CN111078400A - 一种基于cpu使用率的负载均衡方法及装置 - Google Patents
一种基于cpu使用率的负载均衡方法及装置 Download PDFInfo
- Publication number
- CN111078400A CN111078400A CN201911208763.4A CN201911208763A CN111078400A CN 111078400 A CN111078400 A CN 111078400A CN 201911208763 A CN201911208763 A CN 201911208763A CN 111078400 A CN111078400 A CN 111078400A
- Authority
- CN
- China
- Prior art keywords
- cpu
- cpu utilization
- utilization rate
- load balancing
- average value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000750 progressive effect Effects 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种基于CPU使用率的负载均衡方法、装置、后端服务器及可读存储介质，利用后端服务器周期地计算本地的CPU使用率，计算与当前时刻最接近的一段时间内的CPU使用率的平均值，并周期性地将平均值发送至DNS服务器以进行负载均衡。相比于传统的基于CPU使用率瞬时值进行负载均衡，本申请基于CPU使用率在一段时间内的平均值进行负载均衡，使得DNS服务器准确把握后端服务器真实的CPU使用状况，提升了负载均衡的性能，提高了后端服务器处理客户端请求的效率和网络数据处理能力。
Description
技术领域
本申请涉及计算机技术领域，特别涉及一种基于CPU使用率的负载均衡方法、装置、后端服务器及可读存储介质。
背景技术
传统的基于CPU使用率的负载均衡方案是从集群中选出CPU使用率最低的节点，据其向客户端返回负载均衡结果。但是，该方案中的CPU使用率是连续获取两个CPU性能数据计算而来的，由于时间间隔短，计算出来的CPU使用率为瞬时值，可靠性较差。例如对于不均衡的场景，某时刻CPU使用率可能很高，而另一个时刻CPU使用率可能较低，这种情况下上述方案无法真正获知节点CPU使用率的真实情况，影响负载均衡性能。
可见，如何避免CPU使用率瞬时值对负载均衡性能的影响，是亟待本领域技术人员解决的问题。
发明内容
本申请的目的是提供一种基于CPU使用率的负载均衡方法、装置、后端服务器及可读存储介质，用以解决传统的负载均衡方案根据CPU使用率瞬时值进行负载均衡，导致负载均衡性能较差的问题。其具体方案如下：
第一方面，本申请提供了一种基于CPU使用率的负载均衡方法，应用于后端服务器，包括：
每隔第一时间阈值，获取本地的CPU性能数据，根据所述CPU性能数据确定CPU使用率；
将所述CPU使用率存储至预设数据结构，其中所述预设数据结构用于存储与当前时间最接近的预设数量的CPU使用率；
每隔第二时间阈值，将所述预设数据结构中各个所述CPU使用率的平均值发送至DNS服务器，以便于所述DNS服务器根据各个所述后端服务器的所述平均值进行负载均衡。
优选的，所述获取本地的CPU性能数据，包括：
读取系统文件/proc/stat，以获取本地的CPU性能数据。
优选的，所述根据所述CPU性能数据确定CPU使用率，包括：
确定本次获取的CPU性能数据中的空闲时长与上次获取的CPU性能数据中的空闲时长之间的差值；根据所述差值与所述第一时间阈值，确定CPU使用率。
优选的，所述将所述CPU使用率存储至预设数据结构，包括：
将所述CPU使用率存储至结构体数组。
优选的，所述将所述CPU使用率存储至预设数据结构；每隔第二时间阈值，将所述预设数据结构中各个所述CPU使用率的平均值发送至DNS服务器，包括：
将所述CPU使用率存储至预设数据结构，计算所述预设数据结构中各个所述CPU使用率的平均值，并将所述平均值存储至预设全局变量；
每隔第二时间阈值，将所述预设全局变量中的所述平均值发送至DNS服务器。
优选的，在所述将所述平均值发送至DNS服务器之后，还包括：
所述DNS服务器确定所述平均值最小的目标后端服务器；
确定所述目标后端服务器的物理IP地址，对与所述物理IP地址相对应的虚拟IP地址进行轮询，确定目标虚拟IP地址；
将所述目标虚拟IP地址发送至客户端。
优选的，在所述每隔第一时间阈值，获取本地的CPU性能数据之前，还包括：
设置所述第一时间阈值小于等于所述第二时间阈值。
第二方面，本申请提供了一种基于CPU使用率的负载均衡装置，应用于后端服务器，包括：
性能数据获取模块：用于每隔第一时间阈值，获取本地的CPU性能数据，根据所述CPU性能数据确定CPU使用率；
使用率存储模块：用于将所述CPU使用率存储至预设数据结构，其中所述预设数据结构用于存储与当前时间最接近的预设数量的CPU使用率；
平均值发送模块：用于每隔第二时间阈值，将所述预设数据结构中各个所述CPU使用率的平均值发送至DNS服务器，以便于所述DNS服务器根据各个所述后端服务器的所述平均值进行负载均衡。
第三方面，本申请提供了一种后端服务器，应用于负载均衡系统，包括：
存储器：用于存储计算机程序；
处理器：用于执行所述计算机程序，以实现如上所述的一种基于CPU使用率的负载均衡方法的步骤。
第四方面，本申请提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如上所述的一种基于CPU使用率的负载均衡方法的步骤。
本申请所提供的一种基于CPU使用率的负载均衡方法，应用于后端服务器，包括：每隔第一时间阈值，获取本地的CPU性能数据，根据CPU性能数据确定CPU使用率；将CPU使用率存储至预设数据结构，其中预设数据结构用于存储与当前时间最接近的预设数量的CPU使用率；每隔第二时间阈值，将预设数据结构中各个CPU使用率的平均值发送至DNS服务器，以便于DNS服务器根据各个后端服务器的平均值进行负载均衡。
可见，该方法利用后端服务器周期地计算本地的CPU使用率，计算与当前时刻最接近的一段时间内的CPU使用率的平均值，并周期性地将平均值发送至DNS服务器以进行负载均衡。相比于传统的基于CPU使用率瞬时值进行负载均衡，该方法基于CPU使用率在一段时间内的平均值进行负载均衡，使得DNS服务器准确把握后端服务器真实的CPU使用状况，显著提升了负载均衡的性能，提高了后端服务器处理客户端请求的效率和网络数据处理能力。
此外，本申请还提供了一种基于CPU使用率的负载均衡装置、后端服务器及可读存储介质，其技术效果与上述方法的技术效果相对应，这里不再赘述。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案，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的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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附图。
图1为本申请所提供的一种基于CPU使用率的负载均衡方法实施例一的实现流程图；
图2为本申请所提供的一种基于CPU使用率的负载均衡方法实施例二的实现流程图；
图3为本申请所提供的一种基于CPU使用率的负载均衡装置实施例的功能框图；
图4为本申请所提供的一种后端服务器实施例的结构示意图。
具体实施方式
本申请的核心是提供一种基于CPU使用率的负载均衡方法、装置、后端服务器及可读存储介质，基于CPU使用率在一段时间内的平均值进行负载均衡，使得DNS服务器准确把握后端服务器真实的CPU使用状况，显著提升了负载均衡的性能。
为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面对本申请提供的一种基于CPU使用率的负载均衡方法实施例一进行介绍，参见图1，实施例一应用于后端服务器，包括：
S101、每隔第一时间阈值，获取本地的CPU性能数据，根据所述CPU性能数据确定CPU使用率；
S102、将所述CPU使用率存储至预设数据结构，其中所述预设数据结构用于存储与当前时间最接近的预设数量的CPU使用率；
S103、每隔第二时间阈值，将所述预设数据结构中各个所述CPU使用率的平均值发送至DNS服务器，以便于所述DNS服务器根据各个所述后端服务器的所述平均值进行负载均衡。
本实施例的负载均衡系统包括后端服务器和DNS服务器，本实施例的实施过程基于后端服务器实现。所谓负载均衡，是指在分布式文件系统中，提供可控的轮询策略、连接数策略域名解析均衡服务。
本实施例的后端服务器每隔第一时间阈值，获取本地的CPU性能数据，并根据CPU性能数据计算CPU使用率。具体的，用过读取系统文件/proc/stat以获取CPU性能数据，该系统文件的第一行中记录了CPU总的使用情况(多核也如此)，且该系统文件的内核数据是实时更新的，能满足数据的实时性。在计算CPU使用率时，需要同时用到本次获取到的CPU性能数据和前次获取到的CPU性能数据，通过二者确定空闲时间差值，并根据第一时间阈值和空闲时间差值计算得到CPU使用率。可以理解的是，上述第一时间阈值的具体取值可以根据实际需求来进行适应性调整，本实施例不做限定。
本实施例的后端服务器上预先设置了预设数据结构，该预设数据结构用于存储与当前时间最接近的预设数量的CPU使用率。因此，在计算得到CPU使用率之后，本实施例的后端服务器将CPU使用率存储至该预设数据结构，因为预设数据结构容量有限，因此在预设数据结构满的时候，存储当前计算出的CPU使用率的同时，需要移除预设数据结构中计算时间最早的CPU使用率，以保证预设数据结构只存储与当前时间最接近的预设数量的CPU使用率。可以理解的是，在初始阶段，预设数据结构不满的时候，其存储的CPU使用率小于上述预设数量。本实施例不限定上述预设数量的具体取值，具体可以根据实际场景需求来自行设定。
在获取CPU性能数据，计算CPU使用率，存储CPU使用率的同时，本实施例的后端服务器还用于每隔第二时间阈值，将预设数据结构中各个CPU使用率的平均值发送至DNS服务器。其中，平均值的计算时机，可以为在向预设数据结构中存储新的CPU使用率的同时，计算预设数据结构中各个CPU使用率的平均值；也可以为，每隔第二时间阈值，向DNS服务器发送平均值之前，即时计算预设数据结构中各个CPU使用率的平均值。上述第二时间阈值的取值，可以根据实际需求而设置，本实施例不做限定。
基于以上过程，各个后端服务器每隔第二时间阈值向DNS服务器发送一次CPU使用率的平均值，而DNS服务器上记录各个后端服务器的物理IP、物理IP与虚拟IP之间的映射关系、CPU使用率的平均值。当客户端采用CPU策略请求DNS服务器进行域名解析时，DNS服务器会查找并确定最小的CPU使用率平均值对应的物理IP，并轮询该物理IP对应的各个虚拟IP，返回一个目标虚拟IP给客户端，客户端根据该虚拟IP请求后端服务器的服务。
本实施例所提供一种基于CPU使用率的负载均衡方法，应用于后端服务器，该方法利用后端服务器周期地计算本地的CPU使用率，计算与当前时刻最接近的一段时间内的CPU使用率的平均值，并周期性地将平均值发送至DNS服务器以进行负载均衡。相比于传统的基于CPU使用率瞬时值进行负载均衡，该方法基于CPU使用率在一段时间内的平均值进行负载均衡，使得DNS服务器准确把握后端服务器真实的CPU使用状况，显著提升了负载均衡的性能，提高了后端服务器处理客户端请求的效率和网络数据处理能力。
下面开始详细介绍本申请提供的一种基于CPU使用率的负载均衡方法实施例二，实施例二基于前述实施例一实现，并在实施例一的基础上进行了一定程度上的拓展。
本实施例采用结构体数组作为上述预设数据结构，且本实施例设置第一时间阈值小于等于第二时间阈值，以避免向DNS服务器发送重复的CPU使用率的平均值。
参见图2，实施例二应用于后端服务器，包括：
S201、设置所述第一时间阈值小于等于所述第二时间阈值；
S202、每隔第一时间阈值，读取系统文件/proc/stat，以获取本地的CPU性能数据；
S203、确定本次获取的CPU性能数据中的空闲时长与上次获取的CPU性能数据中的空闲时长之间的差值；根据所述差值与所述第一时间阈值，确定CPU使用率；
S204、将所述CPU使用率存储至结构体数组，计算所述结构体数组中各个所述CPU使用率的平均值，并将所述平均值存储至预设全局变量；
其中所述结构体数组用于存储与当前时间最接近的预设数量的CPU使用率。
S205、每隔第二时间阈值，将所述预设全局变量中的所述平均值发送至DNS服务器；
S206、所述DNS服务器确定所述平均值最小的目标后端服务器；
S207、DNS服务器确定所述目标后端服务器的物理IP地址，对与所述物理IP地址相对应的虚拟IP地址进行轮询，确定目标虚拟IP地址；将所述目标虚拟IP地址发送至客户端。
根据上述基于CPU使用率的负载均衡方法实施例，下面以实际应用为例，对本申请的实施过程进行介绍。
首先，配置参数如下所示：
<Interval name＝”Collect”>3</Interval>，代表收集CPU使用率时间间隔为3秒；
<Interval name＝”Send”>5</Interval>，代表发送CPU使用率的平均值的时间间隔为5秒；
<Dst_ip>100.7.44.193</Dst_ip>，100.7.44.193为所有服务端节点要发送的目的主机(DNS)虚拟IP；
1、CPU使用率的计算
通每隔3秒过系统文件/proc/stat获取CPU性能数据，具体从该系统文件第一行解析得到user、nice、system、idle、iowait、irq、softirq、stealstolen、guest9个元素，对本次和上次采集的CPU性能数据进行分析，计算空闲时间的差值，计算cpu使用率pcpu＝100*(第一时间阈值-空闲时间差值)/第一时间阈值。
2、CPU使用率的平均值的计算
使用结构体数组方式保存每次计算得到的CPU利用率，数据结构体如下：
其中cpu_usageRate是一个包含五个元素的数组，用于保存最多五个CPU使用率；cout用于记录保存CPU使用率的个数。
最开始服务启动时刻获取CPU性能数据，此后每隔3秒获取一次CPU性能数据，时刻分别为t1、t2、t3、t4、t5、t6；由t1和t2时刻确定CPU使用率pcpu1，将pcpu1保存到cpu_usageRate[0]；由t2时刻和t3时刻确定CPU使用率pcpu2，将pcpu2保存到cpu_usageRate[1]；以此类推，第五个CPU使用率保存到cpu_usageRate[4]。当获取到第六个CPU使用率，则将其赋值给cpu_usageRate[0]，第七个CPU使用率赋值给cpu_usageRate[1]，以此类推。
后端服务器从启动后，每隔3秒，计算出一个CPU使用率保存到cpu_usageRate数组中，在第5秒的时候需要发送数据，此时数组中只有一个元素cpu_usageRate[0]，因此将该值存储到全局变量cpu_utilization中，发送给DNS服务器；在第10秒的时候，数组中存在三个元素，分别为cpu_usageRate[0]、cpu_usageRate[1]、cpu_usageRate[2]，因此计算这三个元素的平均值，将该平均值存储到全局变量cpu_utilization中，发送给DNS服务器；在第15秒的时候，数组中存在五个元素，计算这五个元素的平均值，将该平均值存储到全局变量cpu_utilization中，发送给DNS服务器；此后每次发送都是五个元素的平均值。
3、CPU使用率的平均值的发送
后端服务器每隔5s发送一次CPU使用率的平均值给DNS，DNS保留各个后端服务器的物理IP、物理IP与虚拟IP的对应表、CPU使用率的平均值等；当客户端采用CPU策略请求DNS进行域名解析时，DNS会确定最小的CPU使用率的平均值对应的物理IP，并轮询物理IP对应的虚拟IP，返回一个目标虚拟IP给客户端，客户端根据该目标虚拟IP请求后端服务器服务。
下面对本申请实施例提供的一种基于CPU使用率的负载均衡装置进行介绍，下文描述的一种基于CPU使用率的负载均衡装置与上文描述的一种基于CPU使用率的负载均衡方法可相互对应参照。
该装置应用于后端服务器，如图3所示，包括：
性能数据获取模块301：用于每隔第一时间阈值，获取本地的CPU性能数据，根据所述CPU性能数据确定CPU使用率；
使用率存储模块302：用于将所述CPU使用率存储至预设数据结构，其中所述预设数据结构用于存储与当前时间最接近的预设数量的CPU使用率；
平均值发送模块303：用于每隔第二时间阈值，将所述预设数据结构中各个所述CPU使用率的平均值发送至DNS服务器，以便于所述DNS服务器根据各个所述后端服务器的所述平均值进行负载均衡。
本实施例的基于CPU使用率的负载均衡装置用于实现前述的基于CPU使用率的负载均衡方法，因此该装置中的具体实施方式可见前文中的基于CPU使用率的负载均衡方法的实施例部分，例如，性能数据获取模块301、使用率存储模块302、平均值发送模块303，分别用于实现上述基于CPU使用率的负载均衡方法中步骤S101，S102，S103，S106。所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再展开介绍。
另外，由于本实施例的基于CPU使用率的负载均衡装置用于实现前述的基于CPU使用率的负载均衡方法，因此其作用与上述方法的作用相对应，这里不再赘述。
此外，本申请还提供了一种后端服务器，如图4所示，应用于负载均衡系统，包括：
存储器100：用于存储计算机程序；
处理器200：用于执行所述计算机程序，以实现如上文所述的一种基于CPU使用率的负载均衡方法的步骤。
最后，本申请提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如上所述的一种基于CPU使用率的负载均衡方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于CPU使用率的负载均衡方法，其特征在于，应用于后端服务器，包括：
每隔第一时间阈值，获取本地的CPU性能数据，根据所述CPU性能数据确定CPU使用率；
将所述CPU使用率存储至预设数据结构，其中所述预设数据结构用于存储与当前时间最接近的预设数量的CPU使用率；
每隔第二时间阈值，将所述预设数据结构中各个所述CPU使用率的平均值发送至DNS服务器，以便于所述DNS服务器根据各个所述后端服务器的所述平均值进行负载均衡。
2.如权利要求1所述的方法，其特征在于，所述获取本地的CPU性能数据，包括：
读取系统文件/proc/stat，以获取本地的CPU性能数据。
3.如权利要求2所述的方法，其特征在于，所述根据所述CPU性能数据确定CPU使用率，包括：
确定本次获取的CPU性能数据中的空闲时长与上次获取的CPU性能数据中的空闲时长之间的差值；根据所述差值与所述第一时间阈值，确定CPU使用率。
4.如权利要求1所述的方法，其特征在于，所述将所述CPU使用率存储至预设数据结构，包括：
将所述CPU使用率存储至结构体数组。
5.如权利要求4所述的方法，其特征在于，所述将所述CPU使用率存储至预设数据结构；每隔第二时间阈值，将所述预设数据结构中各个所述CPU使用率的平均值发送至DNS服务器，包括：
将所述CPU使用率存储至预设数据结构，计算所述预设数据结构中各个所述CPU使用率的平均值，并将所述平均值存储至预设全局变量；
每隔第二时间阈值，将所述预设全局变量中的所述平均值发送至DNS服务器。
6.如权利要求1所述的方法，其特征在于，在所述将所述平均值发送至DNS服务器之后，还包括：
所述DNS服务器确定所述平均值最小的目标后端服务器；
确定所述目标后端服务器的物理IP地址，对与所述物理IP地址相对应的虚拟IP地址进行轮询，确定目标虚拟IP地址；
将所述目标虚拟IP地址发送至客户端。
7.如权利要求1-6任意一项所述的方法，其特征在于，在所述每隔第一时间阈值，获取本地的CPU性能数据之前，还包括：
设置所述第一时间阈值小于等于所述第二时间阈值。
8.一种基于CPU使用率的负载均衡装置，其特征在于，应用于后端服务器，包括：
性能数据获取模块：用于每隔第一时间阈值，获取本地的CPU性能数据，根据所述CPU性能数据确定CPU使用率；
使用率存储模块：用于将所述CPU使用率存储至预设数据结构，其中所述预设数据结构用于存储与当前时间最接近的预设数量的CPU使用率；
平均值发送模块：用于每隔第二时间阈值，将所述预设数据结构中各个所述CPU使用率的平均值发送至DNS服务器，以便于所述DNS服务器根据各个所述后端服务器的所述平均值进行负载均衡。
9.一种后端服务器，其特征在于，应用于负载均衡系统，包括：
存储器：用于存储计算机程序；
处理器：用于执行所述计算机程序，以实现如权利要求1-7任意一项所述的一种基于CPU使用率的负载均衡方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1-7任意一项所述的一种基于CPU使用率的负载均衡方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911208763.4A CN111078400A (zh) | 2019-11-30 | 2019-11-30 | 一种基于cpu使用率的负载均衡方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911208763.4A CN111078400A (zh) | 2019-11-30 | 2019-11-30 | 一种基于cpu使用率的负载均衡方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111078400A true CN111078400A (zh) | 2020-04-28 |
Family
ID=70312264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911208763.4A Pending CN111078400A (zh) | 2019-11-30 | 2019-11-30 | 一种基于cpu使用率的负载均衡方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111078400A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100274530A1 (en) * | 2009-04-28 | 2010-10-28 | Chi Mei Communication Systems, Inc. | System and method for analyzing a usage rate of a central processing unit in a mobile device |
| US20110282932A1 (en) * | 2010-05-17 | 2011-11-17 | Microsoft Corporation | Asymmetric end host redundancy elimination for networks |
| CN105721552A (zh) * | 2016-01-22 | 2016-06-29 | 深圳市瑞驰信息技术有限公司 | 一种基于dns实现动态负载均衡的方法及dns系统 |
| CN106886478A (zh) * | 2017-02-22 | 2017-06-23 | 郑州云海信息技术有限公司 | 一种数据过滤方法及监控服务器 |
| CN107608870A (zh) * | 2017-09-22 | 2018-01-19 | 郑州云海信息技术有限公司 | 一种系统资源使用率的统计方法和系统 |
| CN109976917A (zh) * | 2019-04-08 | 2019-07-05 | 科大讯飞股份有限公司 | 一种负载调度方法、装置、负载调度器、存储介质及系统 |
| CN109992350A (zh) * | 2017-12-29 | 2019-07-09 | 北京华胜天成科技股份有限公司 | 云计算系统的资源池中虚拟机的迁移方法及装置 |
-
2019
- 2019-11-30 CN CN201911208763.4A patent/CN111078400A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100274530A1 (en) * | 2009-04-28 | 2010-10-28 | Chi Mei Communication Systems, Inc. | System and method for analyzing a usage rate of a central processing unit in a mobile device |
| US20110282932A1 (en) * | 2010-05-17 | 2011-11-17 | Microsoft Corporation | Asymmetric end host redundancy elimination for networks |
| CN105721552A (zh) * | 2016-01-22 | 2016-06-29 | 深圳市瑞驰信息技术有限公司 | 一种基于dns实现动态负载均衡的方法及dns系统 |
| CN106886478A (zh) * | 2017-02-22 | 2017-06-23 | 郑州云海信息技术有限公司 | 一种数据过滤方法及监控服务器 |
| CN107608870A (zh) * | 2017-09-22 | 2018-01-19 | 郑州云海信息技术有限公司 | 一种系统资源使用率的统计方法和系统 |
| CN109992350A (zh) * | 2017-12-29 | 2019-07-09 | 北京华胜天成科技股份有限公司 | 云计算系统的资源池中虚拟机的迁移方法及装置 |
| CN109976917A (zh) * | 2019-04-08 | 2019-07-05 | 科大讯飞股份有限公司 | 一种负载调度方法、装置、负载调度器、存储介质及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 邢静宇: "《基于KVM的桌面云服务端I/O虚拟化解决方案研究》", 31 October 2019, 电子科技大学出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4421637B2 (ja) | サブタスク・プロセッサの分散スケジューリング | |
| CN110162270B (zh) | 基于分布式存储系统的数据存储方法、存储节点及介质 | |
| CN103227754B (zh) | 一种高可用集群系统负载动态均衡方法及节点设备 | |
| CN108259603B (zh) | 一种负载均衡方法及装置 | |
| CN107562757B (zh) | 基于分布式文件系统的查询、访问方法、装置及系统 | |
| WO2013104172A1 (zh) | 实现负载均衡的方法、dns服务器和客户端 | |
| JP6972714B2 (ja) | データ取得プログラム、装置、及び方法 | |
| CN110191159B (zh) | 一种资源服务器的负载调节方法及系统、设备 | |
| CN111562889B (zh) | 数据处理方法、装置、系统及存储介质 | |
| CN110933136A (zh) | 一种服务节点选择方法、装置、设备及可读存储介质 | |
| CN110557464A (zh) | Dns解析方法、权威dns服务器和dns解析系统 | |
| CN111159219A (zh) | 一种数据管理方法、装置、服务器及存储介质 | |
| CN109639796A (zh) | 一种负载均衡实现方法、装置、设备及可读存储介质 | |
| CN114089917A (zh) | 分布式对象存储集群及其扩容方法、装置及电子设备 | |
| CN110674098B (zh) | 一种分布式文件系统中的域名解析方法 | |
| CN113079062A (zh) | 一种资源调整方法、装置、计算机设备和存储介质 | |
| CN111078400A (zh) | 一种基于cpu使用率的负载均衡方法及装置 | |
| CN110083313B (zh) | 一种数据缓存方法及装置 | |
| CN107888388B (zh) | 一种网络加速服务的计费方法和系统 | |
| CN113905252B (zh) | 直播间的数据存储方法、装置、电子设备及存储介质 | |
| CN112235402B (zh) | 一种网络回源方法、网络回源系统及相关装置 | |
| CN111092959B (zh) | 一种集群中服务器的请求处理方法、系统及相关装置 | |
| EP3685567A1 (en) | Load shedding of traffic based on current load state of target capacity | |
| CN114647385A (zh) | 一种分布式存储的卷映射管理方法、系统及相关装置 | |
| CN114124797A (zh) | 一种服务器路由方法、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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200428 |