CN111737014A - 一种多云平台计算资源成本优化方法 - Google Patents

一种多云平台计算资源成本优化方法 Download PDF

Info

Publication number
CN111737014A
CN111737014A CN202010781208.7A CN202010781208A CN111737014A CN 111737014 A CN111737014 A CN 111737014A CN 202010781208 A CN202010781208 A CN 202010781208A CN 111737014 A CN111737014 A CN 111737014A
Authority
CN
China
Prior art keywords
configuration
cost
recommended
resource
optimization
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
Application number
CN202010781208.7A
Other languages
English (en)
Inventor
赵伟
黄金
马勇
赵欣媛
杨力
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Futong Yunteng Technology Co ltd
Original Assignee
Futong Yunteng Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Futong Yunteng Technology Co ltd filed Critical Futong Yunteng Technology Co ltd
Priority to CN202010781208.7A priority Critical patent/CN111737014A/zh
Publication of CN111737014A publication Critical patent/CN111737014A/zh
Pending legal-status Critical Current

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]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06F2209/508—Monitor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种多云平台计算资源成本优化方法，通过获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用；判断推荐资源配置是否为跨云推荐；若是跨云推荐，则获取从当前资源配置的云厂商迁移到推荐资源配置对应的云厂商的迁移成本；估算用户采用优化的推荐资源配置的总成本；将优化的推荐资源配置和采用优化的推荐资源配置的总成本呈现给用户。本方法据资源使用情况能够快速给出优化的推荐资源配置，综合考虑云资源迁移的成本，全面地衡量迁移到推荐资源配置的总成本来高效预估采用推荐资源配置后的费用，帮助用户提高整体云资源的利用率，减少云资源成本支出，有效减少管理时间、降低管理难度。

Description

一种多云平台计算资源成本优化方法
技术领域
本发明属于云计算领域，具体涉及一种多云平台计算资源成本优化方法。
背景技术
随着云计算业务的不断落地，多云和混合云将是企业未来主流的IT 基础设施架构已成为云计算领域的基本共识。在多云/混合云环境下，基础设施的分散独立多样化，给提高资源利用率、成本控制管理带来了很大的难度和复杂性。
随着企业业务的发展和数据量的增长，企业初始购买的计算、存储、带宽等资源已经不能够满足需求。如果不能根据监控数据进行分析，提供有效的优化配置方案对云资源进行有效的管理和成本控制，将造成云资源与业务需求的脱钩和不合理的成本支出。然而现有技术中，仅根据监控数据和云厂商资费信息给出推荐资源配置和推荐资源配置对应的费用，未考虑到云管平台为用户提供的推荐资源配置不可避免会进行跨云厂商服务推荐，从而也没考虑进行服务迁移过程中的迁移成本，导致得到的推荐资源配置和推荐资源配置对应的费用并不能真正为用户提供有效，且合理的优化建议，从而也就不能很好地达到降低云计算资源成本的目的。
发明内容
本发明的目的是提供一种多云平台计算资源成本优化方法，能够根据资源使用情况进行分析预警，快速高效地给出优化的推荐资源配置和推荐资源配置对应的费用。
本发明所采用的技术方案是，一种多云平台计算资源成本优化方法，具体按照以下步骤实施：
获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用；
判断推荐资源配置是否为跨云推荐；
若是跨云推荐，则获取从当前资源配置的云厂商迁移到推荐资源配置对应的云厂商的迁移成本；
估算用户采用优化的推荐资源配置的总成本：
总成本=迁移成本+优化的推荐资源配置对应的费用*用户预计使用时长；
将优化的推荐资源配置和采用优化的推荐资源配置的总成本呈现给用户。
进一步的，所述判断推荐资源配置是否为跨云推荐之后，还包括：若不是跨云推荐，则直接将优化的推荐资源配置以及所述优化的推荐资源配置对应的费用呈现给用户，并结束优化。
进一步的，所述迁移成本，包括：搭建服务器的成本，数据同步的成本，告知用户的成本。
进一步的，所述搭建服务器的成本包括：服务器并行运行期间的资费成本，服务应用的集成和测试成本。
进一步的，所述获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用，包括：
定时获取资源监控数据和各云服务商的价格数据和规格数据；
定时根据所述资源监控数据判断是否需要资源优化；
如需要资源优化，根据优化策略和所述各云服务商价格数据和规格数据，获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用信息；
将所述优化的推荐资源配置以及所述优化的推荐资源配置对应的费用信息向用户推荐展示。
进一步的，所述根据所述资源监控数据判断是否需要资源优化，包括：
计算各个监控项在期限内的平均使用率；
将所述各个监控项在期限内的平均使用率与优化范围比较；
若各个监控项在期限内的平均使用率都在优化范围内，则不需要进行优化；若存在至少一个监控项在期限内的平均使用率不在优化范围内，则需要进行资源优化；
所述监控项包括CPU，内存，磁盘，带宽。
进一步的，所述优化策略为：
若所述监控项在期限内的平均使用率大于等于所述监控项对应的优化范围的上限值，则将所述监控项配置升配；
若所述监控项在期限内的平均使用率小于等于监控项对应的优化范围的下限值，则将所述监控项配置降配。
所述优化范围为每个监控项对应的上限值和下限值之间的范围。
进一步的，所述升配和降配包括：
如所述监控项为CPU和/或内存，所述升配/降配是根据CPU内存组合，升高/降低一档，所述CPU内存组合是预处理云服务商规格数据得到的，将CPU内存组合按照主序为CPU核数升序排列，若CPU核数相同则按照内存个数升序排列；
如所述监控项为磁盘，所述升配/降配的计算公式为：若需要升配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-磁盘优化范围上限值）；若需要降配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-磁盘优化范围下限值）；
如所述监控项为带宽，所述升配/降配是在常用带宽规格数组中选择一个更高/更低的配置；所述常用带宽规格数组可为[1M，2M，5 M，10 M，20 M]。
进一步的，所述根据优化策略和所述各云服务商价格数据和规格数据，获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用信息，包括：
获取当前资源配置信息以及当前资源配置对应的费用信息；
根据优化策略获取优化的推荐资源配置，再根据所述各云服务商价格数据和规格数据获取所述优化的推荐资源配置对应的费用信息。
进一步的，所述根据优化策略获取优化的推荐资源配置，再根据所述各云服务商价格数据和规格数据获取所述优化的推荐资源配置对应的费用信息，包括：
根据所述优化策略得到相应的推荐CPU和/或内存的配置，并估算所述推荐CPU和/或内存的配置对应的费用；
和/或，
根据优化策略得到推荐磁盘配置，再根据当前磁盘配置的费用计算所述推荐磁盘配置对应的费用；
所述计算推荐磁盘配置对应的费用的公式如下：推荐磁盘配置对应费用=推荐磁盘配置的容量/当前磁盘配置的容量*当前磁盘配置的费用；
和/或，
根据优化策略给出的优化后的推荐带宽规格，在当前云服务商的价格数据和规格数据中查询推荐带宽配置的费用。
进一步的，所述定时根据所述资源监控数据判断是否需要资源优化的定时间隔大于所述定时获取资源监控数据和各云服务商的价格数据和规格数据的定时间隔。
进一步的，所述期限包括一个季度，一个月，一周。
进一步的，所述定时获取资源监控数据和各云服务商的价格数据和规格数据，包括：
保存所述资源监控数据；
判断所述各云服务商的价格数据和规格数据是否有更新，若有更新，则保存最新获取的所述各云服务商的价格数据和规格数据。
本发明的有益效果是：本发明一种多云平台计算资源成本优化方法，
通过获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用；判断推荐资源配置是否为跨云推荐；若是跨云推荐，则获取从当前资源配置的云厂商迁移到推荐资源配置对应的云厂商的迁移成本；估算用户采用优化的推荐资源配置的总成本；将优化的推荐资源配置和采用优化的推荐资源配置的总成本呈现给用户。能根据资源使用情况能够快速给出推荐资源配置，综合考虑云资源迁移的成本，全面地衡量迁移到推荐资源配置的总成本来高效预估使用推荐资源配置后的费用，帮助用户提高整体云资源的利用率，减少云资源成本支出，有效减少管理时间、降低管理难度。
附图说明
图1是本发明一种多云平台计算资源成本优化方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
如图1所示，本发明一种多云平台计算资源成本优化方法，具体按照以下步骤实施：
步骤1，获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用；
步骤2，判断推荐资源配置是否为跨云推荐；
步骤3，若是跨云推荐，则获取从当前资源配置的云厂商迁移到推荐资源配置对应的云厂商的迁移成本；
步骤4，估算用户采用优化的推荐资源配置的总成本：
总成本=迁移成本+优化的推荐资源配置对应的费用*用户预计使用时长；
步骤5，将优化的推荐资源配置和采用优化的推荐资源配置的总成本呈现给用户。
所述判断推荐资源配置是否为跨云推荐之后，还包括：若不是跨云推荐，则直接将优化的推荐资源配置以及所述优化的推荐资源配置对应的费用呈现给用户，并结束优化。
所述迁移成本，包括：搭建服务器的成本，数据同步的成本，告知用户的成本。
所述搭建服务器的成本包括服务器并行运行期间的资费成本，服务应用的集成和测试成本。
所述步骤1，获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用，包括：
步骤1.1，定时获取资源监控数据和各云服务商的价格数据和规格数据；
步骤1.2，定时根据所述资源监控数据判断是否需要资源优化；
步骤1.3，如需要资源优化，根据优化策略和所述各云服务商价格数据和规格数据，获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用信息。
所述步骤1.2，定时根据所述资源监控数据判断是否需要资源优化，包括：
步骤1.2.1，计算各个监控项在期限内的平均使用率；
步骤1.2.2，将所述各个监控项在期限内的平均使用率与优化范围比较；
步骤1.2.3，若各个监控项在期限内的平均使用率都在优化范围内，则不需要进行优化；若存在至少一个监控项在期限内的平均使用率不在优化范围内，则需要进行资源优化。
所述监控项包括CPU，内存，磁盘，带宽。
所述优化范围为每个监控项对应的上限值和下限值之间的范围。
所述优化策略为：
若所述监控项在期限内的平均使用率大于等于所述监控项对应的优化范围的上限值，则将所述监控项配置升配；
若所述监控项在期限内的平均使用率小于等于监控项对应的优化范围的下限值，则将所述监控项配置降配。
所述升配和降配包括：
如所述监控项为CPU和/或内存，所述升配/降配是根据CPU内存组合，升高/降低一档，所述CPU内存组合是预处理云服务商规格数据得到的，将CPU内存组合按照主序为CPU核数升序排列，若CPU核数相同则按照内存个数升序排列；
如所述监控项为磁盘，所述升配/降配的计算公式为：若需要升配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-磁盘优化范围上限值）；若需要降配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-磁盘优化范围下限值）；
如所述监控项为带宽，所述升配/降配是在常用带宽规格数组中选择一个更高/更低的配置；所述常用带宽规格数组可为[1M，2M，5 M，10 M，20 M]。
所述步骤1.3中，根据优化策略和所述各云服务商价格数据和规格数据，获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用信息，包括：
步骤1.3.1，获取当前资源配置信息以及当前资源配置对应的费用信息；
步骤1.3.2，根据优化策略获取优化的推荐资源配置，再根据所述各云服务商价格数据和规格数据获取所述优化的推荐资源配置对应的费用信息。
所述步骤1.3.2，根据优化策略获取优化的推荐资源配置，再根据所述各云服务商价格数据和规格数据获取所述优化的推荐资源配置对应的费用信息，包括：
根据所述优化策略得到相应的推荐CPU和/或内存的配置，并估算所述推荐CPU和/或内存的推荐资源配置对应的费用；
和/或，
根据优化策略得到推荐磁盘配置，再根据当前磁盘配置的费用计算所述推荐磁盘配置对应的费用；
所述计算推荐磁盘配置对应的费用的公式如下：推荐磁盘配置对应费用=推荐磁盘配置的容量/当前磁盘配置的容量*当前磁盘配置的费用；
和/或，
根据优化策略给出的优化后的推荐带宽规格，在当前云服务商的价格数据和规格数据中查询推荐带宽配置的费用。
所述估算所述推荐CPU和/或内存的推荐资源配置对应的费用，包括：
计算预付费方式下的预估费用：
推荐配置的预估费用 =（推荐CPU核数+推荐内存个数）/（当前配置CPU核数+当前配置内存个数）* 当前配置每月单价；
计算后付费方式下的预估费用：
推荐配置的预估费用 =（推荐CPU核数+推荐内存个数）/（当前配置CPU核数+当前配置内存个数）* 当前配置小时单价*24小时*30天；
选择预付费方式下的预估费用与后付费方式下的预估费用的较小者，作为推荐CPU和/或内存的配置对应的预估费用。
所述定时根据所述资源监控数据判断是否需要资源优化的定时间隔大于所述定时获取资源监控数据和各云服务商的价格数据和规格数据的定时间隔。
所述期限包括一个季度，一个月，一周。
所述定时获取资源监控数据和各云服务商的价格数据和规格数据，包括：保存所述资源监控数据；
判断所述各云服务商的价格数据和规格数据是否有更新，若有更新，则保存最新获取的所述各云服务商的价格数据和规格数据。
针对具体的情况，所述根据优化策略获取优化的推荐资源配置，再根据所述各云服务商价格数据和规格数据获取所述优化的推荐资源配置对应的费用信息，包括以下内容：
根据所述优化策略得到相应的推荐CPU和/或内存的配置，并估算所述推荐CPU和/或内存的配置对应的费用；
根据优化策略得到推荐磁盘配置，再根据当前磁盘配置的费用计算所述推荐磁盘配置对应的费用；
根据优化策略给出的优化后的推荐带宽规格，在当前云服务商的价格数据和规格数据中查询推荐带宽配置的费用。
所述当前资源配置对应的费用信息，包括当前资源配置中各个配置项对应的预付费方式的每月费用和后付费方式下的小时单价。
所述估算推荐CPU和/或内存的配置对应的费用的步骤如下：
计算预付费方式下的预估费用：
推荐配置的预估费用 =（推荐CPU核数+推荐内存个数）/（当前配置CPU核数+当前配置内存个数）* 当前配置每月单价；
计算后付费方式下的预估费用：
推荐配置的预估费用 =（推荐CPU核数+推荐内存个数）/（当前配置CPU核数+当前配置内存个数）* 当前配置小时单价*24小时*30天；
选择预付费方式下的预估费用与后付费方式下的预估费用的较小者，作为推荐CPU和/或内存的配置对应的预估费用。
所述计算推荐磁盘配置对应的费用的公式如下：推荐磁盘配置对应费用=推荐磁盘配置的容量/当前磁盘配置的容量*当前磁盘配置的费用；
所述监控项包括CPU，内存，磁盘，带宽。
所述优化范围可为：
20% < 期限内CPU平均使用率< 90%；
20% < 期限内内存平均使用率< 90%；
20% < 期限内磁盘平均利用率< 90%；
10% < 期限内公网出站带宽速度占最大带宽数据百分比 <95%。
所述升配和降配根据具体情况采用的具体实施方式是：
如所述监控项为CPU和/或内存，所述升配/降配是根据CPU内存组合，升高/降低一档，所述CPU内存组合是预处理云服务商规格数据得到的，将CPU内存组合按照主序为CPU核数升序排列，若CPU核数相同则按照内存个数升序排列；
如所述监控项为磁盘，所述升配/降配的计算公式为：若需要升配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-90%）；若需要降配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-20%）；
如所述监控项为带宽，所述升配/降配是在常用带宽规格数组中选择一个更高/更低的配置；所述常用带宽规格数组可为[1M，2M，5 M，10 M，20 M]；
其中，CPU和/或内存的升配/降配是根据CPU内存组合，升高/降低一档，所述CPU内存组合是预处理云服务商规格数据得到的，将CPU内存组合按照主序为CPU核数升序排列，若CPU核数相同则按照内存个数升序排列。
例如，可用CPU内存组合部分内容如下：
Figure DEST_PATH_IMAGE002
表1 可用CPU内存组合示例。
磁盘配置升配/降配的计算公式为：
若需要升配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-磁盘优化范围上限值）；
若需要降配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-磁盘优化范围下限值；
其中，若在升配时，计算得到的推荐磁盘配置为非整数，则对计算得到的推荐磁盘配置进行向上取整得到推荐磁盘配置；若在降配时，计算得到的推荐磁盘配置为非整数，则对计算得到的推荐磁盘配置进行向下取整得到推荐磁盘配置。
带宽的升配/降配是在常用带宽规格数组中选择一个更高/更低的配置；所述常用带宽规格数组可为[1M，2M，5 M，10 M，20 M]。
所述定时根据所述资源监控数据判断是否需要资源优化的定时间隔大于所述定时获取资源监控数据和各云服务商的价格数据和规格数据的定时间隔。
例如，期限为一个月的资源监控数据中，CPU平均使用率为92%，不在优化范围内，根据优化策略需要进行升配：
当前的资源配置的CPU核数为2核，内存为4G，CPU推荐配置则为4核。若内存平均使用率在优化范围内，则无需优化内存，否则估算推荐CPU配置对应的费用：
计算预付费方式下的预估费用：
推荐配置的预估费用 =（推荐CPU核数+推荐内存个数）/（当前配置CPU核数+当前配置内存个数）* 当前配置预付费每月单价=（4+2）/（2+2）*当前配置每月单价=1.5*当前配置每月单价；
计算后付费方式下的预估费用：
推荐配置的预估费用 =（推荐CPU核数+推荐内存个数）/（当前配置CPU核数+当前配置内存个数）* 当前配置后付费小时单价*24小时*30天=（4+2）/（2+2）* 当前配置小时单价*24小时*30天=1.5* 当前配置小时单价*24小时*30天；
选择预付费方式下的预估费用与后付费方式下的预估费用的较小者，作为推荐CPU和/或内存的配置对应的预估费用。
本发明一种多云平台计算资源成本优化方法，通过定时获取资源的各个监控项数据、云服务商的价格数据和规格数据，根据资源使用情况能够快速给出优化的推荐资源配置，高效预估推荐资源配置对应的费用，综合考虑云资源迁移的成本，全面地衡量迁移到推荐资源配置的总成本，帮助用户提高整体云资源的利用率，减少云资源成本支出，有效减少管理时间、降低管理难度。

Claims (12)

1.一种多云平台计算资源成本优化方法，其特征在于，
获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用；
判断推荐资源配置是否为跨云推荐；
若是跨云推荐，则获取从当前资源配置的云厂商迁移到推荐资源配置对应的云厂商的迁移成本；
估算用户采用优化的推荐资源配置的总成本：
总成本=迁移成本+优化的推荐资源配置对应的费用*用户预计使用时长；
将优化的推荐资源配置和采用优化的推荐资源配置的总成本呈现给用户；
所述判断推荐资源配置是否为跨云推荐之后，还包括：若不是跨云推荐，则直接将优化的推荐资源配置以及所述优化的推荐资源配置对应的费用呈现给用户，并结束优化。
2.根据权利要求1所述的一种多云平台计算资源成本优化方法，其特征在于，所述迁移成本，包括：搭建服务器的成本，数据同步的成本和告知用户的成本；
所述搭建服务器的成本包括服务器并行运行期间的资费成本，服务应用的集成和测试成本。
3.根据权利要求1所述的一种多云平台计算资源成本优化方法，其特征在于，所述获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用，包括：
定时获取资源监控数据和各云服务商的价格数据和规格数据；
定时根据所述资源监控数据判断是否需要资源优化；
如需要资源优化，根据优化策略和所述各云服务商价格数据和规格数据，获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用信息。
4.根据权利要求3所述的一种多云平台计算资源成本优化方法，其特征在于，所述根据所述资源监控数据判断是否需要资源优化，包括：
计算各个监控项在期限内的平均使用率；
将所述各个监控项在期限内的平均使用率与优化范围比较，所述优化范围为每个监控项对应的上限值和下限值之间的范围；
若各个监控项在期限内的平均使用率都在优化范围内，则不需要进行优化；若存在至少一个监控项在期限内的平均使用率不在优化范围内，则需要进行资源优化；
所述监控项包括CPU，内存，磁盘和带宽。
5.根据权利要求4所述的一种多云平台计算资源成本优化方法，其特征在于，所述优化策略为：
若所述监控项在期限内的平均使用率大于等于所述监控项对应的优化范围的上限值，则将所述监控项配置升配；
若所述监控项在期限内的平均使用率小于等于监控项对应的优化范围的下限值，则将所述监控项配置降配。
6.根据权利要求5所述的一种多云平台计算资源成本优化方法，其特征在于，所述升配和降配包括：
如所述监控项为CPU和/或内存，所述升配/降配是根据CPU内存组合，升高/降低一档，所述CPU内存组合是预处理云服务商规格数据得到的，将CPU内存组合按照主序为CPU核数升序排列，若CPU核数相同则按照内存个数升序排列；
如所述监控项为磁盘，所述升配/降配的计算公式为：若需要升配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-磁盘优化范围上限值）；若需要降配，则推荐磁盘配置=当前磁盘配置*（1+期限内磁盘平均使用率-磁盘优化范围下限值）；
如所述监控项为带宽，所述升配/降配是在常用带宽规格数组中选择一个更高/更低的配置；所述常用带宽规格数组可为[1M，2M，5 M，10 M，20 M]。
7.根据权利要求3所述的一种多云平台计算资源成本优化方法，其特征在于，所述根据优化策略和所述各云服务商价格数据和规格数据，获取优化的推荐资源配置以及所述优化的推荐资源配置对应的费用信息，包括：
获取当前资源配置信息以及当前资源配置对应的费用信息；
根据优化策略获取优化的推荐资源配置，再根据所述各云服务商价格数据和规格数据获取所述优化的推荐资源配置对应的费用信息。
8.根据权利要求7所述的一种多云平台计算资源成本优化方法，其特征在于，所述根据优化策略获取优化的推荐资源配置，再根据所述各云服务商价格数据和规格数据获取所述优化的推荐资源配置对应的费用信息，包括：
根据所述优化策略得到相应的推荐CPU和/或内存的配置，并估算所述推荐CPU和/或内存的配置对应的费用；
和/或，
根据优化策略得到推荐磁盘配置，再根据当前磁盘配置的费用计算所述推荐磁盘配置对应的费用；
所述计算推荐磁盘配置对应的费用的公式如下：推荐磁盘配置对应费用=推荐磁盘配置的容量/当前磁盘配置的容量*当前磁盘配置的费用；
和/或，
根据优化策略给出的优化后的推荐带宽规格，在当前云服务商的价格数据和规格数据中查询推荐带宽配置的费用。
9.根据权利要求8所述的一种多云平台计算资源成本优化方法，其特征在于，所述估算所述推荐CPU和/或内存的配置对应的费用，包括：
计算预付费方式下的预估费用：
推荐配置的预估费用 =（推荐CPU核数+推荐内存个数）/（当前配置CPU核数+当前配置内存个数）* 当前配置每月单价；
计算后付费方式下的预估费用：
推荐配置的预估费用 =（推荐CPU核数+推荐内存个数）/（当前配置CPU核数+当前配置内存个数）* 当前配置小时单价*24小时*30天；
选择预付费方式下的预估费用与后付费方式下的预估费用的较小者，作为推荐CPU和/或内存的配置对应的预估费用。
10.根据权利要求3所述的一种多云平台计算资源成本优化方法，其特征在于，所述定时根据所述资源监控数据判断是否需要资源优化的定时间隔大于所述定时获取资源监控数据和各云服务商的价格数据和规格数据的定时间隔。
11.根据权利要求4所述的一种多云平台计算资源成本优化方法，其特征在于，所述期限包括一个季度，一个月或一周。
12.根据权利要求3所述的一种多云平台计算资源成本优化方法，其特征在于，所述定时获取资源监控数据和各云服务商的价格数据和规格数据，包括：保存所述资源监控数据；
判断所述各云服务商的价格数据和规格数据是否有更新，若有更新，则保存最新获取的所述各云服务商的价格数据和规格数据。
CN202010781208.7A 2020-08-06 2020-08-06 一种多云平台计算资源成本优化方法 Pending CN111737014A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010781208.7A CN111737014A (zh) 2020-08-06 2020-08-06 一种多云平台计算资源成本优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010781208.7A CN111737014A (zh) 2020-08-06 2020-08-06 一种多云平台计算资源成本优化方法

Publications (1)

Publication Number Publication Date
CN111737014A true CN111737014A (zh) 2020-10-02

Family

ID=72658127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010781208.7A Pending CN111737014A (zh) 2020-08-06 2020-08-06 一种多云平台计算资源成本优化方法

Country Status (1)

Country Link
CN (1) CN111737014A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988381A (zh) * 2021-02-26 2021-06-18 北京百度网讯科技有限公司 为云资源生成优化信息的方法、装置和电子设备
CN113079062A (zh) * 2021-03-24 2021-07-06 广州虎牙科技有限公司 一种资源调整方法、装置、计算机设备和存储介质
CN114363179A (zh) * 2022-02-24 2022-04-15 阿里巴巴（中国）有限公司 针对云产品的成本优化方法及装置
CN114529290A (zh) * 2022-01-27 2022-05-24 广东省电信规划设计院有限公司 一种政务云的计费管理方法、装置及计算机存储介质
CN115460082A (zh) * 2022-08-25 2022-12-09 浪潮云信息技术股份公司 一种基于政务云场景的云成本优化方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110246992A1 (en) * 2010-04-01 2011-10-06 International Business Machines Corporation Administration Of Virtual Machine Affinity In A Cloud Computing Environment
CN105245405A (zh) * 2015-10-27 2016-01-13 浙江大学软件学院（宁波）管理中心（宁波软件教育中心） 一种面向数据交换的云迁移优化评估方法
CN106603438A (zh) * 2016-12-21 2017-04-26 云南电网有限责任公司信息中心 一种基于成本的混合云资源利用和分配评估方法
US9672074B2 (en) * 2015-10-19 2017-06-06 Vmware, Inc. Methods and systems to determine and improve cost efficiency of virtual machines
CN107239337A (zh) * 2016-03-28 2017-10-10 北京智梵网络科技有限公司 虚拟化资源的分配和调度方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110246992A1 (en) * 2010-04-01 2011-10-06 International Business Machines Corporation Administration Of Virtual Machine Affinity In A Cloud Computing Environment
US9672074B2 (en) * 2015-10-19 2017-06-06 Vmware, Inc. Methods and systems to determine and improve cost efficiency of virtual machines
CN105245405A (zh) * 2015-10-27 2016-01-13 浙江大学软件学院（宁波）管理中心（宁波软件教育中心） 一种面向数据交换的云迁移优化评估方法
CN107239337A (zh) * 2016-03-28 2017-10-10 北京智梵网络科技有限公司 虚拟化资源的分配和调度方法及系统
CN106603438A (zh) * 2016-12-21 2017-04-26 云南电网有限责任公司信息中心 一种基于成本的混合云资源利用和分配评估方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988381A (zh) * 2021-02-26 2021-06-18 北京百度网讯科技有限公司 为云资源生成优化信息的方法、装置和电子设备
CN112988381B (zh) * 2021-02-26 2024-03-22 北京百度网讯科技有限公司 为云资源生成优化信息的方法、装置和电子设备
CN113079062A (zh) * 2021-03-24 2021-07-06 广州虎牙科技有限公司 一种资源调整方法、装置、计算机设备和存储介质
CN114529290A (zh) * 2022-01-27 2022-05-24 广东省电信规划设计院有限公司 一种政务云的计费管理方法、装置及计算机存储介质
CN114363179A (zh) * 2022-02-24 2022-04-15 阿里巴巴（中国）有限公司 针对云产品的成本优化方法及装置
CN114363179B (zh) * 2022-02-24 2023-09-05 阿里巴巴（中国）有限公司 针对云产品的成本优化方法及装置
CN115460082A (zh) * 2022-08-25 2022-12-09 浪潮云信息技术股份公司 一种基于政务云场景的云成本优化方法及系统

Similar Documents

Publication Publication Date Title
CN111737014A (zh) 一种多云平台计算资源成本优化方法
CN110418022B (zh) 为多个用户标识调整流量套餐的方法及装置
US11136008B2 (en) Systems and methods for managing exchangeable energy storage device stations
EP2814687B1 (en) Electric vehicle distributed intelligence
CN103401938B (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
JP6156499B2 (ja) 電力需給調整システムおよび電力需給調整方法
EP3264555A1 (en) Electric power control system, electric power control device, and electric power control method
CN108563504A (zh) 一种资源管控方法和装置
CN101827348A (zh) 预付费业务用户信用的控制方法、设备及业务支撑系统
KR20180005590A (ko) 지역적으로 분산되어 있는 분산 발전기 및 에너지 저장 장치와 연동하여 전력 중개 거래를 수행하는 시스템 및 방법
Strauss et al. Priority pricing of interruptible electric service with an early notification option
CN115795145A (zh) 一种面向需求侧主动响应的电动汽车充电模式推送方法
CN110366122A (zh) 一种批价方法和装置
EP4250220A2 (en) Configurable billing with subscriptions having conditional components
CN108520430A (zh) 停车收费异常分析方法、设备及计算机可读存储介质
CN114610476A (zh) 一种优化云服务成本的方法、装置、设备及存储介质
JP7278179B2 (ja) 料金計算システムおよび料金計算方法
CN105472592A (zh) 应用软件的收费系统及收费方法
CN113934533A (zh) 服务部署方法和装置、存储介质及电子设备
CN117611235A (zh) 云资源实例规格采购预测方法及设备
CN103326870A (zh) 一种针对在线计费的话单重批装置和方法
WO2017071609A1 (en) Cloud-based methods for identifying energy profile and estimating energy consumption and cloud-based energy profile usage identification system
US11734779B2 (en) Methods of allocating energy generated by a community solar energy system
CN110570095A (zh) 一种停车场精细化管理的租位用户超发卡方法
KR20240067141A (ko) 전력 수요자원거래시장 연동을 위한 전기차 충전 요금 자동 제어 시스템 및 그 방법

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

Application publication date: 20201002

RJ01 Rejection of invention patent application after publication