CN112241319A - 均衡负载的方法、电子设备和计算机程序产品 - Google Patents
均衡负载的方法、电子设备和计算机程序产品 Download PDFInfo
- Publication number
- CN112241319A CN112241319A CN201910655507.3A CN201910655507A CN112241319A CN 112241319 A CN112241319 A CN 112241319A CN 201910655507 A CN201910655507 A CN 201910655507A CN 112241319 A CN112241319 A CN 112241319A
- Authority
- CN
- China
- Prior art keywords
- backup
- servers
- data
- server
- quota
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004590 computer program Methods 0.000 title claims abstract description 20
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 13
- 238000013179 statistical model Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1017—Server selection for load balancing based on a round robin mechanism
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1458—Management of the backup or restore process
- G06F11/1464—Management of the backup or restore process for networked environments
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1012—Server selection for load balancing based on compliance of requirements or conditions with available server resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1031—Controlling of the operation of servers by a load balancer, e.g. adding or removing servers that serve requests
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例提供了一种均衡负载的方法、设备和计算机程序产品。该方法包括:确定与云服务平台相关联的用于数据备份的多个服务器在轮询周期内的备份配额比例;基于备份配额比例从多个服务器中选择一个服务器;以及响应于接收到用于备份云服务平台上的应用的数据的请求,将来自应用的数据备份到所选择的服务器。通过这种方式,能够实现与云服务平台相关联的多个备份服务器的负载平衡。
Description
技术领域
本公开的实施例一般地涉及负载管理系统,并且更特别地,涉及一种均衡负载的方法、电子设备和计算机程序产品。
背景技术
目前,针对云基础架构工具(例如VMware vCloud Director)存在多种能够在云环境下备份数据的数据保护产品(例如Avamar vCP),以保护云服务平台上的应用中的数据。在当前的数据保护方案中,将云服务平台上的组织(Organization)上的每一个数据中心绑定到对其对应的一个后端服务器以通过备份实现数据保护。然而,由于每一个数据中心包括多个应用,而每一个应用上又包括多个虚拟机,因此数据中心生成的数据量可能非常大,导致用于备份的服务器有的负载很重,也有可能比较少,服务器的负载较轻,这就会出现多个用于备份的服务器负载不均衡的现象。
发明内容
本公开的实施例设计一种均衡负载的方案。
在本公开的第一方面,提供一种均衡负载的方法。该方法包括确定与云服务平台相关联的用于数据备份的多个服务器在一个轮询周期内的备份配额比例;基于备份配额比例从多个服务器中选择一个服务器;以及响应于接收到用于备份云服务平台上的应用的数据的请求,将来自应用的数据备份到所选择的服务器。
在本公开的第二方面,提供一种电子设备。该电子设备包括:至少一个处理器;以及与至少一个处理器耦合的存储器,存储器包含有存储于其中的指令,指令在被至少一个处理单元执行时,使得设备执行动作,动作包括:确定与云服务平台相关联的用于数据备份的多个服务器在一个轮询周期内的备份配额比例;基于备份配额比例从多个服务器中选择一个服务器;以及响应于接收到用于备份云服务平台上的应用的数据的请求,将来自应用的数据备份到所选择的服务器。
在本公开的第三方面,提供一种计算机程序产品。该计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令,机器可执行指令在被执行时使设备:确定与云服务平台相关联的用于数据备份的多个服务器在一个轮询周期内的备份配额比例;基于备份配额比例从多个服务器中选择一个服务器;以及响应于接收到用于备份云服务平台上的应用的数据的请求,将来自应用的数据备份到所选择的服务器。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其他特征通过以下的描述将变得容易理解。
附图说明
通过参考附图阅读下文的详细描述,本公开的实施例的上述以及其他目的、特征和优点将变得容易理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施例,其中:
图1示出了为数据中心选择服务器的示例系统的示意图。
图2示出了为应用选择服务器的示例系统的示意图。
图3示出了根据本公开的实施例的均衡负载的方法的流程图。
图4示出了根据本公开的实施例的确定备份配额的方法的流程图。
图5示出了可以被用来实施本公开的实施例的电子设备的示意性框图。
贯穿所有附图,相同或者相似的参考标号被用来表示相同或者相似的组件。
具体实施方式
在下文中,将参考附图详细描述本公开的各个示例性实施例。应当注意,这些附图和描述涉及的仅仅是作为示例性的实施例。应该指出的是,根据随后描述,很容易设想出此处公开的结构和方法的替换实施例,并且可以在不脱离本公开要求保护的原理的情况下使用这些替代实施例。
应当理解,给出这些示例性实施例仅仅是为了使本领域技术人员能够更好地理解进而实现本公开,而并非以任何方式限制本公开的范围。
云服务平台上产生的数据被备份至后端的多个服务器中,以实现对该平台上的数据的保护。图1示出了为数据中心选择服务器的示例系统100的示意图。系统100包括云服务平台110、云服务平台110上的多个数据中心140-1...140-L、数据中心上的多个应用组120-1...120-L、以及后端用于备份的多个服务器130-1...130-L。
如图1所示,为了将云服务平台110上产生的数据备份至后端用于备份的多个服务器130-1...130-L,通常由备份管理员将多个数据中心140-1...140-L分别关联至多个服务器130-1...130-L,其中一个数据中心对应一个服务器。然而服务器的存储空间有限,随着数据中心产生的数据不断增加,服务器可能将无法存储来自数据中心的所有数据。此外,服务器130-1...130-L的负载完全取决于与其关联的数据中心的数据量。例如,数据中心120-1产生的数据较多,则备份服务器130-1的负载较重;数据中心120-L产生的数据较少,则备份服务器130-L的负载较轻。这就导致多个服务器130-1...130-L的负载分配不均衡,-数据中心与后端服务器之间的关联过程由备份管理员手动完成,这也造成了人力资源的浪费。
根据本公开的实施例,本公开提出了一种均衡负载的方案,在该方案中,基于确定的后端多个服务器的备份配额比例,为每一个应用,而不是数据中心,选择关联的服务器,通过轮询实现后端多个服务器的负载均衡。
图2示出了为应用选择服务器的示例系统200的示意图。系统200包括:云服务平台210、云服务平台210上的应用220(220-1...220-N)、后端用于备份数据的服务器230(230-1...230-L)、以及计算设备240。应当理解,仅出于方便描述的目的而非限制,计算设备240在图2中被示出为独立的框。在一些实施例中,计算设备240也可以被集成到云服务平台210或者服务器230中。
如图2所示,计算设备240基于备份配额比例分别为云服务平台210上的应用220-1...220-N中的每一个从服务器230-1...230-L中选择关联的一个服务器。例如,在服务器230-1的负载较轻而服务器230-L的负载较重的情形中,计算设备240可以确定一个轮询周期内的备份配额比例,并基于该比例而为服务器230-1分配较多应用,而为服务器230-L分配较少的应用。作为示例,计算设备240可以依据备份配额比例而为应用220-1选择服务器230-1作为备份服务器,为应用220-2选择服务器230-1,为应用220-N选择服务器230-L,如图2所示。这样应用220上产生的数据就可以备份至服务器230,以在实现对该平台上的数据的保护的同时实现后端多个服务器的负载均衡。避免出现服务器不足以存储数据中心中的全部数据的情况,同时潜在地提高后端服务器并行处理任务的能力。以上过程由计算设备240自动完成,有效地节约了人力资源。
应当理解,图1和2仅示意性地示出了系统100和200中的与本公开的实施例相关的设备或组件。本公开的实施例不限于图1和2所描绘的具体设备或组件,而是一般性地适用于任何基于云服务平台的数据备份系统。
图3根据本公开的实施例的均衡负载的方法300的流程图。图3中示出的方法能够适用于在图2中描述的场景。为方便描述,在图3中针对相同或相似的部件使用与图2一致的附图标记。
在框310,计算设备240确定与云服务平台210相关联的用于数据备份的多个服务器230在一个轮询周期内的备份配额比例。
在一些实施例中,云服务平台210包括应用220(220-1...220-N),为了将云服务平台210上的应用220中生成的数据备份到服务器230中,需要为应用220从多个服务器中选择一个合适的服务器。在后端的多个用于备份的服务器中,每个服务器在性能、容量、负载等方面的表现都不相同。为了实现服务器230能够很好地备份应用220中的数据,需要基于服务器的综合表现确定合适的服务器。
在一些实施例中,云服务平台210上有多个应用220-1...220-N需要备份数据,也就是说需要为多个应用220-1...220-N中的每一个选择对应的一个服务器。计算设备240可以基于多个服务器230-1...230-L的综合表现确定一个适合的服务器。例如,可以为应用220选择具有最大剩余空间的服务器。然而,由于一个服务器的存储容量有限,因此将多个应用全部备份到该服务器230-1中是不现实的。随着将应用220的数据备份到该服务器中,其综合表现也会随之变化,其他服务器中的某一个将成为更适合备份数据的服务器。在另一些实施例中,每为一个应用220选择一个合适的服务器230后,重新基于服务器230的综合表现确定适合的服务器。这样虽然能够通过及时更新的方式获取用于备份数据的适合的服务器,但是每次的更新过程会耗费大量的计算资源,对计算设备和部件造成不必要的损耗。
因此,基于上述情况,在为应用选择适当的服务器时需要一种轮询机制,该轮询机制能够基于一个轮询周期内的备份配额比例,轮流将多个服务器分配给需要备份数据的应用。多个服务器230-1...230-L的综合表现不同,为每个服务器分配应用的次数也不同。备份配额比例表示在一个轮询周期内多个服务器230-1...230-L被分配应用的次数的比例关系。例如。在一个轮询周期内,基于备份配额比例,计算设备240每为服务器230-1执行两次分配,就要为服务器230-L执行一次分配。这样,每当有云服务平台210的应用需要关联服务器时,计算设备240基于备份配额比例为应用选择一个适合的服务器。所选择的服务器可以是综合表现较佳的服务器,也可以是次佳的,还可以是最差的。这样综合表现较佳的服务器可以为其多分配应用,而综合表现不好的服务器则为其少分配应用。基于配额比例的分配能够在备份数据的同时实现多个服务器的负载均衡,避免出现有的服务器负载过重而有的服务器负载很轻的情况。
在一些实施例中,轮询周期可以基于不同的因素来确定,例如,基于预定的时间段,每三天或每七天作为一个轮询周期,结束轮询后更新备份配额比例。又或者例如,基于多个服务器中的至少一些服务器执行数据备份操作的次数,例如2000次,以执行2000次数据备份操作所花的时间作为轮询周期。通过基于经验地确定轮询周期,不仅能够实现在轮询周期内的多个服务器的负载均衡;还能够避免过多的更新备份配额比例而导致计算资源不必要的浪费和系统部件不必要的损耗。
在一些实施例中,轮询周期的确定还可以基于多个服务器中的至少一些服务器的剩余空间。当检测到服务器的剩余空间低于阈值时,代表该服务器没有足量的剩余空间以继续备份数据,此时确定当前已轮询的时长作为轮询周期,并结束该周期的轮询,重新确定可用的服务器以及重新计算多个服务器的备份配额比例。又或者还可以基于多个服务器中的至少一些服务器的存储空间占用的增长率。例如检测到服务器的存储空间占用层长率高于阈值,也就是说该服务器在短时间内进行了大量数据的备份,其在剩余空间、空间占用率、负载方面都发生了显著变化,这时可以确定以轮询的时长作为轮询周期并结束该周期的轮询。基于以上方式确定轮询周期,能够避免因服务器剩余空间不足而导致的数据备份失败或者因服务器数据增长过快而导致的配额比例更新不及时的情况。
应当注意的是,以上确定轮询周期的方式仅为示例,不用于限定本公开的范围。
在框320,计算设备240基于备份配额比例从多个服务器230-1...230-L中选择一个服务器。
在一些实施例中,在获得备份配额比例后,为应用选择服务器时,在基于备份配额比例的基础上,可以按照一定的策略在各个服务器之间轮询,例如,配额比例高的优先分配。在另一些实施例中,也可以不按照一定的策略轮询,只要满足配额比例即可,例如,通过计算设备240的计数功能确保为应用选择服务器时,各个服务器之间的比例关系遵循备份配额比例。也就是说计算设备240仅需要基于备份配额比例来为应用选择服务器,而不受选择服务器的相关策略的限制。
在一些实施例中,还可以为每一个后端服务器建立一个对应的逻辑单元用以实现各种逻辑功能,逻辑单元与服务器之间具有一一对应关系。在为应用和服务器建立关联关系时,可以将应用先关联到逻辑单元。然后基于逻辑单元和服务器之间的关联关系,建立应用于服务器之间的关系。将应用直接关联到逻辑单元而非存储实体上,有助于进行扩展以及执行各种逻辑功能。
在一些实施例中,基于备份配额比例为应用220选择服务器230后,计算设备240还可以存储应用220与服务器230之间的关联关系,例如,将关联关系存储于映射表中。例如,当应用220-1需要备份数据时,计算设备240可以直接查找其中存储的映射表,确定与应用220-1关联的服务器230-1,随后将数据备份至该服务器上。
可见,计算设备240在为应用220选择关联的服务器230的过程中,仅需要遵循确定的备份配额比例,而不需要受选择服务器的先后顺序的限制。
在框330,响应于接收到用于备份云服务平台210上的应用220的数据的请求,计算设备240将来自应用220的数据备份到所选择的服务器230。
在一些实施例中,当云服务平台210上的应用220生成数据后并且需要对数据进行备份时,发送备份数据的请求至计算设备240,计算设备240响应于该请求,将需要备份的数据备份至相对应的数据库。在一些实施例中,在接收到备份数据的请求时,计算设备240基于存储关联关系的映射表查找与发出请求的应用220关联的服务器230,随后进行数据备份。
在一些实施例中,在轮询周期后,可以更新多个服务器的备份配额比例以用于后续的应用数据的备份。随着不断有应用将其中的数据备份至所对应的服务器,服务器的客户数量、空间、负载等属性的元数据时刻都在发生变化,意味着服务器的轮询配额比例也在发生变化。在轮询周期后,重新获取服务器的元数据以更新多个服务器的备份配额比例,用于为后续的多个服务器分配应用。及时地更新服务器配额比例,有助于实现服务器的负载平衡。
综上,方法300通过确定服务器230的备份配额比例,并且基于该备份配额比例为应用220选择合适的服务器230;能够在实现数据备份的同时,实现多个服务器230的负载均衡,以解决有些服务器负载过重而有些服务器负载较少的问题。同时以上过程由计算设备完成,而非由备份管理员完成,还能潜在地避免了资源的浪费。
图4示出了根据本公开的实施例的确定备份配额的方法400的流程图。以下结合图4进一步详细阐述确定备份配额比例的过程。应当注意的是,以下示例中的具体数值仅是示意性的,不以任何方式限定本公开的保护范围。
在框410,计算设备240获取多个服务器230的元数据,元数据描述多个服务器230的属性。
在一些实施例中,服务器的属性包括但不限于可用客户数量、剩余空间、机架性能、负载指标、备份窗口时长、存储空间占用增长率。以上属性通常能够表征用于备份数据的服务器的综合表现。
在一些实施例中,通常客户端具有一个客户数量的建议值。利用该建议值减去已注册客户数量可以得到可用客户数量,可用数量越多,表示服务器在分配上具有更高优先级。
在一些实施例中,具有更多剩余空间的服务器具有更高优先级,当服务器的剩余空间小于阈值,不再为该服务器分配任何应用。
在一些实施例中,将服务器的机架总量作为衡量服务器机架性能的标准,机架总量越大,服务器的机架性能就越好,其具有越高的分配优先级。
在一些实施例中,负载指标表示服务器的负载情况,例如可以由过去一段时间内服务器已执行任务的总数来描述服务器的负载情况;若有新启用的服务器运行时间不足一周则取中位数或平均值或指定值来计算;负载越少表示服务器的优先级越高。
在一些实施例中,服务器每天会在固定时间执行维护任务,检查系统以确保数据的一致性,在此期间通常不会执行备份任务,因此具有更长备份窗口时长的服务器具有更高分配优先级。
在一些实施例中,存储占用增长率表示一段时间内服务器被占用的存储空间增长的速度,通常存储占用增长率较大意味着短时间内服务器的大量存储空间被使用;存储占用增长率较小,服务器具有较高分配优先级。
在一些实施例中,例如,可以选取以下四个属性:可用客户数量、剩余空间、机架性能、负载指标衡量用于备份的多个服务器的综合表现。分别获取多个服务器的用于描述上述四个属性的相关元数据,如表1所示。
服务器 | 可用客户数量 | 剩余空间 | 机架性能 | 负载指标 |
A | 3800 | 900GB | 1.8T | 3500 |
B | 5000 | 2800GB | 3.9T | 5200 |
C | 2500 | 2550GB | 7.8T | 6000 |
D | 4700 | 2100GB | 7.8T | 4900 |
表1
以服务器A作为示例,服务器A可用客户数量为3800个,剩余空间900GB,机架性能由机架总量为1.8T来表示,负载指标由过去一段时间内执行任务3500个来表示。以上表1中的元数据用于描述服务器A、B、C、D的综合表现。
在框420,以元数据为输入,基于统计模型来确定所述备份配额比例,统计模型被训练以描述元数据的不同值与不同的备份配额比例之间的关联关系。
在一些实施例中,统计模型可以选取任何能够描述元数据的不同值与不同的备份配额比例之间的关联关系的模型。本实施例中,选取基于层次分析法建立的统计模型作为示例。层次分析法的核心概念为总是将多个因素成对地进行两两比较,其能够实现分层次的对决策的定性和定量分析,尤其适用于本实施例中获取不同服务器相互之间的配额比例。本示例中,基于层级分析法的统计模型定义如下。
首先,确定选取的四个属性两两之间的相互重要度关系,其中,数字1表示同等重要,数字3表示其中一个相比于另外一个略微重要,数字5表示其中一个相比于另外一个比较重要,数字7表示其中一个相比于另外一个非常重要,数字9表示其中一个相比于另外一个极其重要。本示例中四个属性两两之间的相互重要度关系如表2所示。
表2
以可用客户数量与剩余空间之间的比较结果为例,可用客户的重要度为1,剩余空间的重要度为9,因此,表中第一行第二列数值为1/9,而第二行第一列数值为9。以机架性能与负载指标为例,机架性能的重要度为1,负载指标的重要度为3,因此表中第三行第四列数值为1/3,而第四行第三列的数值为3。由此可以获得本实例中基于层次分析法的统计模型的标准矩阵Ac:
其次,计算最大特征值λmax,可以采用任何常用的计算最大特征值的方法,本实施例中,采用求和法计算,公式如下:
其中n表示特征规模,W表示特征向量。在一些实施例中,特征向量W可以如下计算:将Ac的元素按列归一化;将Ac的元素按行相加;将相加后的行向量归一化最终得到W。进一步地能够计算出最大特征值λmax。在结合表2描述的这一示例中,λmax=4.17。
根据最大特征值和维度系数指数RI,可以得到该统计模型的标准权重Wmax,其中维度系数指数RI是层次分析法中给定的数值,如表3所示。
矩阵维度 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
表3
本实施例中矩阵维度为4,对应的RI值为0.9;则基于最大特征值λmax和RI值可以得到标准权重Wmax:
也即,在本实施例中基于层次分析法的计算模型中,四个属性的标准权重值分别为:注册客户数量:0.04、剩余空间:0.56、机架性能:0.13以及负载指标:0.27。
附加地或选择地,还可以通过计算一次性比率校验该统计模型的可靠性。具体地,首先如下计算一次性指数CI:
根据CI和层次分析法的维度系数指数RI之比确定一次性比率:
CR的值小于0.1表示该模型可靠,否则表示该模型不具有可靠性。本实施例中,CR=0.0647,该计算模型具备可靠性。
以上过程完成了基于层次分析法的统计模型的训练,得到了该模型的四个属性的权重分配结果。
将表1中的元数据作为该统计模型的输入以用于计算备份配额比例。
重要度 | 层次设置 |
1 | 相对可用客户数量小于100 |
3 | 相对可用客户数量大于等于100小于1000 |
5 | 相对可用客户数量大于等于1000小于2000 |
7 | 相对可用客户数量大于等于2000小于等于3000 |
9 | 相对可用客户数量大于3000 |
表4a
属性可用客户数量关于重要度的层次设置见表4a。针对可用客户数量这一属性,首先基于服务器客户数量的建议值和已注册的客户数量确定服务器的可用客户数量;随后确定服务器在四个属性的每一个上的两两之间的重要度层次关系,如服务器A的可用客户数量比服务器B多1200,则A相对比B的在可用客户数量这一属性上的重要度值为1/5,B相对于A的重要度值为5,具体如表4b所示。
可用客户数量 | A | B | C | D | W<sub>1</sub> |
A | 1 | 1/5 | 5 | 1/3 | 0.14 |
B | 5 | 1 | 7 | 3 | 0.54 |
C | 1/5 | 1/7 | 1 | 1/7 | 0.05 |
D | 3 | 1/3 | 7 | 1 | 0.27 |
表4b
其中W1为计算得到的四个服务器关于属性可用客户数量的权重分配。
类似地,计算四个服务器关于其他三个属性的权重分配。
表5a为四个服务器关于剩余空间的层次设置,表5b为关于剩余空间的重要度表,W2为相应的权重分配。
重要度 | 层次设置 |
1 | 相对剩余容量小于300GB |
3 | 相对剩余容量大于等于300GB小于800GB |
5 | 相对剩余容量大于等于800GB小于1800GB |
7 | 相对剩余容量大于等于1800GB小于等于3900GB |
9 | 相对剩余容量大于3900GB |
表5a
剩余空间 | A | B | C | D | W<sub>2</sub> |
A | 1 | 1/7 | 1/5 | 1/5 | 0.05 |
B | 7 | 1 | 1 | 3 | 0.40 |
C | 5 | 1 | 1 | 3 | 0.37 |
D | 5 | 1/3 | 3 | 1 | 0.17 |
表5b
表6a为四个服务器关于机架性能的层次设置,表6b为关于机架性能的重要度表,W3为相应的权重分配。
重要度 | 层次设置 |
1 | 相对总容量小于等于1T |
3 | 相对总容量大于1T小于等于2T |
5 | 相对总容量大于2T小于等于4T |
7 | 相对总容量大于4T |
9 |
表6a
表6b
表7a为四个服务器关于负载指标的层次设置,表7b为关于负载指标的重要度表,W4为相应的权重分配。
重要度 | 层次设置 |
1 | 已执行任务的相对数量小于1000 |
3 | 已执行任务的相对数量大于等于1000小于2000 |
5 | 已执行任务的相对数量大于等于2000小于4000 |
7 | 已执行任务的相对数量大于等于4000小于等于8000 |
9 | 已执行任务的相对数量大于8000 |
表7a
负载指标 | A | B | C | D | W<sub>4</sub> |
A | 1 | 3 | 5 | 3 | 0.52 |
B | 1/3 | 1 | 1 | 1 | 0.16 |
C | 1/5 | 1 | 1 | 1/3 | 0.11 |
D | 1/3 | 1 | 3 | 1 | 0.21 |
表7b
由此获得四个服务器分别在注册客户数量、剩余空间、机架性能、负载指标这四个属性上的权重值,得到权重矩阵Wtotal。
Wtotal=|W1 W2 W3 W4| (6)
进一步基于四个属性的权重值:注册客户数量:0.04、剩余空间:0.56、机架性能:0.13以及负载指标:0.27,得到最终的统计结果,计算过程如表6所示。
表6
基于统计模型的统计结果确定一个轮询周期的备份配额比例。继续以上述实施例为示例,计算得到的四个服务器的权重值为A:0.18、B:0.30、C:0.29以及D:0.21。可以对以上结果进行取整和化简,得到四个服务器的备份配额比例为:18:30:29:21。为应用确定服务器的过程中,需要遵循上述比例关系,即每为服务器A分配18个应用就要为服务器B分配30个应用,为服务器C分配29个应用以及为服务器D分配21个应用。上述基于服务器的权重值确定备份配额比例的方式仅为示例性,还可以采用其他常用的方式,例如将以上权重取整后四舍五入得到备份配额比例为2:3:3:2。
图5示出了可以用来实施本公开内容的实施例的示例设备500的示意性框图。如图所示,设备500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的计算机程序指令或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序指令,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如方法300和400可由处理单元501执行。例如,在一些实施例中,方法300和400可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序被加载到RAM 503并由CPU 501执行时,可以执行上文描述的方法300和400的一个或多个动作。
本公开可以是方法、设备、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动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。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (18)
1.一种用于均衡负载的方法,所述方法包括:
确定与云服务平台相关联的用于数据备份的多个服务器在一个轮询周期内的备份配额比例;
基于所述备份配额比例从所述多个服务器中选择一个服务器;以及
响应于接收到用于备份所述云服务平台上的应用的数据的请求,将来自所述应用的数据备份到所选择的服务器。
2.根据权利要求1所述的方法,还包括:
在所述轮询周期后更新所述多个服务器的备份配额比例以用于后续应用的数据的备份。
3.根据权利要求1所述的方法,其中确定所述多个服务器在一个轮询周期内的所述备份配额比例包括:
获取所述多个服务器的元数据,所述元数据描述所述多个服务器的属性;
以所述元数据为输入,基于统计模型来确定所述备份配额比例,所述统计模型被训练以描述所述元数据的不同值与不同的备份配额比例之间的关联关系。
4.根据权利要求3所述的方法,其中所述属性包括以下至少一个:注册客户数量、剩余空间、机架性能、负载指标、备份窗口时长、存储空间占用增长率。
5.根据权利要求1所述的方法,还包括:
存储所述应用与所选择的所述服务器之间的关联关系以用于所述备份。
6.根据权利要求1所述的方法,其中所述轮询周期基于以下因素中的一个来确定:
预定的时间段,
所述多个服务器中的至少一些服务器执行数据备份操作的次数,
所述多个服务器中的至少一些服务器的剩余空间,以及
所述多个服务器中的至少一些服务器的存储空间占用的增长率。
7.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器耦合的存储器,所述存储器包含有存储于其中的指令,所述指令在被所述至少一个处理单元执行时,使得所述设备执行动作,所述动作包括:
确定与云服务平台相关联的用于数据备份的多个服务器在一个轮询周期内的备份配额比例;
基于所述备份配额比例从所述多个服务器中选择一个服务器;以及
响应于接收到用于备份所述云服务平台上的应用的数据的请求,将来自所述应用的数据备份到所选择的服务器。
8.根据权利要求7所述的设备,所述动作还包括:
在所述轮询周期后更新所述多个服务器的备份配额比例以用于后续应用的数据的备份。
9.根据权利要求7所述的设备,其中确定所述多个服务器在一个轮询周期内的所述备份配额比例包括:
获取所述多个服务器的元数据,所述元数据描述所述多个服务器的属性;
以所述元数据为输入,基于统计模型来确定所述备份配额比例,所述统计模型被训练以描述所述元数据的不同值与不同的备份配额比例之间的关联关系。
10.根据权利要求9所述的设备,其中所述属性包括以下至少一个:注册客户数量、剩余空间、机架性能、负载指标、备份窗口时长、存储空间占用增长率。
11.根据权利要求7所述的设备,所述动作还包括:
存储所述应用与所选择的所述服务器之间的关联关系以用于所述备份。
12.根据权利要求7所述的设备,其中所述轮询周期基于以下因素中的一个来确定:
预定的时间段,
所述多个服务器中的至少一些服务器执行数据备份操作的次数,
所述多个服务器中的至少一些服务器的剩余空间,以及
所述多个服务器中的至少一些服务器的存储空间占用的增长率。
13.一种计算机程序产品,所述计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括机器可执行指令,所述机器可执行指令在被执行时使设备:
确定与云服务平台相关联的用于数据备份的多个服务器在一个轮询周期内的备份配额比例;
基于所述备份配额比例从所述多个服务器中选择一个服务器;以及
响应于接收到用于备份所述云服务平台上的应用的数据的请求,将来自所述应用的数据备份到所选择的服务器。
14.根据权利要求13所述的计算机程序产品,其中所述机器可执行指令在被执行时使所述设备:
在所述轮询周期后更新所述多个服务器的备份配额比例以用于后续应用的数据的备份。
15.根据权利要求13所述的计算机程序产品,其中所述机器可执行指令在被执行时使所述设备:
获取所述多个服务器的元数据,所述元数据描述所述多个服务器的属性;
以所述元数据为输入,基于统计模型来确定所述备份配额比例,所述统计模型被训练以描述所述元数据的不同值与不同的备份配额比例之间的关联关系。
16.根据权利要求15所述的计算机程序产品,其中所述属性包括以下至少一个:注册客户数量、剩余空间、机架性能、负载指标、备份窗口时长、存储空间占用增长率。
17.根据权利要求13所述的计算机程序产品,其中所述机器可执行指令在被执行时使所述设备:
存储所述应用与所选择的所述服务器之间的关联关系以用于所述备份。
18.根据权利要求13所述的计算机程序产品,其中所述轮询周期基于以下因素中的一个来确定:
预定的时间段,
所述多个服务器中的至少一些服务器执行数据备份操作的次数,
所述多个服务器中的至少一些服务器的剩余空间,以及
所述多个服务器中的至少一些服务器的存储空间占用的增长率。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910655507.3A CN112241319A (zh) | 2019-07-19 | 2019-07-19 | 均衡负载的方法、电子设备和计算机程序产品 |
US16/724,709 US11340953B2 (en) | 2019-07-19 | 2019-12-23 | Method, electronic device and computer program product for load balance |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910655507.3A CN112241319A (zh) | 2019-07-19 | 2019-07-19 | 均衡负载的方法、电子设备和计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112241319A true CN112241319A (zh) | 2021-01-19 |
Family
ID=74167844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910655507.3A Pending CN112241319A (zh) | 2019-07-19 | 2019-07-19 | 均衡负载的方法、电子设备和计算机程序产品 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11340953B2 (zh) |
CN (1) | CN112241319A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11314605B2 (en) * | 2020-08-03 | 2022-04-26 | EMC IP Holding Company LLC | Selecting optimal disk types for disaster recovery in the cloud |
TWI785644B (zh) * | 2021-06-11 | 2022-12-01 | 中國信託商業銀行股份有限公司 | 動態管理系統及管理主機 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142871A (zh) * | 2013-05-10 | 2014-11-12 | 中国电信股份有限公司 | 用于数据备份的方法、装置和分布式文件系统 |
US20160164787A1 (en) * | 2014-06-05 | 2016-06-09 | KEMP Technologies Inc. | Methods for intelligent data traffic steering |
US20170132089A1 (en) * | 2015-11-10 | 2017-05-11 | International Business Machines Corporation | Scheduling and executing a backup |
CN107145406A (zh) * | 2017-05-14 | 2017-09-08 | 四川盛世天成信息技术有限公司 | 一种基于集群技术的容灾备份方法及系统 |
CN108259603A (zh) * | 2018-01-17 | 2018-07-06 | 新华三技术有限公司 | 一种负载均衡方法及装置 |
US20180232162A1 (en) * | 2017-02-13 | 2018-08-16 | International Business Machines Corporation | Headless resilient backup and restore software ecosystem |
CN108733509A (zh) * | 2017-04-17 | 2018-11-02 | 伊姆西Ip控股有限责任公司 | 用于在集群系统中备份和恢复数据的方法和系统 |
CN108809848A (zh) * | 2018-05-28 | 2018-11-13 | 北京奇艺世纪科技有限公司 | 负载均衡方法、装置、电子设备及存储介质 |
CN109144783A (zh) * | 2018-08-22 | 2019-01-04 | 南京壹进制信息技术股份有限公司 | 一种分布式海量非结构化数据备份方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114281A1 (en) * | 2003-11-25 | 2005-05-26 | Riggs Jeffrey L. | Quantitative assessment tool |
US7535828B2 (en) * | 2005-03-18 | 2009-05-19 | Cisco Technology, Inc. | Algorithm for backup PE selection |
JP4920391B2 (ja) * | 2006-01-06 | 2012-04-18 | 株式会社日立製作所 | 計算機システムの管理方法、管理サーバ、計算機システム及びプログラム |
US8630983B2 (en) * | 2011-08-27 | 2014-01-14 | Accenture Global Services Limited | Backup of data across network of devices |
US9317378B2 (en) * | 2014-07-22 | 2016-04-19 | Cisco Technology, Inc. | Pre-computation of backup topologies in computer networks |
US10248513B2 (en) * | 2016-03-15 | 2019-04-02 | International Business Machines Corporation | Capacity management |
JP6943008B2 (ja) * | 2017-04-24 | 2021-09-29 | 富士通株式会社 | 制御プログラム、制御方法、及び情報処理装置 |
-
2019
- 2019-07-19 CN CN201910655507.3A patent/CN112241319A/zh active Pending
- 2019-12-23 US US16/724,709 patent/US11340953B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142871A (zh) * | 2013-05-10 | 2014-11-12 | 中国电信股份有限公司 | 用于数据备份的方法、装置和分布式文件系统 |
US20160164787A1 (en) * | 2014-06-05 | 2016-06-09 | KEMP Technologies Inc. | Methods for intelligent data traffic steering |
US20170132089A1 (en) * | 2015-11-10 | 2017-05-11 | International Business Machines Corporation | Scheduling and executing a backup |
US20180232162A1 (en) * | 2017-02-13 | 2018-08-16 | International Business Machines Corporation | Headless resilient backup and restore software ecosystem |
CN108733509A (zh) * | 2017-04-17 | 2018-11-02 | 伊姆西Ip控股有限责任公司 | 用于在集群系统中备份和恢复数据的方法和系统 |
CN107145406A (zh) * | 2017-05-14 | 2017-09-08 | 四川盛世天成信息技术有限公司 | 一种基于集群技术的容灾备份方法及系统 |
CN108259603A (zh) * | 2018-01-17 | 2018-07-06 | 新华三技术有限公司 | 一种负载均衡方法及装置 |
CN108809848A (zh) * | 2018-05-28 | 2018-11-13 | 北京奇艺世纪科技有限公司 | 负载均衡方法、装置、电子设备及存储介质 |
CN109144783A (zh) * | 2018-08-22 | 2019-01-04 | 南京壹进制信息技术股份有限公司 | 一种分布式海量非结构化数据备份方法及系统 |
Non-Patent Citations (2)
Title |
---|
罗秋明;: "一种算法无关的PVFS负载均衡机制", 计算机工程与应用, no. 19 * |
郎为民;姚晋芳;赵毅丰;: "大数据中心负载均衡技术研究", 电信快报, no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
US11340953B2 (en) | 2022-05-24 |
US20210019188A1 (en) | 2021-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7127010B2 (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 | |
CN109032801B (zh) | 一种请求调度方法、系统及电子设备和存储介质 | |
CN104937584B (zh) | 基于共享资源的质量向经优先级排序的虚拟机和应用程序提供优化的服务质量 | |
CN108776934B (zh) | 分布式数据计算方法、装置、计算机设备及可读存储介质 | |
US11573835B2 (en) | Estimating resource requests for workloads to offload to host systems in a computing environment | |
CN110753131A (zh) | 微服务分布式限流方法及装置、存储介质和电子设备 | |
US9106675B2 (en) | Intelligent network storage planning within a clustered computing environment | |
CN111694646A (zh) | 资源调度方法、装置、电子设备及计算机可读存储介质 | |
US11418583B2 (en) | Transaction process management by dynamic transaction aggregation | |
US8903871B2 (en) | Dynamic management of log persistence | |
CN112241319A (zh) | 均衡负载的方法、电子设备和计算机程序产品 | |
Li et al. | PageRankVM: A pagerank based algorithm with anti-collocation constraints for virtual machine placement in cloud datacenters | |
US20180059765A1 (en) | Power phase energy level monitoring and management in a data center | |
CN114564313A (zh) | 负载调整方法、装置、电子设备及存储介质 | |
CN114116173A (zh) | 动态调整任务分配的方法、装置和系统 | |
CN108228346A (zh) | 服务系统及其控制方法 | |
US10877814B2 (en) | Profiling workloads in host systems allocated to a cluster to determine adjustments to allocation of host systems to the cluster | |
CN108845860B (zh) | 一种quota管理方法、装置及电子设备 | |
CN109343958B (zh) | 计算资源分配方法、装置、电子设备、存储介质 | |
CN113765969A (zh) | 一种流量控制方法和装置 | |
CN111369162A (zh) | 任务分配方法和系统、客户关系管理系统、设备和介质 | |
CN113590274A (zh) | 任务分配方法及装置、任务处理系统 | |
US10067778B2 (en) | Management system, recording medium and method for managing virtual machines | |
CN110618855A (zh) | 一种任务分配方法、装置、电子设备及存储介质 | |
CN112884382B (zh) | 云平台的资源配额管理方法、装置、设备以及存储介质 |
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 |