CN111858040A - 一种资源调度方法和装置 - Google Patents

Abstract

本发明公开了资源调度方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间；监控当前集群接入服务数量，调用资源弹性组件，进而根据集群负载正常区间调整集群中虚拟机的数量。从而，本发明的实施方式能够解决现有云计算系统资源规划效用低，资源浪费的问题。

Description

一种资源调度方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种资源调度方法和装置。

背景技术

云计算在世界范围内越来越普遍和广泛，而云弹性是其服务的关键功能，吸引了云消费者和想要高效，经济地使用云环境的用户，例如，通过自动扩展，可以根据云消费者的波动需求来调整已调配的资源，从而避免了资源未充分利用和过度利用，以维持大量托管服务。然而，由于云资源复杂，资金限制，对各种应用资源的需求以及工作负载情况的灵活等多种因素，在云服务中实现自动扩展时可能会遇到一些问题和挑战。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

为了满足任何用户在任意时间不确定的负载，目前云计算系统资源规划的方式，效用比较低，造成资源大量浪费和资源损耗，已经很难满足当前用户需求。

发明内容

有鉴于此，本发明实施例提供一种资源调度方法和装置，能够解决现有云计算系统资源规划效用低，资源浪费的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种资源调度方法，包括获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间；监控当前集群接入服务数量，调用资源弹性组件，进而根据集群负载正常区间调整集群中虚拟机的数量。

可选地，根据集群负载正常区间调整集群中虚拟机的数量，包括：

根据集群负载正常区间，获取负载上限；

如果当前集群接入服务数量大于负载上限，则从资源池中获取虚拟机信息，进而启动虚拟机加入至集群中。

可选地，根据集群负载正常区间调整集群中虚拟机的数量，包括：

根据集群负载正常区间，获取负载下限；

如果当前集群接入服务数量小于负载下限，则关闭集群中的一台或多台虚拟机。

可选地，如果当前集群接入服务数量小于负载下限之后，包括：

判断当前集群接入服务数量是否小于预设最低负载，若是则关闭集群中的多台虚拟机，若否则关闭集群中的一台虚拟机。

可选地，关闭集群中的虚拟机，包括：

定位集群中接入服务数量最少的虚拟机；

等待所述虚拟机执行完成接入服务，进而回收所述虚拟机。

可选地，获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间，包括：

获取预设时间段的历史集群接入服务数量以及所述时间段的同比历史集群接入服务数量，进而调用资源预测组件预测集群负载正常区间。

可选地，调用资源预测组件以预测集群负载正常区间，包括：

调用资源预测组件，通过泊松分布模型预测集群负载正常区间。

另外，本发明还提供了一种资源调度装置，包括获取模块，用于获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间；处理模块，用于监控当前集群接入服务数量，调用资源弹性组件，进而根据集群负载正常区间调整集群中虚拟机的数量。

上述发明中的一个实施例具有如下优点或有益效果：本发明通过监控当前集群接入服务数量，调用资源弹性组件，进而根据集群负载正常区间调整集群中虚拟机的数量，能够对集群弹性资源的调度，实现对集群的缩容和扩容；通过调用资源预测组件以预测集群负载正常区间，能够实时动态的调整集群负载正常区间；并且获取预设时间段的历史集群接入服务数量以及所述时间段的同比历史集群接入服务数量，以及泊松分布模型预测集群负载正常区间，可以更为精准的得到预测区间。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明第一实施例的资源调度方法的主要流程的示意图；

图2是根据本发明第二实施例的资源调度方法的主要流程的示意图；

图3是根据本发明实施例的资源调度的示意图；

图4是根据本发明实施例的资源调度装置的主要模块的示意图；

图5是本发明实施例可以应用于其中的示例性系统架构图；

图6是适于用来实现本发明实施例的终端设备或虚拟机的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明第一实施例的资源调度方法的主要流程的示意图，如图1所示，所述资源调度方法包括：

步骤S101，获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间。

在一些实施例中，获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间的时候，可以获取预设时间段的历史集群接入服务数量以及所述时间段的同比历史集群接入服务数量，进而调用资源预测组件预测集群负载正常区间。

还有，作为实施例，本发明可以调用资源预测组件通过泊松分布模型预测集群负载正常区间。当然，也可以采用其他模型进行集群负载正常区间的预测，例如ARMA(自回归滑动平均模型)、svm(支持向量机)等模型。

其中，泊松分布模型是在给定时间区间之中事件发生的数目，则随机变数呈现泊松分布：

k＝0,1,...

其中λ是一个正数，是固定的参数，通常称为抵达率(arrival rate)或强度(intensity)。N(t)为0-t时刻事件发生的数量，可以理解为t时刻互联网服务的接入数量。N(t+r)-N(t)为[t,t+r]时间段内的互联网的服务接入数量的增量。因泊松分布由二项分布推导而来，在二项分布中在n次独立重复的伯努利试验中，设每次试验中事件A发生的概率为p。用X表示n重伯努利试验中事件A发生的次数，则X的可能取值为0，1，…，n,且对每一个k(0≤k≤n),事件{X＝k}即为“n次试验中事件A恰好发生k次”

步骤S102，监控当前集群接入服务数量，调用资源弹性组件，进而根据集群负载正常区间调整集群中虚拟机的数量。

在一些实施例中，根据集群负载正常区间调整集群中虚拟机的数量，可以根据集群负载正常区间，获取负载上限；如果当前集群接入服务数量大于负载上限，则从资源池中获取虚拟机信息，进而启动虚拟机加入至集群中。

在另一些实施例中，根据集群负载正常区间调整集群中虚拟机的数量，可以根据集群负载正常区间，获取负载下限；如果当前集群接入服务数量小于负载下限，则关闭集群中的一台或多台虚拟机。

进一步地实施例，如果当前集群接入服务数量小于负载下限之后，可以判断当前集群接入服务数量是否小于预设最低负载，若是则关闭集群中的多台虚拟机，若否则关闭集群中的一台虚拟机。

值得说明的是，关闭集群中的虚拟机，具体的可以定位集群中接入服务数量最少的虚拟机，然后等待所述虚拟机执行完成接入服务，进而回收所述虚拟机。

图2是根据本发明第二实施例的资源调度方法的主要流程的示意图，所述资源调度方法可以包括：

可以启动虚拟机加入至集群中，然后集群可以接收来自客户端的网络请求。本发明获取监控数据，即集群接入服务数量，然后调用资源预测组件以预测集群负载正常区间，从而计算得到上限和下限。其中，可以获取预设时间段的历史集群接入服务数量以及所述时间段的同比历史集群接入服务数量，进而调用资源预测组件预测集群负载正常区间。优选地实施例，通过泊松分布模型预测集群负载正常区间。

并且，本发明监控当前集群接入服务数量，调用资源弹性组件，判断当前集群接入服务数量是否大于负载上限，若是则从资源池中获取虚拟机信息，进而启动虚拟机加入至集群中；若否则判断当前集群接入服务数量是否小于负载下限，如果是则获取最低负载虚拟机(即接入服务数量最少的虚拟机)，等待虚拟机负载降低直至为0，回收该虚拟机至资源池。如果否则可以继续获取监控数据。

需要说明的是，将位于同一地域的多台云虚拟机资源虚拟成一个高性能、高可用的应用服务池，即资源池。

如图3所示，管理CVM实例，保证业务平稳顺利运行，在需求高峰时，自动增加CVM(即云虚拟机)实例数量，以保证性能不受影响。当需求较少时，则会减少CVM实例数量以降低成本。例如：电商行业大促活动，银行交易可能随之瞬间陡增且只持续短暂的数小时，客户端的请求通过负载均衡到达虚拟机，当访问量快速变化时，弹性伸缩服务可根据请求量弹性扩容或缩容虚拟机的数量，按需创建和释放CVM。

图4是根据本发明实施例的资源调度装置的主要模块的示意图，如图4所示，所述资源调度装置400包括获取模块401和处理模块402。其中，获取模块401获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间；处理模块402监控当前集群接入服务数量，调用资源弹性组件，进而根据集群负载正常区间调整集群中虚拟机的数量。

在一些实施例中，处理模块402根据集群负载正常区间调整集群中虚拟机的数量，包括：

根据集群负载正常区间，获取负载上限；

如果当前集群接入服务数量大于负载上限，则从资源池中获取虚拟机信息，进而启动虚拟机加入至集群中。

在一些实施例中，处理模块402根据集群负载正常区间调整集群中虚拟机的数量，包括：

根据集群负载正常区间，获取负载下限；

如果当前集群接入服务数量小于负载下限，则关闭集群中的一台或多台虚拟机。

在一些实施例中，处理模块402如果当前集群接入服务数量小于负载下限之后，包括：

判断当前集群接入服务数量是否小于预设最低负载，若是则关闭集群中的多台虚拟机，若否则关闭集群中的一台虚拟机。

在一些实施例中，处理模块402关闭集群中的虚拟机，包括：

定位集群中接入服务数量最少的虚拟机；

等待所述虚拟机执行完成接入服务，进而回收所述虚拟机

在一些实施例中，获取模块401获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间，包括：

获取预设时间段的历史集群接入服务数量以及所述时间段的同比历史集群接入服务数量，进而调用资源预测组件预测集群负载正常区间。

在一些实施例中，获取模块401调用资源预测组件以预测集群负载正常区间，包括：

调用资源预测组件，通过泊松分布模型预测集群负载正常区间。

需要说明的是，在本发明所述资源调度方法和所述资源调度装置在具体实施内容上具有相应关系，故重复内容不再说明。

图5示出了可以应用本发明实施例的资源调度方法或资源调度装置的示例性系统架构500。

如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备501、502、503可以是具有资源调度屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

虚拟机505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理虚拟机可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的资源调度方法一般由虚拟机505执行，相应地，计算装置一般设置于服务器505中。

应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有计算机系统600操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶资源调度器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块和处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间；监控当前集群接入服务数量，调用资源弹性组件，进而根据集群负载正常区间调整集群中虚拟机的数量。

根据本发明实施例的技术方案，能够解决现有云计算系统资源规划效用低，资源浪费的问题。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种资源调度方法，其特征在于，包括：

获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间；

监控当前集群接入服务数量，调用资源弹性组件，进而根据集群负载正常区间调整集群中虚拟机的数量。

2.根据权利要求1所述的方法，其特征在于，根据集群负载正常区间调整集群中虚拟机的数量，包括：

根据集群负载正常区间，获取负载上限；

如果当前集群接入服务数量大于负载上限，则从资源池中获取虚拟机信息，进而启动虚拟机加入至集群中。

3.根据权利要求1所述的方法，其特征在于，根据集群负载正常区间调整集群中虚拟机的数量，包括：

根据集群负载正常区间，获取负载下限；

如果当前集群接入服务数量小于负载下限，则关闭集群中的一台或多台虚拟机。

4.根据权利要求3所述的方法，其特征在于，如果当前集群接入服务数量小于负载下限之后，包括：

判断当前集群接入服务数量是否小于预设最低负载，若是则关闭集群中的多台虚拟机，若否则关闭集群中的一台虚拟机。

5.根据权利要求3所述的方法，其特征在于，关闭集群中的虚拟机，包括：

定位集群中接入服务数量最少的虚拟机；

等待所述虚拟机执行完成接入服务，进而回收所述虚拟机。

6.根据权利要求1所述的方法，其特征在于，获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间，包括：

获取预设时间段的历史集群接入服务数量以及所述时间段的同比历史集群接入服务数量，进而调用资源预测组件预测集群负载正常区间。

7.根据权利要求1-6任一所述的方法，其特征在于，调用资源预测组件以预测集群负载正常区间，包括：

调用资源预测组件，通过泊松分布模型预测集群负载正常区间。

8.一种资源调度装置，其特征在于，包括：

获取模块，用于获取历史集群接入服务数量，调用资源预测组件以预测集群负载正常区间；

处理模块，用于监控当前集群接入服务数量，调用资源弹性组件，进而根据集群负载正常区间调整集群中虚拟机的数量。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images