CN112738247A - 基于多层空间调度的云计算资源分配系统及方法 - Google Patents
基于多层空间调度的云计算资源分配系统及方法 Download PDFInfo
- Publication number
- CN112738247A CN112738247A CN202011608693.4A CN202011608693A CN112738247A CN 112738247 A CN112738247 A CN 112738247A CN 202011608693 A CN202011608693 A CN 202011608693A CN 112738247 A CN112738247 A CN 112738247A
- Authority
- CN
- China
- Prior art keywords
- data
- space
- resource allocation
- mapping
- storage
- 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
Links
- 238000013468 resource allocation Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000013507 mapping Methods 0.000 claims abstract description 226
- 238000003860 storage Methods 0.000 claims abstract description 161
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000013500 data storage Methods 0.000 claims description 45
- 238000012432 intermediate storage Methods 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 23
- 230000014759 maintenance of location Effects 0.000 claims description 16
- 239000012634 fragment Substances 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012952 Resampling Methods 0.000 claims description 6
- 238000013467 fragmentation Methods 0.000 claims description 6
- 238000006062 fragmentation reaction Methods 0.000 claims description 6
- 230000006886 spatial memory Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008685 targeting 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
-
- 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
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
-
- 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
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明云计算技术领域，具体涉及基于多层空间调度的云计算资源分配系统及方法。所述系统包括：云计算资源分配模型建立单元，配置用于根据任务数和资源数来建立资源分配模型，定义资源分配矩阵、资源调用时间矩阵以及云计算资源调度的目标；资源分配单元，配置用于根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配。其通过多重虚拟空间的构建，拓展了本来有限的云计算存储空间，间接提升了云计算的存储资源，再利用多重空间映射，将数据进行映射分配，在后续调用过程中，不会因为数据的打散而降低效率。
Description
技术领域
本发明属于云计算技术领域，具体涉及基于多层空间调度的云计算资源分配系统及方法。
背景技术
云计算最大的特点是按需使用，客户可根据需要随时申请云资源(包括计算资源、存储资源和网络资源等)或者扩充/缩减云资源，云计算运营商的云管理平台根据客户需求开通和分配云资源。
客户使用云资源后，可以实时监控云资源的各项性能指标，如CPU、内存、磁盘、网络1/0、带宽利用率等，当某项云资源性能告警时，客户根据告警信息判断是否需要扩充云资源。
目前，在云计算资源市场是通过对云数据中心的资源进行虚拟化，然后通过互联网以服务的形式租用给用户使用，用户能够以按需租用的方式来付费使用这些云资源。然而这样云计算资源市场完全由云资源提供者所主导，而没有充分考虑到用户的权益。我们注意到，云资源分配过程中，云用户一方希望在截止时间前以最小的花费获得资源来完成自己的计算任务，云资源提供者则希望通过提供云资源来获取最大的利益，这样二者就有了利益冲突。因此，我们需要研究如何平衡好用户和资源提供者双方的利益，达成让二者都能够满意的云资源分配方案，并且最大限度的提高云资源利用率。
专利号为：CN201610066848.3A的专利：基于博弈的云计算资源分配方法和系统，公开的内容为：引入博弈均衡充分考虑用户和资源提供者的利益问题，给予用户和资源提供者相应的激励，增加二者交易满意度，将组合双向拍卖机制应用到云资源分配过程中有效解决云资源交易过程中一方处于垄断地位的问题，同时满足云计算资源需求的多样性，并且在最后分配过程优化分配方案，在满足用户和资源提供者双方利益的前提下，寻求最接近的报价和要价达成交易，每次撮合多项成交，大大减少拍卖次数，节省交易时间，从而在达成让二者都能够满意的云资源分配方案的基础上，最大限度的提高云资源利用率，云资源分配系统通过资源调度管理达到资源负载均衡，减少闲置资源优化了资源配置。
其虽然能够解决资源提供者和用户的利益冲突问题，但其本质上依然是通过对单一资源的分配来实现的，而没有将整个云计算的资源都进行调度和分配，其资源利用率不高。
专利号为：CN2012102363320A的专利公开了一种云计算资源分配方法，该方法先将已被预订用户预订且未被使用的云计算资源作为临时资源，并建立临时用户租用临时资源的资源租用价格的离散模型，再根据建立的离散模型计算临时资源租用价格，并按计算出的临时资源租用价格为临时用户提供分配临时资源；当预订用户请求使用预订的资源，且其请求的预订已分配给临时用户使用时，先对临时用户在该资源上运行的应用进行保存，再将其收回后分配给预订用户，然后等待至有空闲的临时资源后，再将临时资源分配给应用尚未运行结束的临时用户。本发明提供的方法，能够保证预订者的资源使用权益，同时又可以提高云计算资源的使用效率。
其通过价格分配来实现资源的分配，本质上是对云计算资源的管理，依然没有针对云计算的所有资源做出合理分配，最大化利用云计算的资源。
发明内容
有鉴于此，本发明的主要目的在于提供基于多层空间调度的云计算资源分配系统及方法，其通过多重虚拟空间的构建，拓展了本来有限的云计算存储空间，间接提升了云计算的存储资源，再利用多重空间映射，将数据进行映射分配，在后续调用过程中，不会因为数据的打散而降低效率。
为达到上述目的，本发明的技术方案是这样实现的：
基于多层空间调度的云计算资源分配系统，所述系统包括：云计算资源分配模型建立单元，配置用于根据任务数和资源数来建立资源分配模型，定义资源分配矩阵、资源调用时间矩阵以及云计算资源调度的目标；资源分配单元，配置用于根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配；更新单元，配置用于根据资源分配的结果，获取空间映射后的数据地址，为云计算提供支持；判断单元，配置用于判断是否符合终止条件，若符合，则终止资源分配过程；若不符合，则继续启动资源分配单元，继续资源分配。
进一步的，所述资源分配单元包括：由多个数据空间组成的数据存储空间、由多个临时存储空间组成的中间存储空间和由多个虚拟空间组成的虚拟存储空间；所述数据存储空间配置用于提供数据存储服务，数据进入系统后，首先进入数据存储空间，数据存储空间对进入系统的数据进行存储，数据存储空间由6*10个存储资源块组成；所述虚拟存储空间，配置用于实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中；每个空间存储资源块包括12*14的子资源块；所述虚拟存储空间中接收到均衡映射后的数据后，进行另一部分次均衡映射，将数据映射至中间存储空间中的临时存储空间中；所述中间存储空间中的临时存储空间接收到经过另一部分次均衡映射后的数据后，基于资源分配矩阵和资源分配模型，对数据进行均衡处理。
进一步的，所述数据存储空间、虚拟存储空间和中间存储空间均为多个分布式存储器组成的分布式资源管理服务器；所述存储器又由多个分布式存储子单元组成；所述存储空间包括：获取单元，配置用于获取K个存储器上每个存储子单元的P个权重因子的负载度和P个权重值，K和P均为大于1的整数；优先度计算单元，用于根据所述P个权重因子的负载度和所述P个权重值进行加权平均得到每个存储子单元的优先度；标准分片数计算单元，用于根据每个存储器关联的存储子单元的优先度得到标准分片数；均衡判断单元，用于根据所述K个存储器各自对应的标准分片数判断数据分布是否满足数据均衡条件；均衡单元，用于若所述均衡判断单元的判断结果为否，对所述K个存储器进行数据均衡处理。
进一步的，所述虚拟存储空间，配置用于实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中的方法执行以下步骤：在数据中选取一个目标区间，提取目标区间的感知傅里叶特征作为模板特征，并对数据空间映射概率进行初始化定位；建立多个空间映射表；在一部分空间映射表中，对数据空间映射概率进行状态坐标空间映射，对空间映射的数据空间映射概率位置处标注预测区域；在另一部分空间映射表中，对每一个空间映射区域提取感知傅里叶特征，并计算空间映射区域与目标区间的相似度；根据离目标远近的位置贡献以及感知傅里叶特征相似度大小更新数据空间映射概率权重，确定估计目标的位置，得到新的目标区间；根据数据空间映射概率大小和重采样估计值得到空间映射表中的下一个数据空间映射概率；得到每个空间映射区域与目标区间的相似度后，结合离目标远近的位置贡献更新数据空间映射概率的权重；更新完成预测数据空间映射概率的权重后，计算出目标的最优预测位置作为估计目标的位置，即为新的目标区间。
进一步的，所述更新数据空间映射概率权重的方法为：为减少非目标位置的数据空间映射概率权重，根据离目标远近的位置贡献以及计算的感知傅里叶相似度大小两种线索共同实现自适应的调整数据空间映射概率权重：
其中，
是指q位置第m个数据空间映射概率的权重，
是指q位置第m个数据空间映射概率的相似度，
是指q位置第m个数据空间映射概率的坐标位置横坐标，
是指q位置第m个数据空间映射概率的坐标位置纵坐标，W和H是指目标区间的半宽和半高；x0是指0位置第1个数据空间映射概率的坐标位置横坐标；y0是指0位置第1个数据空间映射概率的坐标位置纵坐标。
一种基于多层空间调度的云计算资源分配方法，所述方法执行以下步骤：步骤1：根据任务数和资源数来建立资源分配模型，定义资源分配矩阵、资源调用时间矩阵以及云计算资源调度的目标；步骤2：根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配；步骤3：根据资源分配的结果，获取空间映射后的数据地址，为云计算提供支持；步骤4：判断是否符合终止条件，若符合，则终止资源分配过程；若不符合，则继续启动资源分配单元，继续资源分配。
进一步的，步骤2：根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配的方法执行以下步骤：数据存储空间提供数据存储服务，数据进入系统后，首先进入数据存储空间，数据存储空间对进入系统的数据进行存储，数据存储空间由6*10个存储资源块组成；虚拟存储空间，实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中；每个空间存储资源块包括12*14的子资源块；虚拟存储空间中接收到均衡映射后的数据后，进行另一部分次均衡映射，将数据映射至中间存储空间中的临时存储空间中；所述中间存储空间中的临时存储空间接收到经过另一部分次均衡映射后的数据后，基于资源分配矩阵和资源分配模型，对数据进行均衡处理。
进一步的，所述数据存储空间、虚拟存储空间和中间存储空间均为多个分布式存储器组成的分布式资源管理服务器；所述存储器又由多个分布式存储子单元组成；所述存储空间包括：获取单元，配置用于获取K个存储器上每个存储子单元的P个权重因子的负载度和P个权重值，K和P均为大于1的整数；优先度计算单元，用于根据所述P个权重因子的负载度和所述P个权重值进行加权平均得到每个存储子单元的优先度；标准分片数计算单元，用于根据每个存储器关联的存储子单元的优先度得到标准分片数；均衡判断单元，用于根据所述K个存储器各自对应的标准分片数判断数据分布是否满足数据均衡条件；均衡单元，用于若所述均衡判断单元的判断结果为否，对所述K个存储器进行数据均衡处理。
进一步的，所述虚拟存储空间，实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中的方法执行以下步骤：在数据中选取一个目标区间，提取目标区间的感知傅里叶特征作为模板特征，并对数据空间映射概率进行初始化定位；建立多个空间映射表；在一部分空间映射表中，对数据空间映射概率进行状态坐标空间映射，对空间映射的数据空间映射概率位置处标注预测区域；在另一部分空间映射表中，对每一个空间映射区域提取感知傅里叶特征，并计算空间映射区域与目标区间的相似度；根据离目标远近的位置贡献以及感知傅里叶特征相似度大小更新数据空间映射概率权重，确定估计目标的位置，得到新的目标区间；根据数据空间映射概率大小和重采样估计值得到空间映射表中的下一个数据空间映射概率；得到每个空间映射区域与目标区间的相似度后，结合离目标远近的位置贡献更新数据空间映射概率的权重；更新完成预测数据空间映射概率的权重后，计算出目标的最优预测位置作为估计目标的位置，即为新的目标区间。
进一步的，所述更新数据空间映射概率权重的方法为：为减少非目标位置的数据空间映射概率权重，根据离目标远近的位置贡献以及计算的感知傅里叶相似度大小两种线索共同实现自适应的调整数据空间映射概率权重：
其中，
是指q位置第m个数据空间映射概率的权重，
是指q位置第m个数据空间映射概率的相似度，
是指q位置第m个数据空间映射概率的坐标位置横坐标，
是指q位置第m个数据空间映射概率的坐标位置纵坐标，W和H是指目标区间的半宽和半高；x0是指0位置第1个数据空间映射概率的坐标位置横坐标；y0是指0位置第1个数据空间映射概率的坐标位置纵坐标。
本发明的基于多层空间调度的云计算资源分配系统及方法，具有如下有益效果：其通过多重虚拟空间的构建，拓展了本来有限的云计算存储空间，间接提升了云计算的存储资源，再利用多重空间映射，将数据进行映射分配，在后续调用过程中，不会因为数据的打散而降低效率。主要通过以下过程实现：1.由多个数据空间组成的数据存储空间、由多个临时存储空间组成的中间存储空间和由多个虚拟空间组成的虚拟存储空间，共同构成整个存储系统，尤其是虚拟存储空间的构成，其使用多重空间的方式，可以极大程度拓展云计算的存储空间；2.数据均衡处理：在存储空间中，针对存储的数据再次进行数据均衡处理，该过程可以均衡每个存储空间中的存储资源，而不至于在一个存储空间中，数据只集中占用某一部分存储资源，从而提升存储资源的利用率；3.空间映射概率的确定：本发明的数据空间映射概率权重，根据离目标远近的位置贡献以及计算的感知傅里叶相似度大小两种线索共同实现自适应的调整数据空间映射概率权重，进而实现了空间映射的离散化，从而将数据更好的进行分配；在后续调用过程中，不会因为数据的打散而降低效率。
附图说明
图1为本发明实施例提供的基于多层空间调度的云计算资源分配系统的系统结构示意图；
图2为本发明实施例提供的基于多层空间调度的云计算资源分配方法的方法流程示意图。
图3为本发明实施例提供的基于多层空间调度的云计算资源分配方法的空间映射的原理示意图；
图4为本发明实施例提供的基于多层空间调度的云计算资源分配方法的子资源块的细分结构示意图。
图5为本发明实施例提供的基于多层空间调度的云计算资源分配系统及方法的资源利用率随着数据量变化的实验效果示意图与现有技术的对比实验效果示意图。
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
实施例1
如图1所示，基于多层空间调度的云计算资源分配系统，所述系统包括：云计算资源分配模型建立单元，配置用于根据任务数和资源数来建立资源分配模型，定义资源分配矩阵、资源调用时间矩阵以及云计算资源调度的目标；资源分配单元，配置用于根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配；更新单元，配置用于根据资源分配的结果，获取空间映射后的数据地址，为云计算提供支持；判断单元，配置用于判断是否符合终止条件，若符合，则终止资源分配过程；若不符合，则继续启动资源分配单元，继续资源分配。
具体的，本发明通过多重虚拟空间的构建，拓展了本来有限的云计算存储空间，间接提升了云计算的存储资源，再利用多重空间映射，将数据进行映射分配，在后续调用过程中，不会因为数据的打散而降低效率。主要通过以下过程实现：1.由多个数据空间组成的数据存储空间、由多个临时存储空间组成的中间存储空间和由多个虚拟空间组成的虚拟存储空间，共同构成整个存储系统，尤其是虚拟存储空间的构成，其使用多重空间的方式，可以极大程度拓展云计算的存储空间；2.数据均衡处理：在存储空间中，针对存储的数据再次进行数据均衡处理，该过程可以均衡每个存储空间中的存储资源，而不至于在一个存储空间中，数据只集中占用某一部分存储资源，从而提升存储资源的利用率；3.空间映射概率的确定：本发明的数据空间映射概率权重，根据离目标远近的位置贡献以及计算的感知傅里叶相似度大小两种线索共同实现自适应的调整数据空间映射概率权重，进而实现了空间映射的离散化，从而将数据更好的进行分配；在后续调用过程中，不会因为数据的打散而降低效率。
实施例2
在上一实施例的基础上，所述资源分配单元包括：由多个数据空间组成的数据存储空间、由多个临时存储空间组成的中间存储空间和由多个虚拟空间组成的虚拟存储空间；所述数据存储空间配置用于提供数据存储服务，数据进入系统后，首先进入数据存储空间，数据存储空间对进入系统的数据进行存储，数据存储空间由6*10个存储资源块组成；所述虚拟存储空间，配置用于实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中；每个空间存储资源块包括12*14的子资源块；所述虚拟存储空间中接收到均衡映射后的数据后，进行另一部分次均衡映射，将数据映射至中间存储空间中的临时存储空间中；所述中间存储空间中的临时存储空间接收到经过另一部分次均衡映射后的数据后，基于资源分配矩阵和资源分配模型，对数据进行均衡处理。
具体的，目前的资源调度方法往往着眼于虚拟机在物理服务器上的优化部署，主要解决的是如何合理地确定虚拟机到结点的映射，通常被看作是一个装箱问题，即寻找最优的将虚拟机分配到结点的方案，从而使每个节点中虚拟机的使用资源之和不超过节点所能提供的上限，而使用的节点数量最优。Buyya等学者提出的基于经济模型资源调度方法，该方法提出了面向市场的云计算体系结构和面向市场的资源分配和调度方法，该体系结构通过SLA资源分配器来实现资源使用者与资源提供者之间的协商，实现资源优化分配。李强等提出了带应用服务级目标约束的虚拟机放置多目标优化遗传资源调度方法等。Menaud和Van等人提出针对云计算中虚拟资源的管理提出动态调度方法，以总体调度时间为目标，通过考虑重配置时间和虚拟机迀移时间，给出一种资源惯例方法Entropy。魏贵义等提出了基于博弈论资源分配资源调度方法解决云计算资源分配问题，该资源调度方法针对首先利用整数规划方法对单业务系统的资源需求进行优化，再采用进化资源调度方法解决多个业务系统的综合优化问题。徐向华等人提出了一种基于市场机制的云计算资源分配策略，并设计一个基于遗传基因的价格调节资源调度方法处理市场的需求和供给的平衡问题。林伟伟等人提出了一种基于动态重配置虚拟资源的云计算资源调度方法。该方法以云应用监视器收集的云应用负载信息为依据，然后基于运行云应用的虚拟资源的负载能力和云应用当前的负载进行动态决策，根据决策的结果为云应用动态重配置虚拟资源。
实施例3
在上一实施例的基础上，所述数据存储空间、虚拟存储空间和中间存储空间均为多个分布式存储器组成的分布式资源管理服务器；所述存储器又由多个分布式存储子单元组成；所述存储空间包括：获取单元，配置用于获取K个存储器上每个存储子单元的P个权重因子的负载度和P个权重值，K和P均为大于1的整数；优先度计算单元，用于根据所述P个权重因子的负载度和所述P个权重值进行加权平均得到每个存储子单元的优先度；标准分片数计算单元，用于根据每个存储器关联的存储子单元的优先度得到标准分片数；均衡判断单元，用于根据所述K个存储器各自对应的标准分片数判断数据分布是否满足数据均衡条件；均衡单元，用于若所述均衡判断单元的判断结果为否，对所述K个存储器进行数据均衡处理。
具体的，云存储是在云计算(cloud computing)概念上延伸和发展出来的一个新的概念。它是指通过集群应用、网格技术或分布式文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。当云计算系统运算和处理的核心是大量数据的存储和管理时，云计算系统中就需要配置大量的存储设备，那么云计算系统就转变为一个云存储系统，所以云存储是一个以数据存储和管理为核心的云计算系统。
云存储就如同云状的广域网和互联网一样，对使用者来讲，并不是指一个具体的存储节点，而是指一个由许许多多个存储节点所构成的一个集合体。而只有均勻分布数据才可以保证负载均衡和云存储系统良好的可扩展性。因此，在云存储系统中，如何均衡分布用户存储的数据是其中一项非常关键的技术。
目前，在分配存储的数据时，一般是采用一致性哈希方法。该方法分两步进行：首先求出存储节点的哈希值，将该存储节点映射到环上的一个存储节点(环上的每个点代表一个哈希值)；接着计算数据的哈希值，按顺时针方向将其映射到环上距其最近的存储节点。添加新设备存储节点时，按照上述规则，调整相关数据到新的存储节点上。删除存储节点和添加存储节点过程相反。
使用一致性哈希方法分配数据的好处是每个存储节点只需要处理落在它和它的前驱存储节点之间的数据，这样在增加/删除设备存储节点时系统振荡较小。但是一致性哈希函数是一种随机性的函数，在存储节点数量较少的情况下很可能造成环上存储节点分布的不均勻，导致负载不均勻：因为在选择存储节点位置时，并没有考虑不同存储节点的性能差异。
实施例4
在上一实施例的基础上，所述虚拟存储空间，配置用于实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中的方法执行以下步骤：在数据中选取一个目标区间，提取目标区间的感知傅里叶特征作为模板特征，并对数据空间映射概率进行初始化定位；建立多个空间映射表；在一部分空间映射表中，对数据空间映射概率进行状态坐标空间映射，对空间映射的数据空间映射概率位置处标注预测区域；在另一部分空间映射表中，对每一个空间映射区域提取感知傅里叶特征，并计算空间映射区域与目标区间的相似度；根据离目标远近的位置贡献以及感知傅里叶特征相似度大小更新数据空间映射概率权重，确定估计目标的位置，得到新的目标区间；根据数据空间映射概率大小和重采样估计值得到空间映射表中的下一个数据空间映射概率；得到每个空间映射区域与目标区间的相似度后，结合离目标远近的位置贡献更新数据空间映射概率的权重；更新完成预测数据空间映射概率的权重后，计算出目标的最优预测位置作为估计目标的位置，即为新的目标区间。
参考图3，云计算系统本身拥有的存储资源块内存储的数据量有限，将存储资源块进行多重空间映射后，将映射到多个空间层的多个空间存储资源块中，间接提升了存储上限。
实施例5
在上一实施例的基础上，所述更新数据空间映射概率权重的方法为：为减少非目标位置的数据空间映射概率权重，根据离目标远近的位置贡献以及计算的感知傅里叶相似度大小两种线索共同实现自适应的调整数据空间映射概率权重：
其中，
是指q位置第m个数据空间映射概率的权重，
是指q位置第m个数据空间映射概率的相似度，
是指q位置第m个数据空间映射概率的坐标位置横坐标，
是指q位置第m个数据空间映射概率的坐标位置纵坐标，W和H是指目标区间的半宽和半高；x0是指0位置第1个数据空间映射概率的坐标位置横坐标；y0是指0位置第1个数据空间映射概率的坐标位置纵坐标。
参考图4，本发明的子资源块还可以分为多个细分的资源块，这些细分的资源块将是数据存储的最小单位，这些单位可以使用数字标识其位置，方便后续的计算使用。
实施例6
如图2所示，一种基于多层空间调度的云计算资源分配方法，所述方法执行以下步骤：步骤1：根据任务数和资源数来建立资源分配模型，定义资源分配矩阵、资源调用时间矩阵以及云计算资源调度的目标；步骤2：根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配；步骤3：根据资源分配的结果，获取空间映射后的数据地址，为云计算提供支持；步骤4：判断是否符合终止条件，若符合，则终止资源分配过程；若不符合，则继续启动资源分配单元，继续资源分配。
实施例7
在上一实施例的基础上，步骤2：根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配的方法执行以下步骤：数据存储空间提供数据存储服务，数据进入系统后，首先进入数据存储空间，数据存储空间对进入系统的数据进行存储，数据存储空间由6*10个存储资源块组成；虚拟存储空间，实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中；每个空间存储资源块包括12*14的子资源块；虚拟存储空间中接收到均衡映射后的数据后，进行另一部分次均衡映射，将数据映射至中间存储空间中的临时存储空间中；所述中间存储空间中的临时存储空间接收到经过另一部分次均衡映射后的数据后，基于资源分配矩阵和资源分配模型，对数据进行均衡处理。
实施例8
在上一实施例的基础上，所述数据存储空间、虚拟存储空间和中间存储空间均为多个分布式存储器组成的分布式资源管理服务器；所述存储器又由多个分布式存储子单元组成；所述存储空间包括：获取单元，配置用于获取K个存储器上每个存储子单元的P个权重因子的负载度和P个权重值，K和P均为大于1的整数；优先度计算单元，用于根据所述P个权重因子的负载度和所述P个权重值进行加权平均得到每个存储子单元的优先度；标准分片数计算单元，用于根据每个存储器关联的存储子单元的优先度得到标准分片数；均衡判断单元，用于根据所述K个存储器各自对应的标准分片数判断数据分布是否满足数据均衡条件；均衡单元，用于若所述均衡判断单元的判断结果为否，对所述K个存储器进行数据均衡处理。
参考图5，本发明通过多重虚拟空间的构建，拓展了本来有限的云计算存储空间，间接提升了云计算的存储资源，再利用多重空间映射，将数据进行映射分配，在后续调用过程中，不会因为数据的打散而降低效率。主要通过以下过程实现：1.由多个数据空间组成的数据存储空间、由多个临时存储空间组成的中间存储空间和由多个虚拟空间组成的虚拟存储空间，共同构成整个存储系统，尤其是虚拟存储空间的构成，其使用多重空间的方式，可以极大程度拓展云计算的存储空间；2.数据均衡处理：在存储空间中，针对存储的数据再次进行数据均衡处理，该过程可以均衡每个存储空间中的存储资源，而不至于在一个存储空间中，数据只集中占用某一部分存储资源，从而提升存储资源的利用率；3.空间映射概率的确定：本发明的数据空间映射概率权重，根据离目标远近的位置贡献以及计算的感知傅里叶相似度大小两种线索共同实现自适应的调整数据空间映射概率权重，进而实现了空间映射的离散化，从而将数据更好的进行分配；在后续调用过程中，不会因为数据的打散而降低效率。
实施例9
在上一实施例的基础上，所述虚拟存储空间，实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中的方法执行以下步骤：在数据中选取一个目标区间，提取目标区间的感知傅里叶特征作为模板特征，并对数据空间映射概率进行初始化定位；建立多个空间映射表；在一部分空间映射表中，对数据空间映射概率进行状态坐标空间映射，对空间映射的数据空间映射概率位置处标注预测区域；在另一部分空间映射表中，对每一个空间映射区域提取感知傅里叶特征，并计算空间映射区域与目标区间的相似度；根据离目标远近的位置贡献以及感知傅里叶特征相似度大小更新数据空间映射概率权重，确定估计目标的位置，得到新的目标区间；根据数据空间映射概率大小和重采样估计值得到空间映射表中的下一个数据空间映射概率；得到每个空间映射区域与目标区间的相似度后，结合离目标远近的位置贡献更新数据空间映射概率的权重；更新完成预测数据空间映射概率的权重后，计算出目标的最优预测位置作为估计目标的位置，即为新的目标区间。
实施例10
在上一实施例的基础上，所述更新数据空间映射概率权重的方法为：为减少非目标位置的数据空间映射概率权重，根据离目标远近的位置贡献以及计算的感知傅里叶相似度大小两种线索共同实现自适应的调整数据空间映射概率权重：
其中，
是指q位置第m个数据空间映射概率的权重，
是指q位置第m个数据空间映射概率的相似度，
是指q位置第m个数据空间映射概率的坐标位置横坐标，
是指q位置第m个数据空间映射概率的坐标位置纵坐标，W和H是指目标区间的半宽和半高；x0是指0位置第1个数据空间映射概率的坐标位置横坐标；y0是指0位置第1个数据空间映射概率的坐标位置纵坐标。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
需要说明的是，上述实施例提供的系统，仅以上述各功能单元的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能单元来完成，即将本发明实施例中的单元或者步骤再分解或者组合，例如，上述实施例的单元可以合并为一个单元，也可以进一步拆分成多个子单元，以完成以上描述的全部或者单元功能。对于本发明实施例中涉及的单元、步骤的名称，仅仅是为了区分各个单元或者步骤，不视为对本发明的不当限定。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的单元、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件单元、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
术语“第一”、“另一部分”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨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、物品或者单元/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者单元/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (10)
1.基于多层空间调度的云计算资源分配系统，其特征在于，所述系统包括：云计算资源分配模型建立单元，配置用于根据任务数和资源数来建立资源分配模型，定义资源分配矩阵、资源调用时间矩阵以及云计算资源调度的目标；资源分配单元，配置用于根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配；更新单元，配置用于根据资源分配的结果，获取空间映射后的数据地址，为云计算提供支持；判断单元，配置用于判断是否符合终止条件，若符合，则终止资源分配过程；若不符合，则继续启动资源分配单元，继续资源分配。
2.如权利要求1所述的系统，其特征在于，所述资源分配单元包括：由多个数据空间组成的数据存储空间、由多个临时存储空间组成的中间存储空间和由多个虚拟空间组成的虚拟存储空间；所述数据存储空间配置用于提供数据存储服务，数据进入系统后，首先进入数据存储空间，数据存储空间对进入系统的数据进行存储，数据存储空间由6*10个存储资源块组成；所述虚拟存储空间，配置用于实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中；每个空间存储资源块包括12*14的子资源块；所述虚拟存储空间中接收到均衡映射后的数据后，进行另一部分次均衡映射，将数据映射至中间存储空间中的临时存储空间中；所述中间存储空间中的临时存储空间接收到经过另一部分次均衡映射后的数据后，基于资源分配矩阵和资源分配模型，对数据进行均衡处理。
3.如权利要求1所述的系统，其特征在于，所述数据存储空间、虚拟存储空间和中间存储空间均为多个分布式存储器组成的分布式资源管理服务器；所述存储器又由多个分布式存储子单元组成；所述存储空间包括：获取单元，配置用于获取K个存储器上每个存储子单元的P个权重因子的负载度和P个权重值，K和P均为大于1的整数；优先度计算单元，用于根据所述P个权重因子的负载度和所述P个权重值进行加权平均得到每个存储子单元的优先度；标准分片数计算单元，用于根据每个存储器关联的存储子单元的优先度得到标准分片数；均衡判断单元，用于根据所述K个存储器各自对应的标准分片数判断数据分布是否满足数据均衡条件；均衡单元，用于若所述均衡判断单元的判断结果为否，对所述K个存储器进行数据均衡处理。
4.如权利要求3所述的系统，其特征在于，所述虚拟存储空间，配置用于实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中的方法执行以下步骤：在数据中选取一个目标区间，提取目标区间的感知傅里叶特征作为模板特征，并对数据空间映射概率进行初始化定位；建立多个空间映射表；在一部分空间映射表中，对数据空间映射概率进行状态坐标空间映射，对空间映射的数据空间映射概率位置处标注预测区域；在另一部分空间映射表中，对每一个空间映射区域提取感知傅里叶特征，并计算空间映射区域与目标区间的相似度；根据离目标远近的位置贡献以及感知傅里叶特征相似度大小更新数据空间映射概率权重，确定估计目标的位置，得到新的目标区间；根据数据空间映射概率大小和重采样估计值得到空间映射表中的下一个数据空间映射概率；得到每个空间映射区域与目标区间的相似度后，结合离目标远近的位置贡献更新数据空间映射概率的权重；更新完成预测数据空间映射概率的权重后，计算出目标的最优预测位置作为估计目标的位置，即为新的目标区间。
5.如权利要求4所述的系统，其特征在于，所述更新数据空间映射概率权重的方法为：为减少非目标位置的数据空间映射概率权重，根据离目标远近的位置贡献以及计算的感知傅里叶相似度大小两种线索共同实现自适应的调整数据空间映射概率权重：
其中，
是指q位置第m个数据空间映射概率的权重，
是指q位置第m个数据空间映射概率的相似度，
是指q位置第m个数据空间映射概率的坐标位置横坐标，
是指q位置第m个数据空间映射概率的坐标位置纵坐标，W和H是指目标区间的半宽和半高；x0是指0位置第1个数据空间映射概率的坐标位置横坐标；y0是指0位置第1个数据空间映射概率的坐标位置纵坐标。
6.一种基于权利要求1至5之一所述系统的基于多层空间调度的云计算资源分配方法，其特征在于，所述方法执行以下步骤：步骤1：根据任务数和资源数来建立资源分配模型，定义资源分配矩阵、资源调用时间矩阵以及云计算资源调度的目标；步骤2：根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配；步骤3：根据资源分配的结果，获取空间映射后的数据地址，为云计算提供支持；步骤4：判断是否符合终止条件，若符合，则终止资源分配过程；若不符合，则继续启动资源分配单元，继续资源分配。
7.如权利要求6所述的方法，其特征在于，步骤2：根据建立的资源分配模型和定义的资源分配矩阵，对云计算的数据进行均衡处理，以及对云计算的数据进行空间映射，完成资源分配的方法执行以下步骤：数据存储空间提供数据存储服务，数据进入系统后，首先进入数据存储空间，数据存储空间对进入系统的数据进行存储，数据存储空间由6*10个存储资源块组成；虚拟存储空间，实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中；每个空间存储资源块包括12*14的子资源块；虚拟存储空间中接收到均衡映射后的数据后，进行另一部分次均衡映射，将数据映射至中间存储空间中的临时存储空间中；所述中间存储空间中的临时存储空间接收到经过另一部分次均衡映射后的数据后，基于资源分配矩阵和资源分配模型，对数据进行均衡处理。
8.如权利要求7所述的方法，其特征在于，所述数据存储空间、虚拟存储空间和中间存储空间均为多个分布式存储器组成的分布式资源管理服务器；所述存储器又由多个分布式存储子单元组成；所述存储空间包括：获取单元，配置用于获取K个存储器上每个存储子单元的P个权重因子的负载度和P个权重值，K和P均为大于1的整数；优先度计算单元，用于根据所述P个权重因子的负载度和所述P个权重值进行加权平均得到每个存储子单元的优先度；标准分片数计算单元，用于根据每个存储器关联的存储子单元的优先度得到标准分片数；均衡判断单元，用于根据所述K个存储器各自对应的标准分片数判断数据分布是否满足数据均衡条件；均衡单元，用于若所述均衡判断单元的判断结果为否，对所述K个存储器进行数据均衡处理。
9.如权利要求8所述的方法，其特征在于，所述虚拟存储空间，实时获取进入系统的数据，基于资源分配矩阵和资源分配模型，将数据进行傅里叶计算后，将每个存储资源块中的数据均衡映射到虚拟存储空间中的多个空间层中的每个空间层的空间存储资源块中的方法执行以下步骤：在数据中选取一个目标区间，提取目标区间的感知傅里叶特征作为模板特征，并对数据空间映射概率进行初始化定位；建立多个空间映射表；在一部分空间映射表中，对数据空间映射概率进行状态坐标空间映射，对空间映射的数据空间映射概率位置处标注预测区域；在另一部分空间映射表中，对每一个空间映射区域提取感知傅里叶特征，并计算空间映射区域与目标区间的相似度；根据离目标远近的位置贡献以及感知傅里叶特征相似度大小更新数据空间映射概率权重，确定估计目标的位置，得到新的目标区间；根据数据空间映射概率大小和重采样估计值得到空间映射表中的下一个数据空间映射概率；得到每个空间映射区域与目标区间的相似度后，结合离目标远近的位置贡献更新数据空间映射概率的权重；更新完成预测数据空间映射概率的权重后，计算出目标的最优预测位置作为估计目标的位置，即为新的目标区间。
10.如权利要求9所述的方法，其特征在于，所述更新数据空间映射概率权重的方法为：为减少非目标位置的数据空间映射概率权重，根据离目标远近的位置贡献以及计算的感知傅里叶相似度大小两种线索共同实现自适应的调整数据空间映射概率权重：
其中，
是指q位置第m个数据空间映射概率的权重，
是指q位置第m个数据空间映射概率的相似度，
是指q位置第m个数据空间映射概率的坐标位置横坐标，
是指q位置第m个数据空间映射概率的坐标位置纵坐标，W和H是指目标区间的半宽和半高；x0是指0位置第1个数据空间映射概率的坐标位置横坐标；y0是指0位置第1个数据空间映射概率的坐标位置纵坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011608693.4A CN112738247B (zh) | 2020-12-29 | 2020-12-29 | 基于多层空间调度的云计算资源分配系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011608693.4A CN112738247B (zh) | 2020-12-29 | 2020-12-29 | 基于多层空间调度的云计算资源分配系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112738247A true CN112738247A (zh) | 2021-04-30 |
| CN112738247B CN112738247B (zh) | 2023-08-04 |
Family
ID=75610756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011608693.4A Active CN112738247B (zh) | 2020-12-29 | 2020-12-29 | 基于多层空间调度的云计算资源分配系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112738247B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115442444A (zh) * | 2022-11-04 | 2022-12-06 | 山东紫菜云数字科技有限公司 | 一种应用于多对多匹配平台的资源平衡自适应调度方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103701886A (zh) * | 2013-12-19 | 2014-04-02 | 中国信息安全测评中心 | 一种云计算环境下的服务及资源分层调度方法 |
| CN104601664A (zh) * | 2014-12-22 | 2015-05-06 | 西安电子科技大学 | 一种云计算平台资源管理与虚拟机调度的控制系统 |
| CN109271232A (zh) * | 2018-07-03 | 2019-01-25 | 广东省城乡规划设计研究院 | 一种基于云计算平台的集群资源分配方法 |
| CN109901922A (zh) * | 2019-03-05 | 2019-06-18 | 北京工业大学 | 一种面向多层服务的容器云资源调度优化方法 |
| CN112100185A (zh) * | 2020-11-03 | 2020-12-18 | 江西云本数字科技有限公司 | 区块链数据平衡负载的索引系统及方法 |
-
2020
- 2020-12-29 CN CN202011608693.4A patent/CN112738247B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103701886A (zh) * | 2013-12-19 | 2014-04-02 | 中国信息安全测评中心 | 一种云计算环境下的服务及资源分层调度方法 |
| CN104601664A (zh) * | 2014-12-22 | 2015-05-06 | 西安电子科技大学 | 一种云计算平台资源管理与虚拟机调度的控制系统 |
| CN109271232A (zh) * | 2018-07-03 | 2019-01-25 | 广东省城乡规划设计研究院 | 一种基于云计算平台的集群资源分配方法 |
| CN109901922A (zh) * | 2019-03-05 | 2019-06-18 | 北京工业大学 | 一种面向多层服务的容器云资源调度优化方法 |
| CN112100185A (zh) * | 2020-11-03 | 2020-12-18 | 江西云本数字科技有限公司 | 区块链数据平衡负载的索引系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱先德等: "云计算数据中心存储资源池化扩展及智能调度管理研究", 《通信管理与技术》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115442444A (zh) * | 2022-11-04 | 2022-12-06 | 山东紫菜云数字科技有限公司 | 一种应用于多对多匹配平台的资源平衡自适应调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112738247B (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107465708B (zh) | 一种cdn带宽调度系统及方法 | |
| US8291424B2 (en) | Method and system of managing resources for on-demand computing | |
| CN104580538B (zh) | 一种提高Nginx服务器负载均衡效率的方法 | |
| CN105103506B (zh) | 用于为云计算网络中的非均匀带宽请求分配带宽的方法和系统 | |
| CN106657379A (zh) | 一种nginx服务器负载均衡的实现方法及系统 | |
| CN102299959B (zh) | 一种数据库集群系统的负载均衡实现方法和装置 | |
| CN105141541A (zh) | 一种基于任务的动态负载均衡调度方法及装置 | |
| CN109862592A (zh) | 一种基于多基站协作的移动边缘计算环境下资源管理和调度方法 | |
| CN107291536B (zh) | 一种云计算环境下应用任务流调度方法 | |
| CN102662764B (zh) | 一种基于smdp的动态云计算资源优化分配方法 | |
| US11496413B2 (en) | Allocating cloud computing resources in a cloud computing environment based on user predictability | |
| CN110221920B (zh) | 部署方法、装置、存储介质及系统 | |
| CN102857548A (zh) | 一种移动云计算资源优化配置方法 | |
| CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
| CN112822235A (zh) | 一种异构云计算系统的数据共享系统及方法 | |
| CN112738247A (zh) | 基于多层空间调度的云计算资源分配系统及方法 | |
| CN110167031A (zh) | 一种面向集中式基站的资源分配方法、设备及存储介质 | |
| CN105187483B (zh) | 分配云计算资源的方法及装置 | |
| Araldo et al. | EdgeMORE: improving resource allocation with multiple options from tenants | |
| CN113329050B (zh) | 内容分发方法及系统 | |
| Yang et al. | Enhancement of anticipative recursively adjusting mechanism for redundant parallel file transfer in data grids | |
| JP2018181123A (ja) | リソース割当制御システム、リソース割当制御方法、及びプログラム | |
| KR100946696B1 (ko) | 타임 시리즈 기법을 이용한 스트리밍 소프트웨어 서비스시스템 및 그 방법 | |
| CN110096365A (zh) | 一种云数据中心的虚拟机资源公平分配系统及方法 | |
| CN116436800B (zh) | 一种资源调度方法及装置 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230710 Address after: Unit 01, 43/F, Building 5, East Third Ring Middle Road, Chaoyang District, Beijing, 100020 Applicant after: Beijing Yingbo Digital Science and Technology Co.,Ltd. Address before: 253600 Shizhong science and technology innovation and entrepreneurship Park, Leling City, Dezhou City, Shandong Province Applicant before: Leling Auman Electronic Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |