CN109062768A - 缓存服务器的io性能评估方法和装置 - Google Patents
缓存服务器的io性能评估方法和装置 Download PDFInfo
- Publication number
- CN109062768A CN109062768A CN201810905036.2A CN201810905036A CN109062768A CN 109062768 A CN109062768 A CN 109062768A CN 201810905036 A CN201810905036 A CN 201810905036A CN 109062768 A CN109062768 A CN 109062768A
- Authority
- CN
- China
- Prior art keywords
- disk
- cache server
- evaluation index
- cache
- data
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3433—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment for load management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3041—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is an input/output interface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3495—Performance evaluation by tracing or monitoring for systems
-
- 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
- H04L41/14—Network analysis or design
-
- 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
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Debugging And Monitoring (AREA)
- Memory System Of A Hierarchy Structure (AREA)
Abstract
本发明公开了一种缓存服务器的IO性能评估方法和装置,属于内容分发网络技术领域。所述方法包括:采集所有待评估的缓存服务器的基础数据,基础数据至少包括业务数据、磁盘配置、负载数据和性能数据;对基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类;统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标;根据各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,磁盘IO配置需求至少包括磁盘容量配置需求和磁盘负载算法配置需求。本发明能够提高评估结果的准确性,同时还可以针对不同业务进行评估。
Description
技术领域
本发明涉及内容分发网络技术领域,尤其涉及一种缓存服务器的IO性能评估方法和装置。
背景技术
业务运营商通过CDN系统向用户提供网页浏览、视频播放等业务,这些业务可以依托CDN系统中的多台缓存服务器共同实现,缓存服务器可以将业务源站提供的数据资源缓存在本地,当用户需要获取这些数据资源时,无需访问业务源站,直接通过缓存服务器就能获取相应的数据资源。
在向用户提供服务的过程中,缓存服务器依靠大量的磁盘来缓存数据资源,磁盘IO性能成为制约用户访问速度的关键,然而,过剩的磁盘IO性能又会导致缓存服务器的设备成本增加,因此,为了降低成本,提高用户访问效率,可以对缓存服务器的磁盘IO性能进行评估,并根据评估结果进行调整。在评估过程中,通常使用专用的磁盘IO性能评估程序对需要评估的缓存服务器进行测试,判断该缓存服务器的磁盘IO性能是否满足业务需求,如果不满足业务需求,则对该缓存服务器的磁盘IO配置进行调整。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
在使用磁盘IO性能评估程序测试缓存服务器时,测试结果很容易受到当前的业务状态、网络状态和设备状态等大量因素影响,如当前用户访问量较低,或者当前网络出现波动,或者设备硬件出现短时故障等现象均会一定程度上改变测试结果,故而,基于上述测试结果无法对缓存服务器的磁盘IO配置进行准确调整。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种缓存服务器的IO性能评估方法和装置。所述技术方案如下:
第一方面,提供了一种缓存服务器的IO性能评估方法,所述方法包括:
采集所有待评估的缓存服务器的基础数据,所述基础数据至少包括业务数据、磁盘配置、负载数据和性能数据;
对所述基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类;
统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标;
根据所述各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,所述磁盘IO配置需求至少包括磁盘容量配置需求和磁盘负载算法配置需求。
进一步的,所述采集所有待评估的缓存服务器的基础数据,包括:
从所有待评估的缓存服务器中获取每台缓存服务器的磁盘配置和业务数据;
根据所述业务数据确定所述业务数据对应的缓存服务器的最大流量时刻;
确定所述缓存服务器在所述最大流量时刻的负载数据和性能数据。
进一步的,所述对基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类,包括:
根据所述业务数据确定所有待评估的缓存服务器的业务流量范围、评估时间范围和对应的业务类型;
以业务流量范围、评估时间范围、业务类型和磁盘配置为条件,对所有待评估的缓存服务器分类。
进一步的,所述统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标,包括:
对于每类缓存服务器,获取当前类型下所有缓存服务器的负载数据和性能数据;
计算所述负载数据和所述性能数据对应的均值、峰值和分布情况,作为当前类型缓存服务器的评估指标,其中,所述评估指标至少包括负载评估指标和性能评估指标,所述性能评估指标至少包括磁盘容量评估指标和磁盘负载算法评估指标。
进一步的,所述根据所述各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,包括:
根据所述负载评估指标和所述磁盘容量评估指标,确定当前类型缓存服务器的磁盘容量配置需求,所述磁盘容量配置需求至少包括待扩容、待减容和容量不变;
根据所述磁盘负载算法评估指标,确定当前类型缓存服务器的磁盘负载算法配置需求,所述磁盘负载算法配置需求至少包括调整算法和算法不变。
进一步的,所述根据所述负载评估指标和所述磁盘容量评估指标,确定当前类型缓存服务器的磁盘容量配置需求,包括:
通过所述负载评估指标确定所述当前类型缓存服务器的负载特征,通过所述磁盘容量评估指标确定所述当前类型缓存服务器的磁盘容量特征;
如果所述负载特征为饱和,确定所述当前类型缓存服务器的磁盘容量配置需求为待扩容;
如果所述负载特征为不饱和,且所述磁盘容量特征为过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为待减容;
如果所述负载特征为不饱和,且所述磁盘容量特征为不过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为容量不变。
进一步的,所述根据所述磁盘负载算法评估指标,确定当前类型缓存服务器的磁盘负载算法需求,包括:
根据所述磁盘负载算法评估指标确定当前类型下所有缓存服务器中,多盘均衡度处于低等级的缓存服务器占比;
如果所述多盘均衡度处于低等级的缓存服务器占比小于等于阈值,确定当前类型缓存服务器的磁盘负载算法需求为维持算法;
如果所述多盘均衡度处于低等级的缓存服务器占比大于阈值,确定当前类型缓存服务器的磁盘负载算法需求为调整算法。
第二方面,提供了一种缓存服务器的IO性能评估装置,所述装置包括:
采集模块,用于采集所有待评估的缓存服务器的基础数据,所述基础数据至少包括业务数据、磁盘配置、负载数据和性能数据;
分类模块,用于对所述基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类;
计算模块,用于统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标;
评估模块,用于根据所述各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,所述磁盘IO配置需求至少包括磁盘容量配置需求和磁盘负载算法配置需求。
进一步的,所述采集模块,具体用于:
从所有待评估的缓存服务器中获取每台缓存服务器的磁盘配置和业务数据;
根据所述业务数据确定所述业务数据对应的缓存服务器的最大流量时刻;
确定所述缓存服务器在所述最大流量时刻的负载数据和性能数据。
进一步的,所述分类模块,具体用于:
根据所述业务数据确定所有待评估的缓存服务器的业务流量范围、评估时间范围和对应的业务类型;
以业务流量范围、评估时间范围、业务类型和磁盘配置为条件,对所有待评估的缓存服务器分类。
进一步的,所述计算模块,具体用于:
对于每类缓存服务器,获取当前类型下所有缓存服务器的负载数据和性能数据;
计算所述负载数据和所述性能数据对应的均值、峰值和分布情况,作为当前类型缓存服务器的评估指标,其中,所述评估指标至少包括负载评估指标和性能评估指标,所述性能评估指标至少包括磁盘容量评估指标和磁盘负载算法评估指标。
进一步的,所述评估模块,具体用于:
根据所述负载评估指标和所述磁盘容量评估指标,确定当前类型缓存服务器的磁盘容量配置需求,所述磁盘容量配置需求至少包括待扩容、待减容和容量不变;
根据所述磁盘负载算法评估指标,确定当前类型缓存服务器的磁盘负载算法配置需求,所述磁盘负载算法配置需求至少包括调整算法和算法不变。
进一步的,所述评估模块,具体用于:
通过所述负载评估指标确定所述当前类型缓存服务器的负载特征,通过所述磁盘容量评估指标确定所述当前类型缓存服务器的磁盘容量特征;
如果所述负载特征为饱和,确定所述当前类型缓存服务器的磁盘容量配置需求为待扩容;
如果所述负载特征为不饱和,且所述磁盘容量特征为过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为待减容;
如果所述负载特征为不饱和,且所述磁盘容量特征为不过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为容量不变。
进一步的,所述评估模块,具体用于:
根据所述磁盘负载算法评估指标确定当前类型下所有缓存服务器中,多盘均衡度处于低等级的缓存服务器占比;
如果所述多盘均衡度处于低等级的缓存服务器占比小于等于阈值,确定当前类型缓存服务器的磁盘负载算法需求为维持算法;
如果所述多盘均衡度处于低等级的缓存服务器占比大于阈值,确定当前类型缓存服务器的磁盘负载算法需求为调整算法。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例中,采集所有待评估的缓存服务器的基础数据,所述基础数据至少包括业务数据、磁盘配置、负载数据和性能数据;对所述基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类;统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标;根据所述各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,所述磁盘IO配置需求至少包括磁盘容量配置需求和磁盘负载算法配置需求。这样,将具有相同数据特征的缓存服务器分成一类,可以将具有相似的负载特征和性能特征的同一种CDN业务的全部缓存服务器作为整体进行评估;不直接使用基础数据进行评估,可以降低评估过程中异常数据对评估结果的影响,故而,即可以提高评估结果的准确性,有可以针对不同CDN业务进行评估。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明实施例提供的一种缓存服务器的IO性能评估方法的流程图;
图2是本发明实施例提供的一种缓存服务器的IO性能评估装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提供了一种缓存服务器的IO性能评估方法,该方法可以应用在CDN系统中的评估设备中,评估设备可以是评估服务器,也可以是其它评估设备。CDN系统中的缓存服务器存储有视频、音频、文字、图像等文件,向用户提供各种类型业务的服务,相同业务类型的缓存服务器一般具有相同的IO特点,因此,可以根据IO特点对同一CDN集群下的缓存服务器进行分类,然后对同一分类的缓存服务器统一进行IO性能评估。本实施例的应用场景可以是:从所有待评估的缓存服务器中采集数据,根据采集到的数据对所有缓存服务器进行分类,对于每一类缓存服务器,根据之前采集到的数据得到缓存服务器的评估指标,并由评估指标归纳出每一类缓存服务器的负载特征和性能特征,从而确定缓存服务器的磁盘IO配置需求。本发明的评估方法能够从业务类型层面整体考虑缓存服务器提供相同业务服务时的IO性能需求,便于对提供同一应用业务的缓存服务器统一调节,有利于管理和操作。
下面将结合具体实施方式,对图1所示的一种缓存服务器的IO性能评估的处理流程进行详细的说明,内容可以如下:
步骤101:采集所有待评估的缓存服务器的基础数据。
其中,基础数据至少包括业务数据、磁盘配置、负载数据和性能数据。
在实施中,CDN系统中的评估设备在对缓存服务器的IO性能评估时,首先确定所有需要进行评估的缓存服务器,然后分别获取每台待评估的缓存服务器的磁盘配置,并从每台待评估的缓存服务器各自的日志文件中采集业务数据、负载数据和性能数据。其中,业务数据可以包括缓存服务器提供服务的业务类型、频道带宽和请求数等;磁盘配置可以包括磁盘类型(例如:STAT、IDE、SCSI、SAS等)和盘位数等;负载数据可以包括IOPS(Input/Output Operations Per Second,每秒进行读写操作的次数)、IO吞吐量和IO队列长度等;性能数据可以包括IO时延、磁盘负载和IO等待时间等。
可选的,缓存服务器的负载压力、性能消耗与流量变化成正比,通常在流量最大时的负载压力最高,性能消耗最大,对缓存服务器的IO性能需求最高,故而,步骤101的处理具体可以如下:从所有待评估的缓存服务器中获取每台缓存服务器的磁盘配置和业务数据;根据业务数据确定业务数据对应的缓存服务器的最大流量时刻;确定缓存服务器在最大流量时刻的负载数据和性能数据。
在实施中,对于所有待评估的缓存服务器中的任一台缓存服务器,评估设备首先获取该缓存服务器的磁盘配置,并从该缓存服务器的日志文件中获取该缓存服务器的业务数据,然后根据业务数据中的频道带宽和请求数确定该缓存服务器最大流量时刻,之后再从日志文件中确定该缓存服务器在最大流量时刻的负载数据和性能数据。评估设备对所有待评估的缓存服务器均采用上述的处理方法,逐一获取每台待评估的缓存服务器各自的业务数据、磁盘配置,以及最大流量时刻的负载数据和性能数据。通常,缓存服务器会每分钟采集一次当前的业务数据、负载数据和性能数据,并记录在日志文件中,在评估时,由于缓存服务器的磁盘配置不会经常发生变化,因此可以在评估开始时采集一次即可,然后通过缓存服务器的日志文件,获取每分钟的业务数据,就可以根据每分钟的业务数据确定最大流量时刻的具体时间,最后通过最大流量时刻的具体时间,从日志文件中找到对应的负载数据和性能数据。
步骤102:对基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类。
在实施中,评估设备在获取每台待评估的缓存服务器各自的业务数据、磁盘配置、负载数据和性能数据之后,从所有待评估的缓存服务器中,筛选出基础数据具有相同数据特征的缓存服务器,将这些缓存服务器划分为一类,这样有利于在后期分析时,避免具有不同数据特征的基础数据相互干扰,影响评估结果。
可选的,缓存服务器的磁盘负载与性能和业务流量、评估时间、业务类型和磁盘配置有关,故而,步骤102的处理具体可以如下:根据业务数据确定所有待评估的缓存服务器的业务流量范围、评估时间范围和对应的业务类型;以业务流量范围、评估时间范围、业务类型和磁盘配置为条件,对所有待评估的缓存服务器分类。
在实施中,评估设备在获取每台待评估的缓存服务器各自的业务数据、磁盘配置,以及最大流量时刻的负载数据和性能数据之后,进一步根据每台待评估的缓存服务器各自的业务数据确定该缓存服务器的业务流量范围、评估时间范围和该缓存服务器的业务类型。然后以业务流量范围、评估时间范围、业务类型和磁盘配置作为筛选条件对待评估的缓存服务器分类。通常可以将业务流量范围、评估时间范围、业务类型相同或相似,同时磁盘配置相同的待评估的缓存服务器划分为同一类。不同业务类型的缓存服务器具有不同的业务流量范围,业务流量越大,缓存服务器的负载越重,性能消耗越大;具有相同负载的缓存服务器,会因为不同的磁盘配置从而导致缓存服务器具有不同的性能,因此,这样的分类方式可以将负载相近,磁盘配置相同的缓存服务器分成一组,有利于对同种业务的负载数据和性能数据进行归纳计算。
步骤103:统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标。
在实施中,评估设备在将所有待评估的缓存服务器划分成几类之后,针对每类缓存服务器,分别统计该类缓存服务器的基础数据,并对统计后的基础数据进行分析,最后得到该类缓存服务器的各项评估指标。
可选的,统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标的处理具体可以如下:对于每类缓存服务器,获取当前类型下所有缓存服务器的负载数据和性能数据;计算负载数据和性能数据对应的均值、峰值和分布情况,作为当前类型缓存服务器的评估指标。
其中,评估指标至少包括负载评估指标和性能评估指标,性能评估指标至少包括磁盘容量评估指标和磁盘负载算法评估指标。
在实施中,根据负载数据可以计算得到负载评估指标,根据性能数据可以计算得到磁盘容量评估指标和磁盘负载算法评估指标,因此,在所有待评估的缓存服务器完成分类之后,评估设备根据分类结果,选择其中任一类缓存服务器,将之前获取的该类型下所有缓存服务器的负载数据和性能数据汇总,然后计算出各项负载数据对应的均值、峰值和性能数据对应的均值、峰值和分布情况,将计算后得到结果作为该类型缓存服务器的评估指标。可以理解的,评估设备根据实际需求不同,可以对所有分类缓存服务器均进行上述处理,也可以对指定的某类缓存服务器进行上述处理。
例如:对于负载数据IOPS,存在具体的负载数据:IOPS_读和IOPS_写,通过各个分类下每个缓存服务器的IOPS_读和IOPS_写,即可以计算得到相应分类所有缓存服务器的IOPS_读和IOPS_写的平均值和峰值,即平均值avgIOPS_r,峰值maxIOPS_r,平均值avgIOPS_w,峰值maxIOPS_w,然后将上述IOPS_读和IOPS_写的平均值和峰值作为各类缓存服务器的负载评估指标。
对于性能数据IO时延,存在具体的性能数据:IO时延和IO使用度。通过各个分类下每个缓存服务器的IO时延,可以计算得到相应分类所有缓存服务器的IO时延的平均值和峰值,即平均值avgiowait,峰值maxiowait;根据缓存服务器的IO时延,可以确定该缓存服务器的IO使用度(高、中或低),通过各个分类下每个缓存服务器的IO使用度,可以计算得到相应分类所有缓存服务器的IO使用度分布情况,即IO使用度低(Xiowait<5)的缓存服务器数占比,IO使用度中(5≤Xiowait<15)的缓存服务器数占比,IO使用度高(Xiowait≥15)的缓存服务器数占比,然后将上述IO时延的平均值和峰值、IO使用度分布情况作为各类缓存服务器的磁盘容量评估指标。
对于性能数据磁盘负载,存在具体的性能数据:磁盘负载、磁盘使用率和多盘均衡度。通过各个分类下每个缓存服务器中每块磁盘的磁盘负载,可以计算得到相应分类所有缓存服务器的磁盘负载的平均值和峰值,即平均值avgutil,峰值maxutil;根据缓存服务器中每块磁盘的磁盘负载,可以确定该缓存服务器的磁盘使用率(高、中或低),通过各个分类下每个缓存服务器的磁盘使用率,可以计算得到相应分类所有缓存服务器的磁盘使用率分布情况,即磁盘使用率低(Xutil<25%)的缓存服务器数占比,磁盘使用率中(25%≤Xutil<50%)的缓存服务器数占比,磁盘使用率高(Xutil≥50%)的缓存服务器数占比;对于具有多块磁盘的缓存服务器,还可以根据该缓存服务器中每块磁盘的磁盘负载,计算该缓存服务器中多块磁盘之间的磁盘负载标准差,通过磁盘负载标准差确定该缓存服务器的多盘均衡度(高、中或低),通过各个分类下每个缓存服务器的多盘均衡度,计算得到相应分类所有缓存服务器的多盘均衡度分布情况,即多盘均衡度低(Xutil<5%)的缓存服务器数占比,多盘均衡度中(5%≤Xutil<10%)的缓存服务器数占比,多盘均衡度高(Xutil≥10%)的缓存服务器数占比。然后将上述磁盘使用率的平均值和峰值、磁盘使用率分布情况和多盘均衡度分布情况作为各类缓存服务器的磁盘容量评估指标。
具体的负载评估指标和性能评估指标可以参考表1。需要说明的是,通常,如果一项负载评估指标较高,那么其他项负载评估指标也会较高;如果一项负载评估指标较低,那么其他项负载评估指标也会较低;各项性能评估指标之间的关系与此类似,因此,在实际应该过程中,可以如表1所示,获取每一项负载评估指标和性能评估指标,也可以只获取其中部分负载评估指标和性能评估指标。
表1 评估指标表
在一实施例中,前述峰值的具体计算方法为:将当前分类下的所有缓存服务器的同一项负载数据或性能数据汇总,然后按照数值从大到小的顺序将对应的缓存服务器进行排序,确定需要选取数据的缓存服务器数量范围,通常我们选取数据的缓存服务器数量可以占当前分类下的所有缓存服务器总数量的10%,在确定选取数据的缓存服务器的具体数量后,从最大的数据对应的缓存服务器开始,按照之前的排序,顺序选取当前分类下的该数量的缓存服务器,将这些缓存服务器中的对应的负载数据或性能数据加和得到总数,然后再除以选取数据的缓存服务器的数量。
其中,max为评估指标的峰值;xi为当前分类下参与计算的第i台缓存服务器的该评估指标对应的负载数据或性能数据;m为当前分类下参与计算的缓存服务器数量,m=n×w%,n为当前分类下所有缓存服务器的数量,w%为当前分类下参与计算的缓存服务器在当前分类下所有缓存服务器中所占比例。
例如:要计算当前分类下缓存服务器负载评估指标中IPOS_读的峰值maxIOPS_r,当前分类下的所有缓存服务器共有10台,每台缓存服务器的负载数据中IOPS_r如表2所示,按照数值从大到小的顺序将缓存服务器进行排序为x5>x10>x8>x7>x4>x9>x1>x6>x3>x2,设定选取数据的缓存服务器数量范围为当前分类下所有缓存服务器总数量的30%,则选取数据的缓存服务器的具体数量为3(10×30%=3),然后从x5开始,顺序选取3台缓存服务器x5,x10,x8,将这三台缓存服务器对应的IOPS_r数据进行加和得到总数56,再除以选取数据的缓存服务器数量3,得到18.7,即maxIOPS_r=(22+18+16)/3=56/3≈18.7。
表2 IOPS_r数据
序号 | x<sub>1</sub> | x<sub>2</sub> | x<sub>3</sub> | x<sub>4</sub> | x<sub>5</sub> | x<sub>6</sub> | x<sub>7</sub> | x<sub>8</sub> | x<sub>9</sub> | x<sub>10</sub> |
IOPS_r | 10 | 2 | 5 | 13 | 22 | 7 | 14 | 16 | 11 | 18 |
在一实施例中,前述平均值的具体计算方法为:将当前分类下的所有缓存服务器的同一负载数据或性能数据汇总后加和,将得到的总数除以当前分类下的所有缓存服务器的数量,具体可以参考公式(2)。
其中,avg为评估指标的均值;xi为当前分类下第i台缓存服务器的该评估指标对应的负载数据或性能数据;n为当前分类下所有缓存服务器的数量。
步骤104:根据各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求。
其中,磁盘IO配置需求至少包括磁盘容量配置需求和磁盘负载算法配置需求。
在实施中,评估设备在得到每类缓存服务器的评估指标之后,根据具体的评估指标确定各类缓存服务器包括磁盘容量配置需求和磁盘负载算法配置需求在内的磁盘IO配置需求。
可选的,根据各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求的处理具体可以如下:根据负载评估指标和磁盘容量评估指标,确定当前类型缓存服务器的磁盘容量配置需求;根据磁盘负载算法评估指标,确定当前类型缓存服务器的磁盘负载算法配置需求。
其中,磁盘容量配置需求至少包括待扩容、待减容和容量不变;磁盘负载算法需求至少包括调整算法和算法不变。
在实施中,评估设备通过统计分析得到当前类型缓存服务的各项负载评估指标和性能评估指标之后,由于缓存服务器的负载数据可以通过改变磁盘容量进行调节,因此,可以将负载评估指标和磁盘容量评估指标一起,用来确定当前类型缓存服务器的磁盘容量配置需求是待扩容、待减容还是容量不变。同一台缓存服务器上多块磁盘之间的磁盘负载标准差(即多盘均衡度),可以说明该缓存服务器上多块磁盘之间的负载均衡算法是否合理,进而通过磁盘负载算法评估指标,得到不同类型的多盘均衡度(高、中、低,具体参见表1)在当前类型的所有缓存服务器中的占比,从而确定当前类型缓存服务器的磁盘负载算法配置需求是需要调整算法还是保持当前算法不变。
可选的,通过缓存服务器的负载状况可以判断缓存服务器的磁盘容量是否能够满足当前业务需求,而磁盘容量评估指标可以进一步判断缓存服务器的磁盘容量是否存在浪费,故而,根据负载评估指标和磁盘容量评估指标,确定当前类型缓存服务器的磁盘容量配置需求的处理具体可以如下:通过负载评估指标确定当前类型缓存服务器的负载特征,通过磁盘容量评估指标确定当前类型缓存服务器的磁盘容量特征;如果负载特征为饱和,确定当前类型缓存服务器的磁盘容量配置需求为待扩容;如果负载特征为不饱和,且磁盘容量特征为过剩,确定当前类型缓存服务器的磁盘容量配置需求为待减容;如果负载特征为不饱和,且磁盘容量特征为不过剩,确定当前类型缓存服务器的磁盘容量配置需求为容量不变。
在实施中,当评估设备确定当前类型缓存服务器的磁盘容量配置需求时,可以首先考虑通过负载评估指标确定当前类型缓存服务器的负载特征,负载特征通常可以表现为饱和(大于等于负载上限)或者不饱和(小于负载上限),如果负载特征表现为饱和,那么通常情况下当前类型缓存服务器的磁盘容量特征表现为不足,所以,此时不需要再去判断磁盘容量特征,可以直接确定当前类型缓存服务器的磁盘容量配置需求为待扩容;如果负载特征表现为不饱和,则当前类型缓存服务器的磁盘容量特征可能表现为过剩或者不过剩两种情况,因此,需要进一步通过磁盘容量评估指标确定当前类型缓存服务器的磁盘容量特征属于那种情况,如果磁盘容量特征为过剩,则可以确定当前类型缓存服务器的磁盘容量配置需求为待减容;如果磁盘容量特征为不过剩,则可以确定当前类型缓存服务器的磁盘容量配置需求为容量不变。
可选的,根据磁盘负载算法评估指标,确定当前类型缓存服务器的磁盘负载算法需求的处理具体可以如下:根据磁盘负载算法评估指标确定当前类型下所有缓存服务器中,多盘均衡度处于低等级的缓存服务器占比;如果多盘均衡度处于低等级的缓存服务器占比小于等于阈值,确定当前类型缓存服务器的磁盘负载算法需求为维持算法;如果多盘均衡度处于低等级的缓存服务器占比大于阈值,确定当前类型缓存服务器的磁盘负载算法需求为调整算法。
在实施中,评估设备在得到磁盘负载算法评估指标后,由于多盘均衡度高(处于高等级)和多盘均衡度中(处于中等级)均说明多块磁盘负载均衡,不需要进行磁盘负载算法调整,故而,此时只需要确定多盘均衡度低(即处于低等级)的缓存服务器数占比,然后判断该占比是否小于或等于预设的阈值。如果多盘均衡度低的缓存服务器数占比小于或等于阈值,说明当前类型的所有缓存服务器中,大部分缓存服务器均为多盘均衡度高或多盘均衡度中,大部分缓存服务器中的多块磁盘负载均衡,因此,对于当前类型的所有缓存服务器整体而言,不需要进行磁盘负载算法调整,故而,确定当前类型缓存服务器的磁盘负载算法需求为维持算法;如果多盘均衡度低的缓存服务器数占比大于阈值,说明当前类型的所有缓存服务器中,大部分缓存服务器均为多盘均衡度低,大部分缓存服务器中的多块磁盘负载不均衡,因此,对于当前类型的所有缓存服务器整体而言,需要进行磁盘负载算法调整,故而,确定当前类型缓存服务器的磁盘负载算法需求为调整算法。
上述内容均是以一个评估周期为例进行的说明,本发明还可以通过多个评估周期来确定各类缓存服务器的评估指标的变化趋势,进而确定的各类缓存服务器的磁盘IO配置需求,例如以天为评估周期,连续10天得到某类缓存服务器的评估指标后,将该类缓存服务器10天内的同一评估指标进行比较,确定该评估指标的变化趋势为上升、下降或保持稳定,然后根据该类缓存服务器的所有评估指标的变化趋势,确定该类缓存服务器的磁盘IO配置需求。
本发明实施例中,采集所有待评估的缓存服务器的基础数据,所述基础数据至少包括业务数据、磁盘配置、负载数据和性能数据;对所述基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类;统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标;根据所述各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,所述磁盘IO配置需求至少包括磁盘容量配置需求和磁盘负载算法配置需求。这样,将具有相同数据特征的缓存服务器分成一类,可以将具有相似的负载特征和性能特征的同一种CDN业务的全部缓存服务器作为整体进行评估;不直接使用基础数据进行评估,可以降低评估过程中异常数据对评估结果的影响,故而,即可以提高评估结果的准确性,有可以针对不同CDN业务进行评估。
基于相同的技术构思,本发明实施例还提供了一种缓存服务器的IO性能评估装置,如图2所示,所述装置包括:
采集模块201,用于采集所有待评估的缓存服务器的基础数据,所述基础数据至少包括业务数据、磁盘配置、负载数据和性能数据。
分类模块202,用于对所述基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类。
计算模块203,用于统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标。
评估模块204,用于根据所述各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,所述磁盘IO配置需求至少包括磁盘容量配置需求和磁盘负载算法配置需求。
可选的,所述采集模块201,具体用于:
从所有待评估的缓存服务器中获取每台缓存服务器的磁盘配置和业务数据;
根据所述业务数据确定所述业务数据对应的缓存服务器的最大流量时刻;
确定所述缓存服务器在所述最大流量时刻的负载数据和性能数据。
可选的,所述分类模块202,具体用于:
根据所述业务数据确定所有待评估的缓存服务器的业务流量范围、评估时间范围和对应的业务类型;
以业务流量范围、评估时间范围、业务类型和磁盘配置为条件,对所有待评估的缓存服务器分类。
可选的,所述计算模块203,具体用于:
对于每类缓存服务器,获取当前类型下所有缓存服务器的负载数据和性能数据;
计算所述负载数据和所述性能数据对应的均值、峰值和分布情况,作为当前类型缓存服务器的评估指标,其中,所述评估指标至少包括负载评估指标和性能评估指标,所述性能评估指标至少包括磁盘容量评估指标和磁盘负载算法评估指标。
可选的,所述评估模块204,具体用于:
根据所述负载评估指标和所述磁盘容量评估指标,确定当前类型缓存服务器的磁盘容量配置需求,所述磁盘容量配置需求至少包括待扩容、待减容和容量不变;
根据所述磁盘负载算法评估指标,确定当前类型缓存服务器的磁盘负载算法配置需求,所述磁盘负载算法配置需求至少包括调整算法和算法不变。
可选的,所述评估模块204,具体用于:
通过所述负载评估指标确定所述当前类型缓存服务器的负载特征,通过所述磁盘容量评估指标确定所述当前类型缓存服务器的磁盘容量特征;
如果所述负载特征为饱和,确定所述当前类型缓存服务器的磁盘容量配置需求为待扩容;
如果所述负载特征为不饱和,且所述磁盘容量特征为过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为待减容;
如果所述负载特征为不饱和,且所述磁盘容量特征为不过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为容量不变。
可选的,所述评估模块204,具体用于:
根据所述磁盘负载算法评估指标确定当前类型下所有缓存服务器中,多盘均衡度处于低等级的缓存服务器占比;
如果所述多盘均衡度处于低等级的缓存服务器占比小于等于阈值,确定当前类型缓存服务器的磁盘负载算法需求为维持算法;
如果所述多盘均衡度处于低等级的缓存服务器占比大于阈值,确定当前类型缓存服务器的磁盘负载算法需求为调整算法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务端,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种缓存服务器的IO性能评估方法,其特征在于,所述方法包括:
采集所有待评估的缓存服务器的基础数据,所述基础数据至少包括业务数据、磁盘配置、负载数据和性能数据;
对所述基础数据进行筛选,将所述基础数据具有相同数据特征的缓存服务器划分为一类;
统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标;
根据所述各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,所述磁盘IO配置需求至少包括磁盘容量配置需求和磁盘负载算法配置需求。
2.根据权利要求1所述的方法,其特征在于,所述采集所有待评估的缓存服务器的基础数据,包括:
从所有待评估的缓存服务器中获取每台缓存服务器的磁盘配置和业务数据;
根据所述业务数据确定所述业务数据对应的缓存服务器的最大流量时刻;
确定所述缓存服务器在所述最大流量时刻的负载数据和性能数据。
3.根据权利要求1所述的方法,其特征在于,所述对基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类,包括:
根据所述业务数据确定所有待评估的缓存服务器的业务流量范围、评估时间范围和对应的业务类型;
以所述业务流量范围、所述评估时间范围、所述业务类型和所述磁盘配置为条件,对所有待评估的缓存服务器分类。
4.根据权利要求1所述的方法,其特征在于,所述统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标,包括:
对于每类缓存服务器,获取当前类型下所有缓存服务器的负载数据和性能数据;
计算所述负载数据和所述性能数据对应的均值、峰值和分布情况,作为当前类型缓存服务器的评估指标,其中,所述评估指标至少包括负载评估指标和性能评估指标,所述性能评估指标至少包括磁盘容量评估指标和磁盘负载算法评估指标。
5.根据权利要求4所述的方法,其特征在于,所述根据所述各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,包括:
根据所述负载评估指标和所述磁盘容量评估指标,确定当前类型缓存服务器的磁盘容量配置需求,所述磁盘容量配置需求至少包括待扩容、待减容和容量不变;
根据所述磁盘负载算法评估指标,确定当前类型缓存服务器的磁盘负载算法配置需求,所述磁盘负载算法配置需求至少包括调整算法和算法不变。
6.根据权利要求5所述的方法,其特征在于,所述根据所述负载评估指标和所述磁盘容量评估指标,确定当前类型缓存服务器的磁盘容量配置需求,包括:
通过所述负载评估指标确定所述当前类型缓存服务器的负载特征,通过所述磁盘容量评估指标确定所述当前类型缓存服务器的磁盘容量特征;
如果所述负载特征为饱和,确定所述当前类型缓存服务器的磁盘容量配置需求为待扩容;
如果所述负载特征为不饱和,且所述磁盘容量特征为过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为待减容;
如果所述负载特征为不饱和,且所述磁盘容量特征为不过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为容量不变。
7.根据权利要求5所述的方法,其特征在于,所述根据所述磁盘负载算法评估指标,确定当前类型缓存服务器的磁盘负载算法需求,包括:
根据所述磁盘负载算法评估指标确定当前类型下所有缓存服务器中,多盘均衡度处于低等级的缓存服务器占比;
如果所述多盘均衡度处于低等级的缓存服务器占比小于等于阈值,确定当前类型缓存服务器的磁盘负载算法需求为维持算法;
如果所述多盘均衡度处于低等级的缓存服务器占比大于阈值,确定当前类型缓存服务器的磁盘负载算法需求为调整算法。
8.一种缓存服务器的IO性能评估装置,其特征在于,所述装置包括:
采集模块,用于采集所有待评估的缓存服务器的基础数据,所述基础数据至少包括业务数据、磁盘配置、负载数据和性能数据;
分类模块,用于对所述基础数据进行筛选,将基础数据具有相同数据特征的缓存服务器划分为一类;
计算模块,用于统计分析各类缓存服务器的基础数据,得到各类缓存服务器的评估指标;
评估模块,用于根据所述各类缓存服务器的评估指标,确定各类缓存服务器的磁盘IO配置需求,所述磁盘IO配置需求至少包括磁盘容量配置需求和磁盘负载算法配置需求。
9.根据权利要求8所述的装置,其特征在于,所述采集模块,具体用于:
从所有待评估的缓存服务器中获取每台缓存服务器的磁盘配置和业务数据;
根据所述业务数据确定所述业务数据对应的缓存服务器的最大流量时刻;
确定所述缓存服务器在所述最大流量时刻的负载数据和性能数据。
10.根据权利要求8所述的装置,其特征在于,所述分类模块,具体用于:
根据所述业务数据确定所有待评估的缓存服务器的业务流量范围、评估时间范围和对应的业务类型;
以业务流量范围、评估时间范围、业务类型和磁盘配置为条件,对所有待评估的缓存服务器分类。
11.根据权利要求8所述的装置,其特征在于,所述计算模块,具体用于:
对于每类缓存服务器,获取当前类型下所有缓存服务器的负载数据和性能数据;
计算所述负载数据和所述性能数据对应的均值、峰值和分布情况,作为当前类型缓存服务器的评估指标,其中,所述评估指标至少包括负载评估指标和性能评估指标,所述性能评估指标至少包括磁盘容量评估指标和磁盘负载算法评估指标。
12.根据权利要求11所述的装置,其特征在于,所述评估模块,具体用于:
根据所述负载评估指标和所述磁盘容量评估指标,确定当前类型缓存服务器的磁盘容量配置需求,所述磁盘容量配置需求至少包括待扩容、待减容和容量不变;
根据所述磁盘负载算法评估指标,确定当前类型缓存服务器的磁盘负载算法配置需求,所述磁盘负载算法配置需求至少包括调整算法和算法不变。
13.根据权利要求12所述的装置,其特征在于,所述评估模块,具体用于:
通过所述负载评估指标确定所述当前类型缓存服务器的负载特征,通过所述磁盘容量评估指标确定所述当前类型缓存服务器的磁盘容量特征;
如果所述负载特征为饱和,确定所述当前类型缓存服务器的磁盘容量配置需求为待扩容;
如果所述负载特征为不饱和,且所述磁盘容量特征为过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为待减容;
如果所述负载特征为不饱和,且所述磁盘容量特征为不过剩,确定所述当前类型缓存服务器的磁盘容量配置需求为容量不变。
14.根据权利要求12所述的装置,其特征在于,所述评估模块,具体用于:
根据所述磁盘负载算法评估指标确定当前类型下所有缓存服务器中,多盘均衡度处于低等级的缓存服务器占比;
如果所述多盘均衡度处于低等级的缓存服务器占比小于等于阈值,确定当前类型缓存服务器的磁盘负载算法需求为维持算法;
如果所述多盘均衡度处于低等级的缓存服务器占比大于阈值,确定当前类型缓存服务器的磁盘负载算法需求为调整算法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810905036.2A CN109062768B (zh) | 2018-08-09 | 2018-08-09 | 缓存服务器的io性能评估方法和装置 |
PCT/CN2018/101750 WO2020029328A1 (zh) | 2018-08-09 | 2018-08-22 | 缓存服务器的io性能评估方法和装置 |
EP18893319.6A EP3640802B1 (en) | 2018-08-09 | 2018-08-22 | Io performance evaluation method and device for cache server |
US16/348,044 US11106561B2 (en) | 2018-08-09 | 2018-08-22 | Method and device for evaluating IO performance of cache servers |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810905036.2A CN109062768B (zh) | 2018-08-09 | 2018-08-09 | 缓存服务器的io性能评估方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109062768A true CN109062768A (zh) | 2018-12-21 |
CN109062768B CN109062768B (zh) | 2020-09-18 |
Family
ID=64683167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810905036.2A Expired - Fee Related CN109062768B (zh) | 2018-08-09 | 2018-08-09 | 缓存服务器的io性能评估方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11106561B2 (zh) |
EP (1) | EP3640802B1 (zh) |
CN (1) | CN109062768B (zh) |
WO (1) | WO2020029328A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930299A (zh) * | 2020-06-22 | 2020-11-13 | 中国建设银行股份有限公司 | 分配存储单元的方法及相关设备 |
CN112039689A (zh) * | 2020-07-21 | 2020-12-04 | 网宿科技股份有限公司 | 网络设备性能评估方法、装置、设备及存储介质 |
CN113419993A (zh) * | 2021-05-19 | 2021-09-21 | 北京达佳互联信息技术有限公司 | 读写请求处理方法、装置、电子设备及存储介质 |
WO2022105591A1 (zh) * | 2020-11-20 | 2022-05-27 | 上海连尚网络科技有限公司 | 缓存服务器性能测试方法、装置、设备和介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093429B (zh) * | 2023-08-18 | 2024-04-26 | 上海皿鎏数字科技有限公司 | 一种服务器稳定性评价方法及系统 |
CN117666963A (zh) * | 2023-12-13 | 2024-03-08 | 湖南承希科技有限公司 | 一种cpu云计算平台的数据io加速方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197876A (zh) * | 2006-12-06 | 2008-06-11 | 中兴通讯股份有限公司 | 一种对消息类业务数据进行多维分析的方法和系统 |
CN104252411A (zh) * | 2013-06-27 | 2014-12-31 | 北京神州泰岳软件股份有限公司 | 一种系统压力分析方法及设备 |
CN104270371A (zh) * | 2014-10-13 | 2015-01-07 | 无锡云捷科技有限公司 | 一种基于模糊逻辑的cdn缓存服务器选择方法 |
CN105786681A (zh) * | 2016-02-18 | 2016-07-20 | 中国科学院计算技术研究所 | 数据中心的服务器性能评估及服务器更新方法 |
CN105912454A (zh) * | 2016-04-25 | 2016-08-31 | 网易(杭州)网络有限公司 | 一种系统健康评测方法及装置 |
CN106445759A (zh) * | 2016-10-28 | 2017-02-22 | 浪潮软件集团有限公司 | 一种通用的云服务器测试方法 |
US20170308492A1 (en) * | 2016-04-22 | 2017-10-26 | Dell Products L.P. | Isolating a redirected usb device to a set of applications |
CN107797847A (zh) * | 2017-09-25 | 2018-03-13 | 联想(北京)有限公司 | 用于配置服务器集群的方法和装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7437270B2 (en) * | 2006-03-30 | 2008-10-14 | Intel Corporation | Performance state management |
US8639748B2 (en) * | 2010-09-01 | 2014-01-28 | Edgecast Networks, Inc. | Optimized content distribution based on metrics derived from the end user |
CN102801550A (zh) * | 2011-05-27 | 2012-11-28 | 北京邮电大学 | 一种内容分发网络管理方法及装置 |
US8903993B2 (en) * | 2012-06-01 | 2014-12-02 | International Business Machines Corporation | Performance analysis using anonymous aggregated data |
SE537197C2 (sv) * | 2012-10-05 | 2015-03-03 | Elastisys Ab | Metod, nod och datorprogram för möjliggörande av automatiskanpassning av resursenheter |
US9672473B2 (en) * | 2014-08-11 | 2017-06-06 | Dell Products, Lp | Apparatus and method for system profile learning in an information handling system |
US10339023B2 (en) * | 2014-09-25 | 2019-07-02 | Intel Corporation | Cache-aware adaptive thread scheduling and migration |
WO2016183028A2 (en) * | 2015-05-10 | 2016-11-17 | Apl Software Inc. | Methods and architecture for enhanced computer performance |
US9798474B2 (en) * | 2015-09-25 | 2017-10-24 | International Business Machines Corporation | Software-defined storage system monitoring tool |
CN107659595B (zh) | 2016-07-25 | 2021-06-25 | 阿里巴巴集团控股有限公司 | 一种评估分布式集群处理指定业务的能力的方法和装置 |
US11632304B2 (en) * | 2016-10-31 | 2023-04-18 | Hewlett Packard Enterprise Development Lp | Methods and systems for characterizing computing system performance using peer-derived performance severity and symptom severity models |
CN106886485B (zh) * | 2017-02-28 | 2020-10-09 | 深圳市华傲数据技术有限公司 | 系统容量分析预测方法及装置 |
CN108009077A (zh) * | 2017-11-30 | 2018-05-08 | 三盟科技股份有限公司 | 一种基于大数据环境的业务运行状态评估算法及系统 |
-
2018
- 2018-08-09 CN CN201810905036.2A patent/CN109062768B/zh not_active Expired - Fee Related
- 2018-08-22 EP EP18893319.6A patent/EP3640802B1/en active Active
- 2018-08-22 WO PCT/CN2018/101750 patent/WO2020029328A1/zh unknown
- 2018-08-22 US US16/348,044 patent/US11106561B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197876A (zh) * | 2006-12-06 | 2008-06-11 | 中兴通讯股份有限公司 | 一种对消息类业务数据进行多维分析的方法和系统 |
CN104252411A (zh) * | 2013-06-27 | 2014-12-31 | 北京神州泰岳软件股份有限公司 | 一种系统压力分析方法及设备 |
CN104270371A (zh) * | 2014-10-13 | 2015-01-07 | 无锡云捷科技有限公司 | 一种基于模糊逻辑的cdn缓存服务器选择方法 |
CN105786681A (zh) * | 2016-02-18 | 2016-07-20 | 中国科学院计算技术研究所 | 数据中心的服务器性能评估及服务器更新方法 |
US20170308492A1 (en) * | 2016-04-22 | 2017-10-26 | Dell Products L.P. | Isolating a redirected usb device to a set of applications |
CN105912454A (zh) * | 2016-04-25 | 2016-08-31 | 网易(杭州)网络有限公司 | 一种系统健康评测方法及装置 |
CN106445759A (zh) * | 2016-10-28 | 2017-02-22 | 浪潮软件集团有限公司 | 一种通用的云服务器测试方法 |
CN107797847A (zh) * | 2017-09-25 | 2018-03-13 | 联想(北京)有限公司 | 用于配置服务器集群的方法和装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930299A (zh) * | 2020-06-22 | 2020-11-13 | 中国建设银行股份有限公司 | 分配存储单元的方法及相关设备 |
CN111930299B (zh) * | 2020-06-22 | 2024-01-26 | 中国建设银行股份有限公司 | 分配存储单元的方法及相关设备 |
CN112039689A (zh) * | 2020-07-21 | 2020-12-04 | 网宿科技股份有限公司 | 网络设备性能评估方法、装置、设备及存储介质 |
CN112039689B (zh) * | 2020-07-21 | 2023-09-08 | 网宿科技股份有限公司 | 网络设备性能评估方法、装置、设备及存储介质 |
WO2022105591A1 (zh) * | 2020-11-20 | 2022-05-27 | 上海连尚网络科技有限公司 | 缓存服务器性能测试方法、装置、设备和介质 |
CN113419993A (zh) * | 2021-05-19 | 2021-09-21 | 北京达佳互联信息技术有限公司 | 读写请求处理方法、装置、电子设备及存储介质 |
CN113419993B (zh) * | 2021-05-19 | 2024-06-04 | 北京达佳互联信息技术有限公司 | 读写请求处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3640802B1 (en) | 2022-02-16 |
WO2020029328A1 (zh) | 2020-02-13 |
EP3640802A4 (en) | 2021-01-27 |
EP3640802A1 (en) | 2020-04-22 |
US20200264964A1 (en) | 2020-08-20 |
CN109062768B (zh) | 2020-09-18 |
US11106561B2 (en) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109062768A (zh) | 缓存服务器的io性能评估方法和装置 | |
EP3857381B1 (en) | Collecting samples hierarchically in a datacenter | |
CN109005056B (zh) | 基于cdn应用的存储容量评估方法和装置 | |
US11556541B2 (en) | Data query method, apparatus and device | |
CN105281981B (zh) | 网络服务的数据流量监控方法和装置 | |
US10528481B2 (en) | Apparatus and method for managing storage of data blocks | |
US11272029B2 (en) | Access log processing method and device | |
CN109981702B (zh) | 一种文件存储方法及系统 | |
CN105183670B (zh) | 用于分布式缓存系统的数据处理方法和装置 | |
CN108810140A (zh) | 云存储系统中基于动态阈值调整的分级存储方法 | |
CN102045396A (zh) | 服务器文件的负载均衡方法 | |
CN106055706B (zh) | 一种缓存资源存储方法及装置 | |
WO2020018062A1 (en) | Dynamic cache size management of multi-tenant caching systems | |
CN111694653A (zh) | 计算系统中调整计算算子类型分布的方法、装置及系统 | |
CN115525230A (zh) | 存储资源的分配方法、装置、存储介质及电子设备 | |
CN105872082B (zh) | 基于容器集群负载均衡算法的细粒度资源响应系统 | |
CN111539613A (zh) | 案件分配方法及装置 | |
CN113079062B (zh) | 一种资源调整方法、装置、计算机设备和存储介质 | |
CN117573376A (zh) | 一种数据中心资源调度监控管理方法与系统 | |
CN110069319B (zh) | 一种面向朵云资源管理的多目标虚拟机调度方法及系统 | |
US11374869B2 (en) | Managing bandwidth based on user behavior | |
CN111278039B (zh) | 用户感知压抑识别方法、装置、设备及介质 | |
CN110209350A (zh) | 一种混合存储架构hpc系统中应用i/o请求的动态调度方法 | |
CN108762684A (zh) | 热点数据迁移流控方法、装置、电子设备及存储介质 | |
Zhu et al. | Load balancing algorithm for web server based on weighted minimal connections |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200918 |
|
CF01 | Termination of patent right due to non-payment of annual fee |