CN111435317A - 数据处理方法、计算设备及存储介质 - Google Patents
数据处理方法、计算设备及存储介质 Download PDFInfo
- Publication number
- CN111435317A CN111435317A CN201910033316.3A CN201910033316A CN111435317A CN 111435317 A CN111435317 A CN 111435317A CN 201910033316 A CN201910033316 A CN 201910033316A CN 111435317 A CN111435317 A CN 111435317A
- Authority
- CN
- China
- Prior art keywords
- application
- data center
- center area
- resource
- data
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 21
- 230000004048 modification Effects 0.000 abstract description 9
- 238000012986 modification Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001093501 Rutaceae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming 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
-
- 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
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
- Stored Programmes (AREA)
Abstract
本申请实施例提供一种数据处理方法、计算设备及存储介质。在本申请实施例中,可结合数据中心区域在指定时间内的资源消耗数据和部署于该数据中心区域上的应用程序在指定时间内完成的任务数据,综合评估数据中心区域的性能数据,不仅可以反映数据中心区域在资源架构方面的性能,还可以更有效地反映数据中心区域中与上层应用相关的性能,对数据中心区域的性能评估更加全面、合理,可为数据中心的升级改造或资源调度等处理提供依据。
Description
技术领域
本申请涉及数据中心技术领域,尤其涉及一种数据处理方法、计算设备及 存储介质。
背景技术
数据中心(Data Center)是一整套复杂的设施,它不仅包括计算机系统和与 之配套的通信设备和存储设备,还可能包括冗余的数据通信连接、监控设备以 及各种安全装置等。
随着业务规模的不断扩大,应用需求的不断增多,数据中心需要适应性地 进行升级改造,或者需要合理地进行资源调度。但是,无论是资源调度还是升 级改造均缺乏相应的决策参考,有待提供一种解决方案。
发明内容
本申请的多个方面提供一种数据处理方法、设备及存储介质,用以获取数 据中心区域的性能数据,为数据中心区域的改造升级或资源调度提供依据。
本申请实施例提供一种数据处理方法,包括:响应设定的触发事件,确 定数据中心区域以及部署于所述数据中心区域上的至少一个应用程序;结合 所述数据中心区域在指定时间内的资源消耗数据和所述至少一个应用程序在 所述指定时间内完成的任务数据,获取所述数据中心区域的性能数据。
本申请实施例还提供一种计算设备,包括:存储器和处理器;所述存储 器,用于存储计算机程序;所述处理器,用于执行所述计算机程序,以用 于:响应设定的触发事件,确定数据中心区域以及部署于所述数据中心区域 上的至少一个应用程序;结合所述数据中心区域在指定时间内的资源消耗数 据和所述至少一个应用程序在所述指定时间内完成的任务数据,获取所述数 据中心区域的性能数据。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,当所 述计算机程序被处理器执行时,致使所述处理器实现本申请方法实施例中的步 骤。
在本申请实施例中,可结合数据中心区域在指定时间内的资源消耗数据和 部署于该数据中心区域上的应用程序在指定时间内完成的任务数据,综合评估 数据中心区域的性能数据,不仅可以反映数据中心区域在资源架构方面的性能, 还可以更有效地反映数据中心区域中与上层应用相关的性能,对数据中心区域 的性能评估更加全面、合理,可为数据中心区域的升级改造或资源调度等处理 提供依据。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分, 本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限 定。在附图中:
图1a为本申请示例性实施例提供的一种数据中心区域的结构示意图;
图1b为本申请示例性实施例提供的获取数据中心区域性能数据的一种系统 架构示意图;
图2a为本申请示例性实施例提供的一种数据处理方法的流程示意图;
图2b为本申请示例性实施例提供的另一种数据处理方法的流程示意图;
图2c为本申请示例性实施例提供的一种用于RUE计算的V字模型的示意 图;
图2d为本申请示例性实施例提供的又一种数据处理方法的流程示意图;
图3为本申请示例性实施例提供的一种计算设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实 施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的 实施例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。
针对现有数据中心区域在升级改造或资源调度等方面缺乏相应的决策参考 的技术问题,在本申请一些实施例中,结合数据中心区域在指定时间内的资源 消耗数据和部署于该数据中心区域上的应用程序在指定时间内完成的任务数 据,综合评估数据中心区域的性能数据,不仅可以反映数据中心区域在资源架 构方面的性能,还可以更有效地反映数据中心区域中与上层应用相关的性能, 对数据中心区域的性能评估更加全面、合理,可为数据中心区域的升级改造或 资源调度等处理提供依据。
在此说明,本申请实施例中的数据中心区域可以是独立的物理数据中心, 也可以是独立的物理数据中心中的部分区间(zone),还可以是机器集群,或机 器集群的部分区间。换句话说,采用本申请实施例提供的方案,既可以对物理 数据中心的性能进行评估,也可以对物理数据中心中的部分区间进行性能评估, 还可以对机器集群(例如边缘计算场景中靠近终端的边缘集群)进行性能评估, 甚至还可以对机器集群中的部分区间进行性能评估。这里的区间可以是实体, 例如集装箱、房间、机房或其它建筑物;相应地,由该区间限定的数据中心区 域包含该区间内的硬件资源和软件资源。当然,这里的区间也可以是逻辑上的 边界,例如设备,业务范围或其它对数据中心具有意义的边界;相应地,由该 区间限定的数据中心区域包含该区间内的硬件资源和软件资源。
可选地,在改造升级场景中,本申请实施例中的数据中心区域可以是升级 之前的数据中心区域,也可以是升级之后的数据中心区域。这里的升级包括硬 件方面的升级,例如更换通信设备、存储设备、通信线路等;也包括软件方面 的升级,例如数据中心的基础软件的升级、应用软件的升级等。基础软件是指 保证数据中心区域正常运行所需的一些软件。对于升级改造之前的数据中心区 域,获取其性能数据,可以据此判断是否需要对其进行改造升级;对于升级改 造之后的数据中心区域,获取其性能数据,可据此判断改造升级是否合理。
可选地,在资源调度场景中,本申请实施例中的数据中心区域可以是资源 调度之前的数据中心区域,也可以是经过资源调度之后的数据中心区域。对于 资源调度之前的数据中心区域,获取其性能数据,可据此判断是否有必要调整 资源调度策略并重新进行资源调度,例如将任务较重的机器的部分任务调度到 任务较轻的机器,以便提高整个数据中心区域的资源利用率;对于资源调度之 后的数据中心区域,获取其性能数据,可据此判断此次资源调度是否合理,是 否必要继续调度等。
值得说明的是,本申请实施例提供的获取数据中心区域性能数据的方案可 以部署在数据中心区域中的服务器、终端设备等计算设备上实施。如图1a所示, 为本申请示例性实施例提供的一种数据中心区域的结构示意图。在图1a中,数 据中心区域中的服务器10上部署有本申请实施例提供的获取数据中心区域性能 数据的方案。
当然,本申请实施例提供的获取数据中心区域性能数据的方案也可以部署 在数据中心区域之外的服务器、终端设备等计算设备上实施。如图1b所示,为 本申请示例性实施例提供的获取数据中心区域性能数据的一种系统架构示意 图。在图1b中,数据中心区域之外的服务器20(例如,可位于云端)上部署有 本申请实施例提供的获取数据中心区域性能参数的方案。服务器20可以与数据 中心区域中的设备之间可以是有线或无线网络连接。
值得说明的是,图1a和图1b所示数据中心区域仅为示例,并不限于此。 另外,图1a和图1b中的服务器10和服务器20仅是示例性的设备形态,并不 限于此,凡是具有一定计算能力和通信能力的计算设备均可作为本申请方法实 施例中的执行主体。无论是哪种形态的计算设备,该计算设备均可获取数据中 心区域中与数据中心区域性能相关的信息,以便于获取数据中心区域的性能数 据。在下面实施例中,将对计算设备如何获得数据中心区域性能数据的过程进 行详细说明。
图2a为本申请示例性实施例提供的一种数据处理方法的流程示意图。如图 2a所示,该方法包括:
201、响应设定的触发事件,确定数据中心区域以及部署于数据中心区域上 的至少一个应用程序。
202、结合数据中心区域在指定时间内的资源消耗数据和至少一个应用程序 在指定时间内完成的任务数据,获取数据中心区域的性能数据。
在本实施例中,设定触发事件,该触发事件用于触发获取数据中心区域性 能数据的流程。因此,当设定的触发事件发生时,可响应该触发事件,确定需 要获取数据中心区域的性能数据。值得说明的是,本实施例不对触发事件进行 具体限定,可根据需求灵活设定。
例如,在一些可选实施例中,需要对数据中心区域升级前后的性能进行对 比,这需要在数据中心区域升级完成后对数据中心区域的性能进行评估,因此, 可以将数据中心区域的升级完成事件作为设定的触发事件。这样,当接收到数 据中心区域的升级完成事件时,可确定该升级完成事件对应的数据中心区域作 为需要获取性能数据的数据中心区域。可选地,升级完成事件携带有可唯一标 识该数据中心区域的信息,例如数据中心区域的名称、描述信息等。
值得说明的是,除了将数据中心区域的升级完成事件作为设定的触发事件 之外,还可以在数据中心区域升级完成后人为触发性能评估事件,从而启动获 取数据中心区域性能参数的流程。可选地,可以面向相关人员提供用于触发性 能评估事件的相关入口,例如web页面、应用界面或链接地址等;基于该入口, 相关人员可以在数据中心区域升级完成后人为触发性能评估事件。该性能评估 事件可以作为预设的触发事件。
又例如,在另一些可选实施例中,根据应用需求,可能需要周期性了解数 据中心区域的性能情况,则可以设定评估周期,将评估周期到达事件作为设定 的触发事件。这样,当评估周期到达时,可以确定与该评估周期绑定的数据中 心区域作为需要获取性能数据的数据中心区域。
值得说明的是,除了周期性了解数据中心区域的性能情况之外,还可以在 指定的时间点了解数据中心区域的性能情况,因此还可以将指定的时间点到达 事件作为设定的触发事件。这样,当指定的时间点到达时,可以确定与该指定 的时间点对应的数据中心区域作为需要获取性能数据的数据中心区域。
除上述改造升级场景之外,在资源调度场景中,为了调度更加合理地进行 资源调度,也可以获取数据中心区域的性能数据。例如,在资源调度之前,可 以获取数据中心区域的性能数据,据此判断是否有必要进行资源调度。如果数 据中心区域的性能已经达到要求的性能指标,或者已经达到最优化,则没有必 要进行资源调度;反之,可以进行资源调度,以使得数据中心区域的性能达到 设定要求或最优化。进一步,在资源调度之后,可以再次获取数据中心区域的 性能数据,据此可以判断资源调度的效果是否达到预期。更进一步,还可以将 数据中心区域在资源调度前后的性能数据进行比较,根据比较结果可以判断此次资源调度是否合理,是否需要调整资源调度策略等等。
在本实施例中,除了确定需要获取性能数据的数据中心区域之外,还需要 确定部署于该数据中心区域上的至少一个应用程序。其中,至少一个应用程序 既可以包括数据中心区域正常运行所需的基础软件,也可以包括依赖于基础软 件的应用级或用户级的非基础软件。基础软件可以包括但不限于:装机软件、 装机流程管理服务、域名解析(DomainName System,DNS)软件以及时间同 步(Network Time Protocol,NTP)软件等。另外,至少一个应用程序可以是部 署于该数据中心区域上的所有应用程序,也可以是其中部分应用程序。可选地, 若至少一个应用程序包括部署于数据中心区域上的部分应用程序,则可以选择 资源消耗较多、运行时间较长以及使用频繁的应用程序中的一种或者多种,但 不限于此。
之后,结合数据中心区域在指定时间内的资源消耗数据和部署于该数据中 心区域上的至少一个应用程序在指定时间内完成的任务数据,综合评估数据中 心区域的性能数据。其中,指定时间可以根据数据中心区域的运行情况以及对 数据中心区域性能数据精准度的要求等因素灵活设置。如果数据中心区域在不 同时间段内的运行情况比较类似,则指定时间的时间长度可相对短一点,例如1 小时、5小时或10小时等;如果数据中心区域的运行情况在不同时间段内的差 异较大,则指定时间的时间长度可相对长一点,例如1天、3天或10天等。
在本实施例中,数据中心区域在指定时间内的资源消耗数据可以体现数据 中心区域在底层资源架构方面的性能,而数据中心区域中的应用程序在指定时 间内完成的任务数据可体现数据中心区域在上层应用方面的性能,这相当于将 底层资源架构方面的性能和上层应用方面的性能结合起来,可以更加全面、合 理地获取数据中心区域的性能数据,可为数据中心的升级改造或资源调度等处 理提供依据。
在一种应用场景中,需要对独立的物理数据中心进行改造升级,这里的改 造升级可以是对物理数据中心中的基础软件进行升级,也可以是对物理数据中 心中的计算设备、通信设备或存储设备等硬件资源进行升级,还可以是同时对 物理数据中心中的基础软件和硬件资源进行升级。该物理数据中心规模较大, 升级成本较高,在不能确定改造升级后性能是否能够达到预期效果的情况下并 不适合对整个物理数据中心进行全面升级,为了节约改造升级的成本,测试改 造升级是否合理等,可以从独立的物理数据中心中选择部分区间,针对所选择 的部分区间进行局部升级改造;在局部升级改造完成后,针对改造升级后的部 分区间,采用本申请上述或下述实施例提供的方法获取升级改造后的这部分区 间(这部分区间即是需要获取性能数据的数据中心区域)的性能数据;根据所 获取的性能数据判断是否继续对该物理数据中心中的其它区间(也即其它数据 中心区域)进行升级改造。
可选地,可以将数据中心区域在升级后的性能数据与其升级之前的性能数 据进行比较;若数据中心区域在升级后的性能数据优于其升级之前的性能数据, 说明改造升级是有价值的,可以根据该数据中心区域的升级策略,继续对其它 数据中心区域进行升级。反之,若数据中心区域在升级后的性能数据劣于其升 级之前的性能数据,则可以修改升级策略,以便基于修改后的升级策略对部分 区间进行升级并基于该部分区间升级后的性能数据判断是继续对其它数据中心 区域进行升级操作还是继续调整升级策略,直至升级完成。值得说明的是,本 申请实施例并不对“优”与“劣”的标准进行限定,可以根据应用需求适应性 设定。
当然,若需要对多个独立的物理数据中心进行相同升级时,也可以先对其 中一部分物理数据中心进行升级改造,例如可以对其中一个物理数据中心进行 升级改造。在对该物理数据中心升级改造完成后,采用本申请上述或下述实施 例提供的方法获取升级改造后的物理数据中心(即需要获取性能数据的数据中 心区域)的性能数据;根据所获取的性能数据判断是否继续对其它物理数据中 心(也即其它数据中心区域)进行升级改造。
在本申请实施例中,可以结合数据中心区域在指定时间内的资源消耗数据 和数据中心区域上运行的至少一个应用程序在指定时间内完成的任务数据,获 取数据中心区域的性能数据,但并不限定具体的获取方式,凡是结合数据中心 区域在指定时间内的资源消耗数据和数据中心区域上运行的至少一个应用程序 在指定时间内完成的任务数据来获取数据中心区域的性能数据的方式均适用于 本申请实施例。
在本申请一些可选实施例中,提出一种资源使用效率(Resource UsageEffectiveness,RUE)用来衡量数据中心区域的性能。在RUE方案中,主要考虑 数据中心区域中运行的至少一个应用程序在指定时间内所消耗的资源、在指定 时间内完成的“有效”任务量以及各应用程序分别占用的资源配额等信息。其 中,至少一个应用程序在指定时间内所消耗的资源一定程度上代表了数据中心 区域在指定时间内的资源消耗数据。
基于上述RUE概念的提出,如图2b所示,本申请实施例提供的另一种数 据处理方法包括以下步骤:
21b、响应设定的触发事件,确定数据中心区域以及部署于该数据中心区域 上的至少一个应用程序。
22b、根据至少一个应用程序在指定时间内消耗的资源量和完成的任务量, 分别计算至少一个应用程序的RUE。
23b、结合至少一个应用程序的资源配额和RUE,得到数据中心区域的 RUE;其中,数据中心区域的RUE反应数据中心区域的性能。
关于步骤21b的详细描述和具体实施方式,可参见前述实施例,在此不再 赘述。
在本实施例中,在考虑应用程序消耗的资源量时,并不限定应用程序所消 耗的资源类型,例如可以包括CPU、内存、磁盘和网络资源等。在计算应用程 序的RUE时,可以考虑CPU、内存、磁盘和网络资源中任意一种资源的消耗量 作为RUE计算的对象,无论是哪种资源实现方法类似。同时,也可以综合考虑 多种资源的消耗量作为RUE计算的对象。
在本实施例中,在考虑应用程序完成的任务量时,并不限定应用程序所完 成的工作的类型。一般来说,不同应用程序所完成的工作的类型并不相同。例 如,以电商类应用程序为例,其主要负责处理用户请求,则其在指定时间内完 成的任务量可以理解为其在指定时间内所处理的用户请求数(Total_Queries)。 又例如,以离线大数据处理类应用程序为例,其主要负责处理离线任务,则其 在指定时间内完成的任务量可以理解为其在指定时间内总共完成的任务数 (Total_Tasks)。
在本实施例中,对任一应用程序来说,计算其RUE的方法相同。其中,以 第i个应用程序为例,则计算第i个应用程序的RUE可以采用但不限于以下方 式:
可选方式a1,可以计算第i个应用程序在指定时间内消耗的资源量与第i 个应用程序在指定时间内完成的任务量的比值,作为第i个应用程序的RUE。
可选方式a2:可以计算第i个应用程序在指定时间内消耗的资源量与第i 个应用程序在指定时间内完成的任务量的比值,并利用相关系数对该比值进行 修正,将修正结果作为第i个应用程序的RUE。
可选方式a3:可以预先对第i个应用程序在指定时间内消耗的资源量与第i 个应用程序在指定时间内完成的任务量进行修正,计算修正后的资源量与修正 后的任务量的比值,作为第i个应用程序的RUE。
其中,i是自然数,其取值从1到n,n是至少一个应用程序的总数,n也是 自然数。
在得到至少一个应用程序的RUE之后,可以结合至少一个应用程序的资源 配额和RUE,得到数据中心区域的RUE。其中,应用程序的资源配额是指预先 分配给该应用程序的资源量。值得说明的是,应用程序的资源配额对应的资源 类型至少应该包含应用程序消耗的资源类型。另外,应用程序的资源配额并不 等于应用程序实际消耗的资源量。一般来说,资源配额会大于实际消耗的资源 量,但是,当资源配额不够时,可以为应用程序进行资源扩容,例如增加内存 或CPU核数等。
其中,结合至少一个应用程序的资源配额和RUE得到数据中心区域的RUE 可以采用但不限于以下方式:
可选方式b1:将至少一个应用程序的资源配额直接作为权重,对至少一个 应用程序的RUE进行加权求和,得到数据中心区域的RUE。
可选方式b2、分别计算至少一个应用程序的资源配额与至少一个应用程序 的资源配额之和的比值,作为至少一个应用程序的权重;根据至少一个应用程 序的权重对至少一个应用程序的RUE进行加权求和,得到数据中心区域的RUE。
例如,可以采用公式(1),计算数据中心区域的RUE。
在上述公式(1)中,RUE_total表示数据中心区域的RUE;RUE_i表示第 i个应用程序的RUE;i表示应用程序的编号,i是自然数,且其取值从1到n, n表示至少一个应用程序的总数;W_i表示第i个应用程序的权重。
若以CPU资源为例,则CPU_Quotai表示第i个应用 程序的CPU资源配额。值得说明的是,各应用程序消耗的资源并不限于CPU资 源,还可以是内存、硬盘或网络资源等,计算方式相同。另外,各应用程序消 耗的资源还可以包含多种资源。可选地,当包含多种资源时,可以根据每个应 用程序对每种资源的消耗量计算出一个整体资源消耗量,将每个应用程序的整 体资源消耗量作为上述在指定时间内消耗的资源量进行相应计算。
在本实施例中,RUE将底层资源架构的性能指标(例如,CPU资源的消耗) 和上层应用的性能指标(例如,Total_Queries或Total_Tasks)结合起来,可以 更有效地衡量应用程序的资源使用效率,尤其是可以更好地反映上层应用程序 完成的有效工作,有利于更加全面、合理地获取数据中心区域的性能数据。
进一步,数据中心区域上运行的应用程序在实现相同功能时,可能存在多 种处理逻辑,将应用程序采用一种处理逻辑实现相应功能记为该应用程序的一 种应用模式,应用程序可能有多种应用模式。
例如,以电商场景中负责发放优惠券的应用程序为例,用户可能从不同入 口提出优惠券发放请求,例如,有的用户会点击首页面上的优惠券图标申请领 取优惠券,有的用户会在商品详情页上点击优惠券图标申请领取优惠券,有的 用户会在大卖场或特卖场界面上点击优惠券图标申请领取优惠券。对此,发放 优惠券的应用程序需要对来自不同入口的优惠券发放请求请进行处理,不同入 口对应不同的处理逻辑,一种处理逻辑即为该应用程序的一种应用模式。
由此可见,应用程序在采用不同应用模式处理用户请求时存在很大的差异, 如何聚集分析这些不同的应用模式得到一个综合的RUE来反映数据中心区域整 体的性能是一个巨大的挑战。在本实施例中,提出一种用于RUE计算的V字模 型,如图2c所示,在图2c所示V字模型中,将RUE的计算维度分解到应用分 组,确保同一应用分组完成的任务(Work_Done)是相同或类似的,进而从应用 分组到应用程序再到数据中心逐级聚集直至计算出整个数据中心区域的RUE, 从而有效提高获取性能数据的合理性,避免了辛普森悖论(Simpson’s Paradox) 等常见的分析错误。
基于上述,如图2d所示,本申请实施例提供的又一种数据处理方法包括以 下步骤:
21c、响应设定的触发事件,确定数据中心区域以及部署于该数据中心区域 上的至少一个应用程序。
22c、根据至少一个应用程序在数据中心区域中的资源配额,计算至少一个 应用的权重。
23c、根据至少一个应用程序的应用模式,将至少一个应用程序分别划分为 多个应用分组。
24c、对至少一个应用程序中的每个应用程序,根据该应用程序的多个应用 分组在指定时间内消耗的资源量和完成的任务量,分别计算多个应用分组的资 源使用效率,进而根据该应用程序的多个应用分组的资源配额和资源使用效率, 得到该应用程序的资源使用率。
25c、结合至少一个应用程序的资源配额和资源使用效率,得到数据中心区 域的资源使用率;其中,数据中心区域的资源使用效率反应数据中心区域的性 能。
关于步骤21c、22c和25c的描述,可参见前述实施例,在此不再赘述。关 于步骤23c-24c的描述如下:
在本实施例中,应用程序在实现相同功能时,可以有不同的处理逻辑,不 同的处理逻辑对应应用程序的一种应用模式。
仍以上述发放优惠券的应用程序为例,可以将所有负责处理来自首页面的 优惠券发放请求的应用程序(实际上为一个进程)划分为一个应用分组,将所 有负责处理来自商品详情页的优惠券发放请求的应用程序(实际上为一个进程) 划分为一个应用分组,将所有负责处理来自大卖场或特卖场界面的优惠券发放 请求的应用程序(实际上为一个进程)划分为一个应用分组。
例如,以第i个应用程序为例,可以根据第i个应用程序的应用模式,将第 i个应用程序拆分为多个应用分组。可以将第i个应用程序记为Ai,将应用分组 记为{Ai1,…,Aij,…Aim};m是自然数,是第i个应用程序Ai的应用分组的总 数。
可选地,以CPU资源为例,则对第i个应用程序下的第j个应用分组而 言,可以采集第j个应用分组在指定时间内使用过的各CPU的运行频率以及 在各CPU上消耗的CPU周期数,根据各CPU的运行频率将第j个应用分组 在各CPU上消耗的CPU周期数(Total CPUCycles)转化为以纳秒 (nanoseconds)为单位的总CPU时间(Total CPU Time),作为第j个应用 分组在指定时间内消耗的资源量。值得说明的是,考虑到分布式部署,第j 个应用分组可能会在多个CPU上运行。
另外,还可以采集第j个应用分组的QPS_j,将QPS_j*T作为第j个应 用分组在指定时间内完成的任务量;其中,QPS_j表示第j个应用该分组的 QPS,T表示指定时间。
其中,在衡量应用分组对CPU资源的消耗(CPU_Usage)时,首先计算 消耗的TotalCPU Cycles数量,然后根据不同CPU的运行频率转化为实际消 耗的Total CPU Time,并以nanoseconds作为单位,这样可以一定程度抵消 由不同CPU及其不同运行频率所带来的影响,有利于达到以全局评价指标 统一刻画不同应用分组的性能的效果,提高性能评估的精度。
之后,可利用下述公式(2),计算第j个应用分组的RUE。
上述公式(2)中,CPU_Usageij表示第j个应用分组在指定时间段内消 耗的CPU资源量,例如Total CPU Time;Total_Queruesij表示第j个应用分 组在指定时间段内完成的任务量,例如QPS_j*T;RUE_ij表示第j个应用分 组的RUE。
进一步,还可以根据下述公式(3),计算第j个应用分组的权重。
在公式(3)中,CPU_Quotaj表示第j个应用分组的CPU资源配额,m 表示第i应用程序下的应用分组的总数;W_ij表示第j个应用分组的权重。
之后,可以根据下述公式(4),计算第i个应用程序的RUE。
在公式(4)中,RUE_i表示第i个应用程序的RUE。
其中,可以按照方式得到每个应用程序的RUE。在得到每个应用程序 的RUE可以采用上述公式(1)计算出数据中心区域的RUE,基于该RUE 可获知该数据中心区域的性能数据。
在本实施例中,考虑到数据中心区域上运行的应用程序的种类繁多,每个 应用程序都有自己的性能特征和评价指标,采用本实施例提供的方法可以利用 一个全局评价指标统一刻画不同应用程序的性能特征,从而准确、合理地获取 数据中心区域的性能数据,为数据中心的升级改造提供决策参考。
需要说明的是,在上述实施例及附图中的描述的一些流程中,包含了按照 特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文 中出现的顺序来执行或并行执行,操作的序号如201、202等,仅仅是用于区分 开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包 括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的 是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块 等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
图3为本申请示例性实施例提供的一种计算设备的结构示意图。如图3所 示,该计算设备包括:存储器31和处理器32。
存储器31,用于存储计算机程序,并可被配置为存储其它各种数据以 支持在计算设备上的操作。这些数据的示例包括用于在计算设备上操作的任 何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频 等。
存储器32可以由任何类型的易失性或非易失性存储设备或者它们的组 合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器 (EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器 (PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
处理器32,与存储器31耦合,用于执行存储器31中的计算机程序,以 用于:响应设定的触发事件,确定数据中心区域以及部署于数据中心区域上 的至少一个应用程序;结合数据中心区域在指定时间内的资源消耗数据和至 少一个应用程序在指定时间内完成的任务数据,获取数据中心区域的性能数 据。
在一可选实施例中,处理器32在评估数据中心区域的性能时,具体用 于:根据至少一个应用程序在指定时间内消耗的资源量和完成的任务量,分 别计算至少一个应用程序的资源使用效率;结合至少一个应用程序的资源配 额和资源使用效率,得到数据中心区域的资源使用率;其中,数据中心区域 的资源使用效率反应数据中心区域的性能。
在一可选实施例中,处理器32在计算至少一个应用程序的资源使用效 率时,具体用于:对第i个应用程序,计算第i个应用程序在指定时间内消 耗的资源量与第i个应用程序在指定时间内完成的任务量的比值,作为第i 个应用程序的资源使用效率;其中,i是自然数,且其取值从1到n,n是至 少一个应用程序的总数。
在一可选实施例中,处理器32在计算第i个应用程序的资源使用效率 时,具体用于:根据第i个应用程序的应用模式,将第i个应用程序划分为 多个应用分组,每个应用分组完成的工作是相同或相似的;根据多个应用分 组在指定时间内消耗的资源量和完成的任务量,分别计算多个应用分组的资 源使用效率;根据多个应用分组的资源配额和资源使用效率,得到第i个应 用程序的资源使用率。
进一步可选地,处理器32在分别计算多个应用分组的资源使用效率 时,具体用于:对第j个应用分组,计算第j个应用分组在指定时间内消耗 的资源量和完成的任务量的比值,作为第j个应用分组的资源使用效率;其 中,j是自然数,且其取值从1到m,m是多个应用分组的总数。
可选地,处理器32在计算第j个应用分组的资源使用效率之前,还用 于:采集第j个应用分组在指定时间内使用过的各CPU的运行频率以及在各 CPU上消耗的CPU周期数,根据各CPU的运行频率将第j个应用分组在各 CPU上消耗的CPU周期数转化为以纳秒为单位的总CPU时间,作为第j个 应用分组在指定时间内消耗的资源量;以及
采集第j个应用分组的QPS或TPS,计算QPS或TPS与指定时间的乘 积,作为第j个应用分组在指定时间内完成的任务量。
进一步可选地,处理器32在计算第i个应用程序的资源使用率时,具体 用于:分别计算多个应用分组的资源配额与多个应用分组的资源配额之和的 比值,作为多个应用分组的权重;根据多个应用分组的权重对多个应用分组 的资源使用效率进行加权求和,得到第i个应用程序的资源使用率。
在一可选实施例中,处理器32在结合至少一个应用程序的资源配额和 资源使用效率,评估数据中心区域的性能时,具体用于:分别计算至少一个 应用程序的资源配额与至少一个应用程序的资源配额之和的比值,作为至少 一个应用程序的权重;根据至少一个应用程序的权重对至少一个应用程序的 资源使用效率进行加权求和,得到数据中心区域的资源使用效率。
可选地,本实施例中的数据中心区域是独立的物理数据中心;又或者, 本申请实施例中的数据中心区域是独立的物理数据中心中的部分区间。
在一可选实施例中,上述触发事件包括:数据中心区域的升级完成事 件,或者在数据中心区域升级完成后触发的性能评估事件。相应地,处理器 32还用于:将数据中心区域的性能与其升级之前的性能进行比较;若数据 中心区域的性能优于其升级之前的性能,根据数据中心区域的升级策略,继 续对其它数据中心区域进行升级。
本申请实施例提供的计算设备可以是数据中心区域中的服务器、终端设 备等,也可以是数据中心区域所属物理数据中心中的服务器、终端设备等。 还可以是独立于数据中心区域或物理数据中心的服务器、终端设备等。
进一步,如图3所示,该计算设备还可以包括:通信组件33、显示器34、 电源组件35、音频组件36等其它组件。图3中仅示意性给出部分组件,并不意 味着计算设备只包括图3所示组件。另外,根据计算设备实现形态的不同,图3 中虚线框内的组件是可选组件。
本实施例提供的计算设备,可结合数据中心区域在指定时间内的资源消 耗数据和部署于该数据中心区域上的应用程序在指定时间内完成的任务数 据,综合评估数据中心区域的性能数据,不仅可以反映数据中心区域在资源 架构方面的性能,还可以更有效地反映数据中心区域中与上层应用相关的性 能,对数据中心区域的性能评估更加全面、合理,可为数据中心的升级改造 或资源调度等处理提供依据。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储 介质,计算机程序被处理器执行时能够实现上述方法实施例中可由计算设备 执行的各步骤。
上述实施例中的通信组件被配置为便于通信组件所在设备和其他设备之间 有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络, 如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件经由广 播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性 实施例中,所述通信组件还可以包括近场通信(NFC)模块,射频识别(RFID) 技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术等。
上述实施例中的显示器包括屏幕,其屏幕可以包括液晶显示器(LCD)和 触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来 自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和 触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而 且还检测与所述触摸或滑动操作相关的持续时间和压力。
上述实施例中的电源组件,为电源组件所在设备的各种组件提供电力。电 源组件可以包括电源管理系统,一个或多个电源,及其他与为电源组件所在设 备生成、管理和分配电力相关联的组件。
上述实施例中的音频组件,可被配置为输出和/或输入音频信号。例如,音 频组件包括一个麦克风(MIC),当音频组件所在设备处于操作模式,如呼叫模 式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收 的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中, 音频组件还包括一个扬声器,用于输出音频信号。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计 算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、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。
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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出 接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。 内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任 何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序 的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他 类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储 器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、 数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他 磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。 按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包 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、商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、商品或者设 备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技 术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所 作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (13)
1.一种数据处理方法,其特征在于,包括:
响应设定的触发事件,确定数据中心区域以及部署于所述数据中心区域上的至少一个应用程序;
结合所述数据中心区域在指定时间内的资源消耗数据和所述至少一个应用程序在所述指定时间内完成的任务数据,获取所述数据中心区域的性能数据。
2.根据权利要求1所述的方法,其特征在于,结合所述数据中心区域在指定时间内的资源消耗数据和所述至少一个应用程序在所述指定时间内完成的任务数据,获取所述数据中心区域的性能数据,包括:
根据所述至少一个应用程序在指定时间内消耗的资源量和完成的任务量,分别计算所述至少一个应用程序的资源使用效率;
结合所述至少一个应用程序的资源配额和资源使用效率,得到所述数据中心区域的资源使用率;其中,所述数据中心区域的资源使用效率反应所述数据中心区域的性能。
3.根据权利要求2所述的方法,其特征在于,根据所述至少一个应用程序在指定时间内消耗的资源量和完成的任务量,分别计算所述至少一个应用程序的资源使用效率,包括:
对第i个应用程序,计算所述第i个应用程序在指定时间内消耗的资源量与所述第i个应用程序在指定时间内完成的任务量的比值,作为所述第i个应用程序的资源使用效率;其中,i是自然数,且其取值从1到n,n是所述至少一个应用程序的总数。
4.根据权利要求3所述的方法,其特征在于,计算所述第i个应用程序在指定时间内消耗的资源量与所述第i个应用程序在指定时间内完成的任务量的比值,作为所述第i个应用程序的资源使用效率,包括:
根据所述第i个应用程序的应用模式,将所述第i个应用程序划分为多个应用分组,每个应用分组完成的工作是相同或相似的;
根据所述多个应用分组在指定时间内消耗的资源量和完成的任务量,分别计算所述多个应用分组的资源使用效率;
根据所述多个应用分组的资源配额和资源使用效率,得到所述第i个应用程序的资源使用率。
5.根据权利要求4所述的方法,其特征在于,根据所述多个应用分组在指定时间内消耗的资源量和完成的任务量,分别计算所述多个应用分组的资源使用效率,包括:
对第j个应用分组,计算所述第j个应用分组在指定时间内消耗的资源量和完成的任务量的比值,作为所述第j个应用分组的资源使用效率;其中,所述j是自然数,且其取值从1到m,m是所述多个应用分组的总数。
6.根据权利要求5所述的方法,其特征在于,在计算所述第j个应用分组在指定时间内消耗的资源量和完成的任务量的比值,作为所述第j个应用分组的资源使用效率之前,还包括:
采集所述第j个应用分组在指定时间内使用过的各CPU的运行频率以及在各CPU上消耗的CPU周期数,根据所述各CPU的运行频率将所述第j个应用分组在各CPU上消耗的CPU周期数转化为以纳秒为单位的总CPU时间,作为所述第j个应用分组在指定时间内消耗的资源量;以及
采集所述第j个应用分组的QPS或TPS,计算所述QPS或TPS与所述指定时间的乘积,作为所述第j个应用分组在指定时间内完成的任务量。
7.根据权利要求5所述的方法,其特征在于,根据所述多个应用分组的资源配额和资源使用效率,得到所述第i个应用程序的资源使用率,包括:
分别计算所述多个应用分组的资源配额与所述多个应用分组的资源配额之和的比值,作为所述多个应用分组的权重;
根据所述多个应用分组的权重对所述多个应用分组的资源使用效率进行加权求和,得到所述第i个应用程序的资源使用率。
8.根据权利要求2所述的方法,其特征在于,结合所述至少一个应用程序的资源配额和资源使用效率,得到所述数据中心区域的资源使用率,包括:
分别计算所述至少一个应用程序的资源配额与所述至少一个应用程序的资源配额之和的比值,作为所述至少一个应用程序的权重;
根据所述至少一个应用程序的权重对所述至少一个应用程序的资源使用效率进行加权求和,得到所述数据中心区域的资源使用效率。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述数据中心区域是独立的物理数据中心;或者,所述数据中心区域是独立的物理数据中心中的部分区间。
10.根据权利要求1-8所述的方法,其特征在于,所述触发事件包括:所述数据中心区域的升级完成事件,或者在所述数据中心区域升级完成后触发的性能评估事件;
所述方法还包括:
将所述数据中心区域的性能与其升级之前的性能进行比较;
若所述数据中心区域的性能优于其升级之前的性能,根据所述数据中心区域的升级策略,继续对其它数据中心区域进行升级。
11.一种计算设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述计算机程序,以用于:
响应设定的触发事件,确定数据中心区域以及部署于所述数据中心区域上的至少一个应用程序;
结合所述数据中心区域在指定时间内的资源消耗数据和所述至少一个应用程序在所述指定时间内完成的任务数据,获取所述数据中心区域的性能数据。
12.根据权利要求11所述的方法,其特征在于,所述处理器具体用于:
根据所述至少一个应用程序在指定时间内消耗的资源量和完成的任务量,分别计算所述至少一个应用程序的资源使用效率;
结合所述至少一个应用程序的资源配额和资源使用效率,得到所述数据中心区域的资源使用率;其中,所述数据中心区域的资源使用效率反应所述数据中心区域的性能。
13.一种存储有计算机程序的计算机可读存储介质,其特征在于,当所述计算机程序被处理器执行时,致使所述处理器实现权利要求1-10任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910033316.3A CN111435317B (zh) | 2019-01-14 | 2019-01-14 | 数据处理方法、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910033316.3A CN111435317B (zh) | 2019-01-14 | 2019-01-14 | 数据处理方法、计算设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111435317A true CN111435317A (zh) | 2020-07-21 |
CN111435317B CN111435317B (zh) | 2023-04-11 |
Family
ID=71579903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910033316.3A Active CN111435317B (zh) | 2019-01-14 | 2019-01-14 | 数据处理方法、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111435317B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023065882A1 (zh) * | 2021-10-22 | 2023-04-27 | 中移(苏州)软件技术有限公司 | 一种资源分配方法及装置、计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140173620A1 (en) * | 2011-08-29 | 2014-06-19 | Huawei Technologies Co., Ltd. | Resource allocation method and resource management platform |
CN105763367A (zh) * | 2016-02-02 | 2016-07-13 | 四川长虹电器股份有限公司 | 一种基于虚拟化的数据中心的能耗管理方法 |
CN105786681A (zh) * | 2016-02-18 | 2016-07-20 | 中国科学院计算技术研究所 | 数据中心的服务器性能评估及服务器更新方法 |
CN105897805A (zh) * | 2015-01-04 | 2016-08-24 | 伊姆西公司 | 对多层架构的数据中心的资源进行跨层调度的方法和装置 |
CN107168806A (zh) * | 2017-06-29 | 2017-09-15 | 上海联影医疗科技有限公司 | 分发调度机的资源调度方法、系统以及计算机设备 |
-
2019
- 2019-01-14 CN CN201910033316.3A patent/CN111435317B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140173620A1 (en) * | 2011-08-29 | 2014-06-19 | Huawei Technologies Co., Ltd. | Resource allocation method and resource management platform |
CN105897805A (zh) * | 2015-01-04 | 2016-08-24 | 伊姆西公司 | 对多层架构的数据中心的资源进行跨层调度的方法和装置 |
CN105763367A (zh) * | 2016-02-02 | 2016-07-13 | 四川长虹电器股份有限公司 | 一种基于虚拟化的数据中心的能耗管理方法 |
CN105786681A (zh) * | 2016-02-18 | 2016-07-20 | 中国科学院计算技术研究所 | 数据中心的服务器性能评估及服务器更新方法 |
CN107168806A (zh) * | 2017-06-29 | 2017-09-15 | 上海联影医疗科技有限公司 | 分发调度机的资源调度方法、系统以及计算机设备 |
Non-Patent Citations (1)
Title |
---|
王静莲;龚斌;刘弘;李少辉;: "支持绿色异构计算的能效感知调度模型与算法" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023065882A1 (zh) * | 2021-10-22 | 2023-04-27 | 中移(苏州)软件技术有限公司 | 一种资源分配方法及装置、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111435317B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bhattacharjee et al. | Barista: Efficient and scalable serverless serving system for deep learning prediction services | |
US20180198855A1 (en) | Method and apparatus for scheduling calculation tasks among clusters | |
US10169070B1 (en) | Managing dedicated and floating pool of virtual machines based on demand | |
WO2017045472A1 (zh) | 资源预测方法、系统和容量管理装 | |
US10838839B2 (en) | Optimizing adaptive monitoring in resource constrained environments | |
CN112346829B (zh) | 一种用于任务调度的方法及设备 | |
JP2020173778A (ja) | リソースの割り当て方法、装置、電子設備、コンピュータ可読媒体およびコンピュータプログラム | |
US20140282520A1 (en) | Provisioning virtual machines on a physical infrastructure | |
US20140325072A1 (en) | Predicting long-term computing resource usage | |
US20140201753A1 (en) | Scheduling mapreduce jobs in a cluster of dynamically available servers | |
US20200167199A1 (en) | System and Method for Infrastructure Scaling | |
CN107515784B (zh) | 一种在分布式系统中计算资源的方法与设备 | |
WO2013159291A1 (en) | Workload prediction for network-based computing | |
CN103401938A (zh) | 分布式云架构下基于业务特性的资源分配系统及其方法 | |
US20150317081A1 (en) | Adaptive system provisioning | |
US20140006324A1 (en) | Automatic event analysis | |
CN112463375A (zh) | 一种数据处理的方法和装置 | |
CN113886010A (zh) | 容器资源的控制方法、设备及计算机存储介质 | |
CN110636388A (zh) | 一种业务请求分配方法、系统、电子设备及存储介质 | |
CN114936779A (zh) | 任务分配方法及装置 | |
CN111435317B (zh) | 数据处理方法、计算设备及存储介质 | |
US11627193B2 (en) | Method and system for tracking application activity data from remote devices and generating a corrective action data structure for the remote devices | |
CN108681578B (zh) | 一种业务数据存储方法、装置、服务器及存储介质 | |
CN115658287A (zh) | 一种用于调度运行单元的方法、设备、介质及程序产品 | |
CN110503486A (zh) | 一种广告策略的筛选方法及装置 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231204 Address after: Room 1-2-A06, Yungu Park, No. 1008 Dengcai Street, Sandun Town, Xihu District, Hangzhou City, Zhejiang Province Patentee after: Aliyun Computing Co.,Ltd. Address before: Box 847, four, Grand Cayman capital, Cayman Islands, UK Patentee before: ALIBABA GROUP HOLDING Ltd. |