CN108234231A - 云计算环境中弹性伸缩配置的方法、装置以及电子设备 - Google Patents
云计算环境中弹性伸缩配置的方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN108234231A CN108234231A CN201611194769.7A CN201611194769A CN108234231A CN 108234231 A CN108234231 A CN 108234231A CN 201611194769 A CN201611194769 A CN 201611194769A CN 108234231 A CN108234231 A CN 108234231A
- Authority
- CN
- China
- Prior art keywords
- load
- cloud computing
- computing environment
- information
- elastic telescopic
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种云计算环境中弹性伸缩配置的方法,包括:获取云计算环境中至少一个性能指标维度当前的负载信息;判断所述负载信息是否超出预先配置的负载阈值区间,若是,利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。所述云计算环境中弹性伸缩配置的方法能够过滤掉云计算环境中负载信息的变化超出预设变化范围的,起到了节省计算资源或者提高计算效率、提升计算稳定性的作用。
Description
技术领域
本申请涉及云计算技术领域,具体涉及一种云计算环境中弹性伸缩配置的方法。本申请同时涉及一种云计算环境中弹性伸缩配置的装置,以及一种电子设备。
背景技术
在云计算环境中,用户业务在不同时期对于资源的需求是不同的,弹性计算就是根据用户业务需求和策略自动调整计算资源的管理服务。弹性计算可以根据用户的业务需求调整其使用的计算资源,从而实现在业务高峰时增加计算资源,以及在业务需求下降时减少计算资源以节约成本。常见的云服务提供商提供的弹性伸缩产品有云服务器,云数据库,云存储等,不同的云产品使用不同的性能监测指标,例如,云服务器的CPU利用率、内存利用率等。
目前,云服务提供商提供的弹性伸缩产品支持用户针对云产品的某个性能指标设置相对应的阈值,在弹性计算过程中,用户可针对某个性能指标预先设置相应的阈值,当弹性计算过程中负载超出该阈值一次或者多次时,触发计算资源的弹性伸缩配置。通常情况下,当用户的业务逐渐进入高峰期,正常的业务增长达到阈值时,便会触发扩容机制。例如,云服务器预先设置的CPU负载阈值上限为90%,当弹性计算过程中云服务器的CPU利用率在2分钟内2次超过90%时,对云服务器的CPU进行扩容。
但目前的弹性伸缩的扩缩容机制,当云产品的某项负载在一定周期内超过阈值上限或者低于阈值下限达到一定次数时,触发扩容机制或者缩容机制,该机制无法排除由于云产品内部的应用出错导致负载瞬间变高或者瞬间变低的情况,由于这种情况并非是由于用户业务的增长或者减少导致负载升高或者降低,因此,如果在这种情况下触发扩容操作会造成资源浪费,或者在这种情况下触发缩容可能会导致云产品无法正常工作甚至出现故障,计算稳定性较差。
发明内容
本申请提供一种云计算环境中弹性伸缩配置的方法,以解决现有技术存在的资源浪费或者计算稳定性差的问题。本申请另外提供一种云计算环境中弹性伸缩配置的装置,以及一种电子设备。
本申请提供一种云计算环境中弹性伸缩配置的方法,包括:
获取云计算环境中至少一个性能指标维度当前的负载信息;
判断所述负载信息是否超出预先配置的负载阈值区间,若是,执行下一步;
利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;
判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
可选的,若所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内步骤的判断结果为否,执行下述步骤:
获取所述云计算环境中在预先配置的延时时间段之后所述性能指标维度当前的负载信息;
判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
可选的,若所述判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间步骤的判断结果为否,在所述性能指标维度不对所述云计算环境中的云计算资源不进行弹性伸缩配置。
可选的,所述云计算环境中的云计算资源包括:CPU资源和/或内存资源;相应的,所述性能指标维度包括:CPU利用率和/或内存利用率。
可选的,所述负载信息包括:CPU负载和/或内存负载;相应的,所述负载信息集包括:由所述CPU负载组成的CPU负载集,和/或,由所述内存负载组成的内存负载集。
可选的,所述判断所述负载信息是否超出预先配置的负载阈值区间,采用如下方式实现:
判断所述云计算环境中的CPU负载是否超出所述CPU负载对应的负载阈值区间,若是,执行下一步;
或者,
判断所述云计算环境中的内存负载是否超出所述内存负载对应的负载阈值区间,若是,执行下一步。
可选的,所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,采用如下方式实现:
判断所述云计算环境中的CPU负载集中包含的CPU负载在所述特定时间区间内的负载变化信息是否处于所述CPU负载对应的变化阈值范围内,若是,执行所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置步骤;
或者,
判断所述云计算环境中的内存负载集中包含的内存负载在所述特定时间区间内的负载变化信息是否处于所述内存负载对应的变化阈值范围内,若是,执行所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置步骤。
可选的,所述特定时间区间设置有起始时间点和终止时间点,且所述终止时间点与获取所述云计算环境中所述性能指标维度当前的负载信息时的时间点重合。
可选的,所述利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息步骤执行之前,执行下述步骤:
获取所述云计算环境中所述特定时间区间内各个时间节点的负载信息,组成所述云计算环境中所述特定时间区间内的负载信息集。
可选的,所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置,采用如下方式实现:
对所述云计算环境中的CPU资源和/或内存资源进行扩容。
可选的,所述利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息,采用如下方式实现:
根据所述负载信息集当中包含的负载信息以及所述负载信息在所述特定时间区间内对应的时间节点计算并确定所述负载曲线对应的负载函数;
根据所述负载曲线对应的负载函数计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息。
可选的,所述负载变化信息包括:所述负载曲线在所述特定时间区间内的变化趋势和变化快慢程度。
可选的,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值;
所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值。
可选的,所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,采用如下方式实现:
所述负载曲线上与最高点距离最近的两个时间节点按照时间从先到后的顺序,判断所述负载曲线在首个时间节点处的斜率值是否大于0,且所述负载曲线在第二个时间节点处的斜率值是否小于0,若是,执行下一步;
判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第一预设斜率阈值,若是,对所述云计算环境中的CPU资源和/或内存资源进行扩容。
可选的,若所述判断所述负载曲线在首个时间节点处的斜率值是否大于0,且所述负载曲线在第二个时间节点处的斜率值是否小于0步骤的判断结果为否,执行下述步骤:
判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值是否均大于0,若是,对所述云计算环境中的CPU资源和/或内存资源进行扩容。
可选的,所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置,采用如下方式实现:
对所述云计算环境中的CPU资源和/或内存资源进行缩容。
可选的,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值;
所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值。
可选的,所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,采用如下方式实现:
所述负载曲线上与最低点距离最近的两个时间节点按照时间从先到后的顺序,判断所述负载曲线在首个时间节点处的斜率值是否小于0,且所述负载曲线在第二个时间节点处的斜率值是否大于0,若是,执行下一步;
判断所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第二预设斜率阈值,若是,对所述云计算环境中的CPU资源和/或内存资源进行缩容。
可选的,若所述判断所述负载曲线在首个时间节点处的斜率值是否小于0,且所述负载曲线在第二个时间节点处的斜率值是否大于0步骤的判断结果为否,执行下述步骤:
判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值是否均小于0,若是,对所述云计算环境中的CPU资源和/或内存资源进行缩容。
可选的,所述负载曲线在所述时间节点处的斜率值通过所述负载曲线对应的负载函数的导函数计算获得。
可选的,若所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内步骤的判断结果为否,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置。
可选的,若所述判断所述负载信息是否超出预先配置的负载阈值区间步骤的判断结果为否,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置。
本申请还提供一种云计算环境中弹性伸缩配置的装置,包括:
负载信息获取单元,用于获取云计算环境中至少一个性能指标维度当前的负载信息;
负载信息判断单元,用于判断所述负载信息是否超出预先配置的负载阈值区间,若是,运行负载变化信息计算单元;
所述负载变化信息计算单元,用于利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;
负载变化信息判断单元,用于判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,运行弹性伸缩配置单元;
所述弹性伸缩配置单元,用于在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
可选的,若所述负载变化信息判断单元输出的判断结果为所述负载变化信息超出所述负载变化阈值范围,运行延时单元和负载信息二次判断单元;
所述延时单元,用于获取所述云计算环境中在预先配置的延时时间段之后所述性能指标维度当前的负载信息;
所述负载信息二次判断单元,用于判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间,若是,运行所述弹性伸缩配置单元。
本申请另外提供一种电子设备,包括:
存储器,以及处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取云计算环境中至少一个性能指标维度当前的负载信息;
判断所述负载信息是否超出预先配置的负载阈值区间,若是,利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;
判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
本申请提供一种云计算环境中弹性伸缩配置的方法,包括:获取云计算环境中至少一个性能指标维度当前的负载信息;判断所述负载信息是否超出预先配置的负载阈值区间,若是,执行下一步;利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
本申请提供的所述云计算环境中弹性伸缩配置的方法,根据获取的云计算环境中当前的负载信息来判断云计算环境中的所述负载信息是否超出预先配置的负载阈值区间,如果云计算环境中所述负载信息超出所述负载阈值区间,则针对所述负载信息进行进一步的判断,即利用所述云计算环境中特定时间区间内的负载信息集确定的负载曲线计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息,进一步判断计算获得的所述负载变化信息是否处于预先配置的负载变化阈值范围内,如果所述负载变化信息在处于所述负载变化阈值范围内,即所述负载信息集中包含的负载信息在所述特定时间区间内发生的变化没有超出所述负载变化阈值范围,对所述云计算环境中的云计算资源进行弹性伸缩配置。所述云计算环境中弹性伸缩配置的方法,如果云计算环境中当前的负载信息超出预先配置的负载阈值区间,则通过判断云计算环境中负载曲线在特定时间区间内的变化是否被约束在预设变化范围内,进一步判断云计算环境中负载信息在特定时间区间内的变化是否处于预先配置的负载变化阈值范围内,从而过滤掉负载信息在特定时间区间内的变化超出负载变化阈值范围的情形,起到了节省计算资源或者提高计算效率、提升计算稳定性的作用。
附图说明
附图1是本申请提供的一种云计算环境中弹性伸缩配置的方法实施例的处理流程图;
附图2是本申请提供的一种云计算环境中负载曲线的示意图;
附图3是本申请提供的一种云计算环境中弹性伸缩配置的装置实施例的示意图;
附图4是本申请提供的一种电子设备实施例的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
本申请提供一种云计算环境中弹性伸缩配置的方法,本申请还提供一种云计算环境中弹性伸缩配置的装置,以及一种电子设备。以下分别结合本申请提供的实施例的附图逐一进行详细说明,并且对方法的各个步骤进行说明。
本申请提供的一种云计算环境中弹性伸缩配置的方法实施例如下:
参照附图1,其示出了本申请提供的一种云计算环境中弹性伸缩配置的方法实施例的处理流程图;参照附图2,其示出了本申请提供的一种云计算环境中负载曲线的示意图。此外,所述云计算环境中弹性伸缩配置的方法实施例的各个步骤之间的关系,请根据附图1确定。
步骤S101,获取云计算环境中至少一个性能指标维度当前的负载信息。
本申请实施例所述云计算环境中,云计算资源的提供方是云计算集群当中的云服务器,云计算资源的使用方是用户业务,在实际应用中云计算环境中的不同时期或者不同场合,用户业务对云计算资源的需求也有所不同,比如在业务高峰时对云计算资源的需求较高,在业务低谷时对云计算资源的需求较低,本申请提供的所述云计算环境中弹性伸缩配置的方法正是基于这种需求的差异,对云计算环境中的云计算资源进行弹性伸缩配置。
在实际应用中,所述云计算环境中的云计算资源根据部署环境以及应用场景的不同,提供的云计算资源可能也有所不同,比如云计算集群中云服务器提供的CPU资源和/或内存资源。所述性能指标维度是指对所述云计算环境中的云计算资源的性能指标进行衡量的衡量标准,比如云计算集群中云服务器的CPU资源的性能指标维度为云服务器的CPU利用率,云服务器的内存资源的性能指标维度为云服务器的内存利用率。所述负载信息是指所述云计算环境中云计算资源的提供方的工作负载,在不同性能指标维度下,所述云计算环境中云计算资源的提供方的工作负载也有所不同,因此,确定所述云计算环境中所述负载信息的前提就是确定其对应的性能指标维度,比如云计算集群中云服务器的CPU资源的性能指标维度为云服务器的CPU利用率,则在该性能指标维度下云服务器的工作负载为CPU负载;云服务器的内存资源的性能指标维度为云服务器的内存利用率,则在该性能指标维度下云服务器的工作负载为内存负载。
本步骤中,获取所述云计算环境中至少一个性能指标维度当前的负载信息。例如,获取云计算集群中云服务器当前的CPU负载,或者,云计算集群中云服务器当前的内存负载,或者,云计算集群中云服务器当前的CPU负载和内存负载。
步骤S102,判断所述负载信息是否超出预先配置的负载阈值区间。
上述步骤S101用于获取所述云计算环境中至少一个性能指标维度当前的负载信息,本步骤根据上述步骤获取到的所述负载信息,判断所述负载信息是否超出预先配置的负载阈值区间,若是,表明所述云计算资源当前的负载信息已超出预设阈值,可能需要对所述云计算环境中的云计算资源进行弹性伸缩配置,但是否进行弹性伸缩配置需要通过下述步骤进行进一步的计算和判断,执行下述步骤S103,利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;若否,表明所述云计算资源当前的负载信息尚未超出预设阈值,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置。
例如,判断云计算集群中云服务器的CPU负载或者内存负载是否超出预先设置的CPU扩容阈值或者内存扩容阈值,若是,表明云服务器当前的CPU资源或者内存资源已无法满足用户业务的需求,执行下述步骤S103,利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;若否,表明云服务器当前的CPU资源或者内存资源能够满足用户业务需求,因此不需要对云计算集群中云服务器当前CPU资源或者内存资源进行扩容。
或者,判断云计算集群中云服务器的CPU负载或者内存负载是否小于预先设置的CPU缩容阈值或者内存缩容阈值,若是,表明云服务器当前的CPU资源或者内存资源能够满足用户业务需求,执行下述步骤S103,利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;若否,则不需要对云计算集群中云服务器当前CPU资源或者内存资源进行缩容。
步骤S103,利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息。
本步骤得以实施的前提是上述步骤S102判断所述负载信息是否超出预先配置的负载阈值区间的判断结果为所述负载信息超出所述负载阈值区间。本步骤利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息。在具体实施时,在本步骤执行之前,还可以执行获取所述负载信息集的步骤:获取所述云计算环境中所述特定时间区间内各个时间节点的负载信息,组成所述云计算环境中所述特定时间区间内的负载信息集。
本申请实施例所述负载信息集,是指所述云计算环境中当前性能指标维度下负载信息在所述特定时间区间内的集合。如上所述,所述负载信息包括CPU负载和内存负载,相应的,所述负载信息集包括:由所述CPU负载组成的CPU负载集,和/或,由所述内存负载组成的内存负载集。优选的,所述特定时间区间设置有起始时间点和终止时间点,且所述终止时间点与获取所述云计算环境中所述性能指标维度当前的负载信息时的时间点重合,即与上述步骤S101获取所述云计算环境中所述性能指标维度当前的负载信息时的时间点重合,可见,所述特定时间区间为上述步骤S101获取所述云计算环境中所述性能指标维度当前的负载信息时间点之前的一个时间段。所述特定时间区间的时长可以根据实际业务需求来确定。
一般而言,针对所述云计算环境中的云计算资源进行弹性伸缩配置的场景包括:针对所述云计算环境中云计算资源进行扩容的场景和/或针对所述云计算环境中云计算资源进行缩容的场景,以下针对这两种场景分别进行说明。
1、针对所述云计算环境中云计算资源进行扩容的场景。
该场景下,本步骤利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息,具体实现如下:
1)根据所述负载信息集当中包含的负载信息以及所述负载信息在所述特定时间区间内对应的时间节点计算并确定所述负载曲线对应的负载函数;
具体的,可以将负载信息在特定时间区间内对应的时间节点作为坐标系中x轴上的值,将负载信息集当中包含的负载信息作为坐标系中y轴上的值,根据x轴和y轴上的值确定的坐标点来计算负载曲线对应的负载函数。例如,如附图2所示,将CPU负载(即CPU使用率)对应的时间节点作为坐标系中x轴上的值,将CPU使用率的值作为坐标系中y轴上的值,根据x轴和y轴上的值确定的坐标点可以计算附图2所示的负载曲线的对应的负载函数。
2)根据所述负载曲线对应的负载函数计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息。
优选的,所述负载变化信息包括:所述负载曲线在所述特定时间区间内的变化趋势和变化快慢程度。其中,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值。
所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值。例如,附图2所示的CPU负载曲线中,该CPU负载曲线的最高点为O,距离该最高点O距离最近的时间节点为A点和B点,通过该CPU负载曲线在A点和B点处的斜率值可以衡量CPU负载在时间区间04:00-04:10内的变化趋势,以及通过该CPU负载曲线在A点和B点处的斜率值的绝对值可以衡量CPU负载在时间区间04:00-04:10内的变化快慢程度。在具体实施时,所述负载曲线在所述时间节点处的斜率值可以通过所述负载曲线对应的负载函数的导函数来计算获得。
2、针对所述云计算环境中云计算资源进行缩容的场景。
该场景下,本步骤利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息,具体实现如下:
1)根据所述负载信息集当中包含的负载信息以及所述负载信息在所述特定时间区间内对应的时间节点计算并确定所述负载曲线对应的负载函数;
具体的,可以将负载信息在特定时间区间内对应的时间节点作为坐标系中x轴上的值,将负载信息集当中包含的负载信息作为坐标系中y轴上的值,根据x轴和y轴上的值确定的坐标点来计算负载曲线对应的负载函数。
2)根据所述负载曲线对应的负载函数计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息。
优选的,所述负载变化信息包括:所述负载曲线在所述特定时间区间内的变化趋势和变化快慢程度。其中,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值。所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值。
步骤S104,判断所述负载变化信息是否处于预先配置的负载变化阈值范围内。
根据上述步骤S103计算获得所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息,本步骤判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置,比如针对所述云计算环境中云计算资源进行扩容或者缩容;若否,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置,比如不对所述云计算环境中云计算资源进行扩容或者缩容。此外,在具体实施时,本步骤判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若所述负载变化信息超出所述负载变化阈值范围,还可以执行如下步骤:获取所述云计算环境中在预先配置的延时时间段之后所述性能指标维度当前的负载信息;并判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置;若否,在所述性能指标维度不对所述云计算环境中的云计算资源不进行弹性伸缩配置。
1、针对所述云计算环境中云计算资源进行扩容的场景。
该场景下,本步骤判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,具体实现如下:
1)所述负载曲线上与最高点距离最近的两个时间节点按照时间从先到后的顺序,判断所述负载曲线在首个时间节点处的斜率值是否大于0,且所述负载曲线在第二个时间节点处的斜率值是否小于0;
若是,表明在所述负载曲线上的最高点之前,所述负载曲线在所述特定时间区间内的变化趋势为上升,在所述负载曲线上的最高点之后,所述负载曲线在所述特定时间区间内的变化趋势为下降,执行下述步骤2)。例如,附图2所示的CPU负载曲线,该CPU负载曲线在其上最高点O之前时间节点A处的斜率值大于0,CPU负载在最高点O之前为上升趋势,该CPU负载曲线在其上最高点O之后时间节点B处的斜率值小于0,CPU负载在最高点O之后为下降趋势。
若否,判断所述负载曲线在首个时间节点处和在第二个时间节点处的斜率值是否均大于0,若是,表明所述负载曲线在所述特定时间区间内处于上升趋势,执行下述步骤S105,对所述云计算环境中的CPU资源和/或内存资源进行扩容;若否,表明所述负载曲线在所述特定时间区间内处于下降趋势,即所述云计算环境中的CPU负载和/或内存负载处于下降趋势,因此不需要对所述云计算环境中的CPU资源和/或内存资源进行扩容。
2)判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第一预设斜率阈值,若是,表明所述负载曲线在所述特定时间区间内的变化快慢程度较弱,一般而言,这种情况下所述云计算环境中负载升高的原因不太可能是由于应用程序错误或者死锁导致负载瞬间跑高,最大的可能是由于用户业务增长导致的负载缓慢升高,因此,对所述云计算环境中的CPU资源和/或内存资源进行扩容;
若否,则表明所述负载曲线在所述特定时间区间内的变化快慢程度超出相应阈值,即所述云计算环境中的负载信息在所述特定时间区间内变化较为剧烈,并且所述负载曲线在其上的最高点之前为剧烈上升的变化趋势,在其上的最高点之后为剧烈下降的变化趋势,例如,附图2所示的CPU负载曲线,该CPU负载曲线表征的CPU负载在最高点O之前为剧烈上升趋势,在最高点O之后为剧烈下降趋势,可见,这种情形极有可能是由于应用程序错误或者死锁导致负载瞬间跑高,因此,不对所述云计算环境中的CPU资源和/或内存资源进行扩容,从而将这种情形从对所述云计算环境中的CPU资源和/或内存资源进行扩容的场景中排除,在一定程度上能够避免误扩容,减少了资源浪费和成本浪费。
2、针对所述云计算环境中云计算资源进行缩容的场景。
该场景下,本步骤判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,具体实现如下:
1)所述负载曲线上与最高点距离最近的两个时间节点按照时间从先到后的顺序,判断所述负载曲线在首个时间节点处的斜率值是否小于0,且所述负载曲线在第二个时间节点处的斜率值是否大于0;
若是,表明在所述负载曲线上的最低点之前,所述负载曲线在所述特定时间区间内的变化趋势为下降,在所述负载曲线上的最低点之后,所述负载曲线在所述特定时间区间内的变化趋势为上升,执行下述步骤2);
若否,判断所述负载曲线在首个时间节点处和在第二个时间节点处的斜率值是否均小于0,若是,表明所述负载曲线在所述特定时间区间内处于下降趋势,执行下述步骤S105,对所述云计算环境中的CPU资源和/或内存资源进行缩容;若否,表明所述负载曲线在所述特定时间区间内处于上升趋势,即所述云计算环境中的CPU负载和/或内存负载处于上升趋势,因此不需要对所述云计算环境中的CPU资源和/或内存资源进行缩容。
2)判断所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第一预设斜率阈值,若是,表明所述负载曲线在所述特定时间区间内的变化快慢程度较弱,一般而言,这种情况下所述云计算环境中负载升高的原因不太可能是由于应用程序连接断开或者云服务器连接出错导致负载瞬间降低,最大的可能是由于用户业务降低导致的负载缓慢降低,因此,对所述云计算环境中的CPU资源和/或内存资源进行缩容;
若否,则表明所述负载曲线在所述特定时间区间内的变化快慢程度超出相应阈值,即所述云计算环境中的负载信息在所述特定时间区间内变化较为剧烈,并且所述负载曲线在其上的最低点之前为剧烈下降的变化趋势,在其上的最低点之后为剧烈上升的变化趋势,可见,这种情形极有可能是由于应用程序连接断开或者云服务器连接出错导致负载瞬间降低,因此,不对所述云计算环境中的CPU资源和/或内存资源进行缩容,从而将这种情形从对所述云计算环境中的CPU资源和/或内存资源进行缩容的场景中排除,在一定程度上能够避免误缩容,提高云计算环境中的计算效率,同时还可以提升云计算环境中计算的稳定性。
步骤S105,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
在具体实施时,本步骤所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置,可以是针对所述云计算环境中的云计算资源进行扩容或者缩容,比如对所述云计算环境中的CPU资源和/或内存资源进行扩容,或者对所述云计算环境中的CPU资源和/或内存资源进行缩容。
综上所述,本申请提供的所述云计算环境中弹性伸缩配置的方法,根据获取的云计算环境中当前的负载信息来判断云计算环境中的所述负载信息是否超出预先配置的负载阈值区间,如果云计算环境中所述负载信息超出所述负载阈值区间,则针对所述负载信息进行进一步的判断,即利用所述云计算环境中特定时间区间内的负载信息集确定的负载曲线计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息,进一步判断计算获得的所述负载变化信息是否处于预先配置的负载变化阈值范围内,如果所述负载变化信息在处于所述负载变化阈值范围内,即所述负载信息集中包含的负载信息在所述特定时间区间内发生的变化没有超出所述负载变化阈值范围,对所述云计算环境中的云计算资源进行弹性伸缩配置。所述云计算环境中弹性伸缩配置的方法,如果云计算环境中当前的负载信息超出预先配置的负载阈值区间,则通过判断云计算环境中负载曲线在特定时间区间内的变化是否被约束在预设变化范围内,进一步判断云计算环境中负载信息在特定时间区间内的变化是否处于预先配置的负载变化阈值范围内,从而过滤掉负载信息在特定时间区间内的变化超出负载变化阈值范围的情形,起到了节省计算资源或者提高计算效率、提升计算稳定性的作用。
本申请提供的一种云计算环境中弹性伸缩配置的装置实施例如下:
在上述的实施例中,提供了一种云计算环境中弹性伸缩配置的方法,与之相对应的,本申请还提供了一种云计算环境中弹性伸缩配置的装置,下面结合附图进行说明。
参照附图3,其示出了本申请提供的一种云计算环境中弹性伸缩配置的装置实施例的示意图。
由于装置实施例与上述提供的方法实施例相互对应,阅读本实施例的内容请参照上述方法实施例的对应说明。下述描述的装置实施例仅仅是示意性的。
本申请提供一种云计算环境中弹性伸缩配置的装置,包括:
负载信息获取单元301,用于获取云计算环境中至少一个性能指标维度当前的负载信息;
负载信息判断单元302,用于判断所述负载信息是否超出预先配置的负载阈值区间,若是,运行负载变化信息计算单元303;
所述负载变化信息计算单元303,用于利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;
负载变化信息判断单元304,用于判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,运行弹性伸缩配置单元305;
所述弹性伸缩配置单元305,用于在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
可选的,若所述负载变化信息判断单元304输出的判断结果为所述负载变化信息超出所述负载变化阈值范围,运行延时单元和负载信息二次判断单元;
所述延时单元,用于获取所述云计算环境中在预先配置的延时时间段之后所述性能指标维度当前的负载信息;
所述负载信息二次判断单元,用于判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间,若是,运行所述弹性伸缩配置单元305。
可选的,若所述负载信息二次判断单元输出的判断结果为所述延时时间段之后所述性能指标维度当前的负载信息并未超出所述负载阈值区间,在所述性能指标维度不对所述云计算环境中的云计算资源不进行弹性伸缩配置。
可选的,所述云计算环境中的云计算资源包括:CPU资源和/或内存资源;相应的,所述性能指标维度包括:CPU利用率和/或内存利用率。
可选的,所述负载信息包括:CPU负载和/或内存负载;相应的,所述负载信息集包括:由所述CPU负载组成的CPU负载集,和/或,由所述内存负载组成的内存负载集。
可选的,所述负载信息判断单元302包括:
CPU负载判断子单元,用于判断所述云计算环境中的CPU负载是否超出所述CPU负载对应的负载阈值区间,若是,运行所述负载变化信息计算单元303;
内存负载判断子单元,用于判断所述云计算环境中的内存负载是否超出所述内存负载对应的负载阈值区间,若是,运行所述负载变化信息计算单元303。
可选的,所述负载变化信息判断单元304包括:
CPU负载变化判断子单元,用于判断所述云计算环境中的CPU负载集中包含的CPU负载在所述特定时间区间内的负载变化信息是否处于所述CPU负载对应的变化阈值范围内,若是,运行所述弹性伸缩配置单元305;
内存负载变化判断子单元,用于判断所述云计算环境中的内存负载集中包含的内存负载在所述特定时间区间内的负载变化信息是否处于所述内存负载对应的变化阈值范围内,若是,运行所述弹性伸缩配置单元305。
可选的,所述特定时间区间设置有起始时间点和终止时间点,且所述终止时间点与获取所述云计算环境中所述性能指标维度当前的负载信息时的时间点重合。
可选的,所述云计算环境中弹性伸缩配置的装置,包括:
负载信息集获取单元,用于获取所述云计算环境中所述特定时间区间内各个时间节点的负载信息,组成所述云计算环境中所述特定时间区间内的负载信息集;
并且,所述负载信息集获取单元在所述负载变化信息计算单元303之前运行。
可选的,所述弹性伸缩配置单元305,包括:
扩容子单元,用于对所述云计算环境中的CPU资源和/或内存资源进行扩容。
可选的,所述负载变化信息计算单元303包括:
负载函数计算子单元,用于根据所述负载信息集当中包含的负载信息以及所述负载信息在所述特定时间区间内对应的时间节点计算并确定所述负载曲线对应的负载函数;
负载变化信息计算子单元,用于根据所述负载曲线对应的负载函数计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息。
可选的,所述负载变化信息包括:所述负载曲线在所述特定时间区间内的变化趋势和变化快慢程度。
可选的,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值;
所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值。
可选的,所述负载变化信息判断单元304,包括:
第一负载变化趋势判断子单元,用于判断所述负载曲线在首个时间节点处的斜率值是否大于0,且所述负载曲线在第二个时间节点处的斜率值是否小于0,若是,运行第一负载变化快慢程度子单元;
其中,所述负载曲线上与最高点距离最近的两个时间节点按照时间从先到后的顺序排列;
所述第一负载变化快慢程度子单元,用于判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第一预设斜率阈值,若是,运行所述扩容子单元。
可选的,若所述第一负载变化趋势判断子单元输出的判断结果为否,运行第二负载变化趋势判断子单元;
所述第二负载变化趋势判断子单元,用于判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值是否均大于0,若是,运行所述扩容子单元。
可选的,所述弹性伸缩配置单元305,包括:
缩容子单元,用于对所述云计算环境中的CPU资源和/或内存资源进行缩容。
可选的,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值;
所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值。
可选的,所述负载变化信息判断单元304,包括:
第三负载变化趋势判断子单元,用于判断所述负载曲线在首个时间节点处的斜率值是否小于0,且所述负载曲线在第二个时间节点处的斜率值是否大于0,若是,运行第二负载变化快慢程度子单元;
其中,所述负载曲线上与最低点距离最近的两个时间节点按照时间从先到后的顺序排列;
所述第二负载变化快慢程度子单元,用于判断所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第二预设斜率阈值,若是,运行所述缩容子单元。
可选的,若所述第三负载变化趋势判断子单元输出的判断结果为否,运行第四负载变化趋势判断子单元;
所述第四负载变化趋势判断子单元,用于判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值是否均小于0,若是,运行所述缩容子单元。
可选的,所述负载曲线在所述时间节点处的斜率值通过所述负载曲线对应的负载函数的导函数计算获得。
可选的,若所述负载变化信息判断单元304输出的判断结果为否,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置。
可选的,若所述负载信息判断单元302输出的判断结果为否,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置。
本申请提供的一种电子设备实施例如下:
在上述的实施例中,提供了一种云计算环境中弹性伸缩配置的方法,此外,本申请还提供了一种用于实现所述云计算环境中弹性伸缩配置的方法的电子设备,下面结合附图进行说明。
参照附图4,其示出了本实施例提供的一种电子设备的示意图。
本申请提供的所述电子设备用于实现本申请提供的所述云计算环境中弹性伸缩配置的方法,本实施例与上述提供的云计算环境中弹性伸缩配置的方法实施例相对应,阅读本实施例的内容请参照上述提供的云计算环境中弹性伸缩配置的方法实施例的对应说明。下述描述的实施例仅仅是示意性的。
本申请提供一种电子设备,包括:
存储器401,以及处理器402;
所述存储器401用于存储计算机可执行指令,所述处理器402用于执行所述计算机可执行指令:
获取云计算环境中至少一个性能指标维度当前的负载信息;
判断所述负载信息是否超出预先配置的负载阈值区间,若是,利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;
判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
可选的,若所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内指令的执行结果为所述负载变化信息超出所述负载变化阈值范围,执行下述计算机可执行指令:
获取所述云计算环境中在预先配置的延时时间段之后所述性能指标维度当前的负载信息;
判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
可选的,若所述判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间指令的执行结果为所述延时时间段之后所述性能指标维度当前的负载信息并未超出所述负载阈值区间,在所述性能指标维度不对所述云计算环境中的云计算资源不进行弹性伸缩配置。
可选的,所述云计算环境中的云计算资源包括:CPU资源和/或内存资源;相应的,所述性能指标维度包括:CPU利用率和/或内存利用率。
可选的,所述负载信息包括:CPU负载和/或内存负载;相应的,所述负载信息集包括:由所述CPU负载组成的CPU负载集,和/或,由所述内存负载组成的内存负载集。
可选的,所述判断所述负载信息是否超出预先配置的负载阈值区间,采用如下方式实现:
判断所述云计算环境中的CPU负载是否超出所述CPU负载对应的负载阈值区间,若是,执行所述利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息指令;
或者,
判断所述云计算环境中的内存负载是否超出所述内存负载对应的负载阈值区间,若是,执行所述利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息指令。
可选的,所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,采用如下方式实现:
判断所述云计算环境中的CPU负载集中包含的CPU负载在所述特定时间区间内的负载变化信息是否处于所述CPU负载对应的变化阈值范围内,若是,执行所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置指令;
或者,
判断所述云计算环境中的内存负载集中包含的内存负载在所述特定时间区间内的负载变化信息是否处于所述内存负载对应的变化阈值范围内,若是,执行所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置指令。
可选的,所述特定时间区间设置有起始时间点和终止时间点,且所述终止时间点与获取所述云计算环境中所述性能指标维度当前的负载信息时的时间点重合。
可选的,所述利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息指令执行之前,所述处理器402还用于执行下述计算机可执行指令:
获取所述云计算环境中所述特定时间区间内各个时间节点的负载信息,组成所述云计算环境中所述特定时间区间内的负载信息集。
可选的,所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置,采用如下方式实现:
对所述云计算环境中的CPU资源和/或内存资源进行扩容。
可选的,所述利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息,采用如下方式实现:
根据所述负载信息集当中包含的负载信息以及所述负载信息在所述特定时间区间内对应的时间节点计算并确定所述负载曲线对应的负载函数;
根据所述负载曲线对应的负载函数计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息。
可选的,所述负载变化信息包括:所述负载曲线在所述特定时间区间内的变化趋势和变化快慢程度。
可选的,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值;
所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值。
可选的,所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,采用如下方式实现:
所述负载曲线上与最高点距离最近的两个时间节点按照时间从先到后的顺序,判断所述负载曲线在首个时间节点处的斜率值是否大于0,且所述负载曲线在第二个时间节点处的斜率值是否小于0,若是,判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第一预设斜率阈值,若是,对所述云计算环境中的CPU资源和/或内存资源进行扩容。
可选的,若所述判断所述负载曲线在首个时间节点处的斜率值是否大于0,且所述负载曲线在第二个时间节点处的斜率值是否小于0执行的执行结果为否,执行下述计算机可执行指令:
判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值是否均大于0,若是,对所述云计算环境中的CPU资源和/或内存资源进行扩容。
可选的,所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置,采用如下方式实现:
对所述云计算环境中的CPU资源和/或内存资源进行缩容。
可选的,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值;
所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值。
可选的,所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,采用如下方式实现:
所述负载曲线上与最低点距离最近的两个时间节点按照时间从先到后的顺序,判断所述负载曲线在首个时间节点处的斜率值是否小于0,且所述负载曲线在第二个时间节点处的斜率值是否大于0,若是,判断所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第二预设斜率阈值,若是,对所述云计算环境中的CPU资源和/或内存资源进行缩容。
可选的,若所述判断所述负载曲线在首个时间节点处的斜率值是否小于0,且所述负载曲线在第二个时间节点处的斜率值是否大于0指令的执行结果为否,执行下述计算机可执行指令:
判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值是否均小于0,若是,对所述云计算环境中的CPU资源和/或内存资源进行缩容。
可选的,所述负载曲线在所述时间节点处的斜率值通过所述负载曲线对应的负载函数的导函数计算获得。
可选的,若所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内指令的执行结果为所述负载变化信息超出所述负载变化阈值范围,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置。
可选的,若所述判断所述负载信息是否超出预先配置的负载阈值区间指令的执行结果为所述负载信息并未超出所述负载阈值区间,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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。
Claims (27)
1.一种云计算环境中弹性伸缩配置的方法,其特征在于,包括:
获取云计算环境中至少一个性能指标维度当前的负载信息;
判断所述负载信息是否超出预先配置的负载阈值区间,若是,执行下一步;
利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;
判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
2.根据权利要求1所述的云计算环境中弹性伸缩配置的方法,其特征在于,若所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内步骤的判断结果为否,执行下述步骤:
获取所述云计算环境中在预先配置的延时时间段之后所述性能指标维度当前的负载信息;
判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
3.根据权利要求2所述的云计算环境中弹性伸缩配置的方法,其特征在于,若所述判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间步骤的判断结果为否,在所述性能指标维度不对所述云计算环境中的云计算资源不进行弹性伸缩配置。
4.根据权利要求1所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述云计算环境中的云计算资源包括:CPU资源和/或内存资源;
相应的,所述性能指标维度包括:CPU利用率和/或内存利用率。
5.根据权利要求4所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述负载信息包括:CPU负载和/或内存负载;
相应的,所述负载信息集包括:由所述CPU负载组成的CPU负载集,和/或,由所述内存负载组成的内存负载集。
6.根据权利要求5所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述判断所述负载信息是否超出预先配置的负载阈值区间,采用如下方式实现:
判断所述云计算环境中的CPU负载是否超出所述CPU负载对应的负载阈值区间,若是,执行下一步;
或者,
判断所述云计算环境中的内存负载是否超出所述内存负载对应的负载阈值区间,若是,执行下一步。
7.根据权利要求5所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,采用如下方式实现:
判断所述云计算环境中的CPU负载集中包含的CPU负载在所述特定时间区间内的负载变化信息是否处于所述CPU负载对应的变化阈值范围内,若是,执行所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置步骤;
或者,
判断所述云计算环境中的内存负载集中包含的内存负载在所述特定时间区间内的负载变化信息是否处于所述内存负载对应的变化阈值范围内,若是,执行所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置步骤。
8.根据权利要求5所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述特定时间区间设置有起始时间点和终止时间点,且所述终止时间点与获取所述云计算环境中所述性能指标维度当前的负载信息时的时间点重合。
9.根据权利要求8所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息步骤执行之前,执行下述步骤:
获取所述云计算环境中所述特定时间区间内各个时间节点的负载信息,组成所述云计算环境中所述特定时间区间内的负载信息集。
10.根据权利要求9所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置,采用如下方式实现:
对所述云计算环境中的CPU资源和/或内存资源进行扩容。
11.根据权利要求10所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息,采用如下方式实现:
根据所述负载信息集当中包含的负载信息以及所述负载信息在所述特定时间区间内对应的时间节点计算并确定所述负载曲线对应的负载函数;
根据所述负载曲线对应的负载函数计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息。
12.根据权利要求11所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述负载变化信息包括:所述负载曲线在所述特定时间区间内的变化趋势和变化快慢程度。
13.根据权利要求12所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值;
所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值。
14.根据权利要求13所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,采用如下方式实现:
所述负载曲线上与最高点距离最近的两个时间节点按照时间从先到后的顺序,判断所述负载曲线在首个时间节点处的斜率值是否大于0,且所述负载曲线在第二个时间节点处的斜率值是否小于0,若是,执行下一步;
判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第一预设斜率阈值,若是,对所述云计算环境中的CPU资源和/或内存资源进行扩容。
15.根据权利要求14所述的云计算环境中弹性伸缩配置的方法,其特征在于,若所述判断所述负载曲线在首个时间节点处的斜率值是否大于0,且所述负载曲线在第二个时间节点处的斜率值是否小于0步骤的判断结果为否,执行下述步骤:
判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值是否均大于0,若是,对所述云计算环境中的CPU资源和/或内存资源进行扩容。
16.根据权利要求9所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置,采用如下方式实现:
对所述云计算环境中的CPU资源和/或内存资源进行缩容。
17.根据权利要求16所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息,采用如下方式实现:
根据所述负载信息集当中包含的负载信息以及所述负载信息在所述特定时间区间内对应的时间节点计算并确定所述负载曲线对应的负载函数;
根据所述负载曲线对应的负载函数计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息。
18.根据权利要求17所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述负载变化信息包括:所述负载曲线在所述特定时间区间内的变化趋势和变化快慢程度。
19.根据权利要求18所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述负载曲线在所述特定时间区间内的变化趋势包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值;
所述负载曲线在所述特定时间区间内的变化快慢程度包括:所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值。
20.根据权利要求19所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,采用如下方式实现:
所述负载曲线上与最低点距离最近的两个时间节点按照时间从先到后的顺序,判断所述负载曲线在首个时间节点处的斜率值是否小于0,且所述负载曲线在第二个时间节点处的斜率值是否大于0,若是,执行下一步;
判断所述负载曲线在其上与最低点距离最近的两个时间节点处的斜率值的绝对值是否小于或者等于第二预设斜率阈值,若是,对所述云计算环境中的CPU资源和/或内存资源进行缩容。
21.根据权利要求20所述的云计算环境中弹性伸缩配置的方法,其特征在于,若所述判断所述负载曲线在首个时间节点处的斜率值是否小于0,且所述负载曲线在第二个时间节点处的斜率值是否大于0步骤的判断结果为否,执行下述步骤:
判断所述负载曲线在其上与最高点距离最近的两个时间节点处的斜率值是否均小于0,若是,对所述云计算环境中的CPU资源和/或内存资源进行缩容。
22.根据权利要求13或19所述的云计算环境中弹性伸缩配置的方法,其特征在于,所述负载曲线在所述时间节点处的斜率值通过所述负载曲线对应的负载函数的导函数计算获得。
23.根据权利要求1所述的云计算环境中弹性伸缩配置的方法,其特征在于,若所述判断所述负载变化信息是否处于预先配置的负载变化阈值范围内步骤的判断结果为否,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置。
24.根据权利要求1所述的云计算环境中弹性伸缩配置的方法,其特征在于,若所述判断所述负载信息是否超出预先配置的负载阈值区间步骤的判断结果为否,在所述性能指标维度不对所述云计算环境中的云计算资源进行弹性伸缩配置。
25.一种云计算环境中弹性伸缩配置的装置,其特征在于,包括:
负载信息获取单元,用于获取云计算环境中至少一个性能指标维度当前的负载信息;
负载信息判断单元,用于判断所述负载信息是否超出预先配置的负载阈值区间,若是,运行负载变化信息计算单元;
所述负载变化信息计算单元,用于利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;
负载变化信息判断单元,用于判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,运行弹性伸缩配置单元;
所述弹性伸缩配置单元,用于在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
26.根据权利要求25所述的云计算环境中弹性伸缩配置的装置,其特征在于,若所述负载变化信息判断单元输出的判断结果为所述负载变化信息超出所述负载变化阈值范围,运行延时单元和负载信息二次判断单元;
所述延时单元,用于获取所述云计算环境中在预先配置的延时时间段之后所述性能指标维度当前的负载信息;
所述负载信息二次判断单元,用于判断所述延时时间段之后所述性能指标维度当前的负载信息是否超出所述负载阈值区间,若是,运行所述弹性伸缩配置单元。
27.一种电子设备,其特征在于,包括:
存储器,以及处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取云计算环境中至少一个性能指标维度当前的负载信息;
判断所述负载信息是否超出预先配置的负载阈值区间,若是,利用所述云计算环境中特定时间区间内的负载信息集确定其对应的负载曲线,并计算所述负载信息集中包含的负载信息在所述特定时间区间内的负载变化信息;
判断所述负载变化信息是否处于预先配置的负载变化阈值范围内,若是,在所述性能指标维度对所述云计算环境中的云计算资源进行弹性伸缩配置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611194769.7A CN108234231B (zh) | 2016-12-22 | 2016-12-22 | 云计算环境中弹性伸缩配置的方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611194769.7A CN108234231B (zh) | 2016-12-22 | 2016-12-22 | 云计算环境中弹性伸缩配置的方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108234231A true CN108234231A (zh) | 2018-06-29 |
CN108234231B CN108234231B (zh) | 2021-09-10 |
Family
ID=62655917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611194769.7A Active CN108234231B (zh) | 2016-12-22 | 2016-12-22 | 云计算环境中弹性伸缩配置的方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108234231B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445911A (zh) * | 2018-11-06 | 2019-03-08 | 北京金山云网络技术有限公司 | Cvm实例的调整方法、装置、云平台和服务器 |
WO2020135633A1 (zh) * | 2018-12-29 | 2020-07-02 | 中兴通讯股份有限公司 | 扩容方法及装置 |
CN112422329A (zh) * | 2020-11-05 | 2021-02-26 | 杭州米络星科技(集团)有限公司 | 流媒体服务器集群的管理方法、装置和电子设备 |
CN113949638A (zh) * | 2021-08-26 | 2022-01-18 | 中铁第四勘察设计院集团有限公司 | 一种基于云平台的铁路通信系统扩缩容方法和系统 |
CN117407237A (zh) * | 2023-09-15 | 2024-01-16 | 通明智云(北京)科技有限公司 | 一种基于轮询模式的cpu利用率统计方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894050A (zh) * | 2010-07-28 | 2010-11-24 | 山东中创软件工程股份有限公司 | 云资源池的jee应用资源弹性调度方法、装置及系统 |
US20150237160A1 (en) * | 2010-06-29 | 2015-08-20 | International Business Machines Corporation | Smoothing peak system load via behavior prediction in collaborative systems with temporal data acces |
CN105868027A (zh) * | 2016-06-08 | 2016-08-17 | 江苏三棱智慧物联发展股份有限公司 | 一种基于云计算的资源分配装置及方法 |
CN105975277A (zh) * | 2016-05-11 | 2016-09-28 | 广东浪潮大数据研究有限公司 | 一种基于模板的混合云弹性伸缩组构建方法 |
CN106201718A (zh) * | 2016-07-05 | 2016-12-07 | 北京邮电大学 | 一种基于负载预测的云计算资源动态伸缩方法 |
-
2016
- 2016-12-22 CN CN201611194769.7A patent/CN108234231B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150237160A1 (en) * | 2010-06-29 | 2015-08-20 | International Business Machines Corporation | Smoothing peak system load via behavior prediction in collaborative systems with temporal data acces |
CN101894050A (zh) * | 2010-07-28 | 2010-11-24 | 山东中创软件工程股份有限公司 | 云资源池的jee应用资源弹性调度方法、装置及系统 |
CN105975277A (zh) * | 2016-05-11 | 2016-09-28 | 广东浪潮大数据研究有限公司 | 一种基于模板的混合云弹性伸缩组构建方法 |
CN105868027A (zh) * | 2016-06-08 | 2016-08-17 | 江苏三棱智慧物联发展股份有限公司 | 一种基于云计算的资源分配装置及方法 |
CN106201718A (zh) * | 2016-07-05 | 2016-12-07 | 北京邮电大学 | 一种基于负载预测的云计算资源动态伸缩方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445911A (zh) * | 2018-11-06 | 2019-03-08 | 北京金山云网络技术有限公司 | Cvm实例的调整方法、装置、云平台和服务器 |
WO2020135633A1 (zh) * | 2018-12-29 | 2020-07-02 | 中兴通讯股份有限公司 | 扩容方法及装置 |
CN112422329A (zh) * | 2020-11-05 | 2021-02-26 | 杭州米络星科技(集团)有限公司 | 流媒体服务器集群的管理方法、装置和电子设备 |
CN112422329B (zh) * | 2020-11-05 | 2022-08-05 | 杭州米络星科技(集团)有限公司 | 流媒体服务器集群的管理方法、装置和电子设备 |
CN113949638A (zh) * | 2021-08-26 | 2022-01-18 | 中铁第四勘察设计院集团有限公司 | 一种基于云平台的铁路通信系统扩缩容方法和系统 |
CN117407237A (zh) * | 2023-09-15 | 2024-01-16 | 通明智云(北京)科技有限公司 | 一种基于轮询模式的cpu利用率统计方法及装置 |
CN117407237B (zh) * | 2023-09-15 | 2024-06-18 | 通明智云(北京)科技有限公司 | 一种基于轮询模式的cpu利用率统计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108234231B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108234231A (zh) | 云计算环境中弹性伸缩配置的方法、装置以及电子设备 | |
CN102831045B (zh) | 一种终端设备中启动项检测的方法和装置 | |
CN106470219A (zh) | 计算机集群的扩容和缩容方法及设备 | |
CN102111337A (zh) | 任务调度方法和系统 | |
CN102223416B (zh) | 一种媒体文件的传输方法及系统 | |
CN104113576A (zh) | 一种客户端的更新方法及装置 | |
WO2015183809A1 (en) | Method and apparatus of prompting an update of an application | |
CN108717374B (zh) | Java虚拟机启动时预热的方法、装置、及计算机设备 | |
JP2009116380A (ja) | 仮想サーバ移動制御装置、仮想サーバ移動制御方法およびプログラム | |
CN103746934A (zh) | 一种cdn带宽平衡的方法、cdn控制中心及系统 | |
US10305974B2 (en) | Ranking system | |
CN104850394A (zh) | 分布式应用程序的管理方法和分布式系统 | |
WO2017151510A1 (en) | A method and device for scheduling resources | |
CN110647392A (zh) | 一种基于容器集群的智能弹性伸缩方法 | |
CN109739627B (zh) | 任务的调度方法、电子设备及介质 | |
CN108173735A (zh) | 一种GPU Box服务器级联通信方法、装置及系统 | |
EP3310093A1 (en) | Traffic control method and apparatus | |
CN109033814A (zh) | 智能合约触发方法、装置、设备及存储介质 | |
AU2015203316B2 (en) | Intelligent application back stack management | |
US11943127B2 (en) | Network-based control method for power consumption of applications, terminal and storage medium | |
CN104281587B (zh) | 一种建立连接的方法及装置 | |
CN112579396A (zh) | 软件系统动态限流方法、装置及设备 | |
CN106020971B (zh) | 云主机系统中的cpu调度方法及装置 | |
CN111967938B (zh) | 云资源推荐方法、装置、计算机设备及可读存储介质 | |
CN107517273B (zh) | 数据迁移的方法、系统、计算机可读存储介质及服务器 |
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: 1257265 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |