CN112486659A - 一种设备进程管理方法、设备进程管理系统及相关装置 - Google Patents
一种设备进程管理方法、设备进程管理系统及相关装置 Download PDFInfo
- Publication number
- CN112486659A CN112486659A CN202011505800.0A CN202011505800A CN112486659A CN 112486659 A CN112486659 A CN 112486659A CN 202011505800 A CN202011505800 A CN 202011505800A CN 112486659 A CN112486659 A CN 112486659A
- Authority
- CN
- China
- Prior art keywords
- resource
- occupancy rate
- container
- priority
- prediction
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 134
- 230000008569 process Effects 0.000 title claims abstract description 109
- 238000007726 management method Methods 0.000 title claims abstract description 44
- 238000005259 measurement Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4812—Task transfer initiation or dispatching by interrupt, e.g. masked
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提供一种设备进程管理方法，包括：获取目标设备在当前时间的第一资源占用率；根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率；当检测到所述下一单位时间所述目标设备的第二资源占用率超过所述资源预测占用率时，关闭所述目标设备中容器优先级低于当前预设优先级的容器的进程。本申请可以避免内存溢出或者CPU超载，使得操作系统强制杀死进程或造成系统卡顿等问题，保证设备的正常运行。本申请还提供一种设备进程管理方法、设备进程管理系统、计算机可读存储介质和电子设备，具有上述有益效果。
Description
技术领域
本申请涉及电子设备控制领域，特别涉及一种设备进程管理方法、设备进程管理系统及相关装置。
背景技术
多集群管理软件是一种多设备智能管理软件，能够同时管理分布式存储和统一存储，其包括集群设备管理、集群数据容灾、集群性能监控、集群告警管理、容量监控和设备拓扑等基础功能，并包含了AIOPS(Artificial Intelligence for IT Operations，智能运维)功能。在软件架构设计中，采用模块化设计，每个能够单独运行的模块作为一个独立的容器。
但在实际的项目开发中，AI预测引擎会占用比较大的内存和CPU，尤其在进行一轮新的预测时，内存和CPU的资源占用率会激增。如果生产环境下是按照事先约定分配的有限资源，当资源消耗过大时，会引起OOM(out of memory，内存溢出)或CPU超载，继而触发操作系统强制杀死进程或系统卡顿等问题，影响设备的正常运行。
发明内容
本申请的目的是提供一种设备进程管理方法、设备进程管理系统、计算机可读存储介质和电子设备，能够调控设备的资源占用，保证设备的正常运行。
为解决上述技术问题，本申请提供一种设备进程管理方法，具体技术方案如下：
获取目标设备在当前时间的第一资源占用率；
根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率；
当检测到所述下一单位时间所述目标设备的第二资源占用率超过所述资源预测占用率时，关闭所述目标设备中容器优先级低于当前预设优先级的容器的进程。
可选的，根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率时，还包括：
在所述下一单位时间将资源预测占用率的预测误差作为过程噪声，将在资源占用率获取过程中的测量误差作为测量噪声；
根据所述过程噪声和所述测量噪声确定所述资源预测占用率的均方误差。
可选的，根据所述过程噪声和所述测量噪声确定所述资源预测占用率的均方误差之后，还包括
根据所述均方误差确定所述资源预测占用率的最优值；
利用卡尔曼滤波器计算所述最优值的偏差；
根据所述偏差计算下下一单位时间的第二资源预测占用率。
可选的，优先级低于当前预设优先级的进程关闭后，还包括
在预设时间后判断被关闭进程是否满足当前时刻的启用条件；
若是，重启所述被关闭进程所在的容器。
可选的，在预设时间后判断被关闭进程是否满足当前时间的启用条件包括：
在预设时间后判断被关闭进程是否高于当前时刻的预设优先级；
若是，执行重启所述被关闭进程所在的容器的步骤。
可选的，还包括：
当所述目标设备接收到资源占用请求时，判断所述资源占用请求对应的容器是否存在容器优先级；
若否，为所述资源占用请求对应的容器配置所述容器优先级；
若是，则更新所述容器优先级。
本申请还提供一种设备进程管理系统，包括：
获取模块，用于获取目标设备在当前时间的第一资源占用率；
预测模块，用于根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率；
管理模块，用于当检测到所述下一单位时间所述目标设备的第二资源占用率超过所述资源预测占用率时，关闭所述目标设备中容器优先级低于当前预设优先级的容器的进程。
可选的，还包括：
优先级配置模块，用于当所述目标设备接收到资源占用请求时，判断所述资源占用请求对应的容器是否存在容器优先级；若否，为所述资源占用请求对应的容器配置所述容器优先级；若是，则更新所述容器优先级。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
本申请还提供一种电子设备，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如上所述的方法的步骤。
本申请提供一种设备进程管理方法，包括：获取目标设备在当前时间的第一资源占用率；根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率；当检测到所述下一单位时间所述目标设备的第二资源占用率超过所述资源预测占用率时，关闭所述目标设备中容器优先级低于当前预设优先级的容器的进程。
本申请通过划分容器优先级，利用卡尔曼滤波器预测下一单位时间的资源预测占用率，实际也为下一单位时间的资源占用的最优估计，并在下一单位时间的第二资源占用率超过最优估计时，关闭优先级低于当前预设优先级的容器进程，以避免内存溢出或者CPU超载，使得操作系统强制杀死进程或造成系统卡顿等问题。本申请以当前资源占用率为采集数据，利用卡尔曼滤波器进行数据处理，可以去除采集数据中噪声干扰，保证设备的正常运行。
本申请还提供一种设备进程管理方法、设备进程管理系统、计算机可读存储介质和电子设备，具有上述有益效果，此处不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种设备进程管理方法的流程图；
图2为本申请实施例所提供的一种设备进程管理系统结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参考图1，图1为本申请实施例所提供的一种设备进程管理方法的流程图，具体过程如下：
S101：获取目标设备在当前时间的第一资源占用率；
本步骤旨在获取目标设备当前的资源占用率，该资源占用率主要包括CPU和内存，而第一资源占用率中可以包括CPU占用率和内存占用率中的任一个，也可以同时包含CPU占用率和内存占用率。同样的，后续步骤中的第二资源占用率、资源预测占用率所包含的内存应与本步骤中的第一资源占用率相同。
在此对于如何目标设备的资源占用率不作限定，例如可以通过目标设备的操作系统或者BIOS等获取当前时间的资源占用率。
需要注意的是，本步骤中的当前时间应为某一单位时间，所谓单位时间，指本实施例在具体应用过程中对于设备进程的管理周期。在此对于单位时间不作具体限定，可以由本领域技术人员自由设定。容易理解的是，单位时间越短，对于设备进程的管理频率越高，对于目标设备中资源的管控效果越佳。通常可以设为1分钟，或者2分钟等，当然也可以根据目标设备的实时任务负载变更单位时间，即在目标设备承载任务量较大时缩短单位时间，在承载任务量较小时延长单位时间。
S102：根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率；
本步骤中，以单位时间为1分钟为例，则此时本步骤中的下一单位时间值一分钟后的时刻。本步骤旨在利用卡尔曼滤波器进行下一单位时间的资源占用率预测。
卡尔曼滤波器是一种最优化自回归数据处理算法，通常包括五条公式。本步骤中，由于不同时间的资源占用率具有随机性，因此可以将资源占用率作为卡尔曼滤波处理对象。且在利用卡尔曼滤波器进行预测时，只需要考虑过程噪声、测量噪声以及步骤S101中获取的当前时间的第一资源占用率。由于卡尔曼滤波器存在多种形式，例如其可以分为线性系统和非线性系统，而线性系统下的卡尔曼滤波器又分为线性离散系统和线性连续系统，非线性系统下的卡尔曼滤波器又分为扩展卡尔曼滤波器和无迹卡尔曼滤波器等。本步骤通常采用线性离散型卡尔曼滤波器，当然，本领域技术人员也可以选择其他相适应的滤波器，也应在本申请的保护范围内。
具体的，在执行本步骤时，可以在下一单位时间将资源预测占用率的预测误差作为过程噪声，将在资源占用率获取过程中的测量误差作为测量噪声，再根据过程噪声和测量噪声确定资源预测占用率的均方误差。预测误差指的根据第一资源占用率预测得到的资源预测占用率与第二资源占用率的误差，而测量误差对于资源占用率获取过程中的实际误差。由于资源占用率为连续变化的参量，在任意时刻获取得到的资源占用率实际为最接近其实际占用率的数值，并不一定为真实的实际占用率。因此可以将资源占用率获取过程中的测量误差和资源预测占用率的预测误差均作为高斯白噪声代入卡尔曼滤波器进行处理，用于计算均方误差。当然，测量噪声可能较难以确定，本领域技术人员也可以根据经验代入参数值作为测量噪声参与计算。而均方误差用于计算下下一单位时间的资源预测占用率，能够降低下下一单位时间的资源预测占用率的预测误差。
具体的，在根据过程噪声和测量噪声确定资源预测占用率的均方误差之后，还可以包括如下步骤：
第一步、根据均方误差确定资源预测占用率的最优值；
第二步、利用卡尔曼滤波器计算最优值的偏差；
第三步、根据偏差计算下下一单位时间的第二资源预测占用率。
上述三个步骤均为利用卡尔曼滤波器所包含的五个方程中相应方程所得到的执行步骤，其目的在于将偏差应用于后续资源预测过程，从而降低预测误差。卡尔曼滤波器不断的递归均方误差，从而预测资源占用率，且在得到第一次的资源预测占用率后，后续每次预测只需保留上一单位时间的协方差。
S103：当检测到所述下一单位时间所述目标设备的第二资源占用率超过所述资源预测占用率时，关闭所述目标设备中容器优先级低于当前预设优先级的容器的进程。
本步骤旨在当在下一单位时间检测到目标设备的第二资源占用率超过资源预测占用率时，释放部分低优先级容器的资源占用。容易理解是，本实施例默认至少在执行本步骤之前，需要针对目标设备中各容器配置相应的容器优先级。需要注意的是，优先级的配置单位为容器，而目标设备中，每个能够单独运行的模块作为一个独立的容器，该模块可以为软件，或者硬件结构。也因此，每个容器可以包含多个进程。即在关于进程时，以容器为最小单位进行进程的关闭。在此对于容器优先级的配置过程不作具体限定，本领域技术人员可以根据各容器对于目标设备正常运行的重要程度进行容器优先级的相关配置。而预设优先级同样可以由本领域技术人员自由配置，其可以为固定值，也可以为动态值，无论怎么设置预设优先级，其目的应当为在任何资源占用率情况下保证目标设备不发生操作系统卡顿等设备异常。
换句话说，目标设备需要为容器配置优先级，虽然一个容器可能包含若干条进程，由于产生新的进程时容器可能由于新进程或者新进程与原有进程之间的关联使得重要程度更高，因此可以在每次变更资源占用请求时，进行容器优先级的更新，具体过程可以如下：
当目标设备接收到资源占用请求时，判断资源占用请求对应的容器是否存在容器优先级。若否，为资源占用请求对应的容器配置容器优先级；若是，则更新容器优先级。换句话说，容器优先级也并非固定不变，其可以根据所包含的进程内容不同而发生变化。
此外，本实施例以初始计算过程为例对设备进程管理过程进行说明，可以预见的，还可以在本实施例的基础上，得到若干单位时间时的资源预测占用率，并执行资源预测占用率和对应时刻资源占用率的判断过程，即步骤S102和步骤S103为可反复执行步骤，以实现目标设备中设备进程的持续管控。
本申请实施例通过划分容器优先级，利用卡尔曼滤波器预测下一单位时间的资源预测占用率，实际也为下一单位时间的资源占用的最优估计，并在下一单位时间的第二资源占用率超过最优估计时，关闭优先级低于当前预设优先级的容器进程，以避免内存溢出或者CPU超载，使得操作系统强制杀死进程或造成系统卡顿等问题。本申请以当前资源占用率为采集数据，利用卡尔曼滤波器进行数据处理，可以去除采集数据中噪声干扰，保证设备的正常运行。
基于上述实施例，作为优选的实施例，还可以引入容器自愈(auto-heal)机制，在优先级低于当前预设优先级的进程关闭后，还可以执行如下步骤：
S201：在预设时间后判断被关闭进程是否满足当前时刻的启用条件；若是，进入S202；
S202：重启被关闭进程所在的容器。
该启用条件可以自由设定，当然并不能让该容器的启用使得启用时刻的资源占用率超过资源预测占用率。因此，可以在预设时间后判断被关闭进程是否高于当前时刻的预设优先级，若高于当前时刻的预设优先级，可以执行容器重启。
本实施例旨在引入容器自愈机制，使得容器在被关闭后，可以在满足启用条件时重启，以在不影响设备正常运行的前提下保证尽可能多的容器工作，提高目标设备的工作性能。
下面对本申请实施例提供的设备进程管理系统进行介绍，下文描述的设备进程管理系统与上文描述的设备进程管理方法可相互对应参照。
参见图2，图2为本申请实施例所提供的一种设备进程管理系统结构示意图，本申请还提供一种设备进程管理系统，包括：
获取模块100，用于获取目标设备在当前时间的第一资源占用率；
预测模块200，用于根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率；
管理模块300，用于当检测到所述下一单位时间所述目标设备的第二资源占用率超过所述资源预测占用率时，关闭所述目标设备中容器优先级低于当前预设优先级的容器的进程。
基于上述实施例，作为优选的实施例，还包括：
优先级配置模块，用于当所述目标设备接收到资源占用请求时，判断所述资源占用请求对应的容器是否存在容器优先级；若否，为所述资源占用请求对应的容器配置所述容器优先级；若是，则更新所述容器优先级。
基于上述实施例，作为优选的实施例，还包括：
均方误差计算模块，用于在所述下一单位时间将资源预测占用率的预测误差作为过程噪声，将在资源占用率获取过程中的测量误差作为测量噪声；
根据所述过程噪声和所述测量噪声确定所述资源预测占用率的均方误差。
基于上述实施例，作为优选的实施例，还包括
第二预测模块，用于根据所述均方误差确定所述资源预测占用率的最优值；利用卡尔曼滤波器计算所述最优值的偏差；根据所述偏差计算下下一单位时间的第二资源预测占用率。
基于上述实施例，作为优选的实施例，还包括：
容器自愈模块，用于在预设时间后判断被关闭进程是否满足当前时刻的启用条件；若是，重启所述被关闭进程所在的容器。
本申请还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：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。
本申请还提供了一种电子设备，可以包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然所述电子设备还可以包括各种网络接口，电源等组件。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的系统而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种设备进程管理方法，其特征在于，包括：
获取目标设备在当前时间的第一资源占用率；
根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率；
当检测到所述下一单位时间所述目标设备的第二资源占用率超过所述资源预测占用率时，关闭所述目标设备中容器优先级低于当前预设优先级的容器的进程。
2.根据权利要求1所述的设备进程管理方法，其特征在于，根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率时，还包括：
在所述下一单位时间将资源预测占用率的预测误差作为过程噪声，将在资源占用率获取过程中的测量误差作为测量噪声；
根据所述过程噪声和所述测量噪声确定所述资源预测占用率的均方误差。
3.根据权利要求2所述的设备进程管理方法，其特征在于，根据所述过程噪声和所述测量噪声确定所述资源预测占用率的均方误差之后，还包括：
根据所述均方误差确定所述资源预测占用率的最优值；
利用卡尔曼滤波器计算所述最优值的偏差；
根据所述偏差计算下下一单位时间的第二资源预测占用率。
4.根据权利要求1所述的设备进程管理方法，其特征在于，优先级低于当前预设优先级的进程关闭后，还包括：
在预设时间后判断被关闭进程是否满足当前时刻的启用条件；
若是，重启所述被关闭进程所在的容器。
5.根据权利要求4所述的设备进程管理方法，其特征在于，在预设时间后判断被关闭进程是否满足当前时间的启用条件包括：
在预设时间后判断被关闭进程是否高于当前时刻的预设优先级；
若是，执行重启所述被关闭进程所在的容器的步骤。
6.根据权利要求1-5任一项所述的设备进程管理方法，其特征在于，还包括：
当所述目标设备接收到资源占用请求时，判断所述资源占用请求对应的容器是否存在容器优先级；
若否，为所述资源占用请求对应的容器配置所述容器优先级；
若是，则更新所述容器优先级。
7.一种设备进程管理系统，其特征在于，包括：
获取模块，用于获取目标设备在当前时间的第一资源占用率；
预测模块，用于根据所述第一资源占用率利用卡尔曼滤波器计算下一单位时间的资源预测占用率；
管理模块，用于当检测到所述下一单位时间所述目标设备的第二资源占用率超过所述资源预测占用率时，关闭所述目标设备中容器优先级低于当前预设优先级的容器的进程。
8.根据权利要求7所述的设备进程管理系统，其特征在于，还包括：
优先级配置模块，用于当所述目标设备接收到资源占用请求时，判断所述资源占用请求对应的容器是否存在容器优先级；若否，为所述资源占用请求对应的容器配置所述容器优先级；若是，则更新所述容器优先级。
9.一种计算机可读存储介质，其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任一项所述的设备进程管理方法的步骤。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如权利要求1-6任一项所述的设备进程管理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011505800.0A CN112486659A (zh) | 2020-12-18 | 2020-12-18 | 一种设备进程管理方法、设备进程管理系统及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011505800.0A CN112486659A (zh) | 2020-12-18 | 2020-12-18 | 一种设备进程管理方法、设备进程管理系统及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112486659A true CN112486659A (zh) | 2021-03-12 |
Family
ID=74914163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011505800.0A Withdrawn CN112486659A (zh) | 2020-12-18 | 2020-12-18 | 一种设备进程管理方法、设备进程管理系统及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112486659A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115391032A (zh) * | 2022-08-15 | 2022-11-25 | 上海慧程工程技术服务有限公司 | 一种用于工业物联网边缘设备的内存优化方法 |
-
2020
- 2020-12-18 CN CN202011505800.0A patent/CN112486659A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115391032A (zh) * | 2022-08-15 | 2022-11-25 | 上海慧程工程技术服务有限公司 | 一种用于工业物联网边缘设备的内存优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10719343B2 (en) | Optimizing virtual machines placement in cloud computing environments | |
| CN113434253B (zh) | 集群资源调度方法、装置、设备及存储介质 | |
| US12112214B2 (en) | Predicting expansion failures and defragmenting cluster resources | |
| US11374876B2 (en) | Intelligent cloud platform to host resource efficient edge network function | |
| CN111026553B (zh) | 离线混部作业的资源调度方法及服务器系统 | |
| EP2951686A1 (en) | Physical resource allocation | |
| CN112506808B (zh) | 测试任务执行方法、计算设备、计算系统和存储介质 | |
| CN111124829A (zh) | 一种kubernetes计算节点状态监测方法 | |
| CN113672345A (zh) | 一种基于io预测的云虚拟化引擎分布式资源调度方法 | |
| HoseinyFarahabady et al. | Q-flink: A qos-aware controller for apache flink | |
| CN112486659A (zh) | 一种设备进程管理方法、设备进程管理系统及相关装置 | |
| CN114866563A (zh) | 扩容方法、装置、系统和存储介质 | |
| CN116185584A (zh) | 一种基于深度强化学习的多租户数据库资源规划与调度方法 | |
| US10733023B1 (en) | Oversubscription scheduling | |
| CN117687784A (zh) | 一种基于机器学习的Docker容器智能动态调配方法及装置 | |
| JP5729179B2 (ja) | 振分制御装置、振分制御方法および振分制御プログラム | |
| CN116743825A (zh) | 服务器管理方法、装置、计算机设备和存储介质 | |
| CN107179944B (zh) | 通过对执行中工作负载的学习而部署储存系统资源的方法 | |
| US9740259B2 (en) | Method for managing software application computing resources | |
| Kumar et al. | A QoS-based reactive auto scaler for cloud environment | |
| US8407711B2 (en) | MAPE loop performance on system-wide basis | |
| CN117194234A (zh) | 软件测试方法、装置、设备及存储介质 | |
| CN117632388A (zh) | 任务合并处理方法、装置、设备及计算机可读存储介质 | |
| CN116820669A (zh) | 一种任务调度方法及终端 | |
| CN115454588A (zh) | 线程池数据处理方法及装置、存储介质、处理器 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210312 |
|
| WW01 | Invention patent application withdrawn after publication |