CN108289086B - 请求处理方法及装置、服务器 - Google Patents
请求处理方法及装置、服务器 Download PDFInfo
- Publication number
- CN108289086B CN108289086B CN201710018769.XA CN201710018769A CN108289086B CN 108289086 B CN108289086 B CN 108289086B CN 201710018769 A CN201710018769 A CN 201710018769A CN 108289086 B CN108289086 B CN 108289086B
- Authority
- CN
- China
- Prior art keywords
- resource
- cluster
- request
- factor
- tree structure
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
Abstract
本方案实施例提供了一种请求处理方法及装置、服务器。一方面,本方案实施例通过响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;根据采集到的资源信息,确定指定请求的响应信息,当服务器接收到客户端的请求时,服务器基于每个集群的所有属性资源来确定请求的响应信息,对于不是共有属性资源的其他资源也作为确定响应信息的因素,从而提高了服务器对于请求的处理的精确度,扩展了适用范围,并增强了适用性,解决了现有技术中服务器对于请求的处理精确度低,适用范围小,适用性差的问题。
Description
【技术领域】
本方案涉及数据库技术领域,尤其涉及一种请求处理方法及装置、服务器。
【背景技术】
随着云计算的不断发展,云服务器(Elastic Compute Service,简称ECS)生产调度管理正逐步从单个集群,扩展到多集群(cluster)和多地区(region)。因为集群的建立时期、用途和虚拟化技术不同,集群之间硬件资源和软件资源的固有差异难以避免。
硬件差异:集群间存在计算、存储、网络各方面的物理属性差异。计算差异包括,集群实体机CPU主频、芯片架构不同。存储差异包括集群存储介质不同,存储数据的传输方式不同。网络差异包括网络接入方式不同,传输介质不同,网卡的处理能力的不同等等。
软件差异:集群中的云服务器自身存在不同的计算虚拟化技术、内存虚拟化技术,网络虚拟化技术和存储虚拟化技术等。不同的技术在性能,稳定性,易用性的表现不同,从而使得云服务器的性能存在差异。
此外,集群自身硬件资源随着生产、释放资源过程中,集群剩余可用资源不断动态变化,衡量集群的生产能力的因子数据也在动态变化。
在实现本方案过程中,方案人发现现有技术中至少存在如下问题:
当前,现有技术方案中,当服务器接收到客户端的请求时,服务器基于集群之间的共有属性资源(例如虚拟CPU(英文缩写为VCPU)资源,内存资源,公网IP资源等)来确定请求的响应信息,对于不是共有属性资源的其他资源,例如磁盘类型,网络带宽的资源等,不作为确定响应信息的因素。这导致了服务器对于请求的处理精确度低,适用范围小,适用性差。
例如,集群A的内存、虚拟CPU、公网IP、私网IP的数量如表1所示。
表1.集群A的资源情况示例表
根据现有技术方案,如果内存、虚拟CPU、公网IP任一资源的剩余资源小于资源阈值,集群就会被关闭,不能对外进行云服务器售卖。由表1可知,
集群A中则集群A公网IP的剩余资源为80个,小于资源阈值100,因此集群A被关闭,集群管理服务器不会调度集群A来生产云服务器。
假设生产请求的资源组合是5G内存、8个计算核心和2个私网IP,那么表1所示的集群A是完全能够生产由这种资源组合构成的云服务器的,因为虽然集群A中公网IP的剩余资源低于其资源阈值,但是生产的云服务器并不需要公网IP这种资源,然而集群A却因为公网IP的缺乏被关闭了,不能被调度进行云服务器的生产。
【发明内容】
有鉴于此,本方案实施例提供了一种请求处理方法及装置、服务器,用以解决现有技术中服务器对于请求的处理精确度低,适用范围小,适用性差的问题。
第一方面,本方案实施例提供一种请求处理方法,应用于管理至少一个集群系统的服务器,所述方法包括:
响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
根据采集到的资源信息,确定所述指定请求的响应信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据采集到的资源信息,确定所述指定请求的响应信息,包括:
根据采集到的资源信息,确定指定集群的各资源因子的可用资源;
根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子;
基于每个资源因子各自的撮合因子,建立树型结构;
基于所述树型结构,确定所述指定请求的响应信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子,包括:
根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子,包括:
根据每个资源因子的可用资源与每个资源因子各自的资源阈值的差值,获得每个资源因子各自的撮合因子。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,基于每个资源因子各自的撮合因子,建立树型结构,包括:
对每个资源因子各自的撮合因子进行归一化处理;
基于归一化处理结果,建立所述树型结构。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述指定请求为云服务器生产调度请求;
基于所述树型结构,确定所述指定请求的响应信息,包括:
通过指定接口从指定数据库读取业务规则;
根据所述指定请求和读取的业务规则,从所述树型结构提取相关资源的节点;
根据提取的节点和所述指定请求中相应资源的数量,建立新树形结构;
根据所述新树形结构,生成所述云服务器生产调度请求的响应信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据所述新树形结构,生成所述云服务器生产调度请求的响应信息,包括:基于所述新树形结构确定调度集群;
向确定的所述调度集群发送创建云服务器的指令,以使所述调度集群根据所述指令创建云服务器并发送创建的云服务器的相关信息;
接收所述调度集群返回的创建的云服务器的相关信息;
生成响应信息,所述响应信息中包含所述云服务器的相关信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述指定请求为集群生产能力查询请求;基于所述树型结构,确定所述指定请求的响应信息,包括:
基于所述树型结构,评估所述集群系统的生产能力,以获得第二评估结果;
根据所述第二评估结果,生成所述集群生产能力查询请求的响应信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述基于所述树型结构,评估所述集群系统的生产能力,包括:
根据开启条件和所述树型结构确定开启的集群系统。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述基于所述树型结构,评估所述集群系统的生产能力,包括:
根据生产一台服务器所需的资源组合和所述树型结构,评估所述集群系统可生产的服务器数量。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述指定请求为集群库存查询请求;
基于所述树型结构,确定所述指定请求的响应信息,包括:
基于所述树型结构,获取所述集群系统的指定资源的信息;
根据获取的信息,生成所述集群库存查询请求的响应信息。
第二方面,本方案实施例提供一种请求处理装置,设置于管理至少一个集群系统的服务器中,所述装置包括:
采集模块,用于响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
确定模块,用于根据采集到的资源信息,确定所述指定请求的响应信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述确定模块在用于根据采集到的资源信息,确定所述指定请求的响应信息时,具体用于:
根据采集到的资源信息,确定指定集群的各资源因子的可用资源;
根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子;
基于每个资源因子各自的撮合因子,建立树型结构;
基于所述树型结构,确定所述指定请求的响应信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述确定模块在用于根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子时,具体用于:
根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述确定模块在用于根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子时,具体用于:
根据每个资源因子的可用资源与每个资源因子各自的资源阈值的差值,获得每个资源因子各自的撮合因子。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述确定模块在用于基于每个资源因子各自的撮合因子,建立树型结构时,具体用于:
对每个资源因子各自的撮合因子进行归一化处理;
基于归一化处理结果,建立所述树型结构。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述指定请求为云服务器生产调度请求;所述确定模块在用于基于所述树型结构,确定所述指定请求的响应信息时,具体用于:
通过指定接口从指定数据库读取业务规则;
根据所述指定请求和读取的业务规则,从所述树型结构提取相关资源的节点;
根据提取的节点和所述指定请求中相应资源的数量,建立新树形结构;
根据所述新树形结构,生成所述云服务器生产调度请求的响应信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述确定模块在用于根据所述新树形结构,生成所述云服务器生产调度请求的响应信息时,具体用于:
基于所述新树形结构确定调度集群;
向确定的所述调度集群发送创建云服务器的指令,以使所述调度集群根据所述指令创建云服务器并发送创建的云服务器的相关信息;
接收所述调度集群返回的创建的云服务器的相关信息;
生成响应信息,所述响应信息中包含所述云服务器的相关信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述指定请求为集群生产能力查询请求;所述确定模块在用于基于所述树型结构,确定所述指定请求的响应信息时,具体用于:
基于所述树型结构,评估所述集群系统的生产能力,以获得第二评估结果;
根据所述第二评估结果,生成所述集群生产能力查询请求的响应信息。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述确定模块在用于基于所述树型结构,评估所述集群系统的生产能力时,具体用于:
根据开启条件和所述树型结构确定开启的集群系统。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述确定模块在用于基于所述树型结构,评估所述集群系统的生产能力时,具体用于:
根据生产一台服务器所需的资源组合和所述树型结构,评估所述集群系统可生产的服务器数量。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述指定请求为集群库存查询请求;所述确定模块在用于基于所述树型结构,确定所述指定请求的响应信息时,具体用于:
基于所述树型结构,获取所述集群系统的指定资源的信息;
根据获取的信息,生成所述集群库存查询请求的响应信息。
第三方面,本方案实施例提供一种服务器,包括第二方面所述的请求处理装置。
第四方面,本方案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,所述计算机指令用于使所述计算机执行以下流程:
响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
根据采集到的资源信息,确定所述指定请求的响应信息。本方案实施例具有以下有益效果:
本方案实施例中,当服务器接收到客户端的请求时,服务器基于每个集群的所有属性资源(包括共有属性资源和非共有属性资源)来确定请求的响应信息,对于不是共有属性资源的其他资源也作为确定响应信息的因素,从而提高了服务器对于请求的处理的精确度,扩展了适用范围,并增强了适用性。
【附图说明】
为了更清楚地说明本方案实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本方案的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本方案实施例所提供的请求处理方法的实施例的流程示意图;
图2是集群资源池的示意图;
图3是红黑树模型示意图;
图4是集群X的红黑树模型示例图一;
图5是集群Y的红黑树模型示例图一;
图6是根据图4得到的集群X的红黑树模型示例图二;
图7是根据图5得到的集群Y的红黑树模型示例图二;
图8是管理平台服务器N1向集群管理服务器M请求生产调度一台云服务器的场景示意图;
图9是应用示例一中基于集群1每个资源因子各自的撮合因子建立的集群1的红黑树示意图;
图10是基于图9的红黑树进行提取处理后建立新的红黑树的示意图;
图11是基于图10的红黑树进行调度后集群1的红黑树示意图;
图12是集群2在调度后的红黑树示意图;
图13是集群3在调度后的红黑树示意图;
图14是12306平台服务器N2向集群管理服务器M查询资源使用情况的场景示意图;
图15是运维人员通过终端向集群管理服务器M查询库存情况的应用场景示意图;
图16是本方案实施例所提供的请求处理装置的实施例的功能方块图;
图17是本方案实施例所提供的服务器的实施例的功能方块图;
图18是服务器1800的简化框图。
【具体实施方式】
为了更好的理解本方案的技术方案,下面结合附图对本方案实施例进行详细描述。
应当明确,所描述的实施例仅仅是本方案一部分实施例,而不是全部的实施例。基于本方案中的实施例,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它实施例,都属于本方案保护的范围。
在本方案实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本方案。在本方案实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
本方案实施例中,当集群管理服务器接收到客户端发送的指定请求时,对客户端进行鉴权,以确定客户端是否有相应的请求权限。在确认客户端具有相应的请求权限后,集群管理服务器根据接收到的指定请求,判断该指定请求是否在自己的处理范围内。如果确定接收到的指定请求在自己的处理范围内,集群管理服务器通过预定接口从记录所有集群的数据信息的数据库中采集各集群的全部资源信息和业务规则,根据采集的资源信息创建各集群的第一树形结构。结合指定请求和创建的树形结构以及业务规则,从第一树形结构中提取相关资源信息,根据提取的信息再创建相应集群的第二树形结构。根据第二树形结构,集群管理服务器生成指定请求的响应信息,并发送给客户端。客户端再根据响应信息,进行后续操作。
实施例一
本方案实施例给出一种请求处理方法,该请求处理方法应用于管理至少一个集群系统的服务器。
请参考图1其为本方案实施例所提供的请求处理方法的实施例的流程示意图。如图1所示,本实施例中,请求处理方法可以包括以下步骤:
S101,响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
S102,根据采集到的资源信息,确定指定请求的响应信息。
据此,当服务器接收到客户端的请求时,服务器基于每个集群的所有属性资源(包括共有属性资源和非共有属性资源)来确定请求的响应信息,对于不是共有属性资源的其他资源也作为确定响应信息的因素,从而提高了服务器对于请求的处理的精确度,扩展了适用范围,并增强了适用性。
在一个具体的实现过程中,根据采集到的资源信息,确定指定请求的响应信息,可以包括:根据采集到的资源信息,确定指定集群的各资源因子的可用资源;根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子;基于每个资源因子各自的撮合因子,建立树型结构;基于树型结构,确定指定请求的响应信息。
这里对本实施例涉及的一些术语进行解释。
其中,资源因子指具体的资源类别,例如表1所示的内存、虚拟CPU、公网IP、私网IP等。
其中,资源因子的可用资源即资源因子的剩余资源,例如表1中,内存这个资源因子的可用资源为110G。
其中,资源因子的撮合因子是一个与资源因子的可用资源相关的量。资源因子的撮合因子也可以称为资源撮合节点。
其中,资源因子的资源阈值是指资源因子的可用资源的下限值。资源阈值也可以称为资源水位线。例如表1中,内存这个资源因子的资源阈值为100G。
资源因子的资源阈值可以根据实际需求进行设置。在具体的应用中,有些资源因子需要设置资源阈值,有些资源因子可以设置资源阈值,也可以不设置资源阈值。例如,当资源因子的资源阈值处标明“无限制”时,表示该资源因子没有设置资源阈值。
一个集群的所有资源因子可以用集群资源池来表示。参见图2,其为集群资源池的示意图。图2中,集群资源池中有内存、虚拟CPU、公网IP、私网IP、Mac(Media AccessControl,媒体访问控制)地址、本地磁盘容量、云磁盘容量共7个资源因子,每个资源因子用一个漂浮在水上的圆形表示,圆形与水面相交的交线代表资源水位线,圆形中处于资源水位线以下的部分为对应资源因子的资源阈值量,圆形中处于资源水位线以上的部分为对应资源因子的撮合节点,即撮合因子。
由于在评估中考虑了待评估集群的所有资源因子,因此可以根据具体应用灵活地进行评估,从而提高资源评估的精确度,使其能够支持精准的生产调度,避免造成集群资源的浪费。
例如,生产请求a和生产请求b请求不同的资源,生产请求a请求内存、虚拟CPU、公网IP三种资源,生产请求b请求虚拟CPU、MAC地址、本地磁盘容量三种资源。
当针对生产请求a对集群的生产能力进行评估时,可以从由集群的所有资源因子的撮合因子建立的树形结构中找出内存、虚拟CPU、公网IP三种资源对应的节点进行具体判断,从而非常精确地得到集群针对生产请求a这个具体的生产请求的生产能力,而不会因为集群中除内存、虚拟CPU、公网IP三种资源以外的其他资源的缺乏(可能导致集群被关闭,不能进行生产调度)影响集群对于生产请求a的生产能力的评估。
当针对生产请求b对集群的生产能力进行评估时,可以从由集群的所有资源因子的撮合因子建立的树形结构中找出虚拟CPU、MAC地址、本地磁盘容量三种资源对应的节点进行具体判断,从而非常精确地得到集群针对生产请求b这个具体的生产请求的生产能力,而不会因为集群中除虚拟CPU、MAC地址、本地磁盘容量三种资源以外的其他资源的缺乏(可能导致集群被关闭,不能进行生产调度)影响集群对于生产请求a的生产能力的评估。
利用由集群的所有资源因子的撮合因子建立的树形结构,对于针对集群的任何生产请求,都能够同上述作为示例的生产请求a和生产请求b一样,精确地得到集群针对该具体的生产请求的生产能力。
可见,对于一个具体的生产请求,利用集群的树形结构能够有针对性地选择相关的资源进行资源评估,因此评估具有针对性;
对于所有的生产请求,利用集群的树形结构都能够有针对性地选择相关的资源进行资源评估,因此评估具有普遍适用性。
需要说明的是,本方案实施例所提供的请求处理方法对于不同的业务规则也同样适用。其中,不同的业务规则请参见本文后续阐述的示例1和示例2中的开启条件。
在一个具体的实现过程中,资源因子可以包括内存、虚拟CPU、公网IP、私网IP、MAC地址、本地磁盘容量、云磁盘容量和网络带宽中的至少一个。
在一个具体的实现过程中,根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子的方法可以包括但不限于:根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子。
进一步地,在一个具体的实现过程中,根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子,可以包括:根据每个资源因子的可用资源与每个资源因子各自的资源阈值的差值,获得每个资源因子各自的撮合因子。
举例说明。以表1中的内存、虚拟CPU、公网IP和私网IP为例。内存的撮合因子等于110-100=10G,虚拟CPU的撮合因子等于120-100=20个,公网IP的撮合因子等于80-100=-20个,私网IP公网IP的撮合因子等于130-100=30个。
在一个具体的实现过程中,基于每个资源因子各自的撮合因子,建立树型结构,可以包括:对每个资源因子各自的撮合因子进行归一化处理;基于归一化处理结果,建立树型结构。
其中,归一化处理指统一单位标准。例如,表1中的内存、虚拟CPU、公网IP和私网IP的撮合因子归一化处理分别为10、20、-20和30。内存的撮合因子可以表示为<内存,10>,反转后为<10,内存>,作为树形结构的一个节点。公网IP的撮合因子可以表示为<公网IP,-20>,反转后为<-20,公网IP>,作为树形结构的另一个节点。对于虚拟CPU和私网IP作同样的处理后,作为树形结构的另两个节点。
其中,树型结构可以是红黑树、二叉树、多叉树等结构。
假设有8个资源因子:内存、虚拟CPU、公网IP、私网IP、MAC地址、本地磁盘容量、云磁盘容量和网络带宽,则由这8个资源因子建立的红黑树模型如图3所示。
参见图3,图3为红黑树模型示意图。图3中,白色的节点表示红黑树中的红色节点,NIL为红黑树的叶节点。
假设集群X对应图3中8个资源因子的可用资源和资源阈值如表2所示。
表2.集群X的资源情况示例表
表2中,各资源因子的归一化后的撮合因子如下:
内存:110-100=10,表示为<内存,10>;
虚拟CPU:120-100=20,表示为<虚拟CPU,20>;
公网IP:130-100=30,表示为<公网IP,30>;
私网IP:140-100=40,表示为<私网IP,40>;
MAC地址:50-0=50,表示为<MAC地址,50>;
本地磁盘容量:160-100=60,表示为<本地磁盘容量,60>;
云磁盘容量:170-100=70,表示为<云磁盘容量,70>;
网络带宽:90-10=80,表示为<网络带宽,80>。
反转撮合因子后,分为为:<10,内存>、<20,虚拟CPU>、<30,公网IP>、<40,私网IP>、<50,MAC地址>、<60,本地磁盘容量>、<70,云磁盘容量>、<80,网络带宽>。基于这些撮合因子建立的红黑树模型如图4所示。
参见图4,可知,红黑树的根节点为<10,内存>,由此可以知道集群X的瓶颈资源为内存,剩余量为10G。
假设集群Y对应图3中8个资源因子的可用资源和资源阈值如表3所示。
表3.集群Y的资源情况示例表
表3中,各资源因子的归一化后的撮合因子如下:
内存:110-100=10,表示为<内存,10>;
虚拟CPU:120-100=20,表示为<虚拟CPU,20>;
公网IP:80-100=-20,表示为<公网IP,-20>;
私网IP:90-100=-10,表示为<私网IP,-10>;
MAC地址:50-0=50,表示为<MAC地址,50>;
本地磁盘容量:130-100=30,表示为<本地磁盘容量,30>;
云磁盘容量:170-100=70,表示为<云磁盘容量,70>;
网络带宽:50-10=40,表示为<网络带宽,40>。
反转撮合因子后,分为为:<10,内存>、<20,虚拟CPU>、<-20,公网IP>、<-10,私网IP>、<50,MAC地址>、<30,本地磁盘容量>、<70,云磁盘容量>、<40,网络带宽>。基于这些撮合因子建立的红黑树模型如图5所示。
参见图5,可知,红黑树的根节点为<-20,公网IP>,由此可以知道集群Y的瓶颈资源为公网IP,缺乏20个。
在一个具体的实现过程中,集群系统的生产能力可以包括两方面,一方面是,集群能不能进行生产调度,或者说集群是否开启,如果集群能进行生产调度,则开启集群,如果集群不能进行生产调度,则关闭集群。另一方面是,对于具体的生产服务器的请求,集群能够生产的服务器的数量是多少。
在一个具体的实现过程中,基于树型结构,评估集群系统的生产能力,可以包括:根据开启条件和树型结构确定开启的集群系统。
下面通过示例1和示例2进行说明。
示例1
假设开启条件一为:任一个资源因子大于其资源阈值。
根据开启条件一,从图4所示的集群X的红黑树中找到根节点<10,内存>,由于根节点是数值最小的节点,因此如果根节点的数值大于0,那么红黑树中所有节点的数值都大于0,由此可以确定集群X开启,可以进行生产调度。
根据开启条件一,从图5所示的集群Y的红黑树中找到根节点<-20,公网IP>,说明至少公网IP这个资源因子小于其资源阈值,因此可以确定集群Y关闭,不能进行生产调度。
需要说明的是,此处集群Y的关闭是由开启条件一的设置造成的,对于开启条件一这种具体的情况,集群Y才需要被关闭,并不是在所有的情况下集群Y都需要被关闭,例如下面的示例2。
示例2
假设开启条件二为:生产请求所涉及的资源的资源因子大于其资源阈值。并且,假设生产请求所涉及的资源为内存、虚拟CPU和本地磁盘容量。
根据开启条件二,从图4所示的集群X的红黑树中找到内存、虚拟CPU和本地磁盘容量对应的节点<10,内存>、<20,虚拟CPU>、<60,本地磁盘容量>,用这三个节点建立新的红黑树,如图6所示。图6中,根节点仍然为<10,内存>,由于根节点的数值大于0,所以图6的红黑树中所有节点的数值都大于0,由此可以确定集群X开启,可以进行生产调度。
根据开启条件二,从图5所示的集群Y的红黑树中找到内存、虚拟CPU和本地磁盘容量对应的节点<10,内存>、<20,虚拟CPU>、<30,本地磁盘容量>,用这三个节点建立新的红黑树,如图7所示。图7中,根节点仍然为<10,内存>,由于根节点的数值大于0,所以图7的红黑树中所有节点的数值都大于0,由此可以确定集群Y开启,可以进行生产调度。可见,此处,集群Y并没有由于公网IP、私网IP的缺乏而被停止生产。
对于集群X和集群Y,如果还是按照背景技术中的固定评估方案(即内存、虚拟CPU和公网IP)进行评估,那么集群Y将会被关闭,不能进行生产调度,但是实际上,对于涉及资源为内存、虚拟CPU和本地磁盘容量的生产请求,集群Y是能够进行生产调度的。
示例2根据具体应用灵活地进行评估,使得依据固定评估方案关闭而针对具体生产请求能够进行生产调度的集群Y开启,提高了资源评估的精确度,能够支持精准的生产调度,避免了集群Y资源的浪费。
在一个具体的实现过程中,指定请求为集群生产能力查询请求;基于树型结构,确定指定请求的响应信息,可以包括:基于树型结构,评估集群系统的生产能力,以获得第二评估结果;根据第二评估结果,生成集群生产能力查询请求的响应信息。
在一个具体的实现过程中,基于树型结构,评估集群系统的生产能力,可以包括:根据生产一台服务器所需的资源组合和树型结构,评估集群系统可生产的服务器数量。
以前述的集群X和集群Y为例,通过示例3进行说明。
示例3
假设生产一台服务器所需的资源组合为内存2G、虚拟CPU5个和本地磁盘容量10G。
从图4所示的集群X的红黑树上找出内存、虚拟CPU和本地磁盘容量对应的节点,建立新的红黑树,如图6所示。根据图6所示的红黑树,可知集群X中内存、虚拟CPU和本地磁盘容量的剩余量分别为10G、20个、60G。
根据生产一台服务器所需的内存量(2G),集群X的内存可以生产10/2=5台服务器;
根据生产一台服务器所需的虚拟CPU数量(5个),集群X的虚拟CPU可以生产20/5=4台服务器;
根据生产一台服务器所需的本地磁盘容量(10G),集群X的本地磁盘容量可以生产60/10=6台服务器;
取5、4、6三者中的最小值4,则集群X可生产的服务器数量为4。
从图5所示的集群Y的红黑树上找出内存、虚拟CPU和本地磁盘容量对应的节点,建立新的红黑树,如图7所示。根据图7所示的红黑树,可知集群Y中内存、虚拟CPU和本地磁盘容量的剩余量分别为10G、20个、30G。
根据生产一台服务器所需的内存量(2G),集群Y的内存可以生产10/2=5台服务器;
根据生产一台服务器所需的虚拟CPU数量(5个),集群Y的虚拟CPU可以生产20/5=4台服务器;
根据生产一台服务器所需的本地磁盘容量(10G),集群Y的本地磁盘容量可以生产30/10=3台服务器;
取5、4、3三者中的最小值3,则集群Y可生产的服务器数量为3。
需要说明的是,如果在上述计算服务器台数的过程中出现了非整数,那么需要对非整数取整后再取最小值。例如,如果集群Y的本地磁盘容量为35,那么根据生产一台服务器所需的本地磁盘容量(10G),集群Y的本地磁盘容量可以生产35/10=3.5台服务器,取整后为3台服务器。
在一个具体的实现过程中,指定请求为云服务器生产调度请求;基于树型结构,确定指定请求的响应信息,可以包括:通过指定接口从指定数据库读取业务规则;根据指定请求和读取的业务规则,从树型结构提取相关资源的节点;根据提取的节点和指定请求中相应资源的数量,建立新树形结构;根据新树形结构,生成云服务器生产调度请求的响应信息。
在一个具体的实现过程中,根据新树形结构,生成云服务器生产调度请求的响应信息,可以包括:基于新树形结构确定调度集群;向确定的调度集群发送创建云服务器的指令,以使调度集群根据指令创建云服务器并发送创建的云服务器的相关信息;接收调度集群返回的创建的云服务器的相关信息;生成响应信息,响应信息中包含云服务器的相关信息。
在一个具体的实现过程中,指定请求为集群库存查询请求;基于所述树型结构,确定所述指定请求的响应信息,包括:基于树型结构,获取集群系统的指定资源的信息;根据获取的信息,生成集群库存查询请求的响应信息。
本方案实施例提供的请求处理方法,当服务器接收到客户端的请求时,服务器基于每个集群的所有属性资源(包括共有属性资源和非共有属性资源)来确定请求的响应信息,对于不是共有属性资源的其他资源也作为确定响应信息的因素,从而提高了服务器对于请求的处理的精确度,扩展了适用范围,并增强了适用性。
下面通过具体应用示例来对本方案实施例作进一步详细说明。
在以下的三个应用示例中,均假设集群管理服务器M总共管理着5个集群,该5个集群的资源信息如表4所示。假设该5个集群的实时资源信息保存在数据库L中,集群管理服务器M实时监管5个集群的资源变动情况,并更新数据库L中的数据。集群管理服务器M还可以将运维人员设置的业务规则保存在数据库L中,并且可以根据运维人员的操作指令更改保存在数据库L中的业务规则。
其中,业务规则可以包括两部分规则,一是集群开启售卖的条件,二是在所有开启的集群中选择具体售卖集群的选择规则。集群开启售卖的条件是指集群可供进行调度的条件,在所有开启的集群中选择具体售卖集群的选择规则是指当有多个符合调度条件的可售卖集群时,具体选择哪个或哪些集群进行售卖。此处的售卖是指调度集群中的物理资源为请求者提供服务。
表4集群可用资源及资源阈值示例表
表5集群撮合因子示例表
应用示例一
本示例的应用场景为:在出行旺季,购买火车票的人数增多,火车票售卖网站12306的客户访问量不断上升,需要更多的云服务器来处理。因此,火车票售卖网站12306的管理平台服务器N1(以下简称为12306平台服务器N1)向集群管理服务器M请求生产调度一台云服务器。场景示意图如图8所示。
则整个场景的过程如下:
a1,12306平台服务器N1向集群管理服务器M发送云服务器生产调度请求,请求中携带生产一台云服务器所需要的资源组合为:内存10M,CPU10个,MAC地址10个,云磁盘容量50M。
a2,集群管理服务器M接收12306平台服务器N1的生产调度请求并处理,集群管理服务器M的处理包括如下子步骤:
a21,集群管理服务器M对12306平台服务器N1进行鉴权,以判断12306平台服务器N1是否具有请求生产调度的权限,如果有则执行步骤a22,否则向12306平台服务器N1返回相关的提示信息,以通知N1其不具有相关权限;
a22,在鉴权通过后,集群管理服务器M根据12306平台服务器N1发送的具体生产调度请求,判断该请求是否在自身的处理范围内,如果在自身处理范围内,则继续执行步骤a23,否则12306平台服务器N1返回相关的提示信息,以通知N1其请求不在M的处理范围内;
a23,集群管理服务器M从数据库L中采集所有集群(本示例中为集群1~5)的实时资源信息和当前的业务规则(包括两部分规则,一是集群开启售卖的条件,二是在所有开启的集群中选择具体售卖集群的选择规则);
a24,对于所管理的每个集群,集群管理服务器按照如下与处理集群1相同的方式进行处理。
以表4中的集群1为例。
确定集群1的各资源因子的可用资源,如表4第二行所示,集群1中,剩余的内存为110M,虚拟CPU为120个,公网IP为80个,MAC地址50个,云磁盘容量170M,网络带宽为50bps。
根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子,每个资源的撮合因子等于相应资源的剩余量减去其资源阈值的差值。以集群1的内存为例,其撮合因子等于110-100=10M。集群1各资源因子对应的撮合因子如表5第二行所示。
基于集群1每个资源因子各自的撮合因子,建立集群1的红黑树,如图9所示;
基于各个集群的如图9所示的红黑树,评估集群系统对应于a1中生产调度请求的生产能力,具体包括:
将a1中生产调度请求所涉及的资源提取出来,建立新的红黑树,如图10所示,对比a1中生产调度请求所涉及的资源数量可知,表4中的集群1满足a1中生产调度请求的要求。
同理可以获知,表4中的集群2和集群3也满足a1中生产调度请求的要求。表4中的集群4由于内存数量不符合要求,表4中的集群5由于CPU数量不符合要求,都不满足a1中生产调度请求的要求。
因此,在步骤a2之后,集群管理服务器可以获得如下评估结果:
表4中的集群1、集群2和集群3满足a1中生产调度请求的要求,表4中的集群4和集群5不满足a1中生产调度请求的要求。
a25,根据a24中的评估结果,集群管理服务器M再根据从数据库L中获取的业务规则来选择具体调度的集群。
由于有3个集群满足a1中生产调度请求的要求,集群管理服务器M可以根据预定的选取规则来选取一个集群,作为为12306平台服务器N1具体调度的集群。
假设选取规则为随机选取,则集群管理服务器M随机选择一个,比如集群2作为调度的集群。
假设选取规则为最优选取,则集群管理服务器M进一步对集群1、集群2和集群3的红黑树进行处理,该处理以如下对集群1的处理为例。
在图10的基础上,去除a1中生产调度请求所要求的相应资源数量,得到调度后集群1的红黑树,如图11所示。同理得到集群2和集群3的红黑树分别如图12和图13所示。由图11、图12、图13的红黑树,分别取其根节点,比较可知,根节点最大的为集群3,这说明集群3在调度之后的剩余资源最充足,因此集群管理服务器M选择集群3作为调度的集群。这样使得对于集群的调度最合理,从而实现了更加精准的调度,提高了响应的精确度。
这样,步骤a25后,集群管理服务器M选择集群3作为调度集群。
a3,集群管理服务器M通知集群3其被调度,并通知集群3需要创建的云服务器的规格(即生产调度请求的资源组合:内存10M,CPU10个,MAC地址10个,云磁盘容量50M),集群3指派具体的物理主机C创建云服务器,物理主机C根据集群3的指令创建云服务器,然后集群3将物理主机C创建的云服务器的信息(例如IP地址,编号等)返回给集群管理服务器M。
a4,集群管理服务器M根据集群3返回的信息生成响应信息,响应信息中包含物理主机C创建的云服务器的信息,然后将生成的响应信息发送给12306平台服务器N1。
a5,12306平台服务器N1根据物理主机C创建的云服务器的IP地址访问该云服务器,并在该云服务器上配置相关的处理火车票购买、查询等请求的程序,配置好后,物理主机C所创建的云服务器就作为12306平台的后台运作系统的一部分,可以接收并处理客户端对于12306网站的访问请求了。
a6,12306平台服务器N1对客户端提供该云服务器的访问接口,客户端X向根据访问接口访问该云服务器。例如,客户端X向该云服务器发送购买火车票的请求,该云服务器按照配置好的处理程序接收并处理请求,并向客户端X返回相应的处理结果。
应用示例二
本示例的应用场景为12306平台服务器N2向集群管理服务器M查询资源使用情况,场景示意图如图14所示。
本示例中,假设存在如下前提:12306平台服务器N2已经通过上述应用示例一的步骤,向集群管理服务器M请求调度了若干台云服务器,这些云服务器由集群1和集群3中的物理主机所创建,集群管理服务器M将集群1和集群3的所有资源都调度给了12306平台服务器N2。
参见图14,12306平台服务器N2向集群管理服务器M查询资源使用情况的过程可以包括如下步骤:
b1,12306平台服务器N2向集群管理服务器M发送资源使用情况查询请求,以查询集群管理服务器M为12306平台服务器N1调度的集群1和集群3的使用情况。
b2,集群管理服务器M接收到资源使用情况查询请求后,进行如下处理,然后集群管理服务器M从数据库L中采集集群1和集群3的实时资源信息:
b21,集群管理服务器M对12306平台服务器N2进行鉴权,以判断12306平台服务器N1是否具有查询权限,如果有则执行步骤b22,否则向12306平台服务器N2返回相关的提示信息,以通知N2其不具有相关权限;
b22,鉴权通过后,集群管理服务器M确定12306平台服务器N2的查询权限范围,即哪些集群是调度给12306平台服务器N2使用的,或者说,12306平台服务器N2有对哪些集群进行查询的权限,通过本步骤后,集群管理服务器M获知12306平台服务器N2的查询权限范围是集群1和集群3。
b23,集群管理服务器M从数据库L中采集集群1和集群3的实时资源信息;
b24,同步骤a24一样,对于表4中的集群1和3,分别建立如图9所示的红黑树。
b25,根据b24中建立的集群1和3的红黑树,生成对b1中资源使用情况查询请求的响应信息,响应信息中包含集群1和3的各自的资源撮合因子的排序化结果(分别用集群1和3的红黑树表示)。
b3,集群管理服务器M将生成的响应信息发送给12306平台服务器N2。
12306平台服务器N2根据查询结果,可以判断集群1和3的资源剩余情况,结合当前时期的访问量情况,可以确定是否需要再向集群管理服务器M请求更多的集群资源,或者释放一些集群。例如,12306平台服务器N2根据查询结果,获知集群1和集群3中的资源剩余都很少,并且当前时期的访问量比较大,并且一直处于增长趋势,那么12306平台服务器N2就会向集群管理服务器M请求更多的集群资源。再比如,12306平台服务器N2根据查询结果,获知集群1和集群3中的资源剩余都很多,并且当前时期的访问量比较少,并且在一定时期内访问量不会有大的增长,集群1的资源就可以满足现阶段的访问需求,那么12306平台服务器N2就会向集群管理服务器M请求释放集群3的资源,以降低成本。
应用示例三
本示例的应用场景为运维人员通过终端向集群管理服务器M查询库存情况,以便为进行库存增补提供参考。该场景示意图如图15所示。
参见图15,则运维人员通过终端向集群管理服务器M查询库存情况的过程如下:
c1,终端Y向集群管理服务器M发送集群库存查询请求,以查询集群管理服务器M所管理的所有集群的资源情况。
c2,集群管理服务器M的处理过程如下:
c21,集群管理服务器M对终端Y进行鉴权,以判断终端Y是否具有查询权限,如果有则执行步骤c22,否则向终端Y返回相关的提示信息,以通知N2其不具有相关权限;
c22,鉴权通过后,集群管理服务器M确定终端Y的查询权限范围,即终端Y有对哪些集群进行查询的权限,通过本步骤后,集群管理服务器M获知终端Y是超级用户,其查询权限范围是集群管理服务器M管理的所有集群,即集群1~5。
c23,集群管理服务器M从数据库L中采集集群1~5的实时资源信息;
c24,同步骤a24一样,对于表4中的集群1~5,分别建立如图9所示的红黑树。
c25,根据c24中建立的集群1~5的红黑树,生成对c1中集群库存查询请求的响应信息,响应信息中包含集群1~5的各自的资源撮合因子的排序化结果(分别用集群1~5的红黑树表示)。
c3,集群管理服务器M将生成的响应信息发送给终端Y。
集群的红黑树给出了集群中各资源的排序化结果,运维人员从中可以方便地获知库存情况。
例如,通过各个集群的红黑树的根节点,运维人员能够快速地获知各个集群的瓶颈资源是什么,以及瓶颈资源与相应资源阈值的对比情况如何,例如,通过集群1~5的红黑树,运维人员能够快速获知如下信息:
集群1:剩余公网IP低于资源阈值20个;
集群3:剩余网络带宽低于资源阈值5bps;
集群4:剩余内存等于资源阈值;
集群5:剩余虚拟CPU低于资源阈值10个。
运维人员通过在终端Y中设置的集群库存查询程序,可以定期向集群管理服务器M查询库存情况,当集群的红黑树中具有小于或等于0的节点时,终端Y可以据此生成提醒信息,显示给运维人员,以便运维人员更加方便地了解库存情况,并进一步根据库存情况补充相应的资源。例如,集群5中剩余虚拟CPU低于资源阈值10个,而业务规则中规定集群中虚拟CPU的数量要高于资源阈值20个才能开启售卖,则运维人员据此可以确定需要向集群5中增加30个以上的虚拟CPU。
本方案实施例进一步给出实现上述请求处理方法实施例中各步骤及方法的装置实施例。
实施例二
本方案实施例给出一种请求处理装置。本实施例所提供的请求处理装置可以设置于管理至少一个集群系统的服务器中。
请参考图16,其为本方案实施例所提供的请求处理装置的实施例的功能方块图。如图16所示,该装置包括:
采集模块1610,用于响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
确定模块1620,用于根据采集到的资源信息,确定指定请求的响应信息。
在一个具体的实现过程中,确定模块1620在用于根据采集到的资源信息,确定所述指定请求的响应信息时,可以具体用于:根据采集到的资源信息,确定指定集群的各资源因子的可用资源;根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子;基于每个资源因子各自的撮合因子,建立树型结构;基于树型结构,确定指定请求的响应信息。
在一个具体的实现过程中,确定模块1620在用于根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子时,可以具体用于:根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子。
在一个具体的实现过程中,确定模块1620在用于根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子时,可以具体用于:根据每个资源因子的可用资源与每个资源因子各自的资源阈值的差值,获得每个资源因子各自的撮合因子。
在一个具体的实现过程中,确定模块1620在用于基于每个资源因子各自的撮合因子,建立树型结构时,可以具体用于:对每个资源因子各自的撮合因子进行归一化处理;基于归一化处理结果,建立所述树型结构。
在一个具体的实现过程中,指定请求为云服务器生产调度请求,确定模块1620在用于基于树型结构,确定指定请求的响应信息时,可以具体用于:通过指定接口从指定数据库读取业务规则;根据指定请求和读取的业务规则,从树型结构提取相关资源的节点;根据提取的节点和指定请求中相应资源的数量,建立新树形结构;根据新树形结构,生成云服务器生产调度请求的响应信息。
在一个具体的实现过程中,确定模块1620在用于根据新树形结构,生成云服务器生产调度请求的响应信息时,可以具体用于:基于新树形结构确定调度集群;向确定的调度集群发送创建云服务器的指令,以使调度集群根据指令创建云服务器并发送创建的云服务器的相关信息;接收调度集群返回的创建的云服务器的相关信息;生成响应信息,响应信息中包含云服务器的相关信息。
在一个具体的实现过程中,指定请求为集群生产能力查询请求,确定模块1620在用于基于树型结构,确定指定请求的响应信息时,可以具体用于:基于树型结构,评估集群系统的生产能力,以获得第二评估结果;根据第二评估结果,生成集群生产能力查询请求的响应信息。
在一个具体的实现过程中,确定模块1620在用于基于树型结构,评估集群系统的生产能力时,可以具体用于:根据开启条件和树型结构确定开启的集群系统。
在一个具体的实现过程中,确定模块1620在用于基于树型结构,评估集群系统的生产能力时,可以具体用于:根据生产一台服务器所需的资源组合和树型结构,评估集群系统可生产的服务器数量。
在一个具体的实现过程中,指定请求为集群库存查询请求,确定模块1620在用于基于树型结构,确定指定请求的响应信息时,可以具体用于:基于树型结构,获取集群系统的指定资源的信息;根据获取的信息,生成集群库存查询请求的响应信息。
在一个具体的实现过程中,资源因子可以包括:内存、虚拟CPU、公网IP、私网IP、MAC地址、本地磁盘容量、云磁盘容量和网络带宽中的至少一个。
由于本实施例中的请求处理装置能够执行前述实施例一中的请求处理方法,本实施例未详细描述的部分,可参考对前述实施例一中请求处理方法的相关说明。
本方案实施例提供的请求处理装置,当服务器接收到客户端的请求时,服务器基于每个集群的所有属性资源(包括共有属性资源和非共有属性资源)来确定请求的响应信息,对于不是共有属性资源的其他资源也作为确定响应信息的因素,从而提高了服务器对于请求的处理的精确度,扩展了适用范围,并增强了适用性。
实施例三
本方案实施例给出一种服务器。请参考图17,其为本方案实施例所提供的服务器的实施例的功能方块图。如图17所示,服务器包括实施例二提供的请求处理装置。
实施例四
图18是服务器1800的简化框图。该服务器1800可以包括与一个或多个数据存储工具连接的处理器1801,该数据存储工具可以包括存储介质1806和内存单元1804。服务器1800还可以包括输入接口1805和输出接口1807,用于与另一装置或系统进行通信。被处理器1801的CPU执行的程序代码可存储在内存单元1804或存储介质1806中。
服务器1800中的处理器1801调用存储在内存单元1804或存储介质1806的程序代码,执行下面各步骤:
响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
根据采集到的资源信息,确定指定请求的响应信息。
在一个具体的实现方案中,处理器1801具体用于执行:确定集群系统的各资源因子的可用资源;根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子;基于每个资源因子各自的撮合因子,建立树型结构;基于所述树型结构,评估所述集群系统的生产能力。
在一个具体的实现方案中,处理器1801还用于执行:根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子。
在一个具体的实现方案中,处理器1801还用于执行:根据每个资源因子的可用资源与每个资源因子各自的资源阈值的差值,获得每个资源因子各自的撮合因子。
在一个具体的实现方案中,处理器1801还用于对每个资源因子各自的撮合因子进行归一化处理;基于归一化处理结果,建立所述树型结构。
在一个具体的实现方案中,资源因子可以包括:内存、虚拟CPU、公网IP、私网IP、MAC地址、本地磁盘容量、云磁盘容量和网络带宽中的至少一个。
在一个具体的实现方案中,指定请求为云服务器生产调度请求,处理器1801还用于执行:通过指定接口从指定数据库读取业务规则;根据指定请求和读取的业务规则,从树型结构提取相关资源的节点;根据提取的节点和指定请求中相应资源的数量,建立新树形结构;根据新树形结构,生成云服务器生产调度请求的响应信息。
在一个具体的实现方案中,处理器1801还用于执行:基于新树形结构确定调度集群;向确定的调度集群发送创建云服务器的指令,以使调度集群根据指令创建云服务器并发送创建的云服务器的相关信息;接收调度集群返回的创建的云服务器的相关信息;生成响应信息,响应信息中包含云服务器的相关信息。
在一个具体的实现方案中,指定请求为集群生产能力查询请求,处理器1801还用于执行:基于树型结构,评估集群系统的生产能力,以获得第二评估结果;根据第二评估结果,生成集群生产能力查询请求的响应信息。
在一个具体的实现方案中,处理器101还用于执行:根据开启条件和所述树型结构确定开启的集群系统。
在一个具体的实现方案中,处理器101还用于执行:根据生产一台服务器所需的资源组合和所述树型结构,评估所述集群系统可生产的服务器数量。
上述实施例中,存储介质可以是只读存储器(Read-Only Memory,ROM),或是可读写的,例如硬盘、闪存。内存单元可为随机存取存储器(Random Access Memory,RAM)。内存单元可与处理器物理集成或集成在存储器中或构建为单独的单元。
处理器为上述设备(该设备为上述服务器或者上述客户端)的控制中心,并提供处理装置,用于执行指令,进行中断操作,提供计时功能以及多种其他功能。可选地,处理器包括一个或多个中央处理单元(CPU),例如图11中示出的CPU 0和CPU 1。上述设备中包括一个或者多个的处理器。处理器可为单核(单CPU)处理器或多核(多CPU)处理器。除非另有声明,描述为用于执行任务的例如处理器或存储器的部件可实现为通用部件,其暂时用于在给定时间执行任务,或实现为专门制造用于执行该任务的特定部件。此处所用的术语“处理器”指一个或多个装置,电路和/或处理核,用于处理数据,例如计算机程序指令。
被处理器的CPU执行的程序代码可存储在内存单元或存储介质中。可选地,存储在存储介质中的程序代码可以被复制入内存单元以便处理器的CPU执行。处理器可执行至少一个内核(例如LINUXTM、UNIXTM、WINDOWSTM、ANDROIDTM、IOSTM),众所周知,该内核用于通过控制其他程序或过程的执行、控制与外围装置的通信以及控制计算机设备资源的使用来控制上述设备的操作。
上述设备中的上述元件可通过总线彼此连接,总线例如数据总线、地址总线、控制总线、扩展总线和局部总线之一或其任意组合。
实施例五
本方案实施例提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行以下流程:
响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
根据采集到的资源信息,确定指定请求的响应信息。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本方案所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本方案各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
以上所述仅为本方案的较佳实施例而已,并不用以限制本方案,凡在本方案的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本方案保护的范围之内。
Claims (22)
1.一种请求处理方法,其特征在于,应用于管理至少一个集群系统的服务器,所述方法包括:
响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
根据采集到的资源信息,确定所述指定请求的响应信息;
根据采集到的资源信息,确定所述指定请求的响应信息,包括:
根据采集到的资源信息,确定指定集群的各资源因子的可用资源;
根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子;
基于每个资源因子各自的撮合因子,建立树型结构;
基于所述树型结构,确定所述指定请求的响应信息。
2.根据权利要求1所述的方法,其特征在于,根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子,包括:
根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子。
3.根据权利要求2所述的方法,其特征在于,根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子,包括:
根据每个资源因子的可用资源与每个资源因子各自的资源阈值的差值,获得每个资源因子各自的撮合因子。
4.根据权利要求1所述的方法,其特征在于,基于每个资源因子各自的撮合因子,建立树型结构,包括:
对每个资源因子各自的撮合因子进行归一化处理;
基于归一化处理结果,建立所述树型结构。
5.根据权利要求1所述的方法,其特征在于,所述指定请求为云服务器生产调度请求;
基于所述树型结构,确定所述指定请求的响应信息,包括:
通过指定接口从指定数据库读取业务规则;
根据所述指定请求和读取的业务规则,从所述树型结构提取相关资源的节点;
根据提取的节点和所述指定请求中相应资源的数量,建立新树形结构;
根据所述新树形结构,生成所述云服务器生产调度请求的响应信息。
6.根据权利要求5所述的方法,其特征在于,根据所述新树形结构,生成所述云服务器生产调度请求的响应信息,包括:基于所述新树形结构确定调度集群;
向确定的所述调度集群发送创建云服务器的指令,以使所述调度集群根据所述指令创建云服务器并发送创建的云服务器的相关信息;
接收所述调度集群返回的创建的云服务器的相关信息;
生成响应信息,所述响应信息中包含所述云服务器的相关信息。
7.根据权利要求1所述的方法,其特征在于,所述指定请求为集群生产能力查询请求;基于所述树型结构,确定所述指定请求的响应信息,包括:
基于所述树型结构,评估所述集群系统的生产能力,以获得第二评估结果;
根据所述第二评估结果,生成所述集群生产能力查询请求的响应信息。
8.根据权利要求7所述的方法,其特征在于,所述基于所述树型结构,评估所述集群系统的生产能力,包括:
根据开启条件和所述树型结构确定开启的集群系统。
9.根据权利要求7所述的方法,其特征在于,所述基于所述树型结构,评估所述集群系统的生产能力,包括:
根据生产一台服务器所需的资源组合和所述树型结构,评估所述集群系统可生产的服务器数量。
10.根据权利要求1所述的方法,其特征在于,所述指定请求为集群库存查询请求;
基于所述树型结构,确定所述指定请求的响应信息,包括:
基于所述树型结构,获取所述集群系统的指定资源的信息;
根据获取的信息,生成所述集群库存查询请求的响应信息。
11.一种请求处理装置,其特征在于,设置于管理至少一个集群系统的服务器中,所述装置包括:
采集模块,用于响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
确定模块,用于根据采集到的资源信息,确定所述指定请求的响应信息;
所述确定模块在用于根据采集到的资源信息,确定所述指定请求的响应信息时,具体用于:
根据采集到的资源信息,确定指定集群的各资源因子的可用资源;
根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子;
基于每个资源因子各自的撮合因子,建立树型结构;
基于所述树型结构,确定所述指定请求的响应信息。
12.根据权利要求11所述的装置,其特征在于,所述确定模块在用于根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子时,具体用于:
根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子。
13.根据权利要求12所述的装置,其特征在于,所述确定模块在用于根据每个资源因子的可用资源和每个资源因子各自的资源阈值,获得每个资源因子各自的撮合因子时,具体用于:
根据每个资源因子的可用资源与每个资源因子各自的资源阈值的差值,获得每个资源因子各自的撮合因子。
14.根据权利要求11所述的装置,其特征在于,所述确定模块在用于基于每个资源因子各自的撮合因子,建立树型结构时,具体用于:
对每个资源因子各自的撮合因子进行归一化处理;
基于归一化处理结果,建立所述树型结构。
15.根据权利要求11所述的装置,其特征在于,所述指定请求为云服务器生产调度请求;所述确定模块在用于基于所述树型结构,确定所述指定请求的响应信息时,具体用于:
通过指定接口从指定数据库读取业务规则;
根据所述指定请求和读取的业务规则,从所述树型结构提取相关资源的节点;
根据提取的节点和所述指定请求中相应资源的数量,建立新树形结构;
根据所述新树形结构,生成所述云服务器生产调度请求的响应信息。
16.根据权利要求15所述的装置,其特征在于,所述确定模块在用于根据所述新树形结构,生成所述云服务器生产调度请求的响应信息时,具体用于:
基于所述新树形结构确定调度集群;
向确定的所述调度集群发送创建云服务器的指令,以使所述调度集群根据所述指令创建云服务器并发送创建的云服务器的相关信息;
接收所述调度集群返回的创建的云服务器的相关信息;
生成响应信息,所述响应信息中包含所述云服务器的相关信息。
17.根据权利要求11所述的装置,其特征在于,所述指定请求为集群生产能力查询请求;所述确定模块在用于基于所述树型结构,确定所述指定请求的响应信息时,具体用于:
基于所述树型结构,评估所述集群系统的生产能力,以获得第二评估结果;
根据所述第二评估结果,生成所述集群生产能力查询请求的响应信息。
18.根据权利要求17所述的装置,其特征在于,所述确定模块在用于基于所述树型结构,评估所述集群系统的生产能力时,具体用于:
根据开启条件和所述树型结构确定开启的集群系统。
19.根据权利要求17所述的装置,其特征在于,所述确定模块在用于基于所述树型结构,评估所述集群系统的生产能力时,具体用于:
根据生产一台服务器所需的资源组合和所述树型结构,评估所述集群系统可生产的服务器数量。
20.根据权利要求11所述的装置,其特征在于,所述指定请求为集群库存查询请求;所述确定模块在用于基于所述树型结构,确定所述指定请求的响应信息时,具体用于:
基于所述树型结构,获取所述集群系统的指定资源的信息;
根据获取的信息,生成所述集群库存查询请求的响应信息。
21.一种服务器,其特征在于,包括权利要求11~20任一项所述的请求处理装置。
22.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行以下流程:
响应于客户端的指定请求,采集指定集群的共有属性资源的资源信息和非共有属性资源的资源信息;
根据采集到的资源信息,确定所述指定请求的响应信息;
根据采集到的资源信息,确定所述指定请求的响应信息,包括:
根据采集到的资源信息,确定指定集群的各资源因子的可用资源;
根据每个资源因子的可用资源,获得每个资源因子各自的撮合因子;
基于每个资源因子各自的撮合因子,建立树型结构;
基于所述树型结构,确定所述指定请求的响应信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710018769.XA CN108289086B (zh) | 2017-01-10 | 2017-01-10 | 请求处理方法及装置、服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710018769.XA CN108289086B (zh) | 2017-01-10 | 2017-01-10 | 请求处理方法及装置、服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108289086A CN108289086A (zh) | 2018-07-17 |
CN108289086B true CN108289086B (zh) | 2020-11-24 |
Family
ID=62831303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710018769.XA Active CN108289086B (zh) | 2017-01-10 | 2017-01-10 | 请求处理方法及装置、服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108289086B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109862131B (zh) * | 2019-02-20 | 2022-03-04 | 北京奇艺世纪科技有限公司 | 服务器访问地址的分配方法、装置及计算机可读存储介质 |
CN111190722A (zh) * | 2019-05-17 | 2020-05-22 | 延安大学 | 一种处理单元专用和偏好使用方法 |
CN113553166A (zh) * | 2020-04-26 | 2021-10-26 | 广州汽车集团股份有限公司 | 一种跨平台高性能计算集成方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101340423A (zh) * | 2008-08-13 | 2009-01-07 | 北京航空航天大学 | 一种基于元调度环的多集群作业调度方法 |
CN101599026A (zh) * | 2009-07-09 | 2009-12-09 | 浪潮电子信息产业股份有限公司 | 一种具有弹性架构的集群作业调度系统 |
CN101645022A (zh) * | 2009-08-28 | 2010-02-10 | 曙光信息产业(北京)有限公司 | 用于多个集群的作业调度管理系统及方法 |
CN101719082A (zh) * | 2009-12-24 | 2010-06-02 | 中国科学院计算技术研究所 | 虚拟化计算平台中应用请求调度的方法及其系统 |
CN101819540A (zh) * | 2009-02-27 | 2010-09-01 | 国际商业机器公司 | 在集群中调度任务的方法和系统 |
CN102567112A (zh) * | 2010-12-09 | 2012-07-11 | 上海杉达学院 | 集群系统中业务与计算设备的匹配装置 |
CN103023802A (zh) * | 2012-12-05 | 2013-04-03 | 暨南大学 | 一种面向web集群的低能耗调度系统和方法 |
CN104601664A (zh) * | 2014-12-22 | 2015-05-06 | 西安电子科技大学 | 一种云计算平台资源管理与虚拟机调度的控制系统 |
CN104778080A (zh) * | 2014-01-14 | 2015-07-15 | 中兴通讯股份有限公司 | 基于协处理器的作业调度处理方法及装置 |
CN105335219A (zh) * | 2014-07-08 | 2016-02-17 | 阿里巴巴集团控股有限公司 | 一种基于分布式的任务调度方法及系统 |
US9389924B2 (en) * | 2014-01-30 | 2016-07-12 | Vmware, Inc. | System and method for performing resource allocation for a host computer cluster |
CN106293952A (zh) * | 2016-07-11 | 2017-01-04 | 河南大学 | 一种基于任务需求与服务能力匹配的遥感任务调度方法 |
CN107169727A (zh) * | 2017-04-20 | 2017-09-15 | 青岛科技大学 | 面向模具制造的云服务组合方法及平台 |
-
2017
- 2017-01-10 CN CN201710018769.XA patent/CN108289086B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101340423A (zh) * | 2008-08-13 | 2009-01-07 | 北京航空航天大学 | 一种基于元调度环的多集群作业调度方法 |
CN101819540A (zh) * | 2009-02-27 | 2010-09-01 | 国际商业机器公司 | 在集群中调度任务的方法和系统 |
CN101599026A (zh) * | 2009-07-09 | 2009-12-09 | 浪潮电子信息产业股份有限公司 | 一种具有弹性架构的集群作业调度系统 |
CN101645022A (zh) * | 2009-08-28 | 2010-02-10 | 曙光信息产业(北京)有限公司 | 用于多个集群的作业调度管理系统及方法 |
CN101719082A (zh) * | 2009-12-24 | 2010-06-02 | 中国科学院计算技术研究所 | 虚拟化计算平台中应用请求调度的方法及其系统 |
CN102567112A (zh) * | 2010-12-09 | 2012-07-11 | 上海杉达学院 | 集群系统中业务与计算设备的匹配装置 |
CN103023802A (zh) * | 2012-12-05 | 2013-04-03 | 暨南大学 | 一种面向web集群的低能耗调度系统和方法 |
CN104778080A (zh) * | 2014-01-14 | 2015-07-15 | 中兴通讯股份有限公司 | 基于协处理器的作业调度处理方法及装置 |
US9389924B2 (en) * | 2014-01-30 | 2016-07-12 | Vmware, Inc. | System and method for performing resource allocation for a host computer cluster |
CN105335219A (zh) * | 2014-07-08 | 2016-02-17 | 阿里巴巴集团控股有限公司 | 一种基于分布式的任务调度方法及系统 |
CN104601664A (zh) * | 2014-12-22 | 2015-05-06 | 西安电子科技大学 | 一种云计算平台资源管理与虚拟机调度的控制系统 |
CN106293952A (zh) * | 2016-07-11 | 2017-01-04 | 河南大学 | 一种基于任务需求与服务能力匹配的遥感任务调度方法 |
CN107169727A (zh) * | 2017-04-20 | 2017-09-15 | 青岛科技大学 | 面向模具制造的云服务组合方法及平台 |
Non-Patent Citations (1)
Title |
---|
异构集群环境下作业调度算法研究;葛铮铮;《中国优秀硕士学位论文全文数据库》;20141115;第I138-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108289086A (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11714671B2 (en) | Creating virtual machine groups based on request | |
CN107548549B (zh) | 分布式计算环境中的资源平衡 | |
US10789085B2 (en) | Selectively providing virtual machine through actual measurement of efficiency of power usage | |
WO2018036103A1 (zh) | 虚拟机创建方法、系统以及主机 | |
CN109660367B (zh) | 基于改进Raft算法的共识达成方法、装置与电子设备 | |
WO2019179453A1 (zh) | 虚拟机创建方法及装置 | |
WO2018176998A1 (zh) | 数据存储方法及装置 | |
CN108289086B (zh) | 请求处理方法及装置、服务器 | |
EP3058476A1 (en) | Regulating enterprise database warehouse resource usage | |
Yousif et al. | Clustering cloud workload traces to improve the performance of cloud data centers | |
CN106970841A (zh) | 一种基于云计算的资源限制及动态调整方法 | |
WO2022267769A1 (zh) | 图数据生成的方法及装置 | |
CN113630383A (zh) | 一种边云协同的方法及装置 | |
CA3139693A1 (en) | Dynamic allocation of computing resources | |
US10031777B2 (en) | Method and system for scheduling virtual machines in integrated virtual machine clusters | |
CN113010315A (zh) | 资源分配方法及分配装置、计算机可读存储介质 | |
US10516756B1 (en) | Selection of a distributed network service | |
CN111901405A (zh) | 一种多节点监控方法、装置、电子设备及存储介质 | |
CN111290858A (zh) | 输入输出资源管理方法、装置、计算机设备和存储介质 | |
CN111475251A (zh) | 一种集群容器调度方法、系统、终端及存储介质 | |
CN111858014A (zh) | 资源分配方法及装置 | |
CN111736984B (zh) | 一种感知pcie设备numa分布平衡的方法、系统 | |
CN114020214A (zh) | 存储集群的扩容方法、装置、电子设备及可读存储介质 | |
CN111124681A (zh) | 一种集群负载分配方法及装置 | |
CN116700996B (zh) | 一种神经网络的内存分配方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |