CN110868330B - 云平台可划分cpu资源的评估方法、装置及评估系统 - Google Patents
云平台可划分cpu资源的评估方法、装置及评估系统 Download PDFInfo
- Publication number
- CN110868330B CN110868330B CN201810988882.5A CN201810988882A CN110868330B CN 110868330 B CN110868330 B CN 110868330B CN 201810988882 A CN201810988882 A CN 201810988882A CN 110868330 B CN110868330 B CN 110868330B
- Authority
- CN
- China
- Prior art keywords
- cloud platform
- cpu
- current
- resources
- utilization rate
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5051—Service on demand, e.g. definition and deployment of services in real time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/503—Resource availability
Abstract
本发明实施例公开一种云平台可划分CPU资源的评估方法、装置及评估系统,其中,方法包括:接收云平台服务器导入的当前云平台CPU资源运行情况数据;根据当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得当前云平台CPU可用资源,并反馈给云平台服务器;其中,当前云平台CPU资源运行情况数据是云平台服务器在云平台运维监控系统上的CPU资源已全部划分且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据。本实施例能够在运维管理系统上的CPU资源已全部划分的情况下评估云平台可划分CPU资源,实现资源利用的最大化。
Description
技术领域
本发明实施例涉及云计算技术领域,具体涉及一种云平台可划分CPU资源的评估方法、装置及评估系统。
背景技术
随着信息技术的飞快发展,企业使用云平台相关业务逐渐成为一种常态。当前许多企业已经在各地市公司均有较大的规模云平台部署,根据各类企业用户需求,在云平台服务器的基础上,构建各类服务以满足用户的云业务需求。
当前云平台主要是通过管理节点对服务节点进行虚拟化管理,实现IaaS服务(基础设施即服务)。在其基础上,通过自行开发,搭载各类应用,为用户提供PaaS(平台即服务),甚至SaaS服务(软件即服务)。由于物理服务器的大部分资源无法被单个用户充分使用,所以云服务器逐渐成为一种趋势。单台物理节点上可能存在不同的客户,且不同的客户占用的资源大不相同。然而单个物理节点上运行多个云服务器可能会造成物理节点的中央处理器CPU负荷过高,从而影响该物理节点上的用户的正常使用。
目前,对云平台可划分CPU资源进行评估的方法主要依赖于运维管理系统上的可用CPU资源信息,由于该可用CPU资源信息是通过前期配置云平台时进行的可划分资源配置,维护人员能够通过平台判断具体剩余可划分资源。但是,如果用户并未使用大量CPU资源,而当前运维管理系统上的CPU资源已全部划分(即可用CPU核数为0个),运维人员无法准确且有效判断继续创建云主机是否影响用户正常业务。
发明内容
由于现有方法存在上述问题,本发明实施例提出一种云平台可划分CPU资源的评估方法、装置及评估系统。
第一方面,本发明实施例提出一种云平台可划分CPU资源的评估方法,包括:
接收云平台服务器导入的当前云平台CPU资源运行情况数据;
根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源;
将所述当前云平台CPU可用资源反馈给所述云平台服务器;
其中,所述当前云平台CPU资源运行情况数据是所述云平台服务器在云平台运维监控系统上的CPU资源已全部划分,且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据。
可选地,所述当前云平台CPU资源运行情况数据,包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
第二方面,本发明实施例还提出一种云平台可划分CPU资源的评估方法,包括:
在云平台运维监控系统上的CPU资源已全部划分时,若检测到用户设备发送的云主机创建请求,则向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求;
接收所述云平台运维监控系统反馈的当前云平台CPU资源运行情况数据,将所述当前云平台CPU资源运行情况数据导入评估系统;
接收所述评估系统反馈的当前云平台CPU可用资源,所述当前云平台CPU可用资源是所述评估系统根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得的;
展示所述当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令;
若根据所述确认指令,确定当前云平台CPU资源满足用户需求,则将当前云平台CPU资源满足用户需求的结果发送给所述用户设备,并根据所述云主机创建请求中的用户需求,向云平台运维管理系统发送云主机创建指令,以使所述云平台运维管理系统创建云主机;
接收所述云平台运维管理系统反馈的云主机创建结果,将所述云主机创建结果发送给所述用户设备。
可选地,所述当前云平台CPU资源运行情况数据,包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
可选地,所述当前云平台CPU资源运行情况数据,还包括:云平台物理节点的平均CPU使用率以及峰值CPU使用率;
相应地,所述展示所述当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令,包括:
展示所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率,接收运维人员根据所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率输入的当前云平台CPU资源是否满足用户需求的确认指令。
第三方面,本发明实施例还提出一种评估系统,包括:
第一接收模块,用于接收云平台服务器导入的当前云平台CPU资源运行情况数据;
计算模块,用于根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源;
反馈模块,用于将所述当前云平台CPU可用资源反馈给所述云平台服务器;
其中,所述当前云平台CPU资源运行情况数据是所述云平台服务器在云平台运维监控系统上的CPU资源已全部划分,且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据。
可选地,所述当前云平台CPU资源运行情况数据,包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
第四方面,本发明实施例还提出一种云平台可划分CPU资源的评估装置,应用于云平台服务器,包括:
第一发送模块,用于在云平台运维监控系统上的CPU资源已全部划分时,若检测到用户设备发送的云主机创建请求,则向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求;
导入模块,用于接收所述云平台运维监控系统反馈的当前云平台CPU资源运行情况数据,将所述当前云平台CPU资源运行情况数据导入评估系统;
第二接收模块,用于接收所述评估系统反馈的当前云平台CPU可用资源,所述当前云平台CPU可用资源是所述评估系统根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得的;
第三接收模块,用于展示所述当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令;
第二发送模块,用于若根据所述确认指令,确定当前云平台CPU资源满足用户需求,则将当前云平台CPU资源满足用户需求的结果发送给所述用户设备,并根据所述云主机创建请求中的用户需求,向云平台运维管理系统发送云主机创建指令,以使所述云平台运维管理系统创建云主机;
第三发送模块,用于接收所述云平台运维管理系统反馈的云主机创建结果,将所述云主机创建结果发送给所述用户设备。
第五方面,本发明实施例提供一种电子设备,包括:处理器、存储器、总线及存储在存储器上并可在第处理器上运行的计算机程序;
其中,所述处理器,存储器通过所述总线完成相互间的通信;
所述处理器执行所述计算机程序时实现上述方法。
第六方面,本发明实施例提供一种非暂态计算机可读存储介质,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述方法。
由上述技术方案可知,本发明实施例提供的一种云平台可划分CPU资源的评估方法、装置及评估系统,通过接收云平台服务器导入的当前云平台CPU资源运行情况数据,根据当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得当前云平台CPU可用资源并反馈给云平台服务器,其中,当前云平台CPU资源运行情况数据是云平台服务器在云平台运维监控系统上的CPU资源已全部划分且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据,由此,能够在运维管理系统上的CPU资源已全部划分(即可用CPU资源为0)的情况下评估云平台可划分CPU资源,实现资源利用的最大化。
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,还可以根据这些图获得其他的附图。
图1为本发明一实施例提供的一种云平台可划分CPU资源的评估方法的流程示意图;
图2为本发明实施例提供的预设线性回归数学模型的示意图;
图3为本发明一另实施例提供的一种云平台可划分CPU资源的评估方法的流程示意图;
图4为本发明一实施例提供的一种评估系统的结构示意图;
图5为本发明一实施例提供的一种云平台可划分CPU资源的评估装置的结构示意图;
图6为本发明一实施例提供的电子设备的实体结构示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
图1示出了本发明一实施例提供的一种云平台可划分CPU资源的评估方法的流程示意图,如图1所示,本实施例的云平台可划分CPU资源的评估方法,包括:
S1、接收云平台服务器导入的当前云平台CPU资源运行情况数据。
其中,所述当前云平台CPU资源运行情况数据是所述云平台服务器在云平台运维监控系统上的CPU资源已全部划分,且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据。
S2、根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源。
S3、将所述当前云平台CPU可用资源反馈给所述云平台服务器。
可以理解的是,本实施例所述方法应用于评估系统。
本发明实施例提供的云平台可划分CPU资源的评估方法,通过接收云平台服务器导入的当前云平台CPU资源运行情况数据,根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源,将所述当前云平台CPU可用资源反馈给所述云平台服务器,由此,能够实现在当前运维管理系统上的CPU资源已全部划分(即可用CPU资源为0)的情况下,评估云平台可划分CPU资源,实现云平台CPU资源利用的最大化。
进一步地,在上述实施例的基础上,所述当前云平台CPU资源运行情况数据,可以包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
可以理解的是,本实施例可以预先通过采集云平台物理节点CPU使用率α、物理节点上运行的各云服务器CPU核数β及其使用率γ,通过模拟计算获得所述预设线性回归数学模型。
具体地,参考图2,可获得线性回归数学模型如下:
Y=β1×γ1+β2×γ2+…+βn×γn n为物理节点上云主机个数
X=α
Y=0.3024X-0.9126
即β1×γ1+β2×γ2+…+βn×γn=0.3024α-0.9126
n为物理节点上云主机个数,其中,β1为第1个物理节点云服务器CPU核数,以此类推,βn为第n个物理节点云服务器CPU核数,γ1为第1个物理节点云服务器CPU使用率,以此类推,γn为第n个物理节点云服务器CPU使用率;
根据预先设置的云平台物理节点CPU最高使用率δ,以及预先设置的云平台服务器的预估CPU使用率ε,获得当前云平台可用CPU核数η。
通过①②两式相减即得:η=0.3024(δ-α)/ε;
①β1×γ1+β2×γ2+…+βn×γn=0.3024α-0.9126
②β1×γ1+β2×γ2+…+βn×γn+ε×η=0.3024δ-0.9126
n为物理节点上云主机个数。
可以理解的是,所述评估系统根据所述当前云平台CPU资源运行情况数据,通过所述预设线性回归数学模型,可计算获得当前云平台CPU可用资源(即当前云平台可用CPU核数η)。
本发明实施例提供的云平台可划分CPU资源的评估方法,能够实现在当前运维管理系统上的CPU资源已全部划分(即可用CPU资源为0)的情况下,评估云平台可划分CPU资源,实现云平台CPU资源利用的最大化。
图3示出了本发明另一实施例提供的一种云平台可划分CPU资源的评估方法的流程示意图,如图3所示,本实施例的云平台可划分CPU资源的评估方法,包括:
P1、在云平台运维监控系统上的CPU资源已全部划分时,若检测到用户设备发送的云主机创建请求,则向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求。
P2、接收所述云平台运维监控系统反馈的当前云平台CPU资源运行情况数据,将所述当前云平台CPU资源运行情况数据导入评估系统。
可以理解的是,本实施例所述评估系统即为图1所述实施例中的评估系统。
P3、接收所述评估系统反馈的当前云平台CPU可用资源,所述当前云平台CPU可用资源是所述评估系统根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得的。
P4、展示所述当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令。
P5、若根据所述确认指令,确定当前云平台CPU资源满足用户需求,则将当前云平台CPU资源满足用户需求的结果发送给所述用户设备,并根据所述云主机创建请求中的用户需求,向云平台运维管理系统发送云主机创建指令,以使所述云平台运维管理系统创建云主机。
在具体应用中,若根据所述确认指令确定当前云平台CPU资源不能满足用户需求,将当前云平台CPU资源不能满足用户需求的结果发送给所述用户设备。
P6、接收所述云平台运维管理系统反馈的云主机创建结果,将所述云主机创建结果发送给所述用户设备。
可以理解的是,本实施例所述云平台运维监控系统能够实时采集物理节点的CPU情况与各物理节点上云主机的CPU情况。
可以理解的是,本实施例所述云平台运维管理系统可以创建云主机界面,用以创建用户设备的云主机。
可以理解的是,本实施例所述方法的执行主体为云平台服务器。
本发明实施例提供的云平台可划分CPU资源的评估方法,通过在云平台运维监控系统上的CPU资源已全部划分时,若检测到用户设备发送的云主机创建请求,则向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求;接收云平台运维监控系统反馈的当前云平台CPU资源运行情况数据并导入评估系统;接收评估系统反馈的当前云平台CPU可用资源,该当前云平台CPU可用资源是评估系统根据当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得的;展示当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令;若根据该确认指令确定当前云平台CPU资源满足用户需求,则将当前云平台CPU资源满足用户需求的结果发送给用户设备,并根据云主机创建请求中的用户需求向云平台运维管理系统发送云主机创建指令,使其创建云主机;接收云平台运维管理系统反馈的云主机创建结果,将云主机创建结果发送给用户设备,由此,能够实现在当前运维管理系统上的CPU资源已全部划分(即可用CPU资源为0)的情况下,评估云平台可划分CPU资源,实现云平台CPU资源利用的最大化。本实施例所述方法弥补了现有云平台用户未充分利用平台服务器的问题,提高了云平台的CPU利用率,同时弥补了运维人员在处理云平台CPU运维问题方面的不足,提高了对于云平台可用资源的评估能力与云平台的运维能力。
进一步地,在上述实施例的基础上,所述当前云平台CPU资源运行情况数据,可以包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
可以理解的是,本实施例可以预先通过采集云平台物理节点CPU使用率α、物理节点上运行的各云服务器CPU核数β及其使用率γ,通过模拟计算获得所述预设线性回归数学模型,具体过程可参考图1所述实施例中的说明,此处不再赘述。
进一步地,在上述实施例的基础上,所述当前云平台CPU资源运行情况数据,还可以包括:云平台物理节点的平均CPU使用率以及峰值CPU使用率;
相应地,所述步骤P4可以包括:
展示所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率,接收运维人员根据所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率输入的当前云平台CPU资源是否满足用户需求的确认指令。
可以理解的是,根据所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率,运维人员能够更加准确的判断当前云平台CPU资源是否满足用户需求,进而更加准确的输入的当前云平台CPU资源是否满足用户需求的确认指令。
本发明实施例提供的云平台可划分CPU资源的评估方法,能够实现在当前运维管理系统上的CPU资源已全部划分(即可用CPU资源为0)的情况下,评估云平台可划分CPU资源,实现云平台CPU资源利用的最大化,弥补了现有云平台用户未充分利用平台服务器的问题,提高了云平台的CPU利用率,同时弥补了运维人员在处理云平台CPU运维问题方面的不足,提高了对于云平台可用资源的评估能力与云平台的运维能力。
图4示出了本发明一实施例提供的一种评估系统的结构示意图,如图4所示,本实施例的评估系统,包括:第一接收模块41、计算模块42和反馈模块43;其中:
所述第一接收模块41,用于接收云平台服务器导入的当前云平台CPU资源运行情况数据;
所述计算模块42,用于根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源;
所述反馈模块43,用于将所述当前云平台CPU可用资源反馈给所述云平台服务器;
其中,所述当前云平台CPU资源运行情况数据是所述云平台服务器在云平台运维监控系统上的CPU资源已全部划分,且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据。
具体地,所述第一接收模块41接收云平台服务器导入的当前云平台CPU资源运行情况数据;所述计算模块42根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源;所述反馈模块43将所述当前云平台CPU可用资源反馈给所述云平台服务器;其中,所述当前云平台CPU资源运行情况数据是所述云平台服务器在云平台运维监控系统上的CPU资源已全部划分,且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据。
本发明实施例提供的评估系统,能够实现在当前运维管理系统上的CPU资源已全部划分(即可用CPU资源为0)的情况下,评估云平台可划分CPU资源,实现云平台CPU资源利用的最大化。
进一步地,在上述实施例的基础上,所述当前云平台CPU资源运行情况数据,可以包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
可以理解的是,本实施例可以预先通过采集云平台物理节点CPU使用率α、物理节点上运行的各云服务器CPU核数β及其使用率γ,通过模拟计算获得所述预设线性回归数学模型。
具体地,参考图2,可获得线性回归数学模型如下:
Y=β1×γ1+β2×γ2+…+βn×γn n为物理节点上云主机个数
X=α
Y=0.3024X-0.9126
即β1×γ1+β2×γ2+…+βn×γn=0.3024α-0.9126
n为物理节点上云主机个数,其中,β1为第1个物理节点云服务器CPU核数,以此类推,βn为第n个物理节点云服务器CPU核数,γ1为第1个物理节点云服务器CPU使用率,以此类推,γn为第n个物理节点云服务器CPU使用率;
根据预先设置的云平台物理节点CPU最高使用率δ,以及预先设置的云平台服务器的预估CPU使用率ε,获得当前云平台可用CPU核数η。
通过①②两式相减即得:η=0.3024(δ-α)/ε;
①β1×γ1+β2×γ2+…+βn×γn=0.3024α-0.9126
②β1×γ1+β2×γ2+…+βn×γn+ε×η=0.3024δ-0.9126
n为物理节点上云主机个数。
可以理解的是,所述评估系统根据所述当前云平台CPU资源运行情况数据,通过所述预设线性回归数学模型,可计算获得当前云平台CPU可用资源(即当前云平台可用CPU核数η)。
本发明实施例提供的评估系统,能够实现在当前运维管理系统上的CPU资源已全部划分(即可用CPU资源为0)的情况下,评估云平台可划分CPU资源,实现云平台CPU资源利用的最大化。
本实施例的评估系统,可以用于执行前述图1所示方法实施例所述的技术方案,其实现原理和技术效果类似,此处不再赘述。
图5示出了本发明一实施例提供的一种云平台可划分CPU资源的评估装置的结构示意图,本实施例所述装置应用于云平台服务器,如图5所示,本实施例的云平台可划分CPU资源的评估装置,包括:第一发送模块51、导入模块52、第二接收模块53、第三接收模块54、第二发送模块55和第三发送模块56;其中:
所述第一发送模块51,用于在云平台运维监控系统上的CPU资源已全部划分时,若检测到用户设备发送的云主机创建请求,则向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求;
所述导入模块52,用于接收所述云平台运维监控系统反馈的当前云平台CPU资源运行情况数据,将所述当前云平台CPU资源运行情况数据导入评估系统;
所述第二接收模块53,用于接收所述评估系统反馈的当前云平台CPU可用资源,所述当前云平台CPU可用资源是所述评估系统根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得的;
所述第三接收模块54,用于展示所述当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令;
所述第二发送模块55,用于若根据所述确认指令,确定当前云平台CPU资源满足用户需求,则将当前云平台CPU资源满足用户需求的结果发送给所述用户设备,并根据所述云主机创建请求中的用户需求,向云平台运维管理系统发送云主机创建指令,以使所述云平台运维管理系统创建云主机;
所述第三发送模块56,用于接收所述云平台运维管理系统反馈的云主机创建结果,将所述云主机创建结果发送给所述用户设备。
具体地,所述第一发送模块51在云平台运维监控系统上的CPU资源已全部划分时,若检测到用户设备发送的云主机创建请求,则向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求;所述导入模块52接收所述云平台运维监控系统反馈的当前云平台CPU资源运行情况数据,将所述当前云平台CPU资源运行情况数据导入评估系统;所述第二接收模块53接收所述评估系统反馈的当前云平台CPU可用资源,所述当前云平台CPU可用资源是所述评估系统根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得的;所述第三接收模块54展示所述当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令;所述第二发送模块55若根据所述确认指令,确定当前云平台CPU资源满足用户需求,则将当前云平台CPU资源满足用户需求的结果发送给所述用户设备,并根据所述云主机创建请求中的用户需求,向云平台运维管理系统发送云主机创建指令,以使所述云平台运维管理系统创建云主机;所述第三发送模块56接收所述云平台运维管理系统反馈的云主机创建结果,将所述云主机创建结果发送给所述用户设备。
可以理解的是,本实施例所述评估系统即为图4所述实施例所述的评估系统。
在具体应用中,所述第二发送模块55,还用于若根据所述确认指令确定当前云平台CPU资源不能满足用户需求,将当前云平台CPU资源不能满足用户需求的结果发送给所述用户设备。
可以理解的是,本实施例所述云平台运维监控系统能够实时采集物理节点的CPU情况与各物理节点上云主机的CPU情况。
可以理解的是,本实施例所述云平台运维管理系统可以创建云主机界面,用以创建用户设备的云主机。
本发明实施例提供的云平台可划分CPU资源的评估装置,应用于云平台服务器,能够实现在当前运维管理系统上的CPU资源已全部划分(即可用CPU资源为0)的情况下,评估云平台可划分CPU资源,实现云平台CPU资源利用的最大化,可弥补现有云平台用户未充分利用平台服务器的问题,提高了云平台的CPU利用率,同时弥补了运维人员在处理云平台CPU运维问题方面的不足,提高了对于云平台可用资源的评估能力与云平台的运维能力。
进一步地,在上述实施例的基础上,所述当前云平台CPU资源运行情况数据,可以包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
可以理解的是,本实施例可以预先通过采集云平台物理节点CPU使用率α、物理节点上运行的各云服务器CPU核数β及其使用率γ,通过模拟计算获得所述预设线性回归数学模型,具体过程可参考图4所述实施例中的说明,此处不再赘述。
进一步地,在上述实施例的基础上,所述当前云平台CPU资源运行情况数据,还可以包括:云平台物理节点的平均CPU使用率以及峰值CPU使用率;
相应地,所述第三接收模块54,可具体用于
展示所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率,接收运维人员根据所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率输入的当前云平台CPU资源是否满足用户需求的确认指令。
可以理解的是,根据所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率,运维人员能够更加准确的判断当前云平台CPU资源是否满足用户需求,进而更加准确的输入的当前云平台CPU资源是否满足用户需求的确认指令。
本发明实施例提供的云平台可划分CPU资源的评估装置,能够实现在当前运维管理系统上的CPU资源已全部划分(即可用CPU资源为0)的情况下,评估云平台可划分CPU资源,实现云平台CPU资源利用的最大化,可弥补现有云平台用户未充分利用平台服务器的问题,提高了云平台的CPU利用率,同时弥补了运维人员在处理云平台CPU运维问题方面的不足,提高了对于云平台可用资源的评估能力与云平台的运维能力。
本实施例的云平台可划分CPU资源的评估装置,可以用于执行前述图3所示方法实施例所述的技术方案,其实现原理和技术效果类似,此处不再赘述。
图6示出了本发明一实施例提供的一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器601、存储器602、总线603及存储在存储器602上并可在处理器601上运行的计算机程序;
其中,所述处理器601和存储器602通过所述总线603完成相互间的通信;
所述处理器601执行所述计算机程序时实现上述方法实施例所提供的方法,例如包括:接收云平台服务器导入的当前云平台CPU资源运行情况数据;根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源;将所述当前云平台CPU可用资源反馈给所述云平台服务器;其中,所述当前云平台CPU资源运行情况数据是所述云平台服务器在云平台运维监控系统上的CPU资源已全部划分,且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据。
本发明实施例提供一种非暂态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上述方法实施例所提供的方法,例如包括:接收云平台服务器导入的当前云平台CPU资源运行情况数据;根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源;将所述当前云平台CPU可用资源反馈给所述云平台服务器;其中,所述当前云平台CPU资源运行情况数据是所述云平台服务器在云平台运维监控系统上的CPU资源已全部划分,且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置/系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,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,为了精简本发明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呈反映如下意图: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。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (7)
1.一种云平台可划分CPU资源的评估方法,其特征在于,包括:
接收云平台服务器导入的当前云平台CPU资源运行情况数据;
根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源;
将所述当前云平台CPU可用资源反馈给所述云平台服务器;
其中,所述当前云平台CPU资源运行情况数据是所述云平台服务器在云平台运维监控系统上的CPU资源已全部划分,且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据;所述当前云平台CPU资源运行情况数据,包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
2.一种云平台可划分CPU资源的评估方法,其特征在于,包括:
在云平台运维监控系统上的CPU资源已全部划分时,若检测到用户设备发送的云主机创建请求,则向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求;
接收所述云平台运维监控系统反馈的当前云平台CPU资源运行情况数据,将所述当前云平台CPU资源运行情况数据导入评估系统;
接收所述评估系统反馈的当前云平台CPU可用资源,所述当前云平台CPU可用资源是所述评估系统根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得的;
展示所述当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令;
若根据所述确认指令,确定当前云平台CPU资源满足用户需求,则将当前云平台CPU资源满足用户需求的结果发送给所述用户设备,并根据所述云主机创建请求中的用户需求,向云平台运维管理系统发送云主机创建指令,以使所述云平台运维管理系统创建云主机;
接收所述云平台运维管理系统反馈的云主机创建结果,将所述云主机创建结果发送给所述用户设备;所述当前云平台CPU资源运行情况数据,包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
3.根据权利要求2所述的方法,其特征在于,所述当前云平台CPU资源运行情况数据,还包括:云平台物理节点的平均CPU使用率以及峰值CPU使用率;
相应地,所述展示所述当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令,包括:
展示所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率,接收运维人员根据所述当前云平台可用资源、云平台物理节点的平均CPU使用率以及峰值CPU使用率输入的当前云平台CPU资源是否满足用户需求的确认指令。
4.一种评估系统,其特征在于,包括:
第一接收模块,用于接收云平台服务器导入的当前云平台CPU资源运行情况数据;
计算模块,用于根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型,计算获得当前云平台CPU可用资源;
反馈模块,用于将所述当前云平台CPU可用资源反馈给所述云平台服务器;
其中,所述当前云平台CPU资源运行情况数据是所述云平台服务器在云平台运维监控系统上的CPU资源已全部划分,且检测到用户设备发送的云主机创建请求时,通过向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求,从云平台运维监控系统获取的数据;所述当前云平台CPU资源运行情况数据,包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
5.一种云平台可划分CPU资源的评估装置,应用于云平台服务器,其特征在于,包括:
第一发送模块,用于在云平台运维监控系统上的CPU资源已全部划分时,若检测到用户设备发送的云主机创建请求,则向云平台运维监控系统发送当前云平台CPU资源运行情况数据的采集请求;
导入模块,用于接收所述云平台运维监控系统反馈的当前云平台CPU资源运行情况数据,将所述当前云平台CPU资源运行情况数据导入评估系统;
第二接收模块,用于接收所述评估系统反馈的当前云平台CPU可用资源,所述当前云平台CPU可用资源是所述评估系统根据所述当前云平台CPU资源运行情况数据,通过预设线性回归数学模型计算获得的;
第三接收模块,用于展示所述当前云平台可用资源,接收运维人员输入的当前云平台CPU资源是否满足用户需求的确认指令;
第二发送模块,用于若根据所述确认指令,确定当前云平台CPU资源满足用户需求,则将当前云平台CPU资源满足用户需求的结果发送给所述用户设备,并根据所述云主机创建请求中的用户需求,向云平台运维管理系统发送云主机创建指令,以使所述云平台运维管理系统创建云主机;
第三发送模块,用于接收所述云平台运维管理系统反馈的云主机创建结果,将所述云主机创建结果发送给所述用户设备;
所述当前云平台CPU资源运行情况数据,包括:云平台物理节点CPU使用率;
所述当前云平台CPU可用资源为当前云平台可用CPU核数,所述预设线性回归数学模型为:
η=0.3024(δ-α)/ε;
其中,η为当前云平台可用CPU核数,α为云平台物理节点CPU使用率,δ为预先设置的云平台物理节点CPU最高使用率,ε为预先设置的云平台服务器的预估CPU使用率。
6.一种电子设备,其特征在于,包括:处理器、存储器、总线及存储在存储器上并可在处理器上运行的计算机程序;
其中,所述处理器,存储器通过所述总线完成相互间的通信;
所述处理器执行所述计算机程序时实现如权利要求1所述的方法。
7.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810988882.5A CN110868330B (zh) | 2018-08-28 | 2018-08-28 | 云平台可划分cpu资源的评估方法、装置及评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810988882.5A CN110868330B (zh) | 2018-08-28 | 2018-08-28 | 云平台可划分cpu资源的评估方法、装置及评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110868330A CN110868330A (zh) | 2020-03-06 |
CN110868330B true CN110868330B (zh) | 2021-09-07 |
Family
ID=69651858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810988882.5A Active CN110868330B (zh) | 2018-08-28 | 2018-08-28 | 云平台可划分cpu资源的评估方法、装置及评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110868330B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919989A (zh) * | 2021-10-29 | 2022-01-11 | 国信蓝桥教育科技(杭州)股份有限公司 | 云资源配置检测方法和系统 |
CN115442262B (zh) * | 2022-08-01 | 2024-02-06 | 阿里巴巴(中国)有限公司 | 一种资源评估方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150215A (zh) * | 2013-02-04 | 2013-06-12 | 浙江大学 | 虚拟环境下细粒度的cpu资源使用预测方法 |
KR20130134569A (ko) * | 2012-05-31 | 2013-12-10 | 삼성에스디에스 주식회사 | 분석 작업 실행 이력을 이용한 가상 클러스터 구축 시스템 및 방법 |
CN103442070A (zh) * | 2013-08-30 | 2013-12-11 | 华南理工大学 | 基于统计预测的私有云存储资源调配方法 |
CN103927229A (zh) * | 2013-01-16 | 2014-07-16 | 国际商业机器公司 | 在动态可用服务器集群中调度映射化简作业 |
CN104468407A (zh) * | 2013-09-16 | 2015-03-25 | 中国电信股份有限公司 | 实现业务平台资源弹性分配的方法与装置 |
CN104572296A (zh) * | 2014-12-23 | 2015-04-29 | 国云科技股份有限公司 | 一种预测云平台存储资源增长量的方法 |
CN104750541A (zh) * | 2015-04-22 | 2015-07-01 | 成都睿峰科技有限公司 | 一种虚拟机迁移方法 |
CN105808355A (zh) * | 2016-03-10 | 2016-07-27 | 西安电子科技大学 | 一种基于二元线性回归方程的动态调频方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4756675B2 (ja) * | 2004-07-08 | 2011-08-24 | インターナショナル・ビジネス・マシーンズ・コーポレーション | コンピュータ資源のキャパシティを予測するためのシステム、方法およびプログラム |
-
2018
- 2018-08-28 CN CN201810988882.5A patent/CN110868330B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130134569A (ko) * | 2012-05-31 | 2013-12-10 | 삼성에스디에스 주식회사 | 분석 작업 실행 이력을 이용한 가상 클러스터 구축 시스템 및 방법 |
CN103927229A (zh) * | 2013-01-16 | 2014-07-16 | 国际商业机器公司 | 在动态可用服务器集群中调度映射化简作业 |
CN103150215A (zh) * | 2013-02-04 | 2013-06-12 | 浙江大学 | 虚拟环境下细粒度的cpu资源使用预测方法 |
CN103442070A (zh) * | 2013-08-30 | 2013-12-11 | 华南理工大学 | 基于统计预测的私有云存储资源调配方法 |
CN104468407A (zh) * | 2013-09-16 | 2015-03-25 | 中国电信股份有限公司 | 实现业务平台资源弹性分配的方法与装置 |
CN104572296A (zh) * | 2014-12-23 | 2015-04-29 | 国云科技股份有限公司 | 一种预测云平台存储资源增长量的方法 |
CN104750541A (zh) * | 2015-04-22 | 2015-07-01 | 成都睿峰科技有限公司 | 一种虚拟机迁移方法 |
CN105808355A (zh) * | 2016-03-10 | 2016-07-27 | 西安电子科技大学 | 一种基于二元线性回归方程的动态调频方法 |
Non-Patent Citations (2)
Title |
---|
"LiRCUP: Linear Regression Based CPU Usage Prediction Algorithm for Live Migration of Virtual Machines in Data Centers";Fahimeh Farahnakian,;《2013 39th Euromicro Conference on Software Engineering and Advanced Applications》;20131010;摘要,第I、II、V部分 * |
"云数据中心高效的虚拟机整合方法";喻新荣,;《计算机应用》;20180210;第30卷(第2期);第550-556页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110868330A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109634728B (zh) | 作业调度方法、装置、终端设备及可读存储介质 | |
US20190026344A1 (en) | Application Recommending Method and System, and Server | |
CN102222042B (zh) | 基于云计算的软件自动化测试方法 | |
CN103281359A (zh) | 云桌面系统及运行方法 | |
CN109359031B (zh) | 多设备应用程序测试方法、装置、服务器及存储介质 | |
JPWO2008146677A1 (ja) | 仮想マシン管理装置、仮想マシン管理方法および仮想マシン管理プログラム | |
US10057182B2 (en) | Method for providing development and deployment services using a cloud-based platform and devices thereof | |
CN109117252B (zh) | 基于容器的任务处理的方法、系统及容器集群管理系统 | |
US8606905B1 (en) | Automated determination of system scalability and scalability constraint factors | |
CN109614227B (zh) | 任务资源调配方法、装置、电子设备及计算机可读介质 | |
US8972941B2 (en) | Integrated development environment-based workload testing in a networked computing environment | |
CN104077212A (zh) | 压力测试系统及方法 | |
US9535749B2 (en) | Methods for managing work load bursts and devices thereof | |
CN108595316A (zh) | 分布式应用的生命周期管理方法、管理器、设备和介质 | |
CN113742031A (zh) | 节点状态信息获取方法、装置、电子设备及可读存储介质 | |
US20150019722A1 (en) | Determining, managing and deploying an application topology in a virtual environment | |
CN109254854A (zh) | 异步调用方法、计算机装置及存储介质 | |
CN112306719A (zh) | 一种任务调度方法与装置 | |
CN110868330B (zh) | 云平台可划分cpu资源的评估方法、装置及评估系统 | |
CN203301532U (zh) | 云桌面系统 | |
CN109828826B (zh) | 一种任务进度的轮询方法、装置及系统 | |
CN102541563A (zh) | 一种监控界面生成方法及系统 | |
CN115373826B (zh) | 一种基于云计算的任务调度方法及装置 | |
CN109257256A (zh) | 设备监控方法、装置、计算机设备及存储介质 | |
CN106033211B (zh) | 一种控制涂胶机台胶头清洗的方法及装置 |
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 |