CN113282405B - 一种负载调整的优化方法及终端 - Google Patents

一种负载调整的优化方法及终端 Download PDF

Info

Publication number
CN113282405B
CN113282405B CN202110395541.9A CN202110395541A CN113282405B CN 113282405 B CN113282405 B CN 113282405B CN 202110395541 A CN202110395541 A CN 202110395541A CN 113282405 B CN113282405 B CN 113282405B
Authority
CN
China
Prior art keywords
cpu occupancy
occupancy rate
node
standard
application
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
Application number
CN202110395541.9A
Other languages
English (en)
Other versions
CN113282405A (zh
Inventor
刘德建
林伟
郭玉湖
陈宏�
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.)
Fujian Tianquan Educational Technology Ltd
Original Assignee
Fujian Tianquan Educational Technology 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 Fujian Tianquan Educational Technology Ltd filed Critical Fujian Tianquan Educational Technology Ltd
Priority to CN202110395541.9A priority Critical patent/CN113282405B/zh
Publication of CN113282405A publication Critical patent/CN113282405A/zh
Application granted granted Critical
Publication of CN113282405B publication Critical patent/CN113282405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F9/505—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 considering the load
    • 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)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multi Processors (AREA)
  • Debugging And Monitoring (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种负载调整的优化方法及终端，获取节点上的CPU占用率总量及接口请求信息，接口请求信息包括返回数据大小及访问操作次数；根据返回数据大小及访问操作次数计算所述节点所对应的标准单位的个数；根据CPU占用率总量及标准单位的个数计算节点上每一标准单位所对应的平均CPU占用率；获取待分流应用及待分流应用所对应的节点集合中每一目标节点的目标平均CPU占用率；根据目标平均CPU占用率确定所述待分流应用的分流比例，以使得所述待分流应用在各个所述目标节点上的CPU占用率总量差值最小。本发明、根据平均CPU占用率进行分流避免了平均分流情况下硬件较落后的节点上CPU占用率过高拉低处理效率的情况，实现了高效的负载均衡。

Description

一种负载调整的优化方法及终端
技术领域
本发明涉及数据存储领域，尤其涉及一种负载调整的优化方法及终端。
背景技术
现在很多的服务端系统都采用分布式进行部署，即同一套系统中存在不同的节点，节点分别部署至不同的机器上，通过一定的规则来实现流量的分流，进而实现分布式系统中的负载均衡。现在分布式系统的负载均衡一般都按照有效的请求量或者负载机上的各种资源的使用量来进行。比如节点A请求量高(资源占用率高)，节点B请求量低(资源占用率低)，此时，根据负载均衡通常采用的规则，会把节点A的部分请求分流到节点B上，从而形成新的负载均衡，保证2个节点的资源占用率接近。
可是，一般公司的服务器资源都是各种机型混合使用的，每种机型的CPU，内存，带宽等等资源可能不同，如果只是简单根据请求量来进行节点流量调整，则会导致负载不均衡；即使系统都使用同样的机型，各个机型上也可能部署多个不同的应用，这些应用会共享整台机器的CPU、内存、带宽等资源，无法根据其中某个应用的一些监控资源来判断出该应用占用了哪些资源，从而无法针对性进行流量调整，导致各个节点的负载不均衡。
发明内容
本发明所要解决的技术问题是：提供一种负载调整的优化方法及终端，实现各个节点之间的负载均衡。
为了解决上述技术问题，本发明采用的一种技术方案为：
一种负载调整的优化方法，包括步骤：
S1、获取节点上的CPU占用率总量及接口请求信息，所述接口请求信息包括返回数据大小及访问操作次数；
S2、根据所述返回数据大小及所述访问操作次数计算所述节点所对应的标准单位的个数；
S3、根据所述CPU占用率总量及所述标准单位的个数计算所述节点上每一标准单位所对应的平均CPU占用率；
S4、获取待分流应用及所述待分流应用所对应的节点集合中每一目标节点的目标平均CPU占用率；
S5、根据所述目标平均CPU占用率确定所述待分流应用的分流比例，以使得所述待分流应用在各个所述目标节点上的CPU占用率总量差值最小。
为了解决上述技术问题，本发明采用的另一种技术方案为：
一种负载调整的优化终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
S1、获取节点上的CPU占用率总量及接口请求信息，所述接口请求信息包括返回数据大小及访问操作次数；
S2、根据所述返回数据大小及所述访问操作次数计算所述节点所对应的标准单位的个数；
S3、根据所述CPU占用率总量及所述标准单位的个数计算所述节点上每一标准单位所对应的平均CPU占用率；
S4、获取待分流应用及所述待分流应用所对应的节点集合中每一目标节点的目标平均CPU占用率；
S5、根据所述目标平均CPU占用率确定所述待分流应用的分流比例，以使得所述待分流应用在各个所述目标节点上的CPU占用率总量差值最小。
本发明的有益效果在于：设置标准单位，根据接口请求信息计算各个节点上的标准单位个数，并根据各个节点上的标准单位个数及CPU占用率总量计算节点对应的平均CPU占用率，因不同节点的硬件配置不同，如内存的不同将会使得访问操作的次数不同，CPU核数的不同会使得CPU占用率总量不同，平均CPU占用率更加能够每个节点的资源特征，根据平均CPU占用率进行分流避免了平均分流情况下硬件较落后的节点上CPU占用率过高拉低处理效率的情况，实现了高效的负载均衡。
附图说明
图1为本发明实施例的一种负载调整的优化方法的步骤流程图；
图2为本发明实施例的一种负载调整的优化终端的结构示意图；
标号说明：
1、一种负载调整的优化终端；2、处理器；3、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
请参照图1，一种负载调整的优化方法，包括步骤：
S1、获取节点上的CPU占用率总量及接口请求信息，所述接口请求信息包括返回数据大小及访问操作次数；
S2、根据所述返回数据大小及所述访问操作次数计算所述节点所对应的标准单位的个数；
S3、根据所述CPU占用率总量及所述标准单位的个数计算所述节点上每一标准单位所对应的平均CPU占用率；
S4、获取待分流应用及所述待分流应用所对应的节点集合中每一目标节点的目标平均CPU占用率；
S5、根据所述目标平均CPU占用率确定所述待分流应用的分流比例，以使得所述待分流应用在各个所述目标节点上的CPU占用率总量差值最小。
从上述描述可知，本发明的有益效果在于：设置标准单位，根据接口请求信息计算各个节点上的标准单位个数，并根据各个节点上的标准单位个数及CPU占用率总量计算节点对应的平均CPU占用率，因不同节点的硬件配置不同，如内存的不同将会使得访问操作的次数不同，CPU核数的不同会使得CPU占用率总量不同，平均CPU占用率更加能够每个节点的资源特征，根据平均CPU占用率进行分流避免了平均分流情况下硬件较落后的节点上CPU占用率过高拉低处理效率的情况，实现了高效的负载均衡。
进一步地，所述访问操作包括查询缓存数据和查询数据库；
所述S2具体为：
将所述返回数据大小所包含的第一单位的数量向上取整后的值加上所述查询缓存数据所对应的标准单位个数再加上所述查询数据库所对应的标准单位个数，得到所述节点所对应的所述标准单位的个数。
由上述描述可知，计算查询缓存数据和查询数据库所对应的标准单位个数，选择了对CPU占用率影响大的操作作为标准单位计算的元素，使得最终计算出的平均CPU占用率能够准确反应节点的CPU使用情况。
进一步地，将所述CPU占用率总量除以所述标准单位的个数得到每一所述标准单位所对应的平均CPU占用率；
所述S3与所述S4之间还包括：
重复S1-S3，直至计算出所述待分流应用所对应的所述节点集合中每一目标节点的目标平均CPU占用率。
由上述描述可知，计算待分流应用所部署的节点的目标平均CPU占用率，根据该目标平均CPU占用率对待分流应用进行分流，保证最终待分流引用所在的各个节点的CPU占用率趋于相近。
进一步地，所述第一单位为1Kb。
由上述描述可知，使用Kb作为总数据大小的单位，作为被除数，符合调用接口时返回的数据量，避免计算平均CPU占用率时被除数过大或过小。
进一步地，还包括：
通过设置程序切面获取预设时间段内的所述接口请求信息。
由上述描述可知，设置程序切面获取所需的接口请求信息，不会影响原有的系统运行，并且能够灵活进行扩展。
请参照图2，一种负载调整的优化终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
S1、获取节点上的CPU占用率总量及接口请求信息，所述接口请求信息包括返回数据大小及访问操作次数；
S2、根据所述返回数据大小及所述访问操作次数计算所述节点所对应的标准单位的个数；
S3、根据所述CPU占用率总量及所述标准单位的个数计算所述节点上每一标准单位所对应的平均CPU占用率；
S4、获取待分流应用及所述待分流应用所对应的节点集合中每一目标节点的目标平均CPU占用率；
S5、根据所述目标平均CPU占用率确定所述待分流应用的分流比例，以使得所述待分流应用在各个所述目标节点上的CPU占用率总量差值最小。
本发明的有益效果在于：设置标准单位，根据接口请求信息计算各个节点上的标准单位个数，并根据各个节点上的标准单位个数及CPU占用率总量计算节点对应的平均CPU占用率，因不同节点的硬件配置不同，如内存的不同将会使得访问操作的次数不同，CPU核数的不同会使得CPU占用率总量不同，平均CPU占用率更加能够每个节点的资源特征，根据平均CPU占用率进行分流避免了平均分流情况下硬件较落后的节点上CPU占用率过高拉低处理效率的情况，实现了高效的负载均衡。
进一步地，所述访问操作包括查询缓存数据和查询数据库；
所述S2具体为：
将所述返回数据大小所包含的第一单位的数量向上取整后的值加上所述查询缓存数据所对应的标准单位个数再加上所述查询数据库所对应的标准单位个数，得到所述节点所对应的所述标准单位的个数。
由上述描述可知，计算查询缓存数据和查询数据库所对应的标准单位个数，选择了对CPU占用率影响大的操作作为标准单位计算的元素，使得最终计算出的平均CPU占用率能够准确反应节点的CPU使用情况。
进一步地，将所述CPU占用率总量除以所述标准单位的个数得到每一所述标准单位所对应的平均CPU占用率；
所述S3与所述S4之间还包括：
重复S1-S3，直至计算出所述待分流应用所对应的所述节点集合中每一目标节点的目标平均CPU占用率。
由上述描述可知，计算待分流应用所部署的节点的目标平均CPU占用率，根据该目标平均CPU占用率对待分流应用进行分流，保证最终待分流引用所在的各个节点的CPU占用率趋于相近。
进一步地，所述第一单位为1Kb。
由上述描述可知，使用Kb作为总数据大小的单位，作为被除数，符合调用接口时返回的数据量，避免计算平均CPU占用率时被除数过大或过小。
进一步地，还包括：
通过设置程序切面获取预设时间段内的所述接口请求信息。
由上述描述可知，设置程序切面获取所需的接口请求信息，不会影响原有的系统运行，并且能够灵活进行扩展。
请参照图1，本发明的实施例一为：
一种负载调整的优化方法，包括步骤：
S1、获取节点上的CPU占用率总量及接口请求信息，所述接口请求信息包括返回数据大小及访问操作次数；
具体的，获取节点上每一接口的接口请求信息；
S2、根据所述返回数据大小及所述访问操作次数计算所述节点所对应的标准单位的个数；
S3、根据所述CPU占用率总量及所述标准单位的个数计算所述节点上每一标准单位所对应的平均CPU占用率，具体的，将所述CPU占用率总量除以所述标准单位的个数得到每一所述标准单位所对应的平均CPU占用率；
S4、重复S1-S3，直至计算出待分流应用所对应的节点集合中每一目标节点的目标平均CPU占用率；
S5、获取待分流应用及所述待分流应用所对应的节点集合中每一目标节点的目标平均CPU占用率；
S6、根据所述目标平均CPU占用率确定所述待分流应用的分流比例，以使得所述待分流应用在各个所述目标节点上的CPU占用率总量差值最小；
在一种可选的实施方式中，分流比例即为平均CPU占用率的反比，如现有一待分流应用部署在四个节点上，四个节点的CPU占用率的比例为1:2:3:4，则分流比例为12:6:4:3。
本发明的实施例二为：
一种负载调整的优化方法，其与实施例一的不同之处在于：
所述访问操作包括查询缓存数据和查询数据库；
所述S2具体为：
所述标准单位的个数＝所述返回数据大小所包含的第一单位的数量向上取整后的值+所述查询缓存数据所对应的标准单位个数+所述查询数据库所对应的标准单位个数；
在一种可选的实施方式中，总数据大小包括入参请求的数据大小、接口返回数据的大小、缓存返回数据的大小及数据库返回数据的大小；
如设定1Kb为第一单位，则每个接口的入参请求中，1Kb之内的请求为1个标准单位，1Kb-2Kb之内的请求为2个标准单位；
在一种可选的实施方式中，不同的访问操作所对应的标准单位不同，如查询缓存数据所对应的标准单位为1，查询数据库所对应的标准单位为2；
在一种可选的实施方式中，可根据具体情况调整访问操作所对应的标准单位，如设置10次查询缓存数据所对应的标准单位为1，10次查询数据库所对应的标准单位为2；
通过设置程序切面获取预设时间段内的平均CPU占用率，通过预设的异步线程将CPU占用率返回给预设的监控系统。
本发明的实施例三为：
将上述的一种负载调整的优化方法应用于实际场景中：
存在一个Nginx集群，其中有A及B两个节点，节点A部署在2核8G内存，100M带宽的机器上，节点B部署在4核4G内存，200M带宽的机器上，本实施例中每台机器上只部署一个节点；
在本实施例中，A节点及B节点为同一应用所部署的两个不同节点，且主要提供的接口为：通过向不同的第三方平台获取数据，并解析组装成新的数据结构返回，A节点及B节点主要消耗的资源为CPU及IO带宽，且对于内存及IO带宽来说，获取到数据之后也需要通过CPU进行解析使用，即通过IO带宽获取数据所使用的资源最终也会反应在CPU上，CPU是最具有代表性的关键资源，故本实施例中根据CPU占用率进行分流比例的确定；
在本实施例中，预设监控系统，监控A节点及B节点上的CPU使用率总量；
在节点A及节点B内添加程序切面(程序切面为现有技术，如Java语言中)，所添加的程序切面能够统一处理节点A及节点B中的请求、缓存及数据库查询，此处设置程序切面计算返回数据的大小及访问操作的次数，每间隔预设时间段通过预设的异步线程将返回数据的大小、访问操作的次数返回给监控系统；
S1、获取A节点上的CPU占用率50％及接口请求信息，所述接口请求信息包括返回数据大小9.2Kb及访问操作次数(查询缓存数据的次数为4，查询数据库的次数为1)；
S2、获取第一单位1Kb，标准单位的个数＝所述返回数据大小所包含的第一单位的数量向上取整后的值10+所述查询缓存数据所对应的标准单位个数4+所述查询数据库所对应的标准单位个数2＝16；
S3、节点上每一标准单位所对应的平均CPU占用率＝50％/16＝3.13％；
S4、重复S1-S3的方法，获取B节点总数据大小11kb、查询缓存数据的次数为1、查询数据库的次数为3及CPU占用率总量25％，标准单位总数＝18，则B节点每一标准单位的平均CPU占用率约为1.38％；
S5、获取待分流应用及所述待分流应用所对应的节点集合(A节点，B节点)中每一目标节点的目标平均CPU占用率(3.13％，1.38％)；
S5、根据所述目标平均CPU占用率确定所述待分流应用的分流比例1.38:3.13。
请参照图2，本发明的实施例四为：
一种负载调整的优化终端1，包括处理器2、存储器3及存储在存储器3上并可在所述处理器2上运行的计算机程序，所述处理器2执行所述计算机程序时实现实施例一、实施例二或实施例三中的各个步骤。
综上所述，本发明提供了一种负载调整的优化方法及终端，在对应用进行分流前获取预设时间段内节点上的CPU占用率总量及接口请求信息，接口请求信息包括返回数据大小及访问操作次数，根据接口请求信息计算出该节点所对应的标准单位的个数，将该节点的CPU占用率总量除以标准单位的个数则得到该节点的平均CPU占用率；计算节点集群中各个节点所对应的平均CPU占用率，在需要对应用进行分流时，获取该待分流应用所部署的节点上的目标平均CPU占用率，并根据目标平均CPU占用率对该待分流应用进行分流，结合数据大小及访问操作次数共同作为标准单位，橡胶于直接根据CPU占用率总量进行分流考虑得更加全面，同时访问操作次数也能反应节点上其他硬件的影响，相较于平均分流提高了请求的处理效率；同时，设置程序切面获取预设时间段内的接口请求信息，对原系统无影响。
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同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种负载调整的优化方法，其特征在于，包括步骤：
S1、获取节点上的CPU占用率总量及接口请求信息，所述接口请求信息包括返回数据大小及访问操作次数；
S2、根据所述返回数据大小及所述访问操作次数计算所述节点所对应的标准单位的个数；
S3、根据所述CPU占用率总量及所述标准单位的个数计算所述节点上每一标准单位所对应的平均CPU占用率；
S4、获取待分流应用及所述待分流应用所对应的节点集合中每一目标节点的目标平均CPU占用率；
S5、根据所述目标平均CPU占用率确定所述待分流应用的分流比例，以使得所述待分流应用在各个所述目标节点上的CPU占用率总量差值最小；
所述S3具体为：
将所述CPU占用率总量除以所述标准单位的个数得到每一所述标准单位所对应的平均CPU占用率；
所述S3与所述S4之间还包括：
重复S1-S3，直至计算出所述待分流应用所对应的所述节点集合中每一目标节点的目标平均CPU占用率。
2.根据权利要求1所述的一种负载调整的优化方法，其特征在于，所述访问操作包括查询缓存数据和查询数据库；
所述S2具体为：
将所述返回数据大小所包含的第一单位的数量向上取整后的值加上所述查询缓存数据所对应的标准单位个数再加上所述查询数据库所对应的标准单位个数，得到所述节点所对应的所述标准单位的个数。
3.根据权利要求2所述的一种负载调整的优化方法，其特征在于，所述第一单位为1Kb。
4.根据权利要求1所述的一种负载调整的优化方法，其特征在于，还包括：
通过设置程序切面获取预设时间段内的所述接口请求信息。
5.一种负载调整的优化终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
S1、获取节点上的CPU占用率总量及接口请求信息，所述接口请求信息包括返回数据大小及访问操作次数；
S2、根据所述返回数据大小及所述访问操作次数计算所述节点所对应的标准单位的个数；
S3、根据所述CPU占用率总量及所述标准单位的个数计算所述节点上每一标准单位所对应的平均CPU占用率；
S4、获取待分流应用及所述待分流应用所对应的节点集合中每一目标节点的目标平均CPU占用率；
S5、根据所述目标平均CPU占用率确定所述待分流应用的分流比例，以使得所述待分流应用在各个所述目标节点上的CPU占用率总量差值最小；
所述S3具体为：
将所述CPU占用率总量除以所述标准单位的个数得到每一所述标准单位所对应的平均CPU占用率；
所述S3与所述S4之间还包括：
重复S1-S3，直至计算出所述待分流应用所对应的所述节点集合中每一目标节点的目标平均CPU占用率。
6.根据权利要求5所述的一种负载调整的优化终端，其特征在于，所述访问操作包括查询缓存数据和查询数据库；
所述S2具体为：
将所述返回数据大小所包含的第一单位的数量向上取整后的值加上所述查询缓存数据所对应的标准单位个数再加上所述查询数据库所对应的标准单位个数，得到所述节点所对应的所述标准单位的个数。
7.根据权利要求6所述的一种负载调整的优化终端，其特征在于，所述第一单位为1Kb。
8.根据权利要求5所述的一种负载调整的优化终端，其特征在于，还包括：
通过设置程序切面获取预设时间段内的所述接口请求信息。
CN202110395541.9A 2021-04-13 2021-04-13 一种负载调整的优化方法及终端 Active CN113282405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110395541.9A CN113282405B (zh) 2021-04-13 2021-04-13 一种负载调整的优化方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110395541.9A CN113282405B (zh) 2021-04-13 2021-04-13 一种负载调整的优化方法及终端

Publications (2)

Publication Number Publication Date
CN113282405A CN113282405A (zh) 2021-08-20
CN113282405B true CN113282405B (zh) 2023-09-15

Family

ID=77276754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110395541.9A Active CN113282405B (zh) 2021-04-13 2021-04-13 一种负载调整的优化方法及终端

Country Status (1)

Country Link
CN (1) CN113282405B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101753461A (zh) * 2010-01-14 2010-06-23 中国建设银行股份有限公司 实现负载均衡的方法、负载均衡服务器以及集群系统
CN107071002A (zh) * 2017-03-22 2017-08-18 山东中创软件商用中间件股份有限公司 一种应用服务器集群请求调度方法及装置
CN108563500A (zh) * 2018-05-08 2018-09-21 深圳市零度智控科技有限公司 基于云平台的任务调度方法、云平台及计算机存储介质
CN108628674A (zh) * 2018-05-11 2018-10-09 深圳市零度智控科技有限公司 基于云平台的任务调度方法、云平台及计算机存储介质
CN108958942A (zh) * 2018-07-18 2018-12-07 郑州云海信息技术有限公司 一种分布式系统分配任务方法、调度器和计算机设备
CN109617826A (zh) * 2018-12-29 2019-04-12 南京航空航天大学 一种基于布谷鸟搜索的storm动态负载均衡方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9372854B2 (en) * 2010-11-08 2016-06-21 Hewlett Packard Enterprise Development Lp Load balancing backup jobs in a virtualized storage system having a plurality of physical nodes
US9871855B2 (en) * 2014-09-19 2018-01-16 Facebook, Inc. Balancing load across cache servers in a distributed data store

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101753461A (zh) * 2010-01-14 2010-06-23 中国建设银行股份有限公司 实现负载均衡的方法、负载均衡服务器以及集群系统
CN107071002A (zh) * 2017-03-22 2017-08-18 山东中创软件商用中间件股份有限公司 一种应用服务器集群请求调度方法及装置
CN108563500A (zh) * 2018-05-08 2018-09-21 深圳市零度智控科技有限公司 基于云平台的任务调度方法、云平台及计算机存储介质
CN108628674A (zh) * 2018-05-11 2018-10-09 深圳市零度智控科技有限公司 基于云平台的任务调度方法、云平台及计算机存储介质
CN108958942A (zh) * 2018-07-18 2018-12-07 郑州云海信息技术有限公司 一种分布式系统分配任务方法、调度器和计算机设备
CN109617826A (zh) * 2018-12-29 2019-04-12 南京航空航天大学 一种基于布谷鸟搜索的storm动态负载均衡方法

Also Published As

Publication number Publication date
CN113282405A (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
CN106959894B (zh) 资源分配方法和装置
US20090307329A1 (en) Adaptive file placement in a distributed file system
CN111722918A (zh) 业务标识码生成方法、装置、存储介质及电子设备
US11940915B2 (en) Cache allocation method and device, storage medium, and electronic device
US20230128085A1 (en) Data aggregation processing apparatus and method, and storage medium
CN110727517A (zh) 一种基于分区设计的内存分配方法和装置
CN112698952A (zh) 计算资源统一管理方法、装置、计算机设备及存储介质
CN111723112A (zh) 数据任务执行方法、装置、电子设备及存储介质
CN108563776B (zh) 离线数据获取方法及系统、服务器及存储介质
CN111858014A (zh) 资源分配方法及装置
CN111930505B (zh) 大数据平台的数据资源管理方法及系统、服务器及介质
JP2009037369A (ja) データベースサーバへのリソース割当て方法
CN111752715A (zh) 大量请求量下的系统优化方法、装置、设备及存储介质
CN113282405B (zh) 一种负载调整的优化方法及终端
CN115190010B (zh) 基于软件服务依赖关系的分布推荐方法和装置
CN111506400A (zh) 计算资源分配系统、方法、装置和计算机设备
CN111400241A (zh) 数据重构方法和装置
CN116185578A (zh) 计算任务的调度方法和计算任务的执行方法
CN112667392B (zh) 云计算资源分配方法、装置、计算机设备和存储介质
CN114546652A (zh) 一种参数预估方法、装置及电子设备
CN114090234A (zh) 请求的调度方法、装置、电子设备和存储介质
CN113377866A (zh) 一种虚拟化数据库代理服务的负载均衡方法及装置
CN110704489A (zh) 一种数据库的查询方法、装置、设备及计算机存储介质
CN116842299B (zh) 动态数据访问风险控制系统与方法
CN113360455B (zh) 一种超融合系统的数据处理方法、装置、设备及介质

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
GR01 Patent grant
GR01 Patent grant