CN113626287A - 资源配置方法及装置、电子设备和计算机可读存储介质 - Google Patents
资源配置方法及装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113626287A CN113626287A CN202110922291.XA CN202110922291A CN113626287A CN 113626287 A CN113626287 A CN 113626287A CN 202110922291 A CN202110922291 A CN 202110922291A CN 113626287 A CN113626287 A CN 113626287A
- Authority
- CN
- China
- Prior art keywords
- target
- rate
- peak value
- host
- estimated
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000013468 resource allocation Methods 0.000 title claims abstract description 26
- 238000004590 computer program Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 30
- 238000012216 screening Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 12
- 238000012886 linear function Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 108010001267 Protein Subunits Proteins 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000007334 copolymerization reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer 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
- G06F11/3024—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
- G06F11/3051—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
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本公开提供了一种资源配置方法及装置、电子设备、计算机可读存储介质和计算机程序产品。本公开涉及大数据技术领域和金融技术领域。本公开的资源配置方法包括:确定主机的目标交易率预估峰值,其中上述目标交易率预估峰值为上述主机在未来目标年度的交易率峰值的预估值,其中上述交易率用于表征上述主机在单位时间内完成的交易数量;根据上述目标交易率预估峰值,确定目标CPU资源消耗预估峰值,其中上述目标CPU资源消耗预估峰值为上述主机在上述未来目标年度的CPU资源消耗峰值的预估值,其中上述CPU资源消耗表示上述主机的CPU在单位时间内执行指令的数量;根据上述目标CPU资源消耗预估峰值对上述未来目标年度的主机资源进行配置。
Description
技术领域
本公开涉及大数据技术领域,更具体地,涉及一种资源配置方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
数字信息时代,主机在金融机构、证券、保险、电信、航空等数据中心广泛使用,用于搭建核心信息系统。在客户进行账户查询、动账等各种业务交易过程中,均需要消耗银行的主机系统资源。随着业务的增长,CPU资源消耗也随之增加。如何准确有效地预估CPU性能指标,为主机资源配置提供有力的参考依据,成为迫切需求。
发明内容
有鉴于此,本公开提供了一种资源配置方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
本公开的一个方面提供了一种资源配置方法,包括:确定主机的目标交易率预估峰值,其中上述目标交易率预估峰值为上述主机在未来目标年度的交易率峰值的预估值,其中上述交易率用于表征上述主机在单位时间内完成的交易数量;根据上述目标交易率预估峰值,确定目标CPU资源消耗预估峰值,其中上述目标CPU资源消耗预估峰值为上述主机在上述未来目标年度的CPU资源消耗峰值的预估值,其中上述CPU资源消耗表示上述主机的CPU在单位时间内执行指令的数量;根据上述目标CPU资源消耗预估峰值对上述未来目标年度的主机资源进行配置。
根据本公开的实施例,根据上述目标交易率预估峰值,确定目标CPU资源消耗预估峰值包括:根据上述目标交易率预估峰值,确定目标CPU单位交易执行量预估峰值,其中上述目标CPU单位交易执行量预估峰值为上述主机在上述未来目标年度的CPU单位交易执行量峰值的预估值,其中上述CPU单位交易执行量用于表征上述主机的CPU在执行单笔交易的情况下需要执行指令的数量;根据上述目标CPU单位交易执行量预估峰值、以及上述目标交易率预估峰值确定上述目标CPU资源消耗预估峰值。
根据本公开的实施例,根据上述目标交易率预估峰值,确定目标CPU单位交易执行量预估峰值包括:建立预估函数,其中上述预估函数用于表征上述目标交易率预估峰值和上述目标CPU单位交易执行量预估峰值之间的映射关系,将上述目标交易率预估峰值输入上述预估函数,输出上述目标CPU单位交易执行量预估峰值。
根据本公开的实施例,上述预估函数中:上述目标CPU单位交易执行量预估峰值为上述目标交易率预估峰值的一次线性函数。
根据本公开的实施例,上述建立预估函数包括:获取上述主机的历史性能数据,其中上述历史性能数据为在多个预选历史日期中的、每天的预选时间段内的、每分钟的主机交易率数值以及主机CPU单位交易执行量数值;利用上述历史性能数据进行线性函数拟合,以建立上述预估函数。
根据本公开的实施例,根据上述目标CPU单位交易执行量预估峰值、以及上述目标交易率预估峰值确定上述目标CPU资源消耗预估峰值包括:计算上述目标CPU单位交易执行量预估峰值、以及上述目标交易率预估峰值的乘积,以获得上述目标CPU资源消耗预估峰值。
根据本公开的实施例,上述确定主机的目标交易率预估峰值包括:确定年度交易率峰值的历史年均增长量、以及上述年度交易率峰值的历史年均增长率;根据上述年度交易率峰值的历史年均增长量,确定上述主机在上述未来目标年度的第一交易率峰值预估值;根据上述年度交易率峰值的历史年均增长率,确定上述主机在上述未来目标年度的第二交易率峰值预估值;计算上述第一交易率峰值预估值和上述第二交易率峰值预估值的平均值,以获得上述目标交易率预估峰值。
根据本公开的实施例,上述确定年度交易率峰值的历史年均增长量、以及上述年度交易率峰值的历史年均增长率包括:获取多个历史年度下,每个上述历史年度的主机交易率历史记录,其中每个上述主机交易率历史记录用于表征在每个上述历史年度中的每分钟的主机的交易率值;从每个上述主机交易率历史记录中筛选出每个上述历史年度的上述年度交易率峰值;根据每个上述年度交易率峰值,确定上述年度交易率峰值的上述历史年均增长量、以及上述年度交易率峰值的上述历史年均增长率。
根据本公开的实施例,上述从每个上述主机交易率历史记录中筛选出每个上述历史年度的上述年度交易率峰值包括;确定每个上述历史年度中的交易率高峰时段;分别从与每个上述交易率高峰时段对应的上述主机交易率历史记录中,筛选出每个上述历史年度的上述年度交易率峰值。
本公开的另一个方面提供了一种资源配置装置,包括:第一确定模块、第二确定模块和配置模块。其中,第一确定模块,用于确定主机的目标交易率预估峰值,其中上述目标交易率预估峰值为上述主机在未来目标年度的交易率峰值的预估值,其中上述交易率用于表征上述主机在单位时间内完成的交易数量。第二确定模块,用于根据上述目标交易率预估峰值,确定目标CPU资源消耗预估峰值,其中上述目标CPU资源消耗预估峰值为上述主机在上述未来目标年度的CPU资源消耗峰值的预估值,其中上述CPU资源消耗表示上述主机的CPU在单位时间内执行指令的数量。配置模块,用于根据上述目标CPU资源消耗预估峰值对上述未来目标年度的主机资源进行配置。
根据本公开的实施例,上述第一确定模块包括:第一确定单元、第二确定单元、第三确定单元、第一计算单元。其中,第一确定单元用于确定年度交易率峰值的历史年均增长量以及上述年均交易率峰值的历史年均增长率。第二确定单元,用于根据上述年度交易率峰值的历史年均增长量,确定上述主机在上述未来目标年度的第一交易率峰值预估值。第三确定单元,用于根据上述年度交易率峰值的历史年均增长率,确定上述主机在上述未来目标年度的第二交易率峰值预估值。第一计算单元,用于计算上述第一交易率峰值预估值和上述第二交易率峰值预估值的平均值,以获得上述目标交易率预估峰值。
根据本公开的实施例,上述第一确定单元包括获取子单元、筛选子单元、确定子单元。其中,获取子单元用于获取多个历史年度下,每个上述历史年度的主机交易率历史记录,其中每个上述主机交易率历史记录用于表征在每个上述历史年度中的每分钟的主机的交易率值。筛选子单元,用于从每个上述主机交易率历史记录中筛选出每个上述历史年度的上述年度交易率峰值。确定子单元,用于根据每个上述年度交易率峰值,确定上述年度交易率峰值的上述历史年均增长量、以及上述年度交易率峰值的上述历史年均增长率。
根据本公开的实施例,上述筛选子单元包括数据子单元、对应子单元。其中,数据子单元,用于确定每个上述历史年度中的交易率高峰时段。对应子单元,用于分别从与每个上述交易率高峰时段对应的上述主机交易率历史记录中,筛选出每个上述历史年度的上述年度交易率峰值。
根据本公开的实施例,上述第二确定模块包括:第二获取单元、第四确定单元、第五确定单元。其中,第二获取单元用于获取上述目标交易率预估峰值。第四确定单元,用于根据上述目标交易率预估峰值确定目标CPU单位交易执行量预估峰值,其中,上述目标CPU单位交易执行量预估峰值为上述主机在上述未来目标年度的CPU单位交易执行量峰值的预估值,其中上述CPU单位交易执行量用于表征上述主机的CPU在执行单笔交易的情况下需要执行指令的数量。第五确定单元,用于根据上述目标CPU单位交易执行量预估峰值、以及上述目标交易率预估峰值确定上述目标CPU资源消耗预估峰值。
根据本公开的实施例,上述第四确定单元包括运算子单元,用于将上述目标交易率预估值输入预估函数,输出上述目标CPU单位交易执行量预估峰值。其中,上述预估函数用于表征上述目标交易率预估峰值和上述目标CPU单位交易执行量预估峰值之间的映射关系。
根据本公开的实施例,上述运算子单元包括数据获取子单元和数据处理子单元。其中,获取子单元,用于获取上述主机的历史性能数据,上述历史性能数据为在多个预选历史日期中的、每天的预选时间段内的、每分钟的主机交易率数值以及主机CPU单位交易执行量数值。数据处理子单元,用于上述历时性能数据进行线性函数拟合,以建立上述预估函数。
根据本公开的实施例,上述运算子单元还包括计算子单元,用于计算上述目标CPU单位交易执行量预估峰值、以及上述目标交易率预估峰值的乘积,以获得上述目标CPU资源消耗预估峰值。
本公开的另一个方面提供了一种电子设备,包括:一个或多个处理器、以及存储器;其中该存储器用于存储一个或多个程序;其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得上述一个或多个处理器实现如上所述的资源配置方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的资源配置方法。
本公开的另一方面提供了一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,所述指令在被执行时用于实现如上所述的资源配置方法。
根据本公开的实施例,因为采用了根据目标交易率预估峰值确定目标CPU资源消耗预估峰值,因此,可兼顾年度交易高峰期对主机CPU性能指标(CPU资源消耗)的影响,提高了预估结果的准确性,进一步地,在利用该CPU性能指标作为未来年度主机资源配置的时候,可以较为合理的配置主机资源。根据本公开的实施例,因目标交易率数据是可以直接从主机系统中获取,避免了因数据量过大导致数据进一步加工过程中的人力浪费。根据本公开的实施例,至少部分地克服了主机CPU性能指标预估不准确的技术问题,进而达到了准确预估CPU资源消耗,优化主机资源配置,在保证系统稳定运行的前提下能够控制主机资源成本的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了可以应用本公开的资源配置方法和装置的示例性系统架构;
图2示意性示出了根据本公开实施例的资源配置方法的流程图;
图3示意性示出了根据本公开实施例的确定目标交易率预估峰值方法的流程图;
图4示意性示出了根据本公开实施例的确定目标CPU资源消耗预估峰值方法的流程图;
图5示意性示出了根据本公开实施例的资源配置装置的框图;以及
图6示意性示出了根据本公开实施例的用于实现资源配置方法的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在对本公开的实施例进行详细阐述之前,先对本公开实施例提供的方法所涉及的系统结构以及应用场景进行如下介绍。
图1示意性示出了根据本公开实施例的可以应用资源配置方法的示例性系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器,可以采用主机或其他类型的服务器。(服务器105可以是提供各种服务的服务器,包括但不限于服务一、服务二、服务三、服务四等等,服务一、服务二、服务三、服务四例如可以是对用户利用终端设备101、102、103所浏览的网站提供支持的服务。)后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果反馈给终端设备。
根据本公开的实施例,用户利用终端设备101、102、103进行金融交易的过程中,终端设备向服务器105发起业务请求,业务请求可以是关于金融交易的转账业务请求、汇款业务请求等等。服务器105基于业务请求,向终端设备101、102、103返回与业务请求相关的结果数据。其中,服务器105在基于该业务请求进行数据处理的过程中,产生与业务请求相关的结果数据,同时,在服务器105的性能容量记录中会记录服务器的历史交易率数据、CPU性能指标数据等。
根据本公开的实施例,可以以服务器105的性能容量记录中会记录服务器的历史交易率数据、CPU性能指标数据等作为基础数据,进行数据分析和处理,应用本公开的实施例的资源配置方法对服务器的CPU性能指标进行预估。
需要说明的是,本公开实施例所提供的资源配置方法一般可以由服务器105执行。相应地,本公开实施例所提供的资源配置装置一般可以设置于服务器105中。本公开实施例所提供的资源配置方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的资源配置系统也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者,本公开实施例所提供的资源配置方法也可以由终端设备101、102、或103执行,或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地,本公开实施例所提供的资源配置装置也可以设置于终端设备101、102、或103中,或设置于不同于终端设备101、102、或103的其他终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
需要说明的是,本公开的资源配置方法及装置涉及大数据技术领域和金融技术领域,也可用于除大数据技术领域和金融技术领域之外的任意领域,本公开对该资源配置方法及装置的应用领域不做限定。
在本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在金融机构中,依赖于主机系统完成各种交易业务,随着业务规模的扩大,需要及时更新主机配置。在对未来下一年度主机进行资源配置的时候,需要以主机CPU性能指标(CPU资源消耗)作为参考依据,在实现本公开的过程中发现,因没有考虑年度交易高峰期对主机CPU性能指标(CPU资源消耗)的影响,导致主机CPU性能指标预估不准确,进一步地,在利用该CPU性能指标作为下一年度主机资源配置的时候会出现主机资源配置不合理的问题。
例如,依赖主机供应商提供的采集及评估工具,采集近期1分钟颗粒度的多天数据,通过主机供应商工具进行预估。但是,这种预估工具并未考虑到节假日前后高峰期的交易增长特性不同于平常日,导致预估结果值低于实际发生值,且预估值和实际发生的CPU资源消耗误差较大。而且供应商的预估工具需要手工采集大量生产SMF(Standard MIDIFile,是一种为了能实现互换性而设定的文件形式)数据文件,并导入共聚服务器,流程繁琐不易操作。有鉴于此,本公开的实施例提供了如下的资源配置方法。
图2示意性示出了根据本公开实施例的资源配置方法的流程图。
如图2所示,该方法包括操作S201~S203。
在操作S201中,确定主机的目标交易率预估峰值,其中上述目标交易率预估峰值为上述主机在未来目标年度的交易率峰值的预估值,其中上述交易率用于表征上述主机在单位时间内完成的交易数量。例如:每一年春节期间的交易率为全年交易率的最大值,即为交易率峰值,因此确定目标交易率预估峰值就是确定未来目标年度全年交易率最大值的预估值。其中交易率可以是指主机在单位时间内完成的交易数量。
在操作S202中,根据上述目标交易率预估峰值,确定目标CPU资源消耗预估峰值,其中上述目标CPU资源消耗预估峰值为上述主机在上述未来目标年度的CPU资源消耗峰值的预估值,其中上述CPU资源消耗表示上述主机的CPU在单位时间内执行指令的数量。例如:目标CPU资源消耗预估峰值可以根据CPU资源消耗与交易率的关系确定,其中CPU资源消耗可以是指每秒处理的百万级的机器语言指令数。而CPU资源消耗与交易率的关系可以通过历史数据中CPU资源消耗与交易率的数据拟合而确定。
在操作S203中,根据上述目标CPU资源消耗预估峰值对上述未来目标年度的主机资源进行配置。
根据本公开的实施例,以2021年为目标年度,对上述操作S201~S203进行示例性说明如下:
首先,确定主机在2021年度的目标交易率预估峰值。
其次,根据上述目标交易率预估峰值按照以下式(一)确定目标CPU资源消耗预估峰值。
目标CPU资源消耗预估峰值=CPU资源消耗×目标交易率预估峰值(一)
其中,CPU资源消耗可以是根据2018年~2020年交易率峰值通过数据拟合得到的CPU资源消耗与交易率峰值的线性关系,根据2021年度的目标交易率预估峰值确定其对应的CPU资源消耗。
最后,根据目标CPU资源消耗预估峰值对上述未来目标年度的主机资源进行配置。例如,按照本公开实施例提供的方法得到下一年度的目标CPU资源消耗预估峰值为50000MIPS,则下一年度按照运行速度不小于50000MIPS配置主机的CPU资源,可以为60000MIPS。其中,MIPS(Million Instructions Per Second)指CPU每秒执行百万指令数的数量,用于表征CPU资源消耗。
根据本公开的实施例,因为采用了根据目标交易率预估峰值确定目标CPU资源消耗预估峰值,因此,可兼顾年度交易高峰期对主机CPU性能指标(CPU资源消耗)的影响,提高了预估结果的准确性,进一步地,在利用该CPU性能指标作为未来年度主机资源配置的时候,不会出现主机资源配置不合理的问题。根据本公开的实施例,因目标交易率数据是可以直接从主机系统中获取,避免了因数据量过大导致数据进一步加工过程中的人力浪费。根据本公开的实施例,至少部分地克服了主机CPU性能指标预估不准确的技术问题,进而达到了准确预估CPU资源消耗,优化主机资源配置,在保证系统稳定运行的前提下能够控制主机资源成本的技术效果。
图3示意性示出了根据本公开实施例的确定目标交易率预估峰值方法的流程图。
如图3所示,该方法包括操作S301~S303。
在操作S301中,确定历史年度中交易率高峰时段,分别从每个交易率高峰时段对应的主机交易率历史记录中筛选出每一年度交易率峰值。例如,若以2021年为目标年度,则其历史年度可以包括2018年~2020年,根据历史年度中主机交易率历史记录中确定春节期间是交易率高峰时段,则从2018年~2020年主机交易率历史记录中筛选出每一年的春节期间的交易率峰值。
根据本公开的实施例,将历史年度的交易率高峰时段作为考虑因素,可兼顾年度交易高峰期对主机CPU性能指标(CPU资源消耗)的影响,可以提高预估结果的准确度和主机资源配置的合理性。
在操作302中,根据每一年度交易率峰值确定交易率峰值历史年均增长率及年均增长量。例如,以2021年为目标年度,以2018年~2020年为历史年度,则历史年均增长量为2019年度交易率峰值与2018年度交易率峰值的差值与2020年度交易率峰值与2019年度交易率峰值的差值的平均值。历史年均增长率为2019年度交易率峰值与2018年度交易率峰值的增长率与2020年度交易率峰值与2019年度交易率峰值的增长率的平均值。
根据本公开的实施例,分别确定历史交易率峰值的年均增长率和年均增长量,便于通过两个不同维度预估交易率峰值,可以提高交易率预估峰值的精确度。
在操作303中,根据年均增长量计算第一交易率峰值预估值,根据年均增长率计算第二交易率峰值预估值,根据第一交易率峰值预估值与第二交易率峰值预估值的平均值确定目标交易率预估值。例如,仍以2021年为目标年度,以2018年~2020年为历史年度,根据操作S302得到的年均增长量与2020年交易率峰值之和得到2021年第一交易率峰值预估值,根据操作S302得到的年均增长率和2020年交易率峰值得到2021年第二交易率峰值预估值,再将2021年第一交易率峰值预估值与2021年第二交易率峰值预估值求取平均值得到2021年交易率预估峰值。
根据本公开的实施例,以历史年均增长率和年均增长量分别计算目标年度的交易率峰值预估值,再根据计算结果的平均值确定最终的交易率峰值预估值,可以提高交易率预估峰值的精确度。
图4示意性示出了根据本公开实施例确定CPU资源消耗预估峰值的方法流程图。
如图4所示,该方法包括操作S401~S404。
在操作S401中,获取主机的历史性能数据,该历史性能数据包括在多个预选历史日期中的、每天的预选时间段内的每分钟的主机交易率数值以及主机CPU单位交易执行量数值。预选历史日期,例如春节前一周。预选时间段,例如春节前一周的每天上午10:00~11:00之间。
根据本公开的实施例,获取主机的历史性能数据,可兼顾年度交易高峰期对主机CPU性能指标(CPU资源消耗)的影响,可以提高预估结果的准确度和主机资源配置的合理性,同时,因目标交易率数据是可以直接从主机系统中获取,避免了因数据量过大导致数据进一步加工过程中的人力浪费。
在操作S402中,根据操作401中的历史性能数据,利用数据拟合建立预估函数。其中数据拟合的方式包括但不限于线性数据拟合。例如,利用线性数据拟合,可以得到上述CPU单位交易执行量预估峰值为上述目标交易率预估峰值的一次线性函数。
根据本公开的实施例,由于预估函数是根据近期的交易量和实际消耗的CPU单位交易执行量建立的,增加了预估结果的准确度,减小了预估目标交易率峰值对应的目标CPU资源消耗峰值与实际目标CPU资源消耗峰值的误差。
在操作S403中,将目标交易率预估峰值输入预估函数,输出目标CPU单位交易执行量预估峰值。例如,根据操作S403建立的CPU单位交易执行量预估峰值与目标交易率预估峰值的一次线性函数,将目标交易率预估峰值代入该一次线性函数,即得到对应的CPU单位交易执行量预估峰值。
根据本公开的实施例,由于历史数据中显示CPU单位交易执行量预估峰值与目标交易率预估峰值存在一定的关系,通过数据拟合的方式建立数据之间的函数关系,便于较准确地根据目标交易率预估峰值得到CPU单位交易执行量预估峰值。
在操作S404中,根据目标CPU单位交易执行量预估峰值和目标交易率预估峰值,确定目标CPU资源消耗预估峰值。例如,根据操作S403得到的CPU单位交易执行量预估峰值与目标交易率预估峰值的乘积得到目标CPU资源消耗预估峰值。其中,目标CPU单位交易执行量预估峰值为主机在未来目标年度的CPU单位交易执行量峰值的预估值,其中CPU单位交易执行量用于表征上述主机的CPU在执行单笔交易的情况下需要执行指令的数量。
根据本公开的实施例,根据目标交易率预估峰值和CPU单位交易执行量预估峰值来得到目标CPU资源消耗预估峰值,进而可以预估目标年度的CPU资源消耗。由于将CPU单位交易执行量作为中间参数,并以目标交易率预估峰值的临近阶段的历史性数据作为中间参数的参考数据基础,增加了预估结果的准确度,减小了预估目标交易率峰值对应的目标CPU资源消耗峰值与实际目标CPU资源消耗峰值的误差。
根据本公开的实施例,对本公开提供的资源配置方法进行示例性说明。
以2018~2020年春节高峰交易率数据以及相邻年度的交易率增长量和增长率为基础,确定目标年度2021年的预估交易率峰值。以上数据如表1所示。
年份 | 交易率峰值(笔/秒) | 交易率增长量(笔/秒) | 交易率增长率 |
2018年 | 12000 | —— | —— |
2019年 | 13000 | 1000 | 8% |
2020年 | 14500 | 1500 | 12% |
根据表1中2018~2020年交易率峰值的增长率和增长量计算交易率的平均增长量和平均增长率。
平均增长量=1/2[第n年交易率增长量+第(n+1)年交易率增长量](二);其中,n为自然数。
平均增长率=1/2[第n年交易率增长率+第(n+1)年交易率增长率](三);其中,n为自然数。
根据式(二)、式(三)计算得到平均增长量为1250笔/秒,平均增长率为10%。
第n+1年交易率峰值=第n年交易率峰值+平均增长量 (四)
第n+1年交易率峰值=第n年交易率峰值(1+平均增长率) (五)
根据式(四)、式(五)计算得到2021年交易率峰值分别为15750笔/秒、15950笔/秒。
对上述式(四)、式(五)的计算结果求平均值得到最终2021年交易率预估峰值,从而确定2021年交易率预估峰值为15850笔/秒。
对出现交易率预估峰值前多天的交易率峰值进行数据采样,通过数据拟合,得到预估函数。以2021年春节前多天,取每天10:00~11:00的交易率数据,得到CPU运行速率与交易率的线性函数,如式(六)所示:
CPU资源消耗=0.000030568×[交易率]+2.8776 (六)
结合式(一)和式(六)计算得到2021年CPU资源消耗预估峰值。
2021年CPU资源消耗预估峰值=(0.000030568×交易率预估峰值+2.8776)×交易率预估峰值=53289.33MIPS。
根据上述2021年CPU资源消耗预估峰值对主机资源进行配置。
图5示意性示出了根据本公开实施例的资源配置装置的框图。该装置可以用来实现参考图2~图4所示的方法。
如图5所示,资源配置装置500包括:第一确定模块510、第二确定模块520和配置模块530。
第一确定模块510,用于确定主机的目标交易率预估峰值,其中上述目标交易率预估峰值为上述主机在未来目标年度的交易率峰值的预估值,其中上述交易率用于表征上述主机在单位时间内完成的交易数量。
第二确定模块520,用于根据上述目标交易率预估峰值,确定目标CPU资源消耗预估峰值,其中上述目标CPU资源消耗预估峰值为上述主机在上述未来目标年度的CPU资源消耗峰值的预估值,其中上述CPU资源消耗表示上述主机的CPU在单位时间内执行指令的数量。
配置模块530,用于根据上述目标CPU资源消耗预估峰值对上述未来目标年度的主机资源进行配置。
根据本公开的实施例的资源配置装置,由于通过第一确定模块510确定主机的目标交易率预估峰值,因此,可兼顾年度交易高峰期对主机CPU性能指标(CPU资源消耗)的影响,提高了预估结果的准确性,进一步地,在利用该CPU性能指标作为未来年度主机资源配置的时候,不会出现主机资源配置不合理的问题。根据本公开的实施例,因目标交易率数据是可以直接从主机系统中获取,避免了因数据量过大导致数据进一步加工过程中的人力浪费。根据本公开的实施例,至少部分地克服了主机CPU性能指标预估不准确的技术问题,进而达到了准确预估CPU资源消耗,优化主机资源配置,在保证系统稳定运行的前提下能够控制主机资源成本的技术效果。
根据本公开的实施例的资源配置装置,通过自动获取数据,基于本公开的资源配置方法自动预估目标交易率峰值以及目标CPU资源消耗峰值。可以预估并展示主机交易率发展趋势、CPU资源消耗趋势,提升预估准确度,有效协助人员决策。
作为一个可选实施例,上述第一确定模块510包括:第一确定单元、第二确定单元、第三确定单元、第一计算单元。
第一确定单元,用于确定年度交易率峰值的历史年均增长量以及上述年均交易率峰值的历史年均增长率。
第二确定单元,用于根据上述年度交易率峰值的历史年均增长量,确定上述主机在上述未来目标年度的第一交易率峰值预估值。
第三确定单元,用于根据上述年度交易率峰值的历史年均增长率,确定上述主机在上述未来目标年度的第二交易率峰值预估值。
第一计算单元,用于计算上述第一交易率峰值预估值和上述第二交易率峰值预估值的平均值,以获得上述目标交易率预估峰值。
作为一个可选实施例,上述第一确定单元包括获取子单元、筛选子单元和确定子单元。其中,获取子单元,用于获取多个历史年度下,每个上述历史年度的主机交易率历史记录,其中每个上述主机交易率历史记录用于表征在每个上述历史年度中的每分钟的主机的交易率值。筛选子单元,用于从每个上述主机交易率历史记录中筛选出每个上述历史年度的上述年度交易率峰值。确定子单元,用于根据每个上述年度交易率峰值,确定上述年度交易率峰值的上述历史年均增长量、以及上述年度交易率峰值的上述历史年均增长率。
作为一个可选实施例,上述筛选子单元包括数据子单元,用于确定每个上述历史年度中的交易率高峰时段;对应子单元,用于分别从与每个上述交易率高峰时段对应的上述主机交易率历史记录中,筛选出每个上述历史年度的上述年度交易率峰值。
作为一个可选实施例,上述第二确定模块520包括:第二获取单元、第四确定单元、第五确定单元。
第二获取单元,用于获取上述目标交易率预估峰值。
第四确定单元,用于根据上述目标交易率预估峰值确定目标CPU单位交易执行量预估峰值,其中,上述目标CPU单位交易执行量预估峰值为上述主机在上述未来目标年度的CPU单位交易执行量峰值的预估值,其中上述CPU单位交易执行量用于表征上述主机的CPU在执行单笔交易的情况下需要执行指令的数量。
第五确定单元,用于根据上述目标CPU单位交易执行量预估峰值、以及上述目标交易率预估峰值确定上述目标CPU资源消耗预估峰值。
作为一个可选实施例,上述第四确定单元包括运算子单元,用于将上述目标交易率预估值输入预估函数,输出上述目标CPU单位交易执行量预估峰值;其中,上述预估函数用于表征上述目标交易率预估峰值和上述目标CPU单位交易执行量预估峰值之间的映射关系。
作为一个可选实施例,上述运算子单元包括数据获取子单元,用于获取上述主机的历史性能数据,上述历史性能数据为在多个预选历史日期中的、每天的预选时间段内的、每分钟的主机交易率数值以及主机CPU单位交易执行量数值;以及数据处理子单元,用于上述历时性能数据进行线性函数拟合,以建立上述预估函数。
根据本公开的实施例,上述运算子单元还包括计算子单元,用于计算上述目标CPU单位交易执行量预估峰值、以及上述目标交易率预估峰值的乘积,以获得上述目标CPU资源消耗预估峰值。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一确定模块510、第二确定模块520以及配置模块530中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,第一确定模块510、第二确定模块520以及配置模块530中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一确定模块510、第二确定模块520以及配置模块530中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,根据本公开实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。系统600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,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/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。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。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行本公开实施例所提供的方法的程序代码,当计算机程序产品在电子设备上运行时,该程序代码用于使电子设备实现本公开实施例所提供的资源配置方法。
在该计算机程序被处理器601执行时,执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分609被下载和安装,和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
根据本公开的实施例,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公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“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、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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (13)
1.一种资源配置方法,包括:
确定主机的目标交易率预估峰值,其中所述目标交易率预估峰值为所述主机在未来目标年度的交易率峰值的预估值,其中所述交易率用于表征所述主机在单位时间内完成的交易数量;
根据所述目标交易率预估峰值,确定目标CPU资源消耗预估峰值,其中所述目标CPU资源消耗预估峰值为所述主机在所述未来目标年度的CPU资源消耗峰值的预估值,其中所述CPU资源消耗表示所述主机的CPU在单位时间内执行指令的数量;
根据所述目标CPU资源消耗预估峰值对所述未来目标年度的主机资源进行配置。
2.根据权利要求1所述的方法,其中,根据所述目标交易率预估峰值,确定目标CPU资源消耗预估峰值包括:
根据所述目标交易率预估峰值,确定目标CPU单位交易执行量预估峰值,其中所述目标CPU单位交易执行量预估峰值为所述主机在所述未来目标年度的CPU单位交易执行量峰值的预估值,其中所述CPU单位交易执行量用于表征所述主机的CPU在执行单笔交易的情况下需要执行指令的数量;
根据所述目标CPU单位交易执行量预估峰值、以及所述目标交易率预估峰值确定所述目标CPU资源消耗预估峰值。
3.根据权利要求2所述的方法,其中,根据所述目标交易率预估峰值,确定目标CPU单位交易执行量预估峰值包括:
建立预估函数,其中所述预估函数用于表征所述目标交易率预估峰值和所述目标CPU单位交易执行量预估峰值之间的映射关系,
将所述目标交易率预估峰值输入所述预估函数,输出所述目标CPU单位交易执行量预估峰值。
4.根据权利要求3所述的方法,其中,所述预估函数中:
所述目标CPU单位交易执行量预估峰值为所述目标交易率预估峰值的一次线性函数。
5.根据权利要求3所述的方法,其中,所述建立预估函数包括:
获取所述主机的历史性能数据,其中所述历史性能数据为在多个预选历史日期中的、每天的预选时间段内的、每分钟的主机交易率数值以及主机CPU单位交易执行量数值;
利用所述历史性能数据进行线性函数拟合,以建立所述预估函数。
6.根据权利要求2所述的方法,其中,根据所述目标CPU单位交易执行量预估峰值、以及所述目标交易率预估峰值确定所述目标CPU资源消耗预估峰值包括:
计算所述目标CPU单位交易执行量预估峰值、以及所述目标交易率预估峰值的乘积,以获得所述目标CPU资源消耗预估峰值。
7.根据权利要求1所述的方法,其中,所述确定主机的目标交易率预估峰值包括:
确定年度交易率峰值的历史年均增长量、以及所述年度交易率峰值的历史年均增长率;
根据所述年度交易率峰值的历史年均增长量,确定所述主机在所述未来目标年度的第一交易率峰值预估值;
根据所述年度交易率峰值的历史年均增长率,确定所述主机在所述未来目标年度的第二交易率峰值预估值;
计算所述第一交易率峰值预估值和所述第二交易率峰值预估值的平均值,以获得所述目标交易率预估峰值。
8.根据权利要求7所述的方法,其中,所述确定年度交易率峰值的历史年均增长量、以及所述年度交易率峰值的历史年均增长率包括:
获取多个历史年度下,每个所述历史年度的主机交易率历史记录,其中每个所述主机交易率历史记录用于表征在每个所述历史年度中的每分钟的主机的交易率值;
从每个所述主机交易率历史记录中筛选出每个所述历史年度的所述年度交易率峰值;
根据每个所述年度交易率峰值,确定所述年度交易率峰值的所述历史年均增长量、以及所述年度交易率峰值的所述历史年均增长率。
9.根据权利要求8所述的方法,其中,所述从每个所述主机交易率历史记录中筛选出每个所述历史年度的所述年度交易率峰值包括;
确定每个所述历史年度中的交易率高峰时段;
分别从与每个所述交易率高峰时段对应的所述主机交易率历史记录中,筛选出每个所述历史年度的所述年度交易率峰值。
10.一种资源配置装置,包括:
第一确定模块,用于确定主机的目标交易率预估峰值,其中所述目标交易率预估峰值为所述主机在未来目标年度的交易率峰值的预估值,其中所述交易率用于表征所述主机在单位时间内完成的交易数量;
第二确定模块,用于根据所述目标交易率预估峰值,确定目标CPU资源消耗预估峰值,其中所述目标CPU资源消耗预估峰值为所述主机在所述未来目标年度的CPU资源消耗峰值的预估值,其中所述CPU资源消耗表示所述主机的CPU在单位时间内执行指令的数量;
配置模块,用于根据所述目标CPU资源消耗预估峰值对所述未来目标年度的主机资源进行配置。
11.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至9中任一项所述的方法。
13.一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,所述指令在被执行时用于实现权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110922291.XA CN113626287B (zh) | 2021-08-11 | 2021-08-11 | 资源配置方法及装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110922291.XA CN113626287B (zh) | 2021-08-11 | 2021-08-11 | 资源配置方法及装置、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113626287A true CN113626287A (zh) | 2021-11-09 |
CN113626287B CN113626287B (zh) | 2024-08-09 |
Family
ID=78384723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110922291.XA Active CN113626287B (zh) | 2021-08-11 | 2021-08-11 | 资源配置方法及装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113626287B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014014935A1 (en) * | 2012-07-16 | 2014-01-23 | Newvoicemedia Limited | System and method for optimized and distributed resource management |
US20170126581A1 (en) * | 2015-10-30 | 2017-05-04 | Bank Of America Corporation | System for automatic resource re-allocation based on resource utilization determination |
CN109165986A (zh) * | 2018-09-11 | 2019-01-08 | 阿里巴巴集团控股有限公司 | 一种交易资源的处理方法、装置及设置 |
CN110472889A (zh) * | 2019-08-22 | 2019-11-19 | 泰康保险集团股份有限公司 | 资源配置方法、资源配置装置、存储介质与电子设备 |
CN110874797A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 资源分配方法和资源分配装置 |
CN111930604A (zh) * | 2020-08-14 | 2020-11-13 | 中国工商银行股份有限公司 | 联机交易性能分析方法及装置、电子设备和可读存储介质 |
US20200401449A1 (en) * | 2019-06-21 | 2020-12-24 | International Business Machines Corporation | Requirement-based resource sharing in computing environment |
CN113094175A (zh) * | 2021-04-15 | 2021-07-09 | 深圳前海微众银行股份有限公司 | 一种负载均衡的方法及装置 |
-
2021
- 2021-08-11 CN CN202110922291.XA patent/CN113626287B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014014935A1 (en) * | 2012-07-16 | 2014-01-23 | Newvoicemedia Limited | System and method for optimized and distributed resource management |
US20170126581A1 (en) * | 2015-10-30 | 2017-05-04 | Bank Of America Corporation | System for automatic resource re-allocation based on resource utilization determination |
CN110874797A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 资源分配方法和资源分配装置 |
CN109165986A (zh) * | 2018-09-11 | 2019-01-08 | 阿里巴巴集团控股有限公司 | 一种交易资源的处理方法、装置及设置 |
US20200401449A1 (en) * | 2019-06-21 | 2020-12-24 | International Business Machines Corporation | Requirement-based resource sharing in computing environment |
CN110472889A (zh) * | 2019-08-22 | 2019-11-19 | 泰康保险集团股份有限公司 | 资源配置方法、资源配置装置、存储介质与电子设备 |
CN111930604A (zh) * | 2020-08-14 | 2020-11-13 | 中国工商银行股份有限公司 | 联机交易性能分析方法及装置、电子设备和可读存储介质 |
CN113094175A (zh) * | 2021-04-15 | 2021-07-09 | 深圳前海微众银行股份有限公司 | 一种负载均衡的方法及装置 |
Non-Patent Citations (3)
Title |
---|
QI ZHANG 等: "Dynamic Resource Allocation for Spot Markets in Cloud Computing Environments", 2011 FOURTH IEEE INTERNATIONAL CONFERENCE ON UTILITY AND CLOUD COMPUTING, 8 December 2011 (2011-12-08), pages 178 - 185, XP032090830, DOI: 10.1109/UCC.2011.33 * |
包旭利: "银行数据中心大型主机交易量分析研究与实践", 中国金融电脑, 7 May 2014 (2014-05-07), pages 60 - 64 * |
殷波: "面向云环境的资源分配关键技术研究", 中国博士学位论文全文数据库 信息科技辑, 15 April 2015 (2015-04-15), pages 139 - 7 * |
Also Published As
Publication number | Publication date |
---|---|
CN113626287B (zh) | 2024-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2720447C1 (ru) | Вычисление индивидуальных углеродных следов | |
WO2014052493A1 (en) | Aggregation source routing | |
CN113128773B (zh) | 地址预测模型的训练方法、地址预测方法及装置 | |
US8694519B2 (en) | Real estate analysis system | |
CN113610230A (zh) | 训练方法、预测方法、装置、计算机系统及存储介质 | |
CN113159934A (zh) | 一种网点客流量的预测方法、系统、电子设备及存储介质 | |
CA3182205A1 (en) | Financial risk assessment | |
CN112330502A (zh) | 合同审核方法及装置、电子设备、存储介质 | |
CN113626287B (zh) | 资源配置方法及装置、电子设备和计算机可读存储介质 | |
CN113592263A (zh) | 基于动态资源归还增比的资源归还增量预测方法和装置 | |
CN114217790A (zh) | 接口编排调度方法、装置、电子设备及介质 | |
CN113436003A (zh) | 时长确定方法、装置、电子设备、介质和程序产品 | |
US20200302550A1 (en) | Cost allocation estimation using direct cost vectors and machine learning | |
US8694541B1 (en) | Mapping business questions to source system data elements | |
CN112016791A (zh) | 资源分配方法、装置及电子设备 | |
CN113515374B (zh) | 数据处理方法及装置、电子设备和计算机可读存储介质 | |
US11735920B2 (en) | Cognitive framework for improving responsivity in demand response programs | |
CN111126736B (zh) | 企业客流量确定方法、装置、服务器及存储介质 | |
CN115062848A (zh) | 业务数据处理方法、装置、设备及介质 | |
CN115689152A (zh) | 企业产量的预测方法、装置、电子设备和介质 | |
CN113129129A (zh) | 请求响应方法、请求响应装置、电子设备及可读存储介质 | |
CN115271927A (zh) | 不良贷款回收预测方法、装置、设备、介质和程序产品 | |
CN114219600A (zh) | 核算结果输出方法及装置、电子设备和存储介质 | |
CN113379236A (zh) | 数据处理方法、装置及系统 | |
CN113971007A (zh) | 信息处理方法、装置、电子设备及介质 |
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 |