CN112333279A - 服务器调配方法、装置、设备及存储介质 - Google Patents
服务器调配方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112333279A CN112333279A CN202011251978.7A CN202011251978A CN112333279A CN 112333279 A CN112333279 A CN 112333279A CN 202011251978 A CN202011251978 A CN 202011251978A CN 112333279 A CN112333279 A CN 112333279A
- Authority
- CN
- China
- Prior art keywords
- server
- reliable
- task
- servers
- cloud computing
- 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 82
- 238000013508 migration Methods 0.000 claims abstract description 45
- 230000005012 migration Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000008901 benefit Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims 1
- 238000000638 solvent extraction Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 2
- 101100526762 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) rpl-28 gene Proteins 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Hardware Redundancy (AREA)
Abstract
本发明涉及云技术领域，公开了一种服务器调配方法、装置、设备及存储介质。该方法包括：获取云计算任务及对应的任务截止时间，并确定用于处理云计算任务的多个服务器；根据云计算任务的任务截止时间，采用预置任务失效预测方法，将多个服务器划分为可靠服务器和不可靠服务器；对各不可靠服务器与各可靠服务器进行任务迁移匹配，得到可用于完成云计算任务的多个服务器组；分别计算各服务器组的第一调配收益和各可靠服务器的第二调配收益；基于第一调配收益和第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行云计算任务。本发明考虑了云计算任务对服务器选择的各影响因素，提升了云计算任务与对应处理服务器的匹配程度。
Description
技术领域
本发明涉及云技术，尤其涉及一种服务器调配方法、装置、设备及存储介质。
背景技术
云计算的核心是将某一个或某几个数据中心的计算资源虚拟化之后，向用户提供以租用计算资源为形式的服务。云计算资源管理系统的功能是接收来自云计算用户的资源请求，并且把特定的资源封装成服务提供给资源请求者。
现有技术从资源的计算能力、可靠性、成本因素等角度选择适当的计算资源。但是不论从哪个角度去选择资源，都只考虑了某一个或多个因素，并没有综合考虑全面因素。现有技术只是在满足任务计算能力请求的物理资源中随机选择的，既没有考虑资源的可靠性，也没有考虑资源的成本因素，同时没有将计算能力充足但并不可靠的资源加以利用，会造成资源的浪费，每次为任务选择计算能力最好的资源也会造成计算资源的浪费，忽略了云服务提供者的运营成本因素。即现有计算资源调配对计算任务的匹配度不够高。
发明内容
本发明的主要目的在于解决现有计算资源调配对计算任务的匹配度不够高的技术问题。
本发明第一方面提供了一种服务器调配方法，包括：
获取云计算任务及对应的任务截止时间，并确定用于处理所述云计算任务的多个服务器；
根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器；
依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组，其中所述服务器组包含一个不可靠服务器与一个可靠服务器；
分别计算各所述服务器组的第一调配收益，以及分别计算各所述可靠服务器的第二调配收益；
基于所述第一调配收益和所述第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行所述云计算任务。
可选的，在本发明第一方面的第一种实现方式中，所述根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器包括：
采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间；
依次判断各所述完成时间是否在所述任务截止时间之前；
若是，则将对应服务器划分为可靠服务器，否则将对应服务器划分为不可靠服务器。
可选的，在本发明第一方面的第二种实现方式中，所述采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间包括：
确定所述云计算任务的负载量，以及确定各所述服务器的计算能力；
基于所述负载量和所述计算能力，采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间。
可选的，在本发明第一方面的第三种实现方式中，所述依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组，其中所述服务器组包含一个不可靠服务器与一个可靠服务器包括：
依次选取一个不可靠服务器和一个可靠服务器，并分别确定两者的计算能力；
基于所述两者的计算能力和所述负载量，计算所述云计算任务从所述不可靠服务器迁移到所述可靠服务器的迁移时间节点；
判断所述迁移时间节点是否在预置时间节点之前；
若是，则将对应的不可靠服务器和可靠服务器进行配对，得到对应的多个服务器组。
可选的，在本发明第一方面的第四种实现方式中，所述分别计算各所述服务器组的第一调配收益包括：
分别确定各所述服务器组中不可靠服务器的第一成本因子及可靠服务器的第二成本因子；
基于所述第一成本因子与不可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之前的第一初始调配收益；
基于所述第二成本因子与可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之后的第二初始调配收益；
基于所述第一初始调配收益和所述第二初始调配收益，确定各所述服务器组的第一调配收益。
可选的，在本发明第一方面的第五种实现方式中，所述分别计算各所述可靠服务器的第二调配收益包括：
基于各所述可靠服务器的完成时间，分别计算各所述可靠服务器的可靠性因子；
基于所述可靠性因子与所述第二成本因子、可靠服务器的计算能力，分别计算各所述可靠服务器的第二调配收益。
本发明第二方面提供了一种服务器调配装置，包括：
获取模块，用于获取云计算任务及对应的任务截止时间，并确定用于处理所述云计算任务的多个服务器；
划分模块，用于根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器；
匹配模块，用于依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组，其中所述服务器组包含一个不可靠服务器与一个可靠服务器；
计算模块，用于分别计算各所述服务器组的第一调配收益，以及分别计算各所述可靠服务器的第二调配收益；
调配模块，用于基于所述第一调配收益和所述第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行所述云计算任务。
可选的，在本发明第二方面的第一种实现方式中，所述划分模块包括：
预测单元，用于采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间；
判别单元，用于依次判断各所述完成时间是否在所述任务截止时间之前；
划分单元，用于若所述完成时间在所述任务截止时间之前，则将对应服务器划分为可靠服务器，否则将对应服务器划分为不可靠服务器。
可选的，在本发明第二方面的第二种实现方式中，所述预测单元包括：
确定子单元，用于确定所述云计算任务的负载量，以及确定各所述服务器的计算能力；
预测子单元，用于基于所述负载量和所述计算能力，采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间。
可选的，在本发明第二方面的第三种实现方式中，所述匹配模块包括：
选取单元，用于依次选取一个不可靠服务器和一个可靠服务器，并分别确定两者的计算能力；
第一计算单元，用于基于所述两者的计算能力和所述负载量，计算所述云计算任务从所述不可靠服务器迁移到所述可靠服务器的迁移时间节点；
判别单元，用于判断所述迁移时间节点是否在预置时间节点之前；
匹配单元，用于若所述迁移时间节点在预置时间节点之前，则将对应的不可靠服务器和可靠服务器进行配对，得到对应的多个服务器组。
可选的，在本发明第二方面的第四种实现方式中，所述计算模块包括第二计算单元，所述第二计算单元用于：
分别确定各所述服务器组中不可靠服务器的第一成本因子及可靠服务器的第二成本因子；
基于所述第一成本因子与不可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之前的第一初始调配收益；
基于所述第二成本因子与可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之后的第二初始调配收益；
基于所述第一初始调配收益和所述第二初始调配收益，确定各所述服务器组的第一调配收益。
可选的，在本发明第二方面的第五种实现方式中，所述计算模块还包括第三计算单元，所述第三计算单元用于：
基于各所述可靠服务器的完成时间，分别计算各所述可靠服务器的可靠性因子；
基于所述可靠性因子与所述第二成本因子、可靠服务器的计算能力，分别计算各所述可靠服务器的第二调配收益。
本发明第三方面提供了一种服务器调配设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述服务器调配设备执行上述的服务器调配方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的服务器调配方法。
本发明提供的技术方案中，通过云计算任务的任务截止时间，采用预置任务失效预测方法，将用于处理该云计算任务的多个服务器分为可靠服务器和不可靠服务器；然后对于不可靠服务器，可为其匹配相应的可靠服务器，组成服务器组，使得不可靠服务器依然可以被利用；接着分别计算可靠服务器和服务器组的调配收益，并选择调配收益最高的服务器或服务器组执行云计算任务，对当前所有的可用服务器，无论是可靠服务器还是不可靠服务器均进行利用，只选取调配收益最高的服务器或服务器组合执行该云计算任务，可更全面地考虑云计算任务对服务器选择的各影响因素，提升云计算任务与对应处理服务器的匹配程度。
附图说明
图1为本发明实施例中服务器调配方法的一个实施例示意图；
图2为本发明实施例中服务器调配方法的另一个实施例示意图；
图3为本发明实施例中服务器调配装置的一个实施例示意图；
图4为本发明实施例中服务器调配装置的另一个实施例示意图；
图5为本发明实施例中服务器调配设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种服务器调配方法、装置、设备及存储介质，本发明根据云计算任务的任务截止时间，采用预置任务失效预测方法，将多个服务器划分为可靠服务器和不可靠服务器；依次选取一个不可靠服务器与一个可靠服务器进行任务迁移匹配，得到可用于完成云计算任务的多个服务器组；分别计算各服务器组的第一调配收益，以及分别计算各可靠服务器的第二调配收益；基于第一调配收益和第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行云计算任务。本发明更全面地考虑了云计算任务对服务器选择的各影响因素，提升了云计算任务与对应处理服务器的匹配程度。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中服务器调配方法的第一个实施例包括：
101、获取云计算任务及对应的任务截止时间，并确定用于处理所述云计算任务的多个服务器；
可以理解的是，本发明的执行主体可以为服务器调配装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。需要强调的是，为进一步保证上述云计算任务的私密和安全性，上述云计算任务还可以存储于一区块链的节点中。
本实施例中，当收到用户请求进行云计算时，一个请求可分为多个任务并行处理，每一个任务即为一个云计算任务，各个云计算任务都可应用本发明方法调配最适的服务器执行计算；每个服务器作为云计算集群中(IaaS(Infrastructure as a Service，基础设施即服务)、PaaS(Platform as a Service，平台即服务)、SaaS(Software as a Service，软件即服务)等)的物理节点，并存储有不同类型的云计算资源，以用于执行云计算任务；任务截止时间即该云计算任务的完成期限，根据业务开发流程进行人工设置，其中，同一个用户请求分出来的多个云计算任务的任务截止时间相同。
102、根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器；
本实施例中，预置任务失效预测方法用于预测各服务器在执行该云计算任务时是否发生失效的情况，即由硬件或软件缺陷、设计错误、环境不稳定或操作失误而引起的服务器内计算资源不可用。此处可通过预先设置条件，比如服务器处理云计算任务的预估完成时间在任务截止时间之前，即可在任务截止时间之前完成云计算任务，对应的服务器归为可靠服务器，否则归为不可靠服务器。可采用模糊神经网络模型、隐马尔可夫模型和云理论结合、关联规则挖掘等技术进行预置任务失效预测方法的配置。
具体的，通过预置任务失效预测模型对各服务器进行划分的步骤如下所示：
(1)采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间；
(2)依次判断各所述完成时间是否在所述任务截止时间之前；
(3)若是，则将对应服务器划分为可靠服务器，否则将对应服务器划分为不可靠服务器。
本实施例中，比如采用关联规则挖掘技术构建预置任务失败预测方法，其针对各服务器中失效呈现出的关联性，基于失效历史数据，利用概率共享风险组建模型失效的关联性。该方法利用可并行化执行的关联规则挖掘方法，提取数据中的频繁项以描述系统失效的关联性。而可靠服务器即在截止时间前预测可完成该云计算任务的服务器，不可靠服务器因为服务器硬件或软件缺陷、设计错误、环境不稳定或操作失误，故不可在截止时间前完成。
其中，多个服务器处理所述云计算任务的完成时间的预测过程可以包括以下步骤：
(1)确定所述云计算任务的负载量，以及确定各所述服务器的计算能力；
(2)基于所述负载量和所述计算能力，采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间。
本实施例中，各服务器处理云计算任务的完成时间的计算公式如下所示：C(t1)*(t0-t1)＝w(t1)，其中，C(t1)为当前时刻t1服务器的计算能力，t0为任务截止时间，C(t1)为当前时刻t1的负载量；
103、依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组，其中所述服务器组包含一个不可靠服务器与一个可靠服务器；
本实施例中，顺序选取一个不可靠服务器，然后为其匹配对应的可靠服务器，对于无法匹配到可靠服务器的，将其剔除即可，并直到不可靠服务器均匹配到可靠服务器，完成任务迁移匹配，其中，任务迁移匹配即云计算任务的处理可以通过从不可靠服务器迁移至可靠服务器，以完成其云计算任务，则对该不可靠服务器和可靠服务器进行匹配的过程。本来不可靠服务器无法独自完成云计算任务的处理，通过匹配一个可靠服务器，组成服务器组，使不可靠服务器得以被利用于云计算任务。
具体的，服务器组的任务迁移匹配过程可以包括以下步骤：
(1)依次选取一个不可靠服务器和一个可靠服务器，并分别确定两者的计算能力；
(2)基于所述两者的计算能力和所述负载量，计算所述云计算任务从所述不可靠服务器迁移到所述可靠服务器的迁移时间节点；
(3)判断所述迁移时间节点是否在预置时间节点之前；
(4)若是，则将对应的不可靠服务器和可靠服务器进行配对，得到对应的多个服务器组。
本实施例中，
104、分别计算各所述服务器组的第一调配收益，以及分别计算各所述可靠服务器的第二调配收益；
本实施例中，第一调配收益考虑了服务器组中可靠服务器的成本、计算能力和可靠性，以及不可靠服务器的成本和计算能力，对服务器的各方面使用效益进行计算，通过第一调配收益量化了服务器组处理云计算任务与该三个影响因素的匹配程度；具体计算方式如下所示：
(1)不可靠服务器调配收益：crp1＝λ+(1-λ)×c(t1)×p(t0)；
(2)可靠服务器调配收益：
(3)第一调配收益：rb1＝(crp1+crp2)；
而第二调配收益考虑了可靠服务器的成本、计算能力和可靠性，亦用于量化单个服务器处理云计算的效益；具体计算方式如下所示：
(2)rb2＝1/(crp3)；
其中，c(t0)为不可靠服务器t0时的计算能力，c(t1)、c(t2)分别为可靠服务器t1、t2时的计算能力，p(t0)、p(t1)为不可靠服务器在t0、t1时的单位计算能力的价格，w(t0)为t0时的负载量，w(t1)为t1时的负载量，λ、σ、α、β、Υ、δ为调节因子。
105、基于所述第一调配收益和所述第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行所述云计算任务。
本实施例中，将服务器组和单个可靠服务器同时作为执行云计算任务的备选，第一调配收益和第二调配收益中，最大调配收益的服务器组或单个可靠服务器即为考虑服务器成本、可靠性、计算能力后，得到的与云计算任务最匹配的选择。
本发明实施例中，通过云计算任务的任务截止时间，采用预置任务失效预测方法，将用于处理该云计算任务的多个服务器分为可靠服务器和不可靠服务器；然后对于不可靠服务器，可为其匹配相应的可靠服务器，组成服务器组，使得不可靠服务器依然可以被利用；接着分别计算可靠服务器和服务器组的调配收益，并选择调配收益最高的服务器或服务器组执行云计算任务，对当前所有的可用服务器，无论是可靠服务器还是不可靠服务器均进行利用，只选取调配收益最高的服务器或服务器组合执行该云计算任务，可更全面地考虑云计算任务对服务器选择的各影响因素，提升云计算任务与对应处理服务器的匹配程度。
请参阅图2，本发明实施例中服务器调配方法的第二个实施例包括：
201、获取云计算任务及对应的任务截止时间，并确定用于处理所述云计算任务的多个服务器；
202、根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器；
203、依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组，其中所述服务器组包含一个不可靠服务器与一个可靠服务器；
204、分别确定各所述服务器组中不可靠服务器的第一成本因子及可靠服务器的第二成本因子；
本实施例中，对于不可靠服务器，虽然因为前面说到的由硬件或软件缺陷、设计错误、环境不稳定或操作失误而引起的服务器内计算资源不可用，但可能其计算能力和成本优势依然存在，比如说计算能力，只是在某一环节出现了问题，而在前期计算中计算能力仍然很高，如果不加以利用，一方面白白浪费资源，另一方面使其他的可靠服务器承受更多的计算压力，最后可能无法使云计算任务顺利完成。
故此处将不可靠服务器与可靠服务器进行组合用于执行云计算任务，而为选择性价比最高的服务器或服务器组执行云计算任务，先从数据库获取当前不可靠服务器的第一成本因子和可靠服务器的第二成本因子。成本因子因计算阶段不同，其定价亦不同，此处的第一成本因子的预估指从云计算开始时间到迁移时间节点，不可靠服务器的计算成本，第二成本因子的预估指从迁移时间节点到任务完成时间，可靠服务器的计算成本。
205、基于所述第一成本因子与不可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之前的第一初始调配收益；
206、基于所述第二成本因子与可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之后的第二初始调配收益；
本实施例中，不可靠服务器因为其可靠性能较低，在云计算任务的评估范围之外，故不考虑其可靠性，其对应的第一初始调配收益依据其成本与计算能力两个因素进行计算，以评估不可靠服务器在执行前段(迁移时间节点之前的)云计算任务时的第一初始调配收益，衡量不可靠服务器在成本与计算能力上的优劣程度；而第二初始调配收益则是根据可靠服务器的成本与计算能力进行计算，以评估可靠服务器在执行后段(迁移时间节点之后的)云计算任务时的第二初始调配收益，衡量可靠服务器在成本和计算能力上的性价比。
207、基于所述第一初始调配收益和所述第二初始调配收益，确定各所述服务器组的第一调配收益；
本实施例中，第一初始调配收益和第二初始调配收益分别量化了在迁移时间节点之前不可靠服务器执行云计算任务的性价比，以及在迁移时间节点之后可靠服务器执行云计算任务的性价比，两者相加，即可得到服务器组执行云计算任务时的整体性价比，即第一调配收益。
208、基于各所述可靠服务器的完成时间，分别计算各所述可靠服务器的可靠性因子；
209、基于所述可靠性因子与所述第二成本因子、可靠服务器的计算能力，分别计算各所述可靠服务器的第二调配收益；
本实施例中，不同的可靠服务器的可靠程度均不同，此处可根据各可靠服务器通过任务失效预测方法预测到的云计算任务的完成时间，来计算各可靠服务器的可靠性因子，通过可靠性因子来描述可靠服务器的可靠程度。
然后对于单个可靠性因子执行云计算任务的性价比，通过第二调配收益进行量化，将其与云计算任务的成本、计算能力、可靠程度三个因素挂钩，并采用前面提到公式进行计算。
210、基于所述第一调配收益和所述第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行所述云计算任务。
本发明实施例中，介绍了通过各服务器组中不可靠服务器的第一成本因子、可靠服务器的第二成本因子和计算能力，计算各服务器组对执行云计算任务的第一调配收益，通过各可靠服务器的可靠因子、第二成本因子和计算能力，计算各可靠服务器的第二调配收益，同时兼顾全部服务器的可靠性、成本、计算能力等因素，调配最匹配的服务器或服务器组对云计算任务进行处理。
上面对本发明实施例中服务器调配方法进行了描述，下面对本发明实施例中服务器调配装置进行描述，请参阅图3，本发明实施例中服务器调配装置一个实施例包括：
获取模块301，用于获取云计算任务及对应的任务截止时间，并确定用于处理所述云计算任务的多个服务器；
划分模块302，用于根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器；
匹配模块303，用于依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组，其中所述服务器组包含一个不可靠服务器与一个可靠服务器；
计算模块304，用于分别计算各所述服务器组的第一调配收益，以及分别计算各所述可靠服务器的第二调配收益；
调配模块305，用于基于所述第一调配收益和所述第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行所述云计算任务。
本发明实施例中，通过云计算任务的任务截止时间，采用预置任务失效预测方法，将用于处理该云计算任务的多个服务器分为可靠服务器和不可靠服务器；然后对于不可靠服务器，可为其匹配相应的可靠服务器，组成服务器组，使得不可靠服务器依然可以被利用；接着分别计算可靠服务器和服务器组的调配收益，并选择调配收益最高的服务器或服务器组执行云计算任务，对当前所有的可用服务器，无论是可靠服务器还是不可靠服务器均进行利用，只选取调配收益最高的服务器或服务器组合执行该云计算任务，可更全面地考虑云计算任务对服务器选择的各影响因素，提升云计算任务与对应处理服务器的匹配程度。
请参阅图4，本发明实施例中服务器调配装置的另一个实施例包括：
获取模块301，用于获取云计算任务及对应的任务截止时间，并确定用于处理所述云计算任务的多个服务器；
划分模块302，用于根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器；
匹配模块303，用于依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组，其中所述服务器组包含一个不可靠服务器与一个可靠服务器；
计算模块304，用于分别计算各所述服务器组的第一调配收益，以及分别计算各所述可靠服务器的第二调配收益；
调配模块305，用于基于所述第一调配收益和所述第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行所述云计算任务。
具体的，所述划分模块302包括：
预测单元3021，用于采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间；
判别单元3022，用于依次判断各所述完成时间是否在所述任务截止时间之前；
划分单元3023，用于若所述完成时间在所述任务截止时间之前，则将对应服务器划分为可靠服务器，否则将对应服务器划分为不可靠服务器。
具体的，所述预测单元3021包括：
确定子单元30211，用于确定所述云计算任务的负载量，以及确定各所述服务器的计算能力；
预测子单元30212，用于基于所述负载量和所述计算能力，采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间。
具体的，所述匹配模块303包括：
选取单元3031，用于依次选取一个不可靠服务器和一个可靠服务器，并分别确定两者的计算能力；
第一计算单元3032，用于基于所述两者的计算能力和所述负载量，计算所述云计算任务从所述不可靠服务器迁移到所述可靠服务器的迁移时间节点；
判别单元3033，用于判断所述迁移时间节点是否在预置时间节点之前；
匹配单元3034，用于若所述迁移时间节点在预置时间节点之前，则将对应的不可靠服务器和可靠服务器进行配对，得到对应的多个服务器组。
具体的，所述计算模块304包括第二计算单元3041，所述第二计算单元3041用于：
分别确定各所述服务器组中不可靠服务器的第一成本因子及可靠服务器的第二成本因子；
基于所述第一成本因子与不可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之前的第一初始调配收益；
基于所述第二成本因子与可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之后的第二初始调配收益；
基于所述第一初始调配收益和所述第二初始调配收益，确定各所述服务器组的第一调配收益。
具体的，所述计算模块304还包括第三计算单元3042，所述第三计算单元3042用于：
基于各所述可靠服务器的完成时间，分别计算各所述可靠服务器的可靠性因子；
基于所述可靠性因子与所述第二成本因子、可靠服务器的计算能力，分别计算各所述可靠服务器的第二调配收益。
本发明实施例中，不仅介绍了采用预置任务失效预测方法，将用于处理该云计算任务的多个服务器分为可靠服务器和不可靠服务器，对于不可靠服务器，可为其匹配相应的可靠服务器，组成服务器组，使得不可靠服务器依然可以被利用；接着通过调配收益量化服务器与云计算任务的匹配程度，对当前所有的可用服务器进行利用，可调配更适合的服务器或服务器组合执行该云计算任务，可更全面地考虑云计算任务对服务器选择的各影响因素，提升云计算任务与对应处理服务器的匹配程度；还介绍了通过各服务器组对执行云计算任务的第一调配收益，以及各可靠服务器的第二调配收益，同时兼顾全部服务器的可靠性、成本、计算能力等因素，调配最匹配的服务器或服务器组对云计算任务进行处理。
上面图3和图4从模块化功能实体的角度对本发明实施例中的服务器调配装置进行详细描述，下面从硬件处理的角度对本发明实施例中服务器调配设备进行详细描述。
图5是本发明实施例提供的一种服务器调配设备的结构示意图，该服务器调配设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器调配设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在服务器调配设备500上执行存储介质530中的一系列指令操作。
服务器调配设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的服务器调配设备结构并不构成对服务器调配设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种服务器调配设备，所述服务器调配设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述服务器调配方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述服务器调配方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种服务器调配方法，其特征在于，所述服务器调配方法包括：
获取云计算任务及对应的任务截止时间，并确定用于处理所述云计算任务的多个服务器；
根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器；
依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组，其中所述服务器组包含一个不可靠服务器与一个可靠服务器；
分别计算各所述服务器组的第一调配收益，以及分别计算各所述可靠服务器的第二调配收益；
基于所述第一调配收益和所述第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行所述云计算任务。
2.根据权利要求1所述的服务器调配方法，其特征在于，所述根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器包括：
采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间；
依次判断各所述完成时间是否在所述任务截止时间之前；
若是，则将对应服务器划分为可靠服务器，否则将对应服务器划分为不可靠服务器。
3.根据权利要求2所述的服务器调配方法，其特征在于，所述采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间包括：
确定所述云计算任务的负载量，以及确定各所述服务器的计算能力；
基于所述负载量和所述计算能力，采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间。
4.根据权利要求3所述的服务器调配方法，其特征在于，所述依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组包括：
依次选取一个不可靠服务器和一个可靠服务器，并分别确定两者的计算能力；
基于所述两者的计算能力和所述负载量，计算所述云计算任务从所述不可靠服务器迁移到所述可靠服务器的迁移时间节点；
判断所述迁移时间节点是否在预置时间节点之前；
若是，则将对应的不可靠服务器和可靠服务器进行配对，得到对应的多个服务器组。
5.根据权利要求4所述的服务器调配方法，其特征在于，所述分别计算各所述服务器组的第一调配收益包括：
分别确定各所述服务器组中不可靠服务器的第一成本因子及可靠服务器的第二成本因子；
基于所述第一成本因子与不可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之前的第一初始调配收益；
基于所述第二成本因子与可靠服务器的计算能力，分别计算各所述服务器组在所述迁移时间节点之后的第二初始调配收益；
基于所述第一初始调配收益和所述第二初始调配收益，确定各所述服务器组的第一调配收益。
6.根据权利要求5所述的服务器调配方法，其特征在于，所述分别计算各所述可靠服务器的第二调配收益包括：
基于各所述可靠服务器的完成时间，分别计算各所述可靠服务器的可靠性因子；
基于所述可靠性因子与所述第二成本因子、可靠服务器的计算能力，分别计算各所述可靠服务器的第二调配收益。
7.一种服务器调配装置，其特征在于，所述服务器调配装置包括：
获取模块，用于获取云计算任务及对应的任务截止时间，并确定用于处理所述云计算任务的多个服务器；
划分模块，用于根据所述任务截止时间，采用预置任务失效预测方法，将所述多个服务器划分为可靠服务器和不可靠服务器；
匹配模块，用于依次对所述各不可靠服务器与所述各可靠服务器进行任务迁移匹配，得到可用于完成所述云计算任务的多个服务器组，其中所述服务器组包含一个不可靠服务器与一个可靠服务器；
计算模块，用于分别计算各所述服务器组的第一调配收益，以及分别计算各所述可靠服务器的第二调配收益；
调配模块，用于基于所述第一调配收益和所述第二调配收益，选取一个调配收益最高的可靠服务器或服务器组执行所述云计算任务。
8.根据权利要求7所述的服务器调配装置，其特征在于，所述划分模块包括：
预测单元，用于采用所述预置任务失效预测方法，分别预测所述多个服务器处理所述云计算任务的完成时间；
判别单元，用于依次判断各所述完成时间是否在所述任务截止时间之前；
划分单元，用于若所述完成时间在所述任务截止时间之前，则将对应服务器划分为可靠服务器，否则将对应服务器划分为不可靠服务器。
9.一种服务器调配设备，其特征在于，所述服务器调配设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述服务器调配设备执行如权利要求1-6中任一项所述的服务器调配方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的服务器调配方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011251978.7A CN112333279A (zh) | 2020-11-11 | 2020-11-11 | 服务器调配方法、装置、设备及存储介质 |
| PCT/CN2021/082702 WO2021203975A1 (zh) | 2020-11-11 | 2021-03-24 | 服务器调配方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011251978.7A CN112333279A (zh) | 2020-11-11 | 2020-11-11 | 服务器调配方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112333279A true CN112333279A (zh) | 2021-02-05 |
Family
ID=74318888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011251978.7A Pending CN112333279A (zh) | 2020-11-11 | 2020-11-11 | 服务器调配方法、装置、设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112333279A (zh) |
| WO (1) | WO2021203975A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021203975A1 (zh) * | 2020-11-11 | 2021-10-14 | 平安科技（深圳）有限公司 | 服务器调配方法、装置、设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201532634U (zh) * | 2009-09-21 | 2010-07-21 | 王鹏 | 基于不可信服务器节点的云计算基础架构系统 |
| CN103546313A (zh) * | 2013-09-26 | 2014-01-29 | 福州宙斯盾信息技术有限公司 | 基于云计算的it运维管理系统 |
| SG10201605120SA (en) * | 2015-09-25 | 2017-04-27 | Singapore Telecomm Ltd | Resource planning system for cloud computing |
| US10540496B2 (en) * | 2017-09-29 | 2020-01-21 | International Business Machines Corporation | Dynamic re-composition of patch groups using stream clustering |
| CN112333279A (zh) * | 2020-11-11 | 2021-02-05 | 平安科技（深圳）有限公司 | 服务器调配方法、装置、设备及存储介质 |
-
2020
- 2020-11-11 CN CN202011251978.7A patent/CN112333279A/zh active Pending
-
2021
- 2021-03-24 WO PCT/CN2021/082702 patent/WO2021203975A1/zh active Application Filing
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021203975A1 (zh) * | 2020-11-11 | 2021-10-14 | 平安科技（深圳）有限公司 | 服务器调配方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021203975A1 (zh) | 2021-10-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Peng et al. | Optimus: an efficient dynamic resource scheduler for deep learning clusters | |
| US8650298B2 (en) | Resource allocation system | |
| US8799916B2 (en) | Determining an allocation of resources for a job | |
| CN106326002B (zh) | 资源调度方法、装置及设备 | |
| US20170031712A1 (en) | Data-aware workload scheduling and execution in heterogeneous environments | |
| US10108458B2 (en) | System and method for scheduling jobs in distributed datacenters | |
| WO2012144985A1 (en) | Scheduling map and reduce tasks of jobs for execution according to performance goals | |
| US20140189703A1 (en) | System and method for distributed computing using automated provisoning of heterogeneous computing resources | |
| US20130290972A1 (en) | Workload manager for mapreduce environments | |
| US20050091654A1 (en) | Autonomic method, system and program product for managing processes | |
| US20140189702A1 (en) | System and method for automatic model identification and creation with high scalability | |
| US11496413B2 (en) | Allocating cloud computing resources in a cloud computing environment based on user predictability | |
| US20130318538A1 (en) | Estimating a performance characteristic of a job using a performance model | |
| US20170344400A1 (en) | Method and system for performance ticket reduction | |
| CN109254836B (zh) | 面向云计算系统优先依赖任务的期限约束成本优化调度方法 | |
| US20130268941A1 (en) | Determining an allocation of resources to assign to jobs of a program | |
| CN109614227A (zh) | 任务资源调配方法、装置、电子设备及计算机可读介质 | |
| Xue et al. | Managing data center tickets: Prediction and active sizing | |
| CN112000460A (zh) | 一种基于改进贝叶斯算法的服务扩缩容的方法及相关设备 | |
| Bawankule et al. | Historical data based approach to mitigate stragglers from the Reduce phase of MapReduce in a heterogeneous Hadoop cluster | |
| CN112333279A (zh) | 服务器调配方法、装置、设备及存储介质 | |
| Rizvandi et al. | On modeling dependency between mapreduce configuration parameters and total execution time | |
| JP2009037369A (ja) | データベースサーバへのリソース割当て方法 | |
| Herault et al. | Optimal cooperative checkpointing for shared high-performance computing platforms | |
| CN116962532A (zh) | 集群任务调度方法、装置、计算机设备及存储介质 |
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 |