CN113626283A - 一种分布式系统节点资源评估方法、装置 - Google Patents
一种分布式系统节点资源评估方法、装置 Download PDFInfo
- Publication number
- CN113626283A CN113626283A CN202110837843.7A CN202110837843A CN113626283A CN 113626283 A CN113626283 A CN 113626283A CN 202110837843 A CN202110837843 A CN 202110837843A CN 113626283 A CN113626283 A CN 113626283A
- Authority
- CN
- China
- Prior art keywords
- resource
- node
- calculating
- service
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 94
- 238000012544 monitoring process Methods 0.000 claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 55
- 238000004590 computer program Methods 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种分布式系统节点资源评估方法、装置，所述方法包括如下步骤：获取节点资源的监控信息；根据资源的监控信息计算节点资源负载评估指标；根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。提取节点资源负载评估指标来评估节点资源负载状态，为任务调度提供较为准确的资源实时性能信息。节点资源负载评估可以为应用部署和调度等问题等提供依据。提高分布式环境中的资源利用率。
Description
技术领域
本发明涉及分布式系统节点资源管理技术领域，具体涉及一种分布式系统节点资源评估方法、装置。
背景技术
分布式环境是动态的变化的，当前节点资源负载评估主要是一些物理性能指标或静态的指标，如存储容量、CPU计算能力、网络带宽等，也就是，对这些网络资源的现状及其占用情况通过直接在网管上的静态数据库进行处理。对于复杂的网络资源，采用静态指标进行数据统计和分析时存在不准确性，可靠性也比较低，最主要的是这些指标的非标志性和不确定性使他们很难反应云资源的实际负载情况。
发明内容
针对现有的分布式环境中节点资源评估的指标的非标志性和不确定性使他们很难反应云资源的实际负载情况的问题，本发明提供一种分布式系统节点资源评估方法、装置。
本发明的技术方案是：
第一方面，本发明技术方案提供一种分布式系统节点资源评估方法，包括如下步骤：
获取节点资源的监控信息；
根据资源的监控信息计算节点资源负载评估指标；
根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
节点资源负载评估是从资源的可用性监控信息中，提取节点资源负载评估指标来评估节点资源负载状态，为任务调度提供较为准确的资源实时性能信息。
进一步的，所述的根据资源的监控信息计算节点资源负载评估指标的步骤中，评估指标包括资源请求量，计算资源请求量的步骤包括：
在监控信息中获取每个资源节点在单位时间内收到的服务请求数目；
计算单个资源节点在单位时间内收到的平均服务请求数目；
根据单个资源节点单位时间的收到的服务请求数目求和计算资源节点的资源请求量。
进一步的，所述的根据资源的监控信息计算节点资源负载评估指标的步骤中，评估指标包括资源可用时间，计算资源可用时间的步骤包括：
在监控信息中获取每个资源节点状态信息；
在状态信息中计算资源节点的资源可用时间；其中，资源可用时间为资源节点处于可用状态的时间。
进一步的，所述的根据资源的监控信息计算节点资源负载评估指标的步骤中，评估指标包括资源服务强度，计算资源服务强度的步骤包括：
根据资源节点的资源请求量和资源可用时间计算资源服务强度；
资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
进一步的，所述的根据资源节点的资源请求量和资源可用时间计算资源服务强度的步骤包括：
获取每个资源节点的并行服务能力值；
将各个资源节点的并行服务能力值求和计算资源节点的并行服务能力；
计算资源节点的资源请求量与资源服务强度和资源可用时间乘积的比值为资源服务强度。
进一步的，所述的根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估的步骤中，计算第j个资源节点的负载值lj的公式：
其中，w1,w2,w3为动态调节权值，rj为第j个资源节点的资源请求量，hj第j个资源节点的资源可用时间，qj为第j个资源节点的资源服务强度，R为集群资源请求量，H为集群资源可用时间，Q为集群资源服务强度，R，H，Q均为常数。
进一步的，该方法还包括：
在每一个评估周期中自适应地动态调节权值wk；
wk＝w0+μ(w1-w0) (1-2)
其中，w0的取值范围是[0,0.5]的常数，w1的取值范围是[0,1]的常数，且w1>w0；μ是取值范围为[0,1]的随机数。
节点资源负载评估可以为应用部署和调度等问题等提供依据。提高分布式环境中的资源利用率。
第二方面，本发明技术方案还提供一种分布式系统节点资源评估装置，包括监控信息获取模块、评估指标计算模块、负载值计算模块；
监控信息获取模块，用于获取节点资源的监控信息；
评估指标计算模块，用于根据资源的监控信息计算节点资源负载评估指标；
负载值计算模块，用于根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
进一步的，评估指标包括资源请求量、资源可用时间和资源服务强度；
资源请求量为资源节点在单位时间内收到的平均服务请求数目；
资源可用时间为资源节点处于可用状态的时间；
资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
进一步的，负载值计算模块计算第j个资源节点的负载值lj的公式：
其中，w1,w2,w3为动态调节权值，rj为第j个资源节点的资源请求量，hj第j个资源节点的资源可用时间，qj为第j个资源节点的资源服务强度，R为集群资源请求量，H为集群资源可用时间，Q为集群资源服务强度，R，H，Q均为常数。
进一步的，评估指标计算模块包括服务请求数目获取单元、平均服务请求数目计算单元和资源请求量计算单元；
服务请求数目获取单元，用于在监控信息中获取每个资源节点在单位时间内收到的服务请求数目；
平均服务请求数目计算单元，用于计算单个资源节点在单位时间内收到的平均服务请求数目；
资源请求量计算单元，用于根据单个资源节点单位时间的收到的服务请求数目求和计算资源节点的资源请求量。
进一步的，评估指标计算模块还包括状态信息获取单元、资源可用时间计算单元：
状态信息获取单元，用于在监控信息中获取每个资源节点状态信息；
资源可用时间计算单元，用于在状态信息中计算资源节点的资源可用时间；其中，资源可用时间为资源节点处于可用状态的时间。
进一步的，评估指标计算模块还包括单节点能力值获取单元、并行服务能力计算单元、资源服务强度计算单元；
单节点能力值获取单元，用于获取每个资源节点的并行服务能力值；
并行服务能力计算单元，用于将各个资源节点的并行服务能力值求和计算资源节点的并行服务能力；
资源服务强度计算单元，用于计算资源节点的资源请求量与资源服务强度和资源可用时间乘积的比值为资源服务强度。
进一步的，负载值计算模块包括权值自适应调节单元和负载值计算单元；
权值自适应调节单元，用于在每一个评估周期中依据公式(1-2)和(1-3)自适应地动态调节权值；
负载值计算单元，用于根据权值自适应调节单元调节后的权值依据公式(1-1)计算第j个资源节点的负载值lj；
wk＝w0+μ(w1-w0) (1-2)
其中，w0的取值范围是[0,0.5]的常数，w1的取值范围是[0,1]的常数，且w1>w0；μ是取值范围为[0,1]的随机数。
第三方面，本发明技术方案提供了一种电子设备，包括：处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于该测试设备与显示装置的通信设备之间的信息传输；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述第一方面所述的分布式系统节点资源评估方法。
第四方面，本发明技术方案提供了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，使所述计算机执行上述第一方面所述的分布式系统节点资源评估方法。
第五方面，发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述第一方面所述的分布式系统节点资源评估方法。
从以上技术方案可以看出，本发明具有以下优点：在分布式系统中，节点资源负载评估是从资源的可用性监控信息中，提取节点资源负载评估指标来评估节点资源负载状态，为任务调度提供较为准确的资源实时性能信息。节点资源负载评估可以为应用部署和调度等问题等提供依据。提高分布式环境中的资源利用率。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例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是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的装置的示意性框图。
图中，11-监控信息获取模块，22-评估指标计算模块，33-负载值计算模块，201-服务请求数目获取单元，202-平均服务请求数目计算单元，203-资源请求量计算单元，204-状态信息获取单元，205-资源可用时间计算单元，206-单节点能力值获取单元，207-并行服务能力计算单元，208-资源服务强度计算单元，301-权值自适应调节单元，302-负载值计算单元。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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，都应当属于本发明保护的范围。
如图1所示，本发明实施例1提供一种分布式系统节点资源评估方法，包括如下步骤：
步骤11：获取节点资源的监控信息；
步骤12：根据资源的监控信息计算节点资源负载评估指标；
步骤13：根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
需要说明的是，本申请中评估指标包括资源请求量、资源可用时间和资源服务强度；
资源请求量为资源节点在单位时间内收到的平均服务请求数目；资源可用时间为资源节点处于可用状态的时间；资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。可以在动态变化的分布式环境中实时的反馈资源的负载的变化情况，为资源调度提供依据，进而提高资源利用率。
本发明实施例2提供一种分布式系统节点资源评估方法，包括如下步骤：
步骤11：获取节点资源的监控信息；
步骤12：根据资源的监控信息计算节点资源负载评估指标；
步骤13：根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
需要说明的是，本申请中评估指标包括资源请求量、资源可用时间和资源服务强度；
资源请求量为资源节点在单位时间内收到的平均服务请求数目；资源可用时间为资源节点处于可用状态的时间；资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
步骤12中，计算资源请求量的步骤包括：
步骤121：在监控信息中获取每个资源节点在单位时间内收到的服务请求数目；
步骤122：计算单个资源节点在单位时间内收到的平均服务请求数目；
步骤123：根据单个资源节点单位时间的收到的服务请求数目求和计算资源节点的资源请求量。
假设集群Node中包含num个资源，即Node{node1,node2,…,nodenum}。
资源请求量r：资源节点在单位时间内收到的平均服务请求数目。假设第j个资源节点nodej(1≤j≤num)的资源请求量为rj(1≤j≤num)，则Node的资源请求量为：
本发明实施例3提供一种分布式系统节点资源评估方法，包括如下步骤：
步骤11：获取节点资源的监控信息；
步骤12：根据资源的监控信息计算节点资源负载评估指标；
步骤13：根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
需要说明的是，本申请中评估指标包括资源请求量、资源可用时间和资源服务强度；
资源请求量为资源节点在单位时间内收到的平均服务请求数目；资源可用时间为资源节点处于可用状态的时间；资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
步骤12中，计算资源请求量的步骤包括：
步骤121：在监控信息中获取每个资源节点在单位时间内收到的服务请求数目；
步骤122：计算单个资源节点在单位时间内收到的平均服务请求数目；
步骤123：根据单个资源节点单位时间的收到的服务请求数目求和计算资源节点的资源请求量。
假设集群Node中包含num个资源，即Node{node1,node2,…,nodenum}。
资源请求量r：资源节点在单位时间内收到的平均服务请求数目。假设第j个资源节点nodej(1≤j≤num)的资源请求量为rj(1≤j≤num)，则Node的资源请求量为：
步骤12中，计算资源可用时间的步骤包括：
步骤124：在监控信息中获取每个资源节点状态信息；
步骤125：在状态信息中计算资源节点的资源可用时间；其中，资源可用时间为资源节点处于可用状态的时间。
本发明实施例4提供一种分布式系统节点资源评估方法，包括如下步骤：
步骤11：获取节点资源的监控信息；
步骤12：根据资源的监控信息计算节点资源负载评估指标；
步骤13：根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
需要说明的是，本申请中评估指标包括资源请求量、资源可用时间和资源服务强度；
资源请求量为资源节点在单位时间内收到的平均服务请求数目；资源可用时间为资源节点处于可用状态的时间；资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
步骤12中，计算资源请求量的步骤包括：
步骤121：在监控信息中获取每个资源节点在单位时间内收到的服务请求数目；
步骤122：计算单个资源节点在单位时间内收到的平均服务请求数目；
步骤123：根据单个资源节点单位时间的收到的服务请求数目求和计算资源节点的资源请求量。
假设集群Node中包含num个资源，即Node{node1,node2,…,nodenum}。
资源请求量r：资源节点在单位时间内收到的平均服务请求数目。假设第j个资源节点nodej(1≤j≤num)的资源请求量为rj(1≤j≤num)，则Node的资源请求量为：
步骤12中，计算资源可用时间的步骤包括：
步骤124：在监控信息中获取每个资源节点状态信息；
步骤125：在状态信息中计算资源节点的资源可用时间；其中，资源可用时间为资源节点处于可用状态的时间。
步骤12中，计算资源服务强度的步骤包括：
步骤126：获取每个资源节点的并行服务能力值；
步骤127：将各个资源节点的并行服务能力值求和计算资源节点的并行服务能力；
步骤128：计算资源节点的资源请求量与资源服务强度和资源可用时间乘积的比值为资源服务强度。
资源服务强度q：资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。P为资源节点的并行服务能力，则
假设资源节点nodej(1≤j≤num)的并行服务能力pj(1≤j≤num)，则资源Node并行服务能力：
P＝p1+p2+…+pnum (1-6)。
计算第j个资源节点的负载值lj的公式：
其中，w1,w2,w3为动态调节权值，rj为第j个资源节点的资源请求量，hj第j个资源节点的资源可用时间，qj为第j个资源节点的资源服务强度，R为集群资源请求量，H为集群资源可用时间，Q为集群资源服务强度，R，H，Q均为常数。本文运用双阈值threshold1和threshold2(threshold1<threshold2)的策略，将资源节点的负载划分为超载、正常、空闲。
通过动态调节权值wk来改变rj/R、hj/H和qj/Q对lj的影响权重，利用公式(1-2)和(1-3)在每一个评估周期中自适应地动态调节权值wk；
wk＝w0+μ(w1-w0) (1-2)
其中，w0的取值范围是[0,0.5]的常数，w1的取值范围是[0,1]的常数，且w1>w0；μ是取值范围为[0,1]的随机数。
如图2所示，本发明实施例5还提供一种分布式系统节点资源评估装置，包括监控信息获取模块11、评估指标计算模块22、负载值计算模块33；
监控信息获取模块11，用于获取节点资源的监控信息；
评估指标计算模块22，用于根据资源的监控信息计算节点资源负载评估指标；
负载值计算模块33，用于根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
需要说明的是，评估指标包括资源请求量、资源可用时间和资源服务强度；
资源请求量为资源节点在单位时间内收到的平均服务请求数目；
资源可用时间为资源节点处于可用状态的时间；
资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
本发明实施例6还提供一种分布式系统节点资源评估装置，包括监控信息获取模块11、评估指标计算模块22、负载值计算模块33；
监控信息获取模块11，用于获取节点资源的监控信息；
评估指标计算模块22，用于根据资源的监控信息计算节点资源负载评估指标；
负载值计算模块33，用于根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
需要说明的是，评估指标包括资源请求量、资源可用时间和资源服务强度；
资源请求量为资源节点在单位时间内收到的平均服务请求数目；
资源可用时间为资源节点处于可用状态的时间；
资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
负载值计算模块计算第j个资源节点的负载值lj的公式：
其中，w1,w2,w3为动态调节权值，rj为第j个资源节点的资源请求量，hj第j个资源节点的资源可用时间，qj为第j个资源节点的资源服务强度，R为集群资源请求量，H为集群资源可用时间，Q为集群资源服务强度，R，H，Q均为常数。
本发明实施例7还提供一种分布式系统节点资源评估装置，包括监控信息获取模块11、评估指标计算模块22、负载值计算模块33；
监控信息获取模块11，用于获取节点资源的监控信息；
评估指标计算模块22，用于根据资源的监控信息计算节点资源负载评估指标；
负载值计算模块33，用于根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
需要说明的是，评估指标包括资源请求量、资源可用时间和资源服务强度；
资源请求量为资源节点在单位时间内收到的平均服务请求数目；
资源可用时间为资源节点处于可用状态的时间；
资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
评估指标计算模块22包括服务请求数目获取单元201、平均服务请求数目计算单元202和资源请求量计算单元203；
服务请求数目获取单元201，用于在监控信息中获取每个资源节点在单位时间内收到的服务请求数目；
平均服务请求数目计算单元202，用于计算单个资源节点在单位时间内收到的平均服务请求数目；
资源请求量计算单元203，用于根据单个资源节点单位时间的收到的服务请求数目求和计算资源节点的资源请求量。
评估指标计算模块22还包括状态信息获取单元204、资源可用时间计算单元205；
状态信息获取单元204，用于在监控信息中获取每个资源节点状态信息；
资源可用时间计算单元205，用于在状态信息中计算资源节点的资源可用时间；其中，资源可用时间为资源节点处于可用状态的时间。
评估指标计算模块22还包括单节点能力值获取单元206、并行服务能力计算单元207、资源服务强度计算单元208；
单节点能力值获取单元206，用于获取每个资源节点的并行服务能力值；
并行服务能力计算单元207，用于将各个资源节点的并行服务能力值求和计算资源节点的并行服务能力；
资源服务强度计算单元208，用于计算资源节点的资源请求量与资源服务强度和资源可用时间乘积的比值为资源服务强度。
负载值计算模块33包括权值自适应调节单元301和负载值计算单元302；
负载值计算单元302，用于根据权值自适应调节单元调节后的权值依据公式(1-1)计算第j个资源节点的负载值lj；
计算第j个资源节点的负载值lj的公式：
权值自适应调节单元301，用于在每一个评估周期中依据公式(1-2)和(1-3)自适应地动态调节权值；
wk＝w0+μ(w1-w0) (1-2)
其中，w0的取值范围是[0,0.5]的常数，w1的取值范围是[0,1]的常数，且w1>w0；μ是取值范围为[0,1]的随机数。
在分布式系统中，节点资源负载评估是从资源的可用性监控信息中，提取节点资源负载评估指标来评估节点资源负载状态，为任务调度提供较为准确的资源实时性能信息。节点资源负载评估可以为应用部署和调度等问题等提供依据。提高分布式环境中的资源利用率。
本发明实施例提供电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令以执行上述各方法实施例所提供的方法，例如包括：
步骤11：获取节点资源的监控信息；步骤12：根据资源的监控信息计算节点资源负载评估指标；步骤13：根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
本发明实施例公开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方法实施例所提供的方法，例如包括：步骤11：获取节点资源的监控信息；步骤12：根据资源的监控信息计算节点资源负载评估指标；步骤13：根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：步骤11：获取节点资源的监控信息；步骤12：根据资源的监控信息计算节点资源负载评估指标；步骤13：根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种分布式系统节点资源评估方法，其特征在于，包括如下步骤：
获取节点资源的监控信息；
根据资源的监控信息计算节点资源负载评估指标；
根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
2.根据权利要求1所述的分布式系统节点资源评估方法，其特征在于，所述的根据资源的监控信息计算节点资源负载评估指标的步骤中，评估指标包括资源请求量，计算资源请求量的步骤包括：
在监控信息中获取每个资源节点在单位时间内收到的服务请求数目；
计算单个资源节点在单位时间内收到的平均服务请求数目；
根据单个资源节点单位时间的收到的服务请求数目求和计算资源节点的资源请求量。
3.根据权利要求2所述的分布式系统节点资源评估方法，其特征在于，所述的根据资源的监控信息计算节点资源负载评估指标的步骤中，评估指标包括资源可用时间，计算资源可用时间的步骤包括：
在监控信息中获取每个资源节点状态信息；
在状态信息中计算资源节点的资源可用时间；其中，资源可用时间为资源节点处于可用状态的时间。
4.根据权利要求3所述的分布式系统节点资源评估方法，其特征在于，所述的根据资源的监控信息计算节点资源负载评估指标的步骤中，评估指标包括资源服务强度，计算资源服务强度的步骤包括：
根据资源节点的资源请求量和资源可用时间计算资源服务强度；
资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
5.根据权利要求4所述的分布式系统节点资源评估方法，其特征在于，所述的根据资源节点的资源请求量和资源可用时间计算资源服务强度的步骤包括：
获取每个资源节点的并行服务能力值；
将各个资源节点的并行服务能力值求和计算资源节点的并行服务能力；
计算资源节点的资源请求量与资源服务强度和资源可用时间乘积的比值为资源服务强度。
6.根据权利要求5所述的分布式系统节点资源评估方法，其特征在于，所述的根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估的步骤中，计算第j个资源节点的负载值lj的公式：
其中，w1,w2,w3为动态调节权值，rj为第j个资源节点的资源请求量，hj第j个资源节点的资源可用时间，qj为第j个资源节点的资源服务强度，R为集群资源请求量，H为集群资源可用时间，Q为集群资源服务强度，R，H，Q均为常数。
7.根据权利要求6所述的分布式系统节点资源评估方法，其特征在于，该方法还包括：
在每一个评估周期中自适应地动态调节权值wk；
wk＝w0+μ(w1-w0) (1-2)
其中，w0的取值范围是[0,0.5]的常数，w1的取值范围是[0,1]的常数，且w1>w0；μ是取值范围为[0,1]的随机数。
8.一种分布式系统节点资源评估装置，其特征在于，包括监控信息获取模块、评估指标计算模块、负载值计算模块；
监控信息获取模块，用于获取节点资源的监控信息；
评估指标计算模块，用于根据资源的监控信息计算节点资源负载评估指标；
负载值计算模块，用于根据节点资源负载评估指标采用动态加权算法计算资源节点的负载值，对资源节点自身负载状态进行评估。
9.根据权利要求8所述的分布式系统节点资源评估装置，其特征在于，评估指标包括资源请求量、资源可用时间和资源服务强度；
资源请求量为资源节点在单位时间内收到的平均服务请求数目；
资源可用时间为资源节点处于可用状态的时间；
资源服务强度为资源节点完成一个服务请求的平均时间与资源从不可用状态开始到恢复到可用状态的时间间隔的比值。
10.根据权利要求9所述的分布式系统节点资源评估装置，其特征在于，负载值计算模块计算第j个资源节点的负载值lj的公式：
其中，w1,w2,w3为动态调节权值，rj为第j个资源节点的资源请求量，hj第j个资源节点的资源可用时间，qj为第j个资源节点的资源服务强度，R为集群资源请求量，H为集群资源可用时间，Q为集群资源服务强度，R，H，Q均为常数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110837843.7A CN113626283A (zh) | 2021-07-23 | 2021-07-23 | 一种分布式系统节点资源评估方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110837843.7A CN113626283A (zh) | 2021-07-23 | 2021-07-23 | 一种分布式系统节点资源评估方法、装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113626283A true CN113626283A (zh) | 2021-11-09 |
Family
ID=78380749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110837843.7A Withdrawn CN113626283A (zh) | 2021-07-23 | 2021-07-23 | 一种分布式系统节点资源评估方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113626283A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117850973A (zh) * | 2023-12-15 | 2024-04-09 | 天翼云科技有限公司 | 一种基于深度学习的虚拟机迁移触发方法及系统 |
-
2021
- 2021-07-23 CN CN202110837843.7A patent/CN113626283A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117850973A (zh) * | 2023-12-15 | 2024-04-09 | 天翼云科技有限公司 | 一种基于深度学习的虚拟机迁移触发方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111600967B (zh) | 一种基于访问压力的区块链节点间负载均衡系统 | |
| CN110716808B (zh) | 业务处理方法、装置、计算机设备和存储介质 | |
| CN108390775B (zh) | 一种基于spice的用户体验质量评价方法及系统 | |
| CN103067297A (zh) | 一种基于资源消耗预测的动态负载均衡方法及装置 | |
| CN107707612B (zh) | 一种负载均衡集群的资源利用率的评估方法及装置 | |
| CN107329881B (zh) | 应用系统性能测试方法及装置、计算机设备及存储介质 | |
| CN115714817A (zh) | 一种动态反馈加权云存储资源调度方法、装置及设备 | |
| CN111752706A (zh) | 资源配置方法、装置及存储介质 | |
| CN115189910A (zh) | 一种基于网络数字孪生体的蓄意攻击生存性评估方法 | |
| CN101877725B (zh) | 分布式存储系统中的副本管理方法及装置 | |
| CN113626283A (zh) | 一种分布式系统节点资源评估方法、装置 | |
| CN115189908A (zh) | 一种基于网络数字孪生体的随机攻击生存性评估方法 | |
| CN113377866B (zh) | 一种虚拟化数据库代理服务的负载均衡方法及装置 | |
| US20110208854A1 (en) | Dynamic traffic control using feedback loop | |
| CN116761207B (zh) | 一种基于通信行为的用户画像构建方法与系统 | |
| CN115665173B (zh) | 一种基于MQ的WebSocket通信方法、系统和存储介质 | |
| CN110502495A (zh) | 一种应用服务器的日志收集方法及装置 | |
| CN115190027A (zh) | 一种基于网络数字孪生体的自然故障生存性评估方法 | |
| CN111932122B (zh) | 一种配电网防灾物资调配方法、装置、终端及存储介质 | |
| CN115333917A (zh) | 一种cdn异常检测方法及装置 | |
| CN112235750A (zh) | 车联网系统中的车辆配置方法、装置、设备及存储介质 | |
| CN107707383B (zh) | 放通处理方法、装置、第一网元及第二网元 | |
| KR20220041043A (ko) | 네트워크 전송 제어 방법 및 장치 | |
| CN112003900A (zh) | 实现分布式系统中高负载场景下服务高可用的方法、系统 | |
| CN110554916A (zh) | 基于分布式集群的风险指标计算方法及装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211109 |
|
| WW01 | Invention patent application withdrawn after publication |