CN114595055A - 基于上下文场景的资源分配 - Google Patents
基于上下文场景的资源分配 Download PDFInfo
- Publication number
- CN114595055A CN114595055A CN202111429775.7A CN202111429775A CN114595055A CN 114595055 A CN114595055 A CN 114595055A CN 202111429775 A CN202111429775 A CN 202111429775A CN 114595055 A CN114595055 A CN 114595055A
- Authority
- CN
- China
- Prior art keywords
- application module
- application
- modules
- identifying
- critical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- 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]
-
- 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]
- G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
-
- 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
- G06F9/5038—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 considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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
- G06F9/5055—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 considering software capabilities, i.e. software resources associated or available to the machine
-
- 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
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5017—Task decomposition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/503—Resource availability
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/508—Monitor
Abstract
处理器可使用AI系统分析应用,其中所述应用包括一个或多个应用模块。处理器可以使用AI系统基于上下文场景来确定应用模块是关键的。AI系统可利用关于应用模块在其上操作的硬件的发热的数据来训练。处理器可以使用AI系统识别应用模块在上下文场景期间运行所需的硬件资源。处理器可以为应用模块分配所需资源的可用性。
Description
技术领域
本公开总体上涉及资源分配领域,尤其涉及基于上下文场景为关键应用模块分配资源。
背景技术
云中、数据中心上或边缘设备上的计算需要计算资源和电力。如果诸如移动电话或物联网连接设备之类的边缘设备或数据中心的电力低或所需的计算资源高,则可能耗尽这些资源。在这种情况下可以采取改进的行动。
发明内容
本公开的实施例包括用于基于上下文场景为关键应用模块分配资源的方法、计算机程序产品和系统。
处理器可以使用AI系统分析应用,其中该应用包括一个或多个应用模块。处理器可以使用AI系统基于上下文场景来确定应用模块是关键的。AI系统可以利用关于应用模块在其上操作的硬件的发热的数据来训练。处理器可以使用AI系统识别应用模块在上下文场景期间运行所需的硬件资源。处理器可以为应用模块分配所需资源的可用性。
上述发明内容并非旨在描述本公开的每个所示实施例或每种实施方式。
附图说明
本公开中包括的附图并入说明书中并形成说明书的一部分。它们示出了本公开的实施例,并且与说明书一起用于解释本公开的原理。附图仅说明某些实施例,而不限制本公开。
图1是根据本公开的各方面的用于为关键应用模块分配资源的示例性系统的框图。
图2是根据本公开的各方面的用于为关键应用模块分配资源的示例性方法的流程图。
图3A示出了根据本公开的各方面的云计算环境。
图3B示出了根据本公开的各方面的抽象模型层。
图4示出了根据本公开的各方面的可用于实施本文描述的方法、工具和模块中的一个或多个以及任何相关功能的示例计算机系统的高级框图。
虽然本文所描述的实施例可以具有各种修改和替代形式,但其细节已在附图中以示例的方式示出并将详细描述。然而,应当理解,所描述的特定实施例不应被理解为限制性的。相反,本发明将涵盖落入本公开的精神和范围内的所有修改、等效物和替代方案。
具体实施方式
本公开的各方面总体上涉及资源分配领域,尤其涉及基于上下文场景为关键应用模块分配资源。虽然本公开不一定限于这种应用,但是通过使用此上下文的各种示例的讨论可以理解本公开的各方面。
云中、数据中心上或边缘设备上的计算需要计算资源和电力。如果诸如移动电话或物联网连接设备之类的边缘设备或数据中心的电力低或所需的计算资源高,则可能耗尽这些资源。数据中心可以托管组织的关键基础设施;然而,数据中心可能受到由自然灾害、机械故障、电气故障等引起的电网故障的影响。本公开涉及识别不同应用的关键商业功能,并且确保当电力或计算资源有限时功能可用。
在一些实施例中,处理器可以使用人工智能(“AI”)系统来分析应用。在一些实施例中,应用可以包括一个或多个应用模块。在一些实施例中,处理器可以基于上下文场景确定应用模块是关键的。在一些实施例中,一个或多个应用模块可以是具有输出并执行功能的应用的组件。在一些实施例中,上下文场景可以涉及应用模块的使用环境,并且可以包括日期、一天中的时间、地理位置、关于应用的所有者的标签、从应用的所有者或用户提供特定指令的标签等。在一些实施例中,上下文场景可以涉及特定于应用和其执行的功能的条件、使用应用的方式、应用运行的用户/企业等。在一些实施例中,上下文场景可以涉及不特定于应用的环境,包括例如在应用运行的数据中心处的发生(例如,断电)、来自其它应用和其它用户的对应用运行的数据中心处的电力或计算资源的需求、与应用的使用或资源的可用性有关的特定事件(例如,历史事件、自然灾害或值得注意的文化事件的发生)等。在一些实施例中,基于应用模块的使用模式来确定应用模块的关键性。在一些实施例中,基于用户对应用模块的输入来确定应用模块的关键性。
例如,AI系统可以分析人力资源(“HR”)部门工资单应用的一个或多个应用模块,其中工资单应用被商业机构用来管理其雇员的工资单。在接近雇员接收其支付的月末时,工资单应用可能处于大量使用。AI系统可以确定,在月末上下文场景期间,直接储蓄工资(例如,影响工资单上的许多雇员)所涉及的应用模块是关键应用模块,而验证新雇员的第二电话号码(例如,可以影响较少的雇员并且与月末支付周期不那么直接相关)的应用模块不是关键应用模块。
在一些实施例中,AI系统可利用关于应用模块在其上操作的硬件的发热的数据来训练。在一些实施例中,AI系统可以基于识别的上下文场景,使用每个应用模块的历史发热模式来对应用模块进行聚类。例如,使用红外或温度传感器,可以监视由应用模块在其上操作的硬件(例如,数据中心机架或膝上型计算机上的CPU)生成的热量。时间、日期和其它使用周围的环境(例如,关于上下文场景的信息)也可在AI系统的训练期间被监视和利用。在一些实施例中,AI系统可基于上下文场景中的并行维护和操作的模式将应用模块聚类为关键应用模块。
作为示例,在数据中心中安装的传感器可以检测由不同单元(例如,数据中心模块/机架)生成的热量,并且将这些单元与使用持续时间、处理单元的数量、数据移动量、执行并行请求的用户的数量等相关联。根据该信息,AI系统可以对当关键应用模块正在操作时有多少数据中心单元可能正在发热进行插值。
在一些实施例中,AI系统可以被训练成利用关于企业中不同应用的各种模块(例如,功能性)的历史数据来识别上下文场景。历史数据可以针对任何所识别的上下文情况预测应当被保持和运行的应用的各种模块或功能性的关键性。历史数据可以包括业务模式趋势、日期/时间数据流(例如,在月末,人力资源部门应用的薪水处理模块需要被更新)、应用使用、部门使用度量(例如,人力资源部门具有与特定应用多久被使用一次以及部门操作最需要该特定应用的时间有关的数据)、应用模块被使用的不同时间、不同模块的使用的持续时间、应用或其模块的并发用户的数量、应用模块如何在其它模块的工作流中被使用(例如,不同应用模块的任务可能需要并行或顺序地执行而没有大的时间间隙)、从一个应用模块到另一个应用模块的数据流方向、缺乏应用模块的操作对企业的影响(例如,业务需求、金融承诺、操作回报)等。
在一些实施例中,可利用捕获不同应用的每个模块的使用日志的历史数据来训练AI系统。在一些实施例中,AI系统可以被训练成基于上下文场景期间的使用模式、基于用户反馈、或基于应用模块在其上运行的硬件的调度要求来识别关键应用(例如,应用模块可以执行非常计算密集的任务,并且可以在企业应用从9am到5pm在其上运行的服务器机架上的若干服务器上运行,因此使得计算密集的应用模块在9am之前的运行是关键的)。
在一些实施例中,AI系统可以利用无监督学习来训练。在一些实施例中,AI系统可以利用监督学习来训练。在一些实施例中,可以标记模块以识别它们的功能以及它们的功能在其中是关键的上下文场景。在一些实施例中,AI系统可以被训练成使用均值偏移聚类技术来预测应用模块在其间可能是关键的上下文场景。均值偏移聚类技术可以用来确定何时使用不同的应用模块、哪些数据中心模块(例如,数据中心机架或单元)用于应用模块、不同应用模块的使用持续时间、不同应用模块所需的处理单元的数量等。
继续前面的示例,使用历史数据,AI系统可被训练成识别月末上下文场景以及HR部门工资单应用的工资直接储蓄应用模块在那时对于企业是关键的。AI系统可至少部分地基于应用模块在其上运行的硬件的历史发热模式来确定工资直接储蓄应用模块是关键性的,其中,该历史发热模式提供应用模块的使用模式的指示。AI系统可以基于至少部分地基于运行HR部门工资单应用的其它应用模块的硬件的发热模式来确定的使用模式,确定所述其它应用模块与该应用的关键功能在月末相关。在一些实施例中,AI系统可以被训练成识别上下文场景(例如,用户在某些情况下具有特定资源需求)并基于预期的工作负载确定资源(例如,硬件,诸如数据中心中的一个服务器机架)是否被预测为在将来使用。
在一些实施例中,处理器可以使用AI系统识别应用模块在上下文场景期间使应用模块运行所需的硬件资源。在一些实施例中,所需资源可以包括运行应用模块(例如,被确定为关键的应用模块)所需的电力。在一些实施例中,所需资源可以包括应用模块运行所需的计算资源(例如,CPU、GPU)。在一些实施例中,所需资源可以包括其功能(例如,可操作性)与被确定为关键的应用模块的功能相关(例如,必要)的其它应用模块所需的电力或计算资源。
在一些实施例中,AI系统可分析各种应用模块的历史使用模式,并且可分析它们的电力要求以保持关键应用模块正常运行(例如,操作)。在一些实施例中,预测的电力需求可以基于收集的上下文信息(例如,时间、日期、使用模式)。在一些实施例中,AI系统可以分析用于冷却应用模块在其上操作的硬件的电力需求,并且可以分析关于与冷却相关联的上下文场景的数据。在一些实施例中,可以使用关于能量支出和能量消耗的数据来训练AI系统。
在一些实施例中,计量的使用数据可以直接从电力装置和消耗设备获得。
在一些实施例中,所需的最佳电力可以被计算为用于功能性的最小基线水平,使得可以将附加电力分配给所有其它所需的元件。在一些实施例中,可以基于所收集的上下文信息(例如,时间、日期、使用模式)来连续地监视和调整基线水平。
作为示例,AI系统可以对数据中心中的每个模块(例如,服务器单元或机架)所需的电力进行插值。每个数据中心模块所需的电力可以基于运行的持续时间、处理单元的数量、由操作系统提供的关于CPU使用的原始数据、处理电力、API调用使用、总功耗的崩溃等来确定。关于电力要求的数据可以与关于上下文场景的信息相关,包括时间数据、关于数据中心模块的功能性的数据、地理位置和已标记的需求(例如,由使用或拥有应用的实体指定的需求)。
在一些实施例中,处理器可以为应用模块分配所需资源的可用性。在一些实施例中,处理器可以采取改进动作以确保所分配的资源可以用于应用模块。例如,如果关键应用模块需要3瓦特的电力来运行足够长的时间以完成其功能,并且当仅有总共4瓦特的电力可用时,非关键应用模块需要2瓦特来完成其功能,则运行非关键应用模块的硬件可以被使得是非操作的(例如,关闭、置于睡眠模式、接收很少电力或不接收电力)。在一些实施例中,处理器可以发送应用模块以在另一设备(例如,数据中心、云、雾或边缘设备的另一服务器)上运行,以确保关键应用模块所需资源的可用性。
例如,非关键应用模块可以在备用电力上在数据中心的第一服务器上运行,并且非关键应用模块可以被推送到另一服务器以留下足够的电力用于在第一服务器上运行的关键应用模块。作为另一示例,关键应用模块可以被推送到云、另一数据中心服务器或边缘设备。在一些实施例中,用于确保关键应用模块具有所需资源的改进动作可以取决于上下文场景和设备(例如,数据中心服务器、云或边缘设备)上可用的资源(例如,电力、计算资源)。例如,如果预测第二数据中心服务器将使其电力和计算资源被安排在第二数据中心服务器上执行的未来工作充分利用,则关键应用模块可以不从具有有限备用电力的数据中心服务器推送到第二数据中心服务器。在一些实施例中,对于具有微服务架构的应用,应用模块可以被流水线化、被转换成最小系统、并且被组合成更少的物理装备以减少电力需求。
在一些实施例中,基于上下文场景确定应用模块是关键的可以包括识别在该上下文场景期间被访问的一个或多个应用模块中的每一个。在一些实施例中,处理器可以识别应用模块被访问超过访问阈值量。例如,上下文场景可以包括特定企业的工作周的前两个小时。上下文场景可以与日期、时间以及被标记为属于特定企业的某些应用和应用模块相关联。处理器可以识别被标记为属于被任何用户在两小时的时段期间访问的企业的应用模块中的每个应用模块。在某些实施例中,AI系统可将应用模块识别为属于特定企业。在一些实施例中,应用模块可以基于由特定企业提供的数据而被识别为属于特定企业(例如,应用模块可以由特定企业预先标记)。继续该示例,如果准许用户访问电子邮件的应用模块在该上下文场景(例如,两小时时段)期间被访问了比阈值次数更多的次数,则处理器可以确定该应用模块是关键应用模块。
在一些实施例中,为应用模块分配所需资源的可用性可以包括识别第二关键应用模块。在一些实施例中,处理器可以将第二关键应用模块的优先级排在应用模块的优先级之上。例如,AI系统可以基于第二关键应用模块在上下文场景期间被访问的次数来识别第二关键应用模块。例如,第二关键应用模块可能已经被访问了比访问阈值量更多的次数。在一些实施例中,可以基于第二关键应用模块被访问的次数大于应用模块被访问的次数来确定第二关键应用模块的优先级。在一些实施例中,第二关键应用的优先级可以基于用户反馈而被排在应用模块的优先级之上(例如,优先级的排列是借助于对AI系统的加标签的输入来提供的)。
在一些实施例中,处理器可以检测应用的工作流。在一些实施例中,处理器可以根据检测应用的工作流来识别工作流序列中的附加应用模块。在一些实施例中,处理器可以识别附加应用模块所需的资源。在一些实施例中,处理器可以为附加应用模块分配所需资源的第二可用性。
例如,处理器可以检测到附加应用模块执行了在关键应用模块执行的任务可以被启动之前并且在特定时间帧内要完成的任务(例如,通过检查API调用,可以确定附加应用模块具有对关键应用模块的调用,然后关键应用模块在几分钟内开始运行)。处理器可以确定附加应用处于关键应用模块的工作流中。AI系统可用于确定附加应用模块所需的资源(例如,其需要运行的电力或计算资源)。处理器可以为附加应用模块分配所需资源的第二可用性。可以通过关闭其它应用模块、以其它方式保存所需资源、或者将关键应用模块和/或附加应用模块推送到不同的设备(例如,数据中心服务器、边缘设备或云),来将所需资源分配给附加应用模块。
在一些实施例中,关键应用的工作流可以包括与关键应用顺序地(例如,在接近的时间序列内)或并行地运行的过程(及其应用模块)。在一些实施例中,关键应用模块的工作流可以包括基于在关键应用的相关使用模式(例如,运行相同持续时间、相同时间、紧接在后等)中发生的过程的使用模式(例如,由运行处理的硬件对发热的检测和/或基于类似过程的聚类)而被确定为与关键应用模块一起运行的过程。
在一些实施例中,附加应用模块可以包括工作流中的特定活动。在一些实施例中,附加应用模块可以在工作流中的特定活动完成之后关闭。例如,附加应用可以在将设备连接到包括安全电子邮件账户的企业的安全应用之前执行检查因特网连接的安全级别的特定活动。在一些实施例中,在检查了因特网连接的安全级别之后,可以关闭附加应用以保存电力或计算资源。
在一些实施例中,处理器可以识别用于运行应用模块和附加应用模块的数据中心正在使用备用电力进行操作。在一些实施例中,应用模块和附加应用模块可以在数据中心的模块上被处理。在一些实施例中,数据中心的模块可以在物理上彼此接近地被转移。例如,当应用模块和附加应用模块正在数据中心的模块(例如,数据中心的服务器机架或单元上的服务器)上处理,并且数据中心具有有限的电力资源(例如,由于断电)时,处理器可以评估如何将数据中心的有限电力资源分配给关键应用模块和附加应用模块。如果应用模块正在与正在处理附加应用模块的数据中心模块不同的数据中心模块上被处理,则不同的数据中心模块可以被物理地转移到彼此接近。通过物理地转移数据中心模块以使其彼此接近,可以更有效地利用用于冷却数据中心模块的电力资源。在一些实施例中,数据中心模块可以是移动的,自移动的或通过机器人系统可移动的。
在一些实施例中,处理器可以预测备用电力的使用的持续时间。在一些实施例中,可以使用AI系统预测备用电力的持续时间。在一些实施例中,可以利用关于断电原因(例如,机械故障、电气故障、自然灾害等)的数据和关于用于电力修复/恢复的时间的数据来训练AI系统。在一些实施例中,可以重复地和/或以规则的时间间隔确定可用的备用电力。
在一些实施例中,基于可用的备用电力的量,可以评估应用模块的关键性。在一些实施例中,当比较和区分应用模块的关键性时,可以在其它关键应用模块之前向一些关键应用模块供电。在一些实施例中,AI系统可以分析和确定其间资源(例如,电力或处理资源)可能受限的上下文场景。这可以是例如在月初时、在月末时、在年度预算的时间线期间。在一些实施例中,AI系统可提供关于使用限制(例如,由于有限的资源)的预测,并且可根据需要计算和适应使用需求。
现在参考图1,示出了用于为关键应用模块分配资源的系统100的框图。系统100包括边缘设备102和云计算网络104。云计算网络104包括AI系统108在其上操作的系统设备106。云计算网络104还包括数据中心服务器110A和数据中心服务器110B。边缘设备102、系统设备106、数据中心服务器110A和数据中心服务器110B被配置为彼此通信。边缘设备102和系统设备106可以是包含被配置为执行本公开中描述的功能或步骤中的一个或多个的处理器的任何设备。
在一些实施例中,系统设备106的处理器分析在数据中心服务器110A上运行的应用。在一些实施例中,应用包括一个或多个应用模块(包括第一应用模块112、第二应用模块114和第三应用模块116)。处理器使用AI系统108确定一个或多个应用模块中的应用模块(例如,第一应用模块112)基于上下文场景是关键的。AI系统至少部分地基于第一应用模块112运行于其上的硬件的发热来确定第一应用模块112是关键的。数据中心服务器110A、数据中心服务器110B和边缘设备102上的传感器(未示出)向AI系统108提供关于这些设备上的硬件的发热的传感器数据。处理器识别第一应用模块112在上下文场景期间运行所需的硬件资源。处理器为应用模块分配所需资源的可用性。
在一些实施例中,处理器可以采取改进的动作以确保所分配的资源可用于第一应用模块112。例如,可以关闭在数据中心服务器110A上操作的非关键应用模块。如果资源在数据中心服务器110B或边缘设备102上可用于关键应用模块,则第一应用模块112可以从数据中心服务器110A被推送到数据中心服务器110B或边缘设备102。
在一些实施例中,处理器可以通过以下操作基于上下文场景确定第一应用模块112是关键的:在所述上下文场景期间,识别被访问的一个或多个应用模块中的每一个,并且识别访问超过访问阈值量的应用模块。在一些实施例中,处理器可以利用AI系统108识别第二关键应用模块,例如在数据中心服务器110A上操作的第二应用模块114。在一些实施例中,处理器可以将第二应用模块114接收所需资源(例如,电力或计算资源)的优先级排列为高于第一应用模块112的优先级。
在一些实施例中,处理器可以检测应用的工作流,并且识别工作流中的附加应用模块,例如第三应用模块116。在一些实施例中,处理器可以识别第三应用模块116所需的资源,并为第三应用模块116分配所需资源的第二可用性。在一些实施例中,第三应用模块116可以包括工作流中的特定活动。在一些实施例中,处理器可以在工作流中的特定活动完成之后关闭第三应用模块116。
在一些实施例中,处理器可以识别用于处理第一应用模块112、第二应用模块114和第三应用模块116的数据中心服务器110A正在使用备用电力操作。第一应用模块112、第二应用模块114和第三应用模块116在其上运行的数据中心模块(例如,单元或机架)可以被物理地转移为彼此接近。
现在参考图2,示出了根据本公开的实施例的示例性方法200的流程图。在一些实施例中,AI系统的处理器可以执行方法200的操作。在一些实施例中,方法200在操作202处开始。在操作202,处理器使用AI系统分析应用,其中该应用包括一个或多个应用模块。在一些实施例中,方法200进行到操作204,其中处理器使用AI系统基于上下文场景确定应用模块是关键的。在一些实施例中,利用关于应用模块在其上运行的硬件的发热的数据来训练AI系统。在一些实施例中,方法200进行到操作206。在操作206,处理器使用AI系统识别应用模块在上下文场景期间运行所需的硬件资源。在一些实施例中,方法200进行到操作208。在操作208,处理器为应用模块分配所需资源的可用性。
如本文更详细地讨论的,可以设想,方法200的一些或所有操作可以以替代顺序执行或者可以根本不执行;此外,多个操作可以同时发生或作为更大过程的内部部分发生。
应当理解,尽管本公开包括关于云计算的详细描述,但是本文所陈述的教导的实现不限于云计算环境。相反,本公开的实施例能够结合现在已知或以后开发的任何其它类型的计算环境来实现。
云计算是一种服务递送模型,用于实现对可配置计算资源(例如,网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务)的共享池的方便的按需网络访问,所述可配置计算资源可以以最小的管理努力或与服务的提供者的交互来快速供应和释放。该云模型可以包括至少五个特性、至少三个服务模型和至少四个部署模型。
特征如下:
按需自助:云消费者可以单方面地自动地根据需要提供计算能力,诸如服务器时间和网络存储,而不需要与服务的提供者进行人工交互。
广域网接入:能力在网络上可用,并且通过促进由异构的薄或厚客户端平台(例如,移动电话、膝上型计算机和PDA)使用的标准机制来访问。
资源池化:供应商的计算资源被池化以使用多租户模型来服务多个消费者,其中不同的物理和虚拟资源根据需求被动态地分配和重新分配。存在部分独立的意义,因为消费者通常不能控制或知道所提供资源的确切部分,但可能能够在较高抽象级(例如,国家、州或数据中心)处指定部分。
快速弹性:在一些情况下,可以快速且弹性地提供快速向外扩展的能力和快速向内扩展的能力。对于消费者,可用于提供的能力通常看起来不受限制,并且可以在任何时间以任何数量购买。
测量服务:云系统通过利用在适合于服务类型(例如,存储、处理、带宽和活动用户账户)的某一抽象级别的计量能力来自动地控制和优化资源使用。可以监视、控制和报告资源使用,从而为所利用服务的提供者和消费者两者提供透明性。
服务模型如下:
软件即服务(SaaS):提供给消费者的能力是使用在云基础设施上运行的提供者的应用。应用可以通过诸如web浏览器(例如,基于web的电子邮件)等薄客户端界面从各种客户端设备访问。消费者不管理或控制包括网络、服务器、操作系统、存储、或甚至个别应用能力的底层云基础结构,可能的例外是有限的用户专用应用配置设置。
平台即服务(PaaS):提供给消费者的能力是将消费者创建或获取的应用部署到云基础设施上,该消费者创建或获取的应用是使用由提供商支持的编程语言和工具创建的。消费者不管理或控制包括网络、服务器、操作系统或存储的底层云基础设施,但具有对部署的应用和可能的应用托管环境配置的控制。
基础设施即服务(IaaS):提供给消费者的能力是提供处理、存储、网络和消费者能够部署和运行任意软件的其它基本计算资源,该软件可以包括操作系统和应用。消费者不管理或控制底层云基础设施,但具有对操作系统、存储、部署的应用的控制,以及可能对选择的联网组件(例如,主机防火墙)的有限控制。
部署模型如下:
私有云:云基础设施仅为组织操作。它可以由组织或第三方管理,并且可以存在于建筑物内或建筑物外。
社区云:云基础设施由若干组织共享,并且支持具有共享关注(例如,任务、安全要求、策略和合规性考虑)的特定社区。它可以由组织或第三方管理,并且可以存在于场所内或场所外。
公有云:云基础设施可用于一般公众或大型工业群体,并且由销售云服务的组织拥有。
混合云:云基础设施是两个或更多云(私有、共同体或公共)的组合,所述云保持唯一实体,但是通过使数据和应用能够移植的标准化或私有技术(例如,用于云之间的负载平衡的云突发)绑定在一起。
云计算环境是面向服务的,其焦点在于无状态、低耦合、模块性和语义互操作性。在云计算的核心是包括互连节点的网络的基础设施。
图3A示出了云计算环境310。如图所示,云计算环境310包括云消费者使用的本地计算设备可以与其通信的一个或多个云计算节点300,该本地计算设备例如个人数字助理(PDA)或蜂窝电话300A、桌上型计算机300B、膝上型计算机300C和/或汽车计算机系统300N。节点300可彼此通信。它们可以被物理地或虚拟地分组(未示出)在一个或多个网络中,诸如如上文描述的私有云、社区云、公共云或混合云或其组合。
这允许云计算环境310提供基础设施、平台和/或软件作为服务,云消费者不需要为其维护本地计算设备上的资源。应当理解,图3A中所示的计算设备300A-N的类型仅旨在说明,并且计算节点300和云计算环境310可以通过任何类型的网络和/或网络可寻址连接(例如,使用web浏览器)与任何类型的计算设备通信。
图3B示出了由云计算环境310(图3A)提供的一组功能抽象层。应当预先理解,图3B中所示的组件、层和功能仅旨在说明,并且本公开的实施例不限于此。如下所述,提供了下面的层和相应的功能。
硬件和软件层315包括硬件和软件组件。硬件组件的示例包括:主机302;基于RISC(精简指令集计算机)架构的服务器304;服务器306;刀片服务器308;存储设备311;以及网络和联网组件312。在一些实施例中,软件组件包括网络应用服务器软件314和数据库软件316。
虚拟化层320提供抽象层,从该抽象层可以提供虚拟实体的以下示例:虚拟服务器322;虚拟存储器324;虚拟网络326,包括虚拟专用网络;虚拟应用和操作系统328;以及虚拟客户机330。
在一个示例中,管理层340可以提供以下描述的功能。资源供应342提供了对被用来在云计算环境内执行任务的计算资源和其它资源的动态采购。计量和定价344提供了在云计算环境中利用资源时的成本跟踪,以及对于消耗这些资源的记帐或发票。在一个示例中,这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证,以及为数据和其它资源提供保护。用户门户346为消费者和系统管理员提供对云计算环境的访问。服务级别管理348提供云计算资源分配和管理,使得满足所需的服务级别。服务水平协议(SLA)规划和履行350提供对云计算资源的预安排和采购,其中根据SLA预期未来需求。
工作负载层360提供了可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的示例包括:绘图和导航362;软件开发和生命周期管理364;虚拟教室教育传送366;数据分析处理368;交易处理370;以及基于上下文场景372为关键应用模块分配资源。
图4示出了根据本公开的实施例的示例计算机系统401的高级框图,该计算机系统可用于实现本文所述的方法、工具和模块中的一个或多个以及任何相关功能(例如,使用计算机的一个或多个处理器电路或计算机处理器)。在一些实施例中,计算机系统401的主要组件可以包括一个或多个CPU 402、存储器子系统404、终端接口412、存储接口416、I/O(输入/输出)设备接口414和网络接口418,所有这些组件可以直接或间接地通信耦合,以便经由存储器总线403、I/O总线408和I/O总线接口单元410进行组件间通信。
计算机系统401可以包含一个或多个通用可编程中央处理单元(CPU)402A、402B、402C和402D,本文统称为CPU 402。在一些实施例中,计算机系统401可以包含相对大的系统的典型的多个处理器;然而,在其它实施例中,计算机系统401可以替代地是单个CPU系统。每个CPU 402可以执行存储于存储器子系统404中的指令,并且可以包括一级或多级板载高速缓存。
系统存储器404可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)422或高速缓冲存储器424。计算机系统401还可以包括其它可移动/不可移动、易失性/非易失性计算机系统存储介质。仅作为示例,存储系统426可被提供用于从诸如“硬盘驱动器”等不可移动、非易失性磁介质中读取和向其写入。尽管未示出,但可以提供用于从可移动、非易失性磁盘(例如,“软盘”)中读取和向其写入的磁盘驱动器,或可提供用于从诸如CD-ROM、DVD-ROM等可移动、非易失性光盘中读取或向其写入的光盘驱动器或其它光学介质。另外,存储器404可以包括闪存,例如,闪存棒驱动器或闪存驱动器。存储器设备可以通过一个或多个数据介质接口连接到存储器总线403。存储器404可以包括至少一个程序产品,该程序产品具有一组(例如,至少一个)程序模块,这些程序模块被配置成用于执行不同实施例的功能。
一个或多个程序/实用程序428可以存储在存储器404中,每个程序/实用程序具有至少一组程序模块430。程序/实用程序428可以包括管理程序(也称为虚拟机监视器)、一个或多个操作系统、一个或多个应用、其它程序模块和程序数据。操作系统、一个或多个应用、其它程序模块和程序数据或其某种组合中的每一个可包括联网环境的实施。程序428和/或程序模块430通常执行各种实施例的功能或方法。
尽管存储器总线403在图4中被示为在CPU 402、存储器子系统404和I/O总线接口410之间提供直接通信路径的单个总线结构,但是在一些实施例中,存储器总线403可以包括多个不同的总线或通信路径,其可以以各种形式中的任何形式来布置,诸如分层的点对点链路、星形或网状配置、多层总线、并行和冗余路径、或任何其它适当类型的配置。此外,虽然I/O总线接口410和I/O总线408被示为单个相应的单元,但是在一些实施例中,计算机系统401可以包含多个I/O总线接口单元410、多个I/O总线408或两者。此外,虽然示出了将I/O总线408与通向各种I/O设备的各种通信路径分开的多个I/O接口单元,但是在其它实施例中,一些或所有I/O设备可以直接连接到一个或多个系统I/O总线。
在一些实施例中,计算机系统401可以是多用户大型计算机系统、单用户系统、或者服务器计算机或具有很少或没有直接用户接口但从其它计算机系统(客户端)接收请求的类似设备。此外,在一些实施例中,计算机系统401可以被实现为桌上型计算机、便携式计算机、膝上型或笔记本计算机、平板计算机、袖珍计算机、电话、智能电话、网络交换机或路由器、或任何其它适当类型的电子设备。
注意,图4旨在描绘示例性计算机系统401的代表性主要组件。然而,在一些实施例中,各个组件可以具有比图4中所表示的更大或更小的复杂度,可以存在不同于图4中所示的那些组件或除其之外的组件,并且这些组件的数量、类型和配置可以变化。
如本文更详细地讨论的,可以设想,本文描述的方法的一些实施例的一些或所有操作可以以替代顺序执行或者可以根本不执行;此外,多个操作可以同时发生或作为更大过程的内部部分发生。
本公开可以是任何可能的技术细节集成水平的系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质),所述计算机可读程序指令用于使处理器执行本公开的各方面。
计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下:便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置,以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身,诸如无线电波或其它自由传播的电磁波、通过波导或其它传输介质传播的电磁波(例如,通过光纤线缆的光脉冲)、或通过导线传输的电信号。
本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备,或者经由网络,例如因特网、局域网、广域网和/或无线网络,下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令,并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本公开的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据,或者以一种或多种编程语言(包括面向对象的编程语言,诸如Smalltalk、C++等)和过程式编程语言(诸如“C”编程语言或类似的编程语言)的任何组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户的计算机上执行,部分在用户的计算机上执行,作为独立的软件包执行,部分在用户的计算机上并且部分在远程计算机上执行,或者完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可以通过任何类型的网络连接到用户的计算机,包括局域网(LAN)或广域网(WAN),或者可以连接到外部计算机(例如,使用因特网服务提供商通过因特网)。在一些实施例中,包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化,以便执行本公开的各方面。
本文参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图图示和/或框图来描述本公开的各方面。将理解,流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。
这些计算机可读程序指令可以被提供给计算机或其它可编程数据处理装置的处理器以产生机器,使得经由计算机或其它可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中,其可以引导计算机、可编程数据处理装置和/或其它设备以特定方式工作,使得其中存储有指令的计算机可读存储介质包括制品,该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。
计算机可读程序指令还可以被加载到计算机、其它可编程数据处理装置或其它设备上,以使得在计算机、其它可编程装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,使得在计算机、其它可编程装置或其它设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。
附图中的流程图和框图示出了根据本公开的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上,流程图或框图中的每个框可以表示指令的模块、段或部分,其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中,框中所注明的功能可不按图中所注明的次序发生。例如,连续示出的两个框实际上可以作为一个步骤来实现,同时、基本同时、以部分或全部时间重叠的方式执行,或者这些框有时可以以相反的顺序执行,这取决于所涉及的功能。还将注意,框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。
已经出于说明的目的呈现了对本公开的各种实施例的描述,但是其并非旨在是穷举的或限于所公开的实施例。在不背离所描述的实施例的范围和精神的情况下,许多修改和变化对于本领域的普通技术人员将是显而易见的。选择本文所使用的术语以最好地解释实施例的原理、实际应用或对市场上存在的技术改进,或使本领域的其它普通技术人员能够理解本文所公开的实施例。
尽管已经根据具体实施例描述了本公开,但是可以预期,其改变和修改对于本领域技术人员将变得显而易见。因此,所附权利要求旨在被解释为覆盖落入本公开的真实精神和范围内的所有这样的变更和修改。
Claims (20)
1.一种计算机实现的方法,所述方法包括:
使用AI系统分析应用,其中所述应用包括一个或多个应用模块;
使用所述AI系统基于上下文场景来确定所述应用模块是关键的,其中所述AI系统利用关于所述应用模块在其上操作的硬件的发热的数据来训练;
使用所述AI系统识别所述硬件在所述上下文场景期间为所述应用模块运行所需的资源;以及
为所述应用模块分配所需资源的可用性。
2.根据权利要求1所述的方法,其中,基于所述上下文场景确定所述应用模块是关键的包括:
在所述上下文场景期间,识别被访问的所述一个或多个应用模块中的每一个;以及
识别所述应用模块被访问超过访问阈值量。
3.根据权利要求2所述的方法,其中,为所述应用模块分配所需资源的可用性包括:
识别第二关键应用模块;以及
将所述第二关键应用模块的优先级排列在所述应用模块的优先级之上。
4.根据权利要求1所述的方法,还包括:
检测所述应用的工作流;
根据所述检测来识别所述工作流中的附加应用模块;
识别所述附加应用模块所需的资源;以及
为所述附加应用模块分配所需资源的第二可用性。
5.根据权利要求4所述的方法,其中,所述附加应用模块包括所述工作流中的特定活动,并且其中,所述方法还包括:
在所述工作流中的所述特定活动完成之后关闭所述附加应用模块。
6.根据权利要求4所述的方法,还包括:
识别用于运行所述应用模块和所述附加应用模块的数据中心正在使用备用电力进行操作;以及
物理地传送彼此接近的所述数据中心的模块,其中,所述应用模块和所述附加应用模块正在所述数据中心的所述模块上被处理。
7.根据权利要求6所述的方法,还包括:
预测所述备用电力的使用的持续时间。
8.一种系统,包括:
存储器;以及
与所述存储器通信的处理器,所述处理器被配置为执行包括以下各项的操作:
使用AI系统分析应用,其中所述应用包括一个或多个应用模块;
使用所述AI系统基于上下文场景确定所述应用模块是关键的,其中所述AI系统利用关于所述应用模块在其上操作的硬件的发热的数据来训练;
使用所述AI系统识别所述硬件在所述上下文场景期间为所述应用模块运行所需的资源;以及
为所述应用模块分配所需资源的可用性。
9.根据权利要求8所述的系统,其中,基于所述上下文场景确定所述应用模块是关键的包括:
在所述上下文场景期间,识别被访问的所述一个或多个应用模块中的每一个;以及
识别所述应用模块被访问超过访问阈值量。
10.根据权利要求9所述的系统,其中,为所述应用模块分配所需资源的可用性包括:
识别第二关键应用模块;以及
将所述第二关键应用模块的优先级排列在所述应用模块的优先级之上。
11.根据权利要求8所述的系统,所述处理器还被配置为执行包括以下各项的操作:
检测所述应用的工作流;
根据所述检测来识别所述工作流中的附加应用模块;
识别所述附加应用模块所需的资源;以及
为所述附加应用模块分配所需资源的第二可用性。
12.根据权利要求11所述的系统,其中,所述附加应用模块包括所述工作流中的特定活动,并且其中,所述处理器还被配置为执行包括以下各项的操作:
在所述工作流中的所述特定活动完成之后关闭所述附加应用模块。
13.根据权利要求11所述的系统,所述处理器还被配置为执行包括以下各项的操作:
识别用于运行所述应用模块和所述附加应用模块的数据中心正在使用备用电力进行操作;以及
物理地传送彼此接近的所述数据中心的模块,其中所述应用模块和所述附加应用模块正在所述数据中心的所述模块上被处理。
14.一种计算机程序产品,包括计算机可读存储介质,所述计算机可读存储介质包含程序指令,所述程序指令可由处理器执行以使所述处理器执行包括以下各项的操作:
使用AI系统分析应用,其中所述应用包括一个或多个应用模块;
使用所述AI系统基于上下文场景确定所述应用模块是关键的,其中所述AI系统利用关于所述应用模块在其上运行的硬件的发热的数据来训练;
使用所述AI系统识别所述硬件在所述上下文场景期间为所述应用模块运行所需的资源;以及
为所述应用模块分配所需资源的可用性。
15.根据权利要求14所述的计算机程序产品,其中,基于所述上下文场景确定所述应用模块是关键的包括:
在所述上下文场景期间,识别被访问的所述一个或多个应用模块中的每一个;以及
识别所述应用模块被访问超过访问阈值量。
16.根据权利要求15所述的计算机程序产品,其中,为所述应用模块分配所需资源的可用性包括:
识别第二关键应用模块;以及
将所述第二关键应用模块的优先级排列在所述应用模块的优先级之上。
17.根据权利要求14所述的计算机程序产品,所述操作还包括:
检测所述应用的工作流;
根据所述检测来识别所述工作流中的附加应用模块;
识别所述附加应用模块所需的资源;以及
为所述附加应用模块分配所需资源的第二可用性。
18.根据权利要求17所述的计算机程序产品,其中,所述附加应用模块包括所述工作流中的特定活动,并且其中,所述操作还包括:
在所述工作流中的所述特定活动完成之后关闭所述附加应用模块。
19.根据权利要求17所述的计算机程序产品,所述操作还包括:
识别用于运行所述应用模块和所述附加应用模块的数据中心正在使用备用电力进行操作;以及
物理地传送彼此接近的所述数据中心的模块,其中所述应用模块和所述附加应用模块正在所述数据中心的所述模块上被处理。
20.根据权利要求19所述的计算机程序产品,所述操作还包括:
预测所述备用电力的使用的持续时间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/109,386 US11782770B2 (en) | 2020-12-02 | 2020-12-02 | Resource allocation based on a contextual scenario |
US17/109,386 | 2020-12-02 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114595055A true CN114595055A (zh) | 2022-06-07 |
Family
ID=79018998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111429775.7A Pending CN114595055A (zh) | 2020-12-02 | 2021-11-29 | 基于上下文场景的资源分配 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11782770B2 (zh) |
JP (1) | JP2022088338A (zh) |
CN (1) | CN114595055A (zh) |
DE (1) | DE102021130359A1 (zh) |
GB (1) | GB2604973B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11782770B2 (en) | 2020-12-02 | 2023-10-10 | International Business Machines Corporation | Resource allocation based on a contextual scenario |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11929169B2 (en) * | 2022-02-09 | 2024-03-12 | Kyndryl, Inc. | Personalized sensory feedback |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8195340B1 (en) | 2006-12-18 | 2012-06-05 | Sprint Communications Company L.P. | Data center emergency power management |
WO2015066048A1 (en) | 2013-10-28 | 2015-05-07 | Virtual Power Systems, Inc. | Energy control via power requirement analysis and power source enablement |
US10234833B2 (en) | 2016-07-22 | 2019-03-19 | Intel Corporation | Technologies for predicting power usage of a data center |
US11107016B2 (en) | 2016-08-18 | 2021-08-31 | Virtual Power Systems, Inc. | Augmented power control within a datacenter using predictive modeling |
US10353452B2 (en) | 2017-01-27 | 2019-07-16 | International Business Machines Corporation | Hierarchical prioritized charging for battery backup units on computing data centers |
CN110879750A (zh) | 2017-10-13 | 2020-03-13 | 华为技术有限公司 | 资源管理的方法及终端设备 |
US11782770B2 (en) | 2020-12-02 | 2023-10-10 | International Business Machines Corporation | Resource allocation based on a contextual scenario |
-
2020
- 2020-12-02 US US17/109,386 patent/US11782770B2/en active Active
-
2021
- 2021-11-17 GB GB2116549.3A patent/GB2604973B/en active Active
- 2021-11-19 DE DE102021130359.1A patent/DE102021130359A1/de active Pending
- 2021-11-29 CN CN202111429775.7A patent/CN114595055A/zh active Pending
- 2021-12-01 JP JP2021195201A patent/JP2022088338A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11782770B2 (en) | 2020-12-02 | 2023-10-10 | International Business Machines Corporation | Resource allocation based on a contextual scenario |
Also Published As
Publication number | Publication date |
---|---|
GB2604973A (en) | 2022-09-21 |
US20220171665A1 (en) | 2022-06-02 |
JP2022088338A (ja) | 2022-06-14 |
DE102021130359A1 (de) | 2022-06-02 |
GB2604973B (en) | 2023-07-19 |
US11782770B2 (en) | 2023-10-10 |
GB202116549D0 (en) | 2021-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10838803B2 (en) | Resource provisioning and replacement according to a resource failure analysis in disaggregated data centers | |
US11018955B2 (en) | Change management optimization in cloud environment | |
US11050637B2 (en) | Resource lifecycle optimization in disaggregated data centers | |
CN102216922B (zh) | 用于n层应用程序的云计算生命周期管理 | |
US10754720B2 (en) | Health check diagnostics of resources by instantiating workloads in disaggregated data centers | |
US11171825B2 (en) | Context-based resource allocation with extended user concepts | |
US11188408B2 (en) | Preemptive resource replacement according to failure pattern analysis in disaggregated data centers | |
US11474905B2 (en) | Identifying harmful containers | |
US10761915B2 (en) | Preemptive deep diagnostics and health checking of resources in disaggregated data centers | |
US10831580B2 (en) | Diagnostic health checking and replacement of resources in disaggregated data centers | |
CN114341810A (zh) | 跨服务基础设施部署微服务 | |
US11086710B2 (en) | Predictive disaster recovery system | |
CN114595055A (zh) | 基于上下文场景的资源分配 | |
CN116414518A (zh) | Kubernetes上的大数据的数据局部性 | |
CN112348302A (zh) | 具有无状态协调器的可扩展工作流引擎 | |
US10938655B2 (en) | Enterprise cloud garbage collector | |
US11644876B2 (en) | Data analytics for mitigation of data center thermal issues | |
US11567835B2 (en) | Data protection and recovery | |
US20220215286A1 (en) | Active learning improving similar task recommendations | |
US20230062212A1 (en) | Container lifecycle management | |
US11870858B2 (en) | Intelligent, fast-forwarded health checks within service mesh | |
US11875194B2 (en) | Positioning of edge computing devices | |
US20230072962A1 (en) | Distributed system workload management via node autonomy | |
US20220138614A1 (en) | Explaining machine learning based time series models | |
US20230315517A1 (en) | Central randomized scheduler for hypothesis-based workloads |
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 |