CN111581044A - 集群优化方法、装置、服务器及介质 - Google Patents

Abstract

本发明提供一种集群优化方法、装置、服务器及介质。所述集群优化方法能够采集预设时间内至少一个云环境中所有集群的监控数据，对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项，根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率，根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型，根据所述异常类型处理所述异常集群，通过集群计算，不仅能够针对云环境下集群出现的故障进行相应的处理，而且当不同云环境下的集群出现相同故障时，还能够对该故障进行统一处理。

Description

集群优化方法、装置、服务器及介质

技术领域

本发明涉及云计算领域，尤其涉及一种集群优化方法、装置、服务器及介质。

背景技术

目前，随着云计算的快速发展，云计算的应用领域也随之拓宽，进而使应用的类型也增多，根据需要，不同应用将被部署在不同云环境的集群上。

然而，在现有的技术方案中，无法针对云环境下集群出现的故障进行相应的处理，此外，当不同云环境下的集群出现相同故障时，也无法进行统一处理。

发明内容

鉴于以上内容，有必要提供一种集群优化方法、装置、服务器及介质，不仅能够针对云环境下集群出现的故障进行相应的处理，而且当不同云环境下的集群出现相同故障时，还能够对该故障进行统一处理。

一种集群优化方法，所述方法包括：

采集预设时间内至少一个云环境中所有集群的监控数据；

对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项；

根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率；

根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型；

根据所述异常类型处理所述异常集群。

根据本发明优选实施例，在采集预设时间内至少一个云环境中所有集群的监控数据之前，所述方法还包括：

获取所述预设时间内所述所有集群的告警信息；

对所述告警信息进行分词处理，得到多个第一信息；

清洗所述第一信息，得到多个第二信息；

采用TF-IDF算法计算所述多个第二信息的概率；

根据所述多个第二信息的概率确定所述监控数据。

根据本发明优选实施例，所述根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率包括：

根据公式一计算每个集群的稳定性，所述公式一为：

其中，S表示集群的稳定性，a表示1级告警的危险系数，x表示1级告警的数量，b表示2级告警的危险系数，y表示2级告警的数量，c表示3级告警的危险系数，z表示3级告警的数量，m表示集群中实例的总数量；

根据公式二计算每个集群的使用率，所述公式二为：

其中，U表示集群的使用率，n_i表示第i个实例的利用率，i∈{1，2，3，…，m}(m∈N*)。

根据本发明优选实施例，所述根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型包括以下一种或者多种方式的组合：

对于每个集群中的任意集群，获取该集群的稳定性及除该集群以外的其余集群的平均稳定性，将所述平均稳定性乘以第一预设比例，得到第一数值，当该集群的稳定性小于所述第一数值时，将该集群确定为第一集群，所述第一集群属于稳定性异常类型的异常集群；及/或

对于每个集群中的任意集群，获取该集群的使用率及除该集群以外的其余集群的平均使用率，将所述平均使用率乘以第二预设比例，得到第二数值，以及将所述平均使用率乘以第三预设比例，得到第三数值，当该集群的使用率小于所述第二数值或者大于所述第三数值时，将该集群确定为第二集群，所述第二集群属于使用率异常类型的异常集群。

根据本发明优选实施例，所述根据所述异常类型处理所述异常集群包括以下一种或者多种方式的组合：

提取所述第一集群中的异常日志，从配置方案中获取与所述异常日志匹配的目标方案，以所述目标方案处理所述第一集群；及/或

根据所述第二集群的使用率，确定所述第二集群中实例数的变化量，根据所述变化量处理所述第二集群。

根据本发明优选实施例，所述根据所述第二集群的使用率，确定所述第二集群中实例数的变化量包括：

获取所述第二集群中实例的第一数量；

将所述第二集群的使用率乘以所述第一数量后，除以所述平均使用率，得到所述第二集群中实例的第二数量；

将所述第二数量与所述第一数量进行相减运算，得到所述变化量。

根据本发明优选实施例，在根据所述异常类型处理所述异常集群之后，所述方法还包括：

测试所述异常集群，得到测试结果；

当所述测试结果为测试不通过时，根据所述测试结果生成目标信息；

采用高级加密标准算法加密所述目标信息，得到目标密文；

将所述目标密文发送至指定联系人的终端设备。

一种集群优化装置，所述装置包括：

采集单元，用于采集预设时间内至少一个云环境中所有集群的监控数据；

处理单元，用于对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项；

计算单元，用于根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率；

确定单元，用于根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型；

所述处理单元，还用于根据所述异常类型处理所述异常集群。

根据本发明优选实施例，所述装置还包括：

获取单元，用于在采集预设时间内至少一个云环境中所有集群的监控数据之前，获取所述预设时间内所述所有集群的告警信息；

所述处理单元，还用于对所述告警信息进行分词处理，得到多个第一信息；

清洗单元，用于清洗所述第一信息，得到多个第二信息；

所述计算单元，还用于采用TF-IDF算法计算所述多个第二信息的概率；

所述确定单元，还用于根据所述多个第二信息的概率确定所述监控数据。

根据本发明优选实施例，所述计算单元根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率包括：

根据公式一计算每个集群的稳定性，所述公式一为：

其中，S表示集群的稳定性，a表示1级告警的危险系数，x表示1级告警的数量，b表示2级告警的危险系数，y表示2级告警的数量，c表示3级告警的危险系数，z表示3级告警的数量，m表示集群中实例的总数量；

根据公式二计算每个集群的使用率，所述公式二为：

其中，U表示集群的使用率，n_i表示第i个实例的利用率，i∈{1，2，3，…，m}(m∈N*)。

根据本发明优选实施例，所述确定单元根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型包括以下一种或者多种方式的组合：

对于每个集群中的任意集群，获取该集群的稳定性及除该集群以外的其余集群的平均稳定性，将所述平均稳定性乘以第一预设比例，得到第一数值，当该集群的稳定性小于所述第一数值时，将该集群确定为第一集群，所述第一集群属于稳定性异常类型的异常集群；及/或

对于每个集群中的任意集群，获取该集群的使用率及除该集群以外的其余集群的平均使用率，将所述平均使用率乘以第二预设比例，得到第二数值，以及将所述平均使用率乘以第三预设比例，得到第三数值，当该集群的使用率小于所述第二数值或者大于所述第三数值时，将该集群确定为第二集群，所述第二集群属于使用率异常类型的异常集群。

根据本发明优选实施例，所述处理单元根据所述异常类型处理所述异常集群包括以下一种或者多种方式的组合：

提取所述第一集群中的异常日志，从配置方案中获取与所述异常日志匹配的目标方案，以所述目标方案处理所述第一集群；及/或

根据所述第二集群的使用率，确定所述第二集群中实例数的变化量，根据所述变化量处理所述第二集群。

根据本发明优选实施例，所述处理单元根据所述第二集群的使用率，确定所述第二集群中实例数的变化量包括：

获取所述第二集群中实例的第一数量；

将所述第二集群的使用率乘以所述第一数量后，除以所述平均使用率，得到所述第二集群中实例的第二数量；

将所述第二数量与所述第一数量进行相减运算，得到所述变化量。

根据本发明优选实施例，所述装置还包括：

测试单元，用于在根据所述异常类型处理所述异常集群之后，测试所述异常集群，得到测试结果；

生成单元，用于当所述测试结果为测试不通过时，根据所述测试结果生成目标信息；

加密单元，用于采用高级加密标准算法加密所述目标信息，得到目标密文；

发送单元，用于将所述目标密文发送至指定联系人的终端设备。

一种服务器，所述服务器包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现所述集群优化方法。

一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被服务器中的处理器执行以实现所述集群优化方法。

由以上技术方案可以看出，本发明不仅能够针对云环境下集群出现的故障进行相应的处理，而且当不同云环境下的集群出现相同故障时，还能够对该故障进行统一处理。

附图说明

图1是本发明集群优化方法的较佳实施例的流程图。

图2是本发明集群优化装置的较佳实施例的功能模块图。

图3是本发明实现集群优化方法的较佳实施例的服务器的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

如图1所示，是本发明集群优化方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。

所述集群优化方法应用于一个或者多个服务器中，所述服务器是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述服务器可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。

所述服务器还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云。

所述服务器所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。

S10，采集预设时间内至少一个云环境中所有集群的监控数据。

在本发明的至少一个实施例中，所述监控数据是从告警信息中提取的数据，所述监控数据包括，但不限于：告警时间、告警等级、所述告警等级对应的数量、所述告警等级对应的危险系数、集群实例的总数量、每个实例的利用率、告警根因等。

在本发明的至少一个实施例中，在采集预设时间内至少一个云环境中所有集群的监控数据之前，所述方法还包括：

所述服务器获取所述预设时间内所述所有集群的告警信息，对所述告警信息进行分词处理，得到多个第一信息，进一步地，所述服务器清洗所述第一信息，得到多个第二信息，采用TF-IDF算法计算所述多个第二信息的概率，更进一步地，所述服务器根据所述多个第二信息的概率确定所述监控数据。

通过获取所述预设时间内的告警信息，实现对所述监控数据的发生时间的控制，能够避免集群稳定性或者集群使用率的计算时间与所述发生时间的间隔过长，进而避免当前集群稳定性或者当前集群使用率的计算结果不准确。

具体地，所述服务器清洗所述第一信息中的配置信息，得到所述多个第二信息。

其中，所述配置信息包括，但不限于：虚词、停用词等。

通过对所述多个第一信息的清洗，能够避免因所述配置信息的存在而影响所述多个第二信息的概率，使所述监控数据能够准确地被确定，此外，所述服务器无需对所述多个第一信息中配置信息的概率进行计算，能够缩短计算时间，使所述监控数据能够快速地被确定。

S11，对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项。

在本发明的至少一个实施例中，所述至少一种指标项为计算集群的稳定性或者使用率的基础信息，所述至少一种指标项包括，但不限于：告警等级、所述告警等级对应的告警数量、所述告警等级对应的危险系数、集群实例的总数量、每个实例的利用率等。

在本发明的至少一个实施例中，所述服务器对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项包括：

所述服务器采用去冗余算法去除所述监控数据中的冗余内容，得到目标数据，进一步地，所述服务器采用浅层式语义分析方法识别所述目标数据，并将识别出的含义相似的结果进行处理，得到所述至少一种指标项。

通过上述实施方式，能够对所述监控数据进行去冗余处理，减少所述服务器的占用内存，同时，对去冗余后的相似结果进行处理，能够使每个集群上的监控数据具有一致的名称，便于后续统一计算集群的稳定性及使用率。

S12，根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率。

在本发明的至少一个实施例中，所述服务器根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率包括：

所述服务器根据公式一计算每个集群的稳定性，所述公式一为：

其中，S表示集群的稳定性，a表示1级告警的危险系数，x表示1级告警的数量，b表示2级告警的危险系数，y表示2级告警的数量，c表示3级告警的危险系数，z表示3级告警的数量，m表示集群中实例的总数量；

所述服务器根据公式二计算每个集群的使用率，所述公式二为：

其中，U表示集群的使用率，n_i表示第i个实例的利用率，i∈{1，2，3，…，m}(m∈N*)。

例如：集群A中1级告警的数量为10条，1级告警的危险系数为0.8，2级告警的数量为8条，2级告警的危险系数为0.6，3级告警的数量为6条，3级告警的危险系数为0.4，实例的总数量为2个，分别为实例甲及实例乙，实例甲的利用率为0.8及实例乙的利用率为0.6，所述服务器计算得出集群A的稳定性为：15.2％，经所述服务器计算，得到集群A的使用率为：70％。

通过上述实施方式，能够得到每个集群的稳定性及每个集群的使用率，为后续确定异常集群提供了数据基础。

S13，根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型。

在本发明的至少一个实施例中，所述异常集群是指稳定性小于第一数值的集群，及使用率小于第二数值或者使用率大于第三数值的集群。

进一步地，所述异常类型是根据集群的稳定性或者集群的使用率进行划分的，具体划分为第一集群及第二集群，所述第一集群的稳定性小于第一数值，所述第二集群的使用率小于第二数值或者所述第二集群的使用率大于第三数值，所述第二数值的取值小于所述第三数值的取值。

在本发明的至少一个实施例中，所述服务器根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型包括以下一种或者多种方式的组合：

(1)对于每个集群中的任意集群，所述服务器获取该集群的稳定性及除该集群以外的其余集群的平均稳定性，进一步地，所述服务器将所述平均稳定性乘以第一预设比例，得到第一数值，当该集群的稳定性小于所述第一数值时，所述服务器将该集群确定为第一集群，所述第一集群属于稳定性异常类型的异常集群。

例如：集群B的稳定性为75％、集群C的稳定性为60％、集群D的稳定性为30％，第一预设比例为0.8，所述服务器获取所述集群B的稳定性为75％、所述集群B对应的其余集群的平均稳定性为45％，将所述平均稳定性乘以0.8，得到第一数值为36％，则所述集群B的稳定性大于所述第一数值；所述服务器获取所述集群C的稳定性为60％、所述集群C对应的其余集群的平均稳定性为52.5％，将所述平均稳定性乘以0.8，得到第一数值为42％，则所述集群C的稳定性大于所述第一数值；所述服务器获取所述集群D的稳定性为30％、所述集群D对应的其余集群的平均稳定性为67.5％，则所述集群D的稳定性小于所述第一数值，因此，所述服务器将所述集群D确定为第一集群。

具体地，在获取每个集群的稳定性及其余集群的平均稳定性之前，所述服务器依次从所述所有集群中提取任一集群，进一步地，所述服务器获取除所述任意集群外的其余集群的稳定性，根据所述其余集群的稳定性，确定所述其余集群的平均稳定性。所述平均稳定性的个数与所有集群的个数一致。

(2)对于每个集群中的任意集群，所述服务器获取该集群的使用率及除该集群以外的其余集群的平均使用率，进一步地，所述服务器将所述平均使用率乘以第二预设比例，得到第二数值，以及将所述平均使用率乘以第三预设比例，得到第三数值，当该集群的使用率小于所述第二数值或者大于所述第三数值时，所述服务器将该集群确定为第二集群，所述第二集群属于使用率异常类型的异常集群。

通过将每个集群的稳定性与所述第一数值进行比较，其中，所述第一数值是根据其余集群的平均稳定性乘以所述第一预设比例得来的，而不是根据所有集群的平均稳定性乘以所述第一预设比例得来的，能够使所述第一集群的确定更为精确，此外，所述第二集群的确定方法与所述第一集群的确定方法类似，因此也能准确确定所述第二集群。

由于集群的使用率过高会导致集群阻塞，集群的使用率过低会导致集群实例的浪费，因此，将使用率过高的集群及使用率过低的集群确定为所述第二集群，有利于后续对所述第二集群的优化。

S14，根据所述异常类型处理所述异常集群。

在本发明的至少一个实施例中，所述服务器根据所述异常类型处理所述异常集群包括以下一种或者多种方式的组合：

(1)所述服务器提取所述第一集群中的异常日志，进一步地，所述服务器从配置方案中获取与所述异常日志匹配的目标方案，更进一步地，所述服务器以所述目标方案处理所述第一集群。

其中，所述配置方案中存储着至少一个目标方案。

具体地，所述服务器提取所述第一集群中的异常日志包括：

所述服务器从所述告警信息中提取所述第一集群的目标告警信息，进一步地，所述服务器根据所述目标告警信息，更进一步地，所述服务器从所述第一集群的日志中提取所述异常日志。

当在所述配置方案中未获取到与所述异常日志匹配的目标方案时，所述服务器获取与所述异常日志对应的告警信息，进一步地，所述服务器采用对称加密算法加密所述告警信息，得到第一密文，更进一步地，所述服务器将所述第一密文发送至负责人的终端设备。

(2)所述服务器根据所述第二集群的使用率，确定所述第二集群中实例数的变化量，进一步地，所述服务器根据所述变化量处理所述第二集群。

具体地，所述服务器根据所述第二集群的使用率，确定所述第二集群中实例数的变化量包括：

所述服务器获取所述第二集群中实例的第一数量，进一步地，所述服务器将所述第二集群的使用率乘以所述第一数量后，除以所述平均使用率，得到所述第二集群中实例的第二数量，更进一步地，所述服务器将所述第二数量与所述第一数量进行相减运算，得到所述变化量。

例如：所述第二集群的使用率为90％，所述服务器获取到所述第二集群中实例的第一数量为2个，所述平均使用率为60％，经计算，得到所述第二集群中实例的第二数量为3个，将所述第二数量与所述第一数量进行相减运算，得到所述变化量为1个。

具体地，所述服务器根据所述变化量处理所述第二集群包括：

当检测到所述第二集群的使用率小于所述第二数值时，所述服务器根据所述变化量减少所述第二集群的实例；或者当检测到所述第二集群的使用率大于所述第三数值时，所述服务器根据所述变化量增加所述第二集群的实例。

通过上述实施方式，能够解决集群阻塞或者集群使用率低的问题。

在本发明的至少一个实施例中，将所有集群中稳定性小于所述第一数值的集群确定为所述第一集群，及将所有集群中使用率小于所述第二数值、大于所述第三数值的集群确定为所述第二集群后，由于对所述至少一个云环境下所有集群的监控数据进行处理，进而确定所述所有集群中的所述第一集群或者所述第二集群，当所述第一集群或者所述第二集群有多个时，所述服务器能够在集群出现相同故障时，对该故障进行统一处理。

在本发明的至少一个实施例中，在根据所述异常类型处理所述异常集群之后，所述方法还包括：

所述服务器测试所述异常集群，得到测试结果，当所述测试结果为测试不通过时，所述服务器根据所述测试结果生成目标信息，进一步地，所述服务器采用高级加密标准算法加密所述目标信息，得到目标密文，更进一步地，所述服务器将所述目标密文发送至指定联系人的终端设备。

其中，所述目标信息包括测试不通过的异常集群、测试结果不通过的根因等。

所述指定联系人可以是集群优化的负责人，本发明不作限制。

通过上述实施方式，不仅能够避免所述告警信息随意被篡改，提高所述告警信息的安全性，还能够在所述异常集群未通过测试时，及时通知所述指定联系人。

具体地，所述服务器测试所述异常集群，得到测试结果包括，但不限于以下一种或者多种方式的组合：

(1)所述服务器对所述异常集群进行CPU性能测试，得到所述CPU性能测试结果。

(2)所述服务器对所述异常集群进行内存性能测试，得到所述内存性能测试结果。

(3)所述服务器对所述异常集群进行磁盘性能测试，得到所述磁盘性能测试结果。

(4)所述服务器对所述异常集群进行功能测试，得到所功能测试结果。

具体地，所述服务器对所述异常集群进行CPU性能测试包括：

所述服务器获取测试脚本文件，根据所述测试脚本文件运行CPU性能测试工具，进一步地，所述服务器采用所述CPU性能测试工具对处于超频或者满载状态的所述异常集群进行测试，得到所述异常集群在CPU处于超频或者满载时的CPU性能测试结果。

在其他实施例中，所述服务器还能得到所述异常集群的其他测试结果，综合所有测试结果进行处理，使所述异常集群的测试结果更加精确。

由以上技术方案可以看出，本发明不仅能够针对云环境下集群出现的故障进行相应的处理，而且当不同云环境下的集群出现相同故障时，还能够对该故障进行统一处理。

如图2所示，是本发明集群优化装置的较佳实施例的功能模块图。所述集群优化装置11包括采集单元110、处理单元111、计算单元112、确定单元113、获取单元114、清洗单元115、测试单元116、生成单元117、加密单元118及发送单元119。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。

采集单元110采集预设时间内至少一个云环境中所有集群的监控数据。

在本发明的至少一个实施例中，所述监控数据是从告警信息中提取的数据，所述监控数据包括，但不限于：告警时间、告警等级、所述告警等级对应的数量、所述告警等级对应的危险系数、集群实例的总数量、每个实例的利用率、告警根因等。

在本发明的至少一个实施例中，在采集预设时间内至少一个云环境中所有集群的监控数据之前，获取单元114获取所述预设时间内所述所有集群的告警信息，处理单元111对所述告警信息进行分词处理，得到多个第一信息，进一步地，清洗单元115清洗所述第一信息，得到多个第二信息，计算单元112采用TF-IDF算法计算所述多个第二信息的概率，更进一步地，确定单元113根据所述多个第二信息的概率确定所述监控数据。

通过获取所述预设时间内的告警信息，实现对所述监控数据的发生时间的控制，能够避免集群稳定性或者集群使用率的计算时间与所述发生时间的间隔过长，进而避免当前集群稳定性或者当前集群使用率的计算结果不准确。

具体地，所述清洗单元115清洗所述第一信息中的配置信息，得到所述多个第二信息。

其中，所述配置信息包括，但不限于：虚词、停用词等。

通过对所述多个第一信息的清洗，能够避免因所述配置信息的存在而影响所述多个第二信息的概率，使所述监控数据能够准确地被确定，此外，所述计算单元112无需对所述多个第一信息中配置信息的概率进行计算，能够缩短计算时间，使所述监控数据能够快速地被确定。

所述处理单元111对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项。

在本发明的至少一个实施例中，所述至少一种指标项为计算集群的稳定性或者使用率的基础信息，所述至少一种指标项包括，但不限于：告警等级、所述告警等级对应的告警数量、所述告警等级对应的危险系数、集群实例的总数量、每个实例的利用率等。

在本发明的至少一个实施例中，所述处理单元111对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项包括：

所述处理单元111采用去冗余算法去除所述监控数据中的冗余内容，得到目标数据，进一步地，所述处理单元111采用浅层式语义分析方法识别所述目标数据，并将识别出的含义相似的结果进行处理，得到所述至少一种指标项。

通过上述实施方式，能够对所述监控数据进行去冗余处理，减少服务器的占用内存，同时，对去冗余后的相似结果进行处理，能够使每个集群上的监控数据具有一致的名称，便于后续统一计算集群的稳定性及使用率。

所述计算单元112根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率。

在本发明的至少一个实施例中，所述计算单元112根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率包括：

所述计算单元112根据公式一计算每个集群的稳定性，所述公式一为：

其中，S表示集群的稳定性，a表示1级告警的危险系数，x表示1级告警的数量，b表示2级告警的危险系数，y表示2级告警的数量，c表示3级告警的危险系数，z表示3级告警的数量，m表示集群中实例的总数量；

所述计算单元112根据公式二计算每个集群的使用率，所述公式二为：

其中，U表示集群的使用率，n_i表示第i个实例的利用率，i∈{1，2，3，…，m}(m∈N*)。

例如：集群A中1级告警的数量为10条，1级告警的危险系数为0.8，2级告警的数量为8条，2级告警的危险系数为0.6，3级告警的数量为6条，3级告警的危险系数为0.4，实例的总数量为2个，分别为实例甲及实例乙，实例甲的利用率为0.8及实例乙的利用率为0.6，所述计算单元112计算得出集群A的稳定性为：15.2％，经所述服务器计算，得到集群A的使用率为：70％。

通过上述实施方式，能够得到每个集群的稳定性及每个集群的使用率，为后续确定异常集群提供了数据基础。

所述确定单元113根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型。

在本发明的至少一个实施例中，所述异常集群是指稳定性小于第一数值的集群，及使用率小于第二数值或者使用率大于第三数值的集群。

进一步地，所述异常类型是根据集群的稳定性或者集群的使用率进行划分的，具体划分为第一集群及第二集群，所述第一集群的稳定性小于第一数值，所述第二集群的使用率小于第二数值或者所述第二集群的使用率大于第三数值，所述第二数值的取值小于所述第三数值的取值。

在本发明的至少一个实施例中，所述确定单元113根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型包括以下一种或者多种方式的组合：

(1)对于每个集群中的任意集群，所述确定单元113获取该集群的稳定性及除该集群以外的其余集群的平均稳定性，进一步地，所述确定单元113将所述平均稳定性乘以第一预设比例，得到第一数值，当该集群的稳定性小于所述第一数值时，所述确定单元113将该集群确定为第一集群，所述第一集群属于稳定性异常类型的异常集群。

例如：集群B的稳定性为75％、集群C的稳定性为60％、集群D的稳定性为30％，第一预设比例为0.8，所述确定单元113获取所述集群B的稳定性为75％、所述集群B对应的其余集群的平均稳定性为45％，进一步地，所述确定单元113将所述平均稳定性乘以0.8，得到第一数值为36％，则所述集群B的稳定性大于所述第一数值；所述确定单元113获取所述集群C的稳定性为60％、所述集群C对应的其余集群的平均稳定性为52.5％，进一步地，所述确定单元113将所述平均稳定性乘以0.8，得到第一数值为42％，则所述集群C的稳定性大于所述第一数值；所述确定单元113获取所述集群D的稳定性为30％、所述集群D对应的其余集群的平均稳定性为67.5％，则所述集群D的稳定性小于所述第一数值，因此，所述确定单元113将所述集群D确定为第一集群。

具体地，在获取每个集群的稳定性及其余集群的平均稳定性之前，所述确定单元113依次从所述所有集群中提取任一集群，进一步地，所述确定单元113获取除所述任意集群外的其余集群的稳定性，根据所述其余集群的稳定性，所述确定单元113确定所述其余集群的平均稳定性。所述平均稳定性的个数与所有集群的个数一致。

(2)对于每个集群中的任意集群，所述确定单元113获取该集群的使用率及除该集群以外的其余集群的平均使用率，进一步地，所述确定单元113将所述平均使用率乘以第二预设比例，得到第二数值，以及将所述平均使用率乘以第三预设比例，得到第三数值，当该集群的使用率小于所述第二数值或者大于所述第三数值时，所述确定单元113将该集群确定为第二集群，所述第二集群属于使用率异常类型的异常集群。

通过将每个集群的稳定性与所述第一数值进行比较，其中，所述第一数值是根据其余集群的平均稳定性乘以所述第一预设比例得来的，而不是根据所有集群的平均稳定性乘以所述第一预设比例得来的，能够使所述第一集群的确定更为精确，此外，所述第二集群的确定方法与所述第一集群的确定方法类似，因此也能准确确定所述第二集群。

由于集群的使用率过高会导致集群阻塞，集群的使用率过低会导致集群实例的浪费，因此，将使用率过高的集群及使用率过低的集群确定为所述第二集群，有利于后续对所述第二集群的优化。

所述处理单元111根据所述异常类型处理所述异常集群。

在本发明的至少一个实施例中，所述处理单元111根据所述异常类型处理所述异常集群包括以下一种或者多种方式的组合：

(1)所述处理单元111提取所述第一集群中的异常日志，进一步地，所述处理单元111从配置方案中获取与所述异常日志匹配的目标方案，更进一步地，所述处理单元111以所述目标方案处理所述第一集群。

其中，所述配置方案中存储着至少一个目标方案。

具体地，所述处理单元111提取所述第一集群中的异常日志包括：

所述处理单元111从所述告警信息中提取所述第一集群的目标告警信息，进一步地，所述处理单元111根据所述目标告警信息，从所述第一集群的日志中提取所述异常日志。

当在所述配置方案中未获取到与所述异常日志匹配的目标方案时，所述获取单元114获取与所述异常日志对应的告警信息，进一步地，加密单元118采用对称加密算法加密所述告警信息，得到第一密文，更进一步地，发送单元119将所述第一密文发送至负责人的终端设备。

(2)所述处理单元111根据所述第二集群的使用率，确定所述第二集群中实例数的变化量，进一步地，所述处理单元111根据所述变化量处理所述第二集群。

具体地，所述处理单元111根据所述第二集群的使用率，确定所述第二集群中实例数的变化量包括：

所述处理单元111获取所述第二集群中实例的第一数量，进一步地，所述处理单元111将所述第二集群的使用率乘以所述第一数量后，除以所述平均使用率，得到所述第二集群中实例的第二数量，进一步地，所述处理单元111将所述第二数量与所述第一数量进行相减运算，得到所述变化量。

例如：所述第二集群的使用率为90％，所述处理单元111获取到所述第二集群中实例的第一数量为2个，所述平均使用率为60％，经计算，得到所述第二集群中实例的第二数量为3个，将所述第二数量与所述第一数量进行相减运算，得到所述变化量为1个。

具体地，所述处理单元111根据所述变化量处理所述第二集群包括：

当检测到所述第二集群的使用率小于所述第二数值时，所述处理单元111根据所述变化量减少所述第二集群的实例；或者当检测到所述第二集群的使用率大于所述第三数值时，所述处理单元111根据所述变化量增加所述第二集群的实例。

通过上述实施方式，能够解决集群阻塞或者集群使用率低的问题。

在本发明的至少一个实施例中，将所有集群中稳定性小于所述第一数值的集群确定为所述第一集群，及将所有集群中使用率小于所述第二数值、大于所述第三数值的集群确定为所述第二集群后，由于对所述至少一个云环境下所有集群的监控数据进行处理，进而确定所述所有集群中的所述第一集群或者所述第二集群，当所述第一集群或者所述第二集群有多个时，所述服务器能够在集群出现相同故障时，对该故障进行统一处理。

在本发明的至少一个实施例中，在根据所述异常类型处理所述异常集群之后，测试单元116测试所述异常集群，得到测试结果，当所述测试结果为测试不通过时，生成单元117根据所述测试结果生成目标信息，所述加密单元118采用高级加密标准算法加密所述目标信息，得到目标密文，进一步地，所述发送单元119将所述目标密文发送至指定联系人的终端设备。

其中，所述目标信息包括测试不通过的异常集群、测试结果不通过的根因等。

所述指定联系人可以是集群优化的负责人，本发明不作限制。

通过上述实施方式，不仅能够避免所述告警信息随意被篡改，提高所述告警信息的安全性，还能够在所述异常集群未通过测试时，及时通知所述指定联系人。

具体地，所述测试单元116测试所述异常集群，得到测试结果包括，但不限于以下一种或者多种方式的组合：

(1)所述测试单元116对所述异常集群进行CPU性能测试，得到所述CPU性能测试结果。

(2)所述测试单元116对所述异常集群进行内存性能测试，得到所述内存性能测试结果。

(3)所述测试单元116对所述异常集群进行磁盘性能测试，得到所述磁盘性能测试结果。

(4)所述测试单元116对所述异常集群进行功能测试，得到所功能测试结果。

具体地，所述测试单元116对所述异常集群进行CPU性能测试包括：

所述测试单元116获取测试脚本文件，根据所述测试脚本文件运行CPU性能测试工具，进一步地，所述测试单元116采用所述CPU性能测试工具对处于超频或者满载状态的所述异常集群进行测试，得到所述异常集群在CPU处于超频或者满载时的CPU性能测试结果。

在其他实施例中，所述测试单元116还能得到所述异常集群的其他测试结果，综合所有测试结果进行处理，使所述异常集群的测试结果更加精确。

由以上技术方案可以看出，本发明不仅能够针对云环境下集群出现的故障进行相应的处理，而且当不同云环境下的集群出现相同故障时，还能够对该故障进行统一处理。

如图3所示，是本发明实现集群优化方法的较佳实施例的服务器的结构示意图。

在本发明的一个实施例中，所述服务器1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如集群优化程序。

本领域技术人员可以理解，所述示意图仅仅是服务器1的示例，并不构成对服务器1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述服务器1还可以包括输入输出设备、网络接入设备、总线等。

所述处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述服务器1的运算核心和控制中心，利用各种接口和线路连接整个服务器1的各个部分，及执行所述服务器1的操作系统以及安装的各类应用程序、程序代码等。

所述处理器13执行所述服务器1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个集群优化方法实施例中的步骤，例如图1所示的步骤。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述服务器1中的执行过程。例如，所述计算机程序可以被分割成采集单元110、处理单元111、计算单元112、确定单元113、获取单元114、清洗单元115、测试单元116、生成单元117、加密单元118及发送单元119。

所述存储器12可用于存储所述计算机程序和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机程序和/或模块，以及调用存储在存储器12内的数据，实现所述服务器1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器12可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。

所述存储器12可以是服务器1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。

所述服务器1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。

其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

结合图1，所述服务器1中的所述存储器12存储多个指令以实现一种集群优化方法，所述处理器13可执行所述多个指令从而实现：采集预设时间内至少一个云环境中所有集群的监控数据；对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项；根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率；根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型；根据所述异常类型处理所述异常集群。

具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种集群优化方法，其特征在于，所述方法包括：

采集预设时间内至少一个云环境中所有集群的监控数据；

对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项；

根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率；

根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型；

根据所述异常类型处理所述异常集群。

2.如权利要求1所述的集群优化方法，其特征在于，在所述采集预设时间内至少一个云环境中所有集群的监控数据之前，所述方法还包括：

获取所述预设时间内所述所有集群的告警信息；

对所述告警信息进行分词处理，得到多个第一信息；

清洗所述第一信息，得到多个第二信息；

采用TF-IDF算法计算所述多个第二信息的概率；

根据所述多个第二信息的概率确定所述监控数据。

3.如权利要求1所述的集群优化方法，其特征在于，所述根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率包括：

根据公式一计算每个集群的稳定性，所述公式一为：

其中，S表示集群的稳定性，a表示1级告警的危险系数，x表示1级告警的数量，b表示2级告警的危险系数，y表示2级告警的数量，c表示3级告警的危险系数，z表示3级告警的数量，m表示集群中实例的总数量；

根据公式二计算每个集群的使用率，所述公式二为：

其中，U表示集群的使用率，n_i表示第i个实例的利用率，i∈{1，2，3，…，m}(m∈N*)。

4.如权利要求1所述的集群优化方法，其特征在于，所述根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型包括以下一种或者多种方式的组合：

对于每个集群中的任意集群，获取该集群的稳定性及除该集群以外的其余集群的平均稳定性，将所述平均稳定性乘以第一预设比例，得到第一数值，当该集群的稳定性小于所述第一数值时，将该集群确定为第一集群，所述第一集群属于稳定性异常类型的异常集群；及/或

对于每个集群中的任意集群，获取该集群的使用率及除该集群以外的其余集群的平均使用率，将所述平均使用率乘以第二预设比例，得到第二数值，以及将所述平均使用率乘以第三预设比例，得到第三数值，当该集群的使用率小于所述第二数值或者大于所述第三数值时，将该集群确定为第二集群，所述第二集群属于使用率异常类型的异常集群。

5.如权利要求4所述的集群优化方法，其特征在于，所述根据所述异常类型处理所述异常集群包括以下一种或者多种方式的组合：

提取所述第一集群中的异常日志，从配置方案中获取与所述异常日志匹配的目标方案，以所述目标方案处理所述第一集群；及/或

根据所述第二集群的使用率，确定所述第二集群中实例数的变化量，根据所述变化量处理所述第二集群。

6.如权利要求5所述的集群优化方法，其特征在于，所述根据所述第二集群的使用率，确定所述第二集群中实例数的变化量包括：

获取所述第二集群中实例的第一数量；

将所述第二集群的使用率乘以所述第一数量后，除以所述平均使用率，得到所述第二集群中实例的第二数量；

将所述第二数量与所述第一数量进行相减运算，得到所述变化量。

7.如权利要求1所述的集群优化方法，其特征在于，在根据所述异常类型处理所述异常集群之后，所述方法还包括：

测试所述异常集群，得到测试结果；

当所述测试结果为测试不通过时，根据所述测试结果生成目标信息；

采用高级加密标准算法加密所述目标信息，得到目标密文；

将所述目标密文发送至指定联系人的终端设备。

8.一种集群优化装置，其特征在于，所述装置包括：

采集单元，用于采集预设时间内至少一个云环境中所有集群的监控数据；

处理单元，用于对每个集群的监控数据进行归一化处理，得到每个集群的至少一种指标项；

计算单元，用于根据所述至少一种指标项，计算每个集群的稳定性及每个集群的使用率；

确定单元，用于根据每个集群的稳定性及每个集群的使用率，确定异常集群以及所述异常集群的异常类型；

所述处理单元，还用于根据所述异常类型处理所述异常集群。

9.一种服务器，其特征在于，所述服务器包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的集群优化方法。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被服务器中的处理器执行以实现如权利要求1至7中任意一项所述的集群优化方法。

Images