CN109800085A - 资源配置的检测方法、装置、存储介质和电子设备 - Google Patents
资源配置的检测方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN109800085A CN109800085A CN201811585285.4A CN201811585285A CN109800085A CN 109800085 A CN109800085 A CN 109800085A CN 201811585285 A CN201811585285 A CN 201811585285A CN 109800085 A CN109800085 A CN 109800085A
- Authority
- CN
- China
- Prior art keywords
- target
- resource
- cluster
- object instance
- target cluster
- 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
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本公开涉及一种资源配置的检测方法、装置、存储介质和电子设备,涉及信息技术领域,应用于服务器,该方法包括:获取布置在服务器上的目标实例对于目标资源的多个资源占用率,多个资源占用率中包括在预设时间段内的每个采集时刻采集的对目标资源的资源占用率,按照预设的聚类算法对多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇,根据N个目标簇中每个目标簇中的每个资源占用率对应的采集时刻,依次确定每个目标簇对应的持续时间和时间间隔,根据每个目标簇对应的持续时间和时间间隔,确定目标实例的资源状态。能够根据目标实例在服务器上的实时运行数据,来确定资源配置的状态,提高了检测的准确度。
Description
技术领域
本公开涉及信息技术领域,具体地,涉及一种资源配置的检测方法、装置、存储介质和电子设备。
背景技术
随着信息技术和云计算技术的快速发展,云服务器被应用于越来越多的技术领域,由于云服务器具有弹性的硬件资源和统一的管理服务,因此能够灵活、快速地布置计算服务。当前有许多互联网业务都选用了云服务器来提供计算服务,即将业务对应的实例布置在云服务器上,能够保证稳定的业务能力的同时,有效降低硬件成本。但是,由于云服务器上布置了大量的实例,针对不同实例,可能存在资源配置不合理的情况。资源配置过多或过少,会导致资源浪费或业务能力受限的问题,而在现有技术中,只能对实例的运行状态进行简单的监控,不能为准确判断资源配置的状态。
发明内容
本公开的目的是提供一种资源配置的检测方法、装置、存储介质和电子设备,用以解决现有技术中不能准确检测资源配置的状态的问题。
为了实现上述目的,根据本公开实施例的第一方面,提供一种资源配置的检测方法,应用于服务器,所述方法包括:
获取布置在所述服务器上的目标实例对于目标资源的多个资源占用率,所述多个资源占用率中包括在预设时间段内的每个采集时刻采集的对所述目标资源的资源占用率;
按照预设的聚类算法对所述多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇;
根据所述N个目标簇中每个所述目标簇中的每个所述资源占用率对应的采集时刻,依次确定所述每个目标簇对应的持续时间和时间间隔;
根据所述每个目标簇对应的持续时间和时间间隔,确定所述目标实例的资源状态。
可选的,所述根据所述每个目标簇对应的持续时间和时间间隔,确定所述目标实例的资源状态,包括:
根据第一目标簇对应的第一持续时间和第一时间间隔,和第二目标簇对应的第二持续时间和第二时间间隔,确定所述第一目标簇和所述第二目标簇对应的目标持续时间和目标时间跨度,所述第一目标簇为以第一目标占用率为中心的目标簇,所述第二目标簇为以第二目标占用率为中心的目标簇,所述第一目标占用率大于第一占用率阈值,所述第二目标占用率大于第二占用率阈值,所述第一占用率阈值小于所述第二占用率阈值;
当所述目标时间跨度小于第一阈值,且所述目标持续时间大于第二阈值时,确定所述资源状态为饱和状态;
当所述目标时间跨度大于第三阈值,且所述目标持续时间大于所述第二阈值时,确定所述资源状态为弹性饱和状态。
可选的,所述根据所述每个目标簇对应的持续时间和时间间隔,确定所述目标实例的资源状态,还包括:
根据所述第一持续时间、所述第一时间间隔、所述第二持续时间和所述第二时间间隔,确定所述第一目标簇与所述第二目标簇的时间覆盖率;
当所述目标持续时间小于第四阈值,且所述时间覆盖率小于覆盖率阈值时,确定所述资源状态为受攻击状态。
可选的,所述目标资源为多个,所述按照预设的聚类算法对所述多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇,包括:
按照预设的聚类算法依次对多个目标资源中的每个目标资源的多个资源占用率进行聚类,以获取每个目标资源对应的N个目标簇,所述N个目标簇分别以N个目标占用率为中心;
在所述按照预设的聚类算法对所述多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇之后,所述方法还包括:
根据所述每个目标资源对应的N个目标簇中的每个目标簇包含的资源占用率的数量,通过预设的第一公式确定所述目标实例对于所述每个目标资源的负载评分;
根据所述目标实例对于所述每个目标资源的负载评分,通过预设的第二公式确定所述目标实例的负载评分;
根据所述目标实例的负载评分,确定所述资源状态。
可选的,所述第一公式包括:
其中,Ki表示多个所述目标资源中第i个目标资源的负载评分,Numi表示所述第i个目标资源的所述多个资源占用率中所述资源占用率的数量,vij表示所述第i个目标资源对应的N个目标簇中第j个目标簇包含的所述资源占用率的数量,λij表示所述第i个目标资源对应的N个目标簇中第j个目标簇对应的权重;
所述第二公式包括:
其中,S表示所述目标实例的负载评分,αi表示所述多个目标资源中第i个目标资源对应的权重。
可选的,所述根据所述目标实例的负载评分,确定所述资源状态,包括:
当所述目标实例的负载评分在第一区间内时,确定所述资源状态为合理状态;
当所述目标实例的负载评分在第二区间内时,确定所述资源状态为不饱和状态;
当所述目标实例的负载评分在第三区间内时,确定所述资源状态为饱和状态;
所述第二区间中的最大值小于所述第一区间中的最小值,所述第一区间中的最大值小于所述第三区间中的最小值。
可选的,所述服务器上布置有多个所述目标实例,所述方法还包括:
通过调用预设的应用程序编程接口API,依次确认所述多个目标实例是否启用;
当第一目标实例未启用时,确定所述第一目标实例的资源状态为空置状态,所述第一目标实例为所述多个目标实例中的任一目标实例。
根据本公开实施例的第二方面,提供一种资源配置的检测装置,应用于服务器,所述装置包括:
获取模块,用于获取布置在所述服务器上的目标实例对于目标资源的多个资源占用率,所述多个资源占用率中包括在预设时间段内的每个采集时刻采集的对所述目标资源的资源占用率;
聚类模块,用于按照预设的聚类算法对所述多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇;
确定模块,用于根据所述N个目标簇中每个所述目标簇中的每个所述资源占用率对应的采集时刻,依次确定所述每个目标簇对应的持续时间和时间间隔;
检测模块,用于根据所述每个目标簇对应的持续时间和时间间隔,确定所述目标实例的资源状态。
可选的,所述检测模块包括:
第一确定子模块,用于根据第一目标簇对应的第一持续时间和第一时间间隔,和第二目标簇对应的第二持续时间和第二时间间隔,确定所述第一目标簇和所述第二目标簇对应的目标持续时间和目标时间跨度,所述第一目标簇为以第一目标占用率为中心的目标簇,所述第二目标簇为以第二目标占用率为中心的目标簇,所述第一目标占用率大于第一占用率阈值,所述第二目标占用率大于第二占用率阈值,所述第一占用率阈值小于所述第二占用率阈值;
检测子模块,用于当所述目标时间跨度小于第一阈值,且所述目标持续时间大于第二阈值时,确定所述资源状态为饱和状态;
所述检测子模块,还用于当所述目标时间跨度大于第三阈值,且所述目标持续时间大于所述第二阈值时,确定所述资源状态为弹性饱和状态。
可选的,所述检测模块还包括:
第二确定子模块,用于根据所述第一持续时间、所述第一时间间隔、所述第二持续时间和所述第二时间间隔,确定所述第一目标簇与所述第二目标簇的时间覆盖率;
所述检测子模块,还用于当所述目标持续时间小于第四阈值,且所述时间覆盖率小于覆盖率阈值时,确定所述资源状态为受攻击状态。
可选的,所述目标资源为多个,所述聚类模块用于:
按照预设的聚类算法依次对多个目标资源中的每个目标资源的多个资源占用率进行聚类,以获取每个目标资源对应的N个目标簇,所述N个目标簇分别以N个目标占用率为中心;
所述装置还包括:
评分确定模块,用于在所述按照预设的聚类算法对所述多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇之后,根据所述每个目标资源对应的N个目标簇中的每个目标簇包含的资源占用率的数量,通过预设的第一公式确定所述目标实例对于所述每个目标资源的负载评分;
所述评分确定模块,还用于根据所述目标实例对于所述每个目标资源的负载评分,通过预设的第二公式确定所述目标实例的负载评分;
所述检测模块,还用于根据所述目标实例的负载评分,确定所述资源状态。
可选的,所述第一公式包括:
其中,Ki表示多个所述目标资源中第i个目标资源的负载评分,Numi表示所述第i个目标资源的所述多个资源占用率中所述资源占用率的数量,vij表示所述第i个目标资源对应的N个目标簇中第j个目标簇包含的所述资源占用率的数量,λij表示所述第i个目标资源对应的N个目标簇中第j个目标簇对应的权重;
所述第二公式包括:
其中,S表示所述目标实例的负载评分,αi表示所述多个目标资源中第i个目标资源对应的权重。
可选的,所述检测模块用于:
当所述目标实例的负载评分在第一区间内时,确定所述资源状态为合理状态;
当所述目标实例的负载评分在第二区间内时,确定所述资源状态为不饱和状态;
当所述目标实例的负载评分在第三区间内时,确定所述资源状态为饱和状态;
所述第二区间中的最大值小于所述第一区间中的最小值,所述第一区间中的最大值小于所述第三区间中的最小值。
可选的,所述服务器上布置有多个所述目标实例,所述装置还包括:
接口调用模块,用于通过调用预设的应用程序编程接口API,依次确认所述多个目标实例是否启用;
所述检测模块,还用于当第一目标实例未启用时,确定所述第一目标实例的资源状态为空置状态,所述第一目标实例为所述多个目标实例中的任一目标实例。
根据本公开实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面提供的资源配置的检测方法的步骤。
根据本公开实施例的第四方面,提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现第一方面提供的资源配置的检测方法的步骤。
通过上述技术方案,本公开应用于服务器,目标实例布置在服务器上,首先获取目标实例对于目标资源的多个资源占用率,其中多个资源占用率中包括在预设时间段内的每个采集时刻采集的对目标资源的资源占用率,再根据预设的聚类算法对多个资源占用率进行聚类,以得到N个目标簇,N个目标簇分别以N个目标占用率为中心,之后根据N个目标簇中每个所述目标簇中的每个所述资源占用率对应的采集时刻,依次确定每个目标簇对应的持续时间和时间间隔,最后根据每个目标簇对应的持续时间和时间间隔,来确定目标实例的资源状态。能够根据目标实例在服务器上的实时运行数据,来确定资源配置的状态,提高了检测的准确度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种资源配置的检测方法的流程图;
图2是根据一示例性实施例示出的另一种资源配置的检测方法的流程图;
图3是根据一示例性实施例示出的另一种资源配置的检测方法的流程图;
图4是根据一示例性实施例示出的另一种资源配置的检测方法的流程图;
图5是根据一示例性实施例示出的另一种资源配置的检测方法的流程图;
图6是根据一示例性实施例示出的另一种资源配置的检测方法的流程图;
图7是根据一示例性实施例示出的一种资源配置的检测装置的框图;
图8是根据一示例性实施例示出的另一种资源配置的检测装置的框图;
图9是根据一示例性实施例示出的另一种资源配置的检测装置的框图;
图10是根据一示例性实施例示出的另一种资源配置的检测装置的框图;
图11是根据一示例性实施例示出的另一种资源配置的检测装置的框图;
图12是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在介绍本公开提供的一种资源配置的检测方法、装置、存储介质和电子设备之前,首先对本公开各个实施例所涉及的应用场景进行介绍。该应用场景可以包括服务器和布置在服务器上的多个实例,目标实例是多个实例中的任一实例。其中服务器可以是本地服务器,也可以是云服务器,本公开实施例中不对服务器的类型进行限定。
图1是根据一示例性实施例示出的一种资源配置的检测方法的流程图,如图1所示,该方法应用于服务器,包括:
步骤101,获取布置在服务器上的目标实例对于目标资源的多个资源占用率,多个资源占用率中包括在预设时间段内的每个采集时刻采集的对目标资源的资源占用率。
举例来说,要确定服务器上为目标实例配置的资源的是否合理,需要检测目标实例的资源状态,因此,首先获取目标实例对于目标资源的多个资源占用率。其中,服务器上为目标实例配置的资源可以分为多种,例如:CPU(英文:Central Processing Unit,中文:中央处理器)、硬盘、内存等,目标资源可以是多种资源中的任一种资源。目标实例对于目标资源的多个资源占用率中,包括了在预设时间段内的每个采集时刻采集的对目标资源的资源占用率,资源占用率的个数可以根据预设时间段内包括多少个采集时刻来确定,例如:预设时间段为30天,为每隔30分钟采集一次,那么目标实例对于目标资源的多个资源占用率中就包括了30*24*2=1440个资源占用率。
步骤102,按照预设的聚类算法对多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇。
示例的,在获取到多个资源占用率后,按照预设的聚类算法对多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇。其中,聚类算法例如可以是Kmeans算法,N个目标占用率可以为多个目标占用率的多个分位数。例如:N可以为4,4个目标簇分别为:以多个目标占用率的25分位数、多个目标占用率的中位数(即50分位数)、多个目标占用率的75分位数、和多个目标占用率的95分位数为中心的目标簇。N个目标簇中的每个目标簇中都包含有一个或多个资源占用率,在同一个目标簇中的资源占用率之间相似度高,可以理解为同一个目标簇中的资源占用率都与对应的中心接近。
步骤103,根据N个目标簇中每个目标簇中的每个资源占用率对应的采集时刻,依次确定每个目标簇对应的持续时间和时间间隔。
步骤104,根据每个目标簇对应的持续时间和时间间隔,确定目标实例的资源状态。
举例来说,在完成对多个资源占用率的聚类后,根据N个目标簇中每个目标簇中的每个资源占用率对应的采集时刻,依次确定每个目标簇对应的持续时间和时间间隔。其中,以第一目标簇为N个目标簇中的任一目标簇,第一目标簇中包括7个资源占用率来举例,7个资源占用率对应的采集时刻分别为第一天的12:00、第一天的12:30、第二天的15:00、第一天的15:30、第一天的16:00、第三天的10:00、第三天的10:30,那么可以确定第一目标簇对应的持续时间为2个小时(第一天的12:00至12:30,第二天的15:00至16:00,第三天的10:00至10:30),时间间隔为27个小时、19个小时(即从第一天的12:00至第二天的15:00、第二天的15:00至第三天的10:00)。再根据每个目标簇对应的持续时间和时间间隔,确定目标实例的资源状态。例如,可以在N个目标簇中选择资源占用率比较高的目标簇(可以是一个,也可以是多个),根据资源占用率比较高的目标簇对应的持续时间和时间间隔,确定资源占用率比较高的目标簇对应的时间跨度和持续时间,最后分别根据时间跨度和持续时间来确定目标实例的资源状态。
其中,目标实例的资源状态可以是不饱和状态、合理状态、饱和状态、弹性饱和状态、受攻击状态。用户根据不同的资源状态,选择不同的资源配置。例如,当资源状态为不饱和状态时,表示服务器上为目标实例配置的资源有冗余,那么用户可以降低目标实例的资源配置。当资源状态为合理状态时,表示服务器上为目标实例配置的资源合理,那么用户可以保持当前目标实例的资源配置。当资源状态为饱和状态时,表示服务器上为实例配置的资源不足,那么用户可以提升目标实例的资源配置。当资源状态为弹性饱和状态时,表示服务器上为实例配置的在一段固定的时间范围内资源不足,在该时间范围之外资源合理,那么用户可以选择在该时间范围内定期提升目标实例的资源配置。当资源状态为受攻击状态时,表示服务器上为目标实例配置的资源可能受到外来攻击,那么用户可以对目标实例进行排查,以减少安全隐患。
综上所述,本公开应用于服务器,目标实例布置在服务器上,首先获取目标实例对于目标资源的多个资源占用率,其中多个资源占用率中包括在预设时间段内的每个采集时刻采集的对目标资源的资源占用率,再根据预设的聚类算法对多个资源占用率进行聚类,以得到N个目标簇,N个目标簇分别以N个目标占用率为中心,之后根据N个目标簇中每个所述目标簇中的每个所述资源占用率对应的采集时刻,依次确定每个目标簇对应的持续时间和时间间隔,最后根据每个目标簇对应的持续时间和时间间隔,来确定目标实例的资源状态。能够根据目标实例在服务器上的实时运行数据,来确定资源配置的状态,提高了检测的准确度。
图2是根据一示例性实施例示出的另一种资源配置的检测方法的流程图,如图2所示,步骤104可以通过以下步骤来实现:
步骤1041,根据第一目标簇对应的第一持续时间和第一时间间隔,和第二目标簇对应的第二持续时间和第二时间间隔,确定第一目标簇和第二目标簇对应的目标持续时间和目标时间跨度,第一目标簇为以第一目标占用率为中心的目标簇,第二目标簇为以第二目标占用率为中心的目标簇,第一目标占用率大于第一占用率阈值,第二目标占用率大于第二占用率阈值,第一占用率阈值小于第二占用率阈值。
举例来说,以N为4,4个目标簇分别为:以多个目标占用率的25分位数、多个目标占用率的中位数、多个目标占用率的75分位数、和多个目标占用率的95分位数为中心的目标簇为例。可以选取以75分位数和95分位数为中心的目标簇作为第一目标簇和第二目标簇,即第一目标占用率为多个目标占用率的75分位数(例如第一占用率阈值可以为多个目标占用率的70分位数),第二目标占用率为多个目标占用率的95分位数(例如第二占用率阈值可以为多个目标占用率的90分位数)。第一目标簇和第二目标簇是资源占用率比较高的目标簇,那么根据第一持续时间、第一时间间隔、第二持续时间和第二时间间隔,确定第一目标簇和第二目标簇对应的目标持续时间和目标时间跨度。以第一持续时间为2小时,第一时间间隔为26小时,第二持续时间为1小时,第二时间间隔为20小时为例,可以确定目标持续时间为1+2=3小时(即第一持续时间与第二持续时间之和),目标时间跨度为26小时(即第一时间间隔和第二时间间隔中的最大的时间间隔)。
步骤1042,当目标时间跨度小于第一阈值,且目标持续时间大于第二阈值时,确定资源状态为饱和状态。
步骤1043,当目标时间跨度大于第三阈值,且目标持续时间大于第二阈值时,确定资源状态为弹性饱和状态。
示例的,目标时间跨度,可以理解为目标实例在运行过程中,资源占用率比较高时的时间跨度,目标持续时间,可以理解为目标实例在运行过程中,资源占用率比较高时的持续时间。那么,当目标时间跨度小于第一阈值(例如可以是12小时),且目标持续时间大于第二阈值(例如可以是20小时)时,确定资源状态为饱和状态,即目标时间跨度较短,且目标持续时间较长时,表示服务器上为实例配置的资源不足,用户可以提升目标实例的资源配置。当目标时间跨度大于第三阈值(例如可以是24小时),且目标持续时间大于第二阈值时,确定资源状态为弹性饱和状态,即目标时间跨度较长,且目标持续时间较长时,表示服务器上为实例配置的在目标持续时间内资源不足,在目标持续时间之外资源合理,那么用户可以选择在目标持续时间内定期提升目标实例的资源配置。需要说明的是,第三阈值大于或等于第一阈值。
图3是根据一示例性实施例示出的另一种资源配置的检测方法的流程图,如图3所示,步骤104还可以包括:
步骤1044,根据第一持续时间、第一时间间隔、第二持续时间和第二时间间隔,确定第一目标簇与第二目标簇的时间覆盖率。
步骤1045,当目标持续时间小于第四阈值,且时间覆盖率小于覆盖率阈值时,确定资源状态为受攻击状态。
举例来说,可以根据第一持续时间、第一时间间隔、第二持续时间和第二时间间隔,确定第一目标簇与第二目标簇的时间覆盖率。以第一持续时间为2小时,第一时间间隔为26小时,第二持续时间为1小时,第二时间间隔为20小时为例,可以确定时间覆盖率为28小时(即包含第一持续时间、第一时间间隔、第二持续时间和第二时间间隔的最大时间范围)。当目标持续时间小于第四阈值(例如可以是10小时),且时间覆盖率小于覆盖率阈值(例如可以是5小时)时,确定资源状态为受攻击状态,即目标持续时间短且时间覆盖率低,表示服务器上为目标实例配置的资源可能受到外来攻击,用户可以对目标实例进行排查,以减少安全隐患。其中,第四阈值小于或等于第二阈值。
图4是根据一示例性实施例示出的另一种资源配置的检测方法的流程图,如图4所示,目标资源为多个,步骤102可以通过以下方式来实现:
按照预设的聚类算法依次对多个目标资源中的每个目标资源的多个资源占用率进行聚类,以获取每个目标资源对应的N个目标簇,N个目标簇分别以N个目标占用率为中心。
举例来说,目标资源可以为多个,例如CPU、硬盘、内存等资源,那么步骤102可以依次对多个目标资源中每个目标资源的多个资源占用率进行聚类,以获取每个目标资源对应的N个目标簇。例如,当目标资源有M个,每个目标资源都对应N个目标簇,那么M个目标资源对应的M组多个目标资源经过聚类后可以得到M*N个目标簇。
该方法在步骤102之后,还可以包括:
步骤105,根据每个目标资源对应的N个目标簇中的每个目标簇包含的资源占用率的数量,通过预设的第一公式确定目标实例对于每个目标资源的负载评分。
示例的,在对多个目标资源中的每个目标资源的多个资源占用率进行聚类之后,可以根据每个目标资源对应的N个目标簇中的每个目标簇包含的资源占用率的数量,通过预设的第一公式确定目标实例对于每个目标资源的负载评分。
其中,第一公式可以包括:
其中,Ki表示多个目标资源中第i个目标资源的负载评分,Numi表示第i个目标资源的多个资源占用率中资源占用率的数量,vij表示第i个目标资源对应的N个目标簇中第j个目标簇包含的资源占用率的数量,λij表示第i个目标资源对应的N个目标簇中第j个目标簇对应的权重。
第i个目标资源的N个目标簇对应的权重可以根据具体的需求来设置,以N=4为例,例如可以是:vi1=0.2、vi2=0.5、vi3=0.8、vi4=1.2。
步骤106,根据目标实例对于每个目标资源的负载评分,通过预设的第二公式确定目标实例的负载评分。
步骤107,根据目标实例的负载评分,确定资源状态。
其中,第二公式可以包括:
其中,S表示目标实例的负载评分,αi表示多个目标资源中第i个目标资源对应的权重。
第i个目标资源对应的权重可以根据具体的需求来设置,以目标资源包括CPU、硬盘、内存为例,α1=0.4、α2=0.4、α3=0.2。在根据第二公式确定目标实例的负载评分之后,可以根据目标实例的负载评分的大小,确定资源状态。
图5是根据一示例性实施例示出的另一种资源配置的检测方法的流程图,如图5所示,步骤107可以通过以下步骤来实现:
步骤1071,当目标实例的负载评分在第一区间内时,确定资源状态为合理状态。
步骤1072,当目标实例的负载评分在第二区间内时,确定资源状态为不饱和状态。
步骤1073,当目标实例的负载评分在第三区间内时,确定资源状态为饱和状态。
第二区间中的最大值小于第一区间中的最小值,第一区间中的最大值小于第三区间中的最小值。
举例来说,以第二公式计算得到的目标实例的负载评分是百分制的,可以对目标实例的负载评分进行划分,例如将第一区间划分为:40-70、将第二区间划分为:0-40、将第三区间划分为:70-100。当目标实例的负载评分在第一区间内时,确定资源状态为合理状态。当目标实例的负载评分在第二区间内时,确定资源状态为不饱和状态。当目标实例的负载评分在第三区间内时,确定资源状态为饱和状态。进一步的,还可以将第一区间、第二区间和第三区间划分为多个子区间。例如,可以将第三区间划分为70-85和85-100两个子区间,当目标实例的负载评分属于70-85,确定资源状态为饱和状态,以提示用户可以提升目标实例的资源配置,当目标实例的负载评分属于85-100,确定资源状态为严重饱和状态,以提示用户提升目标实例的资源配置,否则可能会影响目标实例的正常运行。
图6是根据一示例性实施例示出的另一种资源配置的检测方法的流程图,如图6所示,服务器上布置有多个目标实例,该方法还包括:
步骤108,通过调用预设的应用程序编程接口API,依次确认多个目标实例是否启用。
步骤109,当第一目标实例未启用时,确定第一目标实例的资源状态为空置状态,第一目标实例为多个目标实例中的任一目标实例。
示例的,服务器上可以布置有多个目标实例,可以通过调用预设的API(英文:Application Programming Interface,中文:应用程序编程接口),依次确认多个目标实例是否启用,如果确定某个目标实例未启用时,可以确定该目标实例的资源状态为空置状态,即服务器上为该目标实例配置的资源没有被使用,存在冗余,那么可以建议用户取消该目标实例的资源配置,以节省成本。
在确定目标实例的资源状态后,用户能够确定需要为目标实例配置多少资源(例如选择硬盘、内存的容量),因此可以按照目标实例的资源状态,对比不同的云服务器提供商的报价,以选择最适合目标实例的云服务器。进一步的,还可以统计目标实例在一定时间(例如一个月)内所占用的流量和带宽,结合不同的云服务器提供商的报价,向用户推荐按流量的付费方式,或按带宽的付费方式。同时,还可以统计目标实例占用的流量较高的时间段,并根据目标实例的上游实例和下游实例所占用的流量,来确定目标实例是否受到攻击。
综上所述,本公开应用于服务器,目标实例布置在服务器上,首先获取目标实例对于目标资源的多个资源占用率,其中多个资源占用率中包括在预设时间段内的每个采集时刻采集的对目标资源的资源占用率,再根据预设的聚类算法对多个资源占用率进行聚类,以得到N个目标簇,N个目标簇分别以N个目标占用率为中心,之后根据N个目标簇中每个所述目标簇中的每个所述资源占用率对应的采集时刻,依次确定每个目标簇对应的持续时间和时间间隔,最后根据每个目标簇对应的持续时间和时间间隔,来确定目标实例的资源状态。能够根据目标实例在服务器上的实时运行数据,来确定资源配置的状态,提高了检测的准确度。
图7是根据一示例性实施例示出的一种资源配置的检测装置的框图,如
图7所示,该装置200应用于服务器,包括以下模块:
获取模块201,用于获取布置在服务器上的目标实例对于目标资源的多个资源占用率,多个资源占用率中包括在预设时间段内的每个采集时刻采集的对目标资源的资源占用率。
聚类模块202,用于按照预设的聚类算法对多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇。
确定模块203,用于根据N个目标簇中每个目标簇中的每个资源占用率对应的采集时刻,依次确定每个目标簇对应的持续时间和时间间隔。
检测模块204,用于根据每个目标簇对应的持续时间和时间间隔,确定目标实例的资源状态。
图8是根据一示例性实施例示出的另一种资源配置的检测装置的框图,如图8所示,检测模块204包括:
第一确定子模块2041,用于根据第一目标簇对应的第一持续时间和第一时间间隔,和第二目标簇对应的第二持续时间和第二时间间隔,确定第一目标簇和第二目标簇对应的目标持续时间和目标时间跨度,第一目标簇为以第一目标占用率为中心的目标簇,第二目标簇为以第二目标占用率为中心的目标簇,第一目标占用率大于第一占用率阈值,第二目标占用率大于第二占用率阈值,第一占用率阈值小于第二占用率阈值。
检测子模块2042,用于当目标时间跨度小于第一阈值,且目标持续时间大于第二阈值时,确定资源状态为饱和状态。
检测子模块2042,还用于当目标时间跨度大于第三阈值,且目标持续时间大于第二阈值时,确定资源状态为弹性饱和状态。
图9是根据一示例性实施例示出的另一种资源配置的检测装置的框图,如图9所示,检测模块204还包括:
第二确定子模块2043,用于根据第一持续时间、第一时间间隔、第二持续时间和第二时间间隔,确定第一目标簇与第二目标簇的时间覆盖率。
检测子模块2042,还用于当目标持续时间小于第四阈值,且时间覆盖率小于覆盖率阈值时,确定资源状态为受攻击状态。
图10是根据一示例性实施例示出的另一种资源配置的检测装置的框图,如图10所示,目标资源为多个,聚类模块202可以用于执行以下步骤:
按照预设的聚类算法依次对多个目标资源中的每个目标资源的多个资源占用率进行聚类,以获取每个目标资源对应的N个目标簇,N个目标簇分别以N个目标占用率为中心。
该装置200还包括:
评分确定模块205,用于在按照预设的聚类算法对多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇之后,根据每个目标资源对应的N个目标簇中的每个目标簇包含的资源占用率的数量,通过预设的第一公式确定目标实例对于每个目标资源的负载评分。
评分确定模块205,还用于根据目标实例对于每个目标资源的负载评分,通过预设的第二公式确定目标实例的负载评分。
检测模块204,还用于根据目标实例的负载评分,确定资源状态。
可选的,第一公式包括:
其中,Ki表示多个目标资源中第i个目标资源的负载评分,Numi表示第i个目标资源的多个资源占用率中资源占用率的数量,vij表示第i个目标资源对应的N个目标簇中第j个目标簇包含的资源占用率的数量,λij表示第i个目标资源对应的N个目标簇中第j个目标簇对应的权重。
第二公式包括:
其中,S表示目标实例的负载评分,αi表示多个目标资源中第i个目标资源对应的权重。
可选的,检测模块204可以用于执行以下步骤:
A)当目标实例的负载评分在第一区间内时,确定资源状态为合理状态。
B)当目标实例的负载评分在第二区间内时,确定资源状态为不饱和状态。
C)当目标实例的负载评分在第三区间内时,确定资源状态为饱和状态。
第二区间中的最大值小于第一区间中的最小值,第一区间中的最大值小于第三区间中的最小值。
图11是根据一示例性实施例示出的另一种资源配置的检测装置的框图,如图11所示,服务器上布置有多个目标实例,该装置200还包括:
接口调用模块206,用于通过调用预设的应用程序编程接口API,依次确认多个目标实例是否启用。
检测模块204,还用于当第一目标实例未启用时,确定第一目标实例的资源状态为空置状态,第一目标实例为多个目标实例中的任一目标实例。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
综上所述,本公开应用于服务器,目标实例布置在服务器上,首先获取目标实例对于目标资源的多个资源占用率,其中多个资源占用率中包括在预设时间段内的每个采集时刻采集的对目标资源的资源占用率,再根据预设的聚类算法对多个资源占用率进行聚类,以得到N个目标簇,N个目标簇分别以N个目标占用率为中心,之后根据N个目标簇中每个所述目标簇中的每个所述资源占用率对应的采集时刻,依次确定每个目标簇对应的持续时间和时间间隔,最后根据每个目标簇对应的持续时间和时间间隔,来确定目标实例的资源状态。能够根据目标实例在服务器上的实时运行数据,来确定资源配置的状态,提高了检测的准确度。
图12是根据一示例性实施例示出的一种电子设备600的框图。例如,电子设备600可以被提供为一服务器。参照图12,电子设备600包括处理器622,其数量可以为一个或多个,以及存储器632,用于存储可由处理器622执行的计算机程序。存储器632中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器622可以被配置为执行该计算机程序,以执行上述的资源配置的检测方法。
另外,电子设备600还可以包括电源组件626和通信组件650,该电源组件626可以被配置为执行电子设备600的电源管理,该通信组件650可以被配置为实现电子设备600的通信,例如,有线或无线通信。此外,该电子设备600还可以包括输入/输出(I/O)接口658。电子设备600可以操作基于存储在存储器632的操作系统,例如Windows ServerTM,Mac OSXTM,UnixTM,LinuxTM等等。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的资源配置的检测方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器632,上述程序指令可由电子设备600的处理器622执行以完成上述的资源配置的检测方法。
综上所述,本公开应用于服务器,目标实例布置在服务器上,首先获取目标实例对于目标资源的多个资源占用率,其中多个资源占用率中包括在预设时间段内的每个采集时刻采集的对目标资源的资源占用率,再根据预设的聚类算法对多个资源占用率进行聚类,以得到N个目标簇,N个目标簇分别以N个目标占用率为中心,之后根据N个目标簇中每个所述目标簇中的每个所述资源占用率对应的采集时刻,依次确定每个目标簇对应的持续时间和时间间隔,最后根据每个目标簇对应的持续时间和时间间隔,来确定目标实例的资源状态。能够根据目标实例在服务器上的实时运行数据,来确定资源配置的状态,提高了检测的准确度。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,本领域技术人员在考虑说明书及实践本公开后,容易想到本公开的其它实施方案,均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。同时本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。本公开并不局限于上面已经描述出的精确结构,本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种资源配置的检测方法,其特征在于,应用于服务器,所述方法包括:
获取布置在所述服务器上的目标实例对于目标资源的多个资源占用率,所述多个资源占用率中包括在预设时间段内的每个采集时刻采集的对所述目标资源的资源占用率;
按照预设的聚类算法对所述多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇;
根据所述N个目标簇中每个所述目标簇中的每个所述资源占用率对应的采集时刻,依次确定所述每个目标簇对应的持续时间和时间间隔;
根据所述每个目标簇对应的持续时间和时间间隔,确定所述目标实例的资源状态。
2.根据权利要求1所述的方法,其特征在于,所述根据所述每个目标簇对应的持续时间和时间间隔,确定所述目标实例的资源状态,包括:
根据第一目标簇对应的第一持续时间和第一时间间隔,和第二目标簇对应的第二持续时间和第二时间间隔,确定所述第一目标簇和所述第二目标簇对应的目标持续时间和目标时间跨度,所述第一目标簇为以第一目标占用率为中心的目标簇,所述第二目标簇为以第二目标占用率为中心的目标簇,所述第一目标占用率大于第一占用率阈值,所述第二目标占用率大于第二占用率阈值,所述第一占用率阈值小于所述第二占用率阈值;
当所述目标时间跨度小于第一阈值,且所述目标持续时间大于第二阈值时,确定所述资源状态为饱和状态;
当所述目标时间跨度大于第三阈值,且所述目标持续时间大于所述第二阈值时,确定所述资源状态为弹性饱和状态。
3.根据权利要求2所述的方法,其特征在于,所述根据所述每个目标簇对应的持续时间和时间间隔,确定所述目标实例的资源状态,还包括:
根据所述第一持续时间、所述第一时间间隔、所述第二持续时间和所述第二时间间隔,确定所述第一目标簇与所述第二目标簇的时间覆盖率;
当所述目标持续时间小于第四阈值,且所述时间覆盖率小于覆盖率阈值时,确定所述资源状态为受攻击状态。
4.根据权利要求1所述的方法,其特征在于,所述目标资源为多个,所述按照预设的聚类算法对所述多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇,包括:
按照预设的聚类算法依次对多个目标资源中的每个目标资源的多个资源占用率进行聚类,以获取每个目标资源对应的N个目标簇,所述N个目标簇分别以N个目标占用率为中心;
在所述按照预设的聚类算法对所述多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇之后,所述方法还包括:
根据所述每个目标资源对应的N个目标簇中的每个目标簇包含的资源占用率的数量,通过预设的第一公式确定所述目标实例对于所述每个目标资源的负载评分;
根据所述目标实例对于所述每个目标资源的负载评分,通过预设的第二公式确定所述目标实例的负载评分;
根据所述目标实例的负载评分,确定所述资源状态。
5.根据权利要求4所述的方法,其特征在于,所述第一公式包括:
其中,Ki表示多个所述目标资源中第i个目标资源的负载评分,Numi表示所述第i个目标资源的所述多个资源占用率中所述资源占用率的数量,vij表示所述第i个目标资源对应的N个目标簇中第j个目标簇包含的所述资源占用率的数量,λij表示所述第i个目标资源的应的N个目标簇中第j个目标簇对应的权重;
所述第二公式包括:
其中,S表示所述目标实例的负载评分,αi表示所述多个目标资源中第i个目标资源对应的权重。
6.根据权利要求4所述的方法,其特征在于,所述根据所述目标实例的负载评分,确定所述资源状态,包括:
当所述目标实例的负载评分在第一区间内时,确定所述资源状态为合理状态;
当所述目标实例的负载评分在第二区间内时,确定所述资源状态为不饱和状态;
当所述目标实例的负载评分在第三区间内时,确定所述资源状态为饱和状态;
所述第二区间中的最大值小于所述第一区间中的最小值,所述第一区间中的最大值小于所述第三区间中的最小值。
7.根据权利要求1所述的方法,其特征在于,所述服务器上布置有多个所述目标实例,所述方法还包括:
通过调用预设的应用程序编程接口API,依次确认所述多个目标实例是否启用;
当第一目标实例未启用时,确定所述第一目标实例的资源状态为空置状态,所述第一目标实例为所述多个目标实例中的任一目标实例。
8.一种资源配置的检测装置,其特征在于,应用于服务器,所述装置包括:
获取模块,用于获取布置在所述服务器上的目标实例对于目标资源的多个资源占用率,所述多个资源占用率中包括在预设时间段内的每个采集时刻采集的对所述目标资源的资源占用率;
聚类模块,用于按照预设的聚类算法对所述多个资源占用率进行聚类,以获取以N个目标占用率为中心的N个目标簇;
确定模块,用于根据所述N个目标簇中每个所述目标簇中的每个所述资源占用率对应的采集时刻,依次确定所述每个目标簇对应的持续时间和时间间隔;
检测模块,用于根据所述每个目标簇对应的持续时间和时间间隔,确定所述目标实例的资源状态。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811585285.4A CN109800085B (zh) | 2018-12-24 | 2018-12-24 | 资源配置的检测方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811585285.4A CN109800085B (zh) | 2018-12-24 | 2018-12-24 | 资源配置的检测方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109800085A true CN109800085A (zh) | 2019-05-24 |
CN109800085B CN109800085B (zh) | 2021-01-29 |
Family
ID=66557517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811585285.4A Active CN109800085B (zh) | 2018-12-24 | 2018-12-24 | 资源配置的检测方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109800085B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111641704A (zh) * | 2020-05-28 | 2020-09-08 | 深圳华锐金融技术股份有限公司 | 资源相关数据发送方法、装置、计算机设备和存储介质 |
CN111680835A (zh) * | 2020-06-05 | 2020-09-18 | 广州汇量信息科技有限公司 | 一种风险预测方法、装置、存储介质及电子设备 |
CN112596985A (zh) * | 2020-12-30 | 2021-04-02 | 绿盟科技集团股份有限公司 | 一种it资产探测方法、装置、设备和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120317573A1 (en) * | 2011-01-31 | 2012-12-13 | International Business Machines Corporation | Determing an allocation configuration for allocating virtual machines to physical machines |
CN104298539A (zh) * | 2014-10-13 | 2015-01-21 | 南京大学 | 基于网络感知的虚拟机调度与再调度方法 |
CN104360908A (zh) * | 2014-10-31 | 2015-02-18 | 东北大学 | 基于蚁群优化算法的云环境下sbs资源配置方法 |
CN104516784A (zh) * | 2014-07-11 | 2015-04-15 | 中国科学院计算技术研究所 | 一种预测任务资源等待时间的方法及系统 |
CN108021441A (zh) * | 2016-11-03 | 2018-05-11 | 中国移动通信集团广东有限公司 | 一种基于云计算的虚拟机资源配置方法及装置 |
CN108415777A (zh) * | 2018-03-21 | 2018-08-17 | 常州信息职业技术学院 | 一种基于聚类特征提取的云计算集群任务负载预测方法 |
-
2018
- 2018-12-24 CN CN201811585285.4A patent/CN109800085B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120317573A1 (en) * | 2011-01-31 | 2012-12-13 | International Business Machines Corporation | Determing an allocation configuration for allocating virtual machines to physical machines |
CN104516784A (zh) * | 2014-07-11 | 2015-04-15 | 中国科学院计算技术研究所 | 一种预测任务资源等待时间的方法及系统 |
CN104298539A (zh) * | 2014-10-13 | 2015-01-21 | 南京大学 | 基于网络感知的虚拟机调度与再调度方法 |
CN104360908A (zh) * | 2014-10-31 | 2015-02-18 | 东北大学 | 基于蚁群优化算法的云环境下sbs资源配置方法 |
CN108021441A (zh) * | 2016-11-03 | 2018-05-11 | 中国移动通信集团广东有限公司 | 一种基于云计算的虚拟机资源配置方法及装置 |
CN108415777A (zh) * | 2018-03-21 | 2018-08-17 | 常州信息职业技术学院 | 一种基于聚类特征提取的云计算集群任务负载预测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111641704A (zh) * | 2020-05-28 | 2020-09-08 | 深圳华锐金融技术股份有限公司 | 资源相关数据发送方法、装置、计算机设备和存储介质 |
CN111680835A (zh) * | 2020-06-05 | 2020-09-18 | 广州汇量信息科技有限公司 | 一种风险预测方法、装置、存储介质及电子设备 |
CN112596985A (zh) * | 2020-12-30 | 2021-04-02 | 绿盟科技集团股份有限公司 | 一种it资产探测方法、装置、设备和介质 |
CN112596985B (zh) * | 2020-12-30 | 2023-11-10 | 绿盟科技集团股份有限公司 | 一种it资产探测方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109800085B (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776934B (zh) | 分布式数据计算方法、装置、计算机设备及可读存储介质 | |
US9866578B2 (en) | System and method for network intrusion detection anomaly risk scoring | |
US20170300359A1 (en) | Policy based workload scaler | |
CN110795203B (zh) | 资源调度方法、装置、系统和计算设备 | |
CN109800085A (zh) | 资源配置的检测方法、装置、存储介质和电子设备 | |
CN104182278B (zh) | 一种判定计算机硬件资源繁忙程度的方法和装置 | |
CN108762686A (zh) | 数据一致性校验流控方法、装置、电子设备及存储介质 | |
CN107193649B (zh) | 一种基于numa系统的任务调度方法及装置 | |
CN109783385A (zh) | 一种产品测试方法和装置 | |
CN115543577A (zh) | 基于协变量的Kubernetes资源调度优化方法、存储介质及设备 | |
CN110365598B (zh) | 心跳消息发送的方法、装置、服务器、终端及存储介质 | |
CN116544999A (zh) | 储能系统的装机容量确定方法、装置、设备和介质 | |
CN107958346A (zh) | 异常行为的识别方法及装置 | |
CN108985556B (zh) | 流量调度的方法、装置、设备和计算机存储介质 | |
CN110796591A (zh) | 一种gpu卡的使用方法及相关设备 | |
CN112669091B (zh) | 数据处理方法、装置及存储介质 | |
CN109376051A (zh) | 检测移动设备应用程序功耗的方法及终端设备 | |
CN113934920B (zh) | 目标信息的推送方法、设备及存储介质 | |
US20140214826A1 (en) | Ranking method and system | |
CN111475251A (zh) | 一种集群容器调度方法、系统、终端及存储介质 | |
CN115660344A (zh) | 用户排班方法、装置、电子设备及存储介质 | |
Bayati | Managing energy consumption and quality of service in data centers | |
CN112003900B (zh) | 实现分布式系统中高负载场景下服务高可用的方法、系统 | |
Ujhelyi et al. | Task scheduling in distributed volunteer computing systems | |
CN111598390A (zh) | 服务器高可用性评估方法、装置、设备和可读存储介质 |
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 |