CN112306666B - 云端资源管理系统及方法、以及非暂态电脑可读取记录媒体 - Google Patents
云端资源管理系统及方法、以及非暂态电脑可读取记录媒体 Download PDFInfo
- Publication number
- CN112306666B CN112306666B CN201910689316.9A CN201910689316A CN112306666B CN 112306666 B CN112306666 B CN 112306666B CN 201910689316 A CN201910689316 A CN 201910689316A CN 112306666 B CN112306666 B CN 112306666B
- Authority
- CN
- China
- Prior art keywords
- cloud
- resource
- cloud resource
- environment
- processor
- 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.)
- Active
Links
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
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本文件提供一种云端资源管理系统,该云端资源管理系统包含网络界面及处理器。处理器用以识别一指令,其中该指令定义一云端资源需求;经由网络界面自云环境获得关联于该指令的多个云端资源需求项目;根据指令针对这些云端资源需求项目的参数值计算出多个资源组合;自这些资源组合选定第一资源组合;经由网络界面向第一云环境送出第一请求,以于第一云环境中配置第一云端资源;以及经由网络界面向第二云环境送出第二请求,以于第二云环境中配置第二云端资源,如此一来,即可实现云端资源的自动化动态配置的功效。还提供一种云端资源管理方法,以及一种非暂态电脑可读取记录媒体。
Description
技术领域
本文件是有关于一种管理系统、管理方法以及电脑可读取记录媒体,且特别是有关于一种云端资源管理系统、云端资源管理方法以及非暂态电脑可读取记录媒体。
背景技术
一般来说,企业或服务提供者若需要通过网际网络来提供企业服务或营业时,往往需要花费成本建置硬件资源,以于硬件资源上提供服务。随着云端运算技术的发展,服务提供者可运用云端资源来取代过往的硬件建置,使得服务提供者不再需要花费太高的硬件成本。
另一方面,传统的作法上,服务提供者不仅需要花费硬件成本,在硬件资源的维护方面亦在成本上占有一定程度的成本花费。因此,转而在云端资源上提供服务已成为许多服务提供者的选择之一。
受惠于云端服务的多元发展,使得云端服务相当多样。然而,对于使用者而言,往往难以在多个云环境之间选择想要使用的云端服务。有鉴于此,如何在多元的云端资源当中产生云端服务策略以最大化效益是亟需解决的技术问题。
发明内容
本文件内容旨在提供本披露内容的简化摘要,以使阅读者对本披露内容具备基本的理解。此文件内容并非本披露内容的完整概述,且其用意并非在指出本文件实施例的重要/关键元件或界定本文件的范围。
根据本文件的一实施例,披露一种云端资源管理系统,其适配成与多个云环境接口(介接),各所述云环境均包含多个云端资源。该云端资源管理系统包含网络界面及处理器。网络界面用以提供云端资源管理系统与所述多个云端资源接口的一界面。处理器耦接网络界面,其中处理器用以:识别一指令,其中该指令定义一云端资源需求;经由网络界面自这些云环境获得关联于该指令的多个云端资源需求项目,其中各所述云端资源需求项目均包含一参数值,其中该参数值包含一资源种类信息、一资源规格信息、一资源数量信息、一资源时间信息、一资源价格信息、一收费方式信息、一资源状态信息中至少一者;根据指令针对这些云端资源需求项目的这些参数值计算出多个资源组合,其中各资源组合包含这些云端资源的至少一者;自这些资源组合选定一第一资源组合,第一资源组合包含一第一云端资源及一第二云端资源,第一资源组合满足该指令的云端资源配置需求,其中,第一云端资源属于这些云环境中的一第一云环境,第二云端资源属于这些云环境中的一第二云环境;经由网络界面向第一云环境送出一第一请求,以于第一云环境中配置第一云端资源;以及经由网络界面向第二云环境送出一第二请求,以于第二云环境中配置第二云端资源。
于一实施例中,该云端资源需求包含一云端资源规格,所述多个资源组合包含一等效规格,该等效规格不相同于、但满足该云端资源需求的该云端资源规格。
于一实施例中,该指令的该云端资源需求包含一目标需求值,该处理器还用以:以各所述资源组合的该参数值计算一组合需求值;以及根据该目标需求值以及各所述资源组合的该组合需求值,以选定该第一资源组合。
于一实施例中,该处理器还用以执行以下至少一者,以选定该第一资源组合:于这些组合需求值中选取小于该目标需求值的这些资源组合的一者;或选取这些组合需求值中的最小者。
于一实施例中,该处理器还用以:识别关联于这些云端资源需求项目至少一者的一权重值;根据这些云端资源需求项目至少一者的该权重值及这些云端资源需求项目的这些参数值计算出这些资源组合。
于一实施例中,其中该处理器还用以:根据一历史数据以更新这些云端资源需求项目至少一者的该权重值。
于一实施例中,云端资源管理系统还包含一使用者界面,其中该处理器还用以:通过该使用者界面获得这些云端资源需求项目至少一者的该权重值。
于一实施例中,该处理器还用以:执行一数值算法(数值演算法)和一机器学习算法的至少一者,以计算出这些资源组合。
根据另一实施例,披露一种云端资源管理方法,其适用于一云端管理系统,其中该云端管理系统适配成与多个云环境接口,各所述云环境均包含多个云端资源。该云端资源管理方法包含以下步骤:识别一指令,其中该指令定义一云端资源需求;自这些云环境获得关联于该指令的多个云端资源需求项目,其中各所述云端资源需求项目均包含一参数值,其中该参数值包含一资源种类信息、一资源规格信息、一资源数量信息、一资源时间信息、一资源价格信息、一收费方式信息、一资源状态信息中至少一者;根据该指令针对这些云端资源需求项目的这些参数值计算出多个资源组合,其中各所述资源组合包含这些云端资源的至少一者;自这些资源组合选定一第一资源组合,第一资源组合包含一第一云端资源及一第二云端资源,第一资源组合满足该指令的云端资源配置需求,其中,第一云端资源属于这些云环境中的一第一云环境,第二云端资源属于这些云环境中的一第二云环境;向第一云环境送出一第一请求,以于第一云环境中配置第一云端资源;以及向第二云环境送出一第二请求,以于第二云环境中配置第二云端资源。
根据另一实施例,披露一种非暂态电脑可读取储存媒体(记录媒体),其储存多个程序码,当这些程序码被载入至一处理器后,处理器执行这些程序码以执行下列步骤:识别一指令,其中该指令定义一云端资源需求;自多个云环境获得关联于该指令的多个云端资源需求项目,其中各所述云端资源需求项目均包含一参数值,其中该参数值包含一资源种类信息、一资源规格信息、一资源数量信息、一资源时间信息、一资源价格信息、一收费方式信息、一资源状态信息中至少一者;根据该指令针对这些云端资源需求项目的这些参数值计算出多个资源组合,其中各所述资源组合包含这些云端资源的至少一者;自这些资源组合选定一第一资源组合,第一资源组合包含一第一云端资源及一第二云端资源,第一资源组合满足该指令的云端资源配置需求,其中,第一云端资源属于这些云环境中的一第一云环境,第二云端资源属于这些云环境中的一第二云环境;向第一云环境送出一第一请求,以于第一云环境中配置第一云端资源;以及向第二云环境送出一第二请求,以于第二云环境中配置第二云端资源。
附图说明
以下详细描述结合随附图示阅读时,将有利于较佳地理解本文件的实施方式。应注意,根据说明上实务的需求,附图中各特征并不一定按比例绘制。实际上,出于论述清晰之目的,可能任意增加或减小各特征的尺寸。
图1绘示根据本文件一些实施例中一种云端资源管理系统的程序模块示意图。
图2绘示根据本文件一些实施例中一种云端资源管理方法的步骤流程图。
图3绘示根据本文件一些实施例中一种云端资源管理方法的步骤流程图。
图4绘示根据本文件一些实施例中一种云端资源管理方法的步骤流程图。
图5绘示根据本文件一些实施例中一种云端资源管理装置的程序模块示意图。
具体实施方式
以下披露内容提供许多不同实施例或实例,以便实施本文件的不同特征。下文描述元件及排列的特定实例以简化本文件。当然,这些实例仅为示例性且并不意在为限制性。举例而言,以下描述中在第二特征上方或第二特征上形成第一特征可包括以直接接触形成第一特征及第二特征的实施例,且亦可包括可在第一特征与第二特征之间形成额外特征使得第一特征及特征可不处于直接接触的实施例。另外,本文件可在各实例中重复元件符号(附图标记)及/或字母。此重复是出于简明性及清晰之目的,且本身并不指示所论述的各实施例及/或配置之间的关系。
请参照图1,其绘示根据本文件一些实施例中一种云端资源管理系统100的程序模块示意图。云端资源管理系统100适配于与多个云环境150a、150b、……、150n间的接口。在一些实施例中,云端资源管理系统100用于计算及分配云端资源需求的运算资源,以于多个云环境中分别所属的云端资源当中计算出最适合运算任务的资源,及/或完成云端资源需求所需的最少成本,及/或满足一个或多个偏好条件等。举例来说,使用者要建立电子商务系统时,云端资源管理系统100会考虑多个云环境150a~150n,以于这些云环境之中决定出符合电子商务系统运作需求的云端资源。某些实施例中,多个云环境可指多云环境,例如指由不同云端服务提供者提供的多个云环境。某些实施例中,多个云环境可指混合云环境,例如多个云环境可包含至少一由云端布署的环境及一地端布署的环境。于此意义下,跨云亦可指跨地端及云端的资源布署。某些实施例中,多个云环境可包含多云环境及混合云环境。某些实施例中,多个云环境包含分别包含不同云端资源的云环境。例如,不同云环境包含不同的操作指令、操作方式、虚拟或实体资源类型等。例如,若以不同云环境执行同一任务,需要执行特定于个别云环境的操作。
如图1所示,云端资源管理系统100包含网络界面110以及处理器120。网络界面110作为介接(接口)在云端资源管理系统100与云环境150a~150n之间的界面,以传递和/或接收指令。为使说明简洁,以下于特定的例示情况中以三个云环境150a~150c来说明相关操作。应注意的是,本文件的云端资源管理系统100并不限于操作于三个云环境,任何数量的云环境均属本文件的范畴。如前述,多个云环境可包含多云、混合云、地端布署或以上任二者等。
多个云环境如云环境150a~150c分别包含多个云端资源。云端资源可包括但不限于虚拟及/或实体资源。例如,虚拟资源可包括虚拟化资源、软件定义资源等。举例而言,虚拟资源可包括一个或多个虚拟处理器或虚拟机。又如虚拟资源可包括以不同实体资源为基础所定义的资源,例如虚拟资源可包括以不同实体伺服器为基础的一个或多个虚拟私云。又如虚拟资源可包括跨地理位置的资源。又如虚拟资源可包括跨多个云环境的云端资源。在一些实施例中,多个云环境如云环境150a~150c中的云端资源为包含规格全部相同/等效或规格部分相同/等效的资源。等效规格可包含效能相同、同等级、或皆能满足特定需求的规格。等效规格可指对单一类型的多个规格之间的效能比对,抑或对包含多个类型的多个规格总成之间的效能比对。例如,一第一规格可包含四个虚拟处理器及对应各虚拟处理器的一个16GB存储器,而与第一规格等效的一第二规格可包含二个虚拟处理器及对应各虚拟处理器的一个32GB存储器。于某些实施例中,第一规格的四个虚拟处理器可等效于第二规格的二个虚拟处理器,及/或第一规格的四个存储器可等效于第二规格的二个存储器,及/或第一规格等效于第二规格。于某些实施例中,第一规格与的二规格等效系指第一规格与第二规格的效能相同、或具相同等级、或皆能满足某一云端服务的需求。例如,等效的第一规格与第二规格可包含相同、或具相同等级、或皆能满足特定云端服务需求的运算能力。又如,一个云环境的一云端储存资源可等效于另外二个云环境的多个云端储存资源。某些实施例中,云端资源可以各类型信息描述。例如,描述云端资源的信息可以包含资源种类信息、资源规格信息、资源数量信息、资源时间信息、资源价格信息、收费方式信息、资源状态信息等。资源种类信息可包括描述虚拟机、容器、数据库、负载器、闸道等不同云端资源的信息。资源规格信息可包括描述资源规格、资源版本、资源型号、资源等级等信息。资源规格可包括相关于处理器、存储器、储存空间、每秒输出输入(IOPS)、传输量(throughput)、频宽等信息。在某些实施例中,操作系统(作业系统)或其版本的相关信息可作为资源种类信息或资源规格信息。操作系统可包括Windows、Linux、或其他云端适用的操作系统。资源数量信息可包括描述可用资源数量、最大可用资源数量、最小可用资源数量、不固定数量、随需数量等信息。资源时间信息可包括描述启动资源的时间、暂停资源的时间、释放资源的时间、重启资源的时间、资源可用期间、资源生命周期、资源在线/离线时间或期间、资源竞标时间等信息。资源价格信息可包括随需价格、固定或弹性价格、备用或预留资源价格、数据传输价格、竞标价格等信息。收费方式信息可包括预付款、不预付款、分期付款等信息。资源状态信息可包含资源使用或可用状态、资源使用或可用条件等信息。在某些实施例中,前述各类信息的内容可依各云环境的所属分类而与前述分类不同。
如图1所示,云端资源管理系统100包含网络界面110以及处理器120。网络界面110作为在云端资源管理系统100与云环境150a~150n之间直接或接间的界面,以传递和/或接收指令、数据等。例如,处理器120可通过网络界面110对云环境150a~150n进行应用程序界面(API)呼叫。
在一些实施例中,云端资源管理系统100的处理器120用以依据一云端资源需求来向云环境150a~150n中的云端资源中的一个或多个请求配置,以执行能满足该云端资源需求的任务。例如,根据一使用者的需求通过云端资源管理系统100来配置云环境150a~150n中的一个或多个云端资源。某些实施例中,一云端资源需求系由云端资源管理系统100自动产生、因应事件产生、或周期性产生而使云端资源管理系统100执行云端资源配置的任务。例如,云端资源管理系统100的处理器120可不直接从使用者接获指令而执行本文件中所披露的各项任务。
为易于说明如何请求分配云端资源的配置及操作,请一并参照图1及图2。图2绘示根据本文件一些实施例中一种云端资源管理方法200的步骤流程图。云端资源管理系统100执行云端资源管理方法200的各步骤,以布建最适合的云端资源。
在步骤S210中,通过处理器120识别一指令,其中指令定义一云端资源需求。
某些实施例中,云端资源管理系统100的处理器120可自使用者接收一指令,或接收自动产生、因应事件产生、或周期性产生的一指令。指令可包括一云端资源需求的信息。例如,云端资源需求可包含于某时间启动特定数量的虚拟机(及/或其他云端资源)。该时间点可被定义为绝对时间(如2019年6月5日上午10点钟)、相对时间(如15个小时以后)、由某特定事件触发的时间点(如虚拟机或处理器使用量达80%)、特定期间(如2019年6月1日至2019年9月30日,或每周二晚上10点钟)中至少一者。云端资源需求可包括不限定于特定云环境或特定云端资源的需求。例如,云端资源需求仅定义特定运算能力或特定启动云端资源的时间,但不限定以哪个云环境或何种云端资源或资源数量满足需求。而指令的自动、因应特定事件或周期性的产生亦可如前述对时间点定义的各方式产生。又举例来说,当使用者要建立拥有电子商务系统的执行能力但又不想要自行购买硬件设备时,则通过例如网络通信协定、使用者界面130或API等可与云端资源管理系统100通信的方式,传送指令至云端资源管理系统100。某些实施例中,处理器120读取指令之后,可对指令进行如转译或转换等处理,解读云端资源需求或获取到云端资源需求,以执行后续的云端资源布建。例如,处理器120处理指令后可产生的一个或多个后续指令,并将该一个或多个后续指令分别传送至一个或多个云环境。
在步骤S220中,经由网络界面110自多个云环境如云环境150a~150c获得关联于指令的云端资源需求的多个云端资源需求项目。
在一些实施例中,云端资源需求项目包含云端资源规格。云端资源需求项目可以是资源种类、资源规格、资源数量、资源时间、资源价格、收费方式等。云端资源需求项目可包含资源种类信息、资源规格信息、资源数量信息、资源时间信息、资源价格信息、收费方式信息、资源状态信息等信息。云端资源需求项目可包含参数值,参数值用以指出云端资源需求项目的所需要资源量和/或运算能力。某些实施例中,参数值可对应前述云端资源需求项目所包含的信息。在一些实施例中,参数值可包含资源种类信息、资源规格信息、资源数量信息、资源时间信息、资源价格信息、收费方式信息、资源状态信息中至少一者。某些实施例中,处理器120经由网络界面110向多个云环境发出请求以获取关联于指令的云端资源需求的多个云端资源需求项目。处理器120可于解读或获取指令内所载的需求内容之后,向多个云环境发送回传云端资源需求项目的请求。云端资源管理系统100可接收并储存多个云环境所反馈的云端资源需求项目于一储存器150,以供后续操作。某些实施例中,处理器120可分析指令中的内容,并可检查多个云环境所反馈的云端资源需求项目是否能充分反映指令的内容。例如,若指令的需求内容包含于某特定时间启动特定云端资源,则处理器120可检查多个云环境所反馈的云端资源需求项目是否包含该特定时间及该特定云端资源的信息。某些实施例中,若特定云环境所反馈的云端资源需求项目未包含该特定时间及该特定云端资源的信息,处理器120可将该特定云环境从多个云环境选项中剃除,或于本次任务中不再考虑该特定云环境。某些实施例中,云端资源管理系统100可周期性或依事件触发等方式接收多个云环境的云端资源需求项目。例如,本次任务中可依据的云端资源需求项目可为最近一次接收或最新的云端资源需求项目。
在一些实施例中,处理器120获得的云端资源项目中的资源种类信息与资源数量信息的参数值例如是4个处理器、16GB的存储器、32GB的储存资源、10GB的输出输入等信息。处理器120获得的云端资源项目中的资源价格信息参数值例如是启用一个处理器需要花费每小时$0.4328等信息。
在步骤S230中,通过处理器120根据指令针对所针对云端资源需求项目的参数值计算出多个资源组合。
举例来说,处理器120于前述步骤S220中取得云端资源需求项目的参数值包含12个处理器以及128GB存储器,处理器120可判断多个云环境如云环境150a~150c的多个云端资源当中满足或符合此参数值的多个资源组合。
请参照下表一至表三,分别为云环境150a~150c的云端资源实施例。
表一:云环境150a的云端资源
表二:云环境150b的云端资源
表三:云环境150c的云端资源
如上表一至表三所例示,云端资源需求项目可包括处理器、存储器、储存资源、资源价格、操作系统中至少多个需求项目,而依需求项目不同的参数值(或参数值的组合)而有不同的配置。某些实施例中,处理器120可根据云端资源需求项目的参数值,计算出表一至表三的云端资源列表的多个资源组合。某些实施例中,云端资源管理系统100可正规化所反馈的云端资源需求项目的参数值。例如,不同云环境可能对同一需求项目有不同的定义或设定而造成专属特定云环境的参数值,而云端资源管理系统100可将此种基于云环境特征的差异予以消弥,以获得基于同一标准的正规化参数值。表三的储存资源可以是永久性磁盘(persistent disk,PD)的数量,而所述永久性磁盘的数量可以任意调整(增加或减少),例如云端服务提供者可以制定不同于本表的磁盘数量。
在某些实施例中,若存在一云端运算需求要在例如中午12点时,启动12个处理器以及128GB存储器,则处理器120取得对应云环境150a~150c的相关规格,以产生多个资源组合,如产生所针对云环境中所有可能的资源组合。请参照下表四,表四为多个资源组合的实施例。
表四:资源组合的实施例
在需要12个处理器以及128GB存储器的情况,处理器120计算出四个组合,但本文件不限于此。第一组合包含云环境150a的第三配置,需求共16单位,即16组云环境150a的第三配置(下称第一资源组合)。第二组合包含云环境150a的第五配置,需求共8单位,即8组云环境150a的第五配置(下称第二资源组合)。第三组合包含云环境150a的第三配置,需求共4单位(即4组云环境150a的第三配置),云环境150b的第二配置,需求共4单位(即4组云环境150b的第二配置),以及云环境150c的第五配置,需求共1单位(即1组云环境150c的第五配置)(下称第三资源组合)。第四组合包含云环境150b的第四配置,需求共1单位(即4组云环境150b的第四配置),以及云环境150c的第四配置,需求共2单位(即2组云环境150c的第四配置)(下称第四资源组合)。某些实施例中,如表四列举的各个资源组合均为包含等效规格的资源组合。例如,此等资源组合两两之间均为等效,即各资源组合均能产生相同效能或符合该云端运算需求。有关等效的实施例可参照本文件其他相关部分。
在步骤S240中,通过处理器120自这些资源组合中选定一资源组合,其中被选定的资源组合可满足指令的云端资源配置需求。
举例来说,处理器120根据云端资源需求项目的参数值,计算出如上表四的第一资源组合至第四资源组合。
在一些实施例中,处理器120执行数值算法、机器学习算法或其他算法,以计算出多个资源组合。举例来说,处理器120使用线性规划(Linear Programming)或非线性规划(Non-Linear Programming),根据资源组合的参数值来计算组合需求值。或者,处理器120使用机器学习回归分析,例如最小方均根、随机森林回归因子(Regress ForestRegressor)、线性回归(Linear Regression)、支持向量机(Support Vector Regression,SVR)等方式,计算出不同的资源组合。
处理器120可获得第一资源组合、第二资源组合、第三资源组合以及第四资源组合后,选择其一来作为选定的资源组合,以满足指令的云端资源配置需求。某些实施例中,可能有多个资源组合皆能满足云端资源配置需求时,处理器120可进一步判断是否其他条件来辅助其选择其中一资源组合。例如,处理器120可根据一选取规则选择满足云端资源配置需求的多个资源组合中总价格最低者;或者,处理器120可据以选择满足云端资源配置需求的多个资源组合中平均效能参数值最高者。某些实施例中,选取规则可依云端资源管理政策设定或调整。例如,云端资源管理政策可反映出使用者偏好,使用者可设定当前云端资源管理政策为成本最小导向,故在此政策下,处理器120可依相应规则选取价格最低的资源组合;或者,云端资源管理政策可设为虚拟机数量最大化并配合处理器本身效能最小化的导向,使处理器120较偏向选取低阶处理机的资源组合。
在一些实施例中,云端资源需求包含目标需求值,例如资源成本。处理器120会根据各资源组合的参数值来计算组合需求值,以于多个资源组合中选定其一。组合需求值例如是资源成本。举例来说,第一资源组合的资源成本是$23.8512,第二资源组合的资源成本是$43.7592,第三资源组合的资源成本是$12.4407,第四资源组合的资源成本是$8.338。在某些实施例中,云端资源需求可包含对特定参数值如某资源价格的限定,则处理器120可根据该限定而先排除不符合的资源配置。例如,若使用者要求排除价格高于每小时$4的配置,则处理器120可先剔除每小时$4的所有配置,再行计算资源组合。又如,若要仅使用最新版本的资源,则处理器120可先剔除所有旧版本的配置,再行计算资源组合。据此,在某些情况下,可大幅减少计算量。
处理器120根据目标需求值与各资源组合的组合需求值来选定一资源组合,例如比对目标需求值与各资源组合的组合需求值而选定其中一资源组合。
在一些实施例中,处理器120于组合需求值中小于目标需求值的资源组合来作为选定的资源组合。举例来说,若目标需求值是指$30.0的资源成本,则处理器120选择资源成本低于$30.0的资源组合,如资源成本为$12.4407的第三资源组合。
在另一些实施例中,处理器120根据资源组合的组合需求值中的最小者来选择资源组合。举例来说,处理器120会选择资源成本最小的第四资源组合。
在步骤S250中,经由网络界面110向第一云环境送出第一请求,以于第一云环境中配置第一云端资源,其中第一云端资源属于这些云环境中的第一云环境。
举例来说,当处理器120选择表四中的第四资源组合,如前述步骤S240所述,第四资源组合包含云环境150b的云端资源的1单位的第四配置。因此,经由网络界面110向云环境150b送出请求,以于云环境150b中配置1单位的16个处理器、1单位的32GB存储器以及CentOS操作系统。云环境150b可依据该请求而进行相应配置。
在步骤S260中,经由网络界面110向第二云环境送出第二请求,以于第二云环境中配置第二云端资源,其中第二云端资源属于这些云环境中的第二云环境。
举例来说,当处理器120选择第四资源组合,如前述步骤S240所述,第四资源组合还包含云环境150c的云端资源的2单位的第四配置。因此,经由网络界面110向云环境150c送出请求,以于云环境150c中配置2单位的8个处理器以及2单位的30GB存储器以及2单位的16GB储存资源。云环境150c可依据该请求而进行相应配置。据此,云端资源管理系统100针对指令可依本文件所披露的方式将需求分配给云环境150b及云环境150c,如此使用者不需烦恼云环境的选择及配置细节而仍可完成需求。
在某些实施例中,处理器120可识别关联于云端资源需求项目至少一者的一权重值,以作为计算资源组合的依据。在一些实施例中,经由网络界面110于多个云环境如云环境150a~150c获得关联于步骤S210所读取到的指令时,处理器120根据指令识别关联于云端资源需求项目的权重值。接着,通过处理器120根据云端资源需求项目的权重值与云端资源需求项目的参数值,来计算出资源组合。值得一提的是,云端资源需求项目的权重值可以为选择性的参数,此权重值用来提高或降低云端资源项目被选择的机率。举例来说,若上表二的操作系统(或其发行版本)被设定有权重值,例如Red Hat的权重值为0.8以及CentOS的权重值为0.4,若指令中也包含有操作系统的权重值的要求,则处理器120会以权重值高的云端资源作为优先考量,例如Red Hat的操作系统相较于CentOS会被优先选择。
在一些实施例中,云端资源需求项目的权重值可根据被选择的次数,来增加云端资源需求项目的权重值。举例来说,云环境150b的云端资源的第四配置与云环境150c的云端资源的第四配置被选择,因此在该次的资源配置后,云环境150b的云端资源的第四配置与云环境150c的云端资源的第四配置的选择或配置记录将作为历史数据,而依此历史数据更新云端资源的权重值,例如增加这些配置的权重值。如此一来,云端资源管理系统100可学习每一次的资源配置,避免每一次的资源组合或者总资源成本的变化程度太大,以符合使用者的使用习惯。例如,云端资源管理系统100还选用地包含一数据库140,用以储存一包含权重设定规则的模型,以借助历史数据训练模型而更新权重值。在一些实施例中,数据库140尚可用以储存历史数据及/或权重值。
请复参照图1,云端资源管理系统100包含使用者界面130。使用者界面130耦接于处理器120。使用者界面130提供例如使用者图形化界面或命令列界面,使得处理器120通过使用者界面130获得云端资源需求项目的权重值。如此一来,使用者可通过使用者界面130来设定云端资源需求项目的权重值。
如上文提及的云端资源管理政策,使用者也可以根据实际需求设定其他偏好条件。举例来说,偏好条件可以是所期望的云端资源的操作系统(或版本)、数量上限/下限、可用期间、云端资源的实体存在位置(例如国家或地区或其他地理位置,如机房位置)等。例如,使用者可将云端资源限制于某地理位置,或将之排除于某地理位置之外。偏好条件亦可以通过权重值设定,例如权重值越高,代表该云端资源是使用者希望使用的资源。在某些实施例中,偏好条件可进一步将限制条件区分出来,以利增加计算的操作度。例如,偏好条件可包括虚拟机数量、虚拟机数量的上限、喜好的云环境等,而限制条件可包括操作系统与版本、硬件(如伺服器或处理器)的新旧与可用期间、云端服务机房位置等。某些实施例中,偏好条件可作为“软性”条件,而限制条件可作为“硬性”条件。例如,可赋予软性条件较低权重值,而赋予硬性条件较高的权重值。
在另一些实施例中,处理器120会执行整合移动平均自回归模型(AutoregressiveIntegrated Moving Average model,ARIMA),以自动回归的树状模型将过去的云端资源使用记录与所预测的云端资源需求产生关联,以估测未来的云端资源需求。处理器120也可执行递归神经网络(Recurrent Neural Network,RNN),使用历史数据来预测每一个周期的云端资源需求。如此一来,云端资源管理系统100不只是依据云端资源需求来计算所需要的资源组合,还可以借助历史数据来预测未来的一段周期内符合云端资源需求的资源组合。例如,电子商务的流量相当具有规律性,例如平日每天中午的一小时与晚上7点到12点的流量最高,每日凌晨3点到6点流量最低。一周七天在周末时段的流量又比平日高。据此,处理器120可针对当前所使用的云端资源收集一段时间的流量变化作为历史数据(如Log),历史数据可包含云端资源的处理器使用状况(如用量百分比)、存储器使用状况、IOPS等数据,可以得到当前所使用的云端资源的系统效能的历史曲线。处理器120可将此历史曲线等作为机器学习的模型训练值。
举例来说,如上表一至表三中的云端资源包含云端资源规格。另一方面,处理器120计算得到的资源组合包含等效规格。因此,处理器120根据云端资源规格来计算与其等效的规格,于所有等效于云端资源规格的云端资源当中计算满足或符合云端资源需求的云端资源。举例来说,本文件所涉及的云端资源的执行能力符合云端资源需求者,均可被用于云端运算当中,并不以硬件及/或虚拟资源完全一样为限,例如同样型号、同样类型、同样等级、或同样世代的运算能力的处理器但为不同厂商制造或品牌者,均可属于等效规格的范畴。
图3绘示根据本文件一些实施例中一种云端资源管理方法300的步骤流程图。在步骤S305中,云端资源管理系统100取得一云端资源需求的所期望总成本及启动时间。例如,所期望总成本可包含一成本绝对值,或一成本区间。所期望总成本可包含一成本阈值,以作为云端资源管理系统100于后续计算及/或选择资源组合的参数。如上文所述,启动时间可为一绝对时间、周期性时间等。
在步骤S310中,云端资源管理系统100取得一个或多个偏好条件。该一个或多个偏好条件可经由使用者界面130或API自使用者或使用者的系统取得。某些实施例中,偏好条件可已储存于自云端资源管理系统100内。偏好条件的实施例可参照如本文件上文相关部分。例如,偏好条件可包括付款条件,如预付款、不预付款、分期付款等。又如偏好条件可包括云端资源的地理位置、云端资源数量、云端资源价格等。再者,偏好条件可利用如上文所述的云端资云管理政策的方式取得。
在步骤S315中,云端资源管理系统100取得多个云环境所提供的多个云端资源清单。多个云环境可为于通联方式上不相容的多个云环境,如各云环境均有其专属的API。云端资源清单可包含如上文所述(并请参照表格一至表格三)的根据云端资源需求项目所提供的不同配置。
在步骤S320中,云端资源管理系统100将多个云端资源清单与偏好条件进行比对,将多个云端资源清单中不符合偏好条件的配置剔除,产生计算用的配置。例如,偏好条件将云端操作系统限制为Linux操作系统时,云端资源清单中使用非Linux操作系统的配置会被剔除,所剩的配置将可利用做后续的计算。
在步骤S325中,云端资源管理系统100根据计算用的配置产生多个云端资源组合,并计算各个云端资源组合的价格。云端资源管理系统100可根据本文件披露的各种方法进行计算。此外,云端资源管理系统100可赋予计算用的配置中至少一个云端资源需求项目相应的权重值。有关权重的描述亦可参照本文前述的实施例。
在步骤S330中,云端资源管理系统100根据所期望总成本自多个云端资源组合中选定一所期望云端资源组合。例如,云端资源管理系统100将多个云端资源组合的价格与所期望总成本进行比对,于多个云端资源组合中选取价格低于所期望总成本的云端资源组合。若有多个价格低于所期望总成本的云端资源组合,则可选取价格最低者。
在步骤S335中,云端资源管理系统100根据所选定的所期望云端资源组合对多个云环境进行云端资源布署。例如,若所选定的所期望云端资源组合包含A云环境及B云环境的资源时,则依据该云端资源组合针对A云环境及B云环境进行布署,以满足云端资源需求的内容。
图4绘示根据本文件一些实施例中一种云端资源管理方法400的步骤流程图。云端资源管理方法400与云端资源管理方法300的主要差别在于,于云端资源管理方法400中,云端资源需求不包含成本条件及偏好条件,而时间条件则由云端资源管理系统100可运用的历史数据来决定。例如,云端资源管理系统100根据当前(或过去)使用云端服务记录的历史数据,经由机器学习产生未来用量的预测曲线。如上述,云端资源管理系统100可利用深度学习的递归神经网络(RNNs)来预测时间序列,在此情境下,同一个时间单位会有许多类似的特征时间序列(处理器、IOPS等),而利用不同序列,例如每周、每天、每小时为最小单位的历史数据,可预测得到系统(云端服务资源)未来的效能需求曲线。
在步骤S410中,云端资源管理方法400识别一任务需求,该任务需求包含执行一第一任务。例如,任务需求可包含指示继续执行当前或执行中的一任务,而当前任务已在利用特定的云端资源配置。或者,任务需求可包含基于一使用特定云端资源配置而执行完毕的任务,针对该执行完毕的任务于过去的云端资源配置使用记录而指示于未来特定时间执行与该执行完毕任务相同的任务。
在步骤S420中,识别一第二任务,取得第二任务的历史数据。如上述,第二任务可为当前执行中或已执行完毕的任务。如本文件所披露,历史数据可包含云端资源配置及/或使用记录。
在步骤S430中,利用该历史数据预测第一任务的云端资源需求。如本文件所披露,可通过本文件所披露的算法进行云端资源的需求曲线的预测。
在步骤S440中,根据所预测的云端资源需求,进行多个云环境的云端资源配置。如本文件所披露,在预测云端资源需求之后,可分别将对应多个云环境的需求传送出去,以达于多个云环境中配置对应的云端资源。
图5绘示根据本文件一些实施例中一种云端资源管理装置500的程序模块示意图。云端资源管理装置500包含识别指令模块510、云端资源需求项目取得模块520、资源组合计算与选定模块530、机器学习模型540以及请求发送模块550。
如图5所示,识别指令模块510用以接收一指令,或接收自动产生、因应事件产生、或周期性产生的一指令。关于接收或产生指令的说明如图2的步骤S210,于此不予重述。
云端资源需求项目取得模块520用以获取云端资源需求项目。在一实施例中,云端资源需求项目取得模块520根据识别指令模块510识别出的指令中的参数值,而获得包含有云端资源需求项目的所需要资源量和/或运算能力的信息。在另一实施例中,云端资源需求项目取得模块520向多个云环境发出请求以获取关联于指令的云端资源需求的多个云端资源需求项目。
资源组合计算与选定模块530用以根据指令所针对云端资源需求项目的参数值计算出多个资源组合。关于计算出多个资源组合的说明如图2的步骤S230~S240,于此不予重述。
机器学习模型540用以计算新的资源组合。在一些实施例中,机器学习模型540可针对过往的不同资源组合来执行数值算法、机器学习算法或其他算法,以训练出不同的模型,使得训练出来的模型可用以计算新的资源组合。
请求发送模块550用以针对机器学习模型540计算出的资源组合,向关联于资源组合的一个或多个云环境送出请求。向云环境发送请求的说明如图2的步骤S250,于此不予重述。
在一些实施例中,云端资源管理方法200亦可实作为包含多个程序码的电脑程序,并储存于非暂态电脑可读取记录媒体。程序码被载入至如图1的处理器120后,处理器120执行程序码并操作如图2的步骤S210~S250。举例来说,处理器120读取指令以获取云端资源需求,经由网络界面110自多个云环境中获得关联于指令的多个云端资源需求项目。处理器120根据指令针对云端资源需求项目的参数值以计算多个资源组合。处理器120自这些资源组合中选定一资源组合,其中被选定的资源组合包含第一云端资源以及第二云端资源。经由网络界面110向第一云环境送出第一请求,以于云环境中配置第一云端资源,以及经由网络界面110向第二云环境送出第二请求,以于云环境中配置第二云端资源。
在一些实施例中,云端资源管理方法300亦可实作为包含多个程序码的电脑程序,并储存于非暂态电脑可读取记录媒体。程序码被载入至如图1的处理器120后,处理器120执行程序码并操作如图3的步骤S305~S335。
在一些实施例中,云端资源管理方法400亦可实作为包含多个程序码的电脑程序,并储存于非暂态电脑可读取记录媒体。程序码被载入至如图1的处理器120后,处理器120执行程序码并操作如图4的步骤S410~S440。
在一些实施例中,非暂态电脑可读取记录媒体可为只读存储器、快闪存储器(闪存)、软盘、硬盘、光盘、随身盘、磁带、可由网络存取的数据库或本领域技术人员可轻易思及具有相同功能的非暂态电脑可读取记录媒体。
综上所述,本案提供一种云端资源管理系统以及云端资源管理方法,经由网络界面110向关联于被选定的资源组合的云环境发送请求,以于关联的云环境配置云端资源,如此一来,即可实现云端资源的自动化动态配置。除此之外,本案可以根据当前的资源组合的运作状况,例如业务需求、线上顾客数目、系统效能等因素,即时地判定状况并自动化动态地调整资源组合,以产生最适合云端服务资源。
上文概述若干实施例的特征,使得本领域技术人员可更好地理解本文件的实施方式。本领域技术人员应了解,可轻易使用本文件作为设计或修改其他制程及结构的基础,以便实施本文所介绍的实施例的相同目的及/或实现相同优势。本领域技术人员亦应认识到,此类等效结构并未脱离本文件的精神及范畴,且可在不脱离本文件的精神及范畴的情况下产生本文的各种变化、替代及更改。
Claims (10)
1.一种云端资源管理系统,其特征在于,该云端资源管理系统适配成与多个云环境接口,各所述云环境均包含多个云端资源,该云端资源管理系统包含:
一网络界面,用以提供该云端资源管理系统与所述多个云端资源接口的一界面;以及
一处理器,耦接该网络界面,其中该处理器用以:
识别一指令,该指令定义一云端资源需求;
经由该网络界面自所述多个云环境获得关联于该指令的多个云端资源需求项目,其中各所述云端资源需求项目均包含一参数值,其中该参数值包含一资源种类信息、一资源规格信息、一资源数量信息、一资源时间信息、一资源价格信息、一收费方式信息、一资源状态信息中至少一者;
根据该指令针对所述多个云端资源需求项目的所述参数值计算出多个资源组合,其中各所述资源组合均包含所述多个云端资源的至少一者;
自所述多个资源组合选定一第一资源组合,该第一资源组合包含一第一云端资源及一第二云端资源,该第一资源组合满足该指令的云端资源配置需求,其中,该第一云端资源属于所述多个云环境中的一第一云环境,该第二云端资源属于所述多个云环境中的一第二云环境;
经由该网络界面,向该第一云环境送出一第一请求,以于该第一云环境中配置该第一云端资源;以及
经由该网络界面,向该第二云环境送出一第二请求,以于该第二云环境中配置该第二云端资源。
2.如权利要求1所述的云端资源管理系统,其特征在于,该云端资源需求包含一云端资源规格,所述多个资源组合包含一等效规格,所述等效规格不相同于但满足该云端资源需求的该云端资源规格。
3.如权利要求1所述的云端资源管理系统,其特征在于,该指令的该云端资源需求包含一目标需求值,该处理器还用以:
以各所述资源组合的所述参数值计算一组合需求值;以及
根据该目标需求值以及各所述资源组合的所述组合需求值,以选定所述第一资源组合。
4.如权利要求3所述的云端资源管理系统,其特征在于,该处理器还用以执行以下至少一者,以选定该第一资源组合:
于所述组合需求值中选取小于该目标需求值的所述多个资源组合的一者;或
选取所述组合需求值中的最小者。
5.如权利要求1所述的云端资源管理系统,其特征在于,该处理器还用以:
识别关联于所述多个云端资源需求项目的至少一者的一权重值;以及
根据所述多个云端资源需求项目的至少一者的该权重值及所述多个云端资源需求项目的所述参数值计算出所述多个资源组合。
6.如权利要求5所述的云端资源管理系统,其特征在于,该处理器还用以:
根据一历史数据以更新所述多个云端资源需求项目的至少一者的该权重值。
7.如权利要求5所述的云端资源管理系统,其特征在于,还包含一使用者界面,其中该处理器还用以:
通过该使用者界面获得所述多个云端资源需求项目的至少一者的该权重值。
8.如权利要求1所述的云端资源管理系统,其特征在于,该处理器还用以:
执行一数值算法和一机器学习算法的至少一者,以计算出所述多个资源组合。
9.一种云端资源管理方法,其特征在于,该云端资源管理方法适用于一云端管理系统,其中该云端管理系统适配成与多个云环境接口,各所述云环境均包含多个云端资源,其中该云端资源管理方法包含:
识别一指令,该指令定义一云端资源需求;
自所述多个云环境获得关联于该指令的多个云端资源需求项目,其中各所述云端资源需求项目均包含一参数值,其中该参数值包含一资源种类信息、一资源规格信息、一资源数量信息、一资源时间信息、一资源价格信息、一收费方式信息、一资源状态信息中的至少一者;
根据该指令针对所述多个云端资源需求项目的所述参数值计算出多个资源组合,其中各所述资源组合均包含所述多个云端资源的至少一者;
自所述多个资源组合选定一第一资源组合,该第一资源组合包含一第一云端资源及一第二云端资源,该第一资源组合满足该指令的该云端资源配置需求,其中,该第一云端资源属于所述多个云环境中的一第一云环境,该第二云端资源属于所述多个云环境中的一第二云环境;
向该第一云环境送出一第一请求,以于该第一云环境中配置该第一云端资源;以及
向该第二云环境送出一第二请求,以于该第二云环境中配置该第二云端资源。
10.一种非暂态电脑可读取记录媒体,其特征在于,该记录媒体储存多个程序码,当所述多个程序码被载入至一处理器后,该处理器执行所述多个程序码以执行下列步骤:
识别一指令,该指令定义一云端资源需求;
自多个云环境获得关联于该指令的多个云端资源需求项目,其中各所述云端资源需求项目均包含一参数值,其中该参数值包含一资源种类信息、一资源规格信息、一资源数量信息、一资源时间信息、一资源价格信息、一收费方式信息、一资源状态信息中的至少一者;
根据该指令针对所述多个云端资源需求项目的所述参数值计算出多个资源组合,其中各所述资源组合均包含所述多个云端资源的至少一者;
自所述多个资源组合选定一第一资源组合,该第一资源组合包含一第一云端资源及一第二云端资源,该第一资源组合满足该指令的该云端资源配置需求,其中,该第一云端资源属于所述多个云环境中的一第一云环境,该第二云端资源属于所述多个云环境中的一第二云环境;
向该第一云环境送出一第一请求,以于该第一云环境中配置该第一云端资源;以及
向该第二云环境送出一第二请求,以于该第二云环境中配置该第二云端资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910689316.9A CN112306666B (zh) | 2019-07-29 | 2019-07-29 | 云端资源管理系统及方法、以及非暂态电脑可读取记录媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910689316.9A CN112306666B (zh) | 2019-07-29 | 2019-07-29 | 云端资源管理系统及方法、以及非暂态电脑可读取记录媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112306666A CN112306666A (zh) | 2021-02-02 |
CN112306666B true CN112306666B (zh) | 2023-08-11 |
Family
ID=74329472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910689316.9A Active CN112306666B (zh) | 2019-07-29 | 2019-07-29 | 云端资源管理系统及方法、以及非暂态电脑可读取记录媒体 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112306666B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104106051A (zh) * | 2012-02-09 | 2014-10-15 | 西里克斯系统公司 | 标记云计算环境中的物理资源 |
CN108632330A (zh) * | 2017-03-16 | 2018-10-09 | 广达电脑股份有限公司 | 云端资源的管理系统及其管理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8504689B2 (en) * | 2010-05-28 | 2013-08-06 | Red Hat, Inc. | Methods and systems for cloud deployment analysis featuring relative cloud resource importance |
US9454294B2 (en) * | 2013-03-15 | 2016-09-27 | International Business Machines Corporation | Creating, provisioning and managing virtual data centers |
-
2019
- 2019-07-29 CN CN201910689316.9A patent/CN112306666B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104106051A (zh) * | 2012-02-09 | 2014-10-15 | 西里克斯系统公司 | 标记云计算环境中的物理资源 |
CN108632330A (zh) * | 2017-03-16 | 2018-10-09 | 广达电脑股份有限公司 | 云端资源的管理系统及其管理方法 |
Non-Patent Citations (1)
Title |
---|
云计算机环境资源配置技术研究;郑伦川;《现代电子技术》;第第39卷卷(第第7期期);第24-32页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112306666A (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI723410B (zh) | 雲端資源管理系統、雲端資源管理方法以及非暫態電腦可讀取記錄媒體 | |
US11656911B2 (en) | Systems, methods, and apparatuses for implementing a scheduler with preemptive termination of existing workloads to free resources for high priority items | |
US20210133658A1 (en) | Task management platform | |
Song et al. | Optimal bidding in spot instance market | |
US11146497B2 (en) | Resource prediction for cloud computing | |
US10678602B2 (en) | Apparatus, systems and methods for dynamic adaptive metrics based application deployment on distributed infrastructures | |
US11704567B2 (en) | Systems and methods for an accelerated tuning of hyperparameters of a model using a machine learning-based tuning service | |
CN108446975B (zh) | 一种额度管理方法及装置 | |
US20180321975A1 (en) | Systems, methods, and apparatuses for implementing a stateless, deterministic scheduler and work discovery system with interruption recovery | |
US20180321971A1 (en) | Systems, methods, and apparatuses for implementing a scalable scheduler with heterogeneous resource allocation of large competing workloads types using qos | |
US11726836B2 (en) | Predicting expansion failures and defragmenting cluster resources | |
CN104657194B (zh) | 用于计算网络中动作的影响的方法和系统 | |
EP3497566A1 (en) | Dynamic optimization of simulation resources | |
US9176789B2 (en) | Capacity control | |
US11064041B2 (en) | Apparatus for providing cloud service using cloud service brokerage based on multiple clouds and method thereof | |
US8949429B1 (en) | Client-managed hierarchical resource allocation | |
WO2011153155A2 (en) | Method and system for arbitraging computing resources in a cloud computing environment | |
CN110532086B (zh) | 资源复用方法、设备、系统及存储介质 | |
US10970113B1 (en) | Systems and methods for orchestrating seamless, distributed, and stateful high performance computing | |
US20080281652A1 (en) | Method, system and program product for determining an optimal information technology refresh solution and associated costs | |
US20230145025A1 (en) | Modeling cloud inefficiencies using domain-specific templates | |
US20180367631A1 (en) | Apparatus for providing cloud brokerage service based on multiple clouds and method thereof | |
Mistry et al. | Predicting dynamic requests behavior in long-term iaas service composition | |
US20230090320A1 (en) | Systems and Methods to Leverage Unused Compute Resource for Machine Learning Tasks | |
WO2020206699A1 (en) | Predicting virtual machine allocation failures on server node 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 |