CN111506425A - 服务质量数据处理方法和装置 - Google Patents
服务质量数据处理方法和装置 Download PDFInfo
- Publication number
- CN111506425A CN111506425A CN202010292104.XA CN202010292104A CN111506425A CN 111506425 A CN111506425 A CN 111506425A CN 202010292104 A CN202010292104 A CN 202010292104A CN 111506425 A CN111506425 A CN 111506425A
- Authority
- CN
- China
- Prior art keywords
- unit space
- bandwidth
- logic unit
- model
- 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
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种服务质量数据处理方法和装置。该方法包括:获取目标逻辑单元空间的因子参数;将因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,模型是根据样本数据建立的,模型的输入为逻辑单元空间的多个因子参数,模型的输出为逻辑单元空间的IOPS或带宽;根据运算结果控制目标逻辑单元空间的IOPS或带宽。通过本发明,达到了提高存储系统整体利用率的效果。
Description
技术领域
本发明涉及计算机领域,具体而言,涉及一种服务质量数据处理方法和装置。
背景技术
Quality of Service,服务质量(流控),同一台存储可能部署一种或多种应用提供服务,某些应用程序可能需要高级别的服务支持,如何最优的利用存储资源,保证关键业务的性能,减少不同应用间的相互影响具有关键作用。常规做法是通过QoS性能调控来保证关键业务的性能。QoS是设置小块IO进行IOPS(Input/Output Operations Per Second),每秒读写操作的次数的最大限制,大块IO进行带宽的限制;对不同的业务类型再设置高、中、低的优先策略,对应命令队列的数目和深度来保证不同优先级的业务的需求,在执行QoS过程中只是根据客户的配置来限制。
这一做法主要的缺陷是存储的利用效率未达到最大化,存储上配置的QoS缺乏相关的专业的评估,部分是由历史数据作为支撑,存在很多随意设置的问题。人为的简单预估最大流控,往往偏差较大,原因在于历史经验也不能完全匹配当前运行的实际业务场景,后续相关参数也缺乏监听,听之任之,导致存储过度负载应用经常卡顿,关键业务得不到有效保障;或者存储空转,应用业务得不到很好的存储支撑,存储利用率低,另外存储抗风险能力差,当节点异常时都可能由于不佳的QoS导致关键业务延时高,从而出现业务中断。
相关技术中通过人为设置QoS,缺乏后期反馈,导致达不到限流效果,由于没有结合应用场景进行全局的数据分析,关键业务得不到有效保障。不佳的配置影响整个存储系统整体利用率等等问题。
针对相关技术中QoS流控配置不佳影响存储系统整体利用率的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种服务质量数据处理方法和装置,以解决QoS流控配置不佳影响存储系统整体利用率的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种服务质量数据处理方法,该方法包括:获取目标逻辑单元空间的因子参数;将所述因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,所述模型是根据样本数据建立的,所述模型的输入为逻辑单元空间的多个因子参数,所述模型的输出为逻辑单元空间的IOPS或带宽;根据所述运算结果控制所述目标逻辑单元空间的IOPS或带宽。
进一步地,在将所述因子参数输入到预先配置好的模型中进行运算之前,所述方法还包括:获取预设数量的样本数据,其中,所述样本数据的每一条都包含逻辑单元空间的多个因子参数和在维持系统稳定运行的情况下该逻辑单元空间的IOPS或带宽区间;对所述样本数据进行数据预处理,得到预处理数据;根据所述预处理数据建立所述模型。
进一步地,获取目标逻辑单元空间的因子参数包括:获取所述目标逻辑单元空间的属性;根据所述属性获取所述目标逻辑单元空间的部分因子参数;根据所述目标逻辑单元空间在创建时的配置获取部分因子参数。
进一步地,在根据所述运算结果控制所述目标逻辑单元空间的IOPS或带宽之后,所述方法还包括:监测系统运行过程中预设时间段内的峰值带宽和平均带宽;判断所述峰值带宽和所述平均带宽是否符合预设条件;如果判断结果为否,则根据所述峰值带宽和所述平均带宽调整所述目标逻辑单元空间的IOPS或带宽,以使所述峰值带宽和所述平均带宽符合预设条件。
进一步地,所述方法还包括:每隔预设时长采集新的历史数据作为新的样本数据;根据所述新的样本数据更新所述模型。
为了实现上述目的,根据本发明的另一方面,还提供了一种服务质量数据处理装置,该装置包括:第一获取单元,用于获取目标逻辑单元空间的因子参数;运算单元,用于将所述因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,所述模型是根据样本数据建立的,所述模型的输入为逻辑单元空间的多个因子参数,所述模型的输出为逻辑单元空间的IOPS或带宽;控制单元,用于根据所述运算结果控制所述目标逻辑单元空间的IOPS或带宽。
进一步地,所述装置还包括:第二获取单元,用于在将所述因子参数输入到预先配置好的模型中进行运算之前,获取预设数量的样本数据,其中,所述样本数据的每一条都包含逻辑单元空间的多个因子参数和在维持系统稳定运行的情况下该逻辑单元空间的IOPS或带宽区间;预处理单元,用于对所述样本数据进行数据预处理,得到预处理数据;建立单元,用于根据所述预处理数据建立所述模型。
进一步地,所述第一获取单元包括:第一获取模块,用于获取所述目标逻辑单元空间的属性;第二获取模块,用于根据所述属性获取所述目标逻辑单元空间的部分因子参数;第三获取模块,用于根据所述目标逻辑单元空间在创建时的配置获取部分因子参数。
为了实现上述目的,根据本发明的另一方面,还提供了一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行本发明所述的服务质量数据处理方法。
为了实现上述目的,根据本发明的另一方面,还提供了一种设备,其特征在于,所述设备至少包括一个处理器,以及与所述处理器连接的至少一个存储器、总线,其中,所述处理器、所述存储器通过所述总线完成相互间的通信,所述处理器用于调用所述存储器中的程序指令,以执行本发明所述的服务质量数据处理方法。
本发明通过获取目标逻辑单元空间的因子参数;将因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,模型是根据样本数据建立的,模型的输入为逻辑单元空间的多个因子参数,模型的输出为逻辑单元空间的IOPS或带宽;根据运算结果控制目标逻辑单元空间的IOPS或带宽,解决了QoS流控配置不佳影响存储系统整体利用率的问题,进而达到了提高存储系统整体利用率的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的服务质量数据处理方法的流程图;
图2是本实施例中影响智能QoS策略的指标示意图;以及
图3是本实施例的Volume推荐值的确定过程的示意图;
图4是根据本发明实施例的服务质量数据处理装置的示意图。
具体实施方式
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。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种服务质量数据处理方法。
图1是根据本发明实施例的服务质量数据处理方法的流程图,如图1所示,该方法包括以下步骤:
步骤S102:获取目标逻辑单元空间的因子参数;
步骤S104:将因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,模型是根据样本数据建立的,模型的输入为逻辑单元空间的多个因子参数,模型的输出为逻辑单元空间的IOPS或带宽;
步骤S106:根据运算结果控制目标逻辑单元空间的IOPS或带宽。
本实施例通过获取目标逻辑单元空间的因子参数;将因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,模型是根据样本数据建立的,模型的输入为逻辑单元空间的多个因子参数,模型的输出为逻辑单元空间的IOPS或带宽;根据运算结果控制目标逻辑单元空间的IOPS或带宽,解决了QoS流控配置不佳影响存储系统整体利用率的问题,进而达到了提高存储系统整体利用率的效果。
在本实施例中,目标逻辑单元空间为供主机服务访问的逻辑单元空间(Volume,卷),在Volume创建时已经确定了一些属性,根据这部分属性即可确定部分因子参数,其他因子参数可以在目标逻辑单元空间的运行过程中获取,将获取到的因子参数输入到预先配置好的模型中进行运算,得到运算结果,得到目标逻辑单元空间的IOPS或带宽,根据这个运算结果控制目标逻辑单元空间的IOPS或带宽。对于小块IO来说,QoS是控制的是IOPS(Input/Output Operations Per Second),每秒读写操作的次数的最大限制,对于大块IO是进行带宽的限制,比如4KB,8KB IO大小,此时流控的关键是限制IOPS,当IO大小是256K或512K时控制的就是带宽了,带宽=IO大小*IOPS(每秒IO数目),本实施例的QoS控制目标是控制IOPS大小或者带宽,不是仅仅是IO值。
可选地,在将因子参数输入到预先配置好的模型中进行运算之前,获取预设数量的样本数据,其中,样本数据的每一条都包含逻辑单元空间的多个因子参数和在维持系统稳定运行的情况下该逻辑单元空间的IOPS或带宽区间;对样本数据进行数据预处理,得到预处理数据;根据预处理数据建立模型。
模型是通过样本数据建立的,样本数据可以是真实的历史数据,也可以是根据经验值得出的样本数据。
可选地,获取目标逻辑单元空间的因子参数包括:获取目标逻辑单元空间的属性;根据属性获取目标逻辑单元空间的部分因子参数;根据目标逻辑单元空间在创建时的配置获取部分因子参数。
在目标逻辑单元空间被创建时,一部分属性即已经确定,因而可以根据属性获取部分因子参数,其余的因子参数可以根据具体运行时的情况获取。
可选地,在根据运算结果控制目标逻辑单元空间的IOPS或带宽之后,监测系统运行过程中预设时间段内的峰值带宽和平均带宽;判断峰值带宽和平均带宽是否符合预设条件;如果判断结果为否,则根据峰值带宽和平均带宽调整目标逻辑单元空间的IOPS或带宽,以使峰值带宽和平均带宽符合预设条件。
预设时间段可以是一天,也可以是一周等时间段,预设条件可以是峰值带宽和平均带宽分别在某个范围内,调整目标逻辑单元空间的IOPS或带宽的原则可以是在保证业务运行稳定的情况下,使IOPS或带宽值最大。
可选地,每隔预设时长采集新的历史数据作为新的样本数据;根据新的样本数据更新模型。
每隔一定时间将新的历史数据作为样本数据,调整模型参数,以使模型的应用更符合具体的应用场景。
本发明实施例还提供了一种具体实施方式。
本实施例主要是为了解决人为设置QoS,缺乏后期反馈,导致达不到限流效果,由于没有结合应用场景进行全局的数据分析,关键业务得不到有效保障。不佳的配置影响整个存储系统整体利用率等等问题。
在该系统中客户在创建Volume(卷,供主机服务访问的逻辑单元空间)时就可以选择该Volume是否关键业务Volume,选择应用场景,并支持修改Volume的相关属性,Volume在挂载给客户端服务器时选择是否启用QoS智能策略。具有关键业务属性的Volume,其业务优先级最高,它可以抢占普通Volume的资源,在系统智能评估后确定QoS值后,关键业务属性Volume的资源不能被强制,为该Volume独占。普通业务属性的Volume,其没有抢占能力,当系统有资源空闲时,可以使用相关资源,当系统负载过重时,将释放资源,提供给具有关键业务属性的Volume使用,对普通Volume施行严格的流控。
图2是本实施例中影响智能QoS策略的指标示意图,包括关键因子,特殊因子和关联因子。
关键因子:主要用于存储负载评估(即在客户环境中存储最大的承载力,一般考虑在最大性能的70%以下为最佳,预留处理突发业务或集群异常时资源恢复的消耗)。
特殊因子:常规情况下该因素不会触发,异常或大规模Volume场景有一定的影响。
关联因子:缓存相关,可以针对小块IO进行合并增加处理效率,读频繁场景可以智能调度,均衡IO访问路径和访问磁盘(OSD)等来优化效率;磁盘相关,如果系统中有延时较大的磁盘整体影响性能时,优先保证关键业务,调整关键业务所在Volume在磁盘上的分布等。
由于场景和Volume数量组合很多,本实施例以几种典型场景进行详细说明。存储系统根据使用的应用场景以及已建立Session的Volume的类型、数目动态监听存储的相关资源,特别是一些开机风暴(业务压力加大)时刻,根据存储已有的性能监控功能,持续收集相关性能数据。
根据存储负载评估初步可以得出当前的使用情况,可以划分为3个等级,A,B,C,每套存储根据存储业务不同,得出的最大承载量不同,假如客户仅有OLTP业务,那么主要评估标准是大量的IO块大小是8KB,70%/30%的IO读写比例,少量的IO块大小为64KB-512KB;其中A级别存储使用率最高,QoS要求高,B级为一般负载QoS必要性一般,C级为低负载QoS为非必要。其中,Input/Output Operations Per Second是一个用于计算机存储设备(如硬盘(HDD)、固态硬盘(SSD)或存储区域网络(SAN))性能测试的量测方式,可以视为是每秒的读写次数。
接着对Volume进行系统分析,收集每个Volume上持续的最大IOPS和带宽,并记录峰值,并对该峰值进行热点数据分析和淘汰算法,当峰值持续在一定范围内命中,得出系统加权预估的极大IOPS值M和极大带宽值N;如果有较大偏差经过一定的加权算法得出对应的极大M和N值;另外得出一组平均IOPS和平均带宽的值P和Q。以上各值的计算均已考虑了系统预留,以备突发业务的冲击保证系统的长期稳定性。
假如系统中有两个Volume,分别为Volume1和Volume2,其中volume1为关键业务Volume,Volume2为普通Volume,根据不同场景最终得出关键业务Volume推荐值,普通Volume的推荐值,图3是本实施例的Volume推荐值的确定过程的示意图。
说明:
1、1.2*(M1,N1)表示1.2*M1的值为最大IOPS,1.2*N1的值为最大带宽。
2、(P2,Q2)-(M2,N2)表示为一个区间值,如果此时设置对Volume1有影响,增加了其相应时间则向下调整流控趋向于P2,Q2;如果依然无法满足那当前集群已达到性能瓶颈,需要扩容集群。
3、1.2*(P2,Q2)/(M2,N2)表示或关系,如果对关键值反馈无任何影响,取其中的最大值。
4、1.2和1.5等表示各种系数关系,不表示对应的真实数字。
每个Volume通过智能分析系统的模型计算结果得到系统负载的估计值,再根据业务具体情况,例如一天业务的顶峰带宽,平均带宽等数值对估计值进行调整,得到最终的QoS数值。
最后Volume的智能QoS策略会随集群的变化动态调整,最合理的利用存储资源,并优先保证关键业务;客户可以手动收集QoS的历史数量为后续项目做数据支撑。
集群变化包括且不限于扩容节点,移除节点,集群重建,节点异常等。
本实施例的智能分析策略是通过系统的各种资源CPU、内存、Volume的延时、Volume的数目、节点数、磁盘等指标,结合实际的应用场景的计算分析存储负载的方法。包括关键业务Volume和普通Volume计算不同的加权策略方法,各种应用场景的历史经验和实际业务结合的分析方法,存储系统智能QoS设定方法,不需要人为干预,还对QoS性能数据及智能调整历史记录进行收集。
通过以上方案,本实施例具有以下优点:
1、创新性的根据业务模型进行存储负载评估,CPU线程监听调控,Volume延时,内存使用率,磁盘响应时间、缓存命中率等指标参数反馈值,实时配合历史数据计算,并对当前客户应用和配置进行评估,推荐最佳配置,不需要客户任何手动干预。
2、考虑客户习惯可以选择智能策略,也可以选择手动设置策略。
3、支持智能策略报表功能,以便后续手动设置策略进行参考,同时了解存储长期的运行情况。
4、在系统节点异常或者新增节点时能够再次触发进行智能调整,大大提升了系统的利用率和抗风险能力。
5、为存储的AI智能化提供一定的数据基础。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例提供了一种服务质量数据处理装置,该装置可以用于执行本发明实施例的服务质量数据处理方法。
图4是根据本发明实施例的服务质量数据处理装置的示意图,如图4所示,该装置包括:
第一获取单元10,用于获取目标逻辑单元空间的因子参数;
运算单元20,用于将因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,模型是根据样本数据建立的,模型的输入为逻辑单元空间的多个因子参数,模型的输出为逻辑单元空间的IOPS或带宽;
控制单元30,用于根据运算结果控制目标逻辑单元空间的IOPS或带宽。
该实施例通过第一获取单元10,用于获取目标逻辑单元空间的因子参数;运算单元20,用于将所述因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,所述模型是根据样本数据建立的,所述模型的输入为逻辑单元空间的多个因子参数,所述模型的输出为逻辑单元空间的IOPS或带宽;控制单元30,用于根据所述运算结果控制所述目标逻辑单元空间的IOPS或带宽,解决了QoS流控配置不佳影响存储系统整体利用率的问题,进而达到了提高存储系统整体利用率的效果。
可选地,该装置还包括:第二获取单元,用于在将因子参数输入到预先配置好的模型中进行运算之前,获取预设数量的样本数据,其中,样本数据的每一条都包含逻辑单元空间的多个因子参数和在维持系统稳定运行的情况下该逻辑单元空间的IOPS或带宽区间;预处理单元,用于对样本数据进行数据预处理,得到预处理数据;建立单元,用于根据预处理数据建立模型。
可选地,第一获取单元10包括:第一获取模块,用于获取目标逻辑单元空间的属性;第二获取模块,用于根据属性获取目标逻辑单元空间的部分因子参数;第三获取模块,用于根据目标逻辑单元空间在创建时的配置获取部分因子参数。
所述服务质量数据处理装置包括处理器和存储器,上述第一获取单元、运算单元、控制单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高存储系统整体利用率。
存储器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),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述服务质量数据处理方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述服务质量数据处理方法。
本发明实施例提供了一种设备,设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的服务质量数据处理方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取目标逻辑单元空间的因子参数;将因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,模型是根据样本数据建立的,模型的输入为逻辑单元空间的多个因子参数,模型的输出为逻辑单元空间的IOPS或带宽;根据运算结果控制目标逻辑单元空间的IOPS或带宽。
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、系统、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、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。
存储器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)。存储器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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。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。
以上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 (10)
1.一种服务质量数据处理方法,其特征在于,包括:
获取目标逻辑单元空间的因子参数;
将所述因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,所述模型是根据样本数据建立的,所述模型的输入为逻辑单元空间的多个因子参数,所述模型的输出为逻辑单元空间的IOPS或带宽;
根据所述运算结果控制所述目标逻辑单元空间的IOPS或带宽。
2.根据权利要求1所述的方法,其特征在于,在将所述因子参数输入到预先配置好的模型中进行运算之前,所述方法还包括:
获取预设数量的样本数据,其中,所述样本数据的每一条都包含逻辑单元空间的多个因子参数和在维持系统稳定运行的情况下该逻辑单元空间的IOPS或带宽区间;
对所述样本数据进行数据预处理,得到预处理数据;
根据所述预处理数据建立所述模型。
3.根据权利要求1所述的方法,其特征在于,获取目标逻辑单元空间的因子参数包括:
获取所述目标逻辑单元空间的属性;
根据所述属性获取所述目标逻辑单元空间的部分因子参数;
根据所述目标逻辑单元空间在创建时的配置获取部分因子参数。
4.根据权利要求1所述的方法,其特征在于,在根据所述运算结果控制所述目标逻辑单元空间的IOPS或带宽之后,所述方法还包括:
监测系统运行过程中预设时间段内的峰值带宽和平均带宽;
判断所述峰值带宽和所述平均带宽是否符合预设条件;
如果判断结果为否,则根据所述峰值带宽和所述平均带宽调整所述目标逻辑单元空间的IOPS或带宽,以使所述峰值带宽和所述平均带宽符合预设条件。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
每隔预设时长采集新的历史数据作为新的样本数据;
根据所述新的样本数据更新所述模型。
6.一种服务质量数据处理装置,其特征在于,包括:
第一获取单元,用于获取目标逻辑单元空间的因子参数;
运算单元,用于将所述因子参数输入到预先配置好的模型中进行运算,得到运算结果,其中,所述模型是根据样本数据建立的,所述模型的输入为逻辑单元空间的多个因子参数,所述模型的输出为逻辑单元空间的IOPS或带宽;
控制单元,用于根据所述运算结果控制所述目标逻辑单元空间的IOPS或带宽。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二获取单元,用于在将所述因子参数输入到预先配置好的模型中进行运算之前,获取预设数量的样本数据,其中,所述样本数据的每一条都包含逻辑单元空间的多个因子参数和在维持系统稳定运行的情况下该逻辑单元空间的IOPS或带宽区间;
预处理单元,用于对所述样本数据进行数据预处理,得到预处理数据;
建立单元,用于根据所述预处理数据建立所述模型。
8.根据权利要求6所述的装置,其特征在于,所述第一获取单元包括:
第一获取模块,用于获取所述目标逻辑单元空间的属性;
第二获取模块,用于根据所述属性获取所述目标逻辑单元空间的部分因子参数;
第三获取模块,用于根据所述目标逻辑单元空间在创建时的配置获取部分因子参数。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的服务质量数据处理方法。
10.一种设备,其特征在于,所述设备至少包括一个处理器,以及与所述处理器连接的至少一个存储器、总线,其中,所述处理器、所述存储器通过所述总线完成相互间的通信,所述处理器用于调用所述存储器中的程序指令,以执行权利要求1至5中任意一项所述的服务质量数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292104.XA CN111506425B (zh) | 2020-04-14 | 2020-04-14 | 服务质量数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292104.XA CN111506425B (zh) | 2020-04-14 | 2020-04-14 | 服务质量数据处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111506425A true CN111506425A (zh) | 2020-08-07 |
CN111506425B CN111506425B (zh) | 2021-12-17 |
Family
ID=71876096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010292104.XA Active CN111506425B (zh) | 2020-04-14 | 2020-04-14 | 服务质量数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111506425B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113342885A (zh) * | 2021-06-15 | 2021-09-03 | 深圳前海微众银行股份有限公司 | 数据导入方法、装置、设备及计算机程序产品 |
CN114115702A (zh) * | 2020-09-01 | 2022-03-01 | 中国电信股份有限公司 | 存储控制方法、装置、存储系统和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175326A (zh) * | 2004-12-30 | 2008-05-07 | 华为技术有限公司 | 保证业务QoS的宽带接入网络及其方法 |
CN102404174A (zh) * | 2011-12-27 | 2012-04-04 | 成都飞鱼星科技开发有限公司 | 网络带宽检测的方法 |
CN104102875A (zh) * | 2014-07-22 | 2014-10-15 | 河海大学 | 基于加权朴素贝叶斯分类器的软件服务质量监控方法及系统 |
EP3125606A1 (en) * | 2014-04-17 | 2017-02-01 | Huawei Technologies Co., Ltd. | Bandwidth control method and bandwidth control device |
CN107704213A (zh) * | 2017-11-02 | 2018-02-16 | 郑州云海信息技术有限公司 | 一种存储阵列的自动化服务质量管理方法及装置 |
CN107995039A (zh) * | 2017-12-07 | 2018-05-04 | 福州大学 | 面向云软件服务的资源自学习与自适应分配方法 |
US20180227362A1 (en) * | 2013-11-25 | 2018-08-09 | At&T Intellectual Property I, L.P. | Method and apparatus for distributing media content |
CN110018786A (zh) * | 2018-01-10 | 2019-07-16 | Emc知识产权控股有限公司 | 用于预测数据存储特性的系统和方法 |
-
2020
- 2020-04-14 CN CN202010292104.XA patent/CN111506425B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175326A (zh) * | 2004-12-30 | 2008-05-07 | 华为技术有限公司 | 保证业务QoS的宽带接入网络及其方法 |
CN102404174A (zh) * | 2011-12-27 | 2012-04-04 | 成都飞鱼星科技开发有限公司 | 网络带宽检测的方法 |
US20180227362A1 (en) * | 2013-11-25 | 2018-08-09 | At&T Intellectual Property I, L.P. | Method and apparatus for distributing media content |
EP3125606A1 (en) * | 2014-04-17 | 2017-02-01 | Huawei Technologies Co., Ltd. | Bandwidth control method and bandwidth control device |
CN104102875A (zh) * | 2014-07-22 | 2014-10-15 | 河海大学 | 基于加权朴素贝叶斯分类器的软件服务质量监控方法及系统 |
CN107704213A (zh) * | 2017-11-02 | 2018-02-16 | 郑州云海信息技术有限公司 | 一种存储阵列的自动化服务质量管理方法及装置 |
CN107995039A (zh) * | 2017-12-07 | 2018-05-04 | 福州大学 | 面向云软件服务的资源自学习与自适应分配方法 |
CN110018786A (zh) * | 2018-01-10 | 2019-07-16 | Emc知识产权控股有限公司 | 用于预测数据存储特性的系统和方法 |
Non-Patent Citations (1)
Title |
---|
陈禹 等: "基于随机森林和遗传算法的Ceph参数自动调优", 《计算机应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115702A (zh) * | 2020-09-01 | 2022-03-01 | 中国电信股份有限公司 | 存储控制方法、装置、存储系统和存储介质 |
CN114115702B (zh) * | 2020-09-01 | 2024-04-30 | 中国电信股份有限公司 | 存储控制方法、装置、存储系统和存储介质 |
CN113342885A (zh) * | 2021-06-15 | 2021-09-03 | 深圳前海微众银行股份有限公司 | 数据导入方法、装置、设备及计算机程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN111506425B (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107807796B (zh) | 一种基于超融合存储系统的数据分层方法、终端及系统 | |
CN108427886B (zh) | 一种应用程序访问权限设置方法、系统、设备及可读介质 | |
US20230004436A1 (en) | Container scheduling method and apparatus, and non-volatile computer-readable storage medium | |
CN112346829B (zh) | 一种用于任务调度的方法及设备 | |
CN110289994B (zh) | 一种集群容量调整方法及装置 | |
CN111506425B (zh) | 服务质量数据处理方法和装置 | |
CN104348887A (zh) | 云管理平台中的资源分配方法与装置 | |
WO2017036428A2 (zh) | 容量变更建议方法及装置 | |
CN111694517A (zh) | 分布式数据迁移方法、系统和电子设备 | |
CN116346740A (zh) | 一种负载均衡方法及装置 | |
CN112612587B (zh) | 一种针对流量分析的Spark平台动态资源调配方法 | |
CN112015326B (zh) | 集群数据处理方法、装置、设备及存储介质 | |
CN107872480B (zh) | 大数据集群数据平衡方法和装置 | |
TWI718252B (zh) | 任務調度方法和裝置 | |
CN115048186A (zh) | 业务容器的扩缩容处理方法、装置、存储介质及电子设备 | |
US11507427B2 (en) | Application program management method and apparatus | |
US20210255898A1 (en) | System and method of predicting application performance for enhanced user experience | |
CN114003377A (zh) | 一种基于es服务的内存熔断方法、装置、设备及可读介质 | |
CN109828718B (zh) | 一种磁盘存储负载均衡方法及装置 | |
CN107862006B (zh) | 数据源切换的实现方法和装置 | |
US11481262B1 (en) | Rapid autoscaling with preinitialized instance quantity based on historical scale up rate | |
CN116107518B (zh) | 存储集群功耗处理方法、装置、存储介质及电子设备 | |
CN109947365A (zh) | 一种分布式存储数据校验方法及装置 | |
CN115065685B (zh) | 云计算资源调度方法、装置、设备及介质 | |
CN116467045A (zh) | 容器资源的处理方法、装置及电子设备 |
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 | ||
CP03 | Change of name, title or address |
Address after: 100094 101, floors 1-5, building 7, courtyard 3, fengxiu Middle Road, Haidian District, Beijing Patentee after: Beijing Xingchen Tianhe Technology Co.,Ltd. Address before: 100097 room 806-1, block B, zone 2, Jinyuan times shopping center, indigo factory, Haidian District, Beijing Patentee before: XSKY BEIJING DATA TECHNOLOGY Corp.,Ltd. |
|
CP03 | Change of name, title or address |