CN112905114A - 一种分布式存储的性能调节方法、系统及介质 - Google Patents

一种分布式存储的性能调节方法、系统及介质 Download PDF

Info

Publication number
CN112905114A
CN112905114A CN202110181356.XA CN202110181356A CN112905114A CN 112905114 A CN112905114 A CN 112905114A CN 202110181356 A CN202110181356 A CN 202110181356A CN 112905114 A CN112905114 A CN 112905114A
Authority
CN
China
Prior art keywords
performance
configuration
server
distributed storage
area
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
CN202110181356.XA
Other languages
English (en)
Other versions
CN112905114B (zh
Inventor
王飞
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.)
Shandong Yingxin Computer Technology Co Ltd
Original Assignee
Shandong Yingxin Computer 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 Shandong Yingxin Computer Technology Co Ltd filed Critical Shandong Yingxin Computer Technology Co Ltd
Priority to CN202110181356.XA priority Critical patent/CN112905114B/zh
Publication of CN112905114A publication Critical patent/CN112905114A/zh
Application granted granted Critical
Publication of CN112905114B publication Critical patent/CN112905114B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0604—Improving or facilitating administration, e.g. storage management
    • G06F3/0607—Improving or facilitating administration, e.g. storage management by facilitating the process of upgrading existing storage systems, e.g. for improving compatibility between host and storage device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0625—Power saving in storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0629—Configuration or reconfiguration of storage systems
    • G06F3/0634—Configuration or reconfiguration of storage systems by changing the state or mode of one or more devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种分布式存储的性能调节方法，包括以下步骤：检查分布式存储中第一服务器的配置及性能输出情况并同步至分布式存储所有服务器中；根据所述第一服务器的配置判断所述第一服务器的性能区域；通过学习模型模拟验证所述第一服务器的配置与所述性能输出情况的关系并得出配置组合；设置压力阈值，根据所述压力阈值、所述配置组合以及所述第一服务器的性能区域控制所述第一服务器的输出性能，通过上述方式，本发明能够提高分布式存储性能，充分发挥每个存储服务器的性能，同时由于区分了高性能区和稳定区，还可以节省存储服务器的功耗，降低制冷和能耗费用。

Description

一种分布式存储的性能调节方法、系统及介质
技术领域
本发明涉及数据存储领域，特别是涉及一种分布式存储的性能调节方法、系统及介质。
背景技术
分布式存储是指几十台甚至上百台存储服务器在一起组成的大型存储集群，对外提供数据读写服务。当前分布式存储不论是纠删冗余方式还是副本冗余方式，其写入要求完成对应的纠删或者副本全部写完后才进行数据返回。
并且目前分布式存储在部分场景下性能较差，主要原因为分布式存储的读写需要集群中所有存储服务器参与，而传统存储只需要部分服务器及硬盘参与，分布式存储可以进行大量扩容，可以由几百台甚至上千台服务器组成一个大规模集群。
由于分布式存储可以进行连续扩容，客户使用分布式存储的周期会非常长，存在多次扩容的情况。由于产品不断更新换代，不同批次的硬件产品配置可能不同，当这些产品在同一个集群下工作时，会有木桶效应，导致整体集群性能变差，而高性能的硬件不能完全发挥出其优势。
以及当客户端传来大量的输入输出压力时，由于存储的硬件配置不一，各个机器只是针对本机的情况进行最大压力输出，集群之间的存储服务器没有协同起来，从而出现部分场景下存储集群性能较差的情况。
发明内容
本发明主要解决是由于分布式存储服务器中硬件产品配置不同，当传来大量输出输入压力时，出现存储集群性能较差的问题。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种分布式存储的性能调节方法，包括以下步骤：
检查分布式存储中第一服务器的配置及性能输出情况并同步至分布式存储若干服务器中；
根据所述第一服务器的配置判断所述第一服务器的性能区域；
通过学习模型模拟验证所述第一服务器的配置与所述性能输出情况的关系得出配置组合；
设置压力阈值，根据所述压力阈值、所述配置组合以及所述第一服务器的性能区域控制所述第一服务器的输出性能。
优选的，所述根据所述第一服务器的配置判断所述第一服务器的性能区域的步骤进一步包括：
所述第一服务器的配置包括软件配置和硬件配置；
设置所述硬件配置的权重以及分布阈值；
所述性能区域包括高性能区域和稳定区域；
通过所述硬件配置判断所述第一服务器为高性能区域或稳定区域。
优选的，所述通过所述硬件配置判断所述第一服务器为高性能区域或稳定区域的步骤进一步包括：
获取所述分布式存储中若干所述服务器的硬件配置；
将若干所述服务器的硬件配置通过所述权重进行排序；
根据所述权重的排序结果进行加权平均得到若干所述服务器的区域值；
获取若干所述服务器的区域值中所述第一服务器的区域值；
将若干所述服务器的区域值进行排序；
获取所述第一服务器的区域值的排名比并与所述分布阈值比较，并根据所述比较结果划分高性能区域或稳定区域。
优选的，所述根据所述比较结果划分高性能区域或稳定区域的步骤进一步包括：
当所述排名比大于所述分布阈值时，所述第一服务器在高性能区域；
当所述排名比不大于所述分布阈值时，所述第一服务器在稳定区域。
优选的，所述配置组合包括第一性能配置、第二性能配置；
所述第一性能配置为所述高性能区域的服务器和所述稳定区域的服务器均进行输出性能；
所述第二性能配置为所述高性能区域的服务器进行输出性能，所述稳定区域的服务器不进行输出性能。
优选的，所述根据所述压力阈值、所述配置组合以及所述第一服务器的性能区域控制所述第一服务器的输出性能的步骤进一步包括：
当传输至所述分布式存储中的压力大于所述压力阈值时，将分布式存储中若干服务器的性能配置调整为第一性能配置；
通过性能计算公式计算高性能区域的所述第一服务器的输出性能以及稳定区域的所述第一服务器的输出性能；
当传输至所述分布式存储中的压力不大于所述压力阈值时，将分布式存储中若干服务器的性能配置调整为第二性能配置；
通过性能计算公式计算所述高性能区域的所述第一服务器的输出性能；
当传输至所述分布式存储中的压力变化时，通过方差判断是否需要重新计算输出性能。
优选的，所述通过方差判断是否需要重新计算输出性能的步骤进一步包括：
设置方差阈值；
计算分布式存储中若干服务器的输出性能的方差；
当所述方差大于方差阈值时，重新计算所述第一服务器的输出性能。
本发明还提供一种分布式存储的性能调节系统，包括：配置同步模块、AI学习模块和群体效应模块；
所述配置同步模块用于检查分布式存储中若干服务器的配置和性能输出情况，并同步至分布式存储若干所述服务器中，用于根据分布式存储中第一服务器的配置判断所述第一服务器的性能区域；
所述AI学习模块用于通过学习模型模拟验证所述第一服务器的配置与所述性能输出情况的关系并得出配置组合；
所述群体效应模块用于根据压力阈值、所述配置组合以及所述第一服务器的性能区域控制所述第一服务器的输出性能。
优选的，所述配置同步模块包括对比模块和存储模块；
所述对比模块用于对比分布式存储系统中若干服务器的配置，并根据所述配置判断所述第一服务器处于高性能区域或稳定区域；
所述存储模块用于存储所述配置组合。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现所述的一种分布式存储的性能调节方法的步骤。
本发明的有益效果是：
1、本发明所述的一种分布式存储的性能调节方法，可以提高分布式存储性能，充分发挥每个存储服务器的性能，同时由于区分了高性能区和稳定区，还可以节省存储服务器的功耗，降低制冷和能耗费用。
2、本发明所述的一种分布式存储的性能调节系统，可以将所有服务器划分为两个性能区，同时通过群体效应模块分析来判断本机与整个分布式存储的差异，来决定本机的性能输出方案，个体的性能输出结果不取决于本机的硬件配置和数据存储，而是综合考虑本机的硬件、其他所有服务器的性能输出结果、业务压力需求，从而降低能耗，均衡分布式存储的压力输出结果。
3、本发明所述的一种计算机可读存储介质，可以实现通过自动根据学习模块进行训练硬件配置和性能输出情况的关系得出最适合当前服务器的配置组合，并且群体效应模块调用时能够使当前服务器性能达到分布式性能要求。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。
图1是本发明实施例1所述的分布式存储的性能调节方法流程示意图；
图2是本发明实施例1所述的分布式存储的性能调节方法流程图；
图3是本发明实施例2所述的分布式存储的性能调节系统架构示意图。
具体实施方式
下面将结合附图对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
需要说明的是，在本发明的描述中
第一性能配置为高性能配置；第二性能配置为中等性能配置和低性能配置；
方差阈值为0.8；
分布阈值为70％；
CPU(Central Processing Unit)是中央处理器；
人工智能(Artificial Intelligence)，英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
SAS卡又称为磁盘阵列卡，是用来做RAID(冗余磁盘阵列)的。磁盘阵列是一种把若干硬磁盘驱动器按照一定要求组成一个整体，整个磁盘阵列由阵列控制器管理的系统。
实施例1
本发明实施例还提供一种分布式存储的性能调节方法，请参阅图1和图2，包括以下步骤：
搭建分布式存储集群，并组装网络；
S100，分布式存储正常运行后，检查自身配置和性能输出情况，同步分布式存储的所有服务器中；并且每次经过第二预设时间后采样记录分布式存储中的服务器的配置情况和输出情况，保证分布式存储中服务器的配置实时更新；以及每次经过第三预设时间同步自身配置和性能输出情况，确保分布式存储中实时保持最新情况；
服务器的配置包括硬件配置和软件配置；对比分布式存储中所有服务器的配置，根据硬件配置的不同判断服务器所处的为高性能区域或稳定区域；
S200，根据硬件配置的不同判断服务器所处的为高性能区域或稳定区域的步骤具体包括：
影响存储性能主要因素为CPU、硬盘、SAS卡，根据获取的硬件配置，例如CPU、硬盘、SAS卡配置分别进行排序，并设置硬件配置的权重和分布阈值，分布阈值为70％；其中CPU权重占40％，硬盘权重占30％，SAS卡权重占30％，将三个排序结果进行加权平均获取分布式存储中服务器配置综合排名，将配置排序前70％的机器划分为高性能区，剩余30％划分为稳定性能区。当有新机器加入的时候硬件配置重新排序，根据重新排序的结果调整高性能区域、稳定区域。
S300，将硬件配置通过学习模型进行多次逐一模拟验证其对性能输出情况的影响，并根据验证的结果提供出适合当前服务器的三种配置组合，分别为：高性能配置、中等性能配置和低性能配置；并将当前服务器性能的配置同步到分布式存储中所有服务器上；
当在客户端的输入输出压力较小时，或客户端空闲时，对三种配置组合不断的进行参数验证和修正，持续尝试当前服务器最合理的配置组合，并每次经过第一预设时间反馈至分布式存储中所有服务器配置进行同步；
S400，查看性能输出情况以及查看客户端传来的输入输出压力，并设置压力阈值，控制服务器的输出；
自身服务器的性能输出，不依赖于自身服务器性能的最大化，而是整个分布式存储的性能最大化，结合客户端输入输出压力情况、分布式存储中其他服务器的压力情况、高性能区和稳定区的压力情况，来综合判断本机所需的压力输出；
当客户端传来的输入输出压力大于压力阈值时，将分布式存储系统中服务器调整为高性能配置，并且高性能区域的服务器更改配置，使性能达到最高，分布式存储的服务器不同配置承载性能不同，高性能区域中存储服务器发挥高性能场景，稳定区域中服务器提供高性能区域溢出的输入输出需求，以此来均衡所有存储服务器的性能，从而将所有存储服务器性能发挥出来。
高性能区域和稳定区域中的服务器的输出性能通过性能计算方法计算；
性能计算方法为：服务器所在高性能区域或稳定区域参考比重20％，当服务器在高性能区域时，计算分布式存储中所有处在高性能区域的平均性能输出值，将平均性能输出值乘以百分之20；客户端压力参考比重20％，其他分布式系统中其他服务输出性能参考比重60％，例如当机器处于稳定区域时，这部分指在稳定区域的所有服务器的性能的平均值乘以百分之60；
例如本服务器最大输出性能经过验证后为1GB，服务器所在高性能区域或稳定区域及客户端压力输出之和为400MB性能，统计其他服务器性能输出值后取平均值，用该平均值乘以60％即为通过分布式存储中其他服务器性能输出获取的性能值，加上之前的400MB性能，即为本服务器的最优性能；
当客户端压力变化时，通过方差确认是否需要重新计算输出性能；
方差计算方法为：分布式存储中服务器的输出性能值与分布式存储中服务器的输出性能值的平均数之差的平方和的平均数；当方差值大于0.8时，则重新计算输出性能；
当客户端传来的输入输出压力不大于压力阈值时，将分布式存储中服务器变为中等性能配置或低性能配置，三种配置根据输入输出压力进行转换，当不大于大压阈值时，先转换为中等性能配置，再转换为低性能配置，并且此时只使用高性能区域的服务器输出性能；稳定区域的服务器不进行输出，从而降低功耗，均衡服务器存储的压力输出结果。
实施例2
本发明实施例还提供一种分布式存储的性能调节系统，请参阅图3，包括：配置同步模块、AI学习模块和群体效应模块；
配置同步模块、AI学习模块和群体效应模块均安装在分布式存储中的若干存储服务器中，模块之间的通信使用管理分布式存储的网络即可；
配置同步模块用于查看分布式存储中的服务器的配置和性能输出情况，用于每次经过第二预设时间采样记录分布式存储中的服务器的配置情况和性能输出情况；
配置同步模块包括对比模块；
对比模块用于对比分布式存储系统中所有服务器的配置，并根据配置判断当前自身服务器处于高性能区域或稳定区域；
AI学习模块用于根据服务器的配置情况通过学习模型进行多次模拟验证配置对性能输出情况的影响，并根据多次模拟的结果提供出适合当前服务器的三种配置组合，分别为：高性能配置、中等性能配置和低性能配置，并将配置结果同步至配置同步模块；
当在客户端的输入输出压力较小时，或客户端空闲时，对三种配置组合不断的进行参数验证和修正，持续尝试当前服务器最合理的配置组合，并每次经过第一预设时间反馈至配置同步模块来将分布式存储中所有服务器配置进行同步；
群体效应模块用于根据三种配置组合并根据对比模块判断自身服务器处于高性能区域或稳定区域的结果进行综合判断自身服务器应该输出的性能结果；
群体效应模块包括第一性能模块和第二性能模块；
第一性能模块用于当自身服务器处于高性能区域时，结合AI学习模块的三种配置组合，使用高性能配置并结合客户端输入输出压力，使自身服务器性能达到分布式存储性能的要求；
第二性能模块用于当自身服务器处于稳定区域时，查看分布式存储中其他服务器的性能输出情况，根据分布式存储整体的性能输出结果确定自身服务器的性能输出结果；
群体效应模块还用于查看分布式存储中其他处于稳定区域的服务器的性能输出情况；并发送至配置同步模块；
配置同步模块每次经过第三预设时间段同步自身服务器配置和性能输出情况至分布式存储系统中所有服务器。
配置同步模块还包括存储模块；
存储模块用于获取AI学习模块提供的三种配置组合并存储，并且这些配置由群体效应模块对分布式存储服务器分析后进行适当调用。
其中，第一预设时间，第二预设时间和第三预设时间为根据不同服务器的需求自行设定可以为任何时间段；
区别于现有技术，通过这种方式，避免因某个服务器硬件配置低导致整个分布式存储性能较低。将所有服务器划分为两个性能区，同时通过判断本服务器与整个所有服务器的差异，来决定本服务器的性能输出方案。单个服务器的性能输出结果不取决于自身的硬件配置和数据存储，而是综合考虑本机的硬件、其他所有服务器的性能输出结果、客户端的业务压力需求。
基于与前述实施例中方法同样的发明构思，本说明书实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如前述公开的一种分布式存储的性能调节方法的步骤。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种分布式存储的性能调节方法，其特征在于，包括以下步骤：
检查分布式存储中第一服务器的配置及性能输出情况并同步至分布式存储若干服务器中；
根据所述第一服务器的配置判断所述第一服务器的性能区域；
通过学习模型模拟验证所述第一服务器的配置与所述性能输出情况的关系得出配置组合；
设置压力阈值，根据所述压力阈值、所述配置组合以及所述第一服务器的性能区域控制所述第一服务器的输出性能。
2.根据权利要求1所述的分布式存储的性能调节方法，其特征在于：所述根据所述第一服务器的配置判断所述第一服务器的性能区域的步骤进一步包括：
所述第一服务器的配置包括软件配置和硬件配置；
设置所述硬件配置的权重以及分布阈值；
所述性能区域包括高性能区域和稳定区域；
通过所述硬件配置判断所述第一服务器为高性能区域或稳定区域。
3.根据权利要求2所述的分布式存储的性能调节方法，其特征在于：所述通过所述硬件配置判断所述第一服务器为高性能区域或稳定区域的步骤进一步包括：
获取所述分布式存储中若干所述服务器的硬件配置；
将若干所述服务器的硬件配置通过所述权重进行排序；
根据所述权重的排序结果进行加权平均得到若干所述服务器的区域值；
获取若干所述服务器的区域值中所述第一服务器的区域值；
将若干所述服务器的区域值进行排序；
获取所述第一服务器的区域值的排名比并与所述分布阈值比较，并根据所述比较结果划分高性能区域或稳定区域。
4.根据权利要求3所述的分布式存储的性能调节方法，其特征在于：所述根据所述比较结果划分高性能区域或稳定区域的步骤进一步包括：
当所述排名比大于所述分布阈值时，所述第一服务器在高性能区域；
当所述排名比不大于所述分布阈值时，所述第一服务器在稳定区域。
5.根据权利要求2所述的分布式存储的性能调节方法，其特征在于：所述配置组合包括第一性能配置、第二性能配置；
所述第一性能配置为所述高性能区域的服务器和所述稳定区域的服务器均进行输出性能；
所述第二性能配置为所述高性能区域的服务器进行输出性能，所述稳定区域的服务器不进行输出性能。
6.根据权利要求5所述的分布式存储的性能调节方法，其特征在于：所述根据所述压力阈值、所述配置组合以及所述第一服务器的性能区域控制所述第一服务器的输出性能的步骤进一步包括：
当传输至所述分布式存储中的压力大于所述压力阈值时，将分布式存储中若干服务器的性能配置调整为第一性能配置；
通过性能计算公式计算高性能区域的所述第一服务器的输出性能以及稳定区域的所述第一服务器的输出性能；
当传输至所述分布式存储中的压力不大于所述压力阈值时，将分布式存储中若干服务器的性能配置调整为第二性能配置；
通过性能计算公式计算所述高性能区域的所述第一服务器的输出性能；
当传输至所述分布式存储中的压力变化时，通过方差判断是否需要重新计算输出性能。
7.根据权利要求6所述的分布式存储的性能调节方法，其特征在于：所述通过方差判断是否需要重新计算输出性能的步骤进一步包括：
设置方差阈值；
计算分布式存储中若干服务器的输出性能的方差；
当所述方差大于方差阈值时，重新计算所述第一服务器的输出性能。
8.一种分布式存储的性能调节系统，其特征在于，包括：配置同步模块、AI学习模块和群体效应模块；
所述配置同步模块用于检查分布式存储中若干服务器的配置和性能输出情况，并同步至分布式存储若干所述服务器中；以及用于根据分布式存储中第一服务器的配置判断所述第一服务器的性能区域；
所述AI学习模块用于通过学习模型模拟验证所述第一服务器的配置与所述性能输出情况的关系并得出配置组合；
所述群体效应模块用于根据压力阈值、所述配置组合以及所述第一服务器的性能区域控制所述第一服务器的输出性能。
9.根据权利要求8所述的一种分布式存储的性能调节系统，其特征在于：所述配置同步模块包括对比模块和存储模块；
所述对比模块用于对比分布式存储系统中若干服务器的配置，并根据所述配置判断所述第一服务器处于高性能区域或稳定区域；
所述存储模块用于存储所述配置组合。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1-7任一项所述的一种分布式存储的性能调节方法的步骤。
CN202110181356.XA 2021-02-10 2021-02-10 一种分布式存储的性能调节方法、系统及介质 Active CN112905114B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110181356.XA CN112905114B (zh) 2021-02-10 2021-02-10 一种分布式存储的性能调节方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110181356.XA CN112905114B (zh) 2021-02-10 2021-02-10 一种分布式存储的性能调节方法、系统及介质

Publications (2)

Publication Number Publication Date
CN112905114A true CN112905114A (zh) 2021-06-04
CN112905114B CN112905114B (zh) 2022-09-20

Family

ID=76123400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110181356.XA Active CN112905114B (zh) 2021-02-10 2021-02-10 一种分布式存储的性能调节方法、系统及介质

Country Status (1)

Country Link
CN (1) CN112905114B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103618804A (zh) * 2013-12-16 2014-03-05 北京航空航天大学 一种基于性能差异的分布式键值存储系统负载均衡方法
CN104270402A (zh) * 2014-08-25 2015-01-07 浪潮电子信息产业股份有限公司 一种异构集群存储自适应数据负载的方法
CN106487936A (zh) * 2016-12-29 2017-03-08 深圳市优必选科技有限公司 数据传输方法及设备、分布式存储系统
CN107122242A (zh) * 2017-03-28 2017-09-01 成都优易数据有限公司 一种有效提升分布式运算性能的大数据均衡切片方法
CN107465765A (zh) * 2017-09-21 2017-12-12 深圳市视维科技股份有限公司 一种基于容器云的智能应用网关实现方法
CN107707680A (zh) * 2017-11-24 2018-02-16 北京永洪商智科技有限公司 一种基于节点计算能力的分布式数据负载均衡方法和系统
CN108737573A (zh) * 2018-06-28 2018-11-02 郑州云海信息技术有限公司 一种分布式存储集群及其服务响应控制方法、装置和设备
CN110413477A (zh) * 2019-06-27 2019-11-05 苏州浪潮智能科技有限公司 测试分布式存储的输入输出性能的方法、设备及可读介质
CN111475282A (zh) * 2020-03-08 2020-07-31 苏州浪潮智能科技有限公司 一种基于客户端的分布式存储负载均衡方法及装置
CN111881004A (zh) * 2020-09-27 2020-11-03 苏宁金融科技(南京)有限公司 一种硬件资源管控方法、装置、设备、存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103618804A (zh) * 2013-12-16 2014-03-05 北京航空航天大学 一种基于性能差异的分布式键值存储系统负载均衡方法
CN104270402A (zh) * 2014-08-25 2015-01-07 浪潮电子信息产业股份有限公司 一种异构集群存储自适应数据负载的方法
CN106487936A (zh) * 2016-12-29 2017-03-08 深圳市优必选科技有限公司 数据传输方法及设备、分布式存储系统
CN107122242A (zh) * 2017-03-28 2017-09-01 成都优易数据有限公司 一种有效提升分布式运算性能的大数据均衡切片方法
CN107465765A (zh) * 2017-09-21 2017-12-12 深圳市视维科技股份有限公司 一种基于容器云的智能应用网关实现方法
CN107707680A (zh) * 2017-11-24 2018-02-16 北京永洪商智科技有限公司 一种基于节点计算能力的分布式数据负载均衡方法和系统
CN108737573A (zh) * 2018-06-28 2018-11-02 郑州云海信息技术有限公司 一种分布式存储集群及其服务响应控制方法、装置和设备
CN110413477A (zh) * 2019-06-27 2019-11-05 苏州浪潮智能科技有限公司 测试分布式存储的输入输出性能的方法、设备及可读介质
CN111475282A (zh) * 2020-03-08 2020-07-31 苏州浪潮智能科技有限公司 一种基于客户端的分布式存储负载均衡方法及装置
CN111881004A (zh) * 2020-09-27 2020-11-03 苏宁金融科技(南京)有限公司 一种硬件资源管控方法、装置、设备、存储介质

Also Published As

Publication number Publication date
CN112905114B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
US11442818B2 (en) Prioritized leadership for data replication groups
Verma et al. Play it again, simmr!
WO2020220436A1 (zh) 面向不同老化场景的虚拟机工作队列和冗余队列更新方法
Dong et al. A dynamic and adaptive load balancing strategy for parallel file system with large-scale I/O servers
WO1999054838A1 (en) Index rebalancing for a capitalization weighted stock index
CN110427311A (zh) 基于时序特征处理与模型优化的磁盘故障预测方法和系统
CN106375416A (zh) 分布式数据存储系统中一致性动态调整方法及装置
CN111935320B (zh) 一种数据同步的方法、相关装置、设备以及存储介质
US11704034B2 (en) Load balancing in a storage system
CN112905114B (zh) 一种分布式存储的性能调节方法、系统及介质
Jordan et al. Strategy and mechanism lessons from the first ad auctions trading agent competition
CN110837952A (zh) 一种基于博弈论的电网新技术设备选择方法及系统
CN117033004B (zh) 负载均衡方法、装置、电子设备及存储介质
US9460749B2 (en) I/O balance processing method and device
CN113822768A (zh) 社区网络的处理方法、装置、设备及存储介质
CN110928676A (zh) 一种基于性能评估的电力cps负荷分配方法
Coles et al. Comparing server energy use and efficiency using small sample sizes
CN110166279A (zh) 一种非结构化云数据管理系统的动态布局方法
US7062426B1 (en) Method for calculating memory requirements for thin client sizing tool
CN117573372B (zh) 一种基于反馈信号的提升数据入库性能的负载均衡方法
WO2023037484A1 (ja) 設備制御装置、設備制御方法および設備制御プログラム
CN115987998B (zh) 微服务系统领袖者选举方法、系统、存储介质和电子设备
CN111327699B (zh) 双领导者心跳加权溯源共识方法
US20230385217A1 (en) Method for data access control among multiple nodes and data access system
CN117112627B (zh) 一种基于计算时延模拟的流拓扑参数优化系统及优化方法

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