动平均值;
所述三次移动平均值获取模块进一步用于:
根据公式3计算所述资源参数的三次移动平均值:
其中,为t时段内Xt的二次移动平均值;T-1表示上个周期同一时段,T+1表示下个周期同一时段;
所述资源参数获取模块进一步用于:
根据公式4计算下个周期同一时段的资源参数:
其中,XT+1为下个周期同一时段的资源参数。
本发明实施例提供的云资源自动分配方法及装置,获取云服务器当前周期的当前时刻的资源参数和当前时刻所处的时段;采用移动平均法对所述当前周期的资源参数进行计算,获取下个周期同一时段的资源参数;根据所述下个周期同一时段的资源参数获取下个周期同一时段的最大资源消耗量;根据所述最大资源消耗量对云资源进行分配。本发明实施例分时段从每时段的历史资源消耗量和请求数量两个角度分析,避免了现有技术中仅从历史最大并发请求数预测资源消耗量不准确的缺陷,提高了对资源消耗量预测的准确性,提高了云资源的利用率。
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的云资源自动分配方法的流程示意图;
图2是本发明一个实施例的三次平均移动法的流程示意图;
图3是本发明另一个实施例的云资源自动分配装置的结构示意图;
图4是本发明一个实施例的电子设备的逻辑框图。
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、完整的描述,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作出创造性劳动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。
图1是本发明一个实施例的云资源自动分配方法的流程示意图。如图1所示,该实施例的云资源自动分配方法包括:
S11:获取云服务器当前周期的当前时刻的资源参数和所述当前时刻所处的第一时段;
需要说明的是,所述资源参数包括用户总数、每个用户的平均请求数、每个请求的平均资源消耗量。优选地,每日为一个周期。
S12:对所述当前周期的资源参数进行计算,获取下个周期第二时段的资源参数;
需要说明的是,第一时段和第二时段为同一时段。举例来说,当天的当前时刻所处的时段为8:00-8:10,则根据当天的资源参数获取第二天同一时段8:00-8:10的资源参数。
S13:根据所述下个周期第二时段的资源参数获取所述下个周期同一时段的最大资源消耗量;
需要说明的是,由于不同类型的请求消耗的资源量不同,有些类型的请求只需消耗较少的资源,而现有技术仅从历史最大并发请求数考虑,而忽略了不同请求的资源消耗量不同(如,为每个请求设定一个固定的资源量,此时,资源消耗总量=最大并发请求数×每个请求固定的资源量)。而本发明实施例分时段从每时段的历史资源消耗量和请求数量两个角度分析。
S14:根据所述最大资源消耗量对云资源进行分配。
本发明实施例提供的云资源自动分配方法及装置,获取云服务器当前周期的当前时刻的资源参数和当前时刻所处的时段;采用移动平均法对所述当前周期的资源参数进行计算,获取下个周期同一时段的资源参数;根据所述下个周期同一时段的资源参数获取下个周期同一时段的最大资源消耗量;根据所述最大资源消耗量对云资源进行分配。本发明实施例分时段从每时段的历史资源消耗量和请求数量两个角度分析,避免了现有技术中仅从历史最大并发请求数预测资源消耗量不准确的缺陷,提高了对资源消耗量预测的准确性,提高了云资源的利用率。
在本发明一种可选的实施方式中,步骤S11包括:
获取云服务器当前周期的当前时刻的用户总数Ut、请求总数Qt、资源消耗量Rt和当前时刻所处的第一时段t;
根据用户总数Ut、请求总数Qt和资源消耗量Rt获取每个用户的平均请求数和每个请求的平均资源消耗量
需要说明的是,
以日为周期进行举例说明,云服务器自动分配云资源的时间间隔为s,则每日被划分为[0,s),[s,2s),[2s,3s),…这样若干个时段,设当前日当前时刻所处的时段为T,则前一日的同一时段为T-1,下一日的同一时段为T+1。时段t内的最大用户数为Ut,相应的总请求数为Qt,资源消耗量为Rt,当t小于或等于T时,此三值Ut、Qt和Rt均为实际值;否则,Ut、Qt和Rt均为预测值。在本例中,一时段,是特指每日的相同时间段,如每日的07:00~07:59或16:00~16:59等。
本发明实施例根据用户数量Ut、每个用户的平均请求数和每个请求的平均资源消耗量多个条件作为计算和预测资源消耗量的依据,预测结果更符合实际情况,预测值更准确、稳定。
进一步地,对所述当前周期的资源参数进行计算,包括:
采用三次移动平均法对所述当前周期的资源参数进行计算。
图2是本发明一个实施例的三次平均移动法的流程示意图。如图2所示,本发明实施例的三次平均移动法的过程如下:
S121:根据当前周期的当前时刻的资源参数获取当前时刻所处的第一时段的资源参数的一次移动平均值;
具体地,根据公式1计算所述资源参数的一次移动平均值:
其中,Xt为t时段内的资源参数的当前值;t=1,2,3...,T,T为当前周期当前时刻所处的时段;为t时段内Xt的一次移动平均值;t=[0.5T],[0.5T]+1,...,T;[]为取整运算。
S122:根据所述一次移动平均值获取所述资源参数的二次移动平均值;
具体地,根据公式2计算所述资源参数的二次移动平均值:
其中,为t时段内Xt的二次移动平均值。
S123:根据所述二次移动平均值获取所述资源参数的三次移动平均值;
具体地,根据公式3计算所述资源参数的三次移动平均值:
其中,为t时段内Xt的二次移动平均值;T-1表示上个周期同一时段,T+1表示下个周期同一时段。
S124:根据所述一次移动平均值、二次移动平均值和三次移动平均值获取下个周期同一时段的资源参数;
具体地,根据公式4计算下个周期同一时段的资源参数:
其中,XT+1为下个周期同一时段的资源参数。
需要说明的是,本发明实施例通过图2所示的三次移动平均法分别预测得到下个周期同一时段的用户数量UT+1、每个用户的平均请求数和每个请求的平均资源消耗量
需要说明的是,本发明实施例使用三次移动平均法预测下个周期同一时段的资源参数,减少现有的二次移动平均法存在的预测值低于实际值的情况,避免了二次移动平均法带来的滞后误差,使得预测结果更准确,云平台的资源使用率得到提高。
可理解的是,本发明实施例的下个周期同一时段的最大资源消耗量通过如下公式进行计算:
图3是本发明另一个实施例的云资源自动分配装置的结构示意图。如图3所示,本发明实施例的云资源自动分配装置包括数据获取单元31、资源参数获取单元32、最大资源消耗量获取单元33和云资源分配单元34,具体地:
数据获取单元31,用于获取云服务器当前周期的当前时刻的资源参数和所述当前时刻所处的第一时段;
资源参数获取单元32,用于对所述当前周期的资源参数进行计算,获取下个周期第二时段的资源参数,其中,所述第一时段和所述第二时段为同一时段;
最大资源消耗量获取单元33,用于根据所述下个周期第二时段的资源参数获取所述下个周期第二时段的最大资源消耗量;
云资源分配单元34,用于根据所述最大资源消耗量对云资源进行分配;
其中,所述资源参数包括用户总数、每个用户的平均请求数、每个请求的平均资源消耗量。
进一步地,数据获取单元31包括:
第一数据获取模块,用于获取云服务器当前周期的当前时刻的用户总数、请求总数、资源消耗量和当前时刻所处的第一时段;
第二数据获取模块,用于根据所述用户总数、请求总数和资源消耗量获取每个用户的平均请求数和每个请求的平均资源消耗量。
资源参数获取单元32进一步用于:
采用三次移动平均法对所述当前周期的资源参数进行计算。
进一步地,资源参数获取单元32包括:
一次移动平均值获取模块,用于根据当前周期的当前时刻的资源参数获取当前时刻所处的第一时段的资源参数的一次移动平均值;
二次移动平均值获取模块,用于根据所述一次移动平均值获取所述资源参数的二次移动平均值;
三次移动平均值获取模块,用于根据所述二次移动平均值获取所述资源参数的三次移动平均值;
资源参数获取模块,用于根据所述一次移动平均值、二次移动平均值和三次移动平均值获取下个周期同一时段的资源参数。
所述一次移动平均值获取模块进一步用于:
根据公式1计算所述资源参数的一次移动平均值:
其中,Xt为t时段内的资源参数的当前值;t=1,2,3...,T,T为当前周期当前时刻所处的时段;为t时段内Xt的一次移动平均值;t=[0.5T],[0.5T]+1,...,T;[]为取整运算;
所述二次移动平均值获取模块进一步用于:
根据公式2计算所述资源参数的二次移动平均值:
其中,为t时段内Xt的二次移动平均值;
所述三次移动平均值获取模块进一步用于:
根据公式3计算所述资源参数的三次移动平均值:
其中,为t时段内Xt的二次移动平均值;T-1表示上个周期同一时段,T+1表示下个周期同一时段;
所述资源参数获取模块进一步用于:
根据公式4计算下个周期同一时段的资源参数:
其中,XT+1为下个周期同一时段的资源参数。
本发明实施例的云资源自动分配装置可以用于执行上述方法实施例,其原理和技术效果类似,此处不再赘述。
本发明实施例还提供了一种电子设备。
参见图4,电子设备包括:处理器41;以及
与处理器41通信连接的存储器42;其中,
存储器42存储有可被处理器41执行的程序指令,处理器41调用所述程序指令能够执行上述的云资源自动分配方法。
本发明实施例提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述的方法。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述的方法。
本发明实施例提供的云资源自动分配方法及装置,获取云服务器当前周期的当前时刻的资源参数和当前时刻所处的时段;采用移动平均法对所述当前周期的资源参数进行计算,获取下个周期同一时段的资源参数;根据所述下个周期同一时段的资源参数获取下个周期同一时段的最大资源消耗量;根据所述最大资源消耗量对云资源进行分配。本发明实施例分时段从每时段的历史资源消耗量和请求数量两个角度分析,避免了现有技术中仅从历史最大并发请求数预测资源消耗量不准确的缺陷,提高了对资源消耗量预测的准确性,提高了云资源的利用率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
需要说明的是术语“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要素。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解每个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的每个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种云资源自动分配方法,其特征在于,包括:
获取云服务器当前周期的当前时刻的资源参数和所述当前时刻所处的第一时段;
对所述当前周期的资源参数进行计算,获取下个周期第二时段的资源参数,其中,所述第一时段和所述第二时段为同一时段;
根据所述下个周期第二时段的资源参数获取所述下个周期第二时段的最大资源消耗量;
根据所述最大资源消耗量对云资源进行分配;
其中,所述资源参数包括用户总数、每个用户的平均请求数、每个请求的平均资源消耗量。
2.根据权利要求1所述的云资源自动分配方法,其特征在于,获取云服务器当前周期的当前时刻的资源参数和所述当前时刻所处的第一时段,包括:
获取云服务器当前周期的当前时刻的用户总数、请求总数、资源消耗量和当前时刻所处的第一时段;
根据所述用户总数、请求总数和资源消耗量获取每个用户的平均请求数和每个请求的平均资源消耗量。
3.根据权利要求1或2所述的云资源自动分配方法,其特征在于,所述对所述当前周期的资源参数进行计算,包括:
采用三次移动平均法对所述当前周期的资源参数进行计算。
4.根据权利要求3所述的云资源自动分配方法,其特征在于,采用三次移动平均法对所述当前周期的资源参数进行计算,获取下个周期第二时段的资源参数,包括:
根据当前周期的当前时刻的资源参数获取当前时刻所处的第一时段的资源参数的一次移动平均值;
根据所述一次移动平均值获取所述资源参数的二次移动平均值;
根据所述二次移动平均值获取所述资源参数的三次移动平均值;
根据所述一次移动平均值、二次移动平均值和三次移动平均值获取下个周期同一时段的资源参数。
5.根据权利要求4所述的云资源自动分配方法,其特征在于,包括:
根据公式1计算所述资源参数的一次移动平均值:
其中,Xt为t时段内的资源参数的当前值;t=1,2,3...,T,T为当前周期当前时刻所处的时段;为t时段内Xt的一次移动平均值;t=[0.5T],[0.5T]+1,...,T;[]为取整运算;
根据公式2计算所述资源参数的二次移动平均值:
其中,为t时段内Xt的二次移动平均值;
根据公式3计算所述资源参数的三次移动平均值:
其中,为t时段内Xt的二次移动平均值;T-1表示上个周期同一时段,T+1表示下个周期同一时段;
根据公式4计算下个周期同一时段的资源参数:
其中,XT+1为下个周期同一时段的资源参数。
6.一种云资源自动分配装置,其特征在于,包括:
数据获取单元,用于获取云服务器当前周期的当前时刻的资源参数和所述当前时刻所处的第一时段;
资源参数获取单元,用于对所述当前周期的资源参数进行计算,获取下个周期第二时段的资源参数,其中,所述第一时段和所述第二时段为同一时段;
最大资源消耗量获取单元,用于根据所述下个周期第二时段的资源参数获取所述下个周期第二时段的最大资源消耗量;
云资源分配单元,用于根据所述最大资源消耗量对云资源进行分配;
其中,所述资源参数包括用户总数、每个用户的平均请求数、每个请求的平均资源消耗量。
7.根据权利要求6所述的云资源自动分配装置,其特征在于,所述数据获取单元包括:
第一数据获取模块,用于获取云服务器当前周期的当前时刻的用户总数、请求总数、资源消耗量和当前时刻所处的第一时段;
第二数据获取模块,用于根据所述用户总数、请求总数和资源消耗量获取每个用户的平均请求数和每个请求的平均资源消耗量。
8.根据权利要求6或7所述的云资源自动分配装置,其特征在于,所述资源参数获取单元进一步用于:
采用三次移动平均法对所述当前周期的资源参数进行计算。
9.根据权利要求6所述的云资源自动分配装置,其特征在于,所述资源参数获取单元包括:
一次移动平均值获取模块,用于根据当前周期的当前时刻的资源参数获取当前时刻所处的第一时段的资源参数的一次移动平均值;
二次移动平均值获取模块,用于根据所述一次移动平均值获取所述资源参数的二次移动平均值;
三次移动平均值获取模块,用于根据所述二次移动平均值获取所述资源参数的三次移动平均值;
资源参数获取模块,用于根据所述一次移动平均值、二次移动平均值和三次移动平均值获取下个周期同一时段的资源参数。
10.根据权利要求9所述的云资源自动分配装置,其特征在于:
所述一次移动平均值获取模块进一步用于:
根据公式1计算所述资源参数的一次移动平均值:
其中,Xt为t时段内的资源参数的当前值;t=1,2,3...,T,T为当前周期当前时刻所处的时段;为t时段内Xt的一次移动平均值;t=[0.5T],[0.5T]+1,...,T;[]为取整运算;
所述二次移动平均值获取模块进一步用于:
根据公式2计算所述资源参数的二次移动平均值:
其中,为t时段内Xt的二次移动平均值;
所述三次移动平均值获取模块进一步用于:
根据公式3计算所述资源参数的三次移动平均值:
其中,为t时段内Xt的二次移动平均值;T-1表示上个周期同一时段,T+1表示下个周期同一时段;
所述资源参数获取模块进一步用于:
根据公式4计算下个周期同一时段的资源参数:
其中,XT+1为下个周期同一时段的资源参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610958188.XA CN108023834A (zh) | 2016-11-03 | 2016-11-03 | 一种云资源自动分配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610958188.XA CN108023834A (zh) | 2016-11-03 | 2016-11-03 | 一种云资源自动分配方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108023834A true CN108023834A (zh) | 2018-05-11 |
Family
ID=62083386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610958188.XA Pending CN108023834A (zh) | 2016-11-03 | 2016-11-03 | 一种云资源自动分配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108023834A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108989104A (zh) * | 2018-07-11 | 2018-12-11 | 北京京东金融科技控股有限公司 | 资源的动态分配方法、装置、介质及电子设备 |
CN111431987A (zh) * | 2020-03-19 | 2020-07-17 | 腾讯科技(深圳)有限公司 | 车联网信号的校验方法及装置、计算机存储介质 |
CN111812263A (zh) * | 2020-08-28 | 2020-10-23 | 武汉生之源生物科技股份有限公司 | 检测设备的配置优化方法 |
CN112149863A (zh) * | 2019-06-28 | 2020-12-29 | 傲基科技股份有限公司 | 确定资源消耗量的方法、设备和计算机存储介质 |
CN113487078A (zh) * | 2021-06-30 | 2021-10-08 | 上海淇馥信息技术有限公司 | 一种新生成任务执行的方法、装置及电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080080552A1 (en) * | 2006-09-28 | 2008-04-03 | Microsoft Corporation | Hardware architecture for cloud services |
US20100076856A1 (en) * | 2008-09-25 | 2010-03-25 | Microsoft Corporation | Real-Time Auction of Cloud Computing Resources |
CN102917077A (zh) * | 2012-11-20 | 2013-02-06 | 无锡城市云计算中心有限公司 | 云计算系统中的资源分配方法 |
CN103036974A (zh) * | 2012-12-13 | 2013-04-10 | 广东省电信规划设计院有限公司 | 基于隐马尔可夫模型的云计算资源调度方法和系统 |
CN103092699A (zh) * | 2013-01-10 | 2013-05-08 | 中国南方电网有限责任公司超高压输电公司 | 一种云计算资源预分配实现方法 |
CN103873498A (zh) * | 2012-12-11 | 2014-06-18 | 中国电信股份有限公司 | 云平台资源自适应预警方法与系统 |
CN104065745A (zh) * | 2014-07-07 | 2014-09-24 | 电子科技大学 | 云计算动态资源调度系统和方法 |
CN104283946A (zh) * | 2014-09-26 | 2015-01-14 | 东北大学 | 一种单物理机下多虚拟机的资源自适应调整系统及方法 |
CN104539673A (zh) * | 2014-12-18 | 2015-04-22 | 国云科技股份有限公司 | 一种适用于平衡云平台计算资源的方法 |
CN104572296A (zh) * | 2014-12-23 | 2015-04-29 | 国云科技股份有限公司 | 一种预测云平台存储资源增长量的方法 |
CN105320559A (zh) * | 2014-07-30 | 2016-02-10 | 中国移动通信集团广东有限公司 | 一种云计算系统的调度方法和装置 |
-
2016
- 2016-11-03 CN CN201610958188.XA patent/CN108023834A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080080552A1 (en) * | 2006-09-28 | 2008-04-03 | Microsoft Corporation | Hardware architecture for cloud services |
US20100076856A1 (en) * | 2008-09-25 | 2010-03-25 | Microsoft Corporation | Real-Time Auction of Cloud Computing Resources |
CN102917077A (zh) * | 2012-11-20 | 2013-02-06 | 无锡城市云计算中心有限公司 | 云计算系统中的资源分配方法 |
CN103873498A (zh) * | 2012-12-11 | 2014-06-18 | 中国电信股份有限公司 | 云平台资源自适应预警方法与系统 |
CN103036974A (zh) * | 2012-12-13 | 2013-04-10 | 广东省电信规划设计院有限公司 | 基于隐马尔可夫模型的云计算资源调度方法和系统 |
CN103092699A (zh) * | 2013-01-10 | 2013-05-08 | 中国南方电网有限责任公司超高压输电公司 | 一种云计算资源预分配实现方法 |
CN104065745A (zh) * | 2014-07-07 | 2014-09-24 | 电子科技大学 | 云计算动态资源调度系统和方法 |
CN105320559A (zh) * | 2014-07-30 | 2016-02-10 | 中国移动通信集团广东有限公司 | 一种云计算系统的调度方法和装置 |
CN104283946A (zh) * | 2014-09-26 | 2015-01-14 | 东北大学 | 一种单物理机下多虚拟机的资源自适应调整系统及方法 |
CN104539673A (zh) * | 2014-12-18 | 2015-04-22 | 国云科技股份有限公司 | 一种适用于平衡云平台计算资源的方法 |
CN104572296A (zh) * | 2014-12-23 | 2015-04-29 | 国云科技股份有限公司 | 一种预测云平台存储资源增长量的方法 |
Non-Patent Citations (3)
Title |
---|
匡华,谭丽丽,李梓萌,陈艳: "桌面云的智能自适应性调度研究", 《移动通信》 * |
李梓萌,谭丽丽,潘叶,匡华: "基于基线分析的云计算资源自动分配技术", 《现代计算机》 * |
陈光,白晓颖,黄骁飞,李沐洋,周立柱: "使用移动平均线预测云平台服务性能趋势", 《计算机科学与探索》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108989104A (zh) * | 2018-07-11 | 2018-12-11 | 北京京东金融科技控股有限公司 | 资源的动态分配方法、装置、介质及电子设备 |
CN108989104B (zh) * | 2018-07-11 | 2021-05-25 | 北京京东金融科技控股有限公司 | 资源的动态分配方法、装置、介质及电子设备 |
CN112149863A (zh) * | 2019-06-28 | 2020-12-29 | 傲基科技股份有限公司 | 确定资源消耗量的方法、设备和计算机存储介质 |
CN111431987A (zh) * | 2020-03-19 | 2020-07-17 | 腾讯科技(深圳)有限公司 | 车联网信号的校验方法及装置、计算机存储介质 |
CN111431987B (zh) * | 2020-03-19 | 2023-09-19 | 腾讯科技(深圳)有限公司 | 车联网信号的校验方法及装置、计算机存储介质 |
CN111812263A (zh) * | 2020-08-28 | 2020-10-23 | 武汉生之源生物科技股份有限公司 | 检测设备的配置优化方法 |
CN111812263B (zh) * | 2020-08-28 | 2020-12-11 | 武汉生之源生物科技股份有限公司 | 检测设备的配置优化方法 |
CN113487078A (zh) * | 2021-06-30 | 2021-10-08 | 上海淇馥信息技术有限公司 | 一种新生成任务执行的方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10691647B2 (en) | Distributed file system metering and hardware resource usage | |
CN108023834A (zh) | 一种云资源自动分配方法及装置 | |
US10929792B2 (en) | Hybrid cloud operation planning and optimization | |
US20200012523A1 (en) | System and method for scheduling workload based on a credit-based mechanism | |
US10102033B2 (en) | Method and system for performance ticket reduction | |
CN107844882A (zh) | 配送任务处理方法、装置及电子设备 | |
US20160360009A1 (en) | Method for providing software as a service | |
JP7119082B2 (ja) | 分散コンピューティング環境における自動対角スケーリングためのアプリケーションの優先順位付け | |
KR20130011491A (ko) | 태스크 할당 장치, 태스크 할당 방법 및 컴퓨터로 읽을 수 있는 저장 매체 | |
CN107493314A (zh) | 基于多租户的服务提供系统及方法 | |
US10841369B2 (en) | Determining allocatable host system resources to remove from a cluster and return to a host service provider | |
US9619827B1 (en) | Flexible resource commitments for computing resources | |
CN106959894A (zh) | 资源分配方法和装置 | |
US20120323821A1 (en) | Methods for billing for data storage in a tiered data storage system | |
US9471391B1 (en) | Aggregating resource requests | |
CN109844714A (zh) | 用于在存储系统中分配输入/输出带宽的系统和方法 | |
US10635501B2 (en) | Adaptive scaling of workloads in a distributed computing environment | |
WO2022262476A1 (en) | Dynamic renewable runtime resource management | |
US20170169529A1 (en) | Workload distribution optimizer | |
JP7182836B2 (ja) | 分散コンピューティング環境における作業負荷の自動対角スケーリング | |
CN105491079A (zh) | 云计算环境中调整应用所需资源的方法及装置 | |
US11687380B2 (en) | Optimizing resource allocation for distributed stream processing systems | |
Jung et al. | A workflow scheduling technique using genetic algorithm in spot instance-based cloud | |
CN107589980A (zh) | 一种云计算资源的调度方法 | |
US10067778B2 (en) | Management system, recording medium and method for managing virtual machines |
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: 20180511 |