CN113569137A - 云主机规格的推荐方法及装置、存储介质、电子装置 - Google Patents
云主机规格的推荐方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN113569137A CN113569137A CN202110762219.5A CN202110762219A CN113569137A CN 113569137 A CN113569137 A CN 113569137A CN 202110762219 A CN202110762219 A CN 202110762219A CN 113569137 A CN113569137 A CN 113569137A
- Authority
- CN
- China
- Prior art keywords
- cloud host
- memory
- processing unit
- central processing
- utilization rate
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开涉及一种云主机规格的推荐方法及装置、存储介质、电子装置，上述方法包括：根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限。根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。
Description
技术领域
本发明涉及通信领域，具体而言，涉及一种云主机规格的推荐方法及装置、存储介质、电子装置。
背景技术
云主机作为面向用户提供公用化的互联网基础设施服务，随着云计算的发展，云主机被广泛应用。用户在使用云主机之前，必须根据实际情况选择云主机规格。目前，虽然云厂商也提供了云主机规格调整的功能，用户可以自行切换。但是云端资源较多，用户往往没有精力逐一追溯云主机运行情况，然后根据云主机运行情况做相应调整，同时用户根据云主机运行情况做相应调整也往往是以经验为主，缺少合理性的客观评估手段。而且由于不同用户使用云主机的场景和业务类型不同，因此目前云厂商提供的云主机规格调整的功能也不具有普适性。
在实现本公开构思的过程中，发明人发现相关技术中至少存在如下技术问题：在选择云主机规格时，用户只能凭借经验选择和调整云主机规格的问题。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开的实施例提供了一种云主机规格的推荐方法及装置、存储介质、电子装置，以至少解决现有技术中，在选择云主机规格时，用户只能凭借经验选择和调整云主机规格的问题。
本公开的目的是通过以下技术方案实现的：
第一方面，本公开的实施例提供了一种云主机规格的推荐方法，包括：根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限；根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。
进一步地，根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据，包括：通过云主机监控系统采集多个云主机的历史数据，并将所述多个云主机的历史数据保存在所述云主机监控系统对应的监控系统数据库中；根据云主机标签从所述监控系统数据库中获取所述预设时间区间内的所述云主机标签对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机标签；或者根据云主机清单从所述监控系统数据库中获取所述预设时间区间内的所述云主机清单对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机清单。
进一步地，以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率，包括：以所述预设时长为周期，并通过所述百分比统计方法和预设百分比对所述历史数据进行计算，以得到多个所述预设时长对应的所述云主机的中央处理单元的多个有效使用率和所述云主机的内存的多个有效使用率，其中，所述预设时间区间可以分为多个所述预设时长；分别对所述中央处理单元的多个有效使用率和所述内存的多个有效使用率进行求平均数操作，以得到所述云主机的中央处理单元使用率和内存使用率。
进一步地，通过所述百分比统计方法和预设百分比对所述历史数据进行计算之前，所述方法还包括：对所述历史数据进行数据分析处理，并根据所述数据分析处理的结果确定所述预设百分比；或者接收目标对象的数据统计指令，并根据所述数据统计指令确定所述预设百分比。
进一步地，根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，包括：通过所述中央处理单元核心数与所述中央处理单元使用率的乘积确定所述云主机的中央处理单元的有效核心数，并通过所述有效核心数与所述中央处理单元使用率的警戒上限的相除结果确定所述中央处理单元的最优配置；通过所述内存容量与所述内存使用率的乘积确定所述云主机的内存的有效容量，并通过所述有效容量与所述内存使用率的警戒上限的相除结果确定所述内存的最优配置。
进一步地，根据所述最优配置实现云主机规格的配置操作，包括：当在云主机规格配置系统中，存在与所述最优配置相同的云主机规格时，根据所述最优配置实现所述云主机规格的配置操作；当在所述云主机规格配置系统中，不存在与所述最优配置相同的云主机规格时，根据在所述云主机规格配置系统中的高于所述最优配置，并与所述最优配置最接近的云主机规格实现所述云主机规格的配置操作。
进一步地，根据所述最优配置实现云主机规格的配置操作，包括：计算所述云主机的中央处理单元、内存、硬盘、网络带宽和线路的最优配置；根据以下至少之一最优配置实现所述云主机规格配置操作：中央处理单元、内存、硬盘、带宽和线路的最优配置。
第二方面，本公开的实施例提供了一种云主机规格的推荐装置，包括：第一获取模块，用于根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；第一计算模块，用于以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；第二获取模块，用于获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限；第二计算模块，用于根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。
进一步地，所述第二计算模块，还用于：通过所述中央处理单元核心数与所述中央处理单元使用率的乘积确定所述云主机的中央处理单元的有效核心数，并通过所述有效核心数与所述中央处理单元使用率的警戒上限的相除结果确定所述中央处理单元的最优配置；通过所述内存容量与所述内存使用率的乘积确定所述云主机的内存的有效容量，并通过所述有效容量与所述内存使用率的警戒上限的相除结果确定所述内存的最优配置。
第三方面，本公开的实施例提供了一种电子设备。上述电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现如上所述的云主机规格的推荐方法或图像处理的方法。
第四方面，本公开的实施例提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有计算机程序，上述计算机程序被处理器执行时实现如上所述的云主机规格的推荐方法或图像处理的方法。
本公开实施例提供的上述技术方案与现有技术相比至少具有如下优点的部分或全部：根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限。进而根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。采用上述技术手段，解决了现有技术中，在选择云主机规格时，用户只能凭借经验选择和调整云主机规格的问题，进而实现云主机规格的最优推荐，节省用户时间，提高云主机规格调整的效率。
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。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出了本公开实施例一种云主机规格的推荐方法的计算机终端的硬件结构框图；
图2示意性示出了本公开实施例的云主机规格的推荐方法的流程图；
图3示意性示出了本公开实施例的云主机规格的推荐方法的流程示意图；
图4示意性示出了本公开实施例的云主机规格的推荐装置的结构框图；
图5示意性示出了本公开可选实施例的第二计算模块的结构框图；
图6示意性示出了本公开实施例提供的一种电子设备的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本公开。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本公开实施例所提供的方法实施例可以在计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1示意性示出了本公开实施例的一种云主机规格的推荐方法的计算机终端的硬件结构框图。如图1所示，计算机终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器(Microprocessor Unit，简称是MPU)或可编程逻辑器件(Programmable logic device，简称是PLD)等处理装置和用于存储数据的存储器104，可选地，上述计算机终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本公开实施例中的云主机规格的推荐方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。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。
传输设备106用于经由网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施创中提供了一种运行于上述云主机规格的推荐方法，图2示意性示出了本公开实施例的云主机规格的推荐方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202：根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；
步骤S204：以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；
步骤S206：获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限；
步骤S208：根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。
需要说明的是，所述历史数据包括云主机的历史监控数据，所述中央处理单元使用率包括中央处理单元的有效峰值的使用率，所述内存使用率包括内存的有效峰值的使用率，所述云主机规格包括推荐的云主机的中央处理单元核心数和内存容量。
通过本公开，根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限。进而根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。采用上述技术手段，解决了现有技术中，在选择云主机规格时，用户只能凭借经验选择和调整云主机规格的问题，进而实现云主机规格的最优推荐，节省用户时间，提高云主机规格调整的效率。
在步骤S202中，根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据，包括：通过云主机监控系统采集多个云主机的历史数据，并将所述多个云主机的历史数据保存在所述云主机监控系统对应的监控系统数据库中；根据云主机标签从所述监控系统数据库中获取所述预设时间区间内的所述云主机标签对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机标签；或者根据云主机清单从所述监控系统数据库中获取所述预设时间区间内的所述云主机清单对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机清单。
云主机监控系统会以预设周期采集多个云主机的历史数据，并将采集到的多个云主机的历史数据保存在所述云主机监控系统对应的监控系统数据库中，其中，所述历史数据包括关于处理任务或者请求的云主机的中央处理单元的使用信息和关于云主机的内存容量的使用信息。由于每个云主机标签对应一台云主机或者多台云主机，也就是通过云主机标签就可以确定云主机标签对应的云主机。本公开实施例可以根据云主机标签从所述监控系统数据库中获取所述预设时间区间内的所述云主机标签对应的云主机的历史数据。同时，也可以根据云主机清单从所述监控系统数据库中获取的所述云主机清单对应的云主机的历史数据，其中，云主机清单对应的云主机可以是一台云主机或者多台云主机。本公开实施例通过云主机监控系统监控云主机的历史数据，并通过云主机标签或者云主机清单去云主机监控系统中获取云主机标签或者云主机清单对应的云主机的历史数据，就可以获取到所需要的云主机的历史数据。
可选地，本公开实施例根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据。其中，云主机标签可以替换为使用其他分组手段的分组信息。
可选地，本公开实施例还可以通过云主机标识号从所述监控系统数据库中获取所述预设时间区间内的所述云主机标识号对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机标签。
在步骤S204中，以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率，包括：以所述预设时长为周期，并通过所述百分比统计方法和预设百分比对所述历史数据进行计算，以得到多个所述预设时长对应的所述云主机的中央处理单元的多个有效使用率和所述云主机的内存的多个有效使用率，其中，所述预设时间区间可以分为多个所述预设时长；分别对所述中央处理单元的多个有效使用率和所述内存的多个有效使用率进行求平均数操作，以得到所述云主机的中央处理单元使用率和内存使用率。
需要说明的是，上述百分比统计方法可以是最高百分位数的统计方法，也就是TopPercentile统计方法。可选地，本公开实施例通过最高百分位数的统计方法计算所述历史数据，以得到云主机的中央处理单元使用率和内存使用率。
具体地，将预设时间区间分为多个预设时长，以预设百分比和最高百分位数的统计方法计算多个预设时长对应的所述云主机的中央处理单元的多个有效使用率和所述云主机的内存的多个有效使用率，其中，一个预设时长对应的所述云主机的中央处理单元的一个有效使用率可以通过以下方法计算：确定预设百分比x，将该预设时长内的历史数据中1-x(x为百分数)的高值剔除后，取剩余历史数据的最大值作为该有效使用率。通过上述方法，计算得到所述云主机的中央处理单元的多个有效使用率和所述云主机的内存的多个有效使用率的情况下，对所述中央处理单元在多个时间区间内的多个有效使用率进行求平均数操作，以得到所述云主机的中央处理单元使用率；对所述内存的多个有效使用率进行求平均数操作，以得到所述云主机的内存使用率。
需要说明的是，预设时长可以是一小时或者多个小时、一天或者多天等。
在步骤S204中，通过所述百分比统计方法和预设百分比对所述历史数据进行计算之前，所述方法还包括：对所述历史数据进行数据分析处理，并根据所述数据分析处理的结果确定所述预设百分比；或者接收目标对象的数据统计指令，并根据所述数据统计指令确定所述预设百分比。
需要说明的是，可以通过对多个预设时长内的历史数据进行数据分析处理，并根据多个预设时长内的数据分析处理的结果确定预设百分比为何值的情况下，通过百分比统计方法对所述历史数据进行计算的结果更准确，从而确认预设百分比。或者通过接收目标对象的数据统计指令，并根据所述数据统计指令确定所述预设百分比。本公开实施例通过确定一个合适于具体情境的预设百分比，将历史数据中瞬间的毛刺(历史数据中明显大于其他数据的数据)去掉，使统计平均更具真实意义。
在步骤S208中，根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，包括：通过所述中央处理单元核心数与所述中央处理单元使用率的乘积确定所述云主机的中央处理单元的有效核心数，并通过所述有效核心数与所述中央处理单元使用率的警戒上限的相除结果确定所述中央处理单元的最优配置；通过所述内存容量与所述内存使用率的乘积确定所述云主机的内存的有效容量，并通过所述有效容量与所述内存使用率的警戒上限的相除结果确定所述内存的最优配置。
本公开实施例通过所述中央处理单元核心数、所述中央处理单元使用率和中央处理单元使用率的警戒上限确定所述中央处理单元的最优配置，通过所述内存容量、所述内存使用率和所述内存使用率的警戒上限确定所述内存的最优配置，通过所述中央处理单元的最优配置和所述内存的最优配置确定所述云主机的最优配置。
举例说明，比如中央处理单元核心数为4C，内存为8G的云主机，中央处理单元使用率是40％，内存使用率是60％，那么所述云主机的中央处理单元的有效核心数是4C*40％＝1.6C，所述云主机的内存的有效容量为8G*60％＝4.8G。如果所述云主机的中央处理单元使用率的警戒上限和内存使用率的警戒上限均为80％，那么所述云主机的最优配置应为中央处理单元核心数为2C，内存容量为6G。
在一个可选实施例中，如果一个云主机被满负荷运行，但是所述云主机被满负荷运行仍然不能处理完所述云主机的任务或者接收到的请求，那么就不可以通过所述云主机中央处理单元核心数与中央处理单元使用率的乘积确定所述云主机的中央处理单元的有效核心数，也不可以通过所述云主机内存容量与内存使用率的乘积确定所述云主机的内存的有效容量。针对上述情况出现的问题，本公开实施例增加一个任务统计系统，通过任务统计系统统计所述云主机需要处理的任务或者接收到的请求，进而确定出所述云主机的中央处理单元的有效核心数和所述云主机的内存的有效容量。再根据云主机的中央处理单元的有效核心数、云主机的内存的有效容量、云主机的中央处理单元使用率的警戒上限和内存使用率的警戒上限确定所述云主机的最优配置。
在步骤S208中，根据所述最优配置实现云主机规格的配置操作，包括：当在云主机规格配置系统中，存在与所述最优配置相同的云主机规格时，根据所述最优配置实现所述云主机规格的配置操作；当在所述云主机规格配置系统中，不存在与所述最优配置相同的云主机规格时，根据在所述云主机规格配置系统中的高于所述最优配置，并与所述最优配置最接近的云主机规格实现所述云主机规格的配置操作。
通过云主机规格配置系统可以查询现有的云主机规格，如果在云主机规格配置系统中，查询到与所述最优配置相同的云主机规格时，那么根据所述最优配置实现云主机规格的配置操作。如果在所述云主机规格配置系统中，查询不到与所述最优配置相同的云主机规格时，那么根据在所述云主机规格配置系统中的高于所述最优配置，并与所述最优配置最接近的云主机规格实现所述云主机规格的配置操作。
在步骤S208中，根据所述最优配置实现云主机规格的配置操作，包括：计算所述云主机的中央处理单元、内存、硬盘、网络带宽和线路的最优配置；根据以下至少之一最优配置实现所述云主机规格配置操作：中央处理单元、内存、硬盘、带宽和线路的最优配置。
本公开实施例除了可以根据云主机的中央处理单元和内存的相关信息确定所述云主机的最优配置，还可以根据云主机的中央处理单元、内存、硬盘、带宽和线路的相关信息确定所述云主机的最优配置。本公开实施例提供类似于确定云主机的中央处理单元和内存的最优配置的方法，确定中央处理单元、内存、硬盘、带宽和线路的最优配置，进而依据具体情况，根据以下至少之一最优配置实现所述云主机规格配置操作：中央处理单元、内存、硬盘、带宽和线路的最优配置。
以云主机的带宽为例，通过带宽大小与带宽使用率的乘积确定云主机的带宽的有效大小，并通过所述有效大小与所述带宽使用率的警戒上限的相除结果确定所述硬盘的最优配置。
为了更好的理解上述技术方案，本公开实施例还提供了一种可选实施例，用于解释说明上述技术方案。
图3示意性示出了本公开实施例的云主机规格的推荐方法的流程示意图，如图3所示，该流程包括如下步骤：
S302：获取预设时间区间和统计方法、中央处理单元使用率的警戒上限、内存使用率的警戒上限和云主机标签；
S304：根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；
S306：通过所述统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；
S308：根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置；
S310：在云主机规格配置系统中，查询与所述最优配置相同的云主机规格；
S312：判断是否存在与所述最优配置相同的云主机规格；
S314：当在云主机规格配置系统中，存在与所述最优配置相同的云主机规格时，根据所述最优配置推荐所述云主机规格；
S316：当在所述云主机规格配置系统中，不存在与所述最优配置相同的云主机规格时，根据在所述云主机规格配置系统中的高于所述最优配置，并推荐与所述最优配置最接近的云主机规格。
通过本公开，根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限。进而根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。采用上述技术手段，解决了现有技术中，在选择云主机规格时，用户只能凭借经验选择和调整云主机规格的问题，进而实现云主机规格的最优推荐，节省用户时间，提高云主机规格调整的效率。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random AccessMemory，简称为RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本公开各个实施例的方法。
在本实施例中还提供了一种云主机规格的推荐装置，所述云主机规格的推荐装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赞述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4示意性示出了本公开可选实施例的一种云主机规格的推荐装置的结构框图，如图4所示，该装置包括：
第一获取模块402，用于根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；
第一计算模块404，用于以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；
第二获取模块406，用于获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限；
第二计算模块408，用于根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。
需要说明的是，所述历史数据包括云主机的历史监控数据，所述中央处理单元使用率包括中央处理单元的有效峰值的使用率，所述内存使用率包括内存的有效峰值的使用率，所述云主机规格包括推荐的云主机的中央处理单元核心数和内存容量。通过本公开，根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限。进而根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。采用上述技术手段，解决了现有技术中，在选择云主机规格时，用户只能凭借经验选择和调整云主机规格的问题，进而实现云主机规格的最优推荐，节省用户时间，提高云主机规格调整的效率。
图5示意性示出了本公开可选实施例的第二计算模块的结构框图，如图5所示，该模块包括：
第一计算单元，用于通过所述中央处理单元核心数与所述中央处理单元使用率的乘积确定所述云主机的中央处理单元的有效核心数，并通过所述有效核心数与所述中央处理单元使用率的警戒上限的相除结果确定所述中央处理单元的最优配置；
第二计算单元，用于通过所述内存容量与所述内存使用率的乘积确定所述云主机的内存的有效容量，并通过所述有效容量与所述内存使用率的警戒上限的相除结果确定所述内存的最优配置。
本公开实施例通过所述中央处理单元核心数、所述中央处理单元使用率和中央处理单元使用率的警戒上限确定所述中央处理单元的最优配置，通过所述内存容量、所述内存使用率和所述内存使用率的警戒上限确定所述内存的最优配置，通过所述中央处理单元的最优配置和所述内存的最优配置确定所述云主机的最优配置。
举例说明，比如中央处理单元核心数为4C，内存为8G的云主机，中央处理单元使用率是40％，内存使用率是60％，那么所述云主机的中央处理单元的有效核心数是4C*40％＝1.6C，所述云主机的内存的有效容量为8G*60％＝4.8G。如果所述云主机的中央处理单元使用率的警戒上限和内存使用率的警戒上限均为80％，那么所述云主机的最优配置应为中央处理单元核心数为2C，内存容量为6G。
在一个可选实施例中，如果一个云主机被满负荷运行，但是所述云主机被满负荷运行仍然不能处理完所述云主机的任务或者接收到的请求，那么就不可以通过所述云主机中央处理单元核心数与中央处理单元使用率的乘积确定所述云主机的中央处理单元的有效核心数，也不可以通过所述云主机内存容量与内存使用率的乘积确定所述云主机的内存的有效容量。针对上述情况出现的问题，本公开实施例增加一个任务统计系统，通过任务统计系统统计所述云主机需要处理的任务或者接收到的请求，进而确定出所述云主机的中央处理单元的有效核心数和所述云主机的内存的有效容量。再根据云主机的中央处理单元的有效核心数、云主机的内存的有效容量、云主机的中央处理单元使用率的警戒上限和内存使用率的警戒上限确定所述云主机的最优配置。
可选地，第一获取模块还用于通过云主机监控系统采集多个云主机的历史数据，并将所述多个云主机的历史数据保存在所述云主机监控系统对应的监控系统数据库中；根据云主机标签从所述监控系统数据库中获取所述预设时间区间内的所述云主机标签对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机标签；或者根据云主机清单从所述监控系统数据库中获取所述预设时间区间内的所述云主机清单对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机清单。
云主机监控系统会以预设周期采集多个云主机的历史数据，并将采集到的多个云主机的历史数据保存在所述云主机监控系统对应的监控系统数据库中，其中，所述历史数据包括关于云主机的中央处理单元处理任务或者请求的中央处理单元使用信息和关于云主机的内存容量的使用信息。由于每个云主机标签对应一台云主机或者多台云主机，也就是通过云主机标签就可以确定云主机标签对应的云主机。本公开实施例可以根据云主机标签从所述监控系统数据库中获取所述预设时间区间内的所述云主机标签对应的云主机的历史数据。同时，也可以根据云主机清单从所述监控系统数据库中获取的所述云主机清单对应的云主机的历史数据，其中，云主机清单对应的云主机可以是一台云主机或者多台云主机。本公开实施例通过云主机监控系统监控云主机的历史数据，并通过云主机标签或者云主机清单去云主机监控系统中获取云主机标签或者云主机清单对应的云主机的历史数据，就可以获取到所需要的云主机的历史数据。
可选地，本公开实施例根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据。其中，云主机标签可以替换为使用其他分组手段的分组信息。
可选地，本公开实施例还可以通过云主机标识号从所述监控系统数据库中获取所述预设时间区间内的所述云主机标识号对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机标签。
可选地，第一计算模块还用于以所述预设时长为周期，并通过所述百分比统计方法和预设百分比对所述历史数据进行计算，以得到多个所述预设时长对应的所述云主机的中央处理单元的多个有效使用率和所述云主机的内存的多个有效使用率，其中，所述预设时间区间可以分为多个所述预设时长；分别对所述中央处理单元的多个有效使用率和所述内存的多个有效使用率进行求平均数操作，以得到所述云主机的中央处理单元使用率和内存使用率。
需要说明的是，上述百分比统计方法可以是最高百分位数的统计方法，也就是TopPercentile统计方法。可选地，本公开实施例通过最高百分位数的统计方法计算所述历史数据，以得到云主机的中央处理单元使用率和内存使用率。
具体地，将预设时间区间分为多个预设时长，以预设百分比和最高百分位数的统计方法计算多个预设时长对应的所述云主机的中央处理单元的多个有效使用率和所述云主机的内存的多个有效使用率，其中，一个预设时长对应的所述云主机的中央处理单元的一个有效使用率可以通过以下方法计算：确定预设百分比x，将该预设时长内的历史数据中1-x(x为百分数)的高值剔除后，取剩余历史数据的最大值作为该有效使用率。通过上述方法，计算得到所述云主机的中央处理单元的多个有效使用率和所述云主机的内存的多个有效使用率的情况下，对所述中央处理单元在多个时间区间内的多个有效使用率进行求平均数操作，以得到所述云主机的中央处理单元使用率；对所述内存的多个有效使用率进行求平均数操作，以得到所述云主机的内存使用率。
需要说明的是，预设时长可以是一小时或者多个小时、一天或者多天等。
可选地，第一计算模块还用于对所述历史数据进行数据分析处理，并根据所述数据分析处理的结果确定所述预设百分比；或者接收目标对象的数据统计指令，并根据所述数据统计指令确定所述预设百分比。
需要说明的是，可以通过对多个预设时长内的历史数据进行数据分析处理，并根据多个预设时长内的数据分析处理的结果确定预设百分比为何值的情况下，通过百分比统计方法对所述历史数据进行计算的结果更准确，从而确认预设百分比。或者通过接收目标对象的数据统计指令，并根据所述数据统计指令确定所述预设百分比。本公开实施例通过确定一个合适于具体情境的预设百分比，将历史数据中瞬间的毛刺(历史数据中明显大于其他数据的数据)去掉，使统计平均更具真实意义。
可选地，第二计算模块还用于当在云主机规格配置系统中，存在与所述最优配置相同的云主机规格时，根据所述最优配置实现所述云主机规格的配置操作；当在所述云主机规格配置系统中，不存在与所述最优配置相同的云主机规格时，根据在所述云主机规格配置系统中的高于所述最优配置，并与所述最优配置最接近的云主机规格实现所述云主机规格的配置操作。
通过云主机规格配置系统可以查询现有的云主机规格，如果在云主机规格配置系统中，查询到与所述最优配置相同的云主机规格时，那么根据所述最优配置实现云主机规格的配置操作。如果在所述云主机规格配置系统中，查询不到与所述最优配置相同的云主机规格时，那么根据在所述云主机规格配置系统中的高于所述最优配置，并与所述最优配置最接近的云主机规格实现所述云主机规格的配置操作。
可选地，第二计算模块还用于计算所述云主机的中央处理单元、内存、硬盘、网络带宽和线路的最优配置；根据以下至少之一最优配置实现所述云主机规格配置操作：中央处理单元、内存、硬盘、带宽和线路的最优配置。
本公开实施例除了可以根据云主机的中央处理单元和内存的相关信息确定所述云主机的最优配置，还可以根据云主机的中央处理单元、内存、硬盘、带宽和线路的相关信息确定所述云主机的最优配置。本公开实施例提供类似于确定云主机的中央处理单元和内存的最优配置的方法，确定中央处理单元、内存、硬盘、带宽和线路的最优配置，进而依据具体情况，根据以下至少之一最优配置实现所述云主机规格配置操作：中央处理单元、内存、硬盘、带宽和线路的最优配置。
以云主机的带宽为例，通过带宽大小与带宽使用率的乘积确定云主机的带宽的有效大小，并通过所述有效大小与所述带宽使用率的警戒上限的相除结果确定所述硬盘的最优配置。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本公开的实施例提供了一种电子设备。
图6示意性示出了本公开实施例提供的一种电子设备的结构框图。
参照图6所示，本公开实施例提供的电子设备600包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601、通信接口602和存储器603通过通信总线604完成相互间的通信；存储器603，用于存放计算机程序；处理器601，用于执行存储器上所存放的程序时，实现上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该输入输出设备与上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；
S2，以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；
S3，获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限；
S4，根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。
本公开的实施例还提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有计算机程序，上述计算机程序被处理器执行时实现上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；
S2，以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；
S3，获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限；
S4，根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。
该计算机可读存储介质可以是上述实施例中描述的设备/装置中所包含的；也可以是单独存在，而未装配入该设备/装置中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。
显然，本领域的技术人员应该明白，上述的本公开的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本公开不限制于任何特定的硬件和软件结合。
以上所述仅为本公开的优选实施例而已，并不用于限制于本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种云主机规格的推荐方法，其特征在于，包括：
根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；
以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；
获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限；
根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。
2.根据权利要求1所述的云主机规格的推荐方法，其特征在于，根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据，包括：
通过云主机监控系统采集多个云主机的历史数据，并将所述多个云主机的历史数据保存在所述云主机监控系统对应的监控系统数据库中；
根据云主机标签从所述监控系统数据库中获取所述预设时间区间内的所述云主机标签对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机标签；或者
根据云主机清单从所述监控系统数据库中获取所述预设时间区间内的所述云主机清单对应的云主机的历史数据，其中，所述配置请求信息包括所述云主机清单。
3.根据权利要求1所述的云主机规格的推荐方法，其特征在于，以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率，包括：
以所述预设时长为周期，并通过所述百分比统计方法和预设百分比对所述历史数据进行计算，以得到多个所述预设时长对应的所述云主机的中央处理单元的多个有效使用率和所述云主机的内存的多个有效使用率，其中，所述预设时间区间可以分为多个所述预设时长；
分别对所述中央处理单元的多个有效使用率和所述内存的多个有效使用率进行求平均数操作，以得到所述云主机的中央处理单元使用率和内存使用率。
4.根据权利要求3所述的云主机规格的推荐方法，其特征在于，通过所述百分比统计方法和预设百分比对所述历史数据进行计算之前，所述方法还包括：
对所述历史数据进行数据分析处理，并根据所述数据分析处理的结果确定所述预设百分比；或者
接收目标对象的数据统计指令，并根据所述数据统计指令确定所述预设百分比。
5.根据权利要求1所述的云主机规格的推荐方法，其特征在于，根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，包括：
通过所述中央处理单元核心数与所述中央处理单元使用率的乘积确定所述云主机的中央处理单元的有效核心数，并通过所述有效核心数与所述中央处理单元使用率的警戒上限的相除结果确定所述中央处理单元的最优配置；
通过所述内存容量与所述内存使用率的乘积确定所述云主机的内存的有效容量，并通过所述有效容量与所述内存使用率的警戒上限的相除结果确定所述内存的最优配置。
6.根据权利要求1所述的云主机规格的推荐方法，其特征在于，根据所述最优配置实现云主机规格的配置操作，包括：
当在云主机规格配置系统中，存在与所述最优配置相同的云主机规格时，根据所述最优配置实现所述云主机规格的配置操作；
当在所述云主机规格配置系统中，不存在与所述最优配置相同的云主机规格时，根据在所述云主机规格配置系统中的高于所述最优配置，并与所述最优配置最接近的云主机规格实现所述云主机规格的配置操作。
7.根据权利要求1所述的云主机规格的推荐方法，其特征在于，根据所述最优配置实现云主机规格的配置操作，包括：
计算所述云主机的中央处理单元、内存、硬盘、网络带宽和线路的最优配置；
根据以下至少之一最优配置实现所述云主机规格配置操作：中央处理单元、内存、硬盘、带宽和线路的最优配置。
8.一种云主机规格的推荐装置，其特征在于，包括：
第一获取模块，用于根据配置请求信息获取预设时间区间内的所述配置请求信息对应的云主机的历史数据；
第一计算模块，用于以预设时长为周期，并通过百分比统计方法对所述历史数据进行计算，以得到所述云主机的中央处理单元使用率和内存使用率；
第二获取模块，用于获取所述云主机的中央处理单元核心数、所述中央处理单元使用率的警戒上限、内存容量和所述内存使用率的警戒上限；
第二计算模块，用于根据所述中央处理单元核心数、所述中央处理单元使用率的警戒上限、所述内存容量、所述内存使用率的警戒上限、所述中央处理单元使用率和所述内存使用率计算所述云主机的最优配置，并根据所述最优配置选择合适的云主机规格进行推荐。
9.根据权利要求8所述的云主机规格的推荐装置，其特征在于，所述第二计算模块，包括：
第一计算单元，用于通过所述中央处理单元核心数与所述中央处理单元使用率的乘积确定所述云主机的中央处理单元的有效核心数，并通过所述有效核心数与所述中央处理单元使用率的警戒上限的相除结果确定所述中央处理单元的最优配置；
第二计算单元，用于通过所述内存容量与所述内存使用率的乘积确定所述云主机的内存的有效容量，并通过所述有效容量与所述内存使用率的警戒上限的相除结果确定所述内存的最优配置。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110762219.5A CN113569137A (zh) | 2021-07-06 | 2021-07-06 | 云主机规格的推荐方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110762219.5A CN113569137A (zh) | 2021-07-06 | 2021-07-06 | 云主机规格的推荐方法及装置、存储介质、电子装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113569137A true CN113569137A (zh) | 2021-10-29 |
Family
ID=78163762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110762219.5A Pending CN113569137A (zh) | 2021-07-06 | 2021-07-06 | 云主机规格的推荐方法及装置、存储介质、电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113569137A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103593224A (zh) * | 2012-08-13 | 2014-02-19 | 鸿富锦精密工业（深圳）有限公司 | 虚拟机资源配置系统及方法 |
| CN105760230A (zh) * | 2016-02-18 | 2016-07-13 | 广东睿江云计算股份有限公司 | 一种自动调整云主机运行的方法及装置 |
| CN111124669A (zh) * | 2019-11-29 | 2020-05-08 | 苏州浪潮智能科技有限公司 | 一种分布式SaaS软件的运营方法、系统、终端及存储介质 |
| WO2020119051A1 (zh) * | 2018-12-10 | 2020-06-18 | 平安科技（深圳）有限公司 | 云平台资源使用预测方法及终端设备 |
| CN111338788A (zh) * | 2020-02-06 | 2020-06-26 | 福建天泉教育科技有限公司 | 资源配额审批方法、存储介质 |
| CN111400039A (zh) * | 2020-03-10 | 2020-07-10 | 中国联合网络通信集团有限公司 | 云平台的控制方法和装置、云平台系统、电子设备 |
| CN111831451A (zh) * | 2020-07-21 | 2020-10-27 | 平安科技（深圳）有限公司 | 云主机内存分配方法及云主机、设备及存储介质 |
| CN112015971A (zh) * | 2019-05-30 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 云产品的推荐方法、装置、电子设备及计算机可读介质 |
| CN112073389A (zh) * | 2020-08-21 | 2020-12-11 | 苏州浪潮智能科技有限公司 | 云主机安全态势感知系统、方法、设备及存储介质 |
-
2021
- 2021-07-06 CN CN202110762219.5A patent/CN113569137A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103593224A (zh) * | 2012-08-13 | 2014-02-19 | 鸿富锦精密工业（深圳）有限公司 | 虚拟机资源配置系统及方法 |
| CN105760230A (zh) * | 2016-02-18 | 2016-07-13 | 广东睿江云计算股份有限公司 | 一种自动调整云主机运行的方法及装置 |
| WO2020119051A1 (zh) * | 2018-12-10 | 2020-06-18 | 平安科技（深圳）有限公司 | 云平台资源使用预测方法及终端设备 |
| CN112015971A (zh) * | 2019-05-30 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 云产品的推荐方法、装置、电子设备及计算机可读介质 |
| CN111124669A (zh) * | 2019-11-29 | 2020-05-08 | 苏州浪潮智能科技有限公司 | 一种分布式SaaS软件的运营方法、系统、终端及存储介质 |
| CN111338788A (zh) * | 2020-02-06 | 2020-06-26 | 福建天泉教育科技有限公司 | 资源配额审批方法、存储介质 |
| CN111400039A (zh) * | 2020-03-10 | 2020-07-10 | 中国联合网络通信集团有限公司 | 云平台的控制方法和装置、云平台系统、电子设备 |
| CN111831451A (zh) * | 2020-07-21 | 2020-10-27 | 平安科技（深圳）有限公司 | 云主机内存分配方法及云主机、设备及存储介质 |
| CN112073389A (zh) * | 2020-08-21 | 2020-12-11 | 苏州浪潮智能科技有限公司 | 云主机安全态势感知系统、方法、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110312279B (zh) | 一种网络数据的监测方法及装置 | |
| CN112187512B (zh) | 一种基于流量监控的端口自动扩容方法、装置和设备 | |
| CN112564954B (zh) | 一种网络质量的预测方法及装置 | |
| CN108989463B (zh) | 一种数据处理方法和装置 | |
| CN112566078A (zh) | 设备连接方法及装置、存储介质及电子装置 | |
| CN104883705B (zh) | 一种数据业务投诉的问题定位方法及装置 | |
| CN111736938A (zh) | 信息的显示方法及装置、存储介质和电子装置 | |
| CN113821421B (zh) | 一种服务器性能数据采集方法、系统、装置及存储介质 | |
| CN113452576A (zh) | 网络环境的监控方法及装置、存储介质、电子装置 | |
| CN110087226B (zh) | 流量统计方法、装置、存储介质及电子装置 | |
| CN113722088A (zh) | 云主机规格的推荐方法及装置、存储介质、电子装置 | |
| CN113569137A (zh) | 云主机规格的推荐方法及装置、存储介质、电子装置 | |
| CN110781878B (zh) | 目标区域的确定方法及装置、存储介质、电子装置 | |
| CN109753599B (zh) | 推荐业务的方法和装置 | |
| CN114675551A (zh) | 操作行为的确定方法和装置、存储介质及电子装置 | |
| CN110578989B (zh) | 空调的调试方法及装置、空调和存储介质 | |
| CN110445784B (zh) | 运行数据的显示方法及装置、能源系统 | |
| CN113676347B (zh) | 服务器的负载预测方法和装置、存储介质及电子装置 | |
| CN115226152B (zh) | 一种卫星网络的通信方法、系统、电子设备及存储介质 | |
| CN111371908A (zh) | 发送信息的方法、装置、存储介质及电子装置 | |
| CN110647543A (zh) | 数据聚合方法、装置以及存储介质 | |
| CN113676273B (zh) | 一种参考信号信噪比的获取方法、终端和基站 | |
| CN114302430B (zh) | 一种数据分析方法、装置、存储介质及设备 | |
| CN113852975B (zh) | 基站的协议栈程序的性能确定方法及装置 | |
| CN111190476A (zh) | 运行状态的确定方法和装置、存储介质及电子装置 |
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 |