CN112738146A - 接入节点设备和接入系统及设备调度方法和设备调度装置 - Google Patents

接入节点设备和接入系统及设备调度方法和设备调度装置 Download PDF

Info

Publication number
CN112738146A
CN112738146A CN201911030614.3A CN201911030614A CN112738146A CN 112738146 A CN112738146 A CN 112738146A CN 201911030614 A CN201911030614 A CN 201911030614A CN 112738146 A CN112738146 A CN 112738146A
Authority
CN
China
Prior art keywords
access
scheduling
load
access node
upper limit
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
Application number
CN201911030614.3A
Other languages
English (en)
Other versions
CN112738146B (zh
Inventor
林洋
赵攀峰
周诒欧
徐立峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision System Technology Co Ltd
Original Assignee
Hangzhou Hikvision System Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision System Technology Co Ltd filed Critical Hangzhou Hikvision System Technology Co Ltd
Priority to CN201911030614.3A priority Critical patent/CN112738146B/zh
Publication of CN112738146A publication Critical patent/CN112738146A/zh
Application granted granted Critical
Publication of CN112738146B publication Critical patent/CN112738146B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
    • 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
    • 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
    • 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
    • H04L67/50—Network services
    • H04L67/54—Presence management, e.g. monitoring or registration for receipt of user log-on information, or the connection status of the users

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提供了一种接入节点设备，包括：接入服务模块，用于提供所述接入节点设备的接入服务；监控服务模块，用于检测所述接入节点设备的硬件配置量化能力、并监测所述接入节点设备的接入服务负载数量和接入服务运行状态；管理服务模块，用于利用所述硬件配置量化能力对所述接入服务运行状态的测评将所述接入服务负载数量转换为所述接入节点设备的接入数量测评上限，以及，利用所述接入服务负载数量和所述接入数量测评上限确定所述接入节点设备的负载比和可调度数，对所述接入节点设备执行以所述负载比为调度趋势约束、并匹配所述可调度数的设备调度。本发明还提供了一种接入系统、一种设备调度方法以及一种设备调度装置。

Description

接入节点设备和接入系统及设备调度方法和设备调度装置
技术领域
本发明涉及资源调度领域，特别涉及适用于物联网等存在设备接入需求的各种场景的一种接入节点设备、一种接入系统、一种设备调度方法以及一种设备调度装置。
背景技术
对于存在设备接入需求的场景中，可以布置多个接入节点。如何在各接入节点调度设备成为现有技术中有待解决的技术问题。
发明内容
有鉴于此，本发明的各实施例分别提供了一种接入节点设备、一种接入系统、一种设备调度方法以及一种设备调度装置。
在一个实施例中，提供了一种接入节点设备，包括：接入服务模块，用于提供所述接入节点设备的接入服务；监控服务模块，用于检测所述接入节点设备的硬件配置量化能力、并监测所述接入节点设备的接入服务负载数量和接入服务运行状态；管理服务模块，用于利用所述硬件配置量化能力对所述接入服务运行状态的测评，将所述接入服务负载数量转换为所述接入节点设备的接入数量测评上限；利用所述接入服务负载数量和所述接入数量测评上限，确定所述接入节点设备的负载比和可调度数；以及，执行以所述负载比为调度趋势约束、并匹配所述可调度数的设备调度。
在另一个实施例中，提供了一种接入系统，包括至少两台如上所述的接入节点设备，并且，至少两台所述接入节点设备之间建立有通信连接。
在另一个实施例中，提供了一种设备调度方法，包括：获取所述接入节点设备的硬件配置量化能力、接入服务负载数量以及接入服务运行状态；利用所述硬件配置量化能力对所述接入服务运行状态的测评，将所述接入服务负载数量转换为所述接入节点设备的接入数量测评上限；利用所述接入服务负载数量和所述接入数量测评上限，确定所述接入节点设备的负载比和可调度数；执行以所述负载比为调度趋势约束、并匹配所述可调度数的设备调度。
在另一个实施例中，提供了一种设备调度装置，包括处理器，所述处理器用于执行如上所述的设备调度方法中的步骤。
在另一个实施例中，提供了一种非瞬时计算机可读存储介质，所述非瞬时计算机可读存储介质存储指令，所述指令在由处理器执行时使得所述处理器执行如上所述的设备调度方法中的步骤。
如上可见，上述实施例提供的技术方案可以实现所述接入节点设备自决策的设备调度，并且：
1、自决策设备调度综合考虑了所述接入节点设备的硬件配置量化能力和接入服务运行状态，而不是单纯依靠接入服务运行状态进行决策，因而可以提高设备调度与接入节点设备的硬件配置的适配性，尤其是对于接入系统中集群部署的各接入节点设备存在硬件配置差异化的情况，这样适配性可以弱化甚至消除差异化对设备调度的不利影响；
2、自决策设备调度参考了反映真实负载消耗的所述接入服务负载数量，因而调度结果与真实负载之间具有强耦合，以降低调度结果相对于真实负载具有严重偏差的概率；
3、自决策设备调度以所述负载比为调度趋势约束，而不是以负载数量作为调度操作的直接触发条件，因而可以利用负载比提供一定的免调度切换缓冲，有利于降低设备频繁调度的发生概率，并由此降低设备切换对数据接入的影响。
若自决策设备调度进一步引入预调度补偿机制，则可以利用所述负载比和所述预调度数量的结合进一步降低设备频繁调度的发生概率，并可以由此进一步弱化设备切换对数据接入的影响；并且，由于预调度补偿机制可以基于设备数据样本来实现，因此，只要设备数据样本的采样范围足以体现数据变化的周期性规律，预调度补偿机制的效力可以在包括所述接入节点设备的接入系统的生命周期内持续保持；
若自决策设备调度所使用的所述接入服务运行状态和所述硬件配置量化能力涵盖多个指标项，则可以进一步提升调度决策的全面性；并且，若自决策设备调度对多个指标项引入均值化平滑处理，则可以降低由于指标项的尖峰效应而对调度结果产生的影响。
附图说明
以下附图仅对本发明做示意性说明和解释，并不限定本发明的范围：
图1为一个实施例中包含接入节点设备的接入系统的框架结构示意图；
图2为如图1所示实施例在接入节点设备部署的服务模块逻辑拓扑示意图；
图3为如图1所示实施例在接入节点设备部署的管理服务模块的结构示意图；
图4a至图4c为如图1所示实施例中标定耐受率的实例示意图；
图5为如图1所示实施例中适用的负载状态区间的实例示意图；
图6为另一个实施例中的设备调度方法的示例性流程示意图；
图7为如图6所示实施例中的设备调度方法的一实例流程示意图；
图8为如图6所示实施例中的设备调度方法在图7基础上引入分项耐受测评机制的扩展实例流程示意图；
图9为如图6所示实施例中的设备调度方法的另一实例流程示意图；
图10为如图6所示实施例中的设备调度方法在图9基础上引入数据样本预测机制的扩展实例流程示意图；
图11a和图11b为如图6所示实施例中的设备调度方法的调度实例示意图；
图12为另一个实施例中的设备调度装置的硬件框架结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明作进一步详细说明。
图1为一个实施例中包含接入节点设备的接入系统的框架结构示意图。请参见图1，在一个实施例中，一种接入系统包括可供前端设备(或者也可称为边缘设备)200接入的至少两台接入节点设备100，例如，这些接入节点设备100可以为集群部署的服务器。这些接入节点设备100可以共享数据库110和缓存资源120，并且这些接入节点设备100可以与上层应用130通信连接。另外，至少两台接入节点设备100之间也可以建立有通信连接。其中，上层应用130可以是例如平台应用或者客户端应用等任意一种可面向用户并可访问各台接入节点设备100的应用。数据库110和缓存资源120可以用于资源管理、数据存储等存储服务，该存储服务可以是不依赖于上层应用130和接入节点设备100的独立的服务。
从图1中可以看出，每台接入节点设备100包括接入服务模块310、监控服务模块320、管理服务模块330以及本地缓存340。
接入服务模块310用于提供接入节点设备100的接入服务。这里所述的接入服务可以是一种独立的服务，主要用于连接前端设备200，接收并转发前端设备200上报的数据。
本地缓存模块340可以为接入服务提供缓存支持，例如，在出现接入服务的转发能力小于接收能力(数据量陡增)、且设备调度机制未立刻触发时，本地缓存模块340可以实现数据的暂存以提供短时间的接入容灾能力。待调度机制触发后，本地缓存模块340中暂存的未成功转发的数据可以被接入服务利用空闲资源读取后转发。
监控服务模块320用于提供对接入节点设备100的监控服务。这里所述的监控服务可以是一种独立的服务，主要用于检测接入节点设备100的硬件配置量化能力、并监测所述接入节点设备的接入服务负载数量和接入服务运行状态等。
管理服务模块330用于在接入节点设备100提供管理服务。这里所述的管理服务可以是一种独立的服务，并且管理服务至少包括设备调度。每台接入节点设备100中的管理服务模块330均以该接入节点设备100为物理载体，但者并不意味着管理服务模块330的管理服务范围仅局限于该台接入节点设备100。
图2为如图1所示实施例在接入节点设备部署的服务模块逻辑拓扑示意图。请参见图2，每台接入节点设备100中的管理服务模块330既与该台接入节点设备100中的接入服务模块310和监控服务模块320本地连接(如图2中的实线所示)，也可以与其他接入节点设备100中的接入服务模块310和监控服务模块320跨设备连接(如图2中的虚线所示)。
因此，每台接入节点设备100中的管理服务模块300都可以发起从本设备的接入服务模块310向其他设备的接入服务模块310的设备迁出调度、以及从其他设备的接入服务模块310向本设备的接入服务模块310的设备迁入调度。
从而，承载于每台接入节点设备100的管理服务模块330涉及设备调度的管理服务涵盖接入系统中的所有接入节点设备100中的接入服务模块310和监控服务模块320，即，承载于每台接入节点设备100的管理服务模块330都具有全局调度的能力。相应地，管理服务模块330可以赋予作为其物理载体的接入节点设备100对接入系统中的前端设备200的自决策全局调度能力，由此可以在接入系统中实现全分布式的管理服务部署。
图3为如图1所示实施例在接入节点设备部署的管理服务模块的结构示意图。请参见图3，针对涉及设备调度的管理服务，管理服务模块330可以具体包括资源管理子模块331和资源调度子模块332。
资源管理子模块331用于实现对接入节点设备100的管理，例如，资源管理模块331可以访问其所在接入节点设备100与其他设备共享100的数据库110和缓存资源120，以实现各台接入节点设备100之间基于数据库110和缓存资源120的信息共享。
资源调度子模块332用于实现涉及设备调度的服务功能，下文中将对此做详细说明。另外，从图3中可以看出，管理服务模块330还可以进一步包括资源预调度子模块333，其用于辅助资源调度子模块332在实现设备调度时引入预调度补偿机制，下文也将对此做详细说明。
监控服务模块320可以检测接入节点设备100的硬件配置量化能力，本文所述的硬件配置量化能力，可以是以预定的评价规则将接入节点设备100的硬件配置参数转化得到的一个量化值，下文将硬件配置量化能力表示为Gserver。
接入节点设备100可以包括处理器、内存以及网卡等硬件，硬件配置量化能力Gserver涉及的指标项可以包括处理器、内存以及网卡。相应地，监控服务模块320可以检测这些指标项的参数，并将检测到的参数进行归一化处理，例如，处理器的归一化容量Ccpu、内存的归一化容量Cram、以及网卡的归一化带宽Cnet。
监控服务模块320可以利用预先设定的各指标项对应的归一化参数及相关系数计算得到硬件配置量化能力Gserver。例如，利用处理器的归一化容量Ccpu、内存的归一化容量Cram、以及网卡的归一化带宽Cnet以及对应的相关系数αcpu、αram、αnet计算的过程可以表示为如下的算式(1)：
Gserver＝f(Ccpu·αcpu+Cram·αram+Cnet·αnet) 算式(1)
上述算式(1)中的“f()”泛指预先设定的运算函数，并且，相关系数αcpu、αram、αnet可以认为是表征对应的指标项对硬件配置水平的相关程度的经验系数，并且所有相关相关系数αcpu、αram、αnet之和可以设定为1。
例如，相关系数的取值可以参考如下的表1来设定。
相关程度 相关系数的取值区间
极强相关 (0.8，1.0]
强相关 (0.6，0.8]
中等程度相关 (0.4，0.6]
弱相关 (0.2，0.4]
极弱相关或无相关 (0.0，0.2]
表1
按照上述算式(1)计算得到的硬件配置量化能力Gserver可以是一种程度化的非定性表征。若需要评价硬件配置量化能力Gserver的相对水平，可以引入一参考配置量化能力Gref，该参考配置量化能力Gref可以是利用从具有参考配置的设备中测得的各指标项的归一化参数、以及上述的相关系数通过算式(1)预先计算得到的。
假设具有参考配置的设备中的各指标项的参数如下：
处理器：E3-1230 V2 3.3Ghz×1
主板芯片组：C204芯片组
内存：8GB
硬盘：SATA 1T企业级
网卡：1000M NIC×2
则，选用上述参数中的处理器、内存以及网卡的归一化参数，并利用上述算式(1)，即可计算得到参考配置量化能力Gref。从而，参考配置量化能力Gref可以作为反映硬件配置量化能力Gserver的相对水平的参考基准。
对于硬件配置量化能力Fserver，还可以设定其与接入数量参考上限的对应关系，例如如下的表2。
接入数量参考上限 服务器硬件参数评分
10000 (0.8，1.0]
5000 (0.3，0.8]
500 (0.1，0.3]
表2
上述的硬件配置量化能力Fserver、以及参考配置量化能力Gref都可以是预先计算得到、并存储在接入节点设备100中的。当接入节点设备100运行时，监控服务模块320可以通过读取方式实现对硬件配置量化能力Fserver、以及参考配置量化能力Gref的检测。或者，也可以只有参考配置量化能力Gref是预先计算得到、并存储在接入节点设备100中的，而硬件配置量化能力Fserver则可以是由监控服务模块320检测到各指标项的参数后计算得到。
当接入节点设备100运行时，监控服务模块320还可以监测接入节点设备100的接入服务负载数量和接入服务运行状态。其中，接入服务负载数量可以是接入服务实际连接的前端设备200的数量，下文表示为Ndevice；接入运行服务状态则是接入服务运行时对硬件的使用情况，其包含的指标项与硬件配置量化能力Fserver包含的指标项是相同的，例如，处理器的使用率Vcr、内存的使用率Vmr、网卡的使用率Vnr。
并且，监控服务模块320可以将检测到的硬件配置量化能力Gserver和参考配置量化能力Gref、以及监测到的接入服务负载数量Ndevice和接入运行服务状态(例如处理器的使用率Vcr、内存的使用率Vmr、网卡的使用率Vnr)上报给管理服务模块330。
管理服务模块330可以利用硬件配置量化能力Gserver对接入服务运行状态(例如处理器的使用率Vcr、内存的使用率Vmr、网卡的使用率Vnr)的测评，将接入服务负载数量Ndevice转换为接入节点设备100的接入数量测评上限
Figure BDA0002250034720000063
利用接入服务负载数量Ndevice和接入数量测评上限
Figure BDA0002250034720000064
确定接入节点设备的负载比σ和可调度数N可调度数；以及，执行以负载比σ为调度趋势约束、并匹配可调度数N可调度数的设备调度。
其中，匹配可调度数N可调度数可以理解为：当可调度数N可调度数大于0时，接入节点设备100具有可接受设备迁入的承受力；当可调度数N可调度数小于或等于0时，接入节点设备100已不具备接受设备迁入的承受力。而以负载比σ为调度趋势约束，则可以理解为对迁入和迁出趋势的使能控制，在与可调度数N可调度数相结合时，可以进一步理解为在可调度数N可调度数大于0时的迁入趋势的使能控制、以及在可调度数N可调度数小于或等于0时的迁出趋势的使能控制。
如上可见，管理服务模块330赋予接入节点设备100的自决策设备调度综合考虑了接入节点设备100的硬件配置量化能力Gserver和接入服务运行状态(例如处理器的使用率Vcr、内存的使用率Vmr、网卡的使用率Vnr)，而不是单纯依靠接入服务运行状态进行决策，因而可以提高设备调度与接入节点设备的硬件配置的适配性，尤其是对于如图1所示的接入系统中集群部署的各接入节点设备存在硬件配置差异化的情况，这样适配性可以弱化甚至消除差异化对设备调度的不利影响。由于管理服务模块330赋予接入节点设备100的自决策设备调度所使用的接入服务运行状态和硬件配置量化能力Gserver还涵盖了多个指标项，因而可以进一步提升调度决策的全面性。
而且，管理服务模块330赋予接入节点设备100的自决策设备调度参考了反映真实负载消耗的接入服务负载数量Ndevice，因而调度结果与真实负载之间具有强耦合，以降低调度结果相对于真实负载具有严重偏差(例如前端设备200下线未告警导致为接入节点设备100分配的设备数与实际负载不符)的概率。
另外，管理服务模块330赋予接入节点设备100的自决策设备调度以负载比σ为调度趋势约束，而不是以负载数量作为调度操作的直接触发条件，因而可以利用负载比提供一定的免调度切换缓冲，有利于降低设备频繁调度的发生概率，并由此降低设备切换对数据接入的影响。
对于接入数量测评上限
Figure BDA0002250034720000071
的获取过程，管理服务模块330可以进一步根据预先设定的硬件配置量化能力Gserver与接入数量参考上限的对应关系(例如前文的表2)，确定接入节点设备100的接入数量参考上限
Figure BDA0002250034720000078
利用硬件配置量化能力Gserver表征的硬件耐受极限对接入服务运行状态(例如处理器的使用率Vcr、内存的使用率Vmr、网卡的使用率Vnr)的测评，将接入服务负载数量Ndevice反演为接入节点设备100的接入数量演算上限
Figure BDA0002250034720000077
以及，利用接入数量参考上限
Figure BDA0002250034720000074
对接入数量演算上限
Figure BDA0002250034720000075
进行峰值截止约束，可以得到上述的接入数量测评上限
Figure BDA0002250034720000079
接入数量参考上限
Figure BDA0002250034720000084
可以看作是接入数量演算上限
Figure BDA0002250034720000085
的期望正常值的取值上限，相应地，利用接入数量参考上限
Figure BDA0002250034720000086
对接入数量演算上限
Figure BDA0002250034720000087
进行峰值截止约束可以认为是异常排查校验的过程。
对于上述的硬件配置量化能力Gserver表征的硬件耐受极限，管理服务模块330可以进一步获取为接入服务运行状态和硬件配置量化能力Gserver共同包括的各指标项预先标定的对应的耐受率，并利用各指标项对应的耐受率将硬件配置量化能力Gserver转换为各指标项对应的耐受阈值，以利用耐受阈值来表示硬件耐受极限。
上述的耐受率可以反映出对应的指标项的参数随设备负载增长发生突变的耐受拐点，标定的耐受率可以预先存储在接入节点设备100中并由监控服务模块320检测得到后上报给管理服务模块320。
图4a至图4c为如图1所示实施例中标定耐受率的实例示意图。请参见图4a至图4c，仍以处理器、内存以及网卡这三个指标项为例，图4a中示出了处理器的使用率随设备负载增长的曲线图，其中的曲线拐点出的使用率(以60％为例)可以认为是处理器使用率的耐受率βcpu；图4b中示出了内存的使用率随设备负载增长的曲线图，其中的曲线拐点出的使用率(以25％为例)可以认为是内存使用率的耐受率βram；图4c中示出了网卡的使用率随设备负载增长的曲线图，其中的曲线拐点出的使用率(以70％为例)可以认为是网卡使用率的耐受率βnet。
利用各指标项对应的耐受率βcpu、βram、βnet以及接入服务运行状态中对应各指标项的分项状态参数Vcr、Vmr、Vnr，管理服务模块330可以将硬件配置量化能力Gserver转换为各指标项对应的耐受阈值，例如，处理器使用率的耐受阈值
Figure BDA00022500347200000820
内存使用率的耐受阈值
Figure BDA00022500347200000819
以及网卡使用率的耐受阈值
Figure BDA00022500347200000818
转换得到耐受阈值
Figure BDA00022500347200000817
以及
Figure BDA00022500347200000813
的过程可以表示为如下的算式(2a)、算式(2b)以及算式(2c)：
Figure BDA0002250034720000081
Figure BDA0002250034720000082
Figure BDA0002250034720000083
上述算式(2a)、算式(2b)以及算式(2c)中均使用了参考配置量化能力Gref，这可以理解为将硬件配置量化能力Gserver进行了相对于参考基准的比值化处理，使得耐受阈值
Figure BDA00022500347200000821
以及
Figure BDA00022500347200000816
能够在一定程度上体现硬件配置量化能力Gserver相对于参考基准的相对水平。但可以理解的是，硬件配置量化能力Gserver相对于参考基准的相对水平对调度决策的影响不大，并且使调度决策容易受到用作参考基准(即，参考配置量化能力Gref)的取值误差的影响。因此，上述使用参考配置量化能力Gref对硬件配置量化能力Gserver的比值化并非必须的处理，而是可以将上述算式(2a)、算式(2b)以及算式(2c)中参考配置量化能力Gref去除，相应地，监控服务模块320可以无需检测参考配置量化能力Gref并向管理服务模块330上报。
利用上述耐受阈值
Figure BDA00022500347200000918
以及
Figure BDA00022500347200000919
管理服务模块330可以将接入服务负载数量Ndevice反演为各指标项对应的接入数量单项上限
Figure BDA0002250034720000091
并且，将各指标项对应的接入数量单项上限
Figure BDA0002250034720000092
形成的最小约束确定为接入数量演算上限
Figure BDA0002250034720000093
并且，管理服务模块330可以进一步在将接入服务负载数量Ndevice反演为各指标项对应的接入数量单项上限之前，对接入服务运行状态中对应各指标项的分项状态参数Vcr、Vmr、Vnr进行均值化平滑处理。例如，均值化平滑处理可以采用计算均方差的方式，得到均值化平滑处理后的分项状态参数(即，处理器使用率均方差
Figure BDA00022500347200000921
内存使用率均方差
Figure BDA00022500347200000920
网卡使用率均方差
Figure BDA00022500347200000912
)的过程可以表示为如下的算式(3a)、算式(3b)以及算式(3c)：
Figure BDA0002250034720000094
Figure BDA0002250034720000095
Figure BDA0002250034720000096
其中，上述算式(3a)、算式(3b)以及算式(3c)中分别在Vcr、Vmr、Vnr的下角标中出现的i表示监控服务模块320在第i个时刻监测到的Vcr、Vmr、Vnr，i大于等于1且小于等于n，n为表示监测采样时刻数量的正整数。
由于管理服务模块330赋予接入节点设备100的自决策设备调度对多个指标项引入均值化平滑处理，因而可以降低由于指标项的尖峰效应而对调度结果产生的影响。相应地，利用均值化平滑处理后的分项状态参数(即，处理器使用率均方差
Figure BDA00022500347200000917
内存使用率均方差
Figure BDA00022500347200000916
网卡使用率均方差
Figure BDA00022500347200000915
)将接入服务负载数量Ndevice反演为各指标项对应的接入数量单项上限的过程，可以表示为如下的算式(4a)、算式(4b)以及算式(4c)：
Figure BDA0002250034720000101
Figure BDA0002250034720000102
Figure BDA0002250034720000103
在采用上述算式算式(4a)、算式(4b)以及算式(4c)时，接入服务负载数量Ndevice默认取不小于1的正整数，即，当接入服务负载数量Ndevice的当前实际取值为0时，默认将接入服务负载数量Ndevice赋值为1。
前述将各指标项对应的接入数量单项上限
Figure BDA00022500347200001019
形成的最小约束确定为接入数量演算上限
Figure BDA00022500347200001010
的过程，可以表示为如下的算式(5)：
Figure BDA0002250034720000104
进而，前述利用接入数量参考上限
Figure BDA00022500347200001011
对接入数量演算上限
Figure BDA00022500347200001012
进行峰值截止约束可以认为是异常排查校验的过程，该过程可以表示为如下的算式(6)：
Figure BDA0002250034720000105
上述算式(6)使用最小值函数，其将作用并不对等的接入数量参考上限
Figure BDA00022500347200001013
和接入数量演算上限
Figure BDA00022500347200001017
目的并不是在于单纯的选择，而是实现峰值截止约束。
由此，即可由管理服务模块330利用接入服务负载数量Ndevice和接入数量测评上限
Figure BDA00022500347200001018
确定接入节点设备的负载比σ和可调度数N可调度数。
例如，可以将接入服务负载数量Ndevice与接入数量测评上限
Figure BDA00022500347200001016
的比值确定为负载比σ，其可以表示为如下的算式(7)：
Figure BDA0002250034720000106
对于以负载比σ对设备调度进行调度趋势约束，管理服务模块330可以进一步将负载比σ与预先设定的多个负载状态区间进行匹配，并根据匹配结果确定对应的调度趋势。图5为如图1所示实施例中适用的负载状态区间的实例示意图。如图5所示，负载状态区间可以包括过轻载区间510、中载区间520以及重载区间530。
例如，轻载区间510、中载区间520以及重载区间530的设定可以如表3所示。
负载状态区间 负载比
轻载区间 [0.0，0.6]
中载区间 (0.6，0.8]
重载区间 (0.8，1.0]
表3
当负载比σ与轻载区间510匹配时，管理服务模块330可以将设备调度约束为迁入使能的主被动单向趋势，即，发起主动迁入，同时允许被动迁入、并禁止主动迁出和被动迁出；
当负载比σ与中载区间520匹配时，管理服务模块330可以将设备调度约束为迁入和迁出使能的被动双向趋势，即，不发起任何主动的迁入和迁出，但允许被动迁出和被动迁入；
当负载比σ与过载区间530匹配时，管理服务模块330可以将设备调度约束为迁出使能的主被动单向趋势，即，发起主动迁出，同时允许被动迁出、并禁止主动迁入和被动迁入。
对于调度趋势的使能，可以通过设定如表4所示的迁入迁出的数量范围来实现：
Figure BDA0002250034720000111
表4
如表4可见，中载区间520可以看作是以不发起主动调度为策略的稳态区间，而轻载区间510和重载区间530的策略则都是产生趋向于稳态区间切换。
基于负载比σ和可调度数N可调度数的综合考虑，当有前端设备需要迁入时，管理服务模块330可以在接入系统中搜寻可调度数N可调度数大于0的接入节点设备；若未搜寻到可调度数N可调度数大于0的接入节点设备，则表示没有接入节点设备具有可接受设备迁入的耐受力，因而可以结束迁入调度；若搜寻到可调度数N可调度数大于0的接入节点设备，则可以在可调度数N可调度数大于0的接入节点设备中，选取负载比σ最小的接入节点设备作为迁入目标，然后将前端设备迁入至确定为迁入目标的接入节点设备。
基于负载比σ和可调度数N可调度数的综合考虑，管理服务模块330可以发起以负载平衡(相对于硬件配置条件而言的平衡)为目的的前端设备迁出检测，例如，管理服务模块330可以选取负载比σ最大的接入节点设备作为迁出目标、并检测负载比σ最大的接入节点设备是否处于重载状态；若负载比σ最大的接入节点设备未处于重载状态，则表示当前的迁出属于不必要的调度操作，因而可以跳过后续步骤结束迁出调度；若检测到负载比σ最大的接入节点设备处于重载状态，则搜寻处于轻载状态或中载状态、且可调度数N可调度数大于0的的接入节点设备；若未搜寻到，则表示没有适合接纳迁出设备的接入节点设备，并可以结束迁出操作；若搜寻到处于轻载状态或中载状态、且可调度数N可调度数大于0的的接入节点设备，则在其中选取一台作为迁入目标，然后即可将前端设备从确定为迁入目标的接入节点设备迁出至确定为迁入目标的接入节点设备。
另外，对于可调度数N可调度数，其可以为接入数量测评上限
Figure BDA0002250034720000121
与接入服务负载数量Ndevice的差值。
作为一种更优的选择，管理服务模块330赋予接入节点设备100的自决策设备调度也可以进一步引入预调度补偿机制，以利用负载比σ和预调度数量N预调度数的结合进一步降低设备频繁调度的发生概率，并可以由此进一步弱化设备切换对数据接入的影响。并且，由于预调度补偿机制可以基于设备数据样本来实现，因此，只要设备数据样本的采样范围足以体现数据变化的周期性规律，预调度补偿机制的效力可以在包括所述接入节点设备的接入系统的生命周期内持续保持。
即，管理服务模块330可以进一步获取设备数据样本集，利用设备数据样本集的数据量变化统计数据预测接入在接入节点设备的各台前端设备200数据变化量，将预测的数据变化量转换为预调度数量N预调度数，以及，利用预调度数量N预调度数对可调度数N可调度数进行补偿。
例如，管理服务模块330可以将接入数量测评上限
Figure BDA0002250034720000122
与接入服务负载数量Ndevice和预调度数量的差值确定为可调度数N可调度数，其可以表示为如下的算式(8)
Figure BDA0002250034720000131
具体地，管理服务模块330获取的设备数据样本集中包含有数据量变化统计数据。例如，设备数据样本集包含各台前端设备200在一天内的不同时间段(例如以10分钟为单位)的平均数据收发速率，从而能够以单台前端设备200的设备维度，通过每天不同时段的数据收发速率统计得到以天为周期、以周为周期、以月为周期、以年为周期的数据量变化统计数据(可以使用各种统计类算法或者统计学方法得出)，从而，管理服务模块330可以进一步根据设备数据样本集中包含的数据量变化统计数据，预测接入节点设备100当前连接的各台前端设备200在下一时段的数据变化量。
并且，管理服务模块330可以进一步将各台前端设备200的数据变化量转换为在下一时段迁入的虚拟接入设备数量。这里所述的虚拟接入设备可以理解为具有单台前端设备200当前时段的数据量的假想设备，虚拟接入设备数量则可以理解为单台前端设备200当前时段的数据量的倍数。并且，管理服务模块330可以将转换得到的虚拟接入设备数量确定为下一时段的预调度数量N预调度数。虚拟接入设备数量的转换过程可以采用单台前端设备的当前数据量为单位对该台前端设备200的数据变化量进行量化取整。
假设某台接入节点设备100当前接入了10台前端设备，并且这10台前端设备当前的数据量均为1条/秒，则，当预测到由1台前端设备在下一时段的数据量会增大至10条/秒时，数据量增幅9条/秒为该前端设备在当前时段的数据量1条/秒的9倍，并且可以将其数据量增幅9条/秒转换为预测迁入9台虚拟接入设备，即，预测将有9个等效于该前端设备的假想设备将在下一时段迁入该前端设备当前所接入的接入节点设备100。
当然，对于接入节点设备100连接有多台前端设备的情况，下一时段的预调度数量N预调度数应当是多台前端设备对应的虚拟接入设备数量(数据量增幅转换得到的虚拟接入设备数量为正、数据量降幅转换得到的虚拟接入设备数量为负)之和。
对于每个时段的预调度数量N预调度数，管理服务模块330都可以采用上述方式予以确定。即，管理服务模块330可以确定接入在接入节点设备的各前端设备200的数据变化量及数据变化量发生的时段，将接入在接入节点设备100的各前端设备200的数据变化量转换为在对应时段迁入的虚拟接入设备数量；将转换得到的各时段的虚拟接入设备数量确定为对应时段的预调度数量N预调度数；以及，将接入数量测评上限
Figure BDA0002250034720000141
与接入服务负载数量Ndevice和预调度数量N预调度数的差值确定为可调度数N可调度数。
管理服务模块330承担的上述各处理功能中，除预调度数量N预调度数的确定是由预调度子模块333来完成之外，其余处理功能都可以由资源调度子模块332来承担。即，资源调度子模块332可以利用硬件配置量化能力Gserver对接入服务运行状态(例如处理器的使用率Vcr、内存的使用率Vmr、网卡的使用率Vnr)的测评，将接入服务负载数量Ndevice转换为接入节点设备100的接入数量测评上限
Figure BDA0002250034720000149
利用接入服务负载数量Ndevice和接入数量测评上限
Figure BDA0002250034720000148
确定接入节点设备的负载比σ和可调度数N可调度数；以及，执行以负载比σ为调度趋势约束、并匹配可调度数N可调度数的设备调度。
资源预调度子模块333则可以通过资源管理模块331对数据库110的访问获取设备数据样本集，利用设备数据样本集的数据量变化统计数据预测接入在接入节点设备100的各前端设备200的数据变化量，以及，将预测的数据变化量转换为预调度数量N预调度数，以供资源调度子模块332利用预调度数量N预调度数对可调度数N可调度数进行预调度补偿。
图6为另一个实施例中的设备调度方法的示例性流程示意图。在另一个实施例中，一种设备调度方法可以包括：
S610：获取接入节点设备的硬件配置量化能力Gserver、接入服务负载数量Ndevice以及接入服务运行状态。其中，硬件配置量化能力Gserver涉及的指标项与接入服务运行状态涉及的指标项相同，并且，接入服务负载数量Ndevice可以是接入节点设备的接入服务实际连接的前端设备的数量。
S620：利用硬件配置量化能力Gserver对接入服务运行状态的测评，将接入服务负载数量Ndevice转换为接入节点设备的接入数量测评上限
Figure BDA0002250034720000146
S630：利用接入服务负载数量Ndevice和接入数量测评上限
Figure BDA0002250034720000147
确定接入节点设备的负载比σ和可调度数N可调度数。
S640：执行以负载比σ为调度趋势约束、并匹配可调度数N可调度数的设备调度。
基于上述方法实现的设备调度，综合考虑了接入节点设备的硬件配置量化能力Gserver和接入服务运行状态(例如处理器的使用率Vcr、内存的使用率Vmr、网卡的使用率Vnr)，而不是单纯依靠接入服务运行状态进行决策，因而可以提高设备调度与接入节点设备的硬件配置的适配性，尤其是对于如图1所示的接入系统中集群部署的各接入节点设备存在硬件配置差异化的情况，这样适配性可以弱化甚至消除差异化对设备调度的不利影响。
而且，基于上述方法实现的设备调度参考了反映真实负载消耗的接入服务负载数量Ndevice，因而调度结果与真实负载之间具有强耦合，以降低调度结果相对于真实负载具有严重偏差(例如前端设备200下线未告警导致为接入节点设备分配的设备数与实际负载不符)的概率。
另外，基于上述方法实现的设备调度以负载比σ为调度趋势约束，而不是以负载数量作为调度操作的直接触发条件，因而可以利用负载比提供一定的免调度切换缓冲，有利于降低设备频繁调度的发生概率，并由此降低设备切换对数据接入的影响。
图7为如图6所示实施例中的设备调度方法的一实例流程示意图。在如图7所示的实例流程中，对图6中所示的S620进行了进一步细化，具体地，如图7所示，该设备调度方法可以包括：
S710：获取接入节点设备的硬件配置量化能力Gserver、接入服务负载数量Ndevice以及接入服务运行状态。其中，硬件配置量化能力Gserver涉及的指标项与接入服务运行状态涉及的指标项相同，并且，接入服务负载数量Ndevice可以是接入节点设备的接入服务实际连接的前端设备的数量。
S721：根据预先设定的所述硬件配置量化能力Gserver与接入数量参考上限的对应关系，确定接入节点设备的接入数量参考上限
Figure BDA00022500347200001510
S722：利用硬件配置量化能力Gserver表征的硬件耐受极限对接入服务运行状态的测评，将接入服务负载数量Ndevice反演为所述接入节点设备的接入数量演算上限
Figure BDA00022500347200001511
S723：利用接入数量参考上限
Figure BDA0002250034720000153
对接入数量演算上限
Figure BDA0002250034720000154
进行峰值截止约束，得到接入数量测评上限
Figure BDA00022500347200001513
例如，取接入数量参考上限
Figure BDA0002250034720000156
对接入数量演算上限
Figure BDA0002250034720000157
中的最小值作为接入数量测评上限
Figure BDA00022500347200001512
S730：利用接入服务负载数量Ndevice和接入数量测评上限
Figure BDA0002250034720000159
确定接入节点设备的负载比σ和可调度数N可调度数。
S740：执行以负载比σ为调度趋势约束、并匹配可调度数N可调度数的设备调度。
图8为如图6所示实施例中的设备调度方法在图7基础上引入分项耐受测评机制的扩展实例流程示意图。在如图8所示的扩展实例流程中，引入了分项耐受测评机制对如图7所示的S722进行了进一步细化，如图8所示，该设备调度方法可以包括：
S810：获取接入节点设备的硬件配置量化能力Gserver、接入服务负载数量Ndevice以及接入服务运行状态。其中，硬件配置量化能力Gserver涉及的指标项与接入服务运行状态涉及的指标项相同。
例如，硬件配置量化能力Gserver涉及处理器的归一化容量Ccpu、内存的归一化容量Cram、以及网卡的归一化带宽Cnet，接入服务运行状态包括处理器的使用率Vcr、内存的使用率Vmr、网卡的使用率Vnr。并且，接入服务负载数量Ndevice可以是接入节点设备的接入服务实际连接的前端设备的数量。
S820：根据预先设定的所述硬件配置量化能力Gserver与接入数量参考上限的对应关系，确定接入节点设备的接入数量参考上限
Figure BDA00022500347200001633
S831：获取为接入服务运行状态和硬件配置量化能力共同包括的各指标项预先标定的对应的耐受率。例如，处理器、内存、网卡这几个指标项对应的处理器使用率的耐受率βcpu、内存使用率的耐受率βram、网卡使用率的耐受率βnet。
S832：利用各指标项对应的耐受率将硬件配置量化能力Gserver转换为各指标项对应的耐受阈值。例如，按照前文提及的算式(2a)、算式(2b)以及算式(2c)，将硬件配置量化能力Gserver转换为处理器使用率的耐受阈值
Figure BDA00022500347200001631
内存使用率的耐受阈值
Figure BDA00022500347200001632
以及网卡使用率的耐受阈值
Figure BDA00022500347200001630
S833：对接入服务运行状态中对应各指标项的分项状态参数进行均值化平滑处理。例如，均值化平滑处理可以采用计算均方差的方式，依据前文提及的算式(3a)、算式(3b)以及算式(3c)得到均值化平滑处理后的分项状态参数，即，处理器使用率均方差
Figure BDA00022500347200001629
内存使用率均方差
Figure BDA00022500347200001628
网卡使用率均方差
Figure BDA00022500347200001627
S834：利用各指标项对应的耐受阈值、以及接入服务运行状态中对应各指标项的分项状态参数，将接入服务负载数量反演为各指标项对应的接入数量单项上限。例如，依据前文提及的算式(4a)、算式(4b)以及算式(4c)，利用均值化平滑处理后的分项状态参数(即，处理器使用率均方差
Figure BDA00022500347200001625
内存使用率均方差
Figure BDA00022500347200001626
网卡使用率均方差
Figure BDA00022500347200001614
)将接入服务负载数量Ndevice反演为各指标项对应的接入数量单项上限
Figure BDA0002250034720000161
Figure BDA0002250034720000162
S835：将各指标项对应的接入数量单项上限形成的最小约束确定为接入数量演算上限
Figure BDA0002250034720000163
例如，可以将各指标项对应的接入数量单项上限
Figure BDA0002250034720000164
中的最小值确定为接入数量演算上限
Figure BDA00022500347200001624
S840：利用接入数量参考上限
Figure BDA00022500347200001616
对接入数量演算上限
Figure BDA00022500347200001617
进行峰值截止约束，得到接入数量测评上限
Figure BDA00022500347200001634
例如，取接入数量参考上限
Figure BDA00022500347200001619
对接入数量演算上限
Figure BDA00022500347200001620
中的最小值作为接入数量测评上限
Figure BDA00022500347200001623
S850：利用接入服务负载数量Ndevice和接入数量测评上限
Figure BDA00022500347200001622
确定接入节点设备的负载比σ和可调度数N可调度数。
S860：执行以负载比σ为调度趋势约束、并匹配可调度数N可调度数的设备调度。
图9为如图6所示实施例中的设备调度方法的另一实例流程示意图。在如图9所示的实例流程中，对图6中所示的S630做了进一步优化，具体地，如图9所示，该设备调度方法可以包括：
S910：获取接入节点设备的硬件配置量化能力Gserver、接入服务负载数量Ndevice以及接入服务运行状态。其中，硬件配置量化能力Gserver涉及的指标项与接入服务运行状态涉及的指标项相同，并且，接入服务负载数量Ndevice可以是接入节点设备的接入服务实际连接的前端设备的数量。
S920：利用硬件配置量化能力Gserver对接入服务运行状态的测评，将接入服务负载数量Ndevice转换为接入节点设备的接入数量测评上限
Figure BDA0002250034720000178
S930：预测接入节点设备的预调度数量N预调度数。
S940：利用接入服务负载数量Ndevice和接入数量测评上限
Figure BDA0002250034720000172
确定接入节点设备的负载比σ和可调度数N可调度数，并利用预调度数量N预调度数对可调度数N可调度数进行补偿。
S950：执行以负载比σ为调度趋势约束、并匹配预测补偿后的可调度数N可调度数的设备调度。
图10为如图6所示实施例中的设备调度方法在图9基础上引入数据样本预测机制的扩展实例流程示意图。在如图10所示的扩展实例流程中，引入了数据样本预测机制对如图9所示的S930进行了进一步细化，如图10所示，该设备调度方法可以包括：
S1010：获取接入节点设备的硬件配置量化能力Gserver、接入服务负载数量Ndevice以及接入服务运行状态。其中，硬件配置量化能力Gserver涉及的指标项与接入服务运行状态涉及的指标项相同，并且，接入服务负载数量Ndevice可以是接入节点设备的接入服务实际连接的前端设备的数量。
S1020：利用硬件配置量化能力Gserver对接入服务运行状态的测评，将接入服务负载数量Ndevice转换为接入节点设备的接入数量测评上限
Figure BDA0002250034720000177
S1031：获取设备数据样本集。
S1032：利用设备数据样本集的数据量变化统计数据，预测接入在接入节点设备的各设备的数据变化量。
S1033：将预测的数据变化量转换为预调度数量N预调度数。例如，可以将接入在接入节点设备的各设备的数据变化量转换(例如分别以各设备的当前数据量为基本单位的单位化处理)为在下一时段迁入的虚拟接入设备数量，并将转换得到的虚拟接入设备数量确定为下一时段的预调度数量N预调度数。
S1040：利用接入服务负载数量Ndevice和接入数量测评上限
Figure BDA0002250034720000174
确定接入节点设备的负载比σ和可调度数N可调度数，并利用预调度数量N预调度数对可调度数N可调度数进行预测补偿。例如，将接入服务负载数量Ndevice与接入数量测评上限
Figure BDA0002250034720000175
的比值确定为负载比σ，并将接入数量测评上限
Figure BDA0002250034720000176
与接入服务负载数量Ndevice和预调度数量N预调度数的差值确定为可调度数N可调度数。
S1050：执行以负载比σ为调度趋势约束、并匹配预测补偿后的可调度数N可调度数的设备调度。
对于上述如图6至图10所示流程中提及的执行以负载比σ为调度趋势约束、并匹配预测补偿后的可调度数N可调度数的设备调度，可以将负载比σ与预先设定的多个负载状态区间进行匹配，其中：
当负载比σ与多个负载状态区间中的轻载区间匹配时，可以将匹配可调度数N可调度数的设备调度约束为迁入使能的主被动单向趋势，即，发起主动迁入，同时允许被动迁入、并禁止主动迁出和被动迁出；
当负载比σ与多个负载状态区间中的过载区间匹配时，可以将匹配可调度数N可调度数的设备调度约束为迁出使能的主被动单向趋势，即，发起主动迁出，同时允许被动迁出、并禁止主动迁入和被动迁入；
当负载比σ与多个负载状态区间中的中载区间匹配时，可以将匹配可调度数N可调度数的设备调度约束为迁入和迁出使能的被动双向趋势，即，不发起任何主动的迁入和迁出，但允许被动迁出和被动迁入。
其中，匹配可调度数N可调度数可以理解为：当可调度数N可调度数大于0时，接入节点设备具有可接受设备迁入的承受力；当可调度数N可调度数小于或等于0时，接入节点设备已不具备接受设备迁入的承受力。
而以负载比σ为调度趋势约束，则可以理解为对迁入和迁出趋势的使能控制。并且，在负载比σ与可调度数N可调度数相结合时，以负载比σ为调度趋势约束可以进一步理解为是在可调度数N可调度数大于0时的迁入趋势的使能控制、以及在可调度数N可调度数小于或等于0时的迁出趋势的使能控制。
图11a和图11b为如图6所示实施例中的设备调度方法的调度实例示意图。其中，图11a示出的是有添加前端设备需的情况，图11b示出的是以负载平衡(相对于硬件配置条件而言的平衡)为目的的前端设备迁出的情况。
请参见图11a，当有前端设备添加时：
S1111：确定各接入节点设备的负载比σ和可调度数N可调度数。其中，确定负载比σ和可调度数N可调度数的方式可以参见上述如图6至图10所示流程中在执行设备调度之前的相关步骤。
S1112：搜寻可调度数N可调度数大于0的接入节点设备。
若S1112未搜寻到可调度数N可调度数大于0的接入节点设备，则表示没有接入节点设备具有可接受设备迁入的耐受力，因而可以跳过后续步骤结束迁入流程。
S1113：在可调度数N可调度数大于0的接入节点设备中，选取负载比σ最小的接入节点设备作为迁入目标。即，轻载状态的接入节点设备优先迁入、中载状态的接入节点设备次之、重在状态的接入节点设备最后考虑的策略。
S1114：将添加的前端设备迁入至确定为迁入目标的接入节点设备。
请参见图11b，当以负载平衡(相对于硬件配置条件而言的平衡)为目的的前端设备迁出检测时：
S1121：确定各接入节点设备的负载比σ和可调度数N可调度数。其中，确定负载比σ和可调度数N可调度数的方式可以参见上述如图6至图10所示流程中在执行设备调度之前的相关步骤。
S1122：选取负载比σ最大的接入节点设备作为迁出目标。
S1123：检测确定为迁出目标的接入节点设备是否处于重载状态。若在S1123检测出负载比σ最大的接入节点设备未处于重载状态，则表示当前的迁出属于不必要的调度操作，因而可以跳过后续步骤结束迁出流程。
S1124：当检测到负载比σ最大的接入节点设备处于重载状态时，搜寻处于轻载状态或中载状态的接入节点设备。若在S1124为搜寻到负载比σ最大的接入节点设备未处于重载状态，则表示当前的迁出不能改善接入系统中的负载状况，因而可以跳过后续步骤结束迁出流程。
S1125：在处于轻载状态或中载状态的接入节点设备搜寻可调度数N可调度数大于0的接入节点设备。若S1125未搜寻到可调度数N可调度数大于0的接入节点设备，则表示没有接入节点设备具有可接受设备迁入的耐受力，因而可以跳过后续步骤结束迁出流程。
S1126：在搜寻到的可调度数N可调度数大于0的接入节点设备中选取一台作为迁入目标。其中，S1126的迁入目标选取方式可以选用如图11a中的S1113。
S1127：将前端设备从确定为迁入目标的接入节点设备迁出至确定为迁入目标的接入节点设备。
图12为另一个实施例中的设备调度装置的硬件框架结构示意图。如图12所示，在另一个实施例中，一种设备调度装置包括处理器1210和非瞬时计算机可读存储介质1220，其中，非瞬时计算机可读存储介质1220存储指令，这些指令在由处理器1210执行时可以使得处理器1210执行如图6至图10以及图11a和图11b所示流程中的至少之一的步骤。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (18)

1.一种接入节点设备，其特征在于，包括：
接入服务模块，用于提供所述接入节点设备的接入服务；
监控服务模块，用于检测所述接入节点设备的硬件配置量化能力、并监测所述接入节点设备的接入服务负载数量和接入服务运行状态；
管理服务模块，用于利用所述硬件配置量化能力对所述接入服务运行状态的测评，将所述接入服务负载数量转换为所述接入节点设备的接入数量测评上限；利用所述接入服务负载数量和所述接入数量测评上限，确定所述接入节点设备的负载比和可调度数；以及，执行以所述负载比为调度趋势约束、并匹配所述可调度数的设备调度。
2.根据权利要求1所述的接入节点设备，其特征在于，所述管理服务模块进一步用于根据预先设定的所述硬件配置量化能力与接入数量参考上限的对应关系，确定所述接入节点设备的接入数量参考上限；利用所述硬件配置量化能力表征的硬件耐受极限对所述接入服务运行状态的测评，将所述接入服务负载数量反演为所述接入节点设备的接入数量演算上限；以及，利用所述接入数量参考上限对所述接入数量演算上限进行峰值截止约束，得到所述接入数量测评上限。
3.根据权利要求2所述的接入节点设备，其特征在于，
所述管理服务模块进一步用于获取为所述接入服务运行状态和所述硬件配置量化能力共同包括的各指标项预先标定的对应的耐受率；利用各指标项对应的所述耐受率将所述硬件配置量化能力转换为各指标项对应的耐受阈值；利用各指标项对应的所述耐受阈值、以及所述接入服务运行状态中对应各指标项的分项状态参数，将所述接入服务负载数量反演为各指标项对应的接入数量单项上限；以及，将各指标项对应的所述接入数量单项上限形成的最小约束确定为所述接入数量演算上限。
4.根据权利要求3所述的接入节点设备，其特征在于，所述管理服务模块进一步用于在将所述接入服务负载数量反演为各指标项对应的接入数量单项上限之前，对所述接入服务运行状态中对应各指标项的分项状态参数进行均值化平滑处理。
5.根据权利要求1所述的接入节点设备，其特征在于，所述管理服务模块进一步用于获取设备数据样本集；利用所述设备数据样本集的数据量变化统计数据，预测接入在所述接入节点设备的各设备的数据变化量；将预测的数据变化量转换为预调度数量；以及，利用所述预调度数量对所述可调度数进行补偿。
6.根据权利要求5所述的接入节点设备，其特征在于，所述管理服务模块进一步用于根据所述设备数据样本集的数据量变化统计数据，确定接入在所述接入节点设备的各设备的数据变化量发生的时段；将接入在所述接入节点设备的各设备的数据变化量转换为在对应时段迁入的虚拟接入设备数量；将转换得到的各时段的所述虚拟接入设备数量确定为对应时段的预调度数量；以及，将所述接入数量测评上限与所述接入服务负载数量和所述预调度数量的差值确定为所述可调度数。
7.根据权利要求1所述的接入节点设备，其特征在于，所述管理服务模块进一步用于将所述负载比与预先设定的多个负载状态区间进行匹配，其中：
当所述负载比与所述多个负载状态区间中的过载区间匹配时，将所述设备调度约束为迁出使能的主被动单向趋势；
当所述负载比与所述多个负载状态区间中的轻载区间匹配时，将所述设备调度约束为迁入使能的主被动单向趋势；
当所述负载比与所述多个负载状态区间中的中载区间匹配时，将所述设备调度约束为迁入和迁出被使能的被动双向趋势。
8.一种接入系统，其特征在于，包括至少两台如权利要求1至7中任一项所述的接入节点设备，并且，至少两台所述接入节点设备之间建立有通信连接。
9.一种设备调度方法，其特征在于，包括：
获取所述接入节点设备的硬件配置量化能力、接入服务负载数量以及接入服务运行状态；
利用所述硬件配置量化能力对所述接入服务运行状态的测评，将所述接入服务负载数量转换为所述接入节点设备的接入数量测评上限；
利用所述接入服务负载数量和所述接入数量测评上限，确定所述接入节点设备的负载比和可调度数；
执行以所述负载比为调度趋势约束、并匹配所述可调度数的设备调度。
10.根据权利要求9所述的设备调度方法，其特征在于，利用所述硬件配置量化能力对所述接入服务运行状态的测评，将所述接入服务负载数量转换为所述接入节点设备的接入数量测评上限包括：
根据预先设定的所述硬件配置量化能力与接入数量参考上限的对应关系，确定所述接入节点设备的接入数量参考上限；
利用所述硬件配置量化能力表征的硬件耐受极限对所述接入服务运行状态的测评，将所述接入服务负载数量反演为所述接入节点设备的接入数量演算上限；
利用所述接入数量参考上限对所述接入数量演算上限进行峰值截止约束，得到所述接入数量测评上限。
11.根据权利要求10所述的设备调度方法，其特征在于，利用所述硬件配置量化能力表征的硬件耐受极限对所述接入服务运行状态的测评，将所述接入服务负载数量反演为所述接入节点设备的接入数量演算上限包括：
获取为所述接入服务运行状态和所述硬件配置量化能力共同包括的各指标项预先标定的对应的耐受率；
利用各指标项对应的所述耐受率将所述硬件配置量化能力转换为各指标项对应的耐受阈值；
利用各指标项对应的所述耐受阈值、以及所述接入服务运行状态中对应各指标项的分项状态参数，将所述接入服务负载数量反演为各指标项对应的接入数量单项上限；
将各指标项对应的所述接入数量单项上限形成的最小约束确定为所述接入数量演算上限。
12.根据权利要求11所述的设备调度方法，其特征在于，利用所述硬件配置量化能力表征的硬件耐受极限对所述接入服务运行状态的测评，将所述接入服务负载数量反演为所述接入节点设备的接入数量演算上限进一步包括：
在将所述接入服务负载数量反演为各指标项对应的接入数量单项上限之前，对所述接入服务运行状态中对应各指标项的分项状态参数进行均值化平滑处理。
13.根据权利要求9所述的设备调度方法，其特征在于，所述设备调度方法进一步包括：
获取设备数据样本集；
利用所述设备数据样本集的数据量变化统计数据，预测接入在所述接入节点设备的各设备的数据变化量；
将接入在所述接入节点设备的各设备的数据变化量转换为预调度数量；
利用所述预调度数量对所述可调度数进行补偿。
14.根据权利要求13所述的设备调度方法，其特征在于，将接入在所述接入节点设备的各设备的数据变化量转换为预调度数量包括：
将所述接入节点设备当前连接的各设备在下一时段的数据变化量转换为在下一时段迁入的虚拟接入设备数量；
将转换得到的所述虚拟接入设备数量确定为下一时段的所述预调度数量。
15.根据权利要求13所述的设备调度方法，其特征在于，确定所述接入节点设备的负载比和可调度数包括：
将所述接入服务负载数量与所述接入数量测评上限的比值确定为所述负载比；
将所述接入数量测评上限与所述接入服务负载数量和所述预调度数量的差值确定为所述可调度数。
16.根据权利要求9所述的设备调度方法，其特征在于，对所述接入节点设备执行以所述负载比为调度趋势约束、并匹配所述可调度数的设备调度包括：
将所述负载比与预先设定的多个负载状态区间进行匹配；
当所述负载比与所述多个负载状态区间中的过载区间匹配时，将所述设备调度约束为迁出使能的主被动单向趋势；
当所述负载比与所述多个负载状态区间中的轻载区间匹配时，将所述设备调度约束为迁入使能的主被动单向趋势；
当所述负载比与所述多个负载状态区间中的中载区间匹配时，将所述设备调度约束为迁入和迁出被使能的被动双向趋势。
17.一种设备调度装置，其特征在于，包括处理器，所述处理器用于执行如权利要求9至16中任一项所述的设备调度方法中的步骤。
18.一种非瞬时计算机可读存储介质，其特征在于，所述非瞬时计算机可读存储介质存储指令，所述指令在由处理器执行时使得所述处理器执行如权利要求9至16中任一项所述的设备调度方法中的步骤。
CN201911030614.3A 2019-10-28 2019-10-28 接入节点设备和接入系统及设备调度方法和设备调度装置 Active CN112738146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911030614.3A CN112738146B (zh) 2019-10-28 2019-10-28 接入节点设备和接入系统及设备调度方法和设备调度装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911030614.3A CN112738146B (zh) 2019-10-28 2019-10-28 接入节点设备和接入系统及设备调度方法和设备调度装置

Publications (2)

Publication Number Publication Date
CN112738146A true CN112738146A (zh) 2021-04-30
CN112738146B CN112738146B (zh) 2022-07-05

Family

ID=75589332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911030614.3A Active CN112738146B (zh) 2019-10-28 2019-10-28 接入节点设备和接入系统及设备调度方法和设备调度装置

Country Status (1)

Country Link
CN (1) CN112738146B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114071770A (zh) * 2021-12-20 2022-02-18 广东新电电力科技有限公司 基于智能通信管理网关的通信控制方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708011A (zh) * 2012-05-11 2012-10-03 南京邮电大学 一种面向云计算平台任务调度的多级负载评估方法
CN102710465A (zh) * 2012-06-07 2012-10-03 浪潮电子信息产业股份有限公司 一种监控集群存储接口节点负载的方法
WO2015119895A1 (en) * 2014-02-04 2015-08-13 Distrix Networks Ltd. Bandwidth and latency estimation in a communication network
US20160344804A1 (en) * 2015-05-20 2016-11-24 Fujitsu Limited Information processing apparatus, system, method, and computer readable medium
CN106385468A (zh) * 2016-12-07 2017-02-08 西安电子科技大学 Web集群的可预测动态负载均衡方法
CN107613030A (zh) * 2017-11-06 2018-01-19 网宿科技股份有限公司 一种处理业务请求的方法和系统
CN110300184A (zh) * 2019-07-10 2019-10-01 深圳市网心科技有限公司 边缘节点分配方法、装置、调度服务器及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708011A (zh) * 2012-05-11 2012-10-03 南京邮电大学 一种面向云计算平台任务调度的多级负载评估方法
CN102710465A (zh) * 2012-06-07 2012-10-03 浪潮电子信息产业股份有限公司 一种监控集群存储接口节点负载的方法
WO2015119895A1 (en) * 2014-02-04 2015-08-13 Distrix Networks Ltd. Bandwidth and latency estimation in a communication network
US20160344804A1 (en) * 2015-05-20 2016-11-24 Fujitsu Limited Information processing apparatus, system, method, and computer readable medium
CN106385468A (zh) * 2016-12-07 2017-02-08 西安电子科技大学 Web集群的可预测动态负载均衡方法
CN107613030A (zh) * 2017-11-06 2018-01-19 网宿科技股份有限公司 一种处理业务请求的方法和系统
CN110300184A (zh) * 2019-07-10 2019-10-01 深圳市网心科技有限公司 边缘节点分配方法、装置、调度服务器及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宛考等: "软件定义网络系统中面向流的调度算法", 《计算机学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114071770A (zh) * 2021-12-20 2022-02-18 广东新电电力科技有限公司 基于智能通信管理网关的通信控制方法和装置
CN114071770B (zh) * 2021-12-20 2023-09-05 广东新电电力科技有限公司 基于智能通信管理网关的通信控制方法和装置

Also Published As

Publication number Publication date
CN112738146B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
US7286962B2 (en) Predictive monitoring method and system
US9927857B2 (en) Profiling a job power and energy consumption for a data processing system
US8683472B2 (en) Adjusting thread priority to optimize computer system performance and the utilization of computer system resources
US20080104247A1 (en) Adaptive management of computing resources
US7702780B2 (en) Monitoring method, system, and computer program based on severity and persistence of problems
US8281160B1 (en) Method and system for selecting an operating frequency for a chip to provide a desired overall power dissipation value for the chip
US20130158950A1 (en) Application performance analysis that is adaptive to business activity patterns
US9524314B2 (en) Reducing lock occurrences in server/database systems
CN112738146B (zh) 接入节点设备和接入系统及设备调度方法和设备调度装置
US9253029B2 (en) Communication monitor, occurrence prediction method, and recording medium
WO2019209504A1 (en) Forecasting underutilization of a computing resource
Bolla et al. Green support for PC-based software router: Performance evaluation and modeling
US20200192708A1 (en) Scaling distributed computing system resources based on load and trend
CN111989653A (zh) 使用两个阈值和一时间窗口的基于利用率的动态资源重新分配
CN116089213A (zh) 云平台资源监控方法、装置、电子设备及可读存储介质
KR101910866B1 (ko) 컴퓨터 수행 가능한 서버 부하 모니터링 방법, 이를 수행하는 장치 및 이를 기록하는 기록매체
US20220121672A1 (en) Self-Adjusting Connection Pool in a Distributed System
CN117081996B (zh) 基于服务端实时反馈和软阈值的流量控制方法及相关设备
EP3046029B1 (en) Method and device for determining program performance interference model
CN106686082B (zh) 存储资源调整方法及管理节点
CN115470006A (zh) 一种基于微内核的负载均衡方法
Yuan et al. Adaptive hybrid model for long term load prediction in computational grid
Liu et al. Using aggressor thread information to improve shared cache management for CMPs
David et al. A state-based model for runtime resource reservation for component-based applications
US20230071976A1 (en) Virtual function performance analysis system and analysis method thereof

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