CN108595265A - 一种计算资源智能分配方法及系统 - Google Patents
一种计算资源智能分配方法及系统 Download PDFInfo
- Publication number
- CN108595265A CN108595265A CN201810318287.0A CN201810318287A CN108595265A CN 108595265 A CN108595265 A CN 108595265A CN 201810318287 A CN201810318287 A CN 201810318287A CN 108595265 A CN108595265 A CN 108595265A
- Authority
- CN
- China
- Prior art keywords
- utilization rate
- optimal
- computing
- resources
- predicted
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000013468 resource allocation Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
Landscapes
- Engineering & Computer Science (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
本发明公开了一种计算资源智能分配方法及系统,获取各计算资源的第一预测使用率并计算资源综合使用率,如果资源综合使用率不是最佳值,则利用预测模型将第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目,根据最优预测使用率、最优实例数目分配各计算资源到各计算业务;使用最优预测使用率、最优实例数目分配各计算资源到计算业务时可以满足各业务对计算资源的需要,同时可以使对应的资源综合使用率为最佳值,计算资源的成本得到更充分的使用,避免大量使用了廉价计算资源而闲置昂贵的计算资源。本发明的计算资源分配方法也可以用于指导计算资源预配置和计算资源采购计划,从根源上合理配置计算资源。
Description
技术领域
本发明涉及计算机领域,尤其是涉及一种计算资源智能分配方法及系统。
背景技术
互联网的一个显著特征就是网络流量激增,这主要原因是全球范围内宽带连接普及和多媒体流量增加,人工智能对算力有更高需求,需要根据计算资源使用情况进行资源调度、分配。按照现有的资源分配调度方法,在各种计算资源间进行动态分配,却没有考虑计算资源的成本,有可能多种低廉计算资源成为水桶最短的那块木板,表面看来某些资源已经获得最大限度的使用,其实导致大量使用低廉的计算资源,却将昂贵的计算资源闲置,导致了大量的成本浪费。
发明内容
本发明的目的在于克服上述技术不足,提出一种计算资源智能分配方法及系统,解决现有技术中的上述技术问题。
为达到上述技术目的,本发明的技术方案提供一种计算资源智能分配方法,包括:
S1、获取各计算资源的第一预测使用率;
S2、根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total),所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用,判断所述资源综合使用率R(Total)是否为最佳值;
S3、如果所述资源综合使用率不是最佳值,则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目,根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值;
S4、根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。
本发明还提供一种计算资源智能分配系统,包括:
预测使用率获取模块:获取各计算资源的第一预测使用率;
判断模块:根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total),所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用,判断所述资源综合使用率R(Total)是否为最佳值;
调整模块:如果所述资源综合使用率不是最佳值,则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目,根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值;
资源分配模块:根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。
与现有技术相比,本发明的有益效果包括:获取各计算资源的第一预测使用率并计算资源综合使用率R(Total),如果资源综合使用率R(Total)不是最佳值,则利用预测模型将第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目,根据最优预测使用率、最优实例数目分配各计算资源到各计算业务;最优预测使用率不低于第一预测使用率且根据最优预测使用率、最优实例数目计算的资源综合使用率为最佳值,使得使用最优预测使用率、最优实例数目分配各计算资源到计算业务时可以满足各业务对计算资源的需要,同时可以使对应的资源综合使用率为最佳值,由于R(Total)表征计算资源在以成本为考虑指标时是否得到充分使用,R(Total)为最佳值则计算资源的成本得到更充分的使用,避免大量使用了廉价计算资源而闲置昂贵的计算资源。
附图说明
图1是本发明提供的一种计算资源智能分配方法流程图;
图2是本发明提供的一种计算资源智能分配系统结构框图。
附图中:1、计算资源智能分配系统,11、预测使用率获取模块,12、判断模块,13、调整模块,14、资源分配模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种计算资源智能分配方法,包括:
S1、获取各计算资源的第一预测使用率;
S2、根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total),所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用,判断所述资源综合使用率R(Total)是否为最佳值;
S3、如果所述资源综合使用率不是最佳值,则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目,根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值;
S4、根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。
本发明所述的计算资源智能分配方法,步骤S1中获取各计算资源的第一预测使用率的方法为:
采集各计算资源的历史使用率,根据各计算资源的历史使用率计算并获取各计算资源未来的第一预测使用率;根据计算资源的历史使用率计算并获取各计算资源未来的预测使用率的方法,为现有技术,例如,可以采用聚类的方法对数据样本(各计算资源的历史使用率)进行聚类,以聚类获得的结果为依据确定预测使用率;又例如,可以对各计算资源的历史使用情况进行拟合的方式来获取预测使用率----专利CN201610752859.7一种资源分配方法及装置,“使用分别获取各个用户在当前时刻之前的第一预设的时间段内的历史运行数据;利用第一预设模型,分别对所述各个用户的历史运行数据进行拟合,预测所述各个用户下一时刻的资源使用量;根据所述各个用户下一时刻的资源使用量,调整下一时刻各个用户占有的资源量。”本实施例对获取各计算资源的第一预测使用率的方式不加以限制。
本发明所述的计算资源智能分配方法,步骤S2中:
资源综合使用率其中, SaaS0N表示一种计算业务,Bx表示一种计算资源,MN为计算业务SaaS0N的实例数目,ANx为计算业务SaaS0N对计算资源Bx的使用率,C(Bx)为计算资源Bx的购买成本,C(Total)为各计算资源的成本之和;
资源综合使用率R(Total)的计算方式举例如下:
假设计算资源Bx有CPU、MEM、GPU、BAND四种;
SaaS01、SaaS02、SaaS03:代表计算业务1,计算业务2,计算业务3;
C(Bx):计算资源Bx的购买成本,假设每种资源使用率不应大于90%;
M1、M2、M3为整数,分别为SaaS01业务的实例数目、SaaS02业务的实例数目、SaaS03业务的实例数目。
下表为假设四种计算资源在某一业务中某一时间段内的使用率:
则
C(SaaS01)=(10%*C(CPU)+20%*C(MEM)+30%*C(GPU)+5%*C(BAND))*M1
C(SaaS02)=(30%*C(CPU)+15%*C(MEM)+10%*C(GPU)+35%*C(BAND))*M2
C(SaaS03)=(10%*C(CPU)+10%*C(MEM)+10%*C(GPU)+10%*C(BAND))*M3
各计算资源的成本之和
C(Total)=C(CPU)+C(MEM)+C(GPU)+C(BAND)
那么,
R(Total)=(C(SaaS01)+C(SaaS02)+C(SaaS03))/C(Total)。
本发明所述的计算资源智能分配方法,步骤S2中判断所述资源综合使用率R(Total)是否为最佳值的方法为:
根据第二预测使用率和第二实例数目计算并获取多个R(Total),第二预测使用率不低于第一预测使用率并动态调整,第二实例数目动态调整,获取的多个R(Total)组成对比集合,在对比集合中筛选掉高于预设标准值的R(Total);
判断S2中计算出的R(Total)是否小于或等于预设标准值且高于对比集合中的所有元素;如果是,则步骤S2计算出的R(Total)为最佳值,否则步骤S2计算出的R(Total)不为最佳值;
计算资源的使用率需要设置安全门限值,当计算资源的使用率超过安全门限值后,容易导致计算资源超负载或出现系统故障,本发明的预设标准值相当于“安全门限值”,最佳值的R(Total)应当不超过安全门限值,且与对比集合中的元素相比,最接近安全门限值,从而在保障计算资源不会超负载的同时使R(Total)最大,预设标准值(“安全门限值”)可根据各家公司自行预先设置,例如80%、85%。
本发明所述的计算资源智能分配方法,步骤S2中:
ANx为计算业务SaaS0N对计算资源Bx的使用率,ANx可以为第一预测使用率、第二预测使用率,也可以为最优预测使用率,也可以为历史使用率,也可以为实际使用率,第一预测使用率、第二预测使用率、最优预测使用率、历史使用率、实际使用率皆可以使用此方法计算该使用率对应的资源综合使用率R(Total)。
本发明所述的计算资源智能分配方法,步骤S1中获取各计算资源的所述第一预测使用率的方法为:
采集各计算资源的历史使用率,根据各计算资源的历史使用率计算并获取各计算资源未来的所述第一预测使用率。
本发明所述的计算资源智能分配方法,步骤S3中所述预测模型为机器学习模型,在利用所述预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目之前,还包括:
根据第一预测使用率、对应的实际使用率计算该第一预测使用率对应的最优预测使用率,将多组第一预测使用率及第一预测使用率对应的实际使用率、最优预测使用率输入所述预测模型,对所述预测模型进行训练,获取更准确的预测模型。
本发明所述的计算资源智能分配方法,步骤S3中:
最优预测使用率不低于第一预测使用率且根据最优预测使用率、最优实例数目计算的资源综合使用率为最佳值,由于最优预测使用率不低于第一预测使用率,使用最优预测使用率、最优实例数目分配各计算资源到计算业务时可以满足各业务对计算资源的需要,同时可以使对应的资源综合使用率为最佳值;预设标准值可以根据需要设置,例如80%、85%等数值,R(Total)不宜超过预设标准值,否则有可能导致计算资源超负载;资源综合使用率R(Total)可以表征:计算资源在以成本为考虑指标时是否得到充分使用,R(Total)的值越高,说明计算资源的成本得到更充分的使用,避免大量使用了廉价计算资源而闲置昂贵的计算资源。
本发明还提供一种计算资源智能分配系统1,包括:
预测使用率获取模块11:获取各计算资源的第一预测使用率;
判断模块12:根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total),所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用,判断所述资源综合使用率R(Total)是否为最佳值;
调整模块13:如果所述资源综合使用率不是最佳值,则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目,根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值;
资源分配模块14:根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。
本发明所述的计算资源智能分配系统1,判断模块12用于计算
资源综合使用率其中, SaaS0N表示一种计算业务,Bx表示一种计算资源,MN为计算业务SaaS0N的实例数目,ANx为计算业务SaaS0N对计算资源Bx的使用率,C(Bx)为计算资源Bx的购买成本,C(Total)为各计算资源的成本之和。
本发明所述的计算资源智能分配系统1,判断模块12用于根据第二预测使用率和第二实例数目计算并获取多个R(Total),第二预测使用率不低于第一预测使用率并动态调整,第二实例数目动态调整,获取的多个R(Total)组成对比集合,在对比集合中筛选掉高于预设标准值的R(Total);
用于判断判断模块计算出的R(Total)是否小于或等于预设标准值且高于对比集合中的所有元素;如果是,则判断模块计算出的R(Total)为最佳值,否则判断模块计算出的R(Total)不为最佳值。
本发明所述的计算资源智能分配系统1,预测使用率获取模块11用于采集各计算资源的历史使用率,根据各计算资源的历史使用率计算并获取各计算资源未来的所述第一预测使用率。
本发明所述的计算资源智能分配系统1,调整模块13还用于根据第一预测使用率、对应的实际使用率计算该第一预测使用率对应的最优预测使用率,将多组第一预测使用率及第一预测使用率对应的实际使用率、最优预测使用率输入所述预测模型,对所述预测模型进行训练,获取更准确的预测模型。
与现有技术相比,本发明的有益效果包括:获取各计算资源的第一预测使用率并计算资源综合使用率R(Total),如果资源综合使用率R(Total)不是最佳值,则利用预测模型将第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目,根据最优预测使用率、最优实例数目分配各计算资源到各计算业务;最优预测使用率不低于第一预测使用率且根据最优预测使用率、最优实例数目计算的资源综合使用率为最佳值,使得使用最优预测使用率、最优实例数目分配各计算资源到计算业务时可以满足各业务对计算资源的需要,同时可以使对应的资源综合使用率为最佳值,由于R(Total)表征计算资源在以成本为考虑指标时是否得到充分使用,R(Total)为最佳值则计算资源的成本得到更充分的使用,避免大量使用了廉价计算资源而闲置昂贵的计算资源。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种计算资源智能分配方法,其特征在于,包括:
S1、获取各计算资源的第一预测使用率;
S2、根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total),所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用,判断所述资源综合使用率R(Total)是否为最佳值;
S3、如果所述资源综合使用率不是最佳值,则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目,根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值;
S4、根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。
2.如权利要求1所述的计算资源智能分配方法,其特征在于,步骤S2中:
资源综合使用率其中, SaaS0N表示一种计算业务,Bx表示一种计算资源,MN为计算业务SaaS0N的实例数目,ANx为计算业务SaaS0N对计算资源Bx的使用率,C(Bx)为计算资源Bx的购买成本,C(Total)为各计算资源的成本之和。
3.如权利要求1所述的计算资源智能分配方法,其特征在于,步骤S2中判断所述资源综合使用率R(Total)是否为最佳值的方法为:
根据第二预测使用率和第二实例数目计算并获取多个R(Total),第二预测使用率不低于第一预测使用率并动态调整,第二实例数目动态调整,获取的多个R(Total)组成对比集合,在对比集合中筛选掉高于预设标准值的R(Total);
判断S2中计算出的R(Total)是否小于或等于预设标准值且高于对比集合中的所有元素;如果是,则步骤S2计算出的R(Total)为最佳值,否则步骤S2计算出的R(Total)不为最佳值。
4.如权利要求1所述的计算资源智能分配方法,其特征在于,步骤S1中获取各计算资源的所述第一预测使用率的方法为:
采集各计算资源的历史使用率,根据各计算资源的历史使用率计算并获取各计算资源未来的所述第一预测使用率。
5.如权利要求1所述的计算资源智能分配方法,其特征在于,步骤S3中所述预测模型为机器学习模型,在利用所述预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目之前,还包括:
根据第一预测使用率、对应的实际使用率计算该第一预测使用率对应的最优预测使用率,将多组第一预测使用率及第一预测使用率对应的实际使用率、最优预测使用率输入所述预测模型,对所述预测模型进行训练,获取更准确的预测模型。
6.一种计算资源智能分配系统,其特征在于,包括:
预测使用率获取模块:获取各计算资源的第一预测使用率;
判断模块:根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total),所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用,判断所述资源综合使用率R(Total)是否为最佳值;
调整模块:如果所述资源综合使用率不是最佳值,则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目,根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值;
资源分配模块:根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。
7.如权利要求6所述的计算资源智能分配系统,其特征在于,判断模块用于计算资源综合使用率其中,SaaS0N表示一种计算业务,Bx表示一种计算资源,MN为计算业务SaaS0N的实例数目,ANx为计算业务SaaS0N对计算资源Bx的使用率,C(Bx)为计算资源Bx的购买成本,C(Total)为各计算资源的成本之和。
8.如权利要求6所述的计算资源智能分配系统,其特征在于,判断模块用于根据第二预测使用率和第二实例数目计算并获取多个R(Total),第二预测使用率不低于第一预测使用率并动态调整,第二实例数目动态调整,获取的多个R(Total)组成对比集合,在对比集合中筛选掉高于预设标准值的R(Total);
用于判断判断模块计算出的R(Total)是否小于或等于预设标准值且高于对比集合中的所有元素;如果是,则判断模块计算出的R(Total)为最佳值,否则判断模块计算出的R(Total)不为最佳值。
9.如权利要求6所述的计算资源智能分配系统,其特征在于,预测使用率获取模块用于采集各计算资源的历史使用率,根据各计算资源的历史使用率计算并获取各计算资源未来的所述第一预测使用率。
10.如权利要求6所述的计算资源智能分配系统,其特征在于,调整模块还用于根据第一预测使用率、对应的实际使用率计算该第一预测使用率对应的最优预测使用率,将多组第一预测使用率及第一预测使用率对应的实际使用率、最优预测使用率输入所述预测模型,对所述预测模型进行训练,获取更准确的预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810318287.0A CN108595265B (zh) | 2018-04-11 | 2018-04-11 | 一种计算资源智能分配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810318287.0A CN108595265B (zh) | 2018-04-11 | 2018-04-11 | 一种计算资源智能分配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108595265A true CN108595265A (zh) | 2018-09-28 |
CN108595265B CN108595265B (zh) | 2022-05-13 |
Family
ID=63621921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810318287.0A Active CN108595265B (zh) | 2018-04-11 | 2018-04-11 | 一种计算资源智能分配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108595265B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597637A (zh) * | 2019-09-17 | 2019-12-20 | 深圳传音控股股份有限公司 | 系统资源调度方法、设备和可读存储介质 |
CN111340240A (zh) * | 2020-03-25 | 2020-06-26 | 第四范式(北京)技术有限公司 | 实现自动机器学习的方法及装置 |
CN113407335A (zh) * | 2021-05-11 | 2021-09-17 | 浙江大华技术股份有限公司 | 计算资源规划方法以及电子设备、存储装置 |
CN117331291A (zh) * | 2023-12-01 | 2024-01-02 | 上海红岩临芯半导体科技有限公司 | 涂胶显影设备单元均衡流片的调度方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7743001B1 (en) * | 2005-06-21 | 2010-06-22 | Amazon Technologies, Inc. | Method and system for dynamic pricing of web services utilization |
CN103139295A (zh) * | 2013-01-30 | 2013-06-05 | 广东电网公司电力调度控制中心 | 一种云计算资源调度方法及装置 |
CN103503412A (zh) * | 2012-03-23 | 2014-01-08 | 华为技术有限公司 | 用于调度资源的方法及装置 |
US9003019B1 (en) * | 2011-09-30 | 2015-04-07 | Emc Corporation | Methods and systems for utilization tracking and notification of cloud resources |
US20160321115A1 (en) * | 2015-04-28 | 2016-11-03 | Solano Labs, Inc. | Cost optimization of cloud computing resources |
-
2018
- 2018-04-11 CN CN201810318287.0A patent/CN108595265B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7743001B1 (en) * | 2005-06-21 | 2010-06-22 | Amazon Technologies, Inc. | Method and system for dynamic pricing of web services utilization |
US9003019B1 (en) * | 2011-09-30 | 2015-04-07 | Emc Corporation | Methods and systems for utilization tracking and notification of cloud resources |
CN103503412A (zh) * | 2012-03-23 | 2014-01-08 | 华为技术有限公司 | 用于调度资源的方法及装置 |
CN103139295A (zh) * | 2013-01-30 | 2013-06-05 | 广东电网公司电力调度控制中心 | 一种云计算资源调度方法及装置 |
US20160321115A1 (en) * | 2015-04-28 | 2016-11-03 | Solano Labs, Inc. | Cost optimization of cloud computing resources |
Non-Patent Citations (1)
Title |
---|
吕相文等: "云计算环境下多GPU资源调度机制研究", 《小型微型计算机系统》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597637A (zh) * | 2019-09-17 | 2019-12-20 | 深圳传音控股股份有限公司 | 系统资源调度方法、设备和可读存储介质 |
CN111340240A (zh) * | 2020-03-25 | 2020-06-26 | 第四范式(北京)技术有限公司 | 实现自动机器学习的方法及装置 |
CN113407335A (zh) * | 2021-05-11 | 2021-09-17 | 浙江大华技术股份有限公司 | 计算资源规划方法以及电子设备、存储装置 |
CN117331291A (zh) * | 2023-12-01 | 2024-01-02 | 上海红岩临芯半导体科技有限公司 | 涂胶显影设备单元均衡流片的调度方法及系统 |
CN117331291B (zh) * | 2023-12-01 | 2024-03-19 | 上海红岩临芯半导体科技有限公司 | 涂胶显影设备单元均衡流片的调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108595265B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108595265B (zh) | 一种计算资源智能分配方法及系统 | |
CN104902001B (zh) | 基于操作系统虚拟化的Web请求负载均衡方法 | |
CN103699445A (zh) | 一种任务调度方法、装置及系统 | |
CN105900064A (zh) | 调度数据流任务的方法和装置 | |
CN107038071B (zh) | 一种基于数据流预测的Storm任务伸缩调度算法 | |
CN109981744B (zh) | 数据的分发方法、装置、存储介质及电子设备 | |
CN105657449B (zh) | 一种视频转码分配方法、装置及视频转码系统 | |
CN108270805B (zh) | 用于数据处理的资源分配方法及装置 | |
CN104375897A (zh) | 基于最小相对负载不均衡度的云计算资源调度方法 | |
CN101969401A (zh) | 自适应云计算方法和系统 | |
CN114327811A (zh) | 一种任务调度方法、装置、设备及可读存储介质 | |
US20190138354A1 (en) | Method for scheduling jobs with idle resources | |
CN106209967A (zh) | 一种视频监控云资源预测方法及系统 | |
CN105992233A (zh) | 网络业务的容量基线计算方法及装置 | |
CN110990160B (zh) | 一种基于负荷预测的静态安全分析容器云弹性伸缩方法 | |
CN110896357A (zh) | 流量预测方法、装置和计算机可读存储介质 | |
CN104202305A (zh) | 一种转码处理方法、装置及服务器 | |
CN117873686B (zh) | 基于分层负载均衡的分布式水文模型汇流并行调度算法 | |
CN108170522B (zh) | 一种基于动态阈值的云计算虚拟机迁移控制方法 | |
CN104702521A (zh) | 负载均衡方法和装置 | |
JP6186303B2 (ja) | トラヒック量上限値予測装置及び方法及びプログラム | |
CN106790368A (zh) | 一种分布式系统中的资源调度方法和装置 | |
CN114138453B (zh) | 一种适合边缘计算环境的资源优化分配方法与系统 | |
CN112433846B (zh) | 一种边缘计算的资源调度方法和系统 | |
CN108540336A (zh) | 一种弹性伸缩调度方法和装置 |
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 |