CN110442449A - 一种资源调度方法和装置 - Google Patents

Abstract

本发明实施例提供了一种资源调度方法和装置，资源调度方法包括：获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略，若所述目标调度策略为基于时间的调度策略，则检测所述用户设备当前的计算资源使用量，确定所述当前的计算资源使用量与计算资源分配量的比值，所述计算资源分配量为所述服务器为所述用户设备分配的计算资源的大小，若所述比值大于第一预设阈值，则为所述用户设备增加第一预设资源。根据用户当前的计算资源使用量和计算资源分配量的比值，动态调整用户的计算资源分配量，可以避免分配给用户过多的计算资源，造成计算资源的闲置，从而提高云平台的计算资源使用效率，提高云平台的性能和服务质量。

Description

一种资源调度方法和装置

技术领域

本发明涉及云计算技术领域，特别是涉及一种资源调度方法和装置。

背景技术

云计算服务是指通过虚拟化技术将物理空间上分布的大量硬件资源进行整合，构成计算资源池提供给地理空间上分布的终端设备，终端设备根据计算需求，从计算资源池中获取一定量的计算资源，完成计算任务。云计算中的资源调度指的是，根据一定的计算资源使用规则，在不同的用户之间进行计算资源分配的过程。

现有的计算资源调度中，主要根据用户对计算资源的质量、速度和成本等不同的需求，给用户分配一定量的计算资源。但是，用户在不同时间内对计算资源的需求量是动态变化的，而现有技术中根据用户对质量、速度和成本等不同的需求给用户分配计算资源时，容易在部分时间段分配给用户过多的计算资源，造成计算资源闲置，而部分时间段分配给用户过少的计算资源，造成计算资源短缺，从而导致云平台的计算资源使用效率低下，降低了云平台的性能和服务质量。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的资源调度方法和装置。

本发明实施例第一方面，提供了一种资源调度方法，执行于服务器，包括：

获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略；

若所述目标调度策略为基于时间的调度策略，则检测所述用户设备当前的计算资源使用量；

确定所述当前的计算资源使用量与计算资源分配量的比值，所述计算资源分配量为所述服务器为所述用户设备分配的计算资源的大小；

若所述比值大于第一预设阈值，则为所述用户设备增加第一预设资源。

本发明实施例第二方面，提供了一种资源调度装置，设置于服务器，包括：

第一获取模块，用于获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略；

检测模块，用于若所述目标调度策略为基于时间的调度策略，则检测所述用户设备当前的计算资源使用量；

第一确定模块，用于确定所述当前的计算资源使用量与计算资源分配量的比值，所述计算资源分配量为所述服务器为所述用户设备分配的计算资源的大小；

调度模块，用于若所述比值大于第一预设阈值，则为所述用户设备增加第一预设资源。

根据本发明的资源调度方法和装置，获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略，若目标调度策略为基于时间的调度策略，则检测用户设备当前的计算资源使用量，确定当前的计算资源使用量与计算资源分配量的比值，若比值大于第一预设阈值，则为用户设备增加第一预设资源。根据用户当前的计算资源使用量和计算资源分配量的比值，动态调整用户的计算资源分配量，可以避免分配给用户过多的计算资源，造成计算资源的闲置，从而提高云平台的计算资源使用效率，提高云平台的性能和服务质量。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1是本发明一示例性实施例提供的一种云平台的结构图；

图2是本发明一示例性实施例提供的一种资源调度方法的流程图；

图3是本发明一示例性实施例提供的另一种资源调度方法的流程图；

图4是本发明一示例性实施例提供的另一种资源调度方法的流程图；

图5是本发明一示例性实施例提供的一种资源调度装置的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参照图1，图1是本发明一示例性实施例提供的一种云平台的结构图，如图1所示，该云平台包括云区域1、云区域2、云区域3和服务器，云区域可以是位于不同城市的计算中心。其中，每个云区域中都配置有一定量的物理计算资源(物理计算资源具体为用于提供计算服务的网络设备、防火墙和服务器集群等硬件资源)。服务器通过虚拟化技术将云区域1、云区域2和云区域3的物理计算资源进行整合，构成计算资源池，为用户设备提供计算资源。实际使用中，用户不同的计算任务对计算资源量的需求不同(计算任务为数据分发、数据处理等需要使用计算资源进行处理的工作)，用户根据计算需求确定计算资源量，向云平台请求一定量的计算资源。服务器根据用户请求，将计算资源池中一定量的计算资源分配给用户。具体的，用户根据计算任务通过用户设备向服务器发送创建请求，服务器接收到用户设备发送的创建请求后，通过虚拟化技术从硬件资源中创建虚拟机，将虚拟机分配给用户设备，虚拟机配置的大小即为分配给用户的计算资源量。例如，用户请求创建的虚拟机的配置为：4GHz的CPU，500G的硬盘，4G的内存，则云平台分配给用户的计算资源量为：4GHz的CPU，500G的硬盘，4G的内存。

参照图2，图2是本发明一示例性实施例提供的一种资源调度方法的流程图，该方法适用于云平台，云平台包括至少一个云区域，资源调度方法可以适用于云平台中计算资源的调度，以提高云平台中计算资源的使用效率。本公开实施例提供的资源调度方法可以由资源调度装置执行，资源调度装置通常以软件和/或硬件的方式实现，资源调度装置可以部署于云平台中的服务器，该方法具体可以包括如下步骤：

步骤201、获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略。

其中，用户设备可以为计算机、平板电脑等终端设备，用户可以通过用户设备中的客户端登录云平台中的服务器，从云平台获取计算资源。调度策略为云平台针对不同的用户需求制定的多种计算资源分配策略。

具体的，用户登录服务器后，用户设备中的客户端显示界面内为用户提供多种调度策略供用户选择，用户从多种调度策略中选择一种调度策略后，用户设备将用户选择的调度策略发送至云平台中的服务器，服务器将用户设备发送的调度策略确定为用户的目标调度策略，服务器根据该目标调度策略为用户设备分配计算资源。

步骤202、若目标调度策略为基于时间的调度策略，则检测用户设备当前的计算资源使用量。

其中，不同的用户在不同的时间段内对计算资源的需求量不同。例如，若用户A为提供网购服务的网购平台，由于白天购物人数较多，用户A在白天需要使用大量的计算资源给客户提供服务，而在晚上的休息时间内，购物人数较少，用户A只需要使用很少的计算资源维持网购平台运行即可。并且，用户A在一天内的不同时间段，对计算资源的需求量也是不同的，如从上午至下午，购物人数逐渐增加，用户A对计算资源的需求量也逐渐增加，从下午至晚上，购物人数逐渐减少，用户A对计算资源的需求量也逐渐减少。同理，若用户B为提供社交服务的社交平台，由于白天登录社交平台的人数较少，用户B在白天需要使用的计算资源量较少，而晚上登录社交平台的人数较多，则用户B在晚上需要使用的计算资源量较多。

本实施例中，云平台根据用户在不同时间段内需求的计算资源量不同的情况，制定基于时间的调度策略。若服务器确定用户选择的目标策略为基于时间的调度策略，则服务器检测用户设备当前的计算资源使用量。

具体的，用户登录服务器后，根据计算需求，向服务器发送创建请求，该创建请求中包括用户需要的计算资源量。服务器根据用户发送的创建请求，确定用户需要的计算资源量，从计算资源池中为用户分配用户请求的计算资源量，通过分配的计算资源量为用户创建虚拟机，将该虚拟机分配给用户设备，用户通过用户设备将计算任务发布到虚拟机上运行。服务器检测虚拟机中运行的计算任务在运行过程中使用的计算资源量，确定用户设备当前的计算资源使用量。例如，若服务器根据用户的创建请求，创建的虚拟机的硬盘大小为500G，若虚拟机在运行计算任务的过程中使用了450G，则用户设备当前的计算资源使用量为450G。

步骤203、确定当前的计算资源使用量与计算资源分配量的比值，计算资源分配量为服务器为用户设备分配的计算资源的大小。

其中，结合图1可知，服务器根据用户的创建请求，通过虚拟化技术从硬件资源中创建虚拟机，将虚拟机分配给用户设备，分配给用户设备的虚拟机的配置大小即为分配给用户设备的计算资源分配量。

本实施例中，云平台确定用户当前的计算资源使用量和计算资源分配量后，计算当前的计算资源使用量和计算资源分配量的比值。例如，结合步骤202中的举例，用户设备的计算资源分配量为500G，用户设备当前的计算资源使用量为450G，则当前的计算资源使用量与计算资源分配量的比值为90％。

步骤204、若比值大于第一预设阈值，则为用户设备增加第一预设资源。

其中，第一预设阈值可以为根据用户设备对计算资源的使用情况，预先设置的比值，例如80％或90％。第一预设资源可以为预先设置的资源量。

本实施例中，若用户当前的计算资源使用量与计算资源分配量的比值大于第一预设阈值，说明用户当前的计算资源使用量较多，此时可以为用户设备增加一定量的计算资源。例如，结合步骤202至203中的举例，若第一预设阈值为80％，第一预设资源为100G，此时当前的计算资源使用量与计算资源分配量的比值为90％，则说明用户当前的计算资源使用量较多，需要增加第一预设资源，此时服务器给虚拟机增加100G的硬盘，增加的100G硬盘即为第一预设资源。增加100G的硬盘后，用户的资源分配量为600G。当用户设备当前的计算资源使用量与计算资源分配量的比值大于第一预设阈值时给用户增加第一预设资源，可以保证分配给用户的计算资源量可以满足用户的计算需求，并且可以避免提前分配给用户设备过多的计算资源，导致计算资源闲置。

实际使用中，第一预设阈值和第一预设资源可以根据用户需求进行设置，本实施例对此不做限制。

可选的，本实施例中可以为用户预先设置计算资源上限值，当分配给用户设备的计算资源量达到上限值时，停止给用户设备增加计算资源量。例如，结合步骤202至203中的举例，若预先设置用户的计算资源上限值为800G硬盘，当用户的计算资源分配量达到800G硬盘时，停止给用户设备增加计算资源量。计算资源上限值可以防止分配给用户的计算资源量超过用户的费用承受范围。

可选的，若比值小于第二预设阈值，则为用户设备减少第二预设资源。

其中，第二预设阈值可以为根据用户设备对计算资源的使用情况，预先设置的比值，例如30％或20％。第二预设资源可以为预先设置的资源量。

若用户当前的计算资源使用量与计算资源分配量的比值小于第二预设阈值，说明用户当前的计算资源使用量较少，此时可以为用户设备减少一定量的计算资源。例如，结合步骤202至203中的举例，若第二预设阈值为30％，第二预设资源为200G的硬盘，用户当前的计算资源使用量为100G，此时用户的计算资源分配量为500G，则当前的计算资源使用量与计算资源分配量的比值为20％，说明书用户当前的计算资源使用量较少，可以减少第二预设资源，此时服务器给用户设备减少200G的硬盘，减少第二预设资源后，用户的计算资源分配量为300G的硬盘。当用户设备当前的计算资源使用量与计算资源分配量的比值小于第二预设阈值时给用户减少第二预设资源，释放用户设备中闲置的计算资源，避免造成计算资源闲置，并降低用户的计算成本。

实际使用中，第二预设阈值和第二预设资源可以根据用户需求进行设置，本实施例对此不做限制。

可选的，可以为用户预先设置计算资源下限值，当分配给用户设备的计算资源量达到下限值时，停止减少用户设备的计算资源量。例如，结合步骤202至203中的举例，若预先设置用户的计算资源下限值为50G，当用户的计算资源分配量达到50G时，停止减少用户设备的计算资源量。计算资源下限值可以防止分配给用户的计算资源量少于用户的最小需求，导致用户的计算任务难以执行。

具体的，云平台在计算资源调度过程中，可以根据用户对计算资源量的需求变化，动态调整分配给各用户设备的计算资源量，提高计算资源的调度效率。例如，结合步骤201至步骤204中的举例，当用户A对计算资源的需求量较少时，可以将分配给用户A的部分计算资源分配给用户B，同理，当用户B对计算资源的需求量较少时，可以将分配给用户B的部分计算资源分配给用户A，可以避免计算资源的闲置，提高计算资源的使用效率。

本实施例中，获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略，若目标调度策略为基于时间的调度策略，则检测用户设备当前的计算资源使用量，确定当前的计算资源使用量与计算资源分配量的比值，若比值大于第一预设阈值，则为用户设备增加第一预设资源。根据用户当前的计算资源使用量和计算资源分配量的比值，动态调整用户的计算资源分配量，可以避免分配给用户过多的计算资源，造成计算资源的闲置，从而提高云平台的计算资源使用效率，提高云平台的性能和服务质量。

可选的，在确定当前的计算资源使用量与计算资源分配量的比值之前，该资源调度方法还包括：获取用户设备在预设时间段内的计算资源使用量记录，根据计算资源使用量记录，估计用户设备在与预设时间段对应的目标时间段内的计算资源使用量，根据计算资源使用量，确定用户设备在目标时间段内的计算资源分配量。

本实施例中，服务器可以记录用户设备在预设时间段内的计算资源使用量。例如，结合步骤202中的举例，服务器可以记录用户B的用户设备在预设时间段内的计算资源使用量，例如记录用户B的用户设备在当前时刻前一个月内的计算资源使用量，确定用户B的用户设备在当前时刻前一个月内具体的哪些天使用的计算资源量较多。如用户B为社交平台，每个周的周末登录社交平台的人数较多，而周内登录社交平台的人数较少。服务器可以记录用户B的用户设备在一个月内的计算资源使用量，根据计算资源使用量记录，可以确定用户B的用户设备在周末使用的计算资源量较多，则可以确定周末为目标时间段。根据记录的当前时刻前一个月内所有周末的计算资源使用量估计用户B的用户设备在当前时刻后的下一个周末的计算资源使用量。具体的，可以计算用户B的用户设备在当前时刻前一个月内的所有周末的计算资源使用量的平均值，将该平均值作为用户B的用户设备在当前时刻后的下一个周末的计算资源分配量。

本实施例中，根据用户设备在预设时间段内的计算资源使用量记录估计用户设备在目标时间段内的计算资源使用量，根据该计算资源使用量确定用户设备在目标时间段内的计算资源分配量，可以预先为用户设备分配符合用户需求的计算资源量，提高计算资源的分配效率。

参照图3，图3是本发明一示例性实施例提供的另一种资源调度方法的流程图，该方法适用于云平台，云平台包括至少一个云区域，资源调度方法可以适用于云平台中计算资源的调度，以提高云平台中计算资源的使用效率。本公开实施例提供的资源调度方法可以由资源调度装置执行，资源调度装置通常以软件和/或硬件的方式实现，资源调度装置可以部署于云平台中的服务器，该方法具体可以包括如下步骤：

步骤301、获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略。

本步骤与步骤201相同，对步骤301的理解可以参考步骤201，在此不做赘述。

步骤302、若目标调度策略为基于空间的调度策略，则分别检测用户设备与多个云区域之间的网络状况。

实际使用中，不同的云区域与用户设备之间的网络连接状况可能不同，此时网络状况良好的云区域可以为用户设备提供高质量的计算资源。例如，结合图1，云平台包括位于不同城市的云区域1、云区域2和云区域3，若用户与云区域1位于同一个城市，则用户在获取计算资源时服务器可以首先将云区域1的计算资源分配给用户(由于云区域1和用户设备位于同一个城市，一般情况下，云区域1和用户设备之间的网络状况优于云区域2和云区域3分别与用户设备之间的网络状况)，若云区域1的计算资源不足时，需要从云区域2和/或云区域3中为用户分配计算资源。此时，由于云区域2和云区域3与用户设备分别位于不同的城市，云区域2与用户设备之间的网络状况和云区域3与用户设备之间的网络状况可能不同。若云区域2与用户设备之间的网络状况优于云区域3与用户设备之间的网络状况，此时云区域2可以为用户提供质量更好的计算资源，而云区域3为用户设备提供的计算资源较云区域2提供的计算资源差。

本实施例中，若用户选择的调度策略为基于空间的调度策略，此时服务器可以分别检测用户设备与每个云区域之间的网络状况，确定用户设备分别与每个云区域之间的网络状况。例如，参照图1，服务器可以分别检测用户设备与云区域2和云区域3之间的网络状况。检测用户设备与云区域之间的网络状况的方法可参照现有技术中检测网络状况的方法，在此不做限制。

步骤303、根据网络状况对多个云区域进行排序，获得第一排序结果。

本实施例中，在确定用户设备分别与每个云区域之间的网络状况后，可以根据网络状况对多个云区域进行排序，得到第一排序结果。例如，参照图1，服务器可以分别检测用户设备与云区域2和云区域3之间的网络状况，根据网络状况的优劣为云区域2和云区域3进行排序，得到云区域2与用户设备之间的网络状况优于云区域3与用户设备之间的网络状况的第一排序结果。

步骤304、按第一排序结果从多个云区域中确定至少一个目标云区域，由至少一个目标云区域为用户设备提供计算资源。

本实施例中，服务器根据第一排序结果，从多个云区域中选择目标云区域，由目标云区域为用户设备提供计算资源。例如，结合步骤301至步骤303，参照图1，用户设备与云区域1位于同一个城市，当云区域1中的计算资源不足时，服务器根据第一排序结果，可以优先将云区域2中的计算资源分配给用户设备。若云区域2中计算资源不足时，可以再次将云区域3中的计算资源分配给用户设备，此时云区域1、云区域2和云区域3可以同时为用户设备提供计算资源。实际使用中，若云区域1的计算资源不足时，可以由云区域2单独给用户设备提供计算资源，当云区域1和云区域2的计算资源不足时，可以由云区域3单独给用户设备提供计算资源。

可选的，若目标调度策略为基于空间的调度策略，可以分别确定多个云区域的计算资源价格。根据计算资源价格对多个云区域进行排序，获得第二排序结果。按第二排序结果从多个云区域中确定至少一个目标云区域，由至少一个目标云区域为用户设备提供计算资源。

实际使用中，由于不同的云区域位于不同的城市，不同城市的物价不同，导致不同云区域的运行成本不同，从而导致不同云区域的计算资源的价格不同。例如，参照图1，若用户对计算资源的质量要求不高，而对计算资源的费用要求较高。则服务器可以分别确定云区域1、云区域2和云区域3的计算资源价格，根据计算资源价格对云区域1、云区域2和云区域3进行排序，得到云区域2的计算资源价格大于云区域3的计算资源价格，云区域3的计算资源价格大于云区域1的计算资源价格的第二排序结果。此时，服务器根据第二排序结果，首选选择云区域1为用户设备提供计算资源，当云区域1的计算资源不足时，可以将云区域3的计算资源分配给用户设备，当云区域3的计算资源不足时，可以将云区域2的计算资源分配给用户设备。

可选的，若用户与云区域1位于同一个城市，则用户在获取计算资源时服务器可以首先将云区域1的计算资源分配给用户，为用户提供高质量的计算资源，若云区域1的计算资源不足，需要从云区域2和/或云区域3中为用户分配计算资源时，可以根据第二排序结果从云区域2和3中选择云区域为用户设备提供计算资源。

实际使用中，根据不同云区域的计算资源价格为云区域进行排序，得到第二排序结果，根据第二排序结果选择云区域为用户提供计算资源，可以为用户提供符合用户费用需求的计算资源，降低用户的使用成本，提高云平台的服务质量。

本实施例中，若目标调度策略为基于空间的调度策略，则检测用户设备与多个云区域之间的网络状况，根据网络状况对多个云区域进行排序，获得第一排序结果，按第一排序结果从多个云区域中确定至少一个目标云区域，由至少一个目标云区域为用户设备提供计算资源。根据用户设备与不同云区域之间的网络状况对多个云区域进行排序，得到第一排序结果，在计算资源调度过程中，根据第一排序结果，优先将网络状况好的云区域的计算资源提供给用户，可以给用户提供质量较好的计算资源，提供云平台的服务器质量。

参照图4，图4是本发明一示例性实施例提供的另一种资源调度方法的流程图，该方法适用于云平台，云平台包括至少一个云区域，资源调度方法可以适用于云平台中计算资源的调度，以提高云平台中计算资源的使用效率。本公开实施例提供的资源调度方法可以由资源调度装置执行，资源调度装置通常以软件和/或硬件的方式实现，资源调度装置可以部署于云平台中的服务器，该方法具体可以包括如下步骤：

步骤401、获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略。

其中，调度策略可以为基于时间的调度策略、基于空间的调度策略、基于优先级的调度策略和基于联合调度的调度策略。目标调度策略为用户从基于时间的调度策略、基于空间的调度策略、基于优先级的调度策略和基于联合调度的调度策略中选择的一种调度策略。具体选择目标调度策略的过程与步骤201相同，在此不做赘述。

步骤402、根据目标调度策略为用户设备调度计算资源。

本实施例中，服务器根据用户选择的目标调度策略为用户设备调度计算资源。其中，根据基于时间的调度策略为用户设备调度计算资源的过程可参照步骤201至步骤204，根据基于空间的调度策略为用户设备调度计算资源的过程可参照步骤301至步骤304，本实施在此不做赘述。

本实施例中，若用户选择的目标调度策略为基于优先级的调度策略，则可以确定用户的优先级，根据用户的优先级，为用户设备调度计算资源。

实际使用中，用户在登录云平台的服务器时可以设置对应该用户的优先级，当云平台中登录有多个用户时，服务器根据用户的优先级别，优先将计算资源分配给高级别的用户的用户设备，然后将计算资源分配给低级别的用户的用户设备。

可选的，服务器根据用户的创建请求，创建虚拟机后，用户可以设置虚拟机的优先级别。本实施例中，每个用户可以向服务器发送创建请求，创建多个虚拟机，并且为每个虚拟机设置不同的优先级别。当云平台中运行有多个虚拟机时，服务器可以根据虚拟机的优先级别，优先将计算资源分配给高级别的虚拟机，然后将计算资源分配给低级别的虚拟机。

可选的，当用户通过用户设备向虚拟机发布计算任务时，用户可以设置计算任务的优先级，当云平台中运行多个虚拟机时，服务器可以根据每个虚拟机中运行的计算任务的优先级别，首先将计算资源分配给运行高级别计算任务的虚拟机，然后将计算资源分配运行低级别计算任务的虚拟机。

本实施例中，若目标调度策略为基于联合调度的调度策略，则获取用户的特征数据，根据特征数据，通过目标联合调度模型为用户设备调度计算资源。

其中，用户特征数据可以为用户等级和调度准则，调度准则为用户通过用户设备输入的调度目标，例如以最小成本进行计算资源调度，以最快速度进行计算资源调度。目标联合调度模型为对预先构建的联合调度模型进行训练后获得的联合调度模型。

本实施例中，云平台可以记录大量用户的使用习惯，例如不同的用户在不同时间段对计算资源量的需求变化，对不同计算资源价格的需求变化，以及对计算资源质量的需求变化，得到大量的样本数据，通过大量的样本数据对预先构件的联合调度模型进行训练后得到目标联合调度模型。通过目标联合调度模型为用户设备调度计算资源。

当用户选择的目标策略为基于联合调度的调度策略时，服务器可以接收用户通过用户设备输入的调度准则，服务器根据用户的优先级别和调度准则，通过目标联合调度模型为用户设备调度计算资源。例如，结合步骤201至步骤204，以及步骤301至步骤304，若用户通过用户设备输入的调度准则为以最小成本进行计算资源调度，则目标联合调度模型在计算资源的调度过程中，按优先级别，优先将价格较低的计算资源分配给高级别用户的用户设备，并根据用户需求动态调整分配给用户设备的计算资源量。若用户通过用户设备输入的调度准则为以最快速度进行计算资源调度，则目标联合调度模型在计算资源调过程中，优先将网络状况良好的云区域的计算资源分配给高级别的用户的用户设备，并根据用户需求动态调整分配给用户设备的计算资源量。

实际使用中，若用户选择的目标策略为基于联合调度的调度策略，根据用户的特征数据，通过目标联合调度模型为用户设备调度计算资源，可以提高计算资源调度效率，为用户提供符合需求的计算资源。

本实施例中，获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略，根据目标调度策略为用户设备调度计算资源。可以根据不同用户对计算资源的不同需求，为用户提供符合用户需求的计算资源，可以提高计算资源的调度效率，并提高云平台的服务质量。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图5，示出了本发明一示例性实施例提供的另一种资源调度装置的结构框图，该资源调度装置500可以部署于云平台中的服务器，具体可以包括如下模块：第一获取模块501、检测模块502、第一确定模块503和调度模块504。

第一获取模块501用于获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略。

检测模块502用于若目标调度策略为基于时间的调度策略，则检测用户设备当前的计算资源使用量。

第一确定模块503用于确定当前的计算资源使用量与计算资源分配量的比值，计算资源分配量为服务器为用户设备分配的计算资源的大小。

调度模块504用于若比值大于第一预设阈值，则为用户设备增加第一预设资源。

可选的，该调度模块504还用于若比值小于第二预设阈值，则为用户设备减少第二预设资源。

本实施例中，获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略，若目标调度策略为基于时间的调度策略，则检测用户设备当前的计算资源使用量，确定当前的计算资源使用量与计算资源分配量的比值，若比值大于第一预设阈值，则为用户设备增加第一预设资源。根据用户当前的计算资源使用量和计算资源分配量的比值，动态调整用户的计算资源分配量，可以避免分配给用户过多的计算资源，造成计算资源的闲置，从而提高云平台的计算资源使用效率，提高云平台的性能和服务质量。

可选的，该资源调度装置500还可以包括：第二获取模块、估计模块和第二确定模块。

该第二获取模块用于在确定当前的计算资源使用量与计算资源分配量的比值之前，获取用户设备在预设时间段内的计算资源使用量记录。

该估计模块用于根据计算资源使用量记录，估计用户设备在与预设时间段对应的目标时间段内的计算资源使用量。

该第二确定模块用于根据计算资源使用量，确定用户设备在目标时间段内的计算资源分配量。

可选的，该检测模块502还用于若目标调度策略为基于空间的调度策略，则分别检测用户设备与多个云区域之间的网络状况；根据网络状况对多个云区域进行排序，获得第一排序结果；按第一排序结果从多个云区域中确定至少一个目标云区域，由至少一个目标云区域为用户设备提供计算资源。

可选的，该检测模块502还用于若目标调度策略为基于空间的调度策略，则分别确定多个云区域的计算资源价格；根据计算资源价格对多个云区域进行排序，获得第二排序结果；按第二排序结果从多个云区域中确定至少一个目标云区域，由至少一个目标云区域为用户设备提供计算资源。

可选的，该检测模块502还用于若目标调度策略为基于优先级的调度策略，则确定用户的优先级；根据用户的优先级，为用户设备调度计算资源。

可选的，该检测模块502还用于若目标调度策略为基于联合调度的调度策略，则获取用户的特征数据；根据特征数据，通过目标联合调度模型为用户设备调度计算资源，目标联合调度模型为对预先构建的联合调度模型进行训练后获得的。

对于装置实施例而言，由于其与方法实施例基本相似，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。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的资源调度方法和装置设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种资源调度方法，其特征在于，执行于服务器，包括：

获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略；

若所述目标调度策略为基于时间的调度策略，则检测所述用户设备当前的计算资源使用量；

确定所述当前的计算资源使用量与计算资源分配量的比值，所述计算资源分配量为所述服务器为所述用户设备分配的计算资源的大小；

若所述比值大于第一预设阈值，则为所述用户设备增加第一预设资源。

2.根据权利要求1所述的方法，其特征在于，在所述确定所述当前的计算资源使用量与计算资源分配量的比值之前，还包括：

获取所述用户设备在预设时间段内的计算资源使用量记录；

根据所述计算资源使用量记录，估计所述用户设备在与所述预设时间段对应的目标时间段内的计算资源使用量；

根据所述计算资源使用量，确定所述用户设备在所述目标时间段内的所述计算资源分配量。

3.根据权利要求1所述的方法，其特征在于，还包括：

若所述目标调度策略为基于空间的调度策略，则分别检测所述用户设备与多个云区域之间的网络状况；

根据所述网络状况对所述多个云区域进行排序，获得第一排序结果；

按所述第一排序结果从所述多个云区域中确定至少一个目标云区域，由所述至少一个目标云区域为所述用户设备提供计算资源。

4.根据权利要求1所述的方法，其特征在于，还包括：

若所述目标调度策略为基于空间的调度策略，则分别确定所述多个云区域的计算资源价格；

根据所述计算资源价格对所述多个云区域进行排序，获得第二排序结果；

按所述第二排序结果从所述多个云区域中确定至少一个目标云区域，由所述至少一个目标云区域为所述用户设备提供计算资源。

5.根据权利要求1所述的方法，其特征在于，还包括：

若所述目标调度策略为基于联合调度的调度策略，则获取用户的特征数据；

根据所述特征数据，通过目标联合调度模型为所述用户设备调度计算资源，所述目标联合调度模型为对预先构建的联合调度模型进行训练后获得的。

6.一种资源调度装置，其特征在于，设置于服务器，包括：

第一获取模块，用于获取用户在用户设备上显示的至少一种调度策略中选择的目标调度策略；

检测模块，用于若所述目标调度策略为基于时间的调度策略，则检测所述用户设备当前的计算资源使用量；

第一确定模块，用于确定所述当前的计算资源使用量与计算资源分配量的比值，所述计算资源分配量为所述服务器为所述用户设备分配的计算资源的大小；

调度模块，用于若所述比值大于第一预设阈值，则为所述用户设备增加第一预设资源。

7.根据权利要求6所述的装置，其特征在于，还包括：

第二获取模块，用于在所述确定所述当前的计算资源使用量与计算资源分配量的比值之前，获取所述用户设备在预设时间段内的计算资源使用量记录；

估计模块，用于根据所述计算资源使用量记录，估计所述用户设备在与所述预设时间段对应的目标时间段内的计算资源使用量；

第二确定模块，用于根据所述计算资源使用量，确定所述用户设备在所述目标时间段内的所述计算资源分配量。

8.根据权利要求6所述的装置，其特征在于，

所述检测模块，还用于若所述目标调度策略为基于空间的调度策略，则分别检测所述用户设备与多个云区域之间的网络状况；根据所述网络状况对所述多个云区域进行排序，获得第一排序结果；按所述第一排序结果从所述多个云区域中确定至少一个目标云区域，由所述至少一个目标云区域为所述用户设备提供计算资源。

9.根据权利要求6所述的装置，其特征在于，

所述检测模块，还用于若所述目标调度策略为基于空间的调度策略，则分别确定所述多个云区域的计算资源价格；根据所述计算资源价格对所述多个云区域进行排序，获得第二排序结果；按所述第二排序结果从所述多个云区域中确定至少一个目标云区域，由所述至少一个目标云区域为所述用户设备提供计算资源。

10.根据权利要求6所述的装置，其特征在于，

所述检测模块，还用于若所述目标调度策略为基于联合调度的调度策略，则获取用户的特征数据；根据所述特征数据，通过目标联合调度模型为所述用户设备调度计算资源，所述目标联合调度模型为对预先构建的联合调度模型进行训练后获得的。