CN113076197A - 负载均衡方法及装置、存储介质及电子设备 - Google Patents
负载均衡方法及装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113076197A CN113076197A CN202110423808.0A CN202110423808A CN113076197A CN 113076197 A CN113076197 A CN 113076197A CN 202110423808 A CN202110423808 A CN 202110423808A CN 113076197 A CN113076197 A CN 113076197A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- cluster
- index
- load
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000015654 memory Effects 0.000 claims description 44
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3037—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a memory, e.g. virtual memory, cache
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种负载均衡方法、负载均衡装置、计算机可读存储介质和电子设备。该方法包括:确定当前负载集群中多个节点的指标使用率;在至少一个所述节点的所述指标使用率达到临界值时,对所述负载集群执行节点聚类,直到所述负载集群中的所有节点的所述指标使用率均低于所述临界值。本公开提供一种解决集群资源中负载失衡的方法。
Description
技术领域
本公开涉及负载均衡技术领域,具体而言,涉及一种负载均衡方法、负载均衡装置、计算机可读存储介质和电子设备。
背景技术
随着企业的业务处理系统复杂度的提高,需要处理的业务量也不断增大,集群成为了业务处理系统中常用的中间件。一个集群通常由一个或多个节点组织在一起,以共同持有整个的数据。
由于每个节点服务器信息处理能力的差异性及不确定性,导致偶尔会发生集群资源负载失衡的情况,从而导致集群节点搜索查询延迟,整个集群性能下降的情况发生。
发明内容
本公开提供一种负载均衡方法、负载均衡装置、计算机可读存储介质和电子设备,进而提供一种解决集群资源中负载失衡的方法。
根据本公开的第一方面,提供了一种负载均衡方法,包括:确定当前负载集群中多个节点的指标使用率;在至少一个所述节点的所述指标使用率达到临界值时,对所述负载集群执行节点聚类,直到所述负载集群中的所有节点的所述指标使用率均低于所述临界值。
可选的,对所述负载集群执行节点聚类包括:判断所述多个节点的总数量是否小于扩容触发节点数;如果否,计算任意两个所述节点之间的相似度;根据所述相似度,对所述负载集群中的两个所述节点进行聚类组合成一个新节点,再转入所述确定当前负载集群中多个节点的指标使用率中;如果是,则对所述当前负载集群进行扩容增加节点,并转入所述计算任意两个所述节点之间的相似度中。
可选的,根据所述相似度,对所述负载集群中的两个所述节点进行聚类组合成一个新节点包括:
将所述相似度最低的两个所述节点聚类组合成一个所述新节点。
可选的,计算任意两个所述节点之间的相似度包括:
计算任意两个所述节点的基于所述指标使用率的欧几里得距离,根据所述欧几里得距离确定所述相似度。
可选的,根据所述欧几里得距离确定所述相似度包括:
将规约到(0,1]之间的所述欧几里得距离,确定为所述相似度。
可选的,确定当前负载集群中多个节点的指标使用率包括:
根据进行聚类的两个所述节点的指标总量和指标使用率,确定所述新节点的指标使用率。
可选的,所述指标使用率包括:CPU使用率、内存使用率、磁盘空间使用率、接口使用率和网络流量使用率中的一个或多个。
根据本公开的第二方面,提供了一种负载均衡装置,包括:指标使用率确定模块,用于确定当前负载集群中多个节点的指标使用率;节点聚类模块,用于在至少一个所述节点的所述指标使用率达到临界值时,对所述负载集群执行节点聚类,直到所述负载集群中的所有节点的所述指标使用率均低于所述临界值。
根据本公开的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述的负载均衡方法。
根据本公开的第四方面,提供了一种电子设备,包括:处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述处理器执行时,使得所述处理器实现上述的负载均衡方法。
在本公开的一些实施例所提供的技术方案中,在节点的指标使用率达到临界值的时候,通过对负载集群执行节点聚类,可以将两个节点聚类为一个新的节点来对外提供服务,从而达到节点互补的效果,以提高集群的利用率,解决集群资源负载失衡的问题,减少集群节点搜索查询延迟,提高整个集群的性能。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出了根据本公开的示例性实施方式的负载均衡方法的流程图;
图2示意性示出了根据本公开的示例性实施方式的一种负载集群的结构示意图;
图3示意性示出了根据本公开的示例性实施方式的一种对集群中的节点进行聚类的结构示意图;
图4示意性示出了根据本公开的示例性实施方式的负载均衡方法的步骤流程图;
图5示意性示出了根据本公开的示例性实施方式的负载均衡装置的方框图;
图6示意性示出了根据本公开的示例性实施方式的电子设备的模块示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。另外,下面所有的术语“第一”、“第二”仅是为了区分的目的,不应作为本公开内容的限制。
Elasticsearch(ES)是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。充分利用Elasticsearch的水平伸缩性,能使数据在生产环境变得更有价值。Elasticsearch的实现原理主要分为以下几个步骤,首先用户将数据提交到Elasticsearch数据库中,再通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据,当用户搜索数据时候,再根据权重将结果排名,打分,再将返回结果呈现给用户。
ElasticSearch集群是一个分布式系统,除了集群状态管理以外,其他所有的请求都可以发送到集群内任意一台节点上,这个节点可以自己找到需要转发给哪些节点,并且直接跟这些节点通信。所以,从网络架构及服务配置上来说,构建集群所需要的配置极其简单。通过集群技术,可以在付出较低成本的情况下获得在性能、可靠性、灵活性方面的相对较高的收益,其任务调度则是集群系统中的核心技术。
一个集群就是由一个或多个节点组织在一起,它们共同持有整个的数据,它将单个索引的数据分片到多个不同分布式物理机器上存储,每个分片可以拥有多个副本,当某个节点某个分片损坏或丢失时可以从副本中恢复。从而可以实现高可用、容错性等,并一起提供索引和搜索功能,通过将副本分配到多个服务器,可以提高查询的负载能力。
负载均衡集群为企业需求提供了更实用的系统。负载均衡集群使负载可以在计算机集群中尽可能平均地分摊处理。负载通常包括应用程序处理负载和网络流量负载。这样的系统非常适合向使用同一组应用程序的大量用户提供服务。每个节点都可以承担一定的处理负载,并且可以实现处理负载在节点之间的动态分配,以实现负载均衡。对于网络流量负载,当网络服务程序接受了高入网流量,以致无法迅速处理,这时,网络流量就会发送给在其它节点上运行的网络服务程序。同时,还可以根据每个节点上不同的可用资源或网络的特殊环境来进行优化。与科学计算集群一样,负载均衡集群也在多节点之间分发计算处理负载。它们之间的最大区别在于缺少跨节点运行的单并行程序。大多数情况下,负载均衡集群中的每个节点都是运行单独软件的独立系统。
由于每一个节点服务器信息处理能力的差异性及不确定性,偶尔会发生集群资源负载失衡的情况,比如当有大批量数据写入时会导致某些节点CPU(Central ProcessingUnit,中央处理器)和内存使用率过高的情况,这将导致集群节点搜索查询延迟,使整个集群性能下降。为了能在集群中平衡各节点的负载,维持集群读取的效率,需要考虑负载均衡策略。
现有技术中,ES集群负载均衡的策略大部分采用的是阈值这个策略,基于业务场景和集群节点配置提前设定一个阈值,当某一个节点的负载超过了此阀值时触发负载调整,这种技术需要花费时间进行阈值的设置及更新,增加运维的成本。
本公开示例性实施方式提供了一种不依赖阈值且具有高扩展性的负载均衡方法。参照图1,示意性示出了本公开的示例性实施方式的负载均衡方法的流程图。如图1所示,该负载均衡方法可以包括以下步骤:
步骤S110、确定当前负载集群中多个节点的指标使用率;
步骤S120、在至少一个节点的指标使用率达到临界值时,对负载集群执行节点聚类,直到负载集群中的所有节点的指标使用率均低于临界值。
本公开示例性实施方式提供的负载均衡方法,在节点的指标使用率达到临界值的时候,通过对负载集群执行节点聚类,可以将两个节点聚类为一个新的节点来对外提供服务,从而达到节点互补的效果,以提高集群的利用率,解决集群资源负载失衡的问题,减少集群节点搜索查询延迟,提高整个集群的性能。
下面将对本公开示例性实施方式提供的负载均衡方法的各个步骤进行详细描述:
在步骤S110中,确定当前负载集群中多个节点的指标使用率。
在本公开的示例性实施方式中,指标使用率可以包括CPU使用率、内存使用率、磁盘空间使用率、接口使用率和网络流量使用率中的一个或多个。
对于一个处理器集群而言,上述的各种指标使用率是由多个节点共同分担的,但每个节点所分担的情况并不是均等的,从而存在着,有的节点的指标使用率高,有的节点的指标使用率低的情况。
例如,参照图2所示,假设一个集群在初始时有8个节点:节点A、节点B、节点C、节点D、节点E、节点F、节点G和节点H。以CPU使用率和内存使用率为例,节点A的CPU使用率为80%、内存使用率为30%;节点B的CPU使用率为65%、内存使用率为30%;节点C的CPU使用率为50%、内存使用率为50%;节点D的CPU使用率为40%、内存使用率为70%;节点E的CPU使用率为35%、内存使用率为20%;节点F的CPU使用率为20%、内存使用率为60%;节点G的CPU使用率为10%、内存使用率为10%;节点H的CPU使用率为5%、内存使用率为20%。可见,节点A-节点H的CPU使用率和内存使用率并不完全相同,而且有的节点的CPU使用率或内存使用率较高。
在步骤S120中,在至少一个节点的指标使用率达到临界值时,对负载集群执行节点聚类,直到负载集群中的所有节点的指标使用率均低于临界值。
在本公开示例性实施方式中,如果某一个或者多个节点的某一指标使用率达到临界值,则需要触发本公开示例性实施方式的负载均衡策略,对负载集群执行节点聚类。
假如以CPU使用率的临界值为60%、内存使用率的临界值也为60%为例,上述节点A和节点B的CPU使用率达到了临界值,节点D和节点F的内存使用率达到了临界值。
在本公开示例性实施方式中,指标使用率的临界值可以根据实际情况设定,即CPU使用率、内存使用率、磁盘空间使用率、接口使用率和网络流量使用率的临界值可以根据实际情况设定不同的大小,本示例性实施方式对此不作特殊限定。
在本公开示例性实施方式中,上述的对负载集群执行节点聚类具体可以包括:首先需要判断多个节点的总数量是否小于扩容触发节点数,如果不小于扩容触发节点数,即否的情况下,计算任意两个节点之间的相似度。
假设扩容触发节点数为2,图1所示的集群在初始时有8个节点,也就是说,该集群的节点数大于扩容触发节点数,无需对该集群进行节点扩容,直接执行两个节点之间的相似度计算即可。其中,扩容触发节点数还可以取其他数值,本公开示例性实施方式对此不作特殊限定。
在实际应用中,相似度的计算方法有多种,例如,皮尔逊算法、曼哈顿距离算法、欧几里得距离算法等。本公开示例性实施方式以欧几里得距离为例对两个节点之间的相似度计算进行说明:
假设上述8个节点中,每个节点的多维度指标使用率表示为:x:CPU使用率、y:内存使用率等。现以x和y两个维度的指标使用率为例,将两个维度的指标使用率用一个二维向量来表示。比如,节点A的CPU使用率80%、内存使用率30%用向量表示为Da(Xa,Ya)=(80,30);同理,可以得到其他节点的向量如下:
Db(Xb,Yb)=(65,30)、Dc(Xc,Yc)=(50,50)、Dd(Xd,Yd)=(40,70)、De(Xe,Ye)=(35,20)、Df(XfYf)=(20,60)、Dg(Xg,Yg)=(10,10)、Dh(Xh,Yh)=(5,20)。
接着,可以利用欧几里得距离算法计算两个节点向量之间的距离,参照公式(1):
为了便于节点之间的相似度比较,可以将如公式(1)计算得到的欧几里得距离规约到(0,1]之间,获得相似度如公式(2)所示:
相似度sim(a,b)的值越大,说明两个节点之间的距离d(a,b)越小,也就是说,两个节点之间的距离越近,其相似度越大。
在获得两个节点之间的相似度之后,即可根据所述相似度,对负载集群中的两个节点进行聚类组合成一个新节点。也就是对两个节点对应的指标总量进行叠加,假如是聚类节点A和节点B,那么就是将节点A的CPU核数和节点B的CPU核数叠加,将节点A的内存大小和节点B的内存大小叠加。
在本公开示例性实施方式中,如果当前负载集群中的节点数量大于2个,那么就要对计算出来的多个相似度进行比较,将相似度最低的两个节点聚类组合成一个新节点,其中,相似度最低的两个节点的互补性更强。表1示例性示出了上述8个节点进行相似度计算的结果:
表1
节点A | 节点B | 节点C | 节点D | 节点E | 节点F | 节点G | 节点H | |
节点A | - | - | - | - | - | - | - | - |
节点B | 0.0625 | - | - | - | - | - | - | - |
节点C | 0.0270 | 0.0384 | - | - | - | - | - | - |
节点D | 0.0173 | 0.0207 | 0.0428 | - | - | - | - | - |
节点E | 0.0212 | 0.0306 | 0.0289 | 0.0195 | - | - | - | - |
节点F | 0.0147 | 0.0181 | 0.0306 | 0.0428 | 0.0228 | - | - | - |
节点G | 0.0135 | 0.0168 | 0.0173 | 0.0146 | 0.0358 | 0.0192 | - | - |
节点H | 0.0130 | 0.0161 | 0.0181 | 0.0161 | 0.0322 | 0.0228 | 0.0821 | - |
从表1可以看出,计算出来的28个相似度里面,节点A和节点H的相似度最小,因此,可以将节点A和节点H进行聚类组合成一个新节点。此时,新节点的CPU核数是节点A的CPU核数和节点H的CPU核数之和,新节点的内存大小是节点A的内存大小和节点B的内存大小之和。
本公开示例性实施方式中,在对负载集群里面的两个节点进行聚类之后,需要重新再对当前负载集群中多个节点的指标使用率进行计算确认。其中,在对新节点的指标使用率确定过程中,需要根据进行聚类的两个节点的指标总量和指标使用率来确定。
例如,上述由节点A和节点H进行聚类组合成的新节点的指标使用率计算公式如下:
假设A节点的CPU核数和H节点的CPU核数相等,A节点的内存大小和H节点的内存大小相等,那么,计算得到的新节点CPU使用率为42.5%,新节点内存使用率为25%。
可见,由新节点和节点B、节点C、节点D、节点E、节点F、节点G共7个节点所组成的新的负载集群成为当前负载集群。在该当前负载集群中,仍然有指标使用率达到了临界值,因此,需要继续对该负载集群执行节点聚类,直到聚类后的新的负载集群中所有节点的指标使用率均低于临界值。图3示出了上述列举的节点A-节点H进行聚类的结构示意图,图3中,节点A和节点H聚类获得新节点后与节点D再聚类,再与节点E聚类;另外,节点C和节点F聚类,节点B和节点G聚类,最终都聚类到一个聚类中,此时,如果没有新的节点可以扩容,则聚类结束。
在实际应用中,可能存在着负载集群里面的节点多次聚类之后,仍然存在有节点的指标使用率达到临界值的情况,此时,可以通过判断当前负载集群中多个节点的总数量是否小于扩容触发节点数,如果是,即小于扩容触发节点数,则对当前负载集群进程扩容增加节点,该增加的节点为一个全新的未被使用的节点,再对由新增加的节点和多次聚类后的节点进行相似度计算,确定出相似度最低的两个节点,并对这两个节点进行聚类,直到聚类后的新的负载集群中所有节点的指标使用率均低于临界值。
在实际应用中,由于新增加的节点的指标使用率为0,与指标使用率大于60%的节点聚类后,必然会获得指标使用率小于临界值的新节点,从而达到通过聚类降低当前负载集群中节点的指标使用率的目的。进而可以提高资源的整体利用率。
本公开示例性实施方式提供的负载均衡方法,可以对节点的指标进行扩展,不限于上述所列举的指标范围,有助于整合更适宜互补的节点,进一步提升资源的整体利用率。
下面将参考图4对本公开示例性实施方式的负载均衡方法的步骤流程进行说明:
在步骤S401中,确定当前负载集群中多个节点的指标使用率,简称确定指标使用率;在步骤S402中,进入判断条件1,判断是否有节点的指标使用率达到临界值;如果有至少一个节点的指标使用率达到临界值时,进入步骤S403,对负载集群执行节点聚类;在步骤S404中,进入判断条件2,判断多个节点的总数量是否小于扩容触发节点数;如果否,即大于扩容触发节点数,则进入步骤S405,计算任意两个节点之间的相似度,简称计算相似度,并进入步骤S406,根据相似度,对两个节点进行聚类组合成一个新节点,简称聚类获得新节点,并转入步骤S401。如果是,即小于扩容触发节点数,则进入步骤S407,对当前负载集群进行扩容增加节点,简称节点扩容,并转入步骤S405,并在所有节点的指标使用率均低于临界值时,结束。
应当注意,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
进一步的,本示例实施方式中还提供了一种负载均衡装置。其中,装置实施例部分可以继承方法实施例中的相关描述,使得装置实施例可以获得方法实施例相关具体描述的支持。
图5示意性示出了本公开的示例性实施方式的负载均衡装置的方框图。参考图5,根据本公开的示例性实施方式的负载均衡装置500可以包括:指标使用率确定模块510、节点聚类模块520。
具体的,指标使用率确定模块510,可以用于确定当前负载集群中多个节点的指标使用率;节点聚类模块520,可以用于在至少一个节点的指标使用率达到临界值时,对负载集群执行节点聚类,直到负载集群中的所有节点的指标使用率均低于临界值。
在本公开的示例性实施方式中,节点聚类模块520可以用于,判断多个节点的总数量是否小于扩容触发节点数;如果否,计算任意两个节点之间的相似度;根据相似度,对负载集群中的两个节点进行聚类组合成一个新节点,再转入确定当前负载集群中多个节点的指标使用率中;如果是,则对当前负载集群进行扩容增加节点,并转入计算任意两个节点之间的相似度中。
在本公开的示例性实施方式中,节点聚类模块520可以用于,将相似度最低的两个节点聚类组合成一个新节点。
在本公开的示例性实施方式中,节点聚类模块520可以用于,计算任意两个节点的基于指标使用率的欧几里得距离,根据欧几里得距离确定相似度。
在本公开的示例性实施方式中,节点聚类模块520可以用于,将规约到(0,1]之间的欧几里得距离,确定为相似度。
在本公开的示例性实施方式中,指标使用率确定模块510可以用于,根据进行聚类的两个节点的指标总量和指标使用率,确定新节点的指标使用率。
在本公开的示例性实施方式中,上述指标使用率包括:CPU使用率、内存使用率、磁盘空间使用率、接口使用率和网络流量使用率中的一个或多个。
由于本公开实施方式的负载均衡装置的各个功能模块与上述方法实施方式中相同,在此不再赘述。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例性实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640。
其中,所述存储单元620存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1中所示的步骤S110、确定当前负载集群中多个节点的指标使用率;步骤S120、在至少一个节点的指标使用率达到临界值时,对负载集群执行节点聚类,直到负载集群中的所有节点的指标使用率均低于临界值。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备670(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器660通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的内容后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (10)
1.一种负载均衡方法,其特征在于,包括:
确定当前负载集群中多个节点的指标使用率;
在至少一个所述节点的所述指标使用率达到临界值时,对所述负载集群执行节点聚类,直到所述负载集群中的所有节点的所述指标使用率均低于所述临界值。
2.根据权利要求1所述的方法,其特征在于,对所述负载集群执行节点聚类包括:
判断所述多个节点的总数量是否小于扩容触发节点数;
如果否,计算任意两个所述节点之间的相似度;
根据所述相似度,对所述负载集群中的两个所述节点进行聚类组合成一个新节点,再转入所述确定当前负载集群中多个节点的指标使用率中;
如果是,则对所述当前负载集群进行扩容增加节点,并转入所述计算任意两个所述节点之间的相似度中。
3.根据权利要求2所述的方法,其特征在于,根据所述相似度,对所述负载集群中的两个所述节点进行聚类组合成一个新节点包括:
将所述相似度最低的两个所述节点聚类组合成一个所述新节点。
4.根据权利要求2或3所述的方法,其特征在于,计算任意两个所述节点之间的相似度包括:
计算任意两个所述节点的基于所述指标使用率的欧几里得距离,根据所述欧几里得距离确定所述相似度。
5.根据权利要求4所述的方法,其特征在于,根据所述欧几里得距离确定所述相似度包括:
将规约到(0,1]之间的所述欧几里得距离,确定为所述相似度。
6.根据权利要求2或3所述的方法,其特征在于,确定当前负载集群中多个节点的指标使用率包括:
根据进行聚类的两个所述节点的指标总量和指标使用率,确定所述新节点的指标使用率。
7.根据权利要求1所述的方法,其特征在于,所述指标使用率包括:CPU使用率、内存使用率、磁盘空间使用率、接口使用率和网络流量使用率中的一个或多个。
8.一种负载均衡装置,其特征在于,包括:
指标使用率确定模块,用于确定当前负载集群中多个节点的指标使用率;
节点聚类模块,用于在至少一个所述节点的所述指标使用率达到临界值时,对所述负载集群执行节点聚类,直到所述负载集群中的所有节点的所述指标使用率均低于所述临界值。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任意一项所述的负载均衡方法。
10.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述处理器执行时,使得所述处理器实现如权利要求1至7中任意一项所述的负载均衡方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423808.0A CN113076197A (zh) | 2021-04-20 | 2021-04-20 | 负载均衡方法及装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423808.0A CN113076197A (zh) | 2021-04-20 | 2021-04-20 | 负载均衡方法及装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113076197A true CN113076197A (zh) | 2021-07-06 |
Family
ID=76618341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110423808.0A Pending CN113076197A (zh) | 2021-04-20 | 2021-04-20 | 负载均衡方法及装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113076197A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114090394A (zh) * | 2022-01-19 | 2022-02-25 | 山东卓朗检测股份有限公司 | 分布式服务器集群负载异常分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108600149A (zh) * | 2018-01-22 | 2018-09-28 | 成都汇智远景科技有限公司 | 云计算高可用性集群资源管理方法 |
CN109445936A (zh) * | 2018-10-12 | 2019-03-08 | 深圳先进技术研究院 | 一种云计算负载聚类方法、系统及电子设备 |
-
2021
- 2021-04-20 CN CN202110423808.0A patent/CN113076197A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108600149A (zh) * | 2018-01-22 | 2018-09-28 | 成都汇智远景科技有限公司 | 云计算高可用性集群资源管理方法 |
CN109445936A (zh) * | 2018-10-12 | 2019-03-08 | 深圳先进技术研究院 | 一种云计算负载聚类方法、系统及电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114090394A (zh) * | 2022-01-19 | 2022-02-25 | 山东卓朗检测股份有限公司 | 分布式服务器集群负载异常分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11650990B2 (en) | Method, medium, and system for joining data tables | |
CN109710405B (zh) | 区块链智能合约管理方法、装置、电子设备及存储介质 | |
US9946752B2 (en) | Low-latency query processor | |
WO2021218144A1 (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN105824957A (zh) | 分布式内存列式数据库的查询引擎系统及查询方法 | |
US20150193491A1 (en) | Data indexing method and apparatus | |
CN103970604A (zh) | 基于MapReduce架构实现图处理的方法和装置 | |
CN106569896B (zh) | 一种数据分发及并行处理方法和系统 | |
CN107070709B (zh) | 一种基于底层numa感知的nfv实现方法 | |
CN108416054B (zh) | 基于文件访问热度的动态hdfs副本个数计算方法 | |
US10747764B1 (en) | Index-based replica scale-out | |
CN111310834B (zh) | 数据处理方法及装置、处理器、电子设备、存储介质 | |
CN113076197A (zh) | 负载均衡方法及装置、存储介质及电子设备 | |
US11704327B2 (en) | Querying distributed databases | |
CN116756150B (zh) | 一种Mpp数据库大表关联加速方法 | |
CN115918110A (zh) | 使用键值存储库的空间搜索 | |
CN110764705B (zh) | 一种数据的读写方法、装置、设备和存储介质 | |
CN114443236A (zh) | 一种任务处理方法、装置、系统、设备及介质 | |
US10594620B1 (en) | Bit vector analysis for resource placement in a distributed system | |
CN113761017A (zh) | 相似性搜索方法和装置 | |
CN114491253B (zh) | 观测信息处理方法、装置、电子设备及存储介质 | |
US11435926B2 (en) | Method, device, and computer program product for managing storage system | |
CN115963987A (zh) | 分布式存储方法、装置、设备及计算机可读存储介质 | |
CN114064729A (zh) | 一种数据检索方法、装置、设备及存储介质 | |
CN112540843B (zh) | 资源的分配方法、装置、存储设备及存储介质 |
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 |