CN114207595A - 计算装置的管理 - Google Patents

计算装置的管理 Download PDF

Info

Publication number
CN114207595A
CN114207595A CN201980099038.XA CN201980099038A CN114207595A CN 114207595 A CN114207595 A CN 114207595A CN 201980099038 A CN201980099038 A CN 201980099038A CN 114207595 A CN114207595 A CN 114207595A
Authority
CN
China
Prior art keywords
user
computing device
computing devices
profile
users
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
Application number
CN201980099038.XA
Other languages
English (en)
Inventor
小亚历山大·桑多斯·达西尔瓦
卢卡斯·莱莫斯·罗莎
布鲁诺·迈博·波斯皮基利
卡珊德拉·艾伦·克拉克
德雷克·约翰·卢卡西克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hewlett Packard Development Co LP
Original Assignee
Hewlett Packard Development Co LP
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hewlett Packard Development Co LP filed Critical Hewlett Packard Development Co LP
Publication of CN114207595A publication Critical patent/CN114207595A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
    • G06F9/4451—User profiles; Roaming
    • 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
    • G06F9/5072—Grid computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/08—Protocols specially adapted for terminal emulation, e.g. Telnet
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/1396—Protocols specially adapted for monitoring users' activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/50—Service provisioning or reconfiguring

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

示例非暂时性计算机可读存储介质包括指令，该指令当由处理资源执行时，使得处理资源收集多个用户的用户数据和多个计算装置的计算装置数据。该指令进一步使得处理资源基于用户数据创建多个用户中的每一个的用户配置文件。该指令进一步使得处理资源基于计算装置数据创建多个计算装置中的每一个的计算装置配置文件。该指令进一步使得处理资源识别多个用户中的用户的质量阈值。该指令进一步使得处理资源基于用户配置文件和计算装置配置文件将多个用户中的用户与多个计算装置中的计算装置匹配，以满足质量阈值。

Description

计算装置的管理
背景技术
计算装置(例如，膝上型计算装置、台式/工作站计算装置、智能/移动电话、平板计算装置等)可以执行用于进行各种任务的应用。在计算装置上可执行的应用的类型可以基于特定计算装置的配置而变化。计算装置可以位于用户本地。在某些情况下，用户拥有专用计算装置。在其他情况下，计算装置是远程可访问的并且可以由多个用户共享。
附图说明
以下详细描述参考附图，在附图中：
图1描绘了根据本文中描述的示例的用于计算装置管理的连接管理器；
图2描绘了根据本文中描述的示例的图1的连接管理器的特征；
图3A描绘了根据本文中描述的示例的用户配置文件；
图3B描绘了根据本文中描述的示例的用户配置文件；
图3C描绘了根据本文中描述的示例的用户配置文件；
图3D描绘了根据本文中描述的示例的计算装置配置文件的表格；
图4描绘了根据本文中描述的示例的包括用于管理计算装置的指令的计算机可读存储介质；
图5描绘了根据本文中描述的示例的用于管理计算装置的方法的流程图；以及
图6描绘了根据本文中描述的示例的用于管理计算装置的方法的流程图。
具体实施方式
本文中描述的技术提供了用于诸如在集中式环境中的计算装置管理的连接管理器。连接管理器收集用户的用户数据和计算装置的计算装置数据。使用相应的用户数据和计算装置数据，连接管理器创建用于用户中的每一个的用户模型和用于计算装置中的每一个的计算装置模型。基于用于多个用户中的每一个的用户配置文件和用于多个计算装置中的每一个的计算装置配置文件，连接管理器将用户与计算装置匹配。当用户连接到连接管理器以请求与多个计算装置中的一个的远程会话时，连接管理器基于匹配将用户分配给计算装置中的一个。通过这种方式，连接管理器充当用户与由用户共享的计算装置池之间的代理。
在传统的基于计算装置的环境中，用户被分配计算装置(例如，膝上型计算装置、台式/工作站计算装置、智能/移动电话、平板计算装置等)，使得每个计算装置具有单个所有者。在这样的环境中，优化资源利用并不容易。例如，考虑远程用户连接到集中式计算装置的情况。当每个用户被分配单个计算装置时，低效率出现。例如，当用户未连接时，计算装置是空闲的/未使用的。此外，用户受限于所分配的计算装置的能力。
本技术通过提供连接管理器来匹配用户和计算装置并且随着时间评估和改进匹配来解决这个缺点。例如，在计算装置被集中定位、管理和远程访问的集中式计算装置模型中，本文中提供的连接管理器能够观察用户如何使用计算装置，并且然后提供用于将用户与计算装置匹配以及用于优化可用计算装置(资源)的使用的推荐。通过识别要满足的质量阈值并且然后将用户与计算装置匹配以满足质量阈值来执行匹配。质量阈值的示例包括处理量、存储量和/或图形量，以基于用户使用的应用的类型支持特定用户需求。例如，使用视频编辑应用和三维渲染应用的用户的质量阈值可以高于使用基本电子邮件、网页浏览和办公套件软件的用户的质量阈值。
所提出的解决方案提供了包括以下部件的连接管理器：数据收集引擎、配置文件引擎、资源映射引擎和资源优化引擎。数据收集引擎收集关于用户的用户数据和关于计算装置的计算装置数据，并且配置文件引擎基于用户数据创建用户配置文件并基于计算装置数据创建计算装置配置文件。使用用户配置文件和计算装置配置文件，匹配引擎将用户与计算装置相匹配。一旦匹配，资源优化引擎继续监视用户和计算装置以评估匹配，并且提供用于改进匹配和/或改进计算装置的推荐。
用于计算装置管理的连接管理器的附加优点的示例包括用户到计算装置的改进的分配(匹配)。例如，如果用户通常使用三维建模软件应用，则连接管理器将识别该使用，并将用户与具有高端图形卡的计算装置匹配。连接管理器的另一示例优点是：它在集中式计算装置模型位置处实现了较低的功耗，例如，通过自动关闭未使用的计算装置，并且然后在用户通常再次开始使用它们时将它们重新启动。连接管理器的另一示例优点是：可以识别和移除或者替换过度使用或者未充分使用的计算装置和/或可以增加附加的计算装置。连接管理器的又一示例优点是：它可以负载平衡计算装置之间的使用以平衡计算装置池中计算装置的集体寿命。
图1至图3包括根据如本文中描述的各种示例的部件、模块、引擎等。在不同的示例中，更多、更少和/或其他的部件、模块、引擎、部件/模块/引擎的布置等可以根据本文中描述的教导来使用。此外，本文中描述的部件、模块、引擎等被实现为执行机器可读指令的软件模块、硬件模块或者专用型硬件(例如，专用硬件、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、嵌入式控制器、硬连线电路等)或者这些的一些组合。
图1涉及计算机处理系统的部件、引擎和模块，诸如图1的连接管理器100。具体地，图1描绘了根据本文中描述的示例的用于计算装置管理的连接管理器100。在示例中，连接管理器100是诸如智能电话、平板电脑、台式机、笔记本电脑、工作站、服务器、智能监视器、智能电视、数字标牌、科学仪器、零售点装置、视频墙、成像装置、外围装置、网络设备或可穿戴计算装置等的任何合适类型的计算机处理系统。
连接管理器100提供由用户102使用的计算装置101的计算装置管理。计算装置101是诸如智能电话、平板电脑、台式机、笔记本电脑、工作站、服务器、智能监视器、智能电视、数字标牌、科学仪器、零售点装置、视频墙、成像装置、外围装置、网络设备或可穿戴计算装置等的任何合适类型的计算机处理系统。用户102使用计算装置101来执行诸如文字处理应用、电子邮件/消息应用、视频或者照片编辑应用、三维建模应用、多媒体渲染应用、项目管理应用、计算机网络管理应用、演示应用、视频会议应用等的应用。
连接管理器100收集关于计算装置101和关于用户102的数据。连接管理器使用收集的数据生成用于计算装置101中的每一个的计算装置配置文件，并且生成用于用户102中的每一个的用户配置文件。然后，连接管理器100基于计算装置配置文件和用户配置文件将用户102中的至少一个与计算装置101中的至少一个匹配。匹配可以基于计算装置配置文件和用户配置文件，和/或可以基于诸如历史计算装置数据、历史用户数据或者其他数据或者信息的附加数据或者信息。
连接管理器100可以在匹配之后继续监视计算装置101和用户102以评估匹配，并且基于关于用户和关于计算装置的附加收集的数据来执行重新匹配。例如，当用户102的行为/模式随时间而改变时，当计算装置101老化和/或被修改(例如，被替换、升级、移除等)时等等，连接管理器100可以重新匹配计算装置101和用户102，以改进计算装置101的功能并改进用户102的用户体验。连接管理器100还可以监视会话(即，用户正在连接到计算装置并使用计算装置)以评估适当的计算装置是否被代理给用户。例如，如果用户正在经受缓慢的性能，则连接管理器100可以结束会话，并且向用户安排不同的计算装置，这可以提供更好质量的会话。
图2描绘了根据本文中描述的示例的图1的连接管理器100的特征。如图2中所示，连接管理器包括表示能够处理数据或者解释和执行指令的任何合适类型或者形式的处理单元的处理资源202。例如，处理资源202包括中央处理单元(CPU)、微处理器和/或适用于检索并执行指令的其他硬件装置。例如，指令被存储在可以包括存储可执行指令的任何电子、磁、光或者另一物理存储装置的非暂时性有形计算机可读存储介质(诸如存储器资源204(以及图3的计算机可读存储介质404))上。因此，存储器资源204可以是例如随机存取存储器(RAM)、电可擦除可编程只读存储器(EPPROM)、存储驱动器、光盘以及存储指令以使可编程处理器执行本文中描述的技术的任何其他合适类型的易失性或者非易失性存储器。在示例中，存储器资源204包括诸如运行时存储指令的RAM的主存储器以及诸如存储指令的副本的非易失性存储器的辅助存储器。
连接管理器还包括数据收集引擎210、配置文件创建引擎212、资源匹配引擎214和资源优化引擎216。
数据收集引擎210收集关于计算装置使用的计算装置数据和关于用户在集中式计算装置环境中对计算装置的使用的用户数据。具体地，数据收集引擎210分别收集关于计算装置101和用户102的计算装置数据和用户数据。例如，数据可以存储在数据库103或者另一合适的数据存储或者储存库中。数据可以包括历史数据，以跟踪用户随时间的使用和/或跟踪计算装置随时间的性能。例如，特定用户可能随时间改变所使用的应用。数据收集引擎210可以随时间连续地为用户收集数据，使得可以识别和利用使用中的改变。类似地，可以改变特定的计算装置(例如，可以安装不同的图形卡，可以安装附加的存储器，可以替换硬盘驱动器等)，并且可以收集和维护这样的数据。
在示例中，数据收集引擎210可以从监视计算装置101的使用和用户102对计算装置101的使用的现有监视系统接收数据。该数据可以以自动化的方式从监视系统与用户和计算装置的交互中收集。
收集的关于计算装置101中的每一个的数据类型的示例可以包括以下内容：计算装置101的每个计算装置的硬件规格(例如，硬件模型和供应商；中央处理单元(CPU)模型、时钟速度和缓存大小；图形处理单元(GPU)类型和GPU存储器大小；存储器大小和时钟速度；外部存储装置的存储装置类型、容量和支持信息；网络接口卡和速度；等)；基于硬件部件的计算装置101中的每一个的近似计算装置成本(例如，从包括硬件部件近似成本的预定义表格中计算)；计算装置101中的每一个被使用多少时间，这可以通过监视远程桌面连接来测量(例如，由登录用户主动使用、由用户保留但计算装置被锁定或者注销；在没有主动用户交互的情况下的后台使用等)；在计算装置101中的每一个上安装了什么应用，这可以从计算装置101中的每一个的操作系统获取；以及网络信息(例如，连接管理器100与计算装置101中的每一个之间的时延、计算装置101的每个池的网络速度等)。
收集的关于用户102的数据类型的示例可以包括以下内容：每个用户在每个应用中花费的时间，这可以在相应计算装置的操作系统中监视，以前台时间(即，当用户主动与应用交互时)和后台时间(即，当后台进程正在执行而用户没有主动与应用交互时)来测量；远程桌面连接处于活动的时间，这可以从远程桌面应用和/或相应计算装置的操作系统中监视，以活动使用登录的时间、保留但未使用的时间以及后台进程中使用的时间来测量；用户102及其应用的计算装置利用率，这可以通过硬件传感器(例如温度传感器)来测量，或者可以测量总的以及每个应用的硬件利用率(例如,平均CPU利用率、CPU在阈值或者阈值以上花费多长时间、平均GPU利用率、平均存储器利用率、平均储存利用率(例如，创建、移动、删除了多少数据；数据在何处创建；数据从何处移入/移出到何处；等)，以及平均网络利用率(例如通过网络连接传输的数据量))；以及总的和每个应用的操作系统利用率，这可以从相应计算装置101的操作系统获取(例如，平均页面错误、交换利用率、与物理存储器相比的虚拟存储器利用率、进程和线程的平均数量等)。
一旦收集了关于计算装置101和用户102的数据，配置文件创建引擎212创建用户配置文件和计算装置配置文件。创建配置文件是将从计算装置101和用户102收集的数据聚集成表示计算装置101中的特定计算装置或者用户102中的特定用户的数据集的过程。配置文件提供对连接管理器100执行匹配有用的信息。用户配置文件和/或计算装置配置文件可以存储在例如数据库103或者另一合适的数据存储或者储存库中。
配置文件创建引擎212基于为用户102收集的用户数据创建用于用户102中的每一个的用户配置文件。例如，配置文件创建引擎212通过连续监视所收集的用户数据来创建用户配置文件。用户配置文件包含特定用户的标识和使用信息，其概述了特定用户如何使用特定计算装置。图3A、图3B和图3C分别描绘了示例用户配置文件300A、300B和300C。
图3A描绘了用户“John Doe”的用户配置文件300A，并且提供了John Doe的使用信息。使用信息被分解成“必需”的特征(例如，低时延网络和高GPU和存储器)和“有则好(niceto have)”的(即，期望的)特征(例如，快速存储和中等CPU)。用户“Bob Andrews”的用户配置文件300B和用户“Karen Smith”的用户配置文件300C包含使用信息，如图3B和图3C中所示，用户配置文件300A、300B、300C之间的差异基于用户102如何使用计算装置101。
这些用户配置文件(例如，用户配置文件300A、300B、300C)可以使用机器学习来创建，以对用户102如何随时间使用他们各自的计算装置101进行建模。建模可以基于在用户102中的每一个上收集的用户数据、关于计算装置101中的每一个收集的计算装置数据以及远程桌面会话数据。建模可以利用用户和/或计算装置的历史数据来识别和解释随时间的改变(例如，用户使用的应用的改变、用户何时访问计算装置的改变、特定计算装置的配置的改变等)。如何生成这样的模型的部件的示例如下。首先，模型通过识别用户使用哪些应用(包括何时和多长时间)，通过识别应用的使用频率(例如，每2小时、每天、每天早晨、每周一早晨、在使用另一个应用之后等)，并且通过确定有多少计算装置101的并行计算装置和一次正在使用的应用(考虑前台和后台处理)来确定用户的例程。接下来，模型基于特定用户的用户配置文件和特定计算装置的计算装置配置文件来监视计算装置101中的特定计算装置适合于用户102中的特定用户的程度。这可以通过将来自特定计算装置的利用率数据(例如，使用温度数据、CPU百分比使用率、GPU百分比使用率、存储器利用率等)与来自特定用户的随时间变化的数据和来自用户102中的使用计算装置101中的其他计算装置中的类似应用的其他用户的随时间变化的数据进行比较来实现。
继续参照图2，配置文件创建引擎212还基于为计算装置101收集的计算装置数据为计算装置101中的每一个创建计算装置配置文件。在一些示例中，配置文件创建引擎212将机器学习模型应用于为计算装置收集的数据以生成计算装置配置文件。
用于计算装置101中的每一个的计算装置配置文件是通过将用于该计算装置的计算装置数据与预定义的类别(例如，存储器、处理器、储存器、应用等)进行比较来创建的。这些类别可以随时间而更新，诸如当发布新的硬件或者新的软件应用时。计算装置配置文件是分配给计算装置的对于计算装置的硬件能力中的每一个的标签列表。例如，具有4GB存储器的计算装置可能因其存储器配置被标记为“低”，而具有32GB存储器的计算装置可能因其存储器配置被标记为“高”。
图3D描绘了三个计算装置311、312、313的示例计算装置配置文件的表格310。计算装置311、312、313中的每一个的配置文件可以包括工作站类型321、存储器(RAM)配置322、处理器(CPU)配置323、图形卡(GPU)配置324、存储配置325、应用配置326、平均使用时间量327、物理位置328和开销329。如图3D的示例中所示，计算装置311、312、313的每个工作站配置文件可以包括提供了计算装置与其他计算装置相比较的关联的配置/方面的定性评估的标签(例如，低、中、高、慢、快等及其组合)。例如，如图所示，对于计算装置312，处理器(CPU)配置323(12×3.8GHz)被标记为“高”，而对于计算装置311，处理器(CPU)配置323(4×3.4GHz)被标记为“低”。应当理解，在其他示例中，可以使用其他、更多和/或不同的标签。
资源匹配引擎214基于用户配置文件和计算装置配置文件将用户102与计算装置101匹配。在示例中，可以使用用户配置文件和计算装置配置文件来应用机器学习模型以生成匹配。
参照图3A至图3D的示例，匹配的示例如下。确定John Doe在上午9点使用计算装置101中的特定计算装置来执行视频编辑任务。John Doe的配置文件随时间利用他的连续使用而创建，并且资源匹配引擎214匹配计算装置101中具有视频编辑能力(例如，视频编辑软件应用、高存储器、高GPU和高存储)的计算装置，同时考虑计算装置随时间的使用并以类似的计算装置循环。
在一些示例中，创建用户组来对具有类似用户配置文件的用户进行配对。类似地，可以创建计算装置组来对具有类似计算装置配置文件的计算装置进行配对。例如，如果存在十个计算装置用于渲染，并且每个计算装置具有类似的配置，则这十个计算装置可以被分组在“渲染池”中，供3D建模用户或视频编辑用户在需要渲染时使用。作为另一示例，具有较低硬件能力的更常见的计算装置也可以被分组，以创建用于执行标准办公任务(例如，电子邮件、文字处理、电子表格等)的池，使得不需要高硬件规格的用户可以连接到这些较低硬件配置的计算装置，从而节省高硬件规格的计算装置用于更密集的任务(例如，渲染)。
一旦匹配被执行，连接管理器100可以改进匹配。例如，资源优化引擎216诸如向系统管理员提供优化匹配的推荐，和/或提供关于在集中式计算装置环境中做出什么改变的推荐改进。在一些示例中，向系统管理员通知这些推荐。在其他示例中，在集中式计算装置环境中自动实现推荐。在这样的情况下，连接管理器100可以采取动作来实现推荐，而不需要任何手动帮助。这可以通过创建闭环方法来增强匹配和配置文件创建的有效性，其中连接管理器100监视计算装置101的使用，通过创建新的匹配(或者修改现有匹配)来对其进行操作，并且然后从新的匹配中收集新的数据来评估新的匹配。在任何一种情况下，一旦实现了推荐，连接管理器就可以收集新的用户数据和计算装置数据，分析新的数据，并为改进/优化提出新的推荐。以这种方式，连接管理器连续并迭代地改进集中式计算装置环境。
图4描绘了根据本文中描述的示例的包括用于管理计算装置的指令的计算机可读存储介质404。计算机可读存储介质404是非暂时性的，因为它不包含暂时性信号，而是由存储指令的存储部件组成。计算机可读存储介质可以表示图2的存储器资源204或者另一合适的存储器，并且可以以模块或者引擎的形式存储机器可执行指令。这些指令可以由例如图2的处理资源202或者另一合适的处理装置或者系统来执行。
在图4所示的示例中，指令包括数据收集指令410、配置文件创建指令412、资源匹配指令414和资源优化指令416。在一些示例中，计算机可读存储介质404存储图1的数据库103，或者耦接到用于存储数据库103的存储装置。计算机可读存储介质404的指令可执行以执行本文中描述的技术，包括关于图5的方法500和/或图6的方法600描述的功能。下面参照图4和图6的功能块描述这些模块的功能，但不应当被解释为限制于此。
具体地，图5描绘了根据本文中描述的示例的用于管理计算装置的方法500的流程图。方法500由诸如图1和图2的连接管理器100的计算机处理系统可执行。作为示例，参照存储在图4的计算机可读存储介质404上的指令以及图1和图2的部件来描述方法500，但不限于此。
在图5的框502处，数据收集指令410为多个用户中的每一个收集多个用户的用户数据，并为多个计算装置中的每一个计算装置收集计算装置配置文件。数据可以存储在诸如图1的数据库103的任何合适的数据存储器中。
在框504处，配置文件创建指令412基于用户数据创建多个用户中的每一个的用户配置文件。用户配置文件的示例在图3A、图3B、图3C中描绘，并在本文中描述。在示例中，可以使用如本文中描述的机器学习模型来创建用户配置文件。
在框506处，配置文件创建指令412基于计算装置数据创建多个计算装置中的每一个的计算装置配置文件。计算装置配置文件的示例在图3D中描绘，并在本文中描述。根据本文中描述的示例，计算装置配置文件可以基于硬件能力、软件能力和使用信息来识别多个计算装置。在示例中，可以使用如本文中描述的机器学习模型来创建计算装置配置文件。
在框508处，资源匹配指令414基于多个用户中的每一个的用户配置文件和多个计算装置中的每一个的计算装置配置文件来识别多个用户中的用户的质量阈值。质量阈值的示例包括处理量、存储量和/或图形量，以基于用户使用的应用的类型支持特定用户需求。例如，使用视频编辑应用和三维渲染应用的用户的质量阈值可以高于使用基本电子邮件、网页浏览和办公套件软件的用户的质量阈值。在一些示例中，质量阈值可以是用户的排序，较高的排序与更强大(例如，更高的处理器、存储器、图形、存储等)的计算装置相对应。在一些示例中，排序可以是计算装置的类别(例如，基本计算装置、中等计算装置、高级计算装置)，每个类别的每个计算装置被类似地配置。
在框510处，资源匹配指令414基于用户配置文件和计算装置配置文件将多个用户中的一个或者多个用户与多个计算装置中的一个或者多个计算装置匹配以满足质量阈值。也就是说，通过识别要满足的质量阈值并且然后将用户与计算装置匹配以满足质量阈值来执行匹配。这确保用户与合适的计算装置匹配，以满足用户的典型使用。根据本文中描述的示例，匹配可以包括汇集多个用户的具有类似用户配置文件的子集。这使得用户池能够与计算装置匹配，而不是一个特定的计算装置与每个用户匹配。例如，在一天的不同时间使用特定应用的用户可以被汇集在一起，并且可以与执行该应用的计算装置相匹配。因此，用户可以在一天的不同时间使用同一计算装置来执行特定的应用。类似地，匹配可以包括汇集多个计算装置的具有类似计算装置配置文件的子集。例如，具有类似硬件规格的计算装置可以汇集在一起。这使得用户能够与计算装置池而不是一个特定的计算装置相匹配。当用户开始访问计算装置时，用户可以访问集合中的任何计算装置。
还可以包括附加的过程。例如，资源优化指令416可以监视多个用户和多个计算装置，以生成用于改进多个计算装置中的至少一个的推荐。类似地，资源优化指令416可以监视多个用户和多个计算装置，以生成用于改进匹配的推荐。监视可以包括在实现用于改进匹配的推荐之后为多个用户和多个计算装置收集附加数据、分析所收集的附加数据以生成用于改进多个计算装置的附加推荐以及实现用于改进多个计算装置的附加推荐。应当理解，图5中描绘的过程表示说明，并且可以增加其他过程或者可以移除、修改或者重新布置现有过程，而不脱离本公开的范围。
图6描绘了根据本文中描述的示例的用于管理计算装置的方法600的流程图。方法600由诸如图1和图2的连接管理器100的计算机处理系统可执行。作为示例，参照存储在图4的计算机可读存储介质404上的指令以及图1和图2的部件来描述方法600，但不限于此。
在图6的框602处，资源匹配指令414将用户与多个计算装置中的计算装置池相匹配。使用用户的用户配置文件和多个计算装置中的每一个的计算装置配置文件来执行匹配。在示例中，多个计算装置被分类成多个池。池中的每一个可以具有类似配置的计算装置(例如，类似的硬件和/或软件配置)，并且一个池的计算装置的配置与另一池的计算装置的配置不同。例如，池中的一个可以是被配置用于视频编辑的计算装置池(例如，高性能GPU、大容量存储器和存储以及视频编辑应用等)，而池中的另一个可以是被配置用于诸如电子邮件和网络浏览的基本生产任务的计算装置池(例如，较低性能的CPU、基本GPU等)。这使得能够将用户与类似配置的计算装置池相匹配。当用户请求访问计算装置时，将计算装置池中的与用户类似配置和匹配的计算装置中的一个分配给用户(参见框604)。
在框604处，连接管理器100将计算装置池中的计算装置中的一个分配给用户以发起用户会话。例如，当用户期望连接到计算装置时，将请求发送到连接管理器100，并且连接管理器100基于匹配将合适的计算装置分配给用户。然后发起用户会话。
在框606处，当用户使用被分配给用户的计算装置中的计算装置中的一个时，资源优化指令416监视用户会话。例如，资源优化指令416通过在用户会话期间收集关于计算装置的数据来监视用户会话。
在框608处，资源优化指令416评估用户会话的质量。在一些示例中，评估用户会话的质量可以包括基于用户数据确定是否满足用户性能标准。用户性能标准的示例可以包括但不限于：用户主动与应用交互的时间量、用户登录到特定计算装置的时间量、用户使用了多少存储器/处理器/存储等。根据示例，响应于确定不满足用户性能标准，将不同的计算装置分配给用户。例如，如果用户的处理器利用率超过阈值(或者超过阈值一段时间)，则确定不满足用户性能标准，并且执行重新分配(参见框610)。作为另一示例，如果用户登录到特定计算装置超过阈值时间量，则确定不满足用户性能标准，并且执行重新分配(参见框610)。
在一些示例中，评估用户会话的质量可以包括基于计算装置数据确定是否满足计算装置性能标准。计算装置性能标准的示例可以包括但不限于，超过硬件阈值(例如，处理器在阈值操作百分比或者高于阈值操作百分比下操作、使用的存储器量处于阈值操作百分比或者高于阈值操作百分比等)使用计算装置的时间量、计算装置和其他计算装置之间的时延量等。根据示例，响应于确定不满足计算装置性能标准，将不同的计算装置分配给用户。例如，如果计算装置与其他计算装置之间的时延过大(即，高于时延阈值)，则确定不满足计算装置性能标准，并且执行重新分配(参见框610)。
在一些示例中，通过评估会话质量来评估匹配的有效性。例如，计算装置的用户的高资源使用可以指示与该计算装置匹配的用户需要更多的计算能力。作为另一示例，计算装置的用户的低资源使用可以指示用户可以与更低性能计算装置而不是更高性能的计算装置相匹配。在这样的情况下，识别会话质量以改进和改变匹配。当某些用户性能标准的用户配置文件与分配给它们的计算装置的类别的相应标准(例如，具有最匹配用户的资源数量或者类型的计算装置类别)相匹配时，会话质量可以得到改进。
继续参照图6，在框610处，响应于用户会话的质量小于质量阈值，连接管理器终止用户会话，并将不同的计算装置重新分配给用户。这使得连接管理器100能够基于计算装置如何运行以及用户如何使用计算装置来将计算装置重新分配给用户。方法600可以连续地、迭代地、在特定时间等执行，以连续监视匹配。因此，例如，当用户的行为或者需求随时间改变时，或者当计算装置老化(或者被增加、升级、替换等)时，可以执行重新匹配和/或重新分配。
还可以包括附加的过程，并且应当理解，图6中描绘的过程表示说明，并且可以增加其他过程或者可以移除、修改或者重新布置现有过程，而不脱离本公开的范围。
应当强调的是，上述示例仅仅是实现的可能示例，并且是为了清楚理解本公开而阐述的。可以对上述示例进行许多变化和修改，而基本上不背离本公开的原理。进一步，本公开的范围旨在覆盖上文讨论的所有元件、特征和方面的任何和所有合适的组合和子组合。所有这些合适的修改和变型旨在被包括在本公开的范围内，并且对各个方面或者元件组合的所有可能的权利要求都旨在受本公开支持。

Claims (15)

1.一种包括指令的非暂时性计算机可读存储介质，所述指令当由处理资源执行时，使得所述处理资源：
收集多个用户的用户数据和多个计算装置的计算装置数据；
基于所述用户数据创建所述多个用户中的每一个的用户配置文件；
基于所述计算装置数据创建所述多个计算装置中的每一个的计算装置配置文件；
基于所述用户的所述用户配置文件和所述多个计算装置中的每一个的所述计算装置配置文件，识别所述多个用户中的用户的质量阈值；以及
基于所述用户的所述用户配置文件和所述计算装置的所述计算装置配置文件，将所述多个用户中的所述用户与所述多个计算装置中的计算装置匹配，以满足所述质量阈值。
2.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述指令使得所述处理资源进一步监视所述多个用户和所述多个计算装置，以生成用于改进所述匹配的推荐。
3.根据权利要求2所述的非暂时性计算机可读存储介质，其中，所述指令使得所述处理资源进一步：
在实现用于改进所述匹配的所述推荐之后，收集所述多个用户中的所述用户和所述多个计算装置中的所述计算装置的附加数据；
分析所收集的附加数据以生成用于改进所述多个计算装置中的所述计算装置的附加推荐；以及
实现用于改进所述多个计算装置中的所述计算装置的所述附加推荐。
4.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述计算装置配置文件基于硬件能力、软件能力和使用信息来识别所述多个计算装置。
5.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述匹配进一步包括汇集所述多个用户的具有类似用户配置文件的子集。
6.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述匹配进一步包括汇集所述多个计算装置的具有类似计算装置配置文件的子集。
7.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述用户配置文件是使用机器学习模型创建的。
8.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述计算装置配置文件是使用机器学习模型创建的。
9.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述指令使得所述处理资源进一步监视所述多个用户和所述多个计算装置，以生成用于改进所述多个计算装置中的所述计算装置的推荐。
10.一种方法，包括：
由处理资源基于用户的用户配置文件并且基于多个计算装置中的每一个的计算装置配置文件，将所述用户与所述多个计算装置的计算装置池匹配；
将所述计算装置池中的计算装置中的一个分配给所述用户以发起用户会话；
当所述用户使用所述计算装置池中的所述计算装置中的一个时，由所述处理资源监视所述用户会话；
由所述处理资源评估所述用户会话的质量；以及
响应于所述用户会话的所述质量小于质量阈值，由所述处理资源终止所述用户会话，并且将不同的计算装置重新分配给所述用户。
11.根据权利要求10所述的方法，其中，评估所述会话的所述质量包括：确定是否满足用户性能标准。
12.根据权利要求11所述的方法，其中，响应于确定不满足所述用户性能标准，执行所述重新分配。
13.根据权利要求10所述的方法，其中，评估所述会话的所述质量包括：确定是否满足计算装置性能标准。
14.根据权利要求13所述的方法，其中，响应于确定不满足所述计算装置性能标准，执行所述重新分配。
15.一种系统，包括：
多个用户远程可访问的多个计算装置；以及
连接管理器，包括其中存储有计算机可读指令的存储器和用于执行所述计算机可读指令的处理资源，所述计算机可读指令包括：
数据收集引擎，用于收集计算装置数据和用户数据；
配置文件创建引擎，用于创建所述多个用户中的每一个的用户配置文件和所述多个计算装置中的每一个的计算装置配置文件；
资源匹配引擎，用于将所述多个用户中的用户与所述多个计算装置中的计算装置匹配；以及
资源优化引擎，用于评估所述匹配，并且提供用于优化所述匹配的推荐。
CN201980099038.XA 2019-07-30 2019-07-30 计算装置的管理 Pending CN114207595A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2019/044071 WO2021021121A1 (en) 2019-07-30 2019-07-30 Management of computing devices

Publications (1)

Publication Number Publication Date
CN114207595A true CN114207595A (zh) 2022-03-18

Family

ID=74229767

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980099038.XA Pending CN114207595A (zh) 2019-07-30 2019-07-30 计算装置的管理

Country Status (4)

Country Link
US (1) US20220147370A1 (zh)
EP (1) EP3973402A4 (zh)
CN (1) CN114207595A (zh)
WO (1) WO2021021121A1 (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080288484A1 (en) * 2005-09-15 2008-11-20 Motorola, Inc. Distributed User Profile
US20130326493A1 (en) * 2012-05-31 2013-12-05 Rajiv N. Poonamalli Computing Device Update Control
US9536199B1 (en) * 2014-06-09 2017-01-03 Google Inc. Recommendations based on device usage
CN108153590A (zh) * 2016-12-02 2018-06-12 慧与发展有限责任合伙企业 管理硬件资源
US20180336233A1 (en) * 2017-05-19 2018-11-22 Microsoft Technology Licensing, Llc Matching a resource with a user for a predicted user need

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9207982B2 (en) * 2012-10-11 2015-12-08 American Express Travel Related Services Company, Inc. Method and system for managing processing resources
US9083752B2 (en) * 2013-10-01 2015-07-14 Codeproof Technologies, Inc. Mobile device management as a simplified online software service

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080288484A1 (en) * 2005-09-15 2008-11-20 Motorola, Inc. Distributed User Profile
US20130326493A1 (en) * 2012-05-31 2013-12-05 Rajiv N. Poonamalli Computing Device Update Control
US9536199B1 (en) * 2014-06-09 2017-01-03 Google Inc. Recommendations based on device usage
CN108153590A (zh) * 2016-12-02 2018-06-12 慧与发展有限责任合伙企业 管理硬件资源
US20180336233A1 (en) * 2017-05-19 2018-11-22 Microsoft Technology Licensing, Llc Matching a resource with a user for a predicted user need

Also Published As

Publication number Publication date
WO2021021121A1 (en) 2021-02-04
EP3973402A4 (en) 2023-01-11
EP3973402A1 (en) 2022-03-30
US20220147370A1 (en) 2022-05-12

Similar Documents

Publication Publication Date Title
US10515000B2 (en) Systems and methods for performance testing cloud applications from multiple different geographic locations
US20230413304A1 (en) Resource Scheduling Method and Terminal Device
Jiang et al. Asap: A self-adaptive prediction system for instant cloud resource demand provisioning
DE112011100143B4 (de) Optimieren der elektrischen Leistungsaufnahme in einem Rechenzentrum
US9483319B2 (en) Job scheduling apparatus and method therefor
US9588813B1 (en) Determining cost of service call
US10411977B2 (en) Visualization of workload distribution on server resources
US9875169B2 (en) Modeling real capacity consumption changes using process-level data
JP5385912B2 (ja) 算出装置、システム管理装置、算出方法およびプログラム
US11436231B2 (en) Continuous query scheduling and splitting in a cluster-based data storage system
US20230006891A1 (en) Techniques and architectures for efficient allocation of under-utilized resources
US20140325520A1 (en) Application thread to cache assignment
US20150006140A1 (en) Power management analysis and modeling for distributed computer systems
US10754547B2 (en) Apparatus for managing disaggregated memory and method thereof
CN110806918A (zh) 基于深度学习神经网络的虚拟机运行方法和装置
US11941450B2 (en) Automatic placement decisions for running incoming workloads on a datacenter infrastructure
US10785102B2 (en) Modifying distributed application based on cloud diagnostic data
US20160253591A1 (en) Method and apparatus for managing performance of database
Perennou et al. Workload characterization for a non-hyperscale public cloud platform
MAALA et al. Cluster trace analysis for performance enhancement in cloud computing environments
CN114207595A (zh) 计算装置的管理
CN115438056A (zh) 一种数据获取方法、装置、设备以及存储介质
CN113835953A (zh) 作业信息的统计方法、装置、计算机设备和存储介质
Qouneh et al. Optimization of resource allocation and energy efficiency in heterogeneous cloud data centers
CN108733484B (zh) 管理应用程序的方法与装置

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