CN112286696A - 一种PaaS平台资源利用评估方法 - Google Patents
一种PaaS平台资源利用评估方法 Download PDFInfo
- Publication number
- CN112286696A CN112286696A CN202011600426.2A CN202011600426A CN112286696A CN 112286696 A CN112286696 A CN 112286696A CN 202011600426 A CN202011600426 A CN 202011600426A CN 112286696 A CN112286696 A CN 112286696A
- Authority
- CN
- China
- Prior art keywords
- paas platform
- container
- service
- host
- paas
- 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
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 abstract description 3
- 238000013210 evaluation model Methods 0.000 abstract description 2
- 238000013468 resource allocation Methods 0.000 abstract description 2
- 101100187346 Aspergillus sp. (strain MF297-2) notP gene Proteins 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012360 testing method 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
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- 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
- 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
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种PaaS平台资源利用评估方法。该方法包括计算服务部署在容器中的PaaS平台资源利用能力,计算同样多的服务直接部署在宿主机上的非PaaS平台资源利用能力,将所述PaaS平台资源利用能力与非PaaS平台资源利用能力进行对比,以判断PaaS平台的资源利用能力是否提升。本发明从容器的资源配置开始,考虑容器化性能损耗,通过计算容器资源使用率、宿主机资源使用率和PaaS平台资源利用能力,逐步建立资源评估模型,为企业成本投入和后续发展规划提供依据。
Description
技术领域
本发明涉及平台资源利用评估技术领域,具体涉及一种PaaS平台资源利用评估方法。
背景技术
计算资源利用评估一直是企业衡量IT部门建设成果的一个重要方面。随着云计算、微服务技术的发展,容器及容器编排技术也逐渐成熟,尤其以Docker为容器运行时,以K8S为编排器的PaaS平台开始在各个行业的企业生产环境落地,计算资源使用率在感性上有提升。但具备弹性扩缩容能力的PaaS平台的建设,使用容器会比服务直接部署在宿主机上资源利用率方面有无提升、提升多少、如何衡量、如何通过合适的方法构建模型,为资源利用做评判,还没有合适的方法。
新一代PaaS平台使用Docker容器作为服务的承载体,Docker以进程形式存在宿主机上,为能够秒级启动业务系统打下基础,为业务系统服务快速弹性伸缩提供保障。但业务系统服务运行在docker容器中,docker容器运行在宿主机上,与服务直接运行在宿主机上相比,将服务运行在docker容器中的方式多了一个容器层,宿主机先启动容器,再启动服务,启动容器会带来性能的损耗;另外,服务运行在容器中,对服务资源利用的监控停留在宿主机层面是不合适的;再者,PaaS平台具有秒级调度服务的能力,宿主机上运行的容器被秒级创建或者删除,采用对宿主机资源利用的评估方式,不适合于PaaS平台。
如何衡量PaaS平台的资源利用能力,包括:单个容器的资源使用率,PaaS平台计算节点(容器所在的宿主机)的资源使用率,以及PaaS平台的资源使用率,更合理地建设PaaS平台,降本增效,成为各个企业要考虑解决的一个难点。
发明内容
本发明的目的是针对现有技术存在的不足,提供一种PaaS平台资源利用评估方法,此方法从容器层视角对资源使用进行评估,以单个容器的配额为单个服务实例的总资源,考虑容器化性能损耗,结合容器实时资源状态,构建评估模型,全面衡量PaaS平台的资源使用效率。此方法能够从资源利用角度衡量效能提升度,并可以作为衡量PaaS平台价值的重要参考依据。
为实现上述目的,本发明提供了一种PaaS平台资源利用评估方法,包括以下步骤:
步骤1:计算服务部署在容器中的PaaS平台资源利用能力,具体包括:
步骤101:获取PaaS平台计算节点上各个容器的某段时间内的平均资源使用情况;
步骤102:根据所述各个容器的某段时间内的资源使用情况计算PaaS平台所有计算节点的资源使用总和;
步骤103:对步骤102中的PaaS平台所有计算节点的资源使用总和进行加权求平均计算,以获得服务部署在容器中的PaaS平台资源利用能力;
步骤2:计算同样多的服务直接部署在宿主机上的非PaaS平台宿主机资源利用能力,具体包括:
步骤201:获取非PaaS平台直接部署服务的各个宿主机的某段时间内的平均资源使用情况;
步骤202:根据所述各个宿主机的某段时间内的平均资源使用情况计算非PaaS平台资源使用总和;
步骤203:对步骤202中的非PaaS平台资源使用总和进行求平均计算,以获得服务直接部署在宿主机上的非PaaS平台宿主机资源利用能力;
步骤3:将所述PaaS平台资源利用能力与非PaaS平台宿主机资源利用能力进行对比,以判断PaaS平台的资源利用能力是否提升。
进一步的,所述资源包括CPU和内存。
进一步的,所述步骤101具体包括:
所述服务部署在容器中的PaaS平台资源利用能力的计算方式如下:
其中,为服务部署在容器中的PaaS平台CPU使用总和的平均值,为服务部
署在容器中的PaaS平台内存使用总和的平均值,为PaaS平台的宿主机启动容器、容器启动
服务比在宿主机上直接启动服务多消耗资源的百分比,其中,的计算方式如下:
μ=(rc
paas
- rc
v
)/ rc
v
所述步骤201具体包括:
获取单个非PaaS平台的直接部署服务的第j个宿主机CPU配额,记作: vc j ;
获取单个非PaaS平台的直接部署服务的第j个宿主机内存配额,记作:vm j ;
获取非PaaS平台的直接部署服务的第j个宿主机的CPU的某段时间内的实际使用量,记作:vcreal j ;
获取非PaaS平台的直接部署服务的第j个宿主机的内存的某段时间内的实际使用量,记作:vmreal j ;
所述同样多的服务直接部署在宿主机上的资源利用能力的计算方式如下:
进一步的,所述各个容器的某段时间内的平均资源使用情况和各个宿主机的某段时间内的平均资源使用情况均从Prometheus监控系统监控系统获取。
有益效果:本发明从容器的资源配置开始,考虑容器化性能损耗,可以计算容器资源使用率、宿主机资源使用率和PaaS平台资源利用能力,逐步建立资源评估模型,为企业成本投入和后续发展规划提供依据。并具有以下特点:
1、不涉及已有平台任何架构调整;
2、将容器作为服务的承载体,评估粒度更细;
3、基于当前实际数据评估,简单可靠;
4、从技术角度进行分析,与非PaaS平台对比,形成IT建设参考依据。
附图说明
图1是本发明实施例的PaaS平台资源利用评估方法的示意图;
图2是本发明实施例的PaaS平台资源利用能力计算流程示意图;
图3本发明实施例的非PaaS平台资源利用能力计算流程示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,本实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1至3所示,本发明实施例提供了一种PaaS平台资源利用评估方法,包括以下步骤:
步骤1:计算服务部署在容器中的PaaS平台资源利用能力,具体包括:
步骤101:获取PaaS平台计算节点上各个容器的某段时间内的平均资源使用情况;
步骤102:根据所述各个容器的某段时间内的资源使用情况计算PaaS平台所有计算节点的资源使用总和;
步骤103:对步骤102中的PaaS平台所有计算节点的资源使用总和进行加权求平均计算,以获得服务部署在容器中的PaaS平台资源利用能力;
步骤2:计算同样多的服务直接部署在宿主机上的非PaaS平台宿主机资源利用能力,具体包括:
步骤201:获取非PaaS平台直接部署服务的各个宿主机的某段时间内的平均资源使用情况;
步骤202:根据所述各个宿主机的某段时间内的平均资源使用情况计算非PaaS平台资源使用总和;
步骤203:对步骤202中的非PaaS平台资源使用总和进行求平均计算,以获得服务直接部署在宿主机上的非PaaS平台宿主机资源利用能力;
步骤3:将所述PaaS平台资源利用能力与非PaaS平台宿主机资源利用能力进行对比,以判断PaaS平台的资源利用能力是否提升。
本发明实施例的资源包括CPU和内存。对应的,在上述步骤101中,所获取的包括容器的某段时间内的平均CPU使用情况和内存使用情况。同样,在上述步骤201中,所获取的包括宿主机的某段时间内的平均内存使用情况。需要说明的是,获取PaaS平台资源的使用情况和非PaaS平台资源的使用情况所取的时间段相同,均为采样时长t,针对于该采样时长t可预设一个时间阈值T ,当采样时长大于设定的时间阈值T时,获取的数据才视为有效。由于资源的使用情况是实时变化的,可设置获取资源实际使用量的频度,进而以离散点的方式获取资源的使用情况。在步骤102中计算PaaS平台资源使用总和时,需要分别计算PaaS平台容器的CPU使用总和以及PaaS平台容器的内存使用总和,并将PaaS平台容器的CPU使用总和与PaaS平台容器的内存使用总和的平均值最大者作为PaaS平台的资源使用总和。同样,在步骤202中,计算非PaaS平台资源使用总和时,需要分别计算非PaaS平台宿主机的CPU使用总和与非PaaS平台宿主机的内存使用总和,然后将非PaaS平台宿主机的CPU使用总和与非PaaS平台宿主机的内存使用总和的平均值最大者作为非PaaS平台资源使用总和。
具体来说上述步骤101具体包括:
服务部署在容器中的PaaS平台资源利用能力的计算方式如下:
其中,为服务部署在容器中的PaaS平台CPU使用总和的平均值,为服务部
署在容器中的PaaS平台内存使用总和的平均值,为PaaS平台的宿主机启动容器、容器启动
服务比在宿主机上直接启动服务多消耗资源的百分比,其中,的计算方式如下:
μ=(rc
paas
- rc
v
)/ rc
v
上述步骤201具体包括:
获取单个非PaaS平台的直接部署服务的第j个宿主机CPU配额,记作:vc j 。
获取单个非PaaS平台的直接部署服务的第j个宿主机内存配额,记作:vm j 。
获取非PaaS平台的直接部署服务的第j个宿主机的CPU的某段时间内的实际使用量,记作:vcreal j 。
获取非PaaS平台的直接部署服务的第j个宿主机的内存的某段时间内的实际使用量,记作:vmreal j 。
同样多的服务直接部署在宿主机上的资源利用能力的计算方式如下:
上述各个容器的某段时间内的平均资源使用情况和各个宿主机的某段时间内的平均资源使用情况均优选从Prometheus监控系统获取。具体的,上述dc ki 、dm ki 、creal ki 、mreal ki 、vc j 、vm j 、vcreal j 和vmreal j 均可从Prometheus监控系统获取,由于,dc ki 、dm ki 、、vc j 和vm j 均为定值,也可从配置服务系统中获取。
将PaaS平台资源利用能力与非PaaS平台宿主机资源利用能力进行对比,可以通过两者的比值进行对比,两者的比率P E 的计算方式如下:
如果P E > 1,表示PaaS平台资源使用能力要高于非PaaS平台同样多服务的虚机资源使用能力。
如果P E < 1,表示PaaS平台资源使用能力要低于非PaaS平台同样多服务的虚机资源使用能力。
如果P E = 1,表示PaaS平台资源使用能力与非PaaS平台同样多服务的虚机资源使用能力相当。
当P E > 1,表示PaaS平台节省资源,如果P E ≥ 2,表示资源至少可以节省一半甚至以上;企业在IT方面的投入成本大大下降。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,其它未具体描述的部分,属于现有技术或公知常识。在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种PaaS平台资源利用评估方法,其特征在于,包括以下步骤:
步骤1:计算服务部署在容器中的PaaS平台资源利用能力,具体包括:
步骤101:获取PaaS平台计算节点上各个容器的某段时间内的平均资源使用情况;
步骤102:根据所述各个容器的某段时间内的资源使用情况计算PaaS平台所有计算节点的资源使用总和;
步骤103:对步骤102中的PaaS平台所有计算节点的资源使用总和进行加权求平均计算,以获得服务部署在容器中的PaaS平台资源利用能力;
步骤2:计算同样多的服务直接部署在宿主机上的非PaaS平台宿主机资源利用能力,具体包括:
步骤201:获取非PaaS平台直接部署服务的各个宿主机的某段时间内的平均资源使用情况;
步骤202:根据所述各个宿主机的某段时间内的平均资源使用情况计算非PaaS平台资源使用总和;
步骤203:对步骤202中的非PaaS平台资源使用总和进行求平均计算,以获得服务直接部署在宿主机上的非PaaS平台宿主机资源利用能力;
步骤3:将所述PaaS平台资源利用能力与非PaaS平台宿主机资源利用能力进行对比,以判断PaaS平台的资源利用能力是否提升。
2.根据权利要求1所述的PaaS平台资源利用评估方法,其特征在于,所述资源包括CPU和内存。
3.根据权利要求2所述的PaaS平台资源利用评估方法,其特征在于,所述步骤101具体包括:
所述服务部署在容器中的PaaS平台资源利用能力的计算方式如下:
其中,为服务部署在容器中的PaaS平台CPU使用总和的平均值,为服务部
署在容器中的PaaS平台内存使用总和的平均值,为PaaS平台的宿主机启动容器、容器启动
服务比在宿主机上直接启动服务多消耗资源的百分比,其中,的计算方式如下:
μ=(rc
paas
- rc
v
)/ rc
v
所述步骤201具体包括:
获取单个非PaaS平台的直接部署服务的第j个宿主机CPU配额,记作: vc j ;
获取单个非PaaS平台的直接部署服务的第j个宿主机内存配额,记作:vm j ;
获取非PaaS平台的直接部署服务的第j个宿主机的CPU的某段时间内的实际使用量,记作:vcreal j ;
获取非PaaS平台的直接部署服务的第j个宿主机的内存的某段时间内的实际使用量,记作:vmreal j ;
所述同样多的服务直接部署在宿主机上的资源利用能力的计算方式如下:
5.根据权利要求1所述的PaaS平台资源利用评估方法,其特征在于,所述各个容器的某段时间内的平均资源使用情况和各个宿主机的某段时间内的平均资源使用情况均从Prometheus监控系统监控系统获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011600426.2A CN112286696B (zh) | 2020-12-30 | 2020-12-30 | 一种PaaS平台资源利用评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011600426.2A CN112286696B (zh) | 2020-12-30 | 2020-12-30 | 一种PaaS平台资源利用评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112286696A true CN112286696A (zh) | 2021-01-29 |
CN112286696B CN112286696B (zh) | 2021-06-29 |
Family
ID=74426944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011600426.2A Active CN112286696B (zh) | 2020-12-30 | 2020-12-30 | 一种PaaS平台资源利用评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112286696B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103428241A (zh) * | 2012-05-18 | 2013-12-04 | 中兴通讯股份有限公司 | 服务部署方法及系统 |
CN103475677A (zh) * | 2012-06-07 | 2013-12-25 | 中兴通讯股份有限公司 | 一种PaaS云平台中管理虚拟节点的方法、装置及系统 |
US8850514B2 (en) * | 2012-05-01 | 2014-09-30 | Red Hat, Inc. | Cartridges in a multi-tenant platforms-as-a-service (PaaS) system implemented in a cloud computing environment |
US20160147529A1 (en) * | 2014-11-20 | 2016-05-26 | Red Hat, Inc. | Source Code Management for a Multi-Tenant Platform-as-a-Service (PaaS) System |
-
2020
- 2020-12-30 CN CN202011600426.2A patent/CN112286696B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8850514B2 (en) * | 2012-05-01 | 2014-09-30 | Red Hat, Inc. | Cartridges in a multi-tenant platforms-as-a-service (PaaS) system implemented in a cloud computing environment |
CN103428241A (zh) * | 2012-05-18 | 2013-12-04 | 中兴通讯股份有限公司 | 服务部署方法及系统 |
CN103475677A (zh) * | 2012-06-07 | 2013-12-25 | 中兴通讯股份有限公司 | 一种PaaS云平台中管理虚拟节点的方法、装置及系统 |
US20160147529A1 (en) * | 2014-11-20 | 2016-05-26 | Red Hat, Inc. | Source Code Management for a Multi-Tenant Platform-as-a-Service (PaaS) System |
Non-Patent Citations (1)
Title |
---|
杨清波: ""基于容器的调控云 PaaS 平台的设计与实现"", 《电网技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112286696B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110990159B (zh) | 一种基于历史数据分析的容器云平台资源配额预测方法 | |
Vu et al. | A traffic and power-aware algorithm for virtual machine placement in cloud data center | |
Gmach et al. | Profiling sustainability of data centers | |
CN104102543B (zh) | 一种云计算环境中负载调整的方法和装置 | |
CN102693177B (zh) | 虚拟机故障诊断方法、处理方法及其装置和系统 | |
LaCurts et al. | Cicada: Introducing predictive guarantees for cloud networks | |
CN104639626B (zh) | 一种多级负载预测与云资源弹性配置方法与监控配置系统 | |
Nogueira et al. | Virtual network mapping into heterogeneous substrate networks | |
CN109981416B (zh) | 一种区块链性能检测方法与系统 | |
US20060265470A1 (en) | System and method for determining a partition of a consumer's resource access demands between a plurality of different classes of service | |
WO2019034065A1 (zh) | 一种智能调度方法和装置及其计算机可读存储介质和计算机设备 | |
US10432491B2 (en) | Control device for estimation of power consumption and energy efficiency of application containers | |
Ghorbani et al. | Prediction and control of bursty cloud workloads: a fractal framework | |
WO2013097151A1 (zh) | 一种资源调度方法及设备 | |
WO2020024443A1 (zh) | 资源调度方法、装置、计算机设备及计算机可读存储介质 | |
Ahvar et al. | CACEV: a cost and carbon emission-efficient virtual machine placement method for green distributed clouds | |
CN117376955B (zh) | 一种室内网络信号质量智能监测方法 | |
CN112286696B (zh) | 一种PaaS平台资源利用评估方法 | |
Ismaeel et al. | Energy-consumption clustering in cloud data centre | |
Jiang et al. | Non-it energy accounting in virtualized datacenter | |
WO2020206699A1 (en) | Predicting virtual machine allocation failures on server node clusters | |
Borst et al. | Fluid limits for bandwidth-sharing networks in overload | |
Lucanin et al. | A cloud controller for performance-based pricing | |
Carrega et al. | Energy-aware consolidation scheme for data center cloud applications | |
US11157301B2 (en) | Systems and methods for improved management of virtual machine clusters |
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: No.4 building, Hexi Financial City, Jianye District, Nanjing City, Jiangsu Province, 210000 Patentee after: Jiangsu Sushang Bank Co.,Ltd. Country or region after: China Address before: No.4 building, Hexi Financial City, Jianye District, Nanjing City, Jiangsu Province, 210000 Patentee before: JIANGSU SUNING BANK Co.,Ltd. Country or region before: China |
|
CP03 | Change of name, title or address |