CN112817757B - 预调整的资源弹性分配方法、装置、电子设备及存储介质 - Google Patents
预调整的资源弹性分配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112817757B CN112817757B CN202110095264.XA CN202110095264A CN112817757B CN 112817757 B CN112817757 B CN 112817757B CN 202110095264 A CN202110095264 A CN 202110095264A CN 112817757 B CN112817757 B CN 112817757B
- Authority
- CN
- China
- Prior art keywords
- parameters
- application
- preset
- resource
- application resource
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000013468 resource allocation Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 37
- 238000007689 inspection Methods 0.000 claims description 33
- 230000009467 reduction Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06F9/5027—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Debugging And Monitoring (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种预调整的资源弹性分配方法、装置、电子设备及存储介质，涉及资源分配领域。本申请的预调整的资源弹性分配方法，包括：获取预设应用在多个预设时间段对应的多个应用资源参数，利用获取到的多个应用资源参数构造多个应用资源矩阵，根据多个应用资源矩阵计算得到多个应用资源权重，依据多个应用资源权重计算得到分配参数，根据分配参数对预设应用的占用资源进行分配。通过获取预设应用多个时段对应的应用资源参数，就能够计算出不同时段对应的分配参数，依据分配参数能够对应用资源进行合理的分配，并且能够提升整体资源的使用效率。
Description
技术领域
本申请涉及资源分配领域，特别涉及一种预调整的资源弹性分配方法、装置、电子设备及存储介质。
背景技术
目前，为了应对服务资源在运行过程中存在资源不足的问题，有些厂商提供有应急扩容服务，也就是根据实时流量、硬件负载指标进行弹性扩容、缩容。具体为：在流量高峰期到来时，对于服务pod进行扩容，在流量高峰过去之后，对服务pod进行缩容。但是实际应用当中，由于应用类型不同，在不同的时段，流量及运算资源占有量会各不相同。例如：对用户侧的应用，在晚间会迎来高峰期，这时候就会占用较多的资源；而对平台侧的应用，比如经分数据、大数据分析、大批量文件同步等服务，通常会选择在凌晨时段进行的，此时会存在不同应用在不同时段部分资源分配不合理的情况。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种预调整的资源弹性分配方法、装置、电子设备及存储介质，能够解决不同时段中服务资源分配不平衡的问题。
根据本申请的第一方面实施例的预调整的资源弹性分配方法，包括：
获取预设应用在多个预设时间段内对应的多个应用资源参数；
根据所述应用资源参数，构造应用资源矩阵；
对多个所述应用资源矩阵，计算得到多个所述预设应用对应的应用资源权重；
根据所述应用资源权重得到所述预设应用对应的分配参数；
根据多个所述分配参数对多个所述预设应用的应用资源进行分配。
根据本申请实施例的预调整的资源弹性分配方法，至少具有如下有益效果：
获取预设应用在多个预设时间段对应的多个应用资源参数，利用获取到的多个应用资源参数构造多个应用资源矩阵，根据多个应用资源矩阵计算得到多个应用资源权重，依据多个应用资源权重计算得到分配参数，根据分配参数对预设应用的占用资源进行分配。通过获取预设应用多个时段对应的应用资源参数，就能够计算出不同时段对应的分配参数，依据分配参数能够对应用资源进行合理的分配，并且能够提升整体资源的使用效率。
根据本申请的一些实施例，所述应用资源参数包括多个应用资源子参数，所述根据所述应用资源参数，构造应用资源矩阵，包括：
获取多个预设指标参数；
基于多个所述预设指标参数和多个所述应用资源子参数得到所述应用资源参数的多个实际指标参数；
根据多个所述实际指标参数和多个所述应用资源子参数构建所述应用资源矩阵。
根据本申请的一些实施例，所述对多个所述应用资源矩阵，计算得到多个所述预设应用对应的应用资源权重，包括：
对所述应用资源矩阵中的每一所述应用资源参数进行加权处理，得到每一所述应用资源参数对应的应用资源权重。
根据本申请的一些实施例，所述根据所述应用资源权重得到所述预设应用对应的分配参数，包括：
对多个所述应用资源权重进行加权处理，得到每一所述预设时间段对应的多个权重加权参数；
根据多个所述权重加权参数计算得到分配参数。
根据本申请的一些实施例，所述方法还包括：
获取预设的最小缩减参数以及业务缩减参数；
根据所述最小缩减参数以及所述业务缩减参数，更新所述分配参数。
所述根据多个所述分配参数对多个所述预设应用的应用资源进行分配，包括：
获取多个预设调整比例以及多个预设调整时间段；
根据所述分配参数以及所述预设调整比例计算每一所述预设调整时间段内所述预设应用需要分配的占用资源。
根据本申请的一些实施例，所述方法还包括：
根据每一所述预设时间段对应的多个权重加权参数计算得到第一检验参数；
获取预设的第二检验参数以及预设的第一阈值和第二阈值；
根据所述第一检验参数以及所述第二检验参数，计算得到目标检验参数；
将所述目标检验参数分别与所述第一阈值和所述第二阈值进行比对；
若所述目标校验参数大于所述第一阈值且小于所述第二阈值，则确定对所述预调整的资源弹性分配方法校验成功。
根据本申请的第二方面实施例的资源分配装置，包括：
获取模块：所述获取模块用于获取预设应用在多个预设时间段内对应的多个应用资源参数；
计算模块：根据所述应用资源参数，构造应用资源矩阵；对多个所述应用资源矩阵，计算得到多个所述预设应用对应的应用资源权重；根据所述应用资源权重得到所述预设应用对应的分配参数；
分配模块：根据多个所述分配参数对多个所述预设应用的应用资源进行分配。
根据本申请实施例的资源分配装置，至少具有如下有益效果：
本申请实施例的资源分配装置包括获取模块、计算模块以及分配模块，获取模块获取预设应用在多个预设时间段对应的多个应用资源参数，计算模块利用获取到的多个应用资源参数构造多个应用资源矩阵，根据多个应用资源矩阵计算得到多个应用资源权重，依据多个应用资源权重计算得到分配参数，分配模块根据分配参数对预设应用的占用资源进行分配。通过获取预设应用多个时段对应的应用资源参数，就能够计算出不同时段对应的分配参数，依据分配参数能够对应用资源进行合理的分配，并且能够提升整体资源的使用效率。
根据本申请的第三方面实施例的电子设备，包括：
至少一个处理器，以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述指令时实现如本申请第一方面实施例任一项所述的预调整的资源弹性分配方法。
根据本申请实施例的电子设备，至少具有如下有益效果：通过执行如第一方面实施例所述的预调整的资源弹性分配方法，获取预设应用在多个预设时间段对应的多个应用资源参数，利用获取到的多个应用资源参数构造多个应用资源矩阵，根据多个应用资源矩阵计算得到多个应用资源权重，依据多个应用资源权重计算得到分配参数，根据分配参数对预设应用的占用资源进行分配。通过获取预设应用多个时段对应的应用资源参数，就能够计算出不同时段对应的分配参数，依据分配参数能够对应用资源进行合理的分配，并且能够提升整体资源的使用效率。
根据本申请的第四方面实施例的计算机可读存储介质，包括：
所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行如本申请第一方面实施例所述的预调整的资源弹性分配方法。
根据本申请实施例的计算机可读存储指令，至少具有如下有益效果：通过执行如第一方面实施例所述的预调整的资源弹性分配方法，获取预设应用在多个预设时间段对应的多个应用资源参数，利用获取到的多个应用资源参数构造多个应用资源矩阵，根据多个应用资源矩阵计算得到多个应用资源权重，依据多个应用资源权重计算得到分配参数，根据分配参数对预设应用的占用资源进行分配。通过获取预设应用多个时段对应的应用资源参数，就能够计算出不同时段对应的分配参数，依据分配参数能够对应用资源进行合理的分配，并且能够提升整体资源的使用效率。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
下面结合附图和实施例对本申请做进一步的说明，其中：
图1为本申请一些实施例提供的预调整的资源弹性分配方法的流程图；
图2为本申请另一些实施例提供的预调整的资源弹性分配方法的流程图；
图3为本申请实施例中的标度值对照表的一具体应用示例；
图4为本申请另一些实施例提供的预调整的资源弹性分配方法的流程图；
图5为本申请另一些实施例提供的预调整的资源弹性分配方法的流程图；
图6为本申请另一些实施例提供的预调整的资源弹性分配方法的流程图；
图7为本申请另一些实施例提供的预调整的资源弹性分配方法的流程图；
图8为本申请实施例中的AHP法的ri列表的一具体应用示例；
图9为本申请一些实施例提供的资源分配装置的模块结构框图。
附图标记：
获取模块100，计算模块200，分配模块300。
具体实施方式
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
本申请的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
目前，有些厂商提供有应急扩容服务，也就是根据实时流量、硬件负载指标进行弹性扩容、缩容。具体为：在流量高峰期到来时，对于服务pod进行扩容，在流量高峰过去之后，对服务pod进行缩容。但是实际应用当中，由于应用类型不同，在不同的时段，流量及运算资源占有量会各不相同。例如：对用户侧的应用，在晚间会迎来高峰期，这时候就会占用较多的资源；而对平台侧的应用，比如经分数据、大数据分析、大批量文件同步等服务，通常会选择在凌晨时段进行的，此时会存在不同应用在不同时段部分资源分配不合理的情况。
基于此，本申请提出一种预调整的资源弹性分配方法、装置、电子设备及存储介质，能够获取预设应用在多个预设时间段对应的多个应用资源参数，利用获取到的多个应用资源参数构造多个应用资源矩阵，根据多个应用资源矩阵计算得到多个应用资源权重，依据多个应用资源权重计算得到分配参数，根据分配参数对预设应用的占用资源进行分配。通过获取预设应用多个时段对应的应用资源参数，就能够计算出不同时段对应的分配参数，依据分配参数能够对应用资源进行合理的分配，并且能够提升整体资源的使用效率。
第一方面，本申请实施例提供了一种预调整的资源弹性分配方法。
参照图1，图1为本申请一些实施例提供的预调整的资源弹性分配方法的流程图，具体包括步骤：
S100，获取预设应用在多个预设时间段内对应的多个应用资源参数；
S200，根据应用资源应用资源参数，构造应用资源矩阵；
S300，对多个应用资源应用资源矩阵，计算得到多个应用资源预设应用对应的应用资源权重；
S400，根据应用资源应用资源权重得到应用资源预设应用对应的分配参数；
S500，根据多个应用资源分配参数对多个应用资源预设应用的应用资源进行分配。
在步骤S100中，获取预设应用在多个预设时间段内对应的多个应用资源参数，在实际应用中，可以根据实际资源使用的情况将多个应用资源参数划分为服务流量、资源使用、服务响应以及错误率这四类应用资源参数，其中每个应用资源参数都可以分为多个应用资源子参数，例如：服务流量可以分为平均流量、流量峰值以及流量谷值，资源使用可以分为CPU、内存以及磁盘，服务响应效率可以分为请求平均处理时间、最大请求处理时间以及最小请求处理时间，错误率可以分为请求错误以及后台异常，通过划分并获取这些应用资源子参数即可得知预设应用当前时间段内的资源应用情况。
在一些实施例中，多个应用资源参数可以是初始的资源权重，也就是每个资源对应的多个资源参数的权重值，也可以是实际资源池的资源和应用权重，也就是每个应用对应的多个应用参数的权重值。由于获取到的应用资源参数不同，其分配方法也不一样。比如，获取初始的资源权重，然后根据初始资源权重及运行一段时间后的实际情况分时段进行机器学习，并计算资源分配权重，或者直接根据获取到的资源池的资源和应用权重，按照时段分配资源的能力。
在步骤S200中，利用获取到的多个应用资源参数，根据应用资源参数的个数，设置应用资源矩阵行和列的个数，并且将多个资源参数带入应用资源矩阵中，构造多个应用资源矩阵。
在一些实施例中，如图2所示，步骤S200具体包括步骤：
S210，获取多个预设指标参数；
S220，基于多个应用资源预设指标参数和应用资源多个应用资源子参数得到应用资源应用资源参数的多个实际指标参数；
S230，根据应用资源多个实际指标参数和应用资源多个应用资源子参数构建应用资源应用资源矩阵。
在步骤S210中，首先获取一个构造准则层判断矩阵，参照图3，构造准则层矩阵采用了1-9的标度方法，具体为：根据两个不同指标之间的重要性，将重要性分为9个标度，表示9个不同程度的重要性，指标的判断根据专家经验以及应用维护方根据实际资源使用的情况共同确认。
在步骤S220中，判断获取到的多个应用资源参数，比如服务流量、资源使用、服务响应以及错误率之间两两对比，依据图3中的重要程度对应的标度值，得到两个资源参数之间的实际标度值，比如将服务流量与服务流量的重要程度进行对比，由于这两个参数是相同的，所以重要程度一致，标度也就为1，比如将服务流量和资源使用的重要程度进行对比，在实际应用中，判断出服务流量比资源使用的重要程度，然后根据服务流量与资源使用之间的重要程度参照图3可知，服务流量与资源使用之间的比值关系为4，也就是实际指标参数为4，将所有资源参数进行对比后就得到多个实际指标参数。
在步骤S230中，利用步骤S220中获取到的多个实际指标参数，根据准则构建多个应用资源矩阵在可能实施的应用实例中，以资源参数为服务流量、资源使用、服务响应以及错误率为例，通过预设指标因素得到对应的多个实际指标参数，构成准则表格，如下表所示，其形式如下：
| 准则 | 服务流量 | 资源使用 | 服务响应 | 错误率 |
| 服务流量 | 1 | 4 | 2 | 7 |
| 资源使用 | 1/4 | 1 | 1/4 | 1/2 |
| 服务响应 | 1/2 | 4 | 1 | 2 |
| 错误率 | 1/7 | 2 | 1/2 | 1 |
根据准则表格中的多个实际指标参数，构造一个准则矩阵A，其形式如下：
计算出每个准则分类下所有的应用资源参数，依据图3中的重要程度对应的标度值，得到两个资源参数之间的实际标度值，接着构造每个资源参数的准则分类判断矩阵，其中，以服务流量、资源使用、服务响应以及错误率为资源参数构造的准则分类判断矩阵形式如下：
| 流量指标 | 平均流量 | 峰值 | 谷值 |
| 平均流量 | 1 | 1/2 | 5 |
| 峰值 | 2 | 1 | 4 |
| 谷值 | 1/5 | 1/4 | 1 |
| 资源指标 | cpu | 内存 | 磁盘 |
| cpu | 1 | 2 | 7 |
| 内存 | 1/2 | 1 | 4 |
| 磁盘 | 1/7 | 1/4 | 1 |
| 响应指标 | 平均时间 | 最大时间 | 最小时间 |
| 平均时间 | 1 | 3 | 7 |
| 最大时间 | 1/3 | 1 | 6 |
| 最小时间 | 1/7 | 1/6 | 1 |
| 错误指标 | 请求异常 | 后台异常 |
| 请求异常 | 1 | 1/2 |
| 后台异常 | 2 | 1 |
在步骤S300中，根据多个应用资源矩阵，计算得到多个应用资源权重，计算出来的应用资源权重用于计算分配参数，本申请实施例运用到了AHP法(Analytic HierarchyProcess层次分析法)进行权重分析，其中，多个应用资源权重的计算过程如下：首先以资源参数为服务流量、资源使用、服务响应以及错误率为例，计算出第一列中服务流量对应行的算术平均值ω，也就得到服务流量对应的应用资源权重，权重计算的具体形式如下：
例如，计算服务流量对应的应用资源权重将第一列中服务流量一栏中所有的资源参数相加再除以资源参数个数，得到算术平均值，也就是服务流量对应的应用资源权重，其具体计算过程为：(0.528+0.364+0.533+0.667)/4＝0.523，其中计算出的0.523就是上述举例求得的服务流量对应的服务流量权重。
后续的多个应用资源权重的计算过程参照上述计算方式，权重计算的具体形式如下：
以具体应用为例：将一天划分为48个时段，一个时段为半个小时，一个小时包括两个时段。运行一月后统计出相关指标数据，并计算同一时间的平均值。以服务A为例，晚间(20:00～20:30)为服务最高峰，凌晨(02:00～02:30)为服务最低峰，根据实际情况采集到的指标数据分别如下所示：
然后按照20:00～20:30以及02:00～02:30两个时间段一一对应的资源参数的比值，也就是按行归一化所得获得比较表格形式如下：
这里对AHP法进行了部分改造，正常来讲应该是按照依据预设的指标参数对每一个应用资源参数进行打分，才构成应用资源矩阵。但是在实际应用中，需要计算相对具体的数值，所以可以直接使用两个指标直接进行对比，以第二行第二列20:30对应的平均流量举例，获取20:00～20:30这一时间段对应的平均流量参数4000，获取02:00～02:30这一时间段对应的平均参数1000，这时20:30对应的平均流量指标为：4000/(4000+1000)＝0.800，以第二行第三列02:30对应的平均流量举例，这时20:30对应的平均流量指标为：1000/(4000+1000)＝0.200，第一列中的多个流量权重值参照步骤S300求出来的应用资源权重，将步骤S300中求出的应用资源权重带入表中，得到比较表格对应的流量权重值。
在步骤S400中，依据多个应用资源权重得到分配参数。
在一些实施例中，如图4所示，步骤S400具体包括步骤：
S410，对多个应用资源权重进行加权处理，得到每一预设时间段对应的多个权重加权参数；
S420，根据多个权重加权参数计算得到分配参数。
在步骤S410中，对多个应用资源权重进行加权处理，得到每一预设时间段对应的多个权重加权参数，以具体应用为例：对每个比较矩阵中的参数进行加权计算(分数*权重求和)，得到每一应用资源参数对应的应用资源权重：流量权重、资源权重、响应权重以及错误权重，具体形式如下：以20:30对应的加权打分也就是权重加权参数的计算为例：根据第二列流量权重对应的平均流量、峰值以及谷值和第三列20:30对应的平均流量、峰值以及谷值计算得出20:30对应的加权打分，也就是权重加权参数，具体计算方式为：(0.366*0.800+0.532*0.714+0.102*0.864)/3＝0.761，也就是举例中20:30对应的权重加权参数。
在步骤S420中，根据多个权重加权参数计算得到分配参数，在实际应用中，具体计算方式为：根据每个准则再次带入矩阵进行权重打分，具体参照步骤S410加权打分的计算方式，得出结果如下：
| 权重 | 20:30 | 02:30 | |
| 服务流量 | 0.523 | 0.761 | 0.239 |
| 资源使用 | 0.084 | 0.677 | 0.323 |
| 服务响应 | 0.271 | 0.773 | 0.227 |
| 错误率 | 0.121 | 0.909 | 0.091 |
| 权重加权 | 0.775 | 0.225 |
得到两个权重加权参数，可得出凌晨时间段的服务器缩减可为高峰期的0.225/0.775＝29％，也就是分配参数。
在步骤S500中，根据分配参数对预设应用的占用资源进行分配，也就是根据计算出来的分配参数对资源进行缩减。
在一些实施例中，如图5所示，步骤S500具体包括步骤：
S510，获取多个预设调整比例以及多个预设调整时间段；
S520，根据分配参数以及预设调整比例计算每一预设调整时间段内预设应用需要分配的占用资源。
在步骤S510中，根据每个时段资源分配权重调整后续资源使用情况，根据实际项目经验所得，刚计算出分配参数后，需要按照时间逐步调整，以防调整幅度较大，中间产生突发变数，所以需要根据分配参数获取预设调整比例和预设调整时间段。
在步骤S520中，根据分配参数以及预设调整比例计算每一预设调整时间段内预设应用需要分配的占用资源，具体为，将每一预设调整时间段内预设应用对应的资源与分配参数以及预设调整比例相乘，得到需要分配的占用资源。
在一些实施例中，如图6所示，本申请提到的预调整的资源弹性分配方法具体还包括步骤：
S600，获取预设的最小缩减参数以及业务缩减参数；
S700，根据最小缩减参数以及业务缩减参数，更新分配参数。
在步骤S600中，考虑突发性的大流量，所以设置业务缩减参数，为了防止单点故障设置最小缩减参数。
在步骤S700中，根据最小缩减参数以及业务缩减参数，更新分配参数。具体应用为：计算出凌晨时间段的服务器缩减可为高峰期的0.225/0.775＝29％。最后根据最小缩减参数以及业务缩减参数原则：
1.最小缩减参数：服务器最小可缩减为2台(为了最小化的高可用)
2.业务缩减参数：ToC服务最小缩减原则为40％。(考虑突发性的大流量)
在本实施例中建议缩减值为12个pod资源。
整体举例如下：
根据每个时段资源分配权重调整后续资源使用情况。按照整体系统运行时长第一周后按照50％权重调整，第三周到第四周按照80％的权重调整，一个月以后按照100％的权重调整。
按照举例情况模拟，第二周晚上(20:00～20:30)时段，A、B处于高峰期而C、D处于低谷，资源按照计算权重进行调整，A，B保持基准数据，C、D按照权重可以减少资源配比(C可减少10个pod，D可减少6个pod)。按照计算权重值的50％进行调整如下：
预计使用的占用cpu核数256，内存672GB，磁盘9350GB。
第二周凌晨(02:00～02:30)时段，A、B处于低谷期而C、D处于高峰，资源按照计算权重进行调整，A，B减少资源配比，C、D维持基准服务数量。按照计算权重值的50％进行调整如下：
预计使用的占用cpu核数308，内存728GB，磁盘13175GB。
按照预计情况稳定运行一月以后资源数据如下：
由于晚间A、B处于高峰期而C、D处于低谷，所以调整C、D的资源配比：
预计使用的占用cpu核数168，内存496GB，磁盘4850GB。
由于凌晨C、D处于高峰期而A、B处于低谷，所以调整A、B的资源配比：
预计使用的占用cpu核数272，内存608GB，磁盘12500GB。
整体来看，总资源cpu最多可减少50％，内存使用量最多可减少30％，硬盘使用量最多可减少60％，可以提升总体资源使用效率，减少计算资源浪费，并且资源效率在整体资源池与应用池扩大后，可以更加合理安排全部应用的资源配比情况。
在一些实施例中，如图7所示，本申请提到的预调整的资源弹性分配方法具体还包括步骤：
S800，根据每一预设时间段对应的多个权重加权参数计算得到第一检验参数；
S900，获取预设的第二检验参数以及预设的第一阈值和第二阈值；
S1000，根据第一检验参数以及第二检验参数，计算得到目标检验参数；
S1100，将目标检验参数分别与第一阈值和第二阈值进行比对；
S1200，若目标校验参数大于第一阈值且小于第二阈值，则确定对预调整的资源弹性分配方法校验成功。
在步骤S800中，首先，采用和积法求，以准则层判断矩阵A为例。按列归一化得近似矩阵(精确到小数点后3位)，其中合积法是矩阵求最大特征向量与最大特征根的的一种方法，矩阵的aij元素除以对应j列全部元素的和，例如0.528＝1/(1+1/4+1/2+1/7)，具体计算出的判断矩阵B的形式如下：
然后求出准则层每个矩阵参数对应的算数平均值ω，具体形式如下：
计算出每一准则层下多个资源参数对应的算数平均值ω，具体形式如下：
/>
计算最大特征根
求得近似值4.152，其中A是对应矩阵，W指的是向量ω，即算数平均值ω列构造的向量，n为对应矩阵阶数。
一致性检验公式：
这里的CI表示第一检验参数，将具体参数带入一致性检验公式计算得到CI＝0.051。
在步骤S900中，获取预设的第二检验参数以及预设的第一阈值和第二阈值，其中第二检验参数为AHP法提供的ri列表，如图8所示，可以根据资源矩阵的阶数直接查表得到具体的RI数值。
在步骤S1000中，根据第一检验参数以及第二检验参数，计算得到目标检验参数，目标检验参数为CR，具体计算方式为CR＝CI/RI。以实际应用为例，RI根据4阶矩阵查表为0.89，此时CR＝CI/RI≈0.057。
在步骤S1100中，将目标检验参数分别与第一阈值和第二阈值进行比对，也就是设定一个范围，第一阈值为设定范围的下限，第二阈值为设定范围的上限，判断CR值是否大于第一阈值并且小于第一阈值。
在步骤S1200中，判断CR值是否大于第一阈值并且小于第一阈值，比如设置第一阈值为负无穷，第二阈值为0.1，当CR＝CI/RI≈0.057<0.1时，此时CR大于第一阈值并且小于第二阈值，可以认为矩阵满足一致性需求。如果CR值不满足大于第一阈值并且小于第二阈值的条件，说明该矩阵中的数据并不合理，此时需要重新制定实际指标参数，对矩阵进行调整。
在本申请实施例中，通过获取预设应用在多个预设时间段对应的多个应用资源参数，利用获取到的多个应用资源参数构造多个应用资源矩阵，根据多个应用资源矩阵计算得到多个应用资源权重，依据多个应用资源权重计算得到分配参数，根据分配参数对预设应用的占用资源进行分配。通过获取预设应用多个时段对应的应用资源参数，就能够计算出不同时段对应的分配参数，依据分配参数能够对应用资源进行合理的分配，并且能够提升整体资源的使用效率。
第二方面，本申请实施例还提供了用于执行第一方面实施例中提到的预调整的资源弹性分配方法的资源分配装置。
如图9所示，在一些实施例中，资源分配装置包括获取模块100、计算模块200以及分配模块300，获取模块100获取预设应用在多个预设时间段对应的多个应用资源参数，计算模块200利用获取到的多个应用资源参数构造多个应用资源矩阵，根据多个应用资源矩阵计算得到多个应用资源权重，依据多个应用资源权重计算得到分配参数，分配模块300根据分配参数对预设应用的占用资源进行分配。
在本申请实施例中，获取模块100获取预设应用多个时段对应的应用资源参数，计算模块200根据获取到的应用资源参数计算出不同时段对应的分配参数，然后由分配模块300依据分配参数能够对应用资源进行合理的分配，并且能够提升整体资源的使用效率。
第三方面，本申请实施例还提供了一种电子设备。
在一些实施例中，电子设备包括：至少一个处理器，以及与至少一个处理器通信连接的存储器；其中，存储器存储有指令，指令被至少一个处理器执行，以使至少一个处理器执行指令时实现本申请实施例中任一项预调整的资源弹性分配方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序，如本申请实施例描述的预调整的资源弹性分配方法。处理器通过运行存储在存储器中的非暂态软件程序以及指令，从而实现上述的预调整的资源弹性分配方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储执行上述预调整的资源弹性分配方法。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，比如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的预调整的资源弹性分配方法所需的非暂态软件程序以及指令存储在存储器中，当被一个或者多个处理器执行时，执行上述第一方面实施例中提到的预调整的资源弹性分配方法。
第四方面，本申请实施例还提供了计算机可读存储介质。
在一些实施例中，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于执行第一方面实施例中提到的预调整的资源弹性分配方法。
在一些实施例中，该存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，比如，被上述电子设备中的一个处理器执行，可使得上述一个或多个处理器执行上述预调整的资源弹性分配方法。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
上面结合附图对本申请实施例作了详细说明，但是本申请不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下作出各种变化。此外，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
Claims (4)
1.一种预调整的资源弹性分配方法，其特征在于，包括：
获取预设应用在多个预设时间段内对应的多个应用资源参数；其中，所述应用资源参数包括多个应用资源子参数；
获取多个预设指标参数；
基于多个所述预设指标参数和多个所述应用资源子参数得到所述应用资源参数的多个实际指标参数；
根据多个所述实际指标参数和多个所述应用资源子参数构建应用资源矩阵；
对所述应用资源矩阵中的每一所述应用资源参数使用AHP法进行权重分析，得到每一所述应用资源参数对应的应用资源权重；
对多个所述应用资源权重进行加权处理，得到每一所述预设时间段对应的多个权重加权参数；
根据多个所述权重加权参数计算得到分配参数；
获取预设的最小缩减参数以及业务缩减参数；
根据所述最小缩减参数以及所述业务缩减参数，更新所述分配参数；
获取多个预设调整比例以及多个预设调整时间段；
根据所述分配参数以及所述预设调整比例计算每一所述预设调整时间段内所述预设应用需要分配的占用资源；
所述方法还包括：
根据每一所述预设时间段对应的多个权重加权参数计算得到第一检验参数；
获取预设的第二检验参数以及预设的第一阈值和第二阈值；
根据所述第一检验参数以及所述第二检验参数，计算得到目标检验参数；
将所述目标检验参数分别与所述第一阈值和所述第二阈值进行比对；
若所述目标检验参数大于所述第一阈值且小于所述第二阈值，则确定对所述预调整的资源弹性分配方法校验成功。
2.一种资源分配装置，其特征在于，用于执行如权利要求1所述的预调整的资源弹性分配方法，包括：
获取模块：所述获取模块用于获取预设应用在多个预设时间段内对应的多个应用资源参数；其中，所述应用资源参数包括多个应用资源子参数；
计算模块：所述计算模块用于获取多个预设指标参数；
基于多个所述预设指标参数和多个所述应用资源子参数得到所述应用资源参数的多个实际指标参数；
根据多个所述实际指标参数和多个所述应用资源子参数构建应用资源矩阵；
对所述应用资源矩阵中的每一所述应用资源参数使用AHP法进行权重分析，得到每一所述应用资源参数对应的应用资源权重；
对多个所述应用资源权重进行加权处理，得到每一所述预设时间段对应的多个权重加权参数；
根据多个所述权重加权参数计算得到分配参数；
获取预设的最小缩减参数以及业务缩减参数；
根据所述最小缩减参数以及所述业务缩减参数，更新所述分配参数；
分配模块：所述分配模块用于获取多个预设调整比例以及多个预设调整时间段；
根据所述分配参数以及所述预设调整比例计算每一所述预设调整时间段内所述预设应用需要分配的占用资源；
所述分配模块还用于：
根据每一所述预设时间段对应的多个权重加权参数计算得到第一检验参数；
获取预设的第二检验参数以及预设的第一阈值和第二阈值；
根据所述第一检验参数以及所述第二检验参数，计算得到目标检验参数；
将所述目标检验参数分别与所述第一阈值和所述第二阈值进行比对；
若所述目标检验参数大于所述第一阈值且小于所述第二阈值，则确定对所述预调整的资源弹性分配方法校验成功。
3.一种电子设备，其特征在于，包括：
至少一个处理器，以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述指令时实现如权利要求1所述的一种预调整的资源弹性分配方法。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1所述的一种预调整的资源弹性分配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110095264.XA CN112817757B (zh) | 2021-01-25 | 2021-01-25 | 预调整的资源弹性分配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110095264.XA CN112817757B (zh) | 2021-01-25 | 2021-01-25 | 预调整的资源弹性分配方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112817757A CN112817757A (zh) | 2021-05-18 |
| CN112817757B true CN112817757B (zh) | 2024-05-24 |
Family
ID=75859027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110095264.XA Active CN112817757B (zh) | 2021-01-25 | 2021-01-25 | 预调整的资源弹性分配方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112817757B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113778666B (zh) * | 2021-08-13 | 2024-05-24 | 郑州浪潮数据技术有限公司 | 一种监控设备所需资源的动态分配方法、装置及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101944157A (zh) * | 2010-08-19 | 2011-01-12 | 中国船舶重工集团公司第七○九研究所 | 一种应用与仿真网格系统的生物智能调度方法 |
| CN102638457A (zh) * | 2012-03-23 | 2012-08-15 | 苏州阔地网络科技有限公司 | 一种服务器资源自动分配方法及系统 |
| CN111858014A (zh) * | 2019-04-24 | 2020-10-30 | 中国移动通信集团河北有限公司 | 资源分配方法及装置 |
-
2021
- 2021-01-25 CN CN202110095264.XA patent/CN112817757B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101944157A (zh) * | 2010-08-19 | 2011-01-12 | 中国船舶重工集团公司第七○九研究所 | 一种应用与仿真网格系统的生物智能调度方法 |
| CN102638457A (zh) * | 2012-03-23 | 2012-08-15 | 苏州阔地网络科技有限公司 | 一种服务器资源自动分配方法及系统 |
| CN111858014A (zh) * | 2019-04-24 | 2020-10-30 | 中国移动通信集团河北有限公司 | 资源分配方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112817757A (zh) | 2021-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107453919B (zh) | 复杂网络节点重要性评估方法及系统 | |
| CN108845874B (zh) | 资源的动态分配方法及服务器 | |
| CN110716808B (zh) | 业务处理方法、装置、计算机设备和存储介质 | |
| CN110795217B (zh) | 一种基于资源管理平台的任务分配方法及系统 | |
| CN108366082A (zh) | 扩容方法及扩容装置 | |
| CN112817757B (zh) | 预调整的资源弹性分配方法、装置、电子设备及存储介质 | |
| CN109032800A (zh) | 一种负载均衡调度方法、负载均衡器、服务器及系统 | |
| CN116467082A (zh) | 一种基于大数据的资源分配方法及系统 | |
| CN103248622A (zh) | 一种自动伸缩的在线视频服务质量保障方法及系统 | |
| CN115796523B (zh) | 一种资源分配方法及装置 | |
| CN112085328B (zh) | 风险评估方法、系统、电子设备及存储介质 | |
| CN106447302A (zh) | 一种智能分单方法 | |
| CN114816755A (zh) | 调度方法及调度装置、处理核、电子设备、可读介质 | |
| CN111932122B (zh) | 一种配电网防灾物资调配方法、装置、终端及存储介质 | |
| CN114626730A (zh) | 资源分配方法、装置、计算机设备及计算机可读存储介质 | |
| CN114912627A (zh) | 推荐模型训练方法、系统、计算机设备及存储介质 | |
| CN111598390B (zh) | 服务器高可用性评估方法、装置、设备和可读存储介质 | |
| CN113377537A (zh) | 结合二分图匹配方法与约束求解器的在线多目标资源分配方法 | |
| CN110234167B (zh) | 一种信道分配方法、信道分配装置及电子设备 | |
| CN112235750A (zh) | 车联网系统中的车辆配置方法、装置、设备及存储介质 | |
| CN109981327B (zh) | 一种业务量的预测方法及系统 | |
| CN111490889A (zh) | 一种无线业务增长预估方法及装置 | |
| CN112598284A (zh) | 一种用于养老系统的有限资源动态配给方法 | |
| CN111092755A (zh) | 一种基于资源占用的边缘服务迁移仿真方法 | |
| CN117237053B (zh) | 一种机票分销平台及其控制方法 |
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 |