CN109783237A - 一种资源配置方法及装置 - Google Patents
一种资源配置方法及装置 Download PDFInfo
- Publication number
- CN109783237A CN109783237A CN201910046059.7A CN201910046059A CN109783237A CN 109783237 A CN109783237 A CN 109783237A CN 201910046059 A CN201910046059 A CN 201910046059A CN 109783237 A CN109783237 A CN 109783237A
- Authority
- CN
- China
- Prior art keywords
- service
- equipment
- service equipment
- resource
- attribute
- 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
Abstract
本发明涉及资源共享领域,尤其涉及一种资源配置方法及装置。本发明根据业务请求方的业务接入请求,对设备集群中的各设备的静态信息和动态能力信息进行筛选,获得满足待接入业务需求的可接入设备,并将这些可接入设备的业务资源信息返回给业务请求方,以便业务请求方根据业务资源信息接入相应的设备。其在现有设备集群的基础上,通过筛选逻辑使可接入设备精准匹配待接入业务需求,提升了集群资源的利用率。
Description
技术领域
本发明涉及资源共享领域,尤其涉及一种资源配置方法及装置。
背景技术
随着云计算资源分配逐步朝着细粒度、轻量化的方向发展,与传统资源池中应用主要运行在物理服务器上不同,虚拟机、容器等技术在资源池中得到广泛应用。
物理服务器、虚拟机、容器作为资源隔离方式,各有优缺点,由于应用类型、需求不同,资源池中运行的各种应用对资源类型的要求各不相同。
在现有的业务资源池资源管理方案中,用户一般可以选择使用的资源类型,在多种资源类型融合的资源池中,主要存在以下几个问题:没有量化指标去了解各种类型资源以及各种资源所能够提供的性能基准指标;用户往往倾向于申请能力更强的资源,而非与业务需求匹配的资源,造成资源浪费;资源池无法根据资源剩余情况去合理分配和规划资源。在当前的资源处理方案中,一旦用户提出的业务资源需求不能被满足,主要做法是从新增设备角度出发,筛选出可服务的设备机型批量上架,水平扩容资源量,来满足业务资源需求,这进一步加重了资源浪费。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
针对现有技术的上述问题,本发明的目的在于提供一种资源配置方法及装置,能够通过筛选逻辑为业务请求方提供适配的设备,提升资源利用率。
一方面,本发明提供一种资源配置方法,包括:
接收业务请求方发送的业务接入请求,所述业务接入请求包含资源特征、资源数量和业务属性;
根据设备集群中各设备的静态信息和所述资源特征确定可服务设备,统计所述可服务设备的数量;
当所述可服务设备的数量不小于所述资源数量时,根据所述业务属性和所述可服务设备的动态属性计算所述可服务设备的动态能力信息;
判断所述可服务设备的动态能力信息是否满足预设条件,将满足预设条件的可服务设备确定为可接入设备;
将所述可接入设备的业务资源信息返回至所述业务请求方。
另一方面,本发明还提供一种资源配置装置,所述装置包括:
接收单元,用于接收业务请求方发送的业务接入请求,所述业务接入请求包含资源特征、资源数量和业务属性;
统计单元,用于根据设备集群中各设备的静态信息和所述资源特征确定可服务设备,统计所述可服务设备的数量;
计算单元,用于在所述可服务设备的数量不小于所述资源数量时,根据所述业务属性和所述可服务设备的动态属性计算所述可服务设备的动态能力信息;
确定单元,用于判断所述可服务设备的动态能力信息是否满足预设条件,将满足预设条件的可服务设备确定为可接入设备;
发送单元,用于将所述可接入设备的业务资源信息返回至所述业务请求方。
优选地,所述资源特征包括设备所处地域;所述统计单元还用于:判断各设备的静态信息中的地域信息是否与所述资源特征相同;当所述设备的地域信息与所述资源特征相同时,判定所述设备为可服务设备;当所述设备的地域信息与所述资源特征不同时,判定所述设备不是可服务设备。
优选地,所述历史数据包括设备在预设周期内的无故障时间和业务失败次数;所述资源数据包括空闲内存、缓存容量、CPU核数、CPU峰值和进程数;
所述计算单元的计算模块包括:
第一计算子模块,用于为所述可服务设备设置默认分值,每台可服务设备的默认分值相同;根据所述可服务设备的无故障时间确定所述可服务设备的加分分值,根据所述可服务设备的业务失败次数确定所述可服务设备的减分分值;根据所述默认分值、所述加分分值和所述减分分值,计算所述可服务设备的稳定性分值;
第二计算子模块,用于判断所述业务属性是否为IO型;如果所述业务属性为IO型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第一权重,计算所述可服务设备的可用内存;如果所述业务属性不是IO型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第二权重,计算所述可服务设备的可用内存;
第三计算子模块,用于根据所述可服务设备的CPU核数和进程数确定所述可服务设备的空闲算力;根据所述可服务设备的CPU峰值确定所述可服务设备的剩余算力;根据所述空闲算力和所述剩余算力,计算所述可服务设备的可用算力。
优选地,所述装置还包括筛选单元,所述筛选单元用于:判断所述所述可接入设备的数量是否大于所述资源数量;如果所述可接入设备的数量大于所述资源数量,对所述可接入设备按照可用内存从小到大排序;按照所述可接入设备的可用内存的大小,从小到大选取与所述资源数量数目一致的可接入设备。相应地,所述发送单元还用于:将选取的与所述资源数量数目一致的可接入设备的业务资源信息返回至所述业务请求方。
由于上述技术方案,本发明具有如下有益效果:
本发明提供一种资源配置方案,其根据业务请求方的业务接入请求,对设备集群中的各设备的静态信息和动态能力信息进行筛选,获得满足业务请求方业务需求的可接入设备,并将这些可接入设备的业务资源信息返回给业务请求方,以便业务请求方根据业务资源信息接入相应的设备。本发明供给业务请求方的业务处理能力均从已有设备集群中挖掘,而非购买新设备获得,在满足业务需求的基础上大幅节约了成本;通过对集群中的设备进行精细化筛选,提升了集群资源的利用率,降低了资源闲置率;同时,通过筛选逻辑对设备性能进行筛选,能够积累大量的设备混合部署的经验数据,可为新增设备的选型提供数据基础。
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和优点,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的介绍,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它附图。
图1是本发明实施例提供的资源配置方法的一种可选系统架构示意图;
图2是本发明实施例提供的资源配置方法的原理示意图;
图3是本发明实施例提供的业务请求方、资源配置装置和设备集群三方交互的示意图;
图4是本发明实施例提供的资源配置装置统计信息的示例图;
图5是本发明实施例提供的资源配置方法的流程示例图;
图6是本发明实施例提供的计算稳定性分值的方法流程图;
图7是本发明实施例提供的计算可用内存的方法流程图;
图8是本发明实施例提供的计算可用算力的方法流程图;
图9是本发明实施例提供的资源配置装置的结构框图。
图10是本发明实施例提供的一种服务器的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
对于计算业务的资源需求,传统的做法是从新增设备角度出发,筛选出可服务的设备机型批量上架,水平扩容资源量,而不是在已有设备集群中挖掘,构建可服务的业务资源池,造成设备量和设备类型越积越多,机器的可服务能力差异扩大,资源得不到合理利用的困境。
为解决上述问题,本发明实施例从业务需求出发,对已有设备集群进行挖掘,通过对设备多层分级,垂直挖掘单机可用资源,构建业务资源池,来盘活已有设备的计算力。
下面结合附图对本发明实施例中的技术方案进行清楚、完整的描述。
图1是本发明实施例提供的资源配置方法的一种可选系统架构示意图。请参见图1,该系统架构可以包括业务请求方、资源配置装置和设备集群。
具体的,所述设备集群由多个设备构成,各设备具有不同的静态信息和动态属性,其中,静态信息包含所处地域、所在机房、设备机型、OS版本、服务年限、是否外网等信息,动态属性可以通过设备的单机资源和历史故障数据反映,根据设备的静态信息和动态属性可以确定设备侧重的业务处理能力,例如处理能力偏重流量型、IO型或者计算型,从而为设备构建设备实时画像。
具体的,所述业务请求方可以包括智能手机、台式电脑、平板电脑、笔记本电脑、数字助理、智能可穿戴设备等类型的实体设备;其中,智能可穿戴设备可以包括智能手环、智能手表、智能眼镜、智能头盔等。当然,所述业务请求方并不限于上述具有一定实体的电子设备,其还可以为运行于上述电子设备中的软体。具体的,例如,所述业务请求方可以为微信、微博等服务商提供给用户的网页页面,也可以为该些服务商提供给用户的应用。
具体的,所述资源配置装置可内置于终端或者服务器,所述服务器可以包括一个独立运行的服务器,或者分布式服务器,或者由多个服务器组成的服务器集群。所述资源配置装置分别与所述业务请求方和设备集群进行数据交互,包括:接收设备集群上报的静态信息和动态属性,根据静态信息和动态属性为设备构建设备实时画像;接收业务请求方发送的业务接入请求;根据设备实时画像筛选出与所述业务接入请求匹配的设备,将筛选出的设备的业务资源信息返回给业务请求方,为业务请求方配置适合的资源。
显然,上述系统架构仅是一种可选示例,进行资源配置的装置的位置和连接并不限于上述示例,可以根据具体的系统情况和要求而调整。
以下介绍本发明的资源配置方法的一种实施例,图2是本发明实施例提供的资源配置方法的原理示意图,该示意图从业务接入角度出发描述了资源配置方法的逻辑,请参见图2,该资源配置方法的逻辑包括:
业务接入时填写申请单,申请单上有业务请求方评估的cpu性能、内存需求量、流量上限值、所在地域等信息;根据申请单信息,确定业务请求方所请求业务的业务类型;根据设备集群中各设备的设备实时画像,将满足业务请求的设备聚合形成业务资源池,生成可服务该业务的设备的业务资源信息;如果业务资源信息的数量不小于业务需求量,还可以进一步按照设备的可用内存从小到大对设备进行排序,截取出与业务需求量相同的业务资源信息;设备上线服务业务后,设备的资源画像会实时修改更新,继续对接下个业务的接入。
其中,业务类型包括流量型、IO(Input/Output,输入/输出)型和计算型。流量型任务的特点是对流量的要求是首位的,可能遇到大资源、重复请求、调用响应慢、调用失败等各种情况;因而对内存及流量要求高,以加快请求的响应。IO型,涉及到网络、磁盘IO的任务都是IO型任务,这类任务的特点是CPU消耗很少,任务的大部分时间都在等待IO操作完成(因为IO的速度远远低于CPU和内存的速度)。对于IO型任务,任务越多,CPU效率越高,但也有一个限度。常见的大部分任务都是IO型任务,比如Web应用。计算型任务的特点是要进行大量的计算,消耗CPU资源,比如计算圆周率、对视频进行高清解码等等,全靠CPU的运算能力。这种计算型任务虽然也可以用多任务完成,但是任务越多,花在任务切换的时间就越多,CPU执行任务的效率就越低,所以,要高效地利用CPU,计算型任务同时进行的数量应当接近CPU的核心数,因此,计算型对CPU核心数的要求更高。
以下基于上述原理介绍本发明资源配置方法的一种实施例,图3是本发明实施例提供的业务请求方、资源配置装置和设备集群三方交互的示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。请参见图3,该资源配置方法包括:
S301:设备集群中各设备采集自身的静态信息和动态属性。
其中,所述静态信息可以包括如图4所示的地域、机房、机型、OS版本、服务年限、是否外网等信息,业务请求方可对设备的静态信息进行限定,从而筛选出符合自身业务需要的设备;所述动态属性包括单机资源和历史数据,其中,单机资源包括剩余流量、磁盘空间、空闲内存、缓存容量、CPU核数、CPU峰值、进程数等信息,历史数据包括预设周期内的无故障时间和业务失败次数,该预设周期可以为单月,当然,也可以是其他时间长度,所述历史数据可用于计算设备的稳定性分值,所述单机资源可用于计算设备的可用内存和可用算力。
此外,历史数据还可以包含设备的流转情况,例如设备两次流转的间隔时长。
S303:各设备将静态信息和动态属性发送给资源配置装置。
S305:业务请求方向资源配置装置发送业务接入请求,所述业务接入请求包含资源特征、资源数量和业务属性。
其中,所述资源特征是指业务请求方请求接入的业务要求接入设备具备的特征,例如可以是设备所在地域、设备的机型等;所述资源数量是指完成该业务所需的设备数量;所述业务属性反映请求接入的业务偏重的设备性能,业务属性可以通过业务请求方评估的设备CPU性能、内存需求以及流量上限来体现,如果业务请求对CPU性能做出明确要求,可以确定该业务的业务属性为计算型,如果业务请求对内存需求做出明确要求,可以确定该业务的业务属性为IO型,如果业务请求对流量上限做出明确要求,可以确定该业务的业务属性为流量型。
具体实施时,可以在业务侧设置多个条件选项,例如设备地域、机房、机型、OS版本、服务年限、是否外网等,业务请求方可根据自身业务需要设置筛选条件,其中,设备所在地域是必选条件,其他如机房、机型、OS版本、服务年限等为可选条件;一般而言,在所需设备数量不大的情况下,可以设置更具体的筛选条件,从而找到匹配度更高的设备,如果所需设备数量较大,且设置较多的筛选条件,则可能找不到足够数量的设备,此种情况下,需要减少筛选条件,放宽条件要求,来获得足够的资源数。
S307:资源配置装置根据各设备的静态信息和资源特征确定可服务设备,统计可服务设备的数量。
在一个可能的实施方式中,如果设备的静态信息包含所述资源特征,则可以将该设备确定为可服务设备,即该设备符合业务请求方对资源特征的要求。例如,当资源特征为设备所在地域时,如果设备的静态信息中的地域信息与该资源特征相同,确定该设备为可服务设备。遍历设备集群中各设备的静态信息,找到静态信息包含所述资源特征的设备,统计这些设备的数量,即获得可服务设备的数量。
在确定可服务设备之前,还可以根据设备的流转情况对设备进行初步划分,例如,如果设备两次流转的间隔时长达到预设时间(如30天),将其划入在线池,反之,如果设备两次流转的间隔时长没有达到预设时间,将其划入离线池。在向业务接入方反馈可接入设备的业务资源信息时,可以优先考虑从在线池中挑选可接入设备,使设备集群中各设备得到充分利用。
S309:当可服务设备的数量不小于资源数量时,资源配置装置提取可服务设备的动态属性,根据所述业务属性和所述动态属性计算可服务设备的动态能力信息。
在一个可能的实施方式中,资源配置装置判断可服务设备的数量是否不小于业务接入请求包含的资源数量;如果可服务设备的数量小于所述资源数量,可以通知业务请求方当前资源不满足业务接入要求,还可以建议业务请求方调整业务接入请求对应的条件;如果可服务设备的数量不小于所述资源数量,可从设备的动态属性中提取获得可服务设备的动态属性,根据动态属性和所述业务接入请求包含的业务属性计算可服务设备的动态能力信息。具体的,所述动态能力信息可以用数值或者字符表示,当用字符表示所述动力能力信息时,可以采用表征设备业务处理能力的级别,如高、中、低,当然,字符表示的动态能力信息也可以转换成对应的数值。本实施例中,动态能力信息用数值表示,动态能力信息不是单个数值,而是由三段数值组合构成,包括稳定性分值、可用内存和可用算力。
在一个可能的实施方式中,所述计算可服务设备的动态能力信息可以包括:根据所述可服务设备的历史数据计算所述可服务设备的稳定性分值,根据所述业务属性和所述可服务设备的资源数据计算所述可服务设备的可用内存,根据所述可服务设备的资源数据计算所述可服务设备的可用算力。
具体的,所述根据所述可服务设备的历史数据计算所述可服务设备的稳定性分值可以包括:为所述可服务设备设置默认分值,每台可服务设备的默认分值相同;根据所述可服务设备的无故障时间确定所述可服务设备的加分分值,根据所述可服务设备的业务失败次数确定所述可服务设备的减分分值;根据所述默认分值、所述加分分值和所述减分分值,计算所述可服务设备的稳定性分值。
所述根据所述业务属性和所述可服务设备的资源数据计算所述可服务设备的可用内存包括:判断所述业务属性是否为IO型;如果所述业务属性为IO型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第一权重,计算所述可服务设备的可用内存;如果所述业务属性不是IO型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第二权重,计算所述可服务设备的可用内存。
所述根据所述可服务设备的资源数据计算所述可服务设备的可用算力包括:根据所述可服务设备的CPU核数和进程数确定所述可服务设备的空闲算力;根据所述可服务设备的CPU峰值确定所述可服务设备的剩余算力;根据所述空闲算力和所述剩余算力,计算所述可服务设备的可用算力。
S311:资源配置装置判断可服务设备的动态能力信息是否满足预设条件,将满足预设条件的可服务设备确定为可接入设备。
在一个可能的实施方式中,可以根据所述业务接入请求包含的所述业务属性查找获得对应的阈值,根据阈值和动力能力信息判断可服务设备是否满足预设条件。具体可以包括:获取与所述业务属性对应的阈值,所述阈值包括稳定性阈值、可用内存阈值和可用算力阈值;将所述可服务设备的稳定性分值与所述稳定性阈值、所述可用内存与所述可用内存阈值、所述可用算力与所述可用算力阈值分别进行比对;如果所述可服务设备的稳定性分值大于所述稳定性阈值、所述可用内存大于所述可用内存阈值且所述可用算力大于所述可用算力阈值,判定所述可服务设备的动态能力信息满足预设条件;如果所述可服务设备的稳定性分值不大于所述稳定性阈值、所述可用内存不大于所述可用内存阈值或者所述可用算力不大于所述可用算力阈值,判定所述可服务设备的动态能力信息不满足预设条件。
在一个可能的实施方式中,当所述业务属性为流量型时,其对应的阈值除了与所述流量型业务属性对应的稳定性阈值、可用内存阈值和可用算力阈值以外,还包括业务请求方限定的流量上限;相应的,判断可服务设备的动态能力信息是否满足预设条件的方法包括:将可服务设备的稳定性分值与所述稳定性阈值、所述可用内存与所述可用内存阈值、所述可用算力与所述可用算力阈值分别进行比对,以及将可服务设备的剩余流量与所述流量上限进行比对;如果可服务设备的稳定性分值大于所述稳定性阈值、所述可用内存大于所述可用内存阈值、所述可用算力大于所述可用算力阈值且所述剩余流量不低于所述流量上限,则判定所述可服务设备的动态能力信息满足预设条件;如果所述可服务设备的稳定性分值不大于所述稳定性阈值、所述可用内存不大于所述可用内存阈值、所述可用算力不大于所述可用算力阈值或者所述剩余流量低于所述流量上限,判定所述可服务设备的动态能力信息不满足预设条件。
S313:资源配置装置向业务请求方返回可接入设备的业务资源信息。
其中,所述业务资源信息可以是可接入设备的IP地址。
在一个可能的实施方式中,资源配置装置可以将所有可接入设备的业务资源信息发送给业务请求方。
在另一个实施方式中,资源配置装置从可接入设备中筛选出与业务接入请求所需资源数量数目相同的可接入设备,然后将筛选出的可接入设备的业务资源信息返回给业务请求方。具体可以包括:判断所述所述可接入设备的数量是否大于所述资源数量;如果所述可接入设备的数量大于所述资源数量,对所述可接入设备按照可用内存从小到大排序;按照所述可接入设备的可用内存的大小,从小到大选取与所述资源数量数目一致的可接入设备;将选取的与所述资源数量数目一致的可接入设备的业务资源信息返回至所述业务请求方。向业务请求方返回与资源数量数目一致的可接入设备的业务资源信息,可以明确业务请求方未来可能使用的设备,及时更改这些设备的相关信息,为后续其他业务接入提供便利。采用对可接入设备的可用内存排序并选取其中可用内存较小的可接入设备的业务资源信息发送给业务请求方,既可以满足本次业务的需求,又能为后续业务接入预留资源,提升了现有设备集群的资源利用率。
以下介绍本发明资源配置方法的一种实施例,图5是本发明实施例提供的资源配置方法的流程示例图,该流程可以由资源配置装置执行实现,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。请参见图5,该资源配置方法包括:
步骤S501:接收业务请求方发送的业务接入请求,所述业务接入请求包含资源特征、资源数量和业务属性。
其中,所述资源特征是指业务请求方请求接入的业务要求接入设备具备的特征,例如可以是设备所在地域、设备的机型等;所述资源数量是指完成该业务所需的设备数量;所述业务属性反映请求接入的业务偏重的设备性能,业务属性可以通过业务请求方向评估的设备CPU性能、内存需求以及流量上限来体现,如果业务请求对CPU性能做出明确要求,可以确定该业务的业务属性为计算型,如果业务请求对内存需求做出明确要求,可以确定该业务的业务属性为IO型,如果业务请求对流量上限做出明确要求,可以确定该业务的业务属性为流量型。
步骤S503:根据设备集群中各设备的静态信息和所述资源特征确定可服务设备,统计所述可服务设备的数量。
其中,所述静态信息可以包括设备地域、机房、机型、OS版本、服务年限、是否外网等信息;所述动态属性包括资源数据和历史数据,其中,资源数据包括剩余流量、磁盘空间、空闲内存、缓存容量、CPU核数、CPU峰值、进程数等信息,历史数据包括预设周期内的无故障时间和业务失败次数,该预设周期可以为单月或者其他时间长度。
在一个可能的实施方式中,所述资源特征包括设备所处地域。相应地,所述根据设备集群中各设备的静态信息和所述资源特征确定可服务设备包括:判断各设备的静态信息中的地域信息是否与所述资源特征相同;如果所述设备的地域信息与所述资源特征相同,判定所述设备为可服务设备;如果所述设备的地域信息与所述资源特征不同,判定所述设备不是可服务设备。
步骤S505:当所述可服务设备的数量不小于所述资源数量时,根据所述业务属性和所述可服务设备的动态属性计算所述可服务设备的动态能力信息。
在一个可能的实施方式中,步骤S505之前,还包括:判断可服务设备的数量是否不小于业务接入请求包含的资源数量;如果可服务设备的数量小于所述资源数量,通知业务请求方当前资源不满足业务接入要求,建议业务请求方调整业务接入请求对应的条件;如果可服务设备的数量不小于所述资源数量,从设备的动态属性中提取获得可服务设备的动态属性,根据动态属性和所述业务接入请求包含的业务属性计算可服务设备的动态能力信息。
具体的,所述动态能力信息可以用数值或者字符表示,当用字符表示所述动力能力信息时,可以采用表征设备业务处理能力的级别,如高、中、低,当然,字符表示的动态能力信息也可以转换成对应的数值。本实施例中,动态能力信息用数值表示,动态能力信息不是单个数值,而是由三段数值组合构成,包括稳定性分值、可用内存和可用算力。
所述根据所述业务属性和所述可服务设备的动态属性计算所述可服务设备的动态能力信息可以包括:接收设备集群中各设备上报的动态属性,所述动态属性包括资源数据和历史数据;从所述设备上报的动态属性中提取所述可服务设备的动态属性;根据所述可服务设备的历史数据计算所述可服务设备的稳定性分值,根据所述业务属性和所述可服务设备的资源数据计算所述可服务设备的可用内存,根据所述可服务设备的资源数据计算所述可服务设备的可用算力。
图6是本发明实施例提供的计算稳定性分值的方法流程图。请参见图6,计算所述可服务设备的稳定性分值包括:
S601:为所述可服务设备设置默认分值,每台可服务设备的默认分值相同;
S603:根据所述可服务设备的无故障时间确定所述可服务设备的加分分值,根据所述可服务设备的业务失败次数确定所述可服务设备的减分分值;
S605:根据所述默认分值、所述加分分值和所述减分分值,计算所述可服务设备的稳定性分值。
具体的,对所述默认分值、所述加分分值和所述减分分值进行求和,得到所述可服务设备的稳定性分值。
本发明实施例对设备进行动态打分获得动态能力信息,动态能力信息主要是对设备的稳定性、可用内存和可用算力执行量化描述。其中稳定性分值可以参考业务及设备的故障数据。示例性的,打分逻辑如下表:
注:(1)初始上架机器score为N,N为设备集群分值的中间值;(2)设备上下架、重启时分数重置。
加分点主要分成日、周和月来执行;加分策略如下
1)单日无故障,稳定数值+1;
2)单周无故障,稳定数值+3;
3)单月无故障,稳定数值+10。
减分策略主要是按日展开:
1)连续2天不稳定,稳定数值–1;
2)周内或者月内连续多天不稳定,不做周月奖励式加分。
最后,对N、加分分值和减分分值进行求和计算得到该设备的稳定性分值。
图7是本发明实施例提供的计算可用内存的方法流程图。请参见图7,计算所述可服务设备的可用内存可以包括:
S701:获取所述业务属性和所述可服务设备的资源数据;
S703:判断所述业务属性是否为IO型;
S705:如果所述业务属性为IO型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第一权重,计算所述可服务设备的可用内存;
S707:如果所述业务属性不是IO型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第二权重,计算所述可服务设备的可用内存。
其中,所述第二权重大于第一权重。由于IO型业务对可用内存的要求较之非IO型业务对可用内存的要求更低,因此,剩余内存在可用内存中的占比更小,第一权重和第二权重可以反映设备的内存实力,以上对IO型和非IO型采用不同计算方式计算可用内存,可以使计算结果更精确的反映设备的处理能力,实现与业务需求的精准匹配。
示例性的,可用内存通过统计设备的buffer及free内存计算获取,available_mem(可用内存)可按照以下公式计算:
available_mem=(buffer+cache)*factor
其中factor根据业务属性确定。例如,在非重IO的逻辑池中,可用内存的计算采用0.8*(buffer+free)得到,重IO的逻辑池中,可用内存使用0.5*(buffer+free)的数值。
图8是本发明实施例提供的计算可用算力的方法流程图。请参见图8,计算所述可服务设备的可用算力可以包括:
S801:根据所述可服务设备的CPU核数和进程数确定所述可服务设备的空闲算力;
S803:根据所述可服务设备的CPU峰值确定所述可服务设备的剩余算力;
S805:根据所述空闲算力和所述剩余算力,计算所述可服务设备的可用算力。优选地,所述空闲算力和所述剩余算力求和即为所述可服务设备的可用算力。
示例性的,可用算力通过两层统计获取,第一层数值M=(设备的CPU总核数–业务server的进程数)*100,属于可复用的空闲算力;第二层N=∑(50–业务server CPU核峰值),累加业务进程已用核的剩余算力,属于可挖掘calc(计算力);M和N求和即为可用算力。可用算力(available_calc)可采用如下公式表示:
available_calc=(total_cpu–used_cpu)*100+∑(50–used_cpu_peak[i])
步骤S507:判断所述可服务设备的动态能力信息是否满足预设条件,将满足预设条件的可服务设备确定为可接入设备。
在一个可能的实施例中,所述判断所述可服务设备的动态能力信息是否满足预设条件包括:
获取与所述业务属性对应的阈值,所述阈值包括稳定性阈值、可用内存阈值和可用算力阈值;
将所述可服务设备的稳定性分值与所述稳定性阈值、所述可用内存与所述可用内存阈值、所述可用算力与所述可用算力阈值分别进行比对;
如果所述可服务设备的稳定性分值大于所述稳定性阈值、所述可用内存大于所述可用内存阈值且所述可用算力大于所述可用算力阈值,判定所述可服务设备的动态能力信息满足预设条件;
如果所述可服务设备的稳定性分值不大于所述稳定性阈值、所述可用内存不大于所述可用内存阈值或者所述可用算力不大于所述可用算力阈值,判定所述可服务设备的动态能力信息不满足预设条件。
本实施例将动态能力信息分为三段数值表示,相应地采用三个阈值来判断动态能力信息是否符合预设条件,不同的业务属性对应的稳定性阈值、可用内存阈值和可用算力阈值各不相同。例如,流量型对可用内存的要求更高,其对应的可用内存阈值比IO型和计算型对应的可用内存阈值更高;IO型对稳定性要求更高,其对应稳定性阈值比流量型和计算型对应的稳定性阈值更高;计算型对可用算力的要求更高,其对应的可用算力阈值比IO型和流量型对应的可用算力阈值更高。可见,通过三段数值和三个阈值比对,判断可服务设备是否可作为可接入设备,实现了与待接入业务需求的精准匹配,提升了资源配置的准确度,使配置的资源更贴近待接入业务的需求。
步骤S509:将所述可接入设备的业务资源信息返回至所述业务请求方。
其中,所述业务资源信息可以是可接入设备的IP地址。
在一个可能的实施方式中,资源配置装置可以将所有可接入设备的业务资源信息发送给业务请求方。
可选地,在将所述可接入设备的业务资源信息返回至所述业务请求方之前,所述方法还包括:判断所述所述可接入设备的数量是否大于所述资源数量;如果所述可接入设备的数量大于所述资源数量,对所述可接入设备按照可用内存从小到大排序;按照所述可接入设备的可用内存的大小,从小到大选取与所述资源数量数目一致的可接入设备;将选取的与所述资源数量数目一致的可接入设备的业务资源信息返回至所述业务请求方。
本发明实施例采用对可接入设备的可用内存排序并选取其中可用内存较小的可接入设备的业务资源信息发送给业务请求方,既可以满足本次业务的需求,又能为后续业务接入预留资源,提升了现有设备集群的资源利用率,易实现设备集群的负载均衡和容灾策略。
由以上本说明书实施例提供的技术方案可见,本说明书实施例根据业务请求方的业务接入请求,对设备集群中的各设备的静态信息和动态能力信息进行筛选,获得满足业务请求方业务需求的可接入设备,并将这些可接入设备的业务资源信息返回给业务请求方,以便业务请求方根据业务资源信息接入相应的设备。本发明供给业务请求方的业务处理能力均从已有设备集群中挖掘,而非购买新设备获得,在满足业务需求的基础上大幅节约了成本;通过对集群中的设备进行精细化筛选,提升了集群资源的利用率,降低了资源闲置率;同时,通过筛选逻辑对设备性能进行筛选,能够积累大量的设备混合部署的经验数据,可为新增设备的选型提供数据基础。
本发明实施例还提供了一种资源配置装置,如图9所示,该资源配置装置900包括接收单元910、统计单元920、计算单元930、确定单元940和发送单元950。其中,
接收单元910,用于接收业务请求方发送的业务接入请求,所述业务接入请求包含资源特征、资源数量和业务属性;
统计单元920,用于根据设备集群中各设备的静态信息和所述资源特征确定可服务设备,统计所述可服务设备的数量;
计算单元930,用于在所述可服务设备的数量不小于所述资源数量时,根据所述业务属性和所述可服务设备的动态属性计算所述可服务设备的动态能力信息;
确定单元940,用于判断所述可服务设备的动态能力信息是否满足预设条件,将满足预设条件的可服务设备确定为可接入设备;
发送单元950,用于将所述可接入设备的业务资源信息返回至所述业务请求方。
在一个可能的实施例中,所述资源特征包括设备所处地域;所述统计单元920还用于:判断各设备的静态信息中的地域信息是否与所述资源特征相同;当所述设备的地域信息与所述资源特征相同时,判定所述设备为可服务设备;当所述设备的地域信息与所述资源特征不同时,判定所述设备不是可服务设备。
在一个可能的实施例中,所述动态能力信息包括稳定性分值、可用内存和可用算力;所述计算单元930包括:
接收模块931,用于接收设备集群中各设备上报的动态属性,所述动态属性包括资源数据和历史数据;
提取模块933,用于从所述设备上报的动态属性中提取所述可服务设备的动态属性;
计算模块935,用于根据所述可服务设备的历史数据计算所述可服务设备的稳定性分值,根据所述业务属性和所述可服务设备的资源数据计算所述可服务设备的可用内存,根据所述可服务设备的资源数据计算所述可服务设备的可用算力。
在一个可能的实施例中,所述历史数据包括设备在预设周期内的无故障时间和业务失败次数;所述资源数据包括空闲内存、缓存容量、CPU核数、CPU峰值和进程数。所述计算模块935包括:
第一计算子模块,用于为所述可服务设备设置默认分值,每台可服务设备的默认分值相同;根据所述可服务设备的无故障时间确定所述可服务设备的加分分值,根据所述可服务设备的业务失败次数确定所述可服务设备的减分分值;根据所述默认分值、所述加分分值和所述减分分值,计算所述可服务设备的稳定性分值;
第二计算子模块,用于判断所述业务属性是否为IO型;如果所述业务属性为IO型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第一权重,计算所述可服务设备的可用内存;如果所述业务属性不是IO型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第二权重,计算所述可服务设备的可用内存;
第三计算子模块,用于根据所述可服务设备的CPU核数和进程数确定所述可服务设备的空闲算力;根据所述可服务设备的CPU峰值确定所述可服务设备的剩余算力;根据所述空闲算力和所述剩余算力,计算所述可服务设备的可用算力。
在一个可能的实施例中,所述确定单元940包括:
获取模块941,用于获取与所述业务属性对应的阈值,所述阈值包括稳定性阈值、可用内存阈值和可用算力阈值;
比对模块943,用于将所述可服务设备的稳定性分值与所述稳定性阈值、所述可用内存与所述可用内存阈值、所述可用算力与所述可用算力阈值分别进行比对;
判定模块945,用于在所述可服务设备的稳定性分值大于所述稳定性阈值、所述可用内存大于所述可用内存阈值且所述可用算力大于所述可用算力阈值时,判定所述可服务设备的动态能力信息满足预设条件;
在所述可服务设备的稳定性分值不大于所述稳定性阈值、所述可用内存不大于所述可用内存阈值或者所述可用算力不大于所述可用算力阈值时,判定所述可服务设备的动态能力信息不满足预设条件。
进一步的,所述资源配置装置900还包括筛选单元,所述筛选单元用于:判断所述所述可接入设备的数量是否大于所述资源数量;如果所述可接入设备的数量大于所述资源数量,对所述可接入设备按照可用内存从小到大排序;按照所述可接入设备的可用内存的大小,从小到大选取与所述资源数量数目一致的可接入设备。相应地,所述发送单元950还用于:将选取的与所述资源数量数目一致的可接入设备的业务资源信息返回至所述业务请求方。
所述的资源配置装置实施例中的装置与方法实施例基于同样地发明构思。
由以上本说明书实施例提供的技术方案可见,本说明书实施例根据业务请求方的业务接入请求,对设备集群中的各设备的静态信息和动态能力信息进行筛选,获得满足业务请求方业务需求的可接入设备,并将这些可接入设备的业务资源信息返回给业务请求方,以便业务请求方根据业务资源信息接入相应的设备。本发明实施例供给业务请求方的业务处理能力均从已有设备集群中挖掘,而非购买新设备获得,在满足业务需求的基础上大幅节约了成本;通过对集群中的设备进行精细化筛选,提升了集群资源的利用率,降低了资源闲置率。
本发明实施例提供了一种服务器,所述资源配置装置设置在所述服务器中,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述方法实施例所述的资源配置方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本发明实施例还提供了一种服务器的结构示意图,请参阅图10,该服务器1000用于实施上述实施例中提供的资源配置方法,具体来讲,所述服务器结构可以包括上述资源配置装置。该服务器1000可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(Central Processing Units,CPU)1010(例如,一个或一个以上处理器)和存储器1030,一个或一个以上存储应用程序1023或数据1022的存储介质1020(例如一个或一个以上海量存储设备)。其中,存储器1030和存储介质1020可以是短暂存储或持久存储。存储在存储介质1020的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1010可以设置为与存储介质1020通信,在服务器1000上执行存储介质1020中的一系列指令操作。服务器1000还可以包括一个或一个以上电源1060,一个或一个以上有线或无线网络接口1050,一个或一个以上输入输出接口1040,和/或,一个或一个以上操作系统1021,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本发明的实施例还提供了一种存储介质,所述存储介质可设置于服务器之中以保存用于实现方法实施例中一种资源配置方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的资源配置方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本发明提供的资源配置方法、装置、服务器的实施例可见,本说明书根据业务请求方的业务接入请求,对设备集群中的各设备的静态信息和动态能力信息进行筛选,获得满足待接入业务需求的可接入设备,并将这些可接入设备的业务资源信息返回给业务请求方,以便业务请求方根据业务资源信息接入相应的设备。实现了精准匹配待接入业务需求,提升了资源配置的效率和资源的利用率。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置和服务器实施例而言,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。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
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 (10)
1.一种资源配置方法,其特征在于,包括:
接收业务请求方发送的业务接入请求,所述业务接入请求包含资源特征、资源数量和业务属性;
根据设备集群中各设备的静态信息和所述资源特征确定可服务设备,统计所述可服务设备的数量;
当所述可服务设备的数量不小于所述资源数量时,根据所述业务属性和所述可服务设备的动态属性计算所述可服务设备的动态能力信息;
判断所述可服务设备的动态能力信息是否满足预设条件,将满足预设条件的可服务设备确定为可接入设备;
将所述可接入设备的业务资源信息返回至所述业务请求方。
2.根据权利要求1所述的方法,其特征在于,所述资源特征包括设备所处地域;
所述根据设备集群中各设备的静态信息和所述资源特征确定可服务设备包括:
判断各设备的静态信息中的地域信息是否与所述资源特征相同;
如果所述设备的地域信息与所述资源特征相同,判定所述设备为可服务设备;
如果所述设备的地域信息与所述资源特征不同,判定所述设备不是可服务设备。
3.根据权利要求1所述的方法,其特征在于,所述动态能力信息包括稳定性分值、可用内存和可用算力;
所述根据所述业务属性和所述可服务设备的动态属性计算所述可服务设备的动态能力信息包括:
接收设备集群中各设备上报的动态属性,所述动态属性包括资源数据和历史数据;
从所述设备上报的动态属性中提取所述可服务设备的动态属性;
根据所述可服务设备的历史数据计算所述可服务设备的稳定性分值,根据所述业务属性和所述可服务设备的资源数据计算所述可服务设备的可用内存,根据所述可服务设备的资源数据计算所述可服务设备的可用算力。
4.根据权利要求3所述的方法,其特征在于,所述历史数据包括设备在预设周期内的无故障时间和业务失败次数;
所述根据所述可服务设备的历史数据计算所述可服务设备的稳定性分值包括:
为所述可服务设备设置默认分值,每台可服务设备的默认分值相同;
根据所述可服务设备的无故障时间确定所述可服务设备的加分分值,根据所述可服务设备的业务失败次数确定所述可服务设备的减分分值;
根据所述默认分值、所述加分分值和所述减分分值,计算所述可服务设备的稳定性分值。
5.根据权利要求3所述的方法,其特征在于,所述资源数据包括空闲内存、缓存容量、CPU核数、CPU峰值和进程数;
所述根据所述业务属性和所述可服务设备的资源数据计算所述可服务设备的可用内存包括:
判断所述业务属性是否为I O型;
如果所述业务属性为I O型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第一权重,计算所述可服务设备的可用内存;
如果所述业务属性不是I O型,根据所述可服务设备的所述空闲内存、缓存容量和预设的第二权重,计算所述可服务设备的可用内存;
所述根据所述可服务设备的资源数据计算所述可服务设备的可用算力包括:
根据所述可服务设备的CPU核数和进程数确定所述可服务设备的空闲算力;
根据所述可服务设备的CPU峰值确定所述可服务设备的剩余算力;
根据所述空闲算力和所述剩余算力,计算所述可服务设备的可用算力。
6.根据权利要求3所述的方法,其特征在于,所述判断所述可服务设备的动态能力信息是否满足预设条件包括:
获取与所述业务属性对应的阈值,所述阈值包括稳定性阈值、可用内存阈值和可用算力阈值;
将所述可服务设备的稳定性分值与所述稳定性阈值、所述可用内存与所述可用内存阈值、所述可用算力与所述可用算力阈值分别进行比对;
如果所述可服务设备的稳定性分值大于所述稳定性阈值、所述可用内存大于所述可用内存阈值且所述可用算力大于所述可用算力阈值,判定所述可服务设备的动态能力信息满足预设条件;
如果所述可服务设备的稳定性分值不大于所述稳定性阈值、所述可用内存不大于所述可用内存阈值或者所述可用算力不大于所述可用算力阈值,判定所述可服务设备的动态能力信息不满足预设条件。
7.根据权利要求1所述的方法,其特征在于,在将所述可接入设备的业务资源信息返回至所述业务请求方之前,所述方法还包括:
判断所述可接入设备的数量是否大于所述资源数量;
如果所述可接入设备的数量大于所述资源数量,对所述可接入设备按照可用内存从小到大排序;
按照所述可接入设备的可用内存的大小,从小到大选取与所述资源数量数目一致的可接入设备;
相应的,所述将所述可接入设备的业务资源信息返回至所述业务请求方包括:将选取的与所述资源数量数目一致的可接入设备的业务资源信息返回至所述业务请求方。
8.一种资源配置装置,其特征在于,包括:
接收单元,用于接收业务请求方发送的业务接入请求,所述业务接入请求包含资源特征、资源数量和业务属性;
统计单元,用于根据设备集群中各设备的静态信息和所述资源特征确定可服务设备,统计所述可服务设备的数量;
计算单元,用于在所述可服务设备的数量不小于所述资源数量时,根据所述业务属性和所述可服务设备的动态属性计算所述可服务设备的动态能力信息;
确定单元,用于判断所述可服务设备的动态能力信息是否满足预设条件,将满足预设条件的可服务设备确定为可接入设备;
发送单元,用于将所述可接入设备的业务资源信息返回至所述业务请求方。
9.根据权利要求8所述的装置,其特征在于,所述动态能力信息包括稳定性分值、可用内存和可用算力;
所述计算单元包括:
接收模块,用于接收设备集群中各设备上报的动态属性,所述动态属性包括资源数据和历史数据;
提取模块,用于从所述设备上报的动态属性中提取所述可服务设备的动态属性;
计算模块,用于根据所述可服务设备的历史数据计算所述可服务设备的稳定性分值,根据所述业务属性和所述可服务设备的资源数据计算所述可服务设备的可用内存,根据所述可服务设备的资源数据计算所述可服务设备的可用算力。
10.根据权利要求9所述的装置,其特征在于,所述确定单元包括:
获取模块,用于获取与所述业务属性对应的阈值,所述阈值包括稳定性阈值、可用内存阈值和可用算力阈值;
比对模块,用于将所述可服务设备的稳定性分值与所述稳定性阈值、所述可用内存与所述可用内存阈值、所述可用算力与所述可用算力阈值分别进行比对;
判定模块,用于在所述可服务设备的稳定性分值大于所述稳定性阈值、所述可用内存大于所述可用内存阈值且所述可用算力大于所述可用算力阈值时,判定所述可服务设备的动态能力信息满足预设条件;
在所述可服务设备的稳定性分值不大于所述稳定性阈值、所述可用内存不大于所述可用内存阈值或者所述可用算力不大于所述可用算力阈值时,判定所述可服务设备的动态能力信息不满足预设条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910046059.7A CN109783237B (zh) | 2019-01-16 | 2019-01-16 | 一种资源配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910046059.7A CN109783237B (zh) | 2019-01-16 | 2019-01-16 | 一种资源配置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109783237A true CN109783237A (zh) | 2019-05-21 |
CN109783237B CN109783237B (zh) | 2023-03-14 |
Family
ID=66501646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910046059.7A Active CN109783237B (zh) | 2019-01-16 | 2019-01-16 | 一种资源配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109783237B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377417A (zh) * | 2019-06-06 | 2019-10-25 | 深圳市太易云互联科技有限公司 | 数据路由方法及装置 |
CN110471893A (zh) * | 2019-08-20 | 2019-11-19 | 曾亮 | 一种多用户间的分布式存储空间的共享方法、系统和装置 |
CN110532092A (zh) * | 2019-08-21 | 2019-12-03 | 云湾科技(嘉兴)有限公司 | 资源匹配方法、装置及设备 |
CN110995614A (zh) * | 2019-11-05 | 2020-04-10 | 华为技术有限公司 | 一种算力资源分配的方法及装置 |
CN111240836A (zh) * | 2020-01-06 | 2020-06-05 | 北京百度网讯科技有限公司 | 算力资源管理方法、装置、电子设备及存储介质 |
CN111338786A (zh) * | 2019-08-19 | 2020-06-26 | 海通证券股份有限公司 | 云平台资源的配额管理方法、装置和计算机设备 |
CN111565216A (zh) * | 2020-03-27 | 2020-08-21 | 深圳壹账通智能科技有限公司 | 一种后端负载均衡方法、装置、系统及存储介质 |
CN111694671A (zh) * | 2020-06-12 | 2020-09-22 | 北京金山云网络技术有限公司 | 大数据组件管理方法、装置、服务器、电子设备及系统 |
CN112099957A (zh) * | 2020-11-02 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 资源配置方法、系统、装置以及电子设备 |
CN113434289A (zh) * | 2021-06-16 | 2021-09-24 | 北京达佳互联信息技术有限公司 | 云主机分配方法、装置、电子设备及存储介质 |
CN113535376A (zh) * | 2020-04-17 | 2021-10-22 | 大唐移动通信设备有限公司 | 一种算力调度方法、集中控制设备及算力申请设备 |
CN113810442A (zh) * | 2020-06-16 | 2021-12-17 | 中国移动通信有限公司研究院 | 资源预留的方法、装置、终端及节点设备 |
WO2022111185A1 (zh) * | 2020-11-27 | 2022-06-02 | 中国移动通信有限公司研究院 | Sla策略的处理方法、装置、服务器及服务节点 |
CN115048177A (zh) * | 2022-08-15 | 2022-09-13 | 成都中科合迅科技有限公司 | 基于自定义容器完成业务场景的动态配置方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747059A (zh) * | 2013-12-26 | 2014-04-23 | 华中科技大学 | 一种面向多租户的云计算服务器集群网络保障方法和系统 |
US20140280976A1 (en) * | 2013-03-15 | 2014-09-18 | Reinventing Geospatial, Inc. | Mobile computing cloud and virtual mobile infrastructure to optimize group resources |
CN106484540A (zh) * | 2016-10-20 | 2017-03-08 | 腾讯科技(深圳)有限公司 | 一种资源配置方法及装置 |
CN106708622A (zh) * | 2016-07-18 | 2017-05-24 | 腾讯科技(深圳)有限公司 | 集群资源处理方法和系统、资源处理集群 |
CN107239329A (zh) * | 2016-03-29 | 2017-10-10 | 西门子公司 | 云环境下统一资源调度方法及系统 |
CN108234581A (zh) * | 2016-12-22 | 2018-06-29 | 腾讯科技(深圳)有限公司 | 一种资源的调度方法和服务器 |
-
2019
- 2019-01-16 CN CN201910046059.7A patent/CN109783237B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140280976A1 (en) * | 2013-03-15 | 2014-09-18 | Reinventing Geospatial, Inc. | Mobile computing cloud and virtual mobile infrastructure to optimize group resources |
CN103747059A (zh) * | 2013-12-26 | 2014-04-23 | 华中科技大学 | 一种面向多租户的云计算服务器集群网络保障方法和系统 |
CN107239329A (zh) * | 2016-03-29 | 2017-10-10 | 西门子公司 | 云环境下统一资源调度方法及系统 |
CN106708622A (zh) * | 2016-07-18 | 2017-05-24 | 腾讯科技(深圳)有限公司 | 集群资源处理方法和系统、资源处理集群 |
CN106484540A (zh) * | 2016-10-20 | 2017-03-08 | 腾讯科技(深圳)有限公司 | 一种资源配置方法及装置 |
CN108234581A (zh) * | 2016-12-22 | 2018-06-29 | 腾讯科技(深圳)有限公司 | 一种资源的调度方法和服务器 |
Non-Patent Citations (2)
Title |
---|
ALEXIS SULTAN等: "A Dynamic Femto Cell Architecture using TV Whitespace improving User Experience of Urban Crowds", 《2015 INTERNATIONAL WIRELESS COMMUNICATIONS AND MOBILE COMPUTING CONFERENCE (IWCMC)》 * |
田野: "异构环境下Hadoop作业调度算法的研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377417B (zh) * | 2019-06-06 | 2021-09-14 | 深圳市太易云互联科技有限公司 | 数据路由方法及装置 |
CN110377417A (zh) * | 2019-06-06 | 2019-10-25 | 深圳市太易云互联科技有限公司 | 数据路由方法及装置 |
CN111338786A (zh) * | 2019-08-19 | 2020-06-26 | 海通证券股份有限公司 | 云平台资源的配额管理方法、装置和计算机设备 |
CN110471893A (zh) * | 2019-08-20 | 2019-11-19 | 曾亮 | 一种多用户间的分布式存储空间的共享方法、系统和装置 |
CN110532092A (zh) * | 2019-08-21 | 2019-12-03 | 云湾科技(嘉兴)有限公司 | 资源匹配方法、装置及设备 |
CN110995614A (zh) * | 2019-11-05 | 2020-04-10 | 华为技术有限公司 | 一种算力资源分配的方法及装置 |
CN111240836A (zh) * | 2020-01-06 | 2020-06-05 | 北京百度网讯科技有限公司 | 算力资源管理方法、装置、电子设备及存储介质 |
CN111565216A (zh) * | 2020-03-27 | 2020-08-21 | 深圳壹账通智能科技有限公司 | 一种后端负载均衡方法、装置、系统及存储介质 |
CN113535376A (zh) * | 2020-04-17 | 2021-10-22 | 大唐移动通信设备有限公司 | 一种算力调度方法、集中控制设备及算力申请设备 |
CN113535376B (zh) * | 2020-04-17 | 2024-04-05 | 大唐移动通信设备有限公司 | 一种算力调度方法、集中控制设备及算力申请设备 |
CN111694671A (zh) * | 2020-06-12 | 2020-09-22 | 北京金山云网络技术有限公司 | 大数据组件管理方法、装置、服务器、电子设备及系统 |
CN111694671B (zh) * | 2020-06-12 | 2023-09-01 | 北京金山云网络技术有限公司 | 大数据组件管理方法、装置、服务器、电子设备及系统 |
CN113810442A (zh) * | 2020-06-16 | 2021-12-17 | 中国移动通信有限公司研究院 | 资源预留的方法、装置、终端及节点设备 |
CN112099957B (zh) * | 2020-11-02 | 2021-04-13 | 腾讯科技(深圳)有限公司 | 资源配置方法、系统、装置以及电子设备 |
CN112099957A (zh) * | 2020-11-02 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 资源配置方法、系统、装置以及电子设备 |
WO2022111185A1 (zh) * | 2020-11-27 | 2022-06-02 | 中国移动通信有限公司研究院 | Sla策略的处理方法、装置、服务器及服务节点 |
CN113434289A (zh) * | 2021-06-16 | 2021-09-24 | 北京达佳互联信息技术有限公司 | 云主机分配方法、装置、电子设备及存储介质 |
CN115048177A (zh) * | 2022-08-15 | 2022-09-13 | 成都中科合迅科技有限公司 | 基于自定义容器完成业务场景的动态配置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109783237B (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109783237A (zh) | 一种资源配置方法及装置 | |
Zhong et al. | A cost-efficient container orchestration strategy in kubernetes-based cloud computing infrastructures with heterogeneous resources | |
US9542223B2 (en) | Scheduling jobs in a cluster by constructing multiple subclusters based on entry and exit rules | |
CN103426072B (zh) | 一种高并发竞争库存的订单处理系统及其处理方法 | |
Polo et al. | Performance-driven task co-scheduling for mapreduce environments | |
CN102929707B (zh) | 并行任务动态分配方法 | |
CN109951545B (zh) | 自适应的容器和云桌面的融合系统及其获取云资源的方法 | |
US20180063235A1 (en) | Automated resource-price calibration and recalibration by an automated resource-exchange system | |
CN104040485A (zh) | Paas分层调度和自动缩放 | |
CN103853618B (zh) | 基于截止日期驱动的云系统代价最小化资源分配方法 | |
CN103946831A (zh) | 用于模板的成本感知的选择以供应共享资源的系统、方法和程序产品 | |
CN104040526A (zh) | 对虚拟机池中的资源的分派 | |
CN104040486A (zh) | 解耦paas资源、作业和调度 | |
CN111240836A (zh) | 算力资源管理方法、装置、电子设备及存储介质 | |
CN107864211B (zh) | 集群资源调度方法及系统 | |
US20180063026A1 (en) | Capacity optimization in an automated resource-exchange system | |
US20150142602A1 (en) | Method and system for automated identification and engagement of service providers | |
CN103679497A (zh) | 一种试用商品的派发方法及装置 | |
CN101963969B (zh) | Oracle RAC系统中实现负载均衡的方法和数据库服务器 | |
CN111309440B (zh) | 一种多类型gpu的管理调度的方法和设备 | |
Gandomi et al. | HybSMRP: a hybrid scheduling algorithm in Hadoop MapReduce framework | |
CN103491024A (zh) | 一种面向流式数据的作业调度方法及装置 | |
CN110245091A (zh) | 一种内存管理的方法、装置及计算机存储介质 | |
US20060031242A1 (en) | Method, system, and program for distributing application transactions among work servers | |
CN115543615A (zh) | 一种资源分配方法、装置、电子设备及存储介质 |
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 |