CN108429704A - 一种节点资源分配方法及装置 - Google Patents
一种节点资源分配方法及装置 Download PDFInfo
- Publication number
- CN108429704A CN108429704A CN201710078515.7A CN201710078515A CN108429704A CN 108429704 A CN108429704 A CN 108429704A CN 201710078515 A CN201710078515 A CN 201710078515A CN 108429704 A CN108429704 A CN 108429704A
- Authority
- CN
- China
- Prior art keywords
- node
- tenant
- period
- prediction
- task
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004321 preservation Methods 0.000 claims description 17
- 238000013468 resource allocation Methods 0.000 abstract description 7
- 230000000737 periodic effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
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
-
- 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
-
- 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
- H04L47/80—Actions related to the user profile or the type of traffic
-
- 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
Abstract
本发明实施例公开了一种节点资源分配方法及装置，用以解决现有技术中在进行资源分配时消耗的人力成本高，无法为该租户合理的分配资源的问题。该方法包括：针对当前周期为租户提供资源的每个节点，根据每个节点在下一周期中的理论负载能力、在当前周期中运行租户的任务的理论执行速度、当前周期中的实际负载能力和实际执行速度，确定每个节点在下一周期运行租户的任务的预测执行速度；根据确定的所述预测执行速度，所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期为所述租户分配的预测资源值；根据所述预测资源值，在下一周期为租户分配资源。从而实现资源的自动分配，为该租户合理的分配资源。
Description
技术领域
本发明涉及云计算技术领域，特别涉及一种节点资源分配方法及装置。
背景技术
随着市场竞争日益加剧，业务部门对数据应用的需求愈加迫切，传统的数据获取模式已逐渐不能满足市场发展的需要，作为数据支撑部门，迫切需要在原有数据平台基础上建立基于多租户的数据提供模式。
随着基于云计算、大数据技术的系统广泛应用，越来越多的系统以租户的形式接入到多租户数据提供平台中。系统管理员通过多租户数据提供平台为租户分配资源。并且在每个周期中，租户所有需要的资源可能是不同的。
在现有技术中，在每个周期中，系统管理员需要手动为租户分配资源，这就需要系统管理员熟知每个节点的资源以及每个租户在每个周期中所需要的资源，系统管理员的工作量极大，而且在云计算、大数据时代这种做法消耗的人力成本非常高，并且可能无法为该租户合理的分配资源。
发明内容
本发明提供一种节点资源分配方法及装置，用以解决现有技术中在进行资源分配时消耗的人力成本高，并且可能无法为该租户合理的分配资源的问题。
为达到上述目的，本发明实施例公开了一种节点资源分配方法，所述方法包括：
针对当前周期为租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度；
根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度；
根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值；
根据所述预测资源值，在下一周期中为所述租户分配资源。
进一步地，所述获取每个节点在当前周期中运行所述租户的任务的实际执行速度包括：
针对每个节点，获取所述节点在当前周期中每次运行所述租户的任务时的速度；
将所述节点每次运行所述租户的任务时的速度的平均值，确定为所述节点在当前周期中运行所述租户的任务的实际执行速度。
进一步地，所述方法还包括：
采用所述每个节点在下一周期中运行所述租户的任务的预测执行速度，对预先保存的上一周期中预测的对应所述每个节点在当前周期中运行所述租户的任务的理论执行速度进行更新。
进一步地，获取在当前周期中每个节点为所述租户分配的实际资源值的过程包括：
根据在当前周期中每个节点实际为所述租户分配的CPU的核数、内存的存储容量、硬盘的存储容量以及网络带宽，确定在当前周期中每个节点为所述租户分配的实际资源值。
进一步地，所述根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度包括：
根据确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度，其中，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，AK+1为第m个节点在下一周期的理论负载能力，AK为第m个节点在当前周期中的实际负载能力，为第m个节点在当前周期中运行所述租户的任务的理论执行速度，为第m个节点在当前周期中的实际执行速度，p为理论执行速度的权重值。
进一步地，所述根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值包括：
根据确定每个节点在下一周期中为所述租户分配的预测资源值，其中，Eva(k+1)Nodem为第m个节点在下一周期中为所述租户分配的预测资源值，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，为第m个节点在当前周期中运行所述租户的任务的实际执行速度，Eva(K)Nodem’为第m个节点在当前周期中为所述租户分配的实际资源值。
进一步地，所述根据所述预测资源值，在下一周期中为所述租户分配资源之前，所述方法还包括：
针对所有节点，根据确定的每个节点在下一周期中为每个租户分配的预测资源值，统计所有节点在下一周期中为所有租户分配的预测总资源值；
判断所有节点的实际总资源值是否不小于所述预测总资源值；
如果是，则在下一周期中，为所述租户分配所述预测资源值；
如果否，判断所述租户的优先级是否大于预设的优先级阈值，如果所述租户的优先级大于预设的优先级阈值，则在下一周期中，为所述租户分配所述预测资源值。
本发明实施例公开了一种节点资源分配装置，所述装置包括：
获取模块，用于针对当前周期为租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度；
确定模块，用于根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度；
确定模块，还用于根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值；
分配模块，用于根据所述预测资源值，在下一周期中为所述租户分配资源。
进一步地，所述获取模块，具体用于针对每个节点，获取所述节点在当前周期中每次运行所述租户的任务时的速度；将所述节点每次运行所述租户的任务时的速度的平均值，确定为所述节点在当前周期中运行所述租户的任务的实际执行速度。
进一步地，所述装置还包括：
更新模块，用于采用所述每个节点在下一周期中运行所述租户的任务的预测执行速度，对预先保存的上一周期中预测的对应所述每个节点在当前周期中运行所述租户的任务的理论执行速度进行更新。
进一步地，所述确定模块，还用于根据在当前周期中每个节点实际为所述租户分配的CPU的核数、内存的存储容量、硬盘的存储容量以及网络带宽，确定在当前周期中每个节点为所述租户分配的实际资源值。
进一步地，所述确定模块，具体用于根据确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度，其中，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，AK+1为第m个节点在下一周期的理论负载能力，AK为第m个节点在当前周期中的实际负载能力，为第m个节点在当前周期中运行所述租户的任务的理论执行速度，为第m个节点在当前周期中的实际执行速度，p为理论执行速度的权重值。
进一步地，所述确定模块，具体用于根据确定每个节点在下一周期中为所述租户分配的预测资源值，其中，Eva(k+1)Nodem为第m个节点在下一周期中为所述租户分配的预测资源值，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，为第m个节点在当前周期中运行所述租户的任务的实际执行速度，Eva(K)Nodem’为第m个节点在当前周期中为所述租户分配的实际资源值。
进一步地，所述装置还包括：
判断模块，用于针对所有节点，根据确定的每个节点在下一周期中为每个租户分配的预测资源值，统计所有节点在下一周期中为所有租户分配的预测总资源值；判断所有节点的实际总资源值是否不小于所述预测总资源值；如果是，则在下一周期中，为所述租户分配所述预测资源值；如果否，判断所述租户的优先级是否大于预设的优先级阈值，如果所述租户的优先级大于预设的优先级阈值，则在下一周期中，为所述租户分配所述预测资源值。
本发明实施例公开了一种节点资源分配方法及装置，所述方法包括：针对当前周期为租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度；根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度；根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值；根据所述预测资源值，在下一周期中为所述租户分配资源。由于在本发明实施例中，针对在当前周期中为租户提供资源的每个节点，确定出所述每个节点在下一周期中运行所述租户的任务的预测执行速度，再确定出每个节点在下一周期中为所述租户分配的预测资源值。这样在下一周期中，就可以根据所述预测资源值为所述租户分配资源。从而实现资源的自动分配，并且可以为该租户合理的分配资源。
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，下面描述中的附图仅仅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为本发明实施例1提供的一种节点资源分配过程示意图；
图2为本发明实施例提供的一种节点资源分配过程示意图；
图3为本发明实施例提供的一种节点资源分配原理示意图；
图4为本发明实施例提供的一种节点资源分配过程示意图；
图5为本发明实施例提供的一种节点资源分配装置结构图；
图6为本发明实施例提供的一种节点资源分配装置结构图。
具体实施方式
为了在分配资源时，实现资源的自动分配，并且可以为该租户合理的分配资源，本发明实施例提供了一种节点资源分配方法及装置。
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、完整地描述，显然，所描述的实施例仅仅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。
实施例1：
图1为本发明实施例提供的一种节点资源分配过程示意图，该过程包括以下步骤：
S101：针对当前周期为租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度。
本发明实施例提供的节点资源分配方法可以应用于数据提供平台，该数据提供平台可以位于服务器上，也可以位于服务器的虚拟机上。为租户提供资源的每个节点可以是物理服务器，也可以是物理服务器上的虚拟机。
本发明实施例在进行资源分配时，针对的是每个租户，针对每个租户在下一周期的资源使用情况进行预测，从而为该租户分配相应的资源。具体的针对每个租户，针对当前周期为该租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度。所述实际执行速度可以是所述节点在当前周期中每次运行所述租户的任务时的速度中的最大速度，或者最小速度。所述实际负载能力与所述节点的网络带宽和硬件配置有关。所述实际负载能力为所述节点在当前周期中的平均负载能力。
在每个周期中，每个节点的实际负载能力和运行每个租户的任务的实际执行速度都会被保存，以方便后续查询和使用。获取节点的实际负载能力和执行速度的过程属于现有技术，在本发明施例中对该过程不进行赘述。
S102：根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度。
在过去的一段时间内的每个周期中，每个节点的实际负载能力都会被保存，这样就会形成历史数据。其中该过去的一段时间可以是一年，一个月等，每个周期可以是每天，每个小时等。
因此，当需要确定节点下一周期的负载能力时，可以根据保存的历史数据，在历史数据中查找该下一周期对应的该节点的实际负载能力，将查找到的该节点下一周期的实际负载能力，作为获取到的该节点在下一周期中的理论负载能力。在每个周期中，都会确定每个节点在该周期的下一周期中运行所述租户的任务的预测执行速度并保存，当下一周期为当前周期时，将保存的预测执行速度作为其理论执行速度。例如，在连续的三个周期中，在第一周期中确定第二周期中运行所述租户的任务的预测执行速度并保存，在第二周期为当前周期，对第三周期进行预测时，则将保存的在第一周期中确定的第二周期中运行所述租户的任务的预测执行速度，作为在上一周期中预测的运行所述租户的任务的理论执行速度。当确定每个节点在下一周期中运行所述租户的任务的预测执行速度后，可以针对该当前周期保存每个节点的在下一周期中的预测执行速度，这样方便后续的查询和使用。执行速度的单位为每秒百万条指令(Million Instructions Per Second，MIPS)。
S103：根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值。
在每个周期中，每个节点为所述租户分配有实际资源值。在确定了每个节点在下一周期中运行所述租户的任务的预测执行速度后，可以根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的每个节点在当前周期中的实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值。每个节点在当前周期中为所述租户分配的实际资源值与每个节点在上一周期中确定的当前周期中为所述租户分配的预测资源值可以相同，也可以不同。每个节点在当前周期中为所述租户分配的实际资源值可以大于所述确定的每个节点在下一周期中为所述租户分配的预测资源值，也可以等于或小于所述确定的每个节点在下一周期中为所述租户分配的预测资源值。
S104：根据所述预测资源值，在下一周期中为所述租户分配资源。
在确定了每个节点在下一周期中为所述租户分配的预测资源值后，在下一周期中，可以根据所述预测资源值在每个节点上为所述租户分配资源。
由于在本发明实施例中，针对在当前周期中为租户提供资源的每个节点，确定出所述每个节点在下一周期中运行所述租户的任务的预测执行速度，再确定出每个节点在下一周期中为所述租户分配的预测资源值。这样在下一周期中，就可以根据所述预测资源值为所述租户分配资源。从而实现资源的自动分配，并且可以为该租户合理的分配资源。
实施例2：
为了准确的确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度，从而准确的确定每个节点在下一周期中为所述租户分配的预测资源值，在上述实施例的基础上，在本发明实施例中，所述获取每个节点在当前周期中运行所述租户的任务的实际执行速度包括：
针对每个节点，获取所述节点在当前周期中每次运行所述租户的任务时的速度；
将所述节点每次运行所述租户的任务时的速度的平均值，确定为所述节点在当前周期中运行所述租户的任务的实际执行速度。
在本发明实施例中，每个节点在每次运行租户的任务时都有对应的执行速度，每次的执行速度可能相同，也可能不同。在确定所述节点在当前周期中运行所述租户的任务的实际执行速度时，可以是针对每个节点，获取所述节点在当前周期中每次运行所述租户的任务时的速度，将所述节点每次运行所述租户的任务时的速度的平均值，确定为所述节点在当前周期中运行所述租户的任务的实际执行速度。这种取平均值的方法，更能准确的表现出所述节点在当前周期中运行所述租户的任务的实际执行速度。
实施例3：
在每个周期中，均可保存每个节点在针对该周期的下一周期中运行所述租户的任务的理论执行速度，但为了节省占用的存储空间资源，在上述各实施例的基础上，在本发明实施例中，所述法还包括：
采用所述每个节点在下一周期中运行所述租户的任务的预测执行速度，对预先保存的上一周期中预测的对应所述每个节点在当前周期中运行所述租户的任务的理论执行速度进行更新。
在本发明实施例中，在每个周期中，预测每个节点在针对该周期的下一周期中运行所述租户的任务的预测执行速度并保存，当下一周期为当前周期时，将保存的预测执行速度作为其理论执行速度。例如，在连续的三个周期中，在第一周期中确定第二周期中运行所述租户的任务的预测执行速度并保存，在第二周期为当前周期，对第三周期进行预测时，则将保存的在第一周期中确定的第二周期中运行所述租户的任务的预测执行速度，作为在上一周期中预测的运行所述租户的任务的理论执行速度。当确定每个节点在下一周期中运行所述租户的任务的预测执行速度后，采用所述每个节点在下一周期中运行所述租户的任务的预测执行速度，对预先保存的上一周期中预测的对应所述每个节点在当前周期中运行所述租户的任务的理论执行速度进行更新。这样上一周期中保存的理论执行速度则被更新为当前周期中理论执行速度，这样可以节省占用的存储空间资源。
实施例4：
在上述各实施例的基础上，在本发明实施例中，获取在当前周期中每个节点为所述租户分配的实际资源值的过程包括：
根据在当前周期中每个节点实际为所述租户分配的CPU的核数、内存的存储容量、硬盘的存储容量以及网络带宽，确定在当前周期中每个节点为所述租户分配的实际资源值。
在本发明实施例中，所述每个节点为所述租户分配的实际资源值与该节点实际为所述租户分配的CPU的核数、内存的存储容量、硬盘的存储容量以及网络带宽有关。在确定在当前周期中每个节点为所述租户分配的实际资源值时，可以根据在当前周期中每个节点实际为所述租户分配的CPU的核数、为所述租户分配的内存的存储容量、为所述租户分配的硬盘的存储容量以及为所述租户分配的网络带宽，确定在当前周期中每个节点为所述租户分配的实际资源值。
具体的可以是，根据公式：
EvanNodem＝pcpu*EvanCPUm+pmen*EvanMENm+psto*EvanSTOm+pban*EvanBANm，
评价在当前周期中每个节点为所述租户分配的实际资源值，其中EvanNodem为当前周期中第m个节点为第n个租户分配的实际资源值，EvanCPUm为当前周期中第m个节点为第n个租户分配的CPU的核数的评价值，EvanMENm为当前周期中第m个节点为第n个租户分配的内存的存储容量的评价值，EvanSTOm为当前周期中第m个节点为第n个租户分配的硬盘的存储容量的评价值，EvanBANm为当前周期中第m个节点为第n个租户分配的网络带宽的评价值，pcpu为CPU的核数的评价值的权重值，pmen为内存的存储容量的评价值的权重值，psto为硬盘的存储容量的评价值的权重值，pban为网络带宽的评价值的权重值。
所述EvanCPUm可以是根据CPU的核数确定，CPU的核数越多，评价值越大。例如当第m个节点为第n个租户分配的CPU为1核时，所述EvanCPUm为20，当第m个节点为第n个租户分配的CPU为2核时，所述EvanCPUm为30。所述EvanMENm是根据内存的存储容量确定，内存的存储容量越大，评价值越大。例如当第m个节点为第n个租户分配的内存的存储容量为20M时，所述EvanMENm为20，当第m个节点为第n个租户分配的内存的存储容量为40M时，所述EvanMENm为40。所述EvanSTOm可以是根据硬盘的存储容量确定，硬盘的存储容量越大，评价值越大。所述EvanBANm可以是根据网络带宽确定，网络带宽越大，评价值越大。确定为租户分配的CPU的核数、内存的存储容量、硬盘的存储容量和网络带宽的过程属于现有技术，在本发明实施例中对该过程不进行赘述。所述pcpu、pmen、psto和pban为预设的数值，C＝pcpu+pmen+psto+pban，所述C为常数，较优的C为1。
当确定出每个节点在下一周期中为所述租户分配的预测资源值后，可以根据所述预测资源值任意调整为所述租户分配的CPU的核数、为所述租户分配的内存的存储容量、为所述租户分配的硬盘的存储容量以及为所述租户分配的网络带宽，只要调整后的资源值与所述预测资源值相同即可，较优地，可以确定每个节点为所述租户分配的预测资源值与当前周期中每个节点为所述租户分配的实际资源值的比值，将为所述租户分配的CPU的核数、为所述租户分配的内存的存储容量、为所述租户分配的硬盘的存储容量以及为所述租户分配的网络带宽按该比值对应调整。
实施例5：
在上述各实施例的基础上，在本发明实施例中，所述根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度包括：
根据确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度，其中，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，AK+1为第m个节点在下一周期的理论负载能力，AK为第m个节点在当前周期中的实际负载能力，为第m个节点在当前周期中运行所述租户的任务的理论执行速度，为第m个节点在当前周期中的实际执行速度，p为理论执行速度的权重值。
实施例6：
在上述各实施例的基础上，在本发明实施例中，所述根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值包括：
根据确定每个节点在下一周期中为所述租户分配的预测资源值，其中，Eva(k+1)Nodem为第m个节点在下一周期中为所述租户分配的预测资源值，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，为第m个节点在当前周期中运行所述租户的任务的实际执行速度，Eva(K)Nodem’为第m个节点在当前周期中为所述租户分配的实际资源值。
实施例7：
为了能够确保为每个租户分配所述预测资源值，在上述各实施例的基础上，在本发明实施例中，所述根据所述预测资源值，在下一周期中为所述租户分配资源之前，所述方法还包括：
针对所有节点，根据确定的每个节点在下一周期中为每个租户分配的预测资源值，统计所有节点在下一周期中为所有租户分配的预测总资源值；
判断所有节点的实际总资源值是否不小于所述预测总资源值；
如果是，则在下一周期中，为所述租户分配所述预测资源值；
如果否，判断所述租户的优先级是否大于预设的优先级阈值，如果所述租户的优先级大于预设的优先级阈值，则在下一周期中，为所述租户分配所述预测资源值。
在本发明实施例中，当确定了每个节点在下一周期中为每个租户分配的预测资源值后，可以针对所有节点，根据确定的每个节点在下一周期中为每个租户分配的预测资源值，统计所有节点在下一周期中为所有租户分配的预测总资源值。所述所有节点包括为每个租户提供资源的每个节点，和未有租户的任务运行的空闲节点。当统计了所有节点在下一周期中为所有租户分配的预测总资源值后，判断所有节点的实际总资源值是否不小于所述预测总资源值。如果所有节点的实际总资源值不小于所述预测总资源值，说明该所有节点能够满足当前所有租户下一周期的任务需求，则在下一周期中，为所述租户分配所述预测资源值。如果所有节点的实际总资源值小于所述预测总资源值，则说明该所有节点不能满足当前所有租户下一周期的任务需求，则根据预先保存的每个租户的优先级，判断所述租户的的优先级是否大于预设的优先级阈值，如果是，则在下一周期中，为所述租户分配所述预测资源值，否则，该租户的任务将进入等待状态。
在统计所有节点在下一周期中为所有租户分配的预测总资源值时，可以根据每个节点在下一周期中为任务运行在所述节点上的所有租户分配的预测资源值进行统计，也可以根据每个租户在下一周期中的总的预测资源值的进行统计。例如，第n个租户在下一周期中的总的预测资源值即为该第n个租户提供资源的每个节点在下一周期为所述第n个租户分配的预测资源值的总和，可以用公式：表达，其中，为第n个租户在下一周期中的预测资源值的总和，Evan(k+1)Nodei为第i个节点为第n个租户分配的预测资源值，其中，i为1至N。
第m个节点在下一周期中为任务运行在所述第m个节点上的所有租户分配的预测资源值的总和，可以用公式：表达，其中，Eva(k+1)Nodem为下一周期中为任务运行在所述第m个节点上的所有租户分配的预测资源值的总和，Evaj(k+1)Nodem为第m个节点为第j个租户分配的预测资源值，其中，j为1至N。
所有节点在下一周期中为所有租户分配的预测总资源值可以用表示，其中Eva(k+1)Node为所有节点在下一周期中为所有租户分配的预测总资源值，Evaj(k+1)Nodei为第i个节点在下一周期中为任务运行在该节点上的第j个租户分配的预测资源值。
当在下一周期中，为所述租户分配所述预测资源时，需要考虑该租户的任务是否允许与其他租户的任务运行在同一个节点上，还需要考虑确定的每个节点在下一周期中为所述租户分配的预测资源值是否大于每个节点在当前周期中为所述租户分配的实际资源值等因素。
在下一周期中，在每个节点上为所述租户分配所述预测资源的方法有很多种，以下仅通过图2提供的的实施例方式对节点资源的分配过程进行说明，并不排除其他的分配方法。
图2为本发明实施例提供的在每个节点上的资源分配过程示意图，所述过程包括以下步骤：
S201：针对每个节点，判断任务运行在该节点上的所有租户的总的预测资源值是否大于该节点可以提供的资源值，如果是，则执行S203，如果否，则执行S202。
其中，该节点提供的资源值根据该节点的CPU的核数、内存的存储容量、硬盘的存储容量以及网络带宽确定，其确定过程与确定每个节点为所述租户分配的实际资源值类似，在这里不再赘述。
S202：在该节点上，为每个租户分配确定的该节点在下一周期中为对应的每个租户分配的预测资源值。
S203：针对每个租户，判断在下一周期中为该租户分配的预测资源值是否大于该节点当前周期中为所述租户分配的实际资源值，如果否，执行S204，如果是，则执行S205。
S204：在该节点上为该租户分配分配预测资源值。
S205：在该节点及其他节点上，为每个租户分配预测资源值。
在具体分配时，可以将一个租户从该节点移出，以保证移出后的剩余租户的预测资源值的总和不大于该节点提供的资源值；也可以是将该节点上所有租户的预测资源值的总超高该节点提供的资源值的部分资源移出。
图3为本发明实施例提供的一种节点资源分配原理示意图，由图4可以看出，通过CPU的核数，内存的存储容量、硬盘存储容量以及网络带宽评价每个节点为每个租户分配的资源值，其中CPU的核数，内存的存储容量、硬盘存储容量是固定资源，网络带宽是网络资源。也就是说为每个租户分配的资源值与为每个租户分配的CPU的核数，内存的存储容量、硬盘存储容量以及网络带宽有关。预测每个节点在下一周期中运行租户的任务的预测执行速度，从而确定每个节点在下一周期中为租户分配的预测资源值，这样就可以根据所述预测资源值，在下一周期中为所述租户寻找合理的节点资源并分配资源。
在进行资源分配时，具体的可以根据每个节点提供的资源值，及在每个节点在下一周期中为每个租户分配的预测资源值，在下一周期中为每个租户分配资源。
具体实施时，可以是集中完成最大的资源分配，为节点处理租户的任务提供空闲时间，也可以是将资源分配平均到各个时段，提升分配的稳定性，也可以是为单位任务提供适量的资源保障，使单位任务能够适时处理完毕。
针对上述原理，图4为本发明实施例提供的一种节点资源分配过程示意图，该过程包括以下过程：
S301：针对当前周期为租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度。
S302：根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度，执行S303和S304。
S303：采用所述每个节点在下一周期中运行所述租户的任务的预测执行速度，对预先保存的上一周期中预测的对应所述每个节点在当前周期中运行所述租户的任务的理论执行速度进行更新。
S304：根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值。
S305：针对所有节点，根据确定的每个节点在下一周期中为每个租户分配的预测资源值，统计所有节点在下一周期中为所有租户分配的预测总资源值。
S306：判断所有节点的实际总资源值是否不小于所述预测总资源值，如果是，执行S307，如果否，执行S308。
S307：在下一周期中，为所述租户分配所述预测资源值。
S308：判断所述租户的优先级是否大于预设的优先级阈值，如果是，执行S307，如果否，则结束。
图5为本发明实施例1提供的一种节点资源分配装置结构图，所述装置包括：
获取模块51，用于针对当前周期为租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度；
确定模块52，用于根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度；
确定模块52，还用于根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值；
分配模块53，用于根据所述预测资源值，在下一周期中为所述租户分配资源。
所述获取模块51，具体用于针对每个节点，获取所述节点在当前周期中每次运行所述租户的任务时的速度；将所述节点每次运行所述租户的任务时的速度的平均值，确定为所述节点在当前周期中运行所述租户的任务的实际执行速度。
图6为本发明实施例提供的一种节点资源分配装置结构图，在图5基础上，所述装置还包括：
更新模块61，用于采用所述每个节点在下一周期中运行所述租户的任务的预测执行速度，对预先保存的上一周期中预测的对应所述每个节点在当前周期中运行所述租户的任务的理论执行速度进行更新。
所述确定模块52，还用于根据在当前周期中每个节点实际为所述租户分配的CPU的核数、内存的存储容量、硬盘的存储容量以及网络带宽，确定在当前周期中每个节点为所述租户分配的实际资源值。
所述确定模块52，具体用于根据确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度，其中，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，AK+1为第m个节点在下一周期的理论负载能力，AK为第m个节点在当前周期中的实际负载能力，为第m个节点在当前周期中运行所述租户的任务的理论执行速度，为第m个节点在当前周期中的实际执行速度，p为理论执行速度的权重值。
所述确定模块52，具体用于根据确定每个节点在下一周期中为所述租户分配的预测资源值，其中，Eva(k+1)Nodem为第m个节点在下一周期中为所述租户分配的预测资源值，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，为第m个节点在当前周期中运行所述租户的任务的实际执行速度，Eva(K)Nodem’为第m个节点在当前周期中为所述租户分配的实际资源值。
所述装置还包括：
判断模块62，用于针对所有节点，根据确定的每个节点在下一周期中为每个租户分配的预测资源值，统计所有节点在下一周期中为所有租户分配的预测总资源值；判断所有节点的实际总资源值是否不小于所述预测总资源值；如果是，则在下一周期中，为所述租户分配所述预测资源值；如果否，判断所述租户的优先级是否大于预设的优先级阈值，如果所述租户的优先级大于预设的优先级阈值，则在下一周期中，为所述租户分配所述预测资源值。
本发明实施例公开了一种节点资源分配方法及装置，所述方法包括：针对当前周期为租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度；根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度；根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值；根据所述预测资源值，在下一周期中为所述租户分配资源。由于在本发明实施例中，针对在当前周期中为租户提供资源的每个节点，确定出所述每个节点在下一周期中运行所述租户的任务的预测执行速度，再确定出每个节点在下一周期中为所述租户分配的预测资源值。这样在下一周期中，就可以根据所述预测资源值为所述租户分配资源。从而实现资源的自动分配，并且可以为该租户合理的分配资源。
对于系统/装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者一个操作与另一个实体或者另一个操作区分开来，而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。
本领域内的技术人员应明白，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、完全应用实施例、或结合应用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。
本申请是参照根据本申请实施例的方法、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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供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步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (14)
1.一种节点资源分配方法，其特征在于，所述方法包括：
针对当前周期为租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度；
根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度；
根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值；
根据所述预测资源值，在下一周期中为所述租户分配资源。
2.如权利要求1所述的方法，其特征在于，所述获取每个节点在当前周期中运行所述租户的任务的实际执行速度包括：
针对每个节点，获取所述节点在当前周期中每次运行所述租户的任务时的速度；
将所述节点每次运行所述租户的任务时的速度的平均值，确定为所述节点在当前周期中运行所述租户的任务的实际执行速度。
3.如权利要求1或2所述的方法，其特征在于，所述方法还包括：
采用所述每个节点在下一周期中运行所述租户的任务的预测执行速度，对预先保存的上一周期中预测的对应所述每个节点在当前周期中运行所述租户的任务的理论执行速度进行更新。
4.如权利要求1所述的方法，其特征在于，获取在当前周期中每个节点为所述租户分配的实际资源值的过程包括：
根据在当前周期中每个节点实际为所述租户分配的CPU的核数、内存的存储容量、硬盘的存储容量以及网络带宽，确定在当前周期中每个节点为所述租户分配的实际资源值。
5.如权利要求1所述的方法，其特征在于，所述根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度包括：
根据确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度，其中，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，AK+1为第m个节点在下一周期的理论负载能力，AK为第m个节点在当前周期中的实际负载能力，为第m个节点在当前周期中运行所述租户的任务的理论执行速度，为第m个节点在当前周期中的实际执行速度，p为理论执行速度的权重值。
6.如权利要求1所述的方法，其特征在于，所述根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值包括：
根据确定每个节点在下一周期中为所述租户分配的预测资源值，其中，Eva(k+1)Nodem为第m个节点在下一周期中为所述租户分配的预测资源值，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，为第m个节点在当前周期中运行所述租户的任务的实际执行速度，Eva(K)Nodem’为第m个节点在当前周期中为所述租户分配的实际资源值。
7.如权利要求1所述的方法，其特征在于，所述根据所述预测资源值，在下一周期中为所述租户分配资源之前，所述方法还包括：
针对所有节点，根据确定的每个节点在下一周期中为每个租户分配的预测资源值，统计所有节点在下一周期中为所有租户分配的预测总资源值；
判断所有节点的实际总资源值是否不小于所述预测总资源值；
如果是，则在下一周期中，为所述租户分配所述预测资源值；
如果否，判断所述租户的优先级是否大于预设的优先级阈值，如果所述租户的优先级大于预设的优先级阈值，则在下一周期中，为所述租户分配所述预测资源值。
8.一种节点资源分配装置，其特征在于，所述装置包括：
获取模块，用于针对当前周期为租户提供资源的每个节点，获取每个节点在当前周期中的实际负载能力和运行所述租户的任务的实际执行速度；
确定模块，用于根据保存的历史数据，获取所述每个节点在下一周期中的理论负载能力，并根据预先保存的在上一周期中预测的每个节点在当前周期中运行所述租户的任务的理论执行速度，所述实际负载能力和实际执行速度，确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度；
确定模块，还用于根据确定的所述每个节点在下一周期中运行所述租户的任务的预测执行速度，以及获取的所述实际执行速度和每个节点在当前周期中为所述租户分配的实际资源值，确定每个节点在下一周期中为所述租户分配的预测资源值；
分配模块，用于根据所述预测资源值，在下一周期中为所述租户分配资源。
9.如权利要求8所述的装置，其特征在于，所述获取模块，具体用于针对每个节点，获取所述节点在当前周期中每次运行所述租户的任务时的速度；将所述节点每次运行所述租户的任务时的速度的平均值，确定为所述节点在当前周期中运行所述租户的任务的实际执行速度。
10.如权利要求8或9所述的装置，其特征在于，所述装置还包括：
更新模块，用于采用所述每个节点在下一周期中运行所述租户的任务的预测执行速度，对预先保存的上一周期中预测的对应所述每个节点在当前周期中运行所述租户的任务的理论执行速度进行更新。
11.如权利要求8所述的装置，其特征在于，所述确定模块，还用于根据在当前周期中每个节点实际为所述租户分配的CPU的核数、内存的存储容量、硬盘的存储容量以及网络带宽，确定在当前周期中每个节点为所述租户分配的实际资源值。
12.如权利要求8所述的装置，其特征在于，所述确定模块，具体用于根据确定所述每个节点在下一周期中运行所述租户的任务的预测执行速度，其中，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，AK+1为第m个节点在下一周期的理论负载能力，AK为第m个节点在当前周期中的实际负载能力，为第m个节点在当前周期中运行所述租户的任务的理论执行速度，为第m个节点在当前周期中的实际执行速度，p为理论执行速度的权重值。
13.如权利要求8所述的装置，其特征在于，所述确定模块，具体用于根据确定每个节点在下一周期中为所述租户分配的预测资源值，其中，Eva(k+1)Nodem为第m个节点在下一周期中为所述租户分配的预测资源值，为第m个节点在下一周期中运行所述租户的任务的预测执行速度，为第m个节点在当前周期中运行所述租户的任务的实际执行速度，Eva(K)Nodem’为第m个节点在当前周期中为所述租户分配的实际资源值。
14.如权利要求8所述的装置，其特征在于，所述装置还包括：
判断模块，用于针对所有节点，根据确定的每个节点在下一周期中为每个租户分配的预测资源值，统计所有节点在下一周期中为所有租户分配的预测总资源值；判断所有节点的实际总资源值是否不小于所述预测总资源值；如果是，则在下一周期中，为所述租户分配所述预测资源值；如果否，判断所述租户的优先级是否大于预设的优先级阈值，如果所述租户的优先级大于预设的优先级阈值，则在下一周期中，为所述租户分配所述预测资源值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710078515.7A CN108429704B (zh) | 2017-02-14 | 2017-02-14 | 一种节点资源分配方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710078515.7A CN108429704B (zh) | 2017-02-14 | 2017-02-14 | 一种节点资源分配方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108429704A true CN108429704A (zh) | 2018-08-21 |
| CN108429704B CN108429704B (zh) | 2022-01-25 |
Family
ID=63154943
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710078515.7A Active CN108429704B (zh) | 2017-02-14 | 2017-02-14 | 一种节点资源分配方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108429704B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109445684A (zh) * | 2018-09-20 | 2019-03-08 | 华为技术有限公司 | 一种分布式存储系统中硬盘的资源分配方法及设备 |
| CN109783236A (zh) * | 2019-01-16 | 2019-05-21 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495759A (zh) * | 2011-12-08 | 2012-06-13 | 曙光信息产业(北京)有限公司 | 一种云计算环境中作业调度的方法 |
| CN103685541A (zh) * | 2013-12-23 | 2014-03-26 | 重庆广播电视大学 | IaaS云系统运行速率动态控制装置、系统及方法 |
| CN103747085A (zh) * | 2014-01-10 | 2014-04-23 | 浪潮电子信息产业股份有限公司 | 云计算操作系统下一种存储资源调度算法 |
| CN105068874A (zh) * | 2015-08-12 | 2015-11-18 | 国家电网公司 | 一种结合Docker技术的资源按需动态分配方法 |
| CN105335229A (zh) * | 2014-07-25 | 2016-02-17 | 杭州华三通信技术有限公司 | 一种业务资源的调度方法和装置 |
| CN105468458A (zh) * | 2015-11-26 | 2016-04-06 | 北京航空航天大学 | 计算机集群的资源调度方法及系统 |
| US20160170791A1 (en) * | 2014-12-10 | 2016-06-16 | University-Industry Cooperation Group Of Kyung Hee University | Device for controlling migration in a distributed cloud environment and method for controlling migration using the same |
| CN106020933A (zh) * | 2016-05-19 | 2016-10-12 | 山东大学 | 基于超轻量虚拟机的云计算动态资源调度系统及方法 |
| CN106375115A (zh) * | 2016-08-30 | 2017-02-01 | 东软集团股份有限公司 | 资源分配方法及装置 |
-
2017
- 2017-02-14 CN CN201710078515.7A patent/CN108429704B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495759A (zh) * | 2011-12-08 | 2012-06-13 | 曙光信息产业(北京)有限公司 | 一种云计算环境中作业调度的方法 |
| CN103685541A (zh) * | 2013-12-23 | 2014-03-26 | 重庆广播电视大学 | IaaS云系统运行速率动态控制装置、系统及方法 |
| CN103747085A (zh) * | 2014-01-10 | 2014-04-23 | 浪潮电子信息产业股份有限公司 | 云计算操作系统下一种存储资源调度算法 |
| CN105335229A (zh) * | 2014-07-25 | 2016-02-17 | 杭州华三通信技术有限公司 | 一种业务资源的调度方法和装置 |
| US20160170791A1 (en) * | 2014-12-10 | 2016-06-16 | University-Industry Cooperation Group Of Kyung Hee University | Device for controlling migration in a distributed cloud environment and method for controlling migration using the same |
| CN105068874A (zh) * | 2015-08-12 | 2015-11-18 | 国家电网公司 | 一种结合Docker技术的资源按需动态分配方法 |
| CN105468458A (zh) * | 2015-11-26 | 2016-04-06 | 北京航空航天大学 | 计算机集群的资源调度方法及系统 |
| CN106020933A (zh) * | 2016-05-19 | 2016-10-12 | 山东大学 | 基于超轻量虚拟机的云计算动态资源调度系统及方法 |
| CN106375115A (zh) * | 2016-08-30 | 2017-02-01 | 东软集团股份有限公司 | 资源分配方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| NEERAJ KUMAR PANDEY，ET AL.: "Resource Allocation Strategies Used in Cloud Computing: A Critical Analysis", 《IEEE 2ND INTERNATIONAL CONFERENCE ON COMMUNICATION, CONTROL AND INTELLIGENT SYSTEMS (CCIS)》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109445684A (zh) * | 2018-09-20 | 2019-03-08 | 华为技术有限公司 | 一种分布式存储系统中硬盘的资源分配方法及设备 |
| CN109445684B (zh) * | 2018-09-20 | 2021-11-26 | 华为技术有限公司 | 一种分布式存储系统中硬盘的资源分配方法及设备 |
| US11385814B2 (en) | 2018-09-20 | 2022-07-12 | Huawei Cloud Computing Technologies Co., Ltd. | Method and device for allocating resource of hard disk in distributed storage system |
| CN109783236A (zh) * | 2019-01-16 | 2019-05-21 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
| CN109783236B (zh) * | 2019-01-16 | 2021-08-24 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108429704B (zh) | 2022-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdulhamid et al. | Fault tolerance aware scheduling technique for cloud computing environment using dynamic clustering algorithm | |
| US10474504B2 (en) | Distributed node intra-group task scheduling method and system | |
| US9471390B2 (en) | Scheduling mapreduce jobs in a cluster of dynamically available servers | |
| CN103338228A (zh) | 基于双加权最小连接算法的云计算负载均衡调度算法 | |
| US8843929B1 (en) | Scheduling in computer clusters | |
| US11496413B2 (en) | Allocating cloud computing resources in a cloud computing environment based on user predictability | |
| US9448843B2 (en) | Allocating a global resource to consumers across different regions of a distributed grid environment based on use data and demand data of each consumer | |
| CN103713956A (zh) | 应用于云计算虚拟化管理环境中的智能加权负载均衡方法 | |
| CN108337109A (zh) | 一种资源分配方法及装置和资源分配系统 | |
| CN105589750A (zh) | 一种cpu资源调度方法和服务器 | |
| CN104363282B (zh) | 一种云计算资源调度方法及装置 | |
| CN108132839A (zh) | 一种资源调度方法及装置 | |
| CN108170517A (zh) | 一种容器分配方法、装置、服务器及介质 | |
| Azizi et al. | A priority-based service placement policy for fog-cloud computing systems | |
| CN109257399A (zh) | 云平台应用程序管理方法及管理平台、存储介质 | |
| CN106681839A (zh) | 弹性计算动态分配方法 | |
| CN106293933A (zh) | 一种支持多大数据计算框架的集群资源配置与调度方法 | |
| CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
| CN103455375A (zh) | Hadoop云平台下基于负载监控的混合调度方法 | |
| CN108429704A (zh) | 一种节点资源分配方法及装置 | |
| CN112862319B (zh) | 订单调度的方法、装置、设备及存储介质 | |
| Guo et al. | Multi-objective optimization for data placement strategy in cloud computing | |
| CN105335376B (zh) | 一种流处理方法、装置及系统 | |
| Müller et al. | Optimizing server consolidation for enterprise application service providers | |
| Ogawa et al. | Cloud bursting approach based on predicting requests for business-critical web systems |
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 |