CN110442445B - 一种基于大规模容器云场景下计算网格的设计方法和装置 - Google Patents
一种基于大规模容器云场景下计算网格的设计方法和装置 Download PDFInfo
- Publication number
- CN110442445B CN110442445B CN201910573947.4A CN201910573947A CN110442445B CN 110442445 B CN110442445 B CN 110442445B CN 201910573947 A CN201910573947 A CN 201910573947A CN 110442445 B CN110442445 B CN 110442445B
- Authority
- CN
- China
- Prior art keywords
- resource
- modeling
- computing
- scheduling
- distribution
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013461 design Methods 0.000 title claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000013468 resource allocation Methods 0.000 claims description 4
- 239000003795 chemical substances by application Substances 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 101100014158 Caenorhabditis elegans rack-1 gene Proteins 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种基于大规模容器云场景下计算网格的设计方法，包括以下步骤：根据离散物理主机的资源特征，统计大规模容器云集群的计算资源分布；以及根据计算资源分布，对计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模，以建立资源调度层级路由表；以及将资源调度层级路由表注入到所述计算网格中。通过本发明方法，保证在计算网格管制下，不侵入现有大数据及AI应用，进行资源层负载均衡，高效调度，优化用户对容器云资源的使用。
Description
技术领域
本发明涉及计算机领域，并且更具体地，涉及一种基于大规模容器云场景下计算网格的设计方法和装置。
背景技术
目前在容器化场景中，资源层调度策略仍然是比较前沿的技术领域，也即：云+数战略。可以想象车联网汽车，在从北京到上海再到南京过程中，不断的上报数据到数据中心，进行大数据计算，分析及预测汽车行驶过程中的安全、能耗。这种计算一般都需要几十台到几百台集群协同，考虑到大规模容器云复杂场景下，计算容器(如Hadoop、Spark、Flink)在编排时无法根据离散物理主机的特征，在资源层进行层级调度。
那么如何建立资源路由，进行资源分配，成为棘手的问题。
发明内容
鉴于此，本发明实施例的目的在于提出一种基于大规模容器云场景下计算网格的设计方法，主要应用在超大规模容器云大数据分布式计算场景中，通过设计一层服务计算网格(Service Computing Mesh)注入到容器编排服务中，实现跨数据中心、跨机房、跨机架以及跨不同资源配置主机之间的高效协调计算。
基于上述目的，本发明实施例的一方面提供了一种基于大规模容器云场景下计算网格的设计方法，包括以下步骤：
根据离散物理主机的资源特征，统计大规模容器云集群的计算资源分布；
根据所述计算资源分布，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模，以建立资源调度层级路由表；以及
将所述资源调度层级路由表注入到所述计算网格中。
在一些实施方式中，所述方法还包括：
将资源调度策略注入到所述计算网格中，所述资源调度策略包括：监控用户提交的计算请求，通过计算网格算法对所述计算请求进行拦截并根据所述计算请求调用所述资源调度层级路由表进行资源调度。
在一些实施方式中，所述方法还包括：
将所述在网络L7层执行用户请求代理的策略注入到所述计算网格中。
在一些实施方式中，所述根据离散物理主机的特征，统计大规模容器云集群的计算资源分布情况包括：
基于用户所能调用的大规模容器云集群的系统资源，根据离散物理主机的特征，统计跨数据中心、跨机房、跨机架以及跨不同主机的计算资源分布情况。
在一些实施方式中，所述根据所述计算资源分布情况，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模以建立资源调度层级路由表包括：
在所述优先级建模中结合数据本地性策略进行路由算法设计。
在一些实施方式中，所述根据所述计算资源分布情况，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模以建立资源调度层级路由表还包括：
在所述层级建模中结合地域差异进行路由算法设计，呈现计算资源的层次化图谱。
在一些实施方式中，所述根据所述计算资源分布情况，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模以建立资源调度层级路由表还包括：
在所述资源分布建模中统计同一机房内不同物理主机之间的配置差异，结合数据中心内部硬件资源的分布情况设计资源图谱。
在一些实施方式中，所述根据所述计算资源分布情况，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模以建立资源调度层级路由表还包括：
在所述调度策略建模中结合用户请求的负载情况，通过设计资源分配策略算法来实现负载均衡处理。
在一些实施方式中，所述在网络L7层执行用户请求代理，将所述在网络L7层执行用户请求代理的策略注入到所述计算网格中包括：
提供的L7层用户请求代理包括用户权限认证服务、黑名单校验、重试次数、熔断、资源区域分配、主机标签选择器。
本发明实施例的另一方面提供了一种基于大规模容器云场景下计算网格的设计装置，包括：
至少一个处理器；和
存储器，所述存储器存储有处理器可运行的程序代码，所述程序代码在被处理器运行时实施上述任一项所述的方法。
本发明具有以下有益技术效果：本发明实施例提供的一种基于大规模容器云场景下计算网格的设计方法和装置通过执行离散计算资源网格建模以建立资源调度层级路由表、用户请求劫持及L7层服务代理、根据资源调度层级路由表进行多租户计算资源池弹性调度等主要策略，保证在服务计算网格管制下，不侵入现有大数据及AI应用，进行资源层负载均衡，高效调度，优化用户对容器云资源的使用。
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，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实施例。
图1是根据本发明的一种基于大规模容器云场景下计算网格的设计方法的流程图；
图2是根据本发明实施例的一种基于大规模容器云场景下弹性计算网格的设计方法的示意图；以及
图3是根据本发明的一种基于大规模容器云场景下计算网格的设计装置的硬件结构示意图。
具体实施方式
以下描述了本公开的实施例。然而，应该理解，所公开的实施例仅仅是示例，并且其他实施例可以采取各种替代形式。附图不一定按比例绘制；某些功能可能被夸大或最小化以显示特定部件的细节。因此，本文公开的具体结构和功能细节不应被解释为限制性的，而仅仅是作为用于教导本领域技术人员以各种方式使用本发明的代表性基础。如本领域普通技术人员将理解的，参考任何一个附图所示出和描述的各种特征可以与一个或多个其他附图中所示的特征组合以产生没有明确示出或描述的实施例。所示特征的组合为典型应用提供了代表性实施例。然而，与本公开的教导相一致的特征的各种组合和修改对于某些特定应用或实施方式可能是期望的。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
基于上述目的，本发明的实施例一方面提出了一种基于大规模容器云场景下计算网格的设计方法，如图1所示，包括以下步骤：
步骤S101：根据离散物理主机的资源特征，统计大规模容器云集群的计算资源分布；
步骤S102：根据所述计算资源分布，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模，以建立资源调度层级路由表；以及
步骤S103：将所述资源调度层级路由表注入到所述计算网格中。
在一些实施例中，所述方法还包括将资源调度策略注入到计算网格中，资源调度策略包括：监控用户提交的计算请求，通过计算网格算法对计算请求进行拦截并根据计算请求调用资源调度层级路由表进行资源调度。即，在超大规模容器云大数据分布式计算场景中，用户提交计算任务时，通过上述计算网格算法，拦截用户请求，从而调用所述资源调度层级路由表进行资源调度，以优化资源请求分配策略。
在一些实施例中，所述方法还包括将在网络L7层执行用户请求代理的策略注入到计算网格中。
在一些实施例中，基于用户所能调用的大规模容器云集群的系统资源，根据离散物理主机的特征，统计跨数据中心、跨机房、跨机架以及跨不同主机的计算资源分布情况，进行优先级建模、层级建模、资源分布建模、调度策略建模等。
在一些实施例中，优先级建模结合数据本地性策略进行路由算法设计，例如：用户数据所在主机。层级建模结合地域差异进行路由算法设计，例如：根据亚洲区域、国家区域、省市区域进行层次化建模，呈现计算资源的层次化图谱，促进大数据计算任务的层次化调度。资源分布建模统计同一机房内不同物理主机之间的配置差异，结合数据中心内部硬件资源的分布情况设计资源图谱，例如：根据机房CPU密集型、IO密集型、GPU密集型、网络密集型等进行标签化处理。调度策略建模结合用户请求的负载情况，通过设计资源分配策略算法来实现负载均衡处理，例如：比如设计SpreadOut策略算法，实现多主机资源均匀分配。
在一些实施例中，根据请求资源的分布情况，调用离散计算资源网格建模算法，统计跨数据中心、跨机房、跨机架以及跨不同资源配置主机的分布情况以建立资源调度层级路由表；监控用户提交计算任务，通过计算网格算法，拦截用户请求，优化资源请求分配策略，并在网络L7层执行用户请求代理。其中，劫持用户提交计算任务请求，进行反向服务代理，然后根据资源调度层级路由表综合协调用户对磁盘、内存、CPU、GPU、FPGA等计算资源的使用。例如：劫持用户请求并注入Center＝Beijing&Shanghai,Room＝Beijing:1#|2#&&Shanghai:3#|9#,Rack＝Beijing:rack_1|rack_2&&Shanghai:rack_1|rack_2,Node＝Beijing:10.180.210.23,10.180.210.24&&Shanghai:11.180.210.23,11.180.210.24等。
在一些实施例中，提供用户权限认证服务、黑名单校验、重试次数、熔断、资源区域分配、主机标签选择器等L7层用户请求代理。例如：劫持用户请求并注入SSL＝UNdYaVJmPR@＝,BlackList＝LiMing,Retry＝10,Area＝South China，NodeSelector＝FPGA&GPU。
在一些实施例中，如图2所示，将用户请求劫持及L7层代理服务和离散计算资源网格建模策略注入到容器编排组件中(即多租户计算资源池弹性调度)，进而按照计算网格策略调度容器云平台(如Mesos、K8s)资源。例如：提交用户计算请求，根据计算网格调度策略算法，把计算容器编排到最优的主机上进行数据运算。
在技术上可行的情况下，以上针对不同实施例所列举的技术特征可以相互组合，或者改变、添加以及省略等等，从而形成本发明范围内的另外实施例。
从上述实施例可以看出，本发明实施例提供的一种基于大规模容器云场景下计算网格的设计方法保证在计算网格管制下，不侵入现有大数据及AI应用，进行资源层负载均衡，高效调度，优化用户对容器云资源的使用。
基于上述目的，本发明实施例的另一个方面，提出了一种基于大规模容器云场景下计算网格的设计装置一个实施例。
所述基于大规模容器云场景下计算网格的设计装置包括存储器、和至少一个处理器，存储器存储有可在处理器上运行的计算机程序，处理器执行程序时执行上述任意一种方法。
如图3所示，为本发明提供的基于大规模容器云场景下计算网格的设计装置的一个实施例的硬件结构示意图。
以如图3所示的计算机设备为例，在该计算机设备中包括处理器301以及存储器302，并还可以包括：输入装置303和输出装置304。
处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的所述基于大规模容器云场景下计算网格的设计方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的基于大规模容器云场景下计算网格的设计方法。
存储器302可以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、至少一个功能所需要的应用程序；存储数据区可存储根据基于大规模容器云场景下计算网格的设计方法所创建的数据等。此外，存储器302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、或其他非易失性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置303可接收输入的数字或字符信息，以及产生与基于大规模容器云场景下计算网格的设计方法的计算机设备的用户设置以及功能控制有关的键信号输入。输出装置304可包括显示屏等显示设备。
所述一个或者多个基于大规模容器云场景下计算网格的设计方法对应的程序指令/模块存储在所述存储器302中，当被所述处理器301执行时，执行上述任意方法实施例中的基于大规模容器云场景下计算网格的设计方法。
所述执行所述基于大规模容器云场景下计算网格的设计方法的计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
此外，典型地，本发明实施例公开所述的装置、设备等可为各种电子终端设备，例如手机、个人数字助理(PDA)、平板电脑(PAD)、智能电视等，也可以是大型终端设备，如服务器等，因此本发明实施例公开的保护范围不应限定为某种特定类型的装置、设备。本发明实施例公开所述的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。
此外，根据本发明实施例公开的方法还可以被实现为由CPU执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时，执行本发明实施例公开的方法中限定的上述功能。
此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外，应该明白的是，本文所述的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM)，该RAM可以充当外部高速缓存存储器。作为例子而非限制性的，RAM可以以多种形式获得，比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现所述的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里所述功能的下列部件来实现或执行：通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器，使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中，所述存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中，处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中，所述功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将所述功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
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。
上述实施例是实施方式的可能示例，并且仅仅为了清楚理解本发明的原理而提出。所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。
Claims (9)
1.一种基于大规模容器云场景下计算网格的设计方法，其特征在于，包括以下步骤：
根据离散物理主机的资源特征，统计大规模容器云集群的计算资源分布；
根据所述计算资源分布，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模，以建立资源调度层级路由表；
将所述资源调度层级路由表注入到所述计算网格中，以及
将用户请求劫持及L7层代理服务和离散计算资源网格建模策略注入到多租户计算资源池弹性调度，以按照计算网格策略调度容器云平台资源。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将资源调度策略注入到所述计算网格中，所述资源调度策略包括：监控用户提交的计算请求，通过计算网格算法对所述计算请求进行拦截并根据所述计算请求调用所述资源调度层级路由表进行资源调度。
3.根据权利要求1所述的方法，其特征在于，所述根据离散物理主机的特征，统计大规模容器云集群的计算资源分布情况包括：
基于用户所能调用的大规模容器云集群的系统资源，根据离散物理主机的特征，统计跨数据中心、跨机房、跨机架以及跨不同主机的计算资源分布情况。
4.根据权利要求1所述的方法，其特征在于，所述根据所述计算资源分布情况，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模以建立资源调度层级路由表包括：
在所述优先级建模中结合数据本地性策略进行路由算法设计。
5.根据权利要求1所述的方法，其特征在于，所述根据所述计算资源分布情况，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模以建立资源调度层级路由表还包括：
在所述层级建模中结合地域差异进行路由算法设计，呈现计算资源的层次化图谱。
6.根据权利要求1所述的方法，其特征在于，所述根据所述计算资源分布情况，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模以建立资源调度层级路由表还包括：
在所述资源分布建模中统计同一机房内不同物理主机之间的配置差异，结合数据中心内部硬件资源的分布情况设计资源图谱。
7.根据权利要求1所述的方法，其特征在于，所述根据所述计算资源分布情况，对所述计算资源进行优先级建模、层级建模、资源分布建模以及调度策略建模以建立资源调度层级路由表还包括：
在所述调度策略建模中结合用户请求的负载情况，通过设计资源分配策略算法来实现负载均衡处理。
8.根据权利要求1所述的方法，其特征在于，其中L7层代理服务包括用户权限认证服务、黑名单校验、重试次数、熔断、资源区域分配、主机标签选择器。
9.一种基于大规模容器云场景下计算网格的设计装置，其特征在于，包括：
至少一个处理器；和
存储器，所述存储器存储有处理器可运行的程序代码，所述程序代码在被处理器运行时实施如权利要求1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910573947.4A CN110442445B (zh) | 2019-06-28 | 2019-06-28 | 一种基于大规模容器云场景下计算网格的设计方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910573947.4A CN110442445B (zh) | 2019-06-28 | 2019-06-28 | 一种基于大规模容器云场景下计算网格的设计方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110442445A CN110442445A (zh) | 2019-11-12 |
| CN110442445B true CN110442445B (zh) | 2022-04-22 |
Family
ID=68428590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910573947.4A Active CN110442445B (zh) | 2019-06-28 | 2019-06-28 | 一种基于大规模容器云场景下计算网格的设计方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110442445B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111078399B (zh) * | 2019-11-29 | 2023-10-13 | 珠海金山数字网络科技有限公司 | 一种基于分布式架构的资源分析方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102469023A (zh) * | 2010-11-19 | 2012-05-23 | 中国移动通信集团公司 | 基于云计算的调度方法、单元及系统 |
| CN103414657A (zh) * | 2013-08-22 | 2013-11-27 | 浪潮(北京)电子信息产业有限公司 | 一种跨数据中心的资源调度方法、超级调度中心和系统 |
| CN108536528A (zh) * | 2018-03-23 | 2018-09-14 | 湖南大学 | 应用感知的大规模网格作业调度方法 |
| US10263880B1 (en) * | 2005-06-08 | 2019-04-16 | Federal Home Loan Mortgage Corporation | Method apparatus, and computer program product for dynamic security based grid routing |
-
2019
- 2019-06-28 CN CN201910573947.4A patent/CN110442445B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10263880B1 (en) * | 2005-06-08 | 2019-04-16 | Federal Home Loan Mortgage Corporation | Method apparatus, and computer program product for dynamic security based grid routing |
| CN102469023A (zh) * | 2010-11-19 | 2012-05-23 | 中国移动通信集团公司 | 基于云计算的调度方法、单元及系统 |
| CN103414657A (zh) * | 2013-08-22 | 2013-11-27 | 浪潮(北京)电子信息产业有限公司 | 一种跨数据中心的资源调度方法、超级调度中心和系统 |
| CN108536528A (zh) * | 2018-03-23 | 2018-09-14 | 湖南大学 | 应用感知的大规模网格作业调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110442445A (zh) | 2019-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12003571B2 (en) | Client-directed placement of remotely-configured service instances | |
| US11711420B2 (en) | Automated management of resource attributes across network-based services | |
| US20230396669A1 (en) | Technologies for transparent function as a service arbitration for edge systems | |
| Ranjan et al. | Cloud resource orchestration programming: overview, issues, and directions | |
| US20180331896A1 (en) | Creating new cloud resource instruction set architecture | |
| Rimal et al. | A taxonomy, survey, and issues of cloud computing ecosystems | |
| US9270703B1 (en) | Enhanced control-plane security for network-accessible services | |
| US11411921B2 (en) | Enabling access across private networks for a managed blockchain service | |
| Abourezq et al. | Database-as-a-service for big data: An overview | |
| JP2018518744A (ja) | コンピュートクラスタ内のリソースインスタンスグループの自動スケーリング | |
| US9912682B2 (en) | Aggregation of network traffic source behavior data across network-based endpoints | |
| WO2019195501A1 (en) | Cloud platforms, services, and methods | |
| US10620928B2 (en) | Global cloud applications management | |
| US10659531B2 (en) | Initiator aware data migration | |
| US11477187B2 (en) | API key access authorization | |
| US20150156193A1 (en) | Creating and managing certificates in a role-based certificate store | |
| WO2020106845A1 (en) | Enabling access across private networks for a managed blockchain service | |
| CN110442445B (zh) | 一种基于大规模容器云场景下计算网格的设计方法和装置 | |
| Ali et al. | Petri Net based modeling and analysis for improved resource utilization in cloud computing | |
| KR20220147613A (ko) | 멀티-테넌트 서버리스 환경들을 위한 멀티-레벨 캐시-메시-시스템 | |
| US20230336557A1 (en) | Resource allocating and management in a computer network | |
| US9509718B1 (en) | Network-attached storage solution for application servers | |
| CN110309213B (zh) | 一种数据库访问控制方法、装置、系统、介质及设备 | |
| CN103347059B (zh) | 实现用户配置参数传递的方法、客户端和系统 | |
| Jadhav et al. | Opportunities and challenges in integrating cloud computing and big data analytics to e-governance |
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 |