CN109144777A - 一种基于Docker的异构虚拟计算灾备的方法 - Google Patents
一种基于Docker的异构虚拟计算灾备的方法 Download PDFInfo
- Publication number
- CN109144777A CN109144777A CN201810838707.8A CN201810838707A CN109144777A CN 109144777 A CN109144777 A CN 109144777A CN 201810838707 A CN201810838707 A CN 201810838707A CN 109144777 A CN109144777 A CN 109144777A
- Authority
- CN
- China
- Prior art keywords
- docker
- cloud host
- host
- cloud
- container
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1448—Management of the data involved in backup or backup restore
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45587—Isolation or security of virtual machine instances
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于Docker的异构虚拟计算灾备的方法,涉及数据备份技术领域。该方法将Docker运用于云灾备环境当中,利用其相对虚拟机所存在的轻量级、便携性的优势,进一步缩短灾难恢复的时间,保证业务的连续性,Docker将应用及系统“容器化”,无需额外的操作系统,只需要减少或添加镜像就可以在一台服务器上部署上千个容器,极大的节约成本,确保资源的合理利用;另外,通过一种资源预分配的调度算法,使得分配后申请的节点数目最少,降低云主机的开销,更大程度的节约成本,达到资源使用的最优化。
Description
技术领域
本发明涉及数据备份技术领域,尤其涉及一种基于Docker的异构虚拟计算 灾备的方法。
背景技术
伴随着互联网和大数据时代的到来,整个社会高度信息化,数据中心成为 核心业务运行的关键。一旦数据中心发生意外或者各种不可抗力事故,都将对 整个企业带来灾难性的后果。
为了提高数据中心抵抗灾难的能力,做好灾难备份建设刻不容缓。传统的 数据中心灾备,需要在异地建立一个和生产中心同等规模的灾备中心,正常情 况下,大量的设备处于闲置状态,造成了资源的极大浪费。
近几年出现的云灾备是在生产中心发生灾难时,在公有云平台上按需申请 服务器,恢复数据及中断的业务,极大的提高了资源利用率。
但是,目前的云平台上大部分服务都在虚拟机中运行,而由虚拟机带来的 额外的性能损失,往往使云平台的额外开销不尽人意,同时,虚拟机的启动速 度相对较慢,灾难发生时的服务中断时间比较长。
发明内容
本发明的目的在于提供一种基于Docker的异构虚拟计算灾备的方法,从而 解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种基于Docker的异构虚拟计算灾备的方法,包括如下步骤:
S1,将应用部署到多个Docker容器中;
S2,按照下式计算每个Docker容器的资源需求量Rdi以及一台云主机可提供 的资源量Rh:
Rdi=αC+βM+χIO+δB
其中,α,β,χ,δ分别为用户根据不同场景自定义的CPU,内存,I/O 和带宽资源的比例系数;
S3,对所有的Docker容器按照资源需求量进行降序排列,得到 D'={d'1,d'2,…d'i…d'n},n为所有的Docker容器的数量;
S4,比较每个Docker容器的资源需求量与一台云主机可提供的资源量Rh之间的大小关系,满足预设条件的k个Docker容器组成降序排列的集合 D”={d”1,d”2,…d”i…d”k},不满足预设条件的n-k个Docker容器组成降序排列的集合 D”'={d”'1,d”'2,…d”'i…d'”n-k};
S5,在云平台上申请k台云主机,将D”中的元素依次部署到这k台主机上, 记为:f:d”i|→hj,令Cj=Cj-c”i,Mj=Mj-m”i,IOj=IOj-io”i,Bj=Bj-b”i,则,k 台云主机集合为H={h1,h2,…hj…hk},得到D”到H的映射关系:f:D”→H;
S6,依次遍历D”'中的元素d”'i,在H={h1,h2,…hj…hk}中寻找满足条件c”'i≤Cj,m”'i≤Mj,io”'i≤IOj,b”'i≤Bj,且当前可提供的资源量最小的云主机hj,若找到 满足条件的云主机hj,则将该容器部署到该云主机hj上;若没有找到满足要求的 云主机,则在云平台上申请一台新的云主机,将该容器部署到新的云主机上, 并在云主机的集合H中增加该新的云主机;其中,将Docker容器部署到合适的 云主机上,记为:f:d”'i|→hj,令Cj=Cj-c”'i,Mj=Mj-m”'i,IOj=IOj-io”'i,Bj=Bj-b”'i, 得到D”'到H的映射关系:f:D”'→H;
S7,将S5和S6中得到的映射关系进行合并,得到全部Docker容器与云主机 的映射关系:f:D→H。
优选地,S4中,所述预设的大小关系条件为,
优选地,S6中,若遍历过程中,找到一台云主机可提供的资源量等于当 前Docker容器d”'i的资源需求量此时这台云主机即为当前Docker容器最合适 的云主机,则将当前Docker容器d”'i部署到这台主机上,同时在云主机集合H中删 除这台主机。
优选地,S6中,若找到多个满足条件的云主机hj,则按照遍历顺序选择j小 的那台云主机进行部署。
本发明的有益效果是:本发明提供的基于Docker的异构虚拟计算灾备的方 法,将Docker运用于云灾备环境当中,利用其相对虚拟机所存在的轻量级、便 携性的优势,进一步缩短灾难恢复的时间,保证业务的连续性,Docker将应用 及系统“容器化”,无需额外的操作系统,只需要减少或添加镜像就可以在一台 服务器上部署上千个容器,极大的节约成本,确保资源的合理利用;另外,通 过一种资源预分配的调度算法,使得分配后申请的节点数目最少,降低云主机 的开销,更大程度的节约成本,达到资源使用的最优化。
附图说明
图1是利用本发明提供的方法形成的基于Docker的灾难恢复系统架构图;
图2是利用本发明提供的方法形成的云计算环境中资源虚拟化结构图;
图3是利用本发明提供的方法形成的虚拟机与物理机的映射关系图。
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,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方式仅仅用以解 释本发明,并不用于限定本发明。
本发明实施例提供了一种基于Docker的异构虚拟计算灾备的方法,包括如 下步骤:
S1,将应用部署到多个Docker容器中;
S2,按照下式计算每个Docker容器的资源需求量以及一台云主机可提供 的资源量Rh:
R=αC+βM+χIO+δB
其中,α,β,χ,δ分别为用户根据不同场景自定义的CPU,内存,I/O 和带宽资源的比例系数;
S3,对所有的Docker容器按照资源需求量进行降序排列,得到 D'={d'1,d'2,…d'i…d'n},n为所有的Docker容器的数量;
S4,比较每个Docker容器的资源需求量与一台云主机可提供的资源量Rh之间的大小关系,满足预设条件的k个Docker容器组成降序排列的集合 D”={d”1,d”2,…d”i…d”k},不满足预设条件的n-k个Docker容器组成降序排列的集合 D”'={d”'1,d”'2,…d”'i…d”'n-k};
S5,在云平台上申请k台云主机,将D”中的元素依次部署到这k台主机上, 记为:f:d”i|→hj,令Cj=Cj-c”i,Mj=Mj-m”i,IOj=IOj-io”i,Bj=Bj-b”i,则,k 台云主机集合为H={h1,h2,…hj…hk},得到D”到H的映射关系:f:D”→H;
S6,依次遍历D”'中的元素d”'i,在H={h1,h2,…hj…hk}中寻找满足条件c”'i≤Cj,m”'i≤Mj,io”'i≤IOj,b”'i≤Bj,且当前可提供的资源量最小的云主机hj,若找到 满足条件的云主机hj,则将该容器部署到该云主机hj上;若没有找到满足要求的 云主机,则在云平台上申请一台新的云主机,将该容器部署到新的云主机上, 并在云主机的集合H中增加该新的云主机;其中,将Docker容器部署到合适的 云主机上,记为:f:d”'i|→hj,令Cj=Cj-c”'i,Mj=Mj-m”'i,IOj=IOj-io”'i,Bj=Bj-b”'i, 得到D”'到H的映射关系:f:D”'→H;
S7,将S5和S6中得到的映射关系进行合并,得到全部Docker容器与云主机 的映射关系:f:D→H。
其中,S4中,所述预设的大小关系条件为,
S6中,若遍历过程中,找到一台云主机可提供的资源量等于当前Docker 容器d”'i的资源需求量此时这台云主机即为当前Docker容器最合适的云主机, 则将当前Docker容器d”'i部署到这台主机上,同时在云主机集合H中删除这台主机。
S6中,若找到多个满足条件的云主机hj,则按照遍历顺序选择j小的那台云 主机进行部署。
对于本发明提供的上述方法,详细说明如下:
本发明提供的方法是针对应用级灾难恢复展开的研究,灾备中心部署在云 上,在云上按需申请主机,并将应用部署到Docker容器中,替换传统灾备系 统中的虚拟机,从而能够实现灾难恢复时间的缩短,提高资源的利用率。利 用本发明提供的方法得到的整体架构可如图1所示,在云计算环境中形成的 资源虚拟化结构可如图2所示,从图2可以看出灾备系统中以Docker容器为 基础单元进行调度分配,Docker容器到云主机节点的映射关系可以是一对一 或者一对多的,可如图3所示。
将Docker容器部署到云灾备系统中,实际上是装箱问题。在灾备系统中需 要考虑如何合理地部署Docker容器到相应物理节点,在满足各种应用服务级目 标的同时,达到资源使用的最优化,可以把Docker容器放置理解为装箱问题。 Docker容器作为装入的物品,Docker所用资源代表物品的大小,不同物品的大 小可以不同。按需申请的云主机(即物理节点)是箱子,主机资源的使用阈值 表示箱子的容量,资源的种类数代表装箱问题的几个维度。
用户向灾备中心请求的资源即某一个配置了特定资源的Docker容器,并且 应用程序在各自的Docker容器中运行,如何提高资源利用率、尽可能申请较少 的云主机部署Docker容器是本发明研究的问题所在。多目标Docker容器部署 是一个多目标的优化问题,云主机的可用资源是个多维向量,而每一维即是云 主机的各种资源之一,同时每个Docker容器所需的资源也是一个多维向量。目 标是将多个Docker容器分配给多个云主机,使得云主机资源利用率最大化,即 申请的云主机数目最少。
本发明从资源提供者的角度出发,以申请最少的云主机HM来完成Docker 容器的部署,同时保证部署的时间开销尽量小为目标,Docker容器类型与HM的 对应关系已经明确,所以本发明中Docker部署问题可以描述为:
针对集合D={d1,d2,…,dn},di={ci,mi,ioi,bi}和集合H={h1,h2,…,hm}, hj={Cj,Mj,IOj,Bj},集合H为可以部署D中所有容器的最小集合,建立映射f:D→H, 要求
min|H|;(1)
其中,D={d1,d2,…,dn}表示由n个Docker容器组成的集合,di={ci,mi,ioi,bi}表示第i个Docker容器,ci表示第i个Docker容器所需CPU大小,mi表示第i 个Docker容器所需内存大小,ioi表示第i个Docker容器所需I/O能力,bi表 示第i个Docker容器期望带宽。H={h1,h2,…,hm}表示最多可以申请的m个云主 机的集合,Cj为第j个云主机的CPU数量,Mj为第j个云主机的内存大小,IOj为第j个云主机的I/O性能,Bj为第j个云主机的带宽。由于在云上申请主机 来部署Docker容器,所以认为ci<<Cj,mi<<Mj,ioi<<IOj,bi<<Bj, 即认为云主机资源丰富。
装箱问题的求解算法有很多,其中启发式算法包括优先适应算法、最佳适 应算法、降序优先适应算法、降序最佳适应算法等,其中,降序最佳适应算法 (best fitdecreasing,BFD)相对其他几种算法对于上述问题的目标实现更加 适用,其先将待装箱的物品按照体积大小降序排列,然后依次寻找最合适的箱 子将其装入。
本发明中,以最终占用箱子的数目最少为目标,结合灾难恢复的实际情况, 提出了一种资源预分配算法,该算法把装箱问题与容器资源调度相融合,并对 降序最佳适应算法进行改进,对占用资源超过一半的盒子优先进行资源分配, 以此降低算法的时间复杂度,在保证提高资源利用率的前提下,降低Docker容 器部署的时间开销,提高灾难恢复的速度。
本发明提出的资源预分配算法的基本思想是,将所有的Docker容器按照一 定的规则进行降序排列,结合灾备的实际情况,为了节省资源,降低成本,这 里所需的初始的云主机H数目为0,随着Docker容器的分配来按需申请一定数 量的云主机。
如果直接引入BFD算法,依次为降序排列后的Docker容器寻找最适合的宿 主机,也就是当前各项资源满足该Docker容器的资源需求,且所能提供资源最 少的一个云主机,若找不到满足要求的宿主机,则申请新的云主机。这样,每 次都需遍历所有已经存在的云主机,然后进行比较判断并做出选择,假设当前 有m台主机,分配一个容器调度的时间复杂度为O(m),本发明中对算法进行如 下改进:
(1)对于排序后所占资源超过云主机一半的容器,不需要依次遍历已经存 在的云主机,直接将其部署到该云主机上即可,那么分配这个容器的时间复杂 度仅为O(1)。
(2)在遍历已存在云主机的过程中,找到一个恰好满足当前容器要求的主 机时,即此主机没有剩余资源供其他容器部署,此时遍历结束,将容器部署到 当前主机,并将当前主机在主机遍历列表中移除。
而要想实现上述方法,Docker容器和云主机的资源量化是前提,本发明考虑 的资源主要包括CPU,内存,带宽和I/O,将资源量化方式定义为,
R=αC+βM+χIO+δB;(6)
其中,α,β,χ,δ分别为用户根据不同场景自定义的CPU,内存,I/O和 带宽资源的比例系数。
则应用本发明提供的方法,可以输入:D={d1,d2,…,dn},H={},则输出:Docker容器和云主机的部署映射关系f,完成Docker容器在云平台上的部署,在满足 各种应用服务级目标的同时,达到资源使用的最优化。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:本发明提供 的基于Docker的异构虚拟计算灾备的方法,将Docker运用于云灾备环境当中, 利用其相对虚拟机所存在的轻量级、便携性的优势,进一步缩短灾难恢复的时 间,保证业务的连续性,Docker将应用及系统“容器化”,无需额外的操作系统, 只需要减少或添加镜像就可以在一台服务器上部署上千个容器,极大的节约成 本,确保资源的合理利用;另外,通过一种资源预分配的调度算法,使得分配 后申请的节点数目最少,降低云主机的开销,更大程度的节约成本,达到资源 使用的最优化。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技 术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这 些改进和润饰也应视本发明的保护范围。
Claims (4)
1.一种基于Docker的异构虚拟计算灾备的方法,其特征在于,包括如下步骤:
S1,将应用部署到多个Docker容器中;
S2,按照下式计算每个Docker容器的资源需求量以及一台云主机可提供的资源量Rh:
其中,α,β,χ,δ分别为用户根据不同场景自定义的CPU,内存,I/O和带宽资源的比例系数;
S3,对所有的Docker容器按照资源需求量进行降序排列,得到D′={d′1,d′2,…d′i…d′n},n为所有的Docker容器的数量;
S4,比较每个Docker容器的资源需求量与一台云主机可提供的资源量Rh之间的大小关系,满足预设条件的k个Docker容器组成降序排列的集合D″={d″1,d″2,…d″i…d″k},不满足预设条件的n-k个Docker容器组成降序排列的集合D″′={d″′1,d″′2,…d″′i…d″′n-k};
S5,在云平台上申请k台云主机,将D″中的元素依次部署到这k台主机上,记为:f:d″i|→hj,令Cj=Cj-c″i,Mj=Mj-m″i,IOj=IOj-io″i,Bj=Bj-b″i,则,k台云主机集合为H={h1,h2,…hj…hk},得到D″到H的映射关系:f:D″→H;
S6,依次遍历D″′中的元素d″′i,在H={h1,h2,…hj…hk}中寻找满足条件c″′i≤Cj,m″′i≤Mj,io″′i≤IOj,b″′i≤Bj,且当前可提供的资源量最小的云主机hj,若找到满足条件的云主机hj,则将该容器部署到该云主机hj上;若没有找到满足要求的云主机,则在云平台上申请一台新的云主机,将该容器部署到新的云主机上,并在云主机的集合H中增加该新的云主机;其中,将Docker容器部署到合适的云主机上,记为:f:d″′i|→hj,令Cj=Cj-c″′i,Mj=Mj-m″′i,IOj=IOj-io″′i,Bj=Bj-b″′i,得到D″′到H的映射关系:f:D″′→H;
S7,将S5和S6中得到的映射关系进行合并,得到全部Docker容器与云主机的映射关系:f:D→H。
2.如权利要求1所述的基于Docker的异构虚拟计算灾备的方法,其特征在于,S4中,所述预设的大小关系条件为,
3.如权利要求1所述的基于Docker的异构虚拟计算灾备的方法,其特征在于,S6中,若遍历过程中,找到一台云主机可提供的资源量等于当前Docker容器d″′i的资源需求量此时这台云主机即为当前Docker容器最合适的云主机,则将当前Docker容器d″′i部署到这台主机上,同时在云主机集合H中删除这台主机。
4.如权利要求1所述的基于Docker的异构虚拟计算灾备的方法,其特征在于,S6中,若找到多个满足条件的云主机hj,则按照遍历顺序选择j小的那台云主机进行部署。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810838707.8A CN109144777A (zh) | 2018-07-27 | 2018-07-27 | 一种基于Docker的异构虚拟计算灾备的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810838707.8A CN109144777A (zh) | 2018-07-27 | 2018-07-27 | 一种基于Docker的异构虚拟计算灾备的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109144777A true CN109144777A (zh) | 2019-01-04 |
Family
ID=64797972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810838707.8A Pending CN109144777A (zh) | 2018-07-27 | 2018-07-27 | 一种基于Docker的异构虚拟计算灾备的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109144777A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109814812A (zh) * | 2019-02-12 | 2019-05-28 | 中天宽带技术有限公司 | 基于内容碎片化放置的快速数据转移方法 |
CN110661707A (zh) * | 2019-08-30 | 2020-01-07 | 广西盟创智慧科技有限公司 | 一种基于Docker的虚拟路由器平台 |
CN110727547A (zh) * | 2019-09-11 | 2020-01-24 | 上海爱数信息技术股份有限公司 | 一种保护Docker应用容器的系统及方法 |
CN110990160A (zh) * | 2019-12-27 | 2020-04-10 | 广西电网有限责任公司 | 一种基于负荷预测的静态安全分析容器云弹性伸缩方法 |
CN111190696A (zh) * | 2019-12-28 | 2020-05-22 | 浪潮电子信息产业股份有限公司 | Docker容器的部署方法、系统、设备及存储介质 |
CN111984366A (zh) * | 2020-07-24 | 2020-11-24 | 苏州浪潮智能科技有限公司 | 一种容器化部署灾备机制的方法和系统 |
CN113010296A (zh) * | 2021-04-01 | 2021-06-22 | 上海交通大学 | 基于形式化模型的任务解析与资源分配方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105357296A (zh) * | 2015-10-30 | 2016-02-24 | 河海大学 | 一种Docker云平台下弹性缓存系统 |
CN107423619A (zh) * | 2016-05-23 | 2017-12-01 | 中国科学院声学研究所 | 一种基于虚拟化技术构建智能终端web运行时的方法 |
-
2018
- 2018-07-27 CN CN201810838707.8A patent/CN109144777A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105357296A (zh) * | 2015-10-30 | 2016-02-24 | 河海大学 | 一种Docker云平台下弹性缓存系统 |
CN107423619A (zh) * | 2016-05-23 | 2017-12-01 | 中国科学院声学研究所 | 一种基于虚拟化技术构建智能终端web运行时的方法 |
Non-Patent Citations (1)
Title |
---|
李蒙 等: ""一种基于Docker的灾难恢复方案"", 《中国科技论文在线》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109814812A (zh) * | 2019-02-12 | 2019-05-28 | 中天宽带技术有限公司 | 基于内容碎片化放置的快速数据转移方法 |
CN109814812B (zh) * | 2019-02-12 | 2022-03-01 | 中天宽带技术有限公司 | 基于内容碎片化放置的快速数据转移方法 |
CN110661707A (zh) * | 2019-08-30 | 2020-01-07 | 广西盟创智慧科技有限公司 | 一种基于Docker的虚拟路由器平台 |
CN110661707B (zh) * | 2019-08-30 | 2021-09-14 | 广西盟创智慧科技有限公司 | 一种基于Docker的虚拟路由器平台 |
CN110727547A (zh) * | 2019-09-11 | 2020-01-24 | 上海爱数信息技术股份有限公司 | 一种保护Docker应用容器的系统及方法 |
CN110990160A (zh) * | 2019-12-27 | 2020-04-10 | 广西电网有限责任公司 | 一种基于负荷预测的静态安全分析容器云弹性伸缩方法 |
CN111190696A (zh) * | 2019-12-28 | 2020-05-22 | 浪潮电子信息产业股份有限公司 | Docker容器的部署方法、系统、设备及存储介质 |
CN111984366A (zh) * | 2020-07-24 | 2020-11-24 | 苏州浪潮智能科技有限公司 | 一种容器化部署灾备机制的方法和系统 |
CN111984366B (zh) * | 2020-07-24 | 2023-01-06 | 苏州浪潮智能科技有限公司 | 一种容器化部署灾备机制的方法和系统 |
CN113010296A (zh) * | 2021-04-01 | 2021-06-22 | 上海交通大学 | 基于形式化模型的任务解析与资源分配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109144777A (zh) | 一种基于Docker的异构虚拟计算灾备的方法 | |
US10985989B2 (en) | Cross layer signaling for network resource scaling | |
US11442790B2 (en) | Resource scheduling system, method and server for ensuring high availability of services | |
US10489343B2 (en) | Cluster file system comprising data mover modules having associated quota manager for managing back-end user quotas | |
CN109791504B (zh) | 针对应用容器的动态资源配置 | |
US10129101B2 (en) | Application driven and adaptive unified resource management for data centers with Multi-Resource Schedulable Unit (MRSU) | |
US10084658B2 (en) | Enhanced cloud demand prediction for smart data centers | |
US10862992B2 (en) | Resource cache management method and system and apparatus | |
WO2017080172A1 (zh) | 网络调度方法和系统 | |
CN103294548B (zh) | 一种基于分布式文件系统的io请求调度方法和系统 | |
US10505863B1 (en) | Multi-framework distributed computation | |
WO2017088393A1 (zh) | 带宽分配方法及系统 | |
CN105979273A (zh) | 基于大数据及云计算的智能商用电视的云监控与云运维 | |
CN108509280B (zh) | 一种基于推送模型的分布式计算集群本地性调度方法 | |
CN104580194B (zh) | 面向视频应用的虚拟化资源管理方法及装置 | |
US11297141B2 (en) | Filesystem I/O scheduler | |
CN105577727A (zh) | 一种云计算虚拟机管理平台系统 | |
CN105592110A (zh) | 一种资源调度方法及装置 | |
Liu et al. | Elasecutor: Elastic executor scheduling in data analytics systems | |
WO2021259246A1 (zh) | 资源调度方法和装置、电子设备、计算机可读存储介质 | |
Ma et al. | vLocality: Revisiting data locality for MapReduce in virtualized clouds | |
US8341368B2 (en) | Automatic reallocation of structured external storage structures | |
US11635919B1 (en) | Safe sharing of hot and cold memory pages | |
US11223675B2 (en) | Hash data structure biasing | |
CN106101016A (zh) | 调度方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |