CN112395081B - 一种资源在线自动回收方法、系统、服务器以及存储介质 - Google Patents
一种资源在线自动回收方法、系统、服务器以及存储介质 Download PDFInfo
- Publication number
- CN112395081B CN112395081B CN201910907107.7A CN201910907107A CN112395081B CN 112395081 B CN112395081 B CN 112395081B CN 201910907107 A CN201910907107 A CN 201910907107A CN 112395081 B CN112395081 B CN 112395081B
- Authority
- CN
- China
- Prior art keywords
- resource
- information
- rule
- memory
- index
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004064 recycling Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 230000015654 memory Effects 0.000 claims description 65
- 238000011084 recovery Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 28
- 238000013508 migration Methods 0.000 claims description 20
- 230000005012 migration Effects 0.000 claims description 20
- 238000007726 management method Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 14
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000013468 resource allocation Methods 0.000 claims description 6
- 239000000725 suspension Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000593 degrading effect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Hardware Redundancy (AREA)
Abstract
本发明公开了一种资源在线自动回收的方法、系统、服务器以及存储介质，通过控制中心的资源模块从注册中心获取资源信息结合从云管、监控平台获取相关信息，匹配规则模块后，通过调度模块回送至注册中心，调度资源池进行资源在线自动回收，从而解决了现有技术中资源回收均会产生停机离线操作，判断规则准确性差以及目前资源回收均为离线操作，不具备自动化的能力的技术问题。
Description
技术领域
本发明涉及云资源回收技术领域，具体涉及一种资源在线自动回收方法、系统、服务器以及存储介质。
背景技术
资源回收，是指当资源到达了其申请的使用周期后的资源回收过程。为提高资源使用效率，到期的资源将被回收，供其他租户使用。资源被回收后，原资源使用人将不再具备该资源的使用权，相关的系统和数据的可用性将无法得到保障。
现有技术为解决资源回收通常采用opentstack类的IAAS资源，这种资源目前动态伸缩功能受限，普遍采用的是监控+人工判断+增减配、回收提醒+分批调整(增减配、预停机)+删除的方式。然而，IaaS私有云运营中资源回收存在着如下缺点：
1)目前资源回收均会产生停机离线操作，对生产业务影响很大。
2)目前资源回收通常使用月度CPU利用率、内存利用率作为判断依据，判断规则准确性差。
3)目前资源回收均为离线操作，不具备自动化的能力。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的资源在线自动回收的系统和相应的资源在线自动回收的方法。
根据本发明的一个方面，提供了一种资源在线自动回收的方法，包括以下步骤：
收集资源信息，所述资源信息包括监控指标信息、硬件信息以及业务信息；
将所述资源信息与业务规则、指标规则以及调整规则进行匹配，根据匹配结果确定资源回收处理方式；
根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理。
可选地，所述收集资源信息进一步包括：
从监控平台获取监控指标信息；
从zookeeper注册中心获取硬件信息；
从云管平台、CMDB获取业务信息。
可选地，所述业务规则包括：同业务属性APPID下，涉及虚拟机资源至少分布在N个数据中心、N个可用区、N个机架、N个计算节点的规则；同业务属性APPID下，涉及最小预留CPU、内存、存储等级的规则；同业务属性APPID下，涉及使用周期频率的规则；
和/或，所述调整规则包括：资源增减配规则、迁移规则、和/或资源回收暂停规则；
和/或，所述指标规则包括：各种指标项的利用率规则，所述指标项包含：负载、CPU利用率、内存利用率、IO吞吐率和/或网络吞吐率。
可选地，所述根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理进一步包括：
在线关闭超线程CPU；
利用内存气泡技术对内存进行处理；
执行多存储后端迁移。
根据本发明的另一方面，提供了一种资源在线自动回收系统，包括：
资源模块：用于收集资源信息，所述资源信息包括监控指标信息、硬件信息以及业务信息；
规则模块：用于将所述资源信息与业务规则、指标规则以及调整规则进行匹配，根据匹配结果确定资源回收处理方式；
回收处理模块：用于根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理。
可选地，所述资源模块进一步用于：
从监控平台获取监控指标信息；
从zookeeper注册中心获取硬件信息；
从云管平台、CMDB获取业务信息。
可选地，所述业务规则包括：同业务属性APPID下，涉及虚拟机资源至少分布在N个数据中心、N个可用区、N个机架、N个计算节点的规则；同业务属性APPID下，涉及最小预留CPU、内存、存储等级的规则；同业务属性APPID下，涉及使用周期频率的规则；
和/或，所述调整规则包括：资源增减配规则、迁移规则、和/或资源回收暂停规则；
和/或，所述指标规则包括：各种指标项的利用率规则，所述指标项包含：负载、CPU利用率、内存利用率、IO吞吐率和/或网络吞吐率。
可选地，所述回收处理模块进一步用于：
在线关闭超线程CPU；
利用内存气泡技术对内存进行处理；
执行多存储后端迁移。
根据本发明的又一方面，提供了一种服务器，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述的资源在线自动回收方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行上述的资源在线自动回收方法对应的操作。
根据本发明的一种资源在线自动回收方法、系统、服务器以及存储介质通过控制中心的资源模块从注册中心获取资源信息结合从云管、监控平台获取相关信息，匹配规则模块后，通过调度模块回送至注册中心，调度资源池进行资源在线自动回收，从而解决了现有技术中资源回收均会产生停机离线操作，判断规则准确性差以及目前资源回收均为离线操作，不具备自动化的能力的技术问题。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明一个实施例的一种资源在线自动回收方法的流程示意图；
图2示出了根据本发明一个实施例的一种资源在线自动回收系统的结构示意图；
图3示出了根据本发明一个实施例的一种资源在线自动回收系统中资源模块动态架构图；
图4示出了根据本发明一个实施例的一种资源在线自动回收方法中的业务规则架构图；
图5示出了根据本发明一个实施例的一种资源在线自动回收系统中的调度模块的结构示意图；
图6示出了根据本发明一个实施例的一种服务器的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1示出了根据本发明一个实施例的一种资源在线自动回收的方法，包括以下步骤：
S11：收集资源信息，所述资源信息包括监控指标信息、硬件信息以及业务信息。
在本步骤中，所述收集资源信息进一步包括：
从监控平台获取监控指标信息；
从zookeeper注册中心获取硬件信息；
从云管平台、CMDB获取业务信息。
具体地说，收集各类资源信息，包括但不限于监控指标信息、硬件信息、业务信息。资源模块从监控平台获取指标信息；从zookeeper注册中心获取硬件信息；从云管平台、CMDB等获取业务信息(CMDB--Configuration Management Database配置管理数据库)。
S12：将所述资源信息与业务规则、指标规则以及调整规则进行匹配，根据匹配结果确定资源回收处理方式。
S13：根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理。
可选地，所述业务规则包括：同业务属性APPID下，涉及虚拟机资源至少分布在N个数据中心、N个可用区、N个机架、N个计算节点的规则；同业务属性APPID下，涉及最小预留CPU、内存、存储等级的规则；同业务属性APPID下，涉及使用周期频率的规则；
和/或，所述调整规则包括：资源增减配规则、迁移规则、和/或资源回收暂停规则；
和/或，所述指标规则包括：各种指标项的利用率规则，所述指标项包含：负载、CPU利用率、内存利用率、IO吞吐率和/或网络吞吐率。
具体地说，该业务规则主要由动态资源信息及规则流文件组成；其中动态资源信息通过资源模块获取，规则流文件为预定义文件。
动态资源信息通过资源模块获取，包括但不限于业务属性APPID、CMDB信息(数据中心、可用区、机架位置、计算节点)等。
规则流文件定义保障规则，包括但不限于以下规则：
a)同业务属性APPID下，虚拟机资源至少分布在N个数据中心、N个可用区、N个机架、N个计算节点
b)同业务属性APPID下，最小预留CPU、内存、存储等级(多存储后端，区分等级如：1级存储、2级存储、3级存储等)
c)同业务属性APPID下，使用周期频率(如：月初月末使用、季度使用等)
该调整规则主要分为三类：1、增减配2、迁移3、暂停。增减配、迁移完成后可继续断网、停服、回收调整。
a)增减配主要用于动态增加减少资源，如动态增加减少CPU、内存。
b)迁移主要用于两个场景：1、存储资源的升降级2、虚拟机动态增加资源达到计算节点某些阈值时，在线迁移至空闲计算节点。
c)某些特殊情况下，暂停资源动态在线增减回收。
该指标规则分为指标项和利用率指标。指标项包括但不限于以下五类：负载、CPU利用率、内存利用率、IO吞吐率、网络吞吐率。利用率指标Mt指的是在统计周期内对服务器按照一定的采样周期进行瞬间时刻的利用率采样，计算采样数据的最大值，作为当前采样点时刻的利用率指标。
Mt＝Max{Mt1,Mt2,…Mtn}
下一个统计周期C的预测值为：
Ct＝(Mt-1+Mt-2+Mt-3+…+Mt-n)/n
其中Ct为预测值；n为C周期中采样个数；Mt-1为前期利用率指标；Mt-2,Mt-3和Mt-n分别表示前两期、前三期直至前n期的利用率指标。
根据利用率指标Mt与三个不同周期C1<C2<C3的预测值(C1t、C2t、C3t)比较：
a)当C1t>C2t>C3t时升级资源：升级资源包括增加CPU数量，增加内存数量，迁移至高性能存储。
b)当C1t<C2t<C3t时降级资源：降级资源包括减少CPU数量，减少内存数量，迁移至低性能存储。
c)当C1t<C2t<C3t时且当前资源为最小预留CPU、内存、存储等级时回收资源：回收资源包括虚拟机网络资源隔离，虚拟机停服，虚拟机删除。
可选地，所述根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理进一步包括：
在线关闭超线程CPU；
利用内存气泡技术对内存进行处理；
执行多存储后端迁移。
具体地说，在本步骤中，使用多种技术进行在线CPU、内存、存储空间调整。通过在线关闭超线程CPU、内存气泡以及多存储后端迁移实现调度。
采用本实施例提供的方法，通过从注册中心获取资源信息结合从云管、监控平台获取相关信息，匹配规则后，通过回送至注册中心，调度资源池进行资源在线自动回收，从而解决了现有技术中资源回收均会产生停机离线操作，判断规则准确性差以及目前资源回收均为离线操作，不具备自动化的能力的技术问题。
实施例二
如图2所示，为本发明实施例提供的一种资源在线自动回收系统的结构示意图，本系统的控制中心包括：
资源模块：用于收集资源信息，所述资源信息包括监控指标信息、硬件信息以及业务信息；
规则模块：用于将所述资源信息与业务规则、指标规则以及调整规则进行匹配，根据匹配结果确定资源回收处理方式；
回收处理模块：用于根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理。
如图3所示，为资源模块动态架构图。该资源模块动态收集各类资源信息，包括但不限于监控指标信息、硬件信息、业务信息。资源模块从监控平台获取指标信息；从zookeeper注册中心获取硬件信息；从云管平台、CMDB等获取业务信息(CMDB--Configuration Management Database配置管理数据库)。
可选地，所述资源模块进一步用于：
从监控平台获取监控指标信息；
从zookeeper注册中心获取硬件信息；
从云管平台、CMDB获取业务信息。
特别地说，ZooKeeper是一个分布式的，开放源码的分布式应用程序协调服务，是Google的Chubby一个开源的实现，是Hadoop和Hbase的重要组件。它是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组服务等。
可选地，如图4所示，所述业务规则包括：同业务属性APPID下，涉及虚拟机资源至少分布在N个数据中心、N个可用区、N个机架、N个计算节点的规则；同业务属性APPID下，涉及最小预留CPU、内存、存储等级的规则；同业务属性APPID下，涉及使用周期频率的规则；
和/或，所述调整规则包括：资源增减配规则、迁移规则、和/或资源回收暂停规则；
和/或，所述指标规则包括：各种指标项的利用率规则，所述指标项包含：负载、CPU利用率、内存利用率、IO吞吐率和/或网络吞吐率。
该业务规则主要由动态资源信息及规则流文件组成；其中动态资源信息通过资源模块获取，规则流文件为预定义文件。
动态资源信息通过资源模块获取，包括但不限于业务属性APPID、CMDB信息(数据中心、可用区、机架位置、计算节点)等。
规则流文件定义保障规则，包括但不限于以下规则：
a)同业务属性APPID下，虚拟机资源至少分布在N个数据中心、N个可用区、N个机架、N个计算节点
b)同业务属性APPID下，最小预留CPU、内存、存储等级(多存储后端，区分等级如：1级存储、2级存储、3级存储等)
c)同业务属性APPID下，使用周期频率(如：月初月末使用、季度使用等)
该调整规则主要分为三类：1、增减配2、迁移3、暂停。增减配、迁移完成后可继续断网、停服、回收调整。
a)增减配主要用于动态增加减少资源，如动态增加减少CPU、内存。
b)迁移主要用于两个场景：1、存储资源的升降级2、虚拟机动态增加资源达到计算节点某些阈值时，在线迁移至空闲计算节点。
c)某些特殊情况下，暂停资源动态在线增减回收。
该指标规则分为指标项和利用率指标。指标项包括但不限于以下五类：负载、CPU利用率、内存利用率、IO吞吐率、网络吞吐率。利用率指标Mt指的是在统计周期内对服务器按照一定的采样周期进行瞬间时刻的利用率采样，计算采样数据的最大值，作为当前采样点时刻的利用率指标。
Mt＝Max{Mt1,Mt2,…Mtn}
下一个统计周期C的预测值为：
Ct＝(Mt-1+Mt-2+Mt-3+…+Mt-n)/n
其中Ct为预测值；n为C周期中采样个数；Mt-1为前期利用率指标；Mt-2,Mt-3和Mt-n分别表示前两期、前三期直至前n期的利用率指标。
根据利用率指标Mt与三个不同周期C1<C2<C3的预测值(C1t、C2t、C3t)比较：
a)当C1t>C2t>C3t时升级资源：升级资源包括增加CPU数量，增加内存数量，迁移至高性能存储。
b)当C1t<C2t<C3t时降级资源：降级资源包括减少CPU数量，减少内存数量，迁移至低性能存储。
c)当C1t<C2t<C3t时且当前资源为最小预留CPU、内存、存储等级时回收资源：回收资源包括虚拟机网络资源隔离，虚拟机停服，虚拟机删除。
可选地，如图5所示，所述回收处理模块进一步用于：
在线关闭超线程CPU；
利用内存气泡技术对内存进行处理；
执行多存储后端迁移。
在本步骤中，该调度模块使用多种技术进行在线CPU、内存、存储空间调整。通过在线关闭超线程CPU、内存气泡以及多存储后端迁移实现调度。
采用本实施例提供的这种系统，通过控制中心的资源模块从注册中心获取资源信息结合从云管、监控平台获取相关信息，匹配规则模块后，通过调度模块回送至注册中心，调度资源池进行资源在线自动回收，从而解决了现有技术中资源回收均会产生停机离线操作，判断规则准确性差以及目前资源回收均为离线操作，不具备自动化的能力的技术问题。
实施例三
本申请实施例三提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的一种资源在线自动回收的方法。
实施例四
图6示出了根据本发明实施例六的一种服务器的结构示意图，本发明具体实施例并不对服务器的具体实现做限定。
如图6所示，该服务器可以包括：处理器(processor)、通信接口(CommunicationsInterface)、存储器(memory)、以及通信总线。
其中：
处理器、通信接口、以及存储器通过通信总线完成相互间的通信。
通信接，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器，用于执行程序，具体可以执行上述资源在线自动回收方法实施例中的相关步骤。
具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU，或者是特定集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器，用于存放程序。存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序具体可以用于使得处理器执行以下操作：收集资源信息，所述资源信息包括监控指标信息、硬件信息以及业务信息；将所述资源信息与业务规则、指标规则以及调整规则进行匹配，根据匹配结果确定资源回收处理方式；根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的资源在线自动回收的系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (8)
1.一种资源在线自动回收方法，其特征在于，包括以下步骤：
收集资源信息，所述资源信息包括监控指标信息、硬件信息以及业务信息；
将所述资源信息与业务规则、指标规则以及调整规则进行匹配，根据匹配结果确定资源回收处理方式；其中，所述业务规则由动态资源信息及规则流文件组成；其中，动态资源信息通过资源模块获取，规则流文件为预定义文件；所述动态资源信息包括：业务属性APPID、配置管理数据库信息；所述配置管理数据库信息包括：数据中心、可用区、机架位置以及计算节点；所述规则流文件定义保障规则，包括以下规则：同业务属性APPID下，虚拟机资源至少分布在N个数据中心、N个可用区、N个机架、N个计算节点；同业务属性APPID下，最小预留CPU、内存、存储等级；同业务属性APPID下，使用周期频率；所述指标规则包括指标项和利用率指标；指标项包括：负载、CPU利用率、内存利用率、IO吞吐率和/或网络吞吐率；利用率指标指的是在统计周期内对服务器按照采样周期进行瞬时时刻的利用率采样，计算采样数据的最大值作为当前采样点时刻的利用率指标；所述调整规则包括：资源增减配规则、迁移规则和/或资源回收暂停规则；
根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理。
2.根据权利要求1所述的方法，其特征在于，所述收集资源信息进一步包括：
从监控平台获取监控指标信息；
从zookeeper注册中心获取硬件信息；
从云管平台、CMDB获取业务信息。
3.根据权利要求1所述的方法，其特征在于，所述根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理进一步包括：
在线关闭超线程CPU；
利用内存气泡技术对内存进行处理；
执行多存储后端迁移。
4.一种资源在线自动回收系统，其特征在于，包括：
资源模块：用于收集资源信息，所述资源信息包括监控指标信息、硬件信息以及业务信息；
规则模块：用于将所述资源信息与业务规则、指标规则以及调整规则进行匹配，根据匹配结果确定资源回收处理方式；其中，所述业务规则由动态资源信息及规则流文件组成；其中，动态资源信息通过资源模块获取，规则流文件为预定义文件；所述动态资源信息包括：业务属性APPID、配置管理数据库信息；所述配置管理数据库信息包括：数据中心、可用区、机架位置以及计算节点；所述规则流文件定义保障规则，包括以下规则：同业务属性APPID下，虚拟机资源至少分布在N个数据中心、N个可用区、N个机架、N个计算节点；同业务属性APPID下，最小预留CPU、内存、存储等级；同业务属性APPID下，使用周期频率；所述指标规则包括指标项和利用率指标；指标项包括：负载、CPU利用率、内存利用率、IO吞吐率和/或网络吞吐率；利用率指标指的是在统计周期内对服务器按照采样周期进行瞬时时刻的利用率采样，计算采样数据的最大值作为当前采样点时刻的利用率指标；所述调整规则包括：资源增减配规则、迁移规则和/或资源回收暂停规则；
回收处理模块：用于根据资源回收处理方式调度相应的API，对CPU、内存和/或存储空间进行回收处理。
5.根据权利要求4所述的系统，其特征在于，所述资源模块进一步用于：
从监控平台获取监控指标信息；
从zookeeper注册中心获取硬件信息；
从云管平台、CMDB获取业务信息。
6.根据权利要求4所述的系统，其特征在于，所述回收处理模块进一步用于：
在线关闭超线程CPU；
利用内存气泡技术对内存进行处理；
执行多存储后端迁移。
7.一种服务器，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-3中任一项所述的资源在线自动回收方法对应的操作。
8.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-3中任一项所述的资源在线自动回收方法对应的操作。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910754350 | 2019-08-15 | ||
| CN201910754350X | 2019-08-15 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112395081A CN112395081A (zh) | 2021-02-23 |
| CN112395081B true CN112395081B (zh) | 2024-05-07 |
Family
ID=74603701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910907107.7A Active CN112395081B (zh) | 2019-08-15 | 2019-09-24 | 一种资源在线自动回收方法、系统、服务器以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112395081B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113344459B (zh) * | 2021-07-07 | 2022-07-15 | 象无形电子商务唐山有限公司 | 一种废钢资源的回收信息管理系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102479108A (zh) * | 2010-11-26 | 2012-05-30 | 中国科学院声学研究所 | 一种多应用进程的嵌入式系统终端资源管理系统及方法 |
| JP2015156234A (ja) * | 2015-04-20 | 2015-08-27 | 富士通株式会社 | リソース制御装置、リソース制御方法、及びリソース制御プログラム |
| WO2017041556A1 (zh) * | 2015-09-11 | 2017-03-16 | 中兴通讯股份有限公司 | 虚拟资源调度方法、装置及系统 |
| CN107515809A (zh) * | 2017-08-18 | 2017-12-26 | 国网山东省电力公司信息通信公司 | 一种电力系统的弹性伸缩方法及系统 |
| CN107919975A (zh) * | 2016-10-09 | 2018-04-17 | 中兴通讯股份有限公司 | 一种业务资源分配方法和装置 |
| CN108491164A (zh) * | 2018-03-22 | 2018-09-04 | 上海精鲲计算机科技有限公司 | 一种混合云存储架构系统 |
| CN109597688A (zh) * | 2018-11-23 | 2019-04-09 | 金色熊猫有限公司 | 在线资源管理方法、装置、存储介质及电子设备 |
| CN109787807A (zh) * | 2018-11-28 | 2019-05-21 | 中国电子科技集团公司第二十八研究所 | 基于Openstack架构云平台工作流的自服务系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6089783B2 (ja) * | 2013-02-27 | 2017-03-08 | 富士通株式会社 | 制御装置、リソース制御プログラムおよびリソース制御方法 |
| EP3044690A4 (en) * | 2013-09-13 | 2017-04-12 | Hewlett-Packard Development Company, L.P. | Intelligent auto-scaling |
| US9558005B2 (en) * | 2014-05-19 | 2017-01-31 | Intel Corporation | Reliable and deterministic live migration of virtual machines |
-
2019
- 2019-09-24 CN CN201910907107.7A patent/CN112395081B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102479108A (zh) * | 2010-11-26 | 2012-05-30 | 中国科学院声学研究所 | 一种多应用进程的嵌入式系统终端资源管理系统及方法 |
| JP2015156234A (ja) * | 2015-04-20 | 2015-08-27 | 富士通株式会社 | リソース制御装置、リソース制御方法、及びリソース制御プログラム |
| WO2017041556A1 (zh) * | 2015-09-11 | 2017-03-16 | 中兴通讯股份有限公司 | 虚拟资源调度方法、装置及系统 |
| CN107919975A (zh) * | 2016-10-09 | 2018-04-17 | 中兴通讯股份有限公司 | 一种业务资源分配方法和装置 |
| CN107515809A (zh) * | 2017-08-18 | 2017-12-26 | 国网山东省电力公司信息通信公司 | 一种电力系统的弹性伸缩方法及系统 |
| CN108491164A (zh) * | 2018-03-22 | 2018-09-04 | 上海精鲲计算机科技有限公司 | 一种混合云存储架构系统 |
| CN109597688A (zh) * | 2018-11-23 | 2019-04-09 | 金色熊猫有限公司 | 在线资源管理方法、装置、存储介质及电子设备 |
| CN109787807A (zh) * | 2018-11-28 | 2019-05-21 | 中国电子科技集团公司第二十八研究所 | 基于Openstack架构云平台工作流的自服务系统 |
Non-Patent Citations (2)
| Title |
|---|
| A big data on private cloud agile provisioning framework based on Openstack;Ming lu等;《2018 IEEE 3rd International Conference on Cloud Computing and Big Data Analysis(ICCCBDA)》;20180618;253-260 * |
| 商业银行数据中心运维自动化建设讨论;莫军辉;《金融科技时代》;20190810(第08期);13-19 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112395081A (zh) | 2021-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107431696B (zh) | 用于应用自动化部署的方法和云管理节点 | |
| US20170060707A1 (en) | High availability dynamic restart priority calculator | |
| CN111324427B (zh) | 一种基于dsp的任务调度方法及装置 | |
| CN111611050A (zh) | 一种信息处理方法、装置、设备及存储介质 | |
| CN110782122B (zh) | 数据处理方法、装置及电子设备 | |
| US20180081894A1 (en) | Method and apparatus for clearing data in cloud storage system | |
| CN107977275B (zh) | 基于消息队列的任务处理方法及相关设备 | |
| CN112860387A (zh) | 分布式任务调度方法、装置、计算机设备及存储介质 | |
| CN112395081B (zh) | 一种资源在线自动回收方法、系统、服务器以及存储介质 | |
| CN113626173B (zh) | 调度方法、装置及存储介质 | |
| US20190227958A1 (en) | Aggregation handling | |
| CN113760499A (zh) | 调度计算单元的方法、装置、计算设备及介质 | |
| CN112148458A (zh) | 任务调度方法、装置 | |
| CN107045452B (zh) | 虚拟机调度方法和装置 | |
| CN108429704B (zh) | 一种节点资源分配方法及装置 | |
| CN112099937A (zh) | 一种资源治理方法和装置 | |
| CN108446182A (zh) | 一种基于共享内存的跨进程通信方法及装置 | |
| CN114862223A (zh) | 一种机器人调度方法、装置、设备及存储介质 | |
| CN113934566A (zh) | 异常处理方法、装置和电子设备 | |
| CN112988383A (zh) | 一种资源分配方法、装置、设备以及存储介质 | |
| CN113254143A (zh) | 虚拟化网络功能网元编排调度方法、装置和系统 | |
| CN111741097B (zh) | 一种租户独占节点的方法、计算机设备及存储介质 | |
| CN112433841B (zh) | 一种资源池调度方法、系统、服务器和存储介质 | |
| CN110287017B (zh) | 一种任务调度方法及任务调度装置 | |
| US20240103903A1 (en) | Dynamic pod priority inference utilizing service mesh telemetry data |
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 |