CN113590337B - 一种云环境下自动调整云主机配置的方法及装置 - Google Patents
一种云环境下自动调整云主机配置的方法及装置 Download PDFInfo
- Publication number
- CN113590337B CN113590337B CN202110925003.6A CN202110925003A CN113590337B CN 113590337 B CN113590337 B CN 113590337B CN 202110925003 A CN202110925003 A CN 202110925003A CN 113590337 B CN113590337 B CN 113590337B
- Authority
- CN
- China
- Prior art keywords
- cloud host
- cloud
- resource allocation
- burst mode
- configuration
- 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 54
- 238000013468 resource allocation Methods 0.000 claims abstract description 109
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 230000001960 triggered effect Effects 0.000 claims abstract description 25
- 238000005070 sampling Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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]
- G06F9/5061—Partitioning or combining of resources
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开提供一种云环境下自动调整云主机配置的方法及装置,该方法包括:定期采集云主机的资源使用数据并进行存储;其中,云主机具有基础性能且支持性能突发模式;获取预设时间周期内存储的目标资源使用数据,并将目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务;若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行云主机的资源配置调整。本公开实现具有基础性能且支持性能突发模式的云主机,在无需人工介入且不中断业务服务的情况下自动触发变更云主机的性能突发模式以调整资源配置。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种云环境下自动调整云主机配置的方法及装置。
背景技术
云主机是云服务商提供的一种基础计算服务单元,提供处理能力可弹性伸缩的计算服务,用户根据其业务特点及要求选择一定配置的云主机及其他云产品部署业务。但是云服务存在业务波动情况下资源不足或过剩的问题。为解决该问题,现有技术在业务运行过程中根据监控获取云主机资源使用指标或者业务指标,人工判断资源是否不足或过剩,手动调整承载业务的云主机配置。上述方式需人工介入判断是否需要调整云主机资源配置并操作,时效性差,而且调整配置需要关机处理,将影响业务服务能力。
发明内容
本公开提供一种云环境下自动调整云主机配置的方法及装置,用以解决现有技术中需人工介入导致时效性差以及调整配置使业务夫服务能力受到影响的缺陷,实现在无需人工介入且不中断业务服务的情况下自动调整云主机的资源配置。
本公开提供一种云环境下自动调整云主机配置的方法,包括:
定期采集云主机的资源使用数据并进行存储;其中,所述云主机具有基础性能且支持性能突发模式;
获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务;
若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整。
根据本公开提供的一种云环境下自动调整云主机配置的方法,在执行所述云主机的资源配置调整之后,所述方法还包括:
获取所述资源调配任务的执行结果,若所述资源调配任务成功,则向终端用户发送配置调整成功信息;
若所述资源调配任务失败,则继续执行所述资源调配任务直到达到预设的重试次数,若重试失败则向终端用户发送配置调整失败信息。
根据本公开提供的一种云环境下自动调整云主机配置的方法,所述方法还包括:
根据历史资源使用数据提取特征指标,基于所述特征指标建立分析预测模型。
根据本公开提供的一种云环境下自动调整云主机配置的方法,所述特征指标包括CPU利用率、内存利用率、请求响应时间或并发用户数量。
根据本公开提供的一种云环境下自动调整云主机配置的方法,所述将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发调配任务,包括:
将所述目标资源使用数据输入至对应的分析预测模型,若所述目标资源使用数据中对应所述特征指标的连续周期采样值均大于预设最大阈值,则触发所述资源调配任务以开启云主机的性能突发模式;
若所述连续周期采样值均小于预设最小阈值,则触发所述资源调配任务以关闭云主机的性能突发模式。
本公开还提供一种云环境下自动调整云主机配置的装置,包括:
第一处理单元,用于定期采集云主机的资源使用数据并进行存储;其中,所述云主机具有基础性能且支持性能突发模式;
第二处理单元,用于获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务;
第三处理单元,用于若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整。
根据本公开提供的一种云环境下自动调整云主机配置的装置,所述第三处理单元还用于:
获取所述资源调配任务的执行结果,若所述资源调配任务成功,则向终端用户发送配置调整成功信息;
若所述资源调配任务失败,则继续执行所述资源调配任务直到达到预设的重试次数,若重试失败则向终端用户发送配置调整失败信息。
根据本公开提供的一种云环境下自动调整云主机配置的装置,所述第二处理单元还用于:
根据历史资源使用数据提取特征指标,基于所述特征指标建立分析预测模型。
根据本公开提供的一种云环境下自动调整云主机配置的装置,所述第二处理单元提取的特征指标包括CPU利用率、内存利用率、请求响应时间或并发用户数量。
根据本公开提供的一种云环境下自动调整云主机配置的装置,所述第二处理单元还用于:
将所述目标资源使用数据输入至对应的分析预测模型,若所述目标资源使用数据中对应所述特征指标的连续周期采样值均大于预设最大阈值,则触发所述资源调配任务以开启云主机的性能突发模式;
若所述连续周期采样值均小于预设最小阈值,则触发所述资源调配任务以关闭云主机的性能突发模式。
本公开还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述云环境下自动调整云主机配置的方法的步骤。
本公开还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述云环境下自动调整云主机配置的方法的步骤。
本公开提供的云环境下自动调整云主机配置的方法及装置,通过定期采集云主机的资源使用数据并进行存储以监控云主机资源的使用情况,然后基于预设时间周期内存储的目标资源使用数据由系统自动分析及预测,判断是否开启或关闭云主机的性能突发模式,实现在无需人工介入且不中断业务服务的情况下自动触发变更云主机的性能突发模式以调整资源配置。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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。
图1是本公开实施例提供的云环境下自动调整云主机配置的方法的流程示意图之一;
图2是本公开实施例提供的云环境下自动调整云主机配置的方法的流程示意图之二;
图3是本公开实施例提供的云环境下自动调整云主机配置的方法的流程示意图之三;
图4是本公开实施例提供的云环境下自动调整云主机配置的方法的流程示意图之四;
图5是本公开实施例提供的云环境下自动调整云主机配置的装置的结构示意图;
图6是本公开实施例提供的电子设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中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公开实施例一部分实施例,而不是全部的实施例。基于本公开实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开实施例保护的范围。
在云环境下,对比传统的互联网数据中心(Internet Data Center,IDC)模式,用户无需前期投入大量成本购买硬件服务器,无需投入大量精力进行人工运维,仅需支付云服务商根据用户所申请的云资源具体配置、数量、使用时长等生成账单费用。但是由于业务负载存在波动的情况,导致云资源出现不足或过剩的问题。若云资源不足以支撑业务增量,则业务服务质量将受影响,而在业务量下降的情况下,云资源过剩则浪费成本,用户追求最高性价比,即要求保证业务正常运行同时尽可能节约成本。
为解决上述问题,现有技术在业务运行过程中,根据监控获取的现有云主机资源使用指标,如云主机CPU利用率、内存使用率等,或者业务指标,如请求响应时间、并发用户数等,人工判断云资源是否不足或过剩,手动调整承载业务的云主机配置,如当业务突增时候从CPU:2核,内存4GB调整为CPU:4核,内存:8GB。但是人工介入判断是否需要调整云主机资源配置并操作,时效性差,此外,调整云主机配置需要对云主机关机处理,将影响业务服务能力,若只使用单台云主机部署业务,关机调整配置将会导致业务服务完全中断。
因此,本公开提供一种承诺一定基准性能并支持开启性能突发的云主机,根据实时业务负载情况,通过分析预测模型判断是否要去调整云主机的突发状态,无需人工介入,在不中断或影响业务的情况下触发自动调整云主机的突发状态。使用户仅需为云主机突发的性能付费,节约成本。
其中,资源配置是指云主机能提供服务能力的单位描述,包括vCPU核数(核)、内存容量(GB)、本地存储容量(GB)及本地GPU卡(卡)等,比如一台4核8GB云主机。基准性能是指相对于性能突发的场景而言,任意时刻云主机均能以不低于该标准的性能提供服务。性能突发是指对于一台已知配置的云主机,如CPU2核,内存4GB,在开启性能突发时,可提供超过2核4GB的服务能力。
下面结合图1-图6描述本公开各实施例提供的技术方案。
图1为本公开一实施例提供的云环境下自动调整云主机配置的方法的流程示意图,如图1所示,该方法具体包括:
步骤110、定期采集云主机的资源使用数据并进行存储;其中,所述云主机具有基础性能且支持性能突发模式。
具体来说,云主机具有基础性能且支持性能突发模式,其中,基准性能是指相对于性能突发的场景而言,任意时刻云主机均能以不低于该标准的性能提供服务。性能突发是指对于一台已知配置的云主机,在开启性能突发模式时,可提供超过该配置的服务能力。由运行在云主机内部的程序(由云服务提供商提供或用户自行实现)以一定周期采集云主机资源使用情况,比如以一秒为周期,定期采集云主机的CPU利用率,内存利用率等数据,并将采集数据进行存储。
步骤120、获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务。
具体来说,从存储设备中获取一定时间周期内的该云主机的目标资源使用数据,并将其输入至分析预测模型中,根据模型的分析及预预测结果,判断是否触发资源调配任务。其中,分析预测模型为基于历史资源使用数据建立的最优模型,将目标资源使用数据输入至分析预测模型,若对目标资源使用数据的分析预测结果表明云主机当前的资源配置不足以支撑业务增量,或业务量下降导致云资源过剩,则均需触发资源调配任务;若分析预测结果表明当前的业务量处于基准水平,则不需要触发资源调配任务。
步骤130、若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整。
具体来说,对于云主机当前的资源配置不足以支撑业务增量的情况,需要开启云主机的性能突发模式以增强云主机的服务能力保证业务正常运行。对于业务量下降导致云资源过剩的情况,为尽可能节约成本,需要关闭云主机的性能突发模式。
本公开提供的云环境下自动调整云主机配置的方法,通过定期采集云主机的资源使用数据并进行存储以监控云主机资源的使用情况,然后基于预设时间周期内存储的目标资源使用数据由系统自动分析及预测,判断是否开启或关闭云主机的性能突发模式,实现在无需人工介入且不中断业务服务的情况下自动触发变更云主机的性能突发模式以调整资源配置。
图2为本公开一实施例提供的云环境下自动调整云主机配置的方法的流程示意图,如图2所示,该方法包括:
步骤210、定期采集云主机的资源使用数据并进行存储。
步骤220、获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务。
步骤230、若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整。
步骤240、获取所述资源调配任务的执行结果,若所述资源调配任务成功,则向终端用户发送配置调整成功信息。
步骤250、若所述资源调配任务失败,则继续执行所述资源调配任务直到达到预设的重试次数,若重试失败则向终端用户发送配置调整失败信息。
需要说明的是,在触发资源调配任务执行云主机资源配置调整的的过程中,需要监控任务的执行情况,对于资源调配任务执行失败的情况,需要进行有限次数重试。另外,由于用户根据所申请的云资源具体配置、数量、使用时长等生成账单费用支付给云服务商,所以对于云主机的资源配置的调整结果需要及时通知用户。
进一步地,在本公开一实施例中,根据历史资源使用数据提取特征指标,基于所述特征指标建立分析预测模型。
具体来说,根据历史资源使用数据进行数据分析,确定与云主机资源配置相关的关键指标作为特征指标,并基于特征指标建立分析预测模型。例如输出以下分析预测模型:
(1)当特征指标A或特征指标B同时连续N个采样周期的采样值A1~An,B1~Bn均大于阈值Amax,Bmax,则需要开启云主机的性能突发模式;
(2)当特征指标A与特征指标B同时连续N个采样周期的采样值A1~An及B1~Bn均小于阈值Amin及Bmin,则需要关闭云主机的性能突发模式。
其中,常用的特征指标包括资源使用指标如CPU利用率、内存利用率,或业务指标如请求响应时间、并发用户数量等。同时分析预测模型具备自动优化的能力,随着资源使用数据的不断积累和更新,模型参数会不断修正调整达到最优的效果,包括基于历史资源使用数据提取新的特征指标,或者更新如上述分析预测模型中的阈值参数、连续的采样周期数量等。
图3为本公开一实施例提供的云环境下自动调整云主机配置的方法的流程示意图,如图3所示,该方法包括:
步骤310、定期采集云主机的资源使用数据并进行存储。
步骤320、获取预设时间周期内存储的目标资源使用数据,将所述目标资源使用数据输入至对应的分析预测模型,若所述目标资源使用数据中对应所述特征指标的连续周期采样值均大于预设最大阈值,则触发所述资源调配任务以开启云主机的性能突发模式。
步骤330、若所述连续周期采样值均小于预设最小阈值,则触发所述资源调配任务以关闭云主机的性能突发模式。
下面以CPU利用率作为特征指标说明上述流程,首先,基于特征指标CPU利用率建立对应的分析预测模型:当一台云主机的CPU利用率连续15个周期超过80%,则需要触发资源调配任务以开启性能突发模式;当一台云主机的CPU利用率连续15个周期低于30%,则需要触发资源调配任务以关闭性能突发模式。设置计数器N_up和N_down用于连续周期数的计数,其中,N_up表示CPU利用率高于最大阈值的连续周期数,N_down表示CPU利用率低于最小阈值的连续周期数。
具体流程如图4所示,首先,在业务部署完成后,将参数N_up和N_down分别初始化为0;然后获取最新一个采集周期的CPU利用率的采样值,判断该采样值是否大于最大阈值80%,若大于80%,则将N_up的计数值自增1并判断采样值数量是否达到连续15个周期,若已达到,则触发资源调配任务以开启云主机的性能突发模式并将N_up重置为0,若未达到,则继续获取下一个采集周期的CPU利用率的采样值;若不大于80%,则将N_up置为0并继续判断该采样值是否小于最小阈值30%,若小于30%,则将N_down的计数值自增1并判断采样值数量是否达到连续15个周期,若已达到,则触发资源调配任务以关闭云主机的性能突发模式并将N_down重置为0,若未达到,则继续获取下一个采集周期的CPU利用率的采样值。
步骤340、若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整。
具体来说,根据上述例子,若CPU利用率的连续周期采样值均大于预设最大阈值80%,触发了资源调配任务,则开启云主机的性能突发模式以执行该云主机的资源配置调整。若CPU利用率的连续周期采样值均小于预设最小阈值30%,触发了资源调配任务,则关闭云主机的性能突发模式以执行该云主机的资源配置调整。
步骤350、获取所述资源调配任务的执行结果,若所述资源调配任务成功,则向终端用户发送配置调整成功信息。
步骤360、若所述资源调配任务失败,则继续执行所述资源调配任务直到达到预设的重试次数,若重试失败则向终端用户发送配置调整失败信息。
综上所述,本公开提供的云环境下自动调整云主机配置的方法,通过定期采集云主机的资源使用数据并进行存储以监控云主机资源的使用情况,然后基于预设时间周期内存储的目标资源使用数据由系统自动分析及预测,即通过对云资源使用过程中的关键指标如资源使用指标、业务指标进行分析,进而判断是否开启或关闭云主机的性能突发模式,实现在无需人工介入且不中断业务服务的情况下自动触发变更云主机的性能突发模式以调整资源配置。同时,监控资源调配任务的执行情况并及时通知终端用户。
下面对本公开实施例提供的云环境下自动调整云主机配置的装置进行描述,下文描述的云环境下自动调整云主机配置的装置与上文描述的云环境下自动调整云主机配置的方法可相互对应参照。
图5为本公开提供的云环境下自动调整云主机配置的装置,如图5所示,该装置包括:
第一处理单元510,用于定期采集云主机的资源使用数据并进行存储;其中,所述云主机具有基础性能且支持性能突发模式。
具体来说,由运行在云主机内部的程序(由云服务提供商提供或用户自行实现)以一定周期采集云主机资源使用情况,比如以一秒为周期,定期采集云主机的CPU利用率,内存利用率等数据并将采集数据进行存储。采集后的资源使用数据通过开放应用程序接口(Open Application Programming Interface,OpenAPI)上报至监控数据存储系统进行存储,如云服务厂商提供的基于时序数据库实现的云监控服务。其中,OpenAPI是一些预先定义的接口,用于实现特定的动作或逻辑,无需对使用方暴露内部实现逻辑。
第二处理单元520,用于获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务。
具体来说,从存储设备中获取一定时间周期内的该云主机的目标资源使用数据,并将其输入至分析预测模型中,根据模型的分析及预预测结果,判断是否触发资源调配任务。其中,分析预测模型为基于历史资源使用数据建立的最优模型,将目标资源使用数据输入至分析预测模型,若对目标资源使用数据的分析预测结果表明云主机当前的资源配置不足以支撑业务增量,或业务量下降导致云资源过剩,则均需触发资源调配任务;若分析预测结果表明当前的业务量处于基准水平,则不需要触发资源调配任务。
第三处理单元530,用于若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整。
需要说明的是,任务是指一个具体调整资源配置的动作,第三处理单元负责监听任务、执行任务。具体来说,第三处理单元监听到有资源调配任务后,通过云服务厂商提供的OpenAPI调用云主机调配API触发资源调配任务。对于云主机当前的资源配置不足以支撑业务增量的情况,需要开启云主机的性能突发模式以增强云主机的服务能力保证业务正常运行。对于业务量下降导致云资源过剩的情况,为尽可能节约成本,需要关闭云主机的性能突发模式。
本公开提供的云环境下自动调整云主机配置的装置,通过定期采集云主机的资源使用数据并进行存储以监控云主机资源的使用情况,然后基于预设时间周期内存储的目标资源使用数据由系统自动分析及预测,判断是否开启或关闭云主机的性能突发模式,实现在无需人工介入且不中断业务服务的情况下自动触发变更云主机的性能突发模式以调整资源配置。
根据本公开提供的一种云环境下自动调整云主机配置的装置,所述第三处理单元530还用于:
获取所述资源调配任务的执行结果,若所述资源调配任务成功,则向终端用户发送配置调整成功信息;
若所述资源调配任务失败,则继续执行所述资源调配任务直到达到预设的重试次数,若重试失败则向终端用户发送配置调整失败信息。
需要说明的是,第三处理单元也负责检查资源调配任务的执行结果。具体来说,第三处理单元检查任务完成情况,并针对任务结果执行其他不同操作:若任务成功则通知终端用户并继续监听资源调配任务,若失败后则进行有限次数重试,若重试仍失败则通知终端用户并继续监听资源调配任务。
根据本公开提供的一种云环境下自动调整云主机配置的装置,所述第二处理单元520还用于:
根据历史资源使用数据提取特征指标,基于所述特征指标建立分析预测模型。
具体来说,根据历史资源使用数据进行数据分析,确定与云主机资源配置相关的关键指标作为特征指标,并基于特征指标建立分析预测模型。其中,常用的特征指标包括CPU利用率、内存利用率、请求响应时间或并发用户数量等。同时分析预测模型具备自动优化的能力,随着资源使用数据的不断积累和更新,模型参数会不断修正调整达到最优的效果,包括基于历史资源使用数据提取新的特征指标,或者更新如上述分析预测模型中的阈值参数、连续的采样周期数量等。
例如输出以下分析预测模型:
(1)当特征指标请求响应时间或特征指标并发用户数量同时连续10个采样周期的采样值均大于各自的最大阈值,则需要开启云主机的性能突发模式;
(2)当特征指标请求响应时间与特征指标并发用户数量同时连续10个采样周期的采样值均小于各自的最小阈值,则需要关闭云主机的性能突发模式。
根据本公开提供的一种云环境下自动调整云主机配置的装置,所述第二处理单元520还用于:
将所述目标资源使用数据输入至对应的分析预测模型,若所述目标资源使用数据中对应所述特征指标的连续周期采样值均大于预设最大阈值,则触发所述资源调配任务以开启云主机的性能突发模式;
若所述连续周期采样值均小于预设最小阈值,则触发所述资源调配任务以关闭云主机的性能突发模式。
综上所述,本公开提供的云环境下自动调整云主机配置的装置,通过定期采集云主机的资源使用数据并进行存储以监控云主机资源的使用情况,然后基于预设时间周期内存储的目标资源使用数据由系统自动分析及预测,即通过对云资源使用过程中的关键指标如资源使用指标、业务指标进行分析,进而判断是否开启或关闭云主机的性能突发模式,实现在无需人工介入且不中断业务服务的情况下自动触发变更云主机的性能突发模式以调整资源配置。同时,监控资源调配任务的执行情况并及时通知终端用户。
图6示例了一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行云环境下自动调整云主机配置的方法,该方法包括:定期采集云主机的资源使用数据并进行存储;其中,所述云主机具有基础性能且支持性能突发模式;获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务;若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整。
此外,上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本公开还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各实施例方法所提供的云环境下自动调整云主机配置的方法,该方法包括:定期采集云主机的资源使用数据并进行存储;其中,所述云主机具有基础性能且支持性能突发模式;获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务;若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整。
又一方面,本公开还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例方法提供的云环境下自动调整云主机配置的方法,该方法包括:定期采集云主机的资源使用数据并进行存储;其中,所述云主机具有基础性能且支持性能突发模式;获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务;若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整。
以上所描述的装置实施例仅仅是示意性的,其中所述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,作为单元显示的部件可以是或者也可以不是物理单元,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在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围。
Claims (10)
1.一种云环境下自动调整云主机配置的方法,其特征在于,包括:
定期采集云主机的资源使用数据并进行存储;其中,所述云主机具有基础性能且支持性能突发模式;在开启性能突发模式时,所述云主机提供超过基础性能的服务能力;
获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务;
若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整;若云主机当前的资源配置不足以支撑业务增量,则开启云主机的性能突发模式;若业务量下降导致云资源过剩,则关闭云主机的性能突发模式。
2.根据权利要求1所述的云环境下自动调整云主机配置的方法,其特征在于,在执行所述云主机的资源配置调整之后,所述方法还包括:
获取所述资源调配任务的执行结果,若所述资源调配任务成功,则向终端用户发送配置调整成功信息;
若所述资源调配任务失败,则继续执行所述资源调配任务直到达到预设的重试次数,若重试失败则向终端用户发送配置调整失败信息。
3.根据权利要求1所述的云环境下自动调整云主机配置的方法,其特征在于,所述方法还包括:
根据历史资源使用数据提取特征指标,基于所述特征指标建立分析预测模型。
4.根据权利要求3所述的云环境下自动调整云主机配置的方法,其特征在于,所述特征指标包括CPU利用率、内存利用率、请求响应时间或并发用户数量。
5.根据权利要求3所述的云环境下自动调整云主机配置的方法,其特征在于,所述将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发调配任务,包括:
将所述目标资源使用数据输入至对应的分析预测模型,若所述目标资源使用数据中对应所述特征指标的连续周期采样值均大于预设最大阈值,则触发所述资源调配任务以开启云主机的性能突发模式;
若所述连续周期采样值均小于预设最小阈值,则触发所述资源调配任务以关闭云主机的性能突发模式。
6.一种云环境下自动调整云主机配置的装置,其特征在于,包括:
第一处理单元,用于定期采集云主机的资源使用数据并进行存储;其中,所述云主机具有基础性能且支持性能突发模式;在开启性能突发模式时,所述云主机提供超过基础性能的服务能力;
第二处理单元单元,用于获取预设时间周期内存储的目标资源使用数据,并将所述目标资源使用数据输入至分析预测模型进行分析及预测,判断是否触发资源调配任务;
第三处理单元,用于若触发资源调配任务,则开启或关闭所述云主机的性能突发模式以执行所述云主机的资源配置调整;若云主机当前的资源配置不足以支撑业务增量,则开启云主机的性能突发模式;若业务量下降导致云资源过剩,则关闭云主机的性能突发模式。
7.根据权利要求6所述的云环境下自动调整云主机配置的装置,其特征在于,所述第三处理单元还用于:
获取所述资源调配任务的执行结果,若所述资源调配任务成功,则向终端用户发送配置调整成功信息;
若所述资源调配任务失败,则继续执行所述资源调配任务直到达到预设的重试次数,若重试失败则向终端用户发送配置调整失败信息。
8.根据权利要求6所述的云环境下自动调整云主机配置的装置,其特征在于,所述第二处理单元还用于:
根据历史资源使用数据提取特征指标,基于所述特征指标建立分析预测模型。
9.一种电子设备,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程序时实现如权利要求1至5任一项所述云环境下自动调整云主机配置的方法的步骤。
10.一种非暂态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如权利要求1至5任一项所述云环境下自动调整云主机配置的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110925003.6A CN113590337B (zh) | 2021-08-12 | 2021-08-12 | 一种云环境下自动调整云主机配置的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110925003.6A CN113590337B (zh) | 2021-08-12 | 2021-08-12 | 一种云环境下自动调整云主机配置的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113590337A CN113590337A (zh) | 2021-11-02 |
CN113590337B true CN113590337B (zh) | 2024-05-17 |
Family
ID=78257685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110925003.6A Active CN113590337B (zh) | 2021-08-12 | 2021-08-12 | 一种云环境下自动调整云主机配置的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113590337B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114168325A (zh) * | 2021-11-26 | 2022-03-11 | 山东浪潮科学研究院有限公司 | 基于边缘环境的弹性伸缩方法及装置 |
CN114896296B (zh) * | 2022-02-24 | 2023-08-11 | 浙江华通云数据科技有限公司 | 云服务资源配置方法、装置、电子设备及计算机可读介质 |
CN115118594B (zh) * | 2022-06-28 | 2023-08-22 | 平安银行股份有限公司 | 资源分配方法、装置、设备及计算机可读存储介质 |
CN115529241A (zh) * | 2022-08-22 | 2022-12-27 | 中国电信股份有限公司 | 一种资源配置方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109753339A (zh) * | 2017-11-06 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 资源配置方法和装置以及电子设备 |
CN110198244A (zh) * | 2019-06-19 | 2019-09-03 | 北京百度网讯科技有限公司 | 面向异构云服务的资源配置方法和装置 |
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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9158586B2 (en) * | 2011-10-10 | 2015-10-13 | Cox Communications, Inc. | Systems and methods for managing cloud computing resources |
US20180241811A1 (en) * | 2017-02-22 | 2018-08-23 | Intel Corporation | Identification of incompatible co-tenant pairs in cloud computing |
US11265215B2 (en) * | 2018-08-22 | 2022-03-01 | Vmware, Inc. | System and method of strategy driven optimization of computer resource configurations in a cloud environment |
-
2021
- 2021-08-12 CN CN202110925003.6A patent/CN113590337B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109753339A (zh) * | 2017-11-06 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 资源配置方法和装置以及电子设备 |
CN110198244A (zh) * | 2019-06-19 | 2019-09-03 | 北京百度网讯科技有限公司 | 面向异构云服务的资源配置方法和装置 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN113590337A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113590337B (zh) | 一种云环境下自动调整云主机配置的方法及装置 | |
CN110515820B (zh) | 一种服务器故障维护方法、装置、服务器及存储介质 | |
CN110378487B (zh) | 横向联邦学习中模型参数验证方法、装置、设备及介质 | |
CN110730136B (zh) | 一种实现流量控制的方法、装置、服务器及存储介质 | |
CN112783725B (zh) | 指标采集方法及装置 | |
CN108874324B (zh) | 一种访问请求处理方法、装置、设备及可读存储介质 | |
CN110955586A (zh) | 一种基于日志的系统故障预测方法、装置和设备 | |
CN113885971A (zh) | 一种基于自适应平台系统的状态管理方法及装置 | |
CN112052088A (zh) | 自适应的进程cpu资源限制方法、装置、终端及存储介质 | |
CN111754218A (zh) | 支付方式推荐方法和装置 | |
CN116069367A (zh) | 批量更新应用程序的方法、终端、计算机设备及存储介质 | |
CN106375372B (zh) | 一种大数据资源分配方法和装置 | |
CN114048033A (zh) | 跑批任务的负载均衡方法、装置及计算机设备 | |
CN112579257A (zh) | 一种虚拟中央处理器核心的调度方法、装置及相关设备 | |
CN110191460B (zh) | 一种新入网用户监测方法及平台 | |
CN107957942B (zh) | 一种sql脚本的故障修复方法及其终端 | |
CN112311599A (zh) | 云资源余量报警方法、装置及服务器 | |
CN109361951B (zh) | 一种视频数据缓存方法、装置及用户终端 | |
CN116954869B (zh) | 任务调度系统及方法、设备 | |
CN110932927B (zh) | 一种业务处理方法、装置、设备及可读存储介质 | |
CN111367640B (zh) | 数据统计周期确定方法、装置、电子设备及存储介质 | |
CN109062705B (zh) | 进程间通信的监控方法、电子装置以及可读存储介质 | |
CN112312445B (zh) | 语音呼叫的处理方法、装置、存储介质和服务器 | |
CN115061632A (zh) | 存储区域网络性能优化方法、系统、终端及存储介质 | |
CN115034319A (zh) | 一种账号分组方法、装置及电子设备 |
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 |