CN114625523A - 一种资源分配方法、装置和计算机可读存储介质 - Google Patents

一种资源分配方法、装置和计算机可读存储介质 Download PDF

Info

Publication number
CN114625523A
CN114625523A CN202011452325.5A CN202011452325A CN114625523A CN 114625523 A CN114625523 A CN 114625523A CN 202011452325 A CN202011452325 A CN 202011452325A CN 114625523 A CN114625523 A CN 114625523A
Authority
CN
China
Prior art keywords
resource
target
service
demand
target service
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
CN202011452325.5A
Other languages
English (en)
Inventor
刘少伟
张婷婷
张昊
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.)
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
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 China Mobile Communications Group Co Ltd, China Mobile Communications Ltd Research Institute filed Critical China Mobile Communications Group Co Ltd
Priority to CN202011452325.5A priority Critical patent/CN114625523A/zh
Publication of CN114625523A publication Critical patent/CN114625523A/zh
Pending legal-status Critical Current

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]
    • 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
    • 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
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • 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
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5022—Mechanisms to release resources
    • 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
    • G06F2209/5011—Pool

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提供一种资源分配方法、装置和计算机可读存储介质，其中，资源分配方法包括：获取目标业务对资源池内每一种资源的历史资源使用数据；根据目标业务对目标资源的历史资源使用数据，预测目标业务在未来的目标时间对目标资源的预测资源需求量；根据目标业务对资源池内每一种资源的历史资源使用数据，以及目标业务对资源池内每一种资源的预测资源需求量，确定目标业务对资源的需求特征；在目标业务对目标资源的目标观察指标小于或者等于目标参考值的情况下，释放目标资源的部分，并更新所述目标观察指标，直至更新后的目标观察指标大于或者等于目标参考值。本申请实施例能够提升资源利用率。

Description

一种资源分配方法、装置和计算机可读存储介质
技术领域
本发明涉及计算机资源管理技术领域，尤其涉及一种资源分配方法、装置和计算机可读存储介质。
背景技术
通过资源分配，以提升或优化资源利用率，能够使用最少的资源承载业务，从而节约资源。
在云计算的背景下，资源池中的服务器数以万计，其成本和运营支出巨大，因此，提升资源利用率显得尤为重要和迫切。
在相关技术中，用户(或租户)在为业务申请资源时，通常由用户自己选择虚机(或裸机)的规格，或者从资源池已有的服务器规格列表中选择。然后根据用户选取的设备规格，进行业务部署，以提升资源池内各资源的利用率。
但是，上述通过用户自己选择虚机(或裸机)的规格，或者从资源池已有的服务器规格列表中选择的方式所选取的资源规格，与业务对资源的实际需求存在较大的差异，因此，相关技术中的业务资源分配方法不能完全拟合业务对资源的真实需求，将造成一定的资源浪费。
发明内容
本发明实施例提供一种资源分配方法、装置和计算机可读存储介质，能够减少资源浪费。
为解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种资源分配方法，所述方法包括：
获取目标业务对资源池内每一种资源的历史资源使用数据；
根据所述目标业务对目标资源的历史资源使用数据，对所述目标业务在未来的目标时间对所述目标资源的资源需求量进行预测，并根据预测结果确定预测资源需求量，其中，所述资源池包括所述目标资源；
根据所述目标业务对所述资源池内每一种资源的历史资源使用数据，以及所述目标业务对所述资源池内每一种资源的预测资源需求量，确定所述目标业务对资源的需求特征，其中，所述需求特征包括所述目标业务对不同资源的需求配比；
获取所述目标业务对所述目标资源的目标观察指标，并在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，其中，所述目标观察指标的取值与所述目标业务对所述目标资源的利用率正相关，且所述目标参考值的取值与所述目标业务的需求特征关联。
第二方面，本申请实施例提供了一种资源分配装置，包括：获取模块，用于获取目标业务对资源池内每一种资源的历史资源使用数据；
第一预测模块，用于根据所述目标业务对目标资源的历史资源使用数据，对所述目标业务在未来的目标时间对所述目标资源的资源需求量进行预测，并根据预测结果确定预测资源需求量，其中，所述资源池包括所述目标资源；
确定模块，用于根据所述目标业务对所述资源池内每一种资源的历史资源使用数据，以及所述目标业务对所述资源池内每一种资源的预测资源需求量，确定所述目标业务对资源的需求特征，其中，所述需求特征包括所述目标业务对不同资源的需求配比；
资源释放模块，用于获取所述目标业务对所述目标资源的目标观察指标，并在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，其中，所述目标观察指标的取值与所述目标业务对所述目标资源的利用率正相关，且所述目标参考值的取值与所述目标业务的需求特征关联。
第三方面，本申请实施例提供了一种云计算平台，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的资源分配方法中的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的资源分配方法中的步骤。
本发明实施例中，首先根据目标业务对目标资源的历史资源使用数据，预测该目标业务在未来的目标时间对目标资源的资源需求量，并根据该目标业务对资源池内每一种资源的需求量，确定该业务的资源需求特征，然后，根据该资源需求特征，以及该目标业务对目标资源的资源利用率等，并基于该目标业务对目标资源的目标观察指标与目标参考值之间的大小关系，确定该目标观察指标是否达标，其中，该目标观察指标用于反映该目标业务对目标资源的利用率，从而在该目标观察指标未达标的情况下，对该目标资源进行适当的释放，并再次根据释放后的资源评判目标业务对目标资源的目标观察指标是否达标，直至该目标业务对目标资源的目标观察指标达标时停止迭代，从而达到在该目标业务对目标资源的利用率较低的情况下，释放该目标资源的部分，从而使目标业务对目标资源的利用率有所提升。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种资源分配方法的流程图；
图2是本发明实施例提供的另一种资源分配方法的流程图；
图3是本发明实施例提供的另一种资源分配方法的流程图；
图4是本发明实施例提供的一种资源分配装置的结构图；
图5是本本发明实施例提供的一种云计算平台的结构图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
提升或优化资源利用率，以使用最少的资源承载业务，能够减少资源的消耗，从而节约成本。在云计算的背景下，资源池中的服务器数以万计，成本和运营支出数额巨大，提升资源利用率显得尤为重要和迫切。
在当前的技术中，资源的种类又可以有多种(或者称之为多维度资源)，例如：中央处理器(Central Processing Unit，CPU)资源、内存资源、磁盘存储资源等等，且不同的业务需求的资源种类和需求的资源量可以不同。在相关技术中，用户(或租户)在为业务申请资源时，通常由用户自己选择虚机(或裸机)的规格，或者从资源池已有的服务器规格列表中选择服务器，从而将用户选取的虚机或服务器作为为业务分配的资源。
但是，由于业务对资源的需求量、对不同资源的需求配比等可能跟随时间的变化而变化，例如：游戏业务在白天的资源需求量大于在凌晨的资源需求量，在相关技术中，无论是用户自己选择虚机(或裸机)的规格还是基于服务器规格列表进行选择服务器，都是按照业务对资源的最大需求量进行选择，并且还需要给业务预留资源，以使给业务分配的资源大于该业务在各种情况下对资源的最大需求量，从而存在给业务分配的资源与业务在不同时间对资源的实际需求有较大差异，从而造成资源浪费的问题。
为了解决上述问题，本申请实施例提出一种基于时序预测和资源需求特征的资源分配方法，以提升资源池的利用率。
请参阅图1，是本申请实施例提供的一种资源分配方法的流程图，如图1所示，该方法可以包括以下步骤：
步骤101、获取目标业务对资源池内每一种资源的历史资源使用数据。
在实施中，可以每间隔单位时间(例如：1个小时或者10分钟等)获取一次目标业务对资源池内每一种资源的资源使用情况，以共同组成该历史资源使用数据。这样，通过历史资源使用数据可以反映目标业务对各种资源的使用量、使用高峰时间等信息。
优选的，该资源使用情况可以是目标业务所使用的资源的绝对资源使用量，当然，在实施中，上述资源使用情况还可以是其他任一能够衡量业务所使用的资源量的参数，在此不作具体限定。
作为一种可选的实施方式，所述获取目标业务对资源池内每一种资源的历史资源使用数据，包括：
获取目标业务在预设历史时间段内，对资源池内的每一种资源的每一个资源设备的利用率数据序列，其中，所述利用率数据序列包括多个按照时间顺序排列的利用率数据；
分别将与同一时间和同一种资源对应的利用率数据转化为绝对资源使用量，并对所述绝对资源使用量进行求和处理，以得到所述目标业务对所述资源池内每一种资源的资源使用总量序列，以作为所述历史资源使用数据，其中，所述资源使用总量序列的数量等于所述资源池内包括的资源的种类，所述资源使用总量序列包括多个按照时间顺序排列的资源使用总量。
其中，上述资源设备可以包括物理设备，例如：服务器等，另外，上述资源设备还可以包括虚拟机设备，例如：预先一个服务器划分为两个虚拟机的情况下，可以在两个虚拟机上分别承载对应的业务。
另外，上述获取目标业务在预设历史时间段内，对资源池内的每一种资源的每一个资源设备的利用率数据序列，可以理解为：生成N个数据序列，其中，N表示资源池内包括的N种资源，且N个数据序列与N种资源一一对应。然后，在预设历史时间段内，每间隔单位时间，采集一次目标业务分别对每一种资源的资源设备的利用率数据，然后对采集时间点相同，且资源种类相同的资源利用量数据进行求和，以得到该采集时间点目标业务分别使用每一种资源的绝对资源使用量，并将相同种类资源的绝对资源使用量，按照时间顺序排列于与该种资源对应的数据序列中。
在实施中，目标资源对应的绝对资源使用量的单位可以与目标资源具有共同的粒度，例如：CPU资源的绝对资源使用量可以表示为：X个CPU，内存资源的绝对资源使用量可以表示为：Y GB(吉字节)内存，上述X和Y为大于0的常数，且上述绝对资源使用量可以通过以下过程计算得到：
假设目标业务独占设备(该设备可以是：服务器或者服务器中的虚拟机设备)，采集目标业务对所用设备的每一种资源(如CPU、内存、磁盘等)的实时利用率数据。首先基于设备规格将各台设备某一种资源的利用率统一转换为绝对资源使用量，然后再将所有设备的同一时间点的该种资源的数据聚合，最终得到目标业务对该种资源的使用量数据。其中，目标业务在某时间点对目标资源使用的绝对资源使用量，可以通过以下计算公式计算得到：
Figure BDA0002827573790000061
其中，Uj代表目标业务对目标资源在时间点j使用的绝对资源使用量，wi代表第i个设备的资源规格，αi代表第i个设备在该时间点的资源使用率，N表示设备总数。
在实施中，上述j的取值可以包括：1，2，…，M，以分别求取M个Uj的值，从而共同构成上述历史资源使用数据，其中，M表示历史资源使用数据中包括单位时间的总数，即历史资源使用数据具体为目标业务使用目标资源的绝对资源使用量的时序数据。
在实施中，可以分别计算出目标业务使用资源池内的每一种资源的绝对资源使用量的时序数据，即若资源池内包括CPU、内存和磁盘，则可以得到以下3组时序数据：目标业务分别使用CPU的绝对资源使用量的时序数据、目标业务分别使用内存的绝对资源使用量的时序数据以及目标业务分别使用磁盘的绝对资源使用量的时序数据。
步骤102、根据所述目标业务对目标资源的历史资源使用数据，对所述目标业务在未来的目标时间对所述目标资源的资源需求量进行预测，并根据预测结果确定预测资源需求量，其中，所述资源池包括所述目标资源。
在实施中，可以采用机器学习、神经网络等预测算法模型，来实现对所述目标业务在未来的目标时间对所述目标资源的资源需求量进行预测。当然，在实施中，还可以通过：将所述历史资源使用数据输入至时序预测工具(例如：Prophet时序预测工具)，以输出所述目标业务在未来的目标时间段内对所述目标资源的预测资源需求量序列，其中，所述预测资源需求量序列包括多个按照时间顺序排列的预测资源需求量。
在实施中，可以分别对目标业务在未来的目标时间对N种资源的资源需求量进行预测，即上述预测过程需要执行N此，以得到目标业务在未来的目标时间对资源池内每一种资源的资源需求量。
相应的，基于上述历史资源使用数据为绝对资源使用量，预测出的上述预测资源需求量，也是绝对资源使用量。另外，上述未来的目标时间可以是一个时间点，优选的，上述未来的目标时间可以是一段时间，且上述预测资源需求量也可以是一个时间数据序列，即包括多个按照时间顺序排列的预测资源需求量值。
步骤103、根据所述目标业务对所述资源池内每一种资源的历史资源使用数据，以及所述目标业务对所述资源池内每一种资源的预测资源需求量，确定所述目标业务对资源的需求特征，其中，所述需求特征包括所述目标业务对不同资源的需求配比。
在实施中，上述确定所述目标业务对资源的需求特征，可以是将相同时间点，所述目标业务对资源池内至少两种资源的绝对资源使用量相比，以得出需求配比序列，该需求配比序列包括与历史资源使用数据以及预测资源需求量中每一个绝对资源使用量对应的时间点的需求配比值。
在实施中，通过需求配比值，可以反映目标业务在该时间点对资源的需求特征，例如：CPU的绝对资源使用量与内存的绝对资源使用量的比值增大等特征信息。再例如：在某个时间点，目标业务使用CPU和内存的绝对资源使用量分别为1.5个CPU和6GB内存，则目标业务在该时间点对内存和CPU的需求配比值为4:1。
在实施中，资源池内的资源种类可以大于2种，此时，为了简化配比值的计算量，可以从资源池内选取任意两种资源，以对目标业务分别对该任意两种资源的需求情况进行比较，并根据该任意两种资源的配比情况作为所述目标业务的需求特征。
作为一种可选的实施方式，所述需求特征包括业务分类；
所述根据所述目标业务对所述资源池内每一种资源的历史资源使用数据，以及所述目标业务对所述资源池内每一种资源的预测资源需求量，确定所述目标业务对资源的需求特征，包括：
从所述资源池中选取至少两种资源；
基于所述目标业务分别对所述至少两种资源的历史资源使用数据，以及所述目标业务分别对所述至少两种资源的预测资源需求量，确定所述目标业务的时序数据配比，其中，所述时序数据配比包括多个按照时间顺序排列的数据配比值，且第一时间点对应的数据配比值，等于所述目标业务在所述第一时间点分别使用所述至少两种资源的数据量的比例值；
在所述时序数据配比位于第一时序数据配比范围内的情况下，确定所述目标业务对资源的需求特征为第一业务分类关联，其中，所述第一业务分类与所述第一时序数据配比范围关联。
其中，所述需求特征包括业务分类，可以理解为：不同的业务对资源的需求不同，为便于区分不同需求特征的业务，可以根据业务对资源的需求特征对该业务进行分类，以使相同业务分类下的业务对资源的需求特征相似，而不同的业务分类下的业务对资源的需求特征不同。
在实施中，将与相同时间点对应的业务对第一种资源的资源使用绝对量，与业务对第二种资源的资源使用绝对量进行相除，以得到该业务对第一种资源和对第二种资源的需求配比，依次分别计算历史资源使用数据和预测资源需求量中每一个时间点对应的需求配比，以共同构成所述时序数据配比，即确定出的时序数据配比包括多个按照时间顺序排列的数据配比值。
在一种可选的实施方式中，可以通过以下过程确定上述目标业务的需求特征对应的业务分类：
第一步：预先确定与每一种业务分类分别对应的数据配比范围。
例如：第一业务分类对应的数据配比范围为：(0,3]，第二业务分类对应的数据配比范围为：(3,6]，第三业务分类对应的数据配比范围为：(6,∞)。
第二步，分别确定时序数据配比中的每一个数据配比值所在的数据配比范围，并分别统计每一个数据配比范围中包括的数据配比值的数量。
第三步，确定包括数据配比值的数量最多的一个数据配比范围所对应的业务分类为所述目标业务的资源需求特征。
例如：假设目标业务的时序数据配比包括10个数据配比值，其中，3个位于(0,3]范围内，5个位于(3,6]范围内，剩下的2个位于(6,∞)范围内，则确定(3,6]范围对应的第二业务分类为目标业务的资源需求特征。
在另一种可选的实施中，为了简化对时序数据配比序列进行分析的难度，可以从时序数据配比中选取一个典型配比值(例如：平均值、出现频率最高的配比值等)，以基于该典型配比值与第一时序数据配比范围的数值关系，确定所述目标业务的业务分配。
进一步地，上述典型配比值可以通过以下方式确定：
首先，取时序数据配比中配比值靠近配比平均值的a％的配比值数据集N，其中，配比平均值表示所述时序数据配比中全部配比值的平均值；
然后，取数据集N的中位数m1和平均数m2；
最后，取m1和m2的平均值M，将该M作为上述典型配比值。
其中，上述a％为常数，优选为：80％或90％等，在此不作具体限定，通过取时序数据配比中配比值靠近配比平均值的a％的配比值数据集N，可以使数据集N中不包括过大或者过小的配比值，以提升精确度。另外，上述m1、m2以及M均为常数。
另外，上述业务分类可以通过用户预设置的方式获取，例如：假设上述至少两种资源包括：CPU资源和内存资源，则用户可以通过如下表1所示的对应方式，将业务分类划分为3类：
表1
业务分类 划分方法
类别A 内存与CPU资源典型配比值M∈(0,3]
类别B 内存与CPU资源典型配比值M∈(3,6]
类别C 内存与CPU资源典型配比值M∈(6,+∞)
其中，业务类别A对应的第一时序数据配比范围为：(0,3]；业务类别B对应的第二时序数据配比范围为：(3,6]；业务类别C对应的第三时序数据配比范围为：(6,+∞)。
这样，在通过上述步骤101～103得出的时序数据配比的典型配比值位于(0,3]内的情况下，可以确定该目标业务为业务类别A；在通过上述步骤101～103得出的时序数据配比的典型配比值位于(3,6]内的情况下，可以确定该目标业务为业务类别B；在通过上述步骤101～103得出的时序数据配比的典型配比值位于(6,+∞)内的情况下，可以确定该目标业务为业务类别C。
在实施中，用户可以根据需要将业务类别设置2个、4个或者更多个业务分类，且设置对应的典型配比值范围，在此不作具体限定。
步骤104、获取所述目标业务对所述目标资源的目标观察指标，并在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，其中，所述目标观察指标的取值与所述目标业务对所述目标资源的利用率正相关，且所述目标参考值的取值与所述目标业务的需求特征关联。
用户在设定如表1所示的业务分类，以及各分类对应的时序数据配比范围的情况下，还可以设置每一种业务分类对应的观察指标，在实施中该观察指标可以是资源利用率平均值、资源利用率均峰值等能够表示资源利用率的参数，在此不作具体限定。
另外，可以根据用户的需要，为每一种业务类别的各个观察指标分别设置对应的参考值，以通过将该参考值与观察指标的实际取值进行比较，以得到该观察指标是否达标。例如：如下表2所示，为类别A、类别B以及类别C分别设置观察指标对应的参考值：
表2
Figure BDA0002827573790000101
其中，对于类别A的业务，在该业务对CPU的利用率平均值大于或者等于60％时，表示该业务对CPU的利用率达标了；另外，在该业务对内存的利用率平均值大于或者等于40％时，表示该业务对内存的利用率达标了。
另外，对于类别B的业务，在该业务对CPU的利用率平均值大于或者等于40％时，表示该业务对CPU的利用率达标了；另外，在该业务对内存的利用率平均值大于或者等于60％时，表示该业务对内存的利用率达标了。
另外，对于类别C的业务，在该业务对CPU的利用率平均值大于或者等于50％时，表示该业务对CPU的利用率达标了；另外，在该业务对内存的利用率平均值大于或者等于50％时，表示该业务对内存的利用率达标了。
在上述任一种资源的利用率未达标的情况下，表示该资源池为该业务分配的该种资源过多，从而使该种资源的利用率低，此时对该业务释放部分的该种资源。
上述释放所述目标资源的部分，可以理解为：每次释放单位量的目标资源，例如：对于CPU，每次释放至少1个CPU，并迭代计算释放该单位量的目标资源后的观察指标，直至该观察指标大于或者等于对应的参考值时，停止迭代。这样，通过不断迭代调整业务的资源分配，使每个维度的资源分配慢慢地拟合实际的资源需求，使业务的资源配比合理，从而减少资源浪费。
当然，在实施中，上述释放所述目标资源的部分，还可以理解为：根据目标业务的资源需求特征，以及观察指标的实际取值与对应参考值之间的差异大小等，计算出需要对目标资源进行释放的资源释放量，从而释放资源释放量的目标资源后，迭代计算释放该单位量的目标资源后的观察指标，直至该观察指标大于或者等于对应的参考值时，停止迭代。例如：当观察指标的实际取值与对应参考值之间的差异较大时，确定出的需要释放的资源释放量较多，而当观察指标的实际取值与对应参考值之间的差异较小时，确定出的需要释放的资源释放量较少。
需要说明的是，如果计算后得出的需要释放的资源量小于目标资源的单位量，但是该目标资源的利用率还未达标，此时可以放弃优化该业务的资源分配。
作为一种可选的实施方式，在所述目标业务为第一业务分类的情况下，所述目标参考值为第一参考值，且所述目标观察指标包括资源利用率平均值；
所述获取所述目标业务对所述目标资源的目标观察指标，并在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，包括：
根据所述目标业务对所述目标资源的利用率平均值，在所述利用率平均值小于或者等于与所述第一业务分类关联的第一参考值的情况下，根据所述利用率平均值、所述第一参考值以及所述目标资源的资源总量，确定目标资源释放量；
释放所述目标资源的部分，并更新所述目标业务对所述目标资源的利用率平均值，其中，对所述目标资源的释放量等于所述目标资源释放量；
在所述更新后的利用率平均值小于或者等于所述第一参考值的情况下，继续对所述目标资源的部分进行资源释放，并更新所述利用率平均值，直至所述利用率平均值大于或者等于所述第一参考值。
需要说明的是，在实施中，上述目标业务往往需要使用资源池内的多种资源，此时，可以分别判断该目标业务对每一种或者指定的至少两种资源分别对应的观察指标是否达标，并对未达标的资源分别进行资源释放，直至该目标业务使用的全部资源均达标。
在实施中，上述根据所述利用率平均值、所述第一参考值以及所述目标资源的资源总量，确定目标资源释放量，可以是根据所述利用率平均值、所述第一参考值以及所述目标资源的资源总量之间的数值关系，确定目标资源释放量，或者，根据所述利用率平均值、所述第一参考值、所述目标资源的资源总量以及目标资源释放量之间的映射关系查找对应的目标资源释放量等。
例如：可以通过以下公式计算得到所述目标资源释放量的取值：
Figure BDA0002827573790000121
其中，Ccap表示目标资源的资源总量，Crev表示目标资源释放量，Um表示目标观察指标的实际值，Ut表示目标参考值，a表示提升系数，b表示释放系数。
在实施中，所述a可以取1～1.2之间的任一常数，所述b可以取0～1之间的任一常数。优选的，a＝1.1，且b＝0.8。
在实施中，上述目标资源释放量还需要考虑资源设备的最小资源粒度，例如：CPU的最小粒度为1个CPU，内存的最小粒度为1GB，则目标资源释放量小于或者等于上述Crev，且为对应资源最小粒度的整数倍。
例如：在业务A的业务类别属于类别A，且拥有8核CPU、16GB内存的资源设备，且该CPU的利用率平均值为50％，内存的利用率平均值为30％。基于上述表2可知，业务A的CPU利用率平均值和利用率平均值均未达标(CPU利用率平均值的参考值为60％，内存利用率平均值的参考值为40％)。因此，需要分别计算CPU和内存的释放量，具体的，若假设CPU的最小粒度为1个CPU，且内存的最小粒度为1GB，则根据上述Crev的计算公式计算出的与CPU对应的释放量为：
Figure BDA0002827573790000131
基于CPU的最小粒度为1个CPU，从而得出最终的CPU释放量为：1个CPU。另外，根据上述Crev的计算公式计算出的与内存对应的释放量为：
Figure BDA0002827573790000132
Figure BDA0002827573790000133
基于内存的最小粒度为1GB，从而得出最终的内存释放量为：4GB。
需要说明的是，在上述观察指标是资源利用率均峰值或者其他利用率参数的情况下，也可以采用相同的方式确定上述目标资源释放量，在此不再赘述。
在实施方式中，上述实施方式，可以应用于目标业务对每一种资源或者指定的至少两种资源的资源利用率平均值均不达标的情况。对于目标业务对上述每一种资源或者指定的至少两种资源中，一部分资源利用率平均值达标，而另一部分资源利用率平均值不达标的情况，则可以采用以下实施方式：
作为另一种可选的实施方式，在所述目标业务使用了所述资源池中的第一种资源和第二种资源的情况下，所述目标观察指标包括：所述第一种资源的第一利用率平均值，以及所述第二种资源的第二利用率平均值；
所述在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，包括：
在所述目标业务对所述第一种资源的第一利用率平均值大于或者等于第二参考值，且所述目标业务对所述第二种资源的第二利用率平均值小于或者等于第三参考值的情况下，根据所述第一利用率平均值与所述第二参考值的比值，所述第二利用率平均值、所述第三参考值以及所述第二种资源的资源总量，确定对所述第二种资源的第二资源释放量；
释放所述第二种资源的部分，并更新所述目标业务对所述第二资源的利用率平均值，其中，对所述第二种资源的释放量等于所述第二资源释放量；
直至所述更新后的第二利用率平均值与所述第三参考值的比值，大于或者等于，所述第一利用率平均值与所述第二参考值的比值；
其中，所述第二参考值和所述第三参考值分别与所述第一业务分类关联。
本实施方式与上一种实施方式的不同之处在于，本实施方式中，在目标业务使用的部分资源的观察指标达标的情况下，其他未达标的资源可以参考达标的资源的利用率，进行资源释放，以使该目标资源对各种资源的利用率保持同步。
在实施中，上述未达标的资源可以参考达标的资源中达标程度最低的一个，进行资源释放，例如：先分别对每一种达标的资源计算观察指标与对应参考值的比值A，然后根据该A的最小值min(A)，以使未达标的目标资源进行资源释放，且进行资源释放后，该目标资源的观察指标与对应的参考值的比值等于上述min(A)。
具体的，可以通过以下公式计算未达标的资源的资源释放量：
Figure BDA0002827573790000141
其中，Ccap表示待释放的(即未达标的)资源总量，Crev表示目标资源释放量，b表示释放系数，Um表示待释放的资源的观察指标的实际值，Ut表示待释放的资源的观察指标的参考值，UP1表示第1种达标的资源的观察指标的实际值，UT1表示第1种达标的资源的观察指标的参考值，且n表示达标的资源的种类数。
例如：假设业务A的业务类别属于类别A，且现为该业务A分配了8核CPU和16GB内存，该CPU和内存的利用率平均值分别为50％和50％，则由表2可知，业务A对CPU的利用率平均值未达标，而对内存的利用率平均值达标，此时，内存的观察指标的实际值与参考值的比值等于：50％÷40％＝1.2。则根据上述Crev的计算公式，计算CPU的待释放量为：
Figure BDA0002827573790000151
基于CPU的最小粒度为1个CPU，则最终确定的CPU的目标资源释放量为2核CPU。从而对该业务A释放2核CPU，以根据释放后的CPU使用量再次计算CPU的利用率平均值，以判断再次计算得到的CPU利用率平均值是否达标，若达标则停止迭代，若未达标则继续执行上述释放资源并更新CPU利用率平均值的过程，再次不再赘述。
需要说明的是，在上述观察指标是资源利用率均峰值或者其他利用率参数的情况下，也可以采用相同的方式确定上述目标资源释放量，在此不再赘述。
本步骤中，在资源池为目标业务分配的目标资源的观察指标未达标的情况下，对该目标业务的目标资源进行适当的资源释放，以释放掉该目标业务所占用的目标资源的部分，从而达到减少对目标业务分配的目标资源的绝对资源使用量的作用，能够提升目标业务对目标资源的利用率。
需要说明的是，在实施中，资源池往往可以同时为多个业务分配资源，则上述步骤101至步骤104可以重复执行多次，以分别使资源池所服务的每一个业务的资源利用率达标，从而降低业务对资源池的整体占用量，以及提升资源池的整体利用率。
另外，由于本申请实施例提供的资源分配方法，是基于时序数据进行分析和预测的，从而跟随时间的变化，预测出的资源需求量会有所变化，依此进行资源分配，能够使为该业务分配的资源与该业务对资源的实际需求更加匹配，即仅需使为该业务分配的资源量满足未来预设时间段(例如：1天或者1个月等)对资源的需求量即可，而无需为业务预留过多的资源，以满足业务在各种情况下对资源的需求，而造成资源浪费。
本发明实施例中，首先根据目标业务对目标资源的历史资源使用数据，预测该目标业务在未来的目标时间对目标资源的资源需求量，并根据该目标业务对资源池内每一种资源的需求量，确定该业务的资源需求特征，然后，根据该资源需求特征，以及该目标业务对目标资源的资源利用率等，并基于该目标业务对目标资源的目标观察指标与目标参考值之间的大小关系，确定该目标观察指标是否达标，其中，该目标观察指标用于反映该目标业务对目标资源的利用率，从而在该目标观察指标未达标的情况下，对该目标资源进行适当的释放，并再次根据释放后的资源评判目标业务对目标资源的目标观察指标是否达标，直至该目标业务对目标资源的目标观察指标达标时停止迭代，从而达到在该目标业务对目标资源的利用率较低的情况下，释放该目标资源的部分，从而使目标业务对目标资源的利用率有所提升。
请参阅图2，是本申请实施例提供的另一种资源分配方法的流程图，如图2所示资源分配方法与如图1所示资源分配方法的不同之处在于，在如图1所资源分配方法的步骤104之后，还包括步骤205和步骤206。
如图2所示，本方法实施例提供的资源分配方法包括步骤201～步骤206，其中，步骤201～步骤204与如图1所示资源分配方法实施例中的步骤101～步骤104相同，在此不再赘述。
步骤205、获取所述资源池关联的每一个业务的对资源的需求特征，以及获取所述资源池关联的每一个业务在未来的预设时间段内的资源需求量的最大值。
在实施中，上述资源需求量的最大值可以是在未来预设时间段(例如：1天或者1个月等)内预测出的，目标业务对资源池内分别每一种资源的最大资源需求量。例如：预测出业务A在未来1个月内对CPU的资源需求量为[3,6]核CPU，且对内存的资源需求量为[4,8]GB，则该业务A在未来1个月内对CPU的资源需求量的最大值为6核CPU，且对内存的资源需求量的最大值为8GB。在实施中，上述资源需求量的最大值可以采用与如图1所示方法实施例中，步骤102中确定预测资源需求量相同的方法进行预测，然后取未来预设时间段内预测到的各个预测资源需求量的最大值即可。
在实施中，上述资源池可以同时为多个业务分配资源，则上述步骤205可以分别针对资源池所服务的每一个业务分别执行，以分别确定该资源池所服务的每一个业务分别对各种资源的最大需求量。
步骤206、根据所述资源池关联的每一个业务的对资源的需求特征，以及所述资源池关联的每一个业务的资源需求量的最大值，调整所述资源池内的业务部署，以使所述资源池的资源利用率大于预设利用率。
上述预设利用率可以是用户设置的利用率值，例如：80％或者90％等，该资源池的利用率可以通过以下过程确定：
首先，计算资源池内全部业务所使用的绝对资源使用量的总量；然后，计算资源池当前启动的资源设备的绝对资源使用量的总量；最后，将该全部业务所使用的绝对资源使用量的总量除以当前启动的资源设备的绝对资源使用量的总量，以得到所述资源池的资源利用率。
在实施中，上述调整所述资源池内的业务部署，可以是将至少两个业务部署在同一台设备(例如：服务器)上，以使该服务器既能满足该至少两个业务在未来预设时间段内对资源的需求，还能够实现至少两个业务共用一台设备，从而提升设备的利用率，另外，由于在实现至少两个业务共用一台设备的基础上，必然会产生空闲的设备，此时，可以将空闲的设备释放，即下电处理，从而减少了该空闲的设备处于空闲运行状态而造成的资源浪费。
在实施中，由于上述业务的对资源的需求特征，既可以反应业务对不同资源的需求配比，也能够反应业务在不同时间对资源的需求量差异等，此时根据上述资源池关联的每一个业务的对资源的需求特征，以及所述资源池关联的每一个业务的资源需求量的最大值，调整所述资源池内的业务部署，以使所述资源池的资源利用率大于预设利用率，可以理解为：在调整部署后的资源能够满足每一个业务对每一种资源的最大需求量的基础上，将需求特征互补的至少两个业务部署于同一台设备上。这样，通过容量预测，以在对资源池内的业务进行统一部署时考虑各个业务的发展需求，从而使提出的业务部署策略具有可持续发展性。
作为一种可选的实施方式，所述调整所述资源池内的业务部署，包括以下至少一项：
将资源需求特征的差异大于或者等于预设差异值的至少两个业务部署于同一服务器内，其中，所述资源池内包括多个服务器；
将资源需求峰值时间的间隔时间大于或者等于预设之间长度的至少两个业务部署于同一服务器内，其中，所述资源需求峰值时间表示资源需求量的最大值所处的时间。
在实施中，上述资源需求特征的差异大于或者等于预设差异值，表示：两个业务之间，对不同种类的资源有需求，或者主要需求的资源为不同种类的资源，例如：对CPU需求多的业务A和对CPU需求少的业务B部署在同一台服务器上。
上述将资源需求峰值时间的间隔时间大于或者等于预设之间长度，可以理解为：两个业务之间，对同一种资源的需求峰值分布于不同的时间，例如：白天对CPU需求较多的业务A和夜晚对CPU需求较多的业务B部署在同一台服务器上。
本发明实施例中，在如图1所示方法实施例的基础上，还对业务进行了混合部署，以将对资源种类的需求不同，或者对同一种资源的需求时间不同的至少两个业务部署在同一资源设备上，从而避免需要分别对每一个业务部署一台资源设备，从而对于相同数量的业务，能够减少部署的资源设备的数量，从而提升资源设备的利用率。
下面以如图3所示流程图为例，对如图1和图2所示资源分配方法进行举例说明：
步骤301、获取业务使用各维度资源的绝对量。
在实施中，上述步骤301具体是获取业务在历史时间段内，每间隔单位时间获取的对资源池内每一种资源的历史资源使用数据，且该历史资源使用数据实质上是绝对资源使用量。
步骤302、对各维度资源需求量进行时序预测，得到预测结果。
在实施中，上述时序预测可以理解为：预测出的结果为一个时序数据，其包括按照时间顺序排列的多个预测资源需求量值。
步骤303、提取业务资源需求特征。
本步骤与如图1所示方法实施例中，步骤101具有相同的含义，在此不再赘述。
步骤304、判断业务各观察指标是否达标。
本步骤与如图1所示方法实施例中，判断目标观察指标是否大于或者等于目标参考值的过程相同，在此不再赘述。
在本步骤的判断结果为“否”的情况下，执行步骤305；在本步骤的判断结果为“是”的情况下，执行步骤306。
步骤305、调整分配给业务的资源量。
本步骤与如图1所示方法实施例中：在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分的过程相同，且在执行本步骤之后，再次执行步骤304，即执行如图1所示方法实施例中：更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值的过程，在此不再赘述。
步骤306、判断资源池内各观察指标是否达标。
本步骤中，在判断结果为“是”的情况下，结束资源分配流程；在判断结果为“否”的情况下，执行步骤307。
步骤307、基于资源需求特征调整业务部署。
本步骤与如图2所示方法实施例中的步骤205和步骤206具有相同含义，在此不再赘述。
本实施例中，先分别调整资源池内每一种业务所分配到的资源量，以分别提升每一个业务分别对各维度资源的利用率，然后对调整资源分配量后的业务进行统一部署，以提升资源池的整体利用率，这样，能够更进一步的提升资源池的资源利用率，当应用于业务量大，且资源池内服务器数量众多的云计算平台等应用场景的情况下，能够降低资源池的成本和运营支出。
请参阅图4，是本申请实施例提供的一种资源分配装置的结构图，如图4所示，该资源分配装置400包括：
第一获取模块401，用于获取目标业务对资源池内每一种资源的历史资源使用数据；
预测模块402，用于根据所述目标业务对目标资源的历史资源使用数据，对所述目标业务在未来的目标时间对所述目标资源的资源需求量进行预测，并根据预测结果确定预测资源需求量，其中，所述资源池包括所述目标资源；
确定模块403，用于根据所述目标业务对所述资源池内每一种资源的历史资源使用数据，以及所述目标业务对所述资源池内每一种资源的预测资源需求量，确定所述目标业务对资源的需求特征，其中，所述需求特征包括所述目标业务对不同资源的需求配比；
资源释放模块404，用于获取所述目标业务对所述目标资源的目标观察指标，并在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，其中，所述目标观察指标的取值与所述目标业务对所述目标资源的利用率正相关，且所述目标参考值的取值与所述目标业务的需求特征关联。
可选的，资源分配装置400，还包括：
第二获取模块，用于获取所述资源池关联的每一个业务的对资源的需求特征，以及获取所述资源池关联的每一个业务在未来的预设时间段内的资源需求量的最大值；
业务部署模块，用于根据所述资源池关联的每一个业务的对资源的需求特征，以及所述资源池关联的每一个业务的资源需求量的最大值，调整所述资源池内的业务部署，以使所述资源池的资源利用率大于预设利用率。
可选的，所述业务部署模块，具体用于执行以下至少一项：
将资源需求特征的差异大于或者等于预设差异值的至少两个业务部署于同一服务器内，其中，所述资源池内包括多个服务器；
将资源需求峰值时间的间隔时间大于或者等于预设之间长度的至少两个业务部署于同一服务器内，其中，所述资源需求峰值时间表示资源需求量的最大值所处的时间。
可选的，所述第一获取模块401，包括：
获取单元，用于获取目标业务在预设历史时间段内，对资源池内的每一种资源的每一个资源设备的利用率数据序列，其中，所述利用率数据序列包括多个按照时间顺序排列的利用率数据；
数据处理单元，用于分别将与同一时间和同一种资源对应的利用率数据转化为绝对资源使用量，并对所述绝对资源使用量进行求和处理，以得到所述目标业务对所述资源池内每一种资源的资源使用总量序列，以作为所述历史资源使用数据，其中，所述资源使用总量序列的数量等于所述资源池内包括的资源的种类，所述资源使用总量序列包括多个按照时间顺序排列的资源使用总量。
可选的，所述预测模块402，具体用于：
将所述历史资源使用数据输入至时序预测工具，以输出所述目标业务在未来的目标时间段内对所述目标资源的预测资源需求量序列，其中，所述预测资源需求量序列包括多个按照时间顺序排列的预测资源需求量。
可选的，所述需求特征包括业务分类；
所述确定模块403，包括：
选取单元，用于从所述资源池中选取至少两种资源；
第一确定单元，用于基于所述目标业务分别对所述至少两种资源的历史资源使用数据，以及所述目标业务分别对所述至少两种资源的预测资源需求量，确定所述目标业务的时序数据配比，其中，所述时序数据配比包括多个按照时间顺序排列的数据配比值，且第一时间点对应的数据配比值，等于所述目标业务在所述第一时间点分别使用所述至少两种资源的数据量的比例值；
第二确定单元，用于在所述时序数据配比位于第一时序数据配比范围内的情况下，确定所述目标业务对资源的需求特征为第一业务分类关联，其中，所述第一业务分类与所述第一时序数据配比范围关联。
可选的，在所述目标业务为第一业务分类的情况下，所述目标参考值为第一参考值，且所述目标观察指标包括资源利用率平均值；
所述资源释放模块404，包括：
第三确定单元，用于根据所述目标业务对所述目标资源的利用率平均值，在所述利用率平均值小于或者等于与所述第一业务分类关联的第一参考值的情况下，根据所述利用率平均值、所述第一参考值以及所述目标资源的资源总量，确定目标资源释放量；
第一释放单元，用于释放所述目标资源的部分，并更新所述目标业务对所述目标资源的利用率平均值，其中，对所述目标资源的释放量等于所述目标资源释放量；
第一迭代单元，用于在所述更新后的利用率平均值小于或者等于所述第一参考值的情况下，继续对所述目标资源的部分进行资源释放，并更新所述利用率平均值，直至所述利用率平均值大于或者等于所述第一参考值。
可选的，在所述目标业务使用了所述资源池中的第一种资源和第二种资源的情况下，所述目标观察指标包括：所述第一种资源的第一利用率平均值，以及所述第二种资源的第二利用率平均值；
所述释放模块404，包括：
第四确定单元，用于在所述目标业务对所述第一种资源的第一利用率平均值大于或者等于第二参考值，且所述目标业务对所述第二种资源的第二利用率平均值小于或者等于第三参考值的情况下，根据所述第一利用率平均值与所述第二参考值的比值，所述第二利用率平均值、所述第三参考值以及所述第二种资源的资源总量，确定对所述第二种资源的第二资源释放量；
第二释放单元，用于释放所述第二种资源的部分，并更新所述目标业务对所述第二资源的利用率平均值，其中，对所述第二种资源的释放量等于所述第二资源释放量；
第二迭代单元，用于直至所述更新后的第二利用率平均值与所述第三参考值的比值，大于或者等于，所述第一利用率平均值与所述第二参考值的比值；
其中，所述第二参考值和所述第三参考值分别与所述第一业务分类关联。
本发明实施例中，资源分配装置400能够实现图1至图3中任一种资源分配方法的各个过程，且具有相同的有益效果，为避免重复，这里不再赘述。
请参阅图5，是本申请实施例提供的一种云计算平台500，包括处理器501、存储器502及存储在所述存储器502上并可在所述处理器501上运行的计算机程序，所述计算机程序被所述处理器501执行时实现如第一方面所述的资源分配方法中的步骤。
本发明实施例中，云计算平台500能够实现图1至图3中任一种资源分配方法的各个过程，且具有相同的有益效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述图1-图3所示的资源分配方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述的计算机可读存储介质，如ROM、RAM、磁碟或者光盘等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (11)

1.一种资源分配方法，其特征在于，所述方法包括：
获取目标业务对资源池内每一种资源的历史资源使用数据；
根据所述目标业务对目标资源的历史资源使用数据，对所述目标业务在未来的目标时间对所述目标资源的资源需求量进行预测，并根据预测结果确定预测资源需求量，其中，所述资源池包括所述目标资源；
根据所述目标业务对所述资源池内每一种资源的历史资源使用数据，以及所述目标业务对所述资源池内每一种资源的预测资源需求量，确定所述目标业务对资源的需求特征，其中，所述需求特征包括所述目标业务对不同资源的需求配比；
获取所述目标业务对所述目标资源的目标观察指标，并在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，其中，所述目标观察指标的取值与所述目标业务对所述目标资源的利用率正相关，且所述目标参考值的取值与所述目标业务的需求特征关联。
2.根据权利要求1所述的方法，其特征在于，在更新后的所述目标观察指标大于或者等于所述目标参考值之后，所述方法还包括：
获取所述资源池关联的每一个业务的对资源的需求特征，以及获取所述资源池关联的每一个业务在未来的预设时间段内的资源需求量的最大值；
根据所述资源池关联的每一个业务的对资源的需求特征，以及所述资源池关联的每一个业务的资源需求量的最大值，调整所述资源池内的业务部署，以使所述资源池的资源利用率大于预设利用率。
3.根据权利要求2所述的方法，其特征在于，所述调整所述资源池内的业务部署，包括以下至少一项：
将资源需求特征的差异大于或者等于预设差异值的至少两个业务部署于同一服务器内，其中，所述资源池内包括多个服务器；
将资源需求峰值时间的间隔时间大于或者等于预设之间长度的至少两个业务部署于同一服务器内，其中，所述资源需求峰值时间表示资源需求量的最大值所处的时间。
4.根据权利要求1所述的方法，其特征在于，所述获取目标业务对资源池内每一种资源的历史资源使用数据，包括：
获取目标业务在预设历史时间段内，对资源池内的每一种资源的每一个资源设备的利用率数据序列，其中，所述利用率数据序列包括多个按照时间顺序排列的利用率数据；
分别将与同一时间和同一种资源对应的利用率数据转化为绝对资源使用量，并对所述绝对资源使用量进行求和处理，以得到所述目标业务对所述资源池内每一种资源的资源使用总量序列，以作为所述历史资源使用数据，其中，所述资源使用总量序列的数量等于所述资源池内包括的资源的种类，所述资源使用总量序列包括多个按照时间顺序排列的资源使用总量。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标业务对目标资源的历史资源使用数据，对所述目标业务在未来的目标时间对所述目标资源的资源需求量进行预测，并根据预测结果确定预测资源需求量，包括：
将所述历史资源使用数据输入至时序预测工具，以输出所述目标业务在未来的目标时间段内对所述目标资源的预测资源需求量序列，其中，所述预测资源需求量序列包括多个按照时间顺序排列的预测资源需求量。
6.根据权利要求1所述的方法，其特征在于，所述需求特征包括业务分类；
所述根据所述目标业务对所述资源池内每一种资源的历史资源使用数据，以及所述目标业务对所述资源池内每一种资源的预测资源需求量，确定所述目标业务对资源的需求特征，包括：
从所述资源池中选取至少两种资源；
基于所述目标业务分别对所述至少两种资源的历史资源使用数据，以及所述目标业务分别对所述至少两种资源的预测资源需求量，确定所述目标业务的时序数据配比，其中，所述时序数据配比包括多个按照时间顺序排列的数据配比值，且第一时间点对应的数据配比值，等于所述目标业务在所述第一时间点分别使用所述至少两种资源的数据量的比例值；
在所述时序数据配比位于第一时序数据配比范围内的情况下，确定所述目标业务对资源的需求特征为第一业务分类关联，其中，所述第一业务分类与所述第一时序数据配比范围关联。
7.根据权利要求1所述的方法，其特征在于，在所述目标业务为第一业务分类的情况下，所述目标参考值为第一参考值，且所述目标观察指标包括资源利用率平均值；
所述获取所述目标业务对所述目标资源的目标观察指标，并在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，包括：
根据所述目标业务对所述目标资源的利用率平均值，在所述利用率平均值小于或者等于与所述第一业务分类关联的第一参考值的情况下，根据所述利用率平均值、所述第一参考值以及所述目标资源的资源总量，确定目标资源释放量；
释放所述目标资源的部分，并更新所述目标业务对所述目标资源的利用率平均值，其中，对所述目标资源的释放量等于所述目标资源释放量；
在所述更新后的利用率平均值小于或者等于所述第一参考值的情况下，继续对所述目标资源的部分进行资源释放，并更新所述利用率平均值，直至所述利用率平均值大于或者等于所述第一参考值。
8.根据权利要求7所述的方法，其特征在于，在所述目标业务使用了所述资源池中的第一种资源和第二种资源的情况下，所述目标观察指标包括：所述第一种资源的第一利用率平均值，以及所述第二种资源的第二利用率平均值；
所述在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，包括：
在所述目标业务对所述第一种资源的第一利用率平均值大于或者等于第二参考值，且所述目标业务对所述第二种资源的第二利用率平均值小于或者等于第三参考值的情况下，根据所述第一利用率平均值与所述第二参考值的比值，所述第二利用率平均值、所述第三参考值以及所述第二种资源的资源总量，确定对所述第二种资源的第二资源释放量；
释放所述第二种资源的部分，并更新所述目标业务对所述第二资源的利用率平均值，其中，对所述第二种资源的释放量等于所述第二资源释放量；
直至所述更新后的第二利用率平均值与所述第三参考值的比值，大于或者等于，所述第一利用率平均值与所述第二参考值的比值；
其中，所述第二参考值和所述第三参考值分别与所述第一业务分类关联。
9.一种资源分配装置，其特征在于，包括：
第一获取模块，用于获取目标业务对资源池内每一种资源的历史资源使用数据；
预测模块，用于根据所述目标业务对目标资源的历史资源使用数据，对所述目标业务在未来的目标时间对所述目标资源的资源需求量进行预测，并根据预测结果确定预测资源需求量，其中，所述资源池包括所述目标资源；
确定模块，用于根据所述目标业务对所述资源池内每一种资源的历史资源使用数据，以及所述目标业务对所述资源池内每一种资源的预测资源需求量，确定所述目标业务对资源的需求特征，其中，所述需求特征包括所述目标业务对不同资源的需求配比；
资源释放模块，用于获取所述目标业务对所述目标资源的目标观察指标，并在所述目标观察指标小于或者等于目标参考值的情况下，释放所述目标资源的部分，并更新所述目标观察指标，直至更新后的所述目标观察指标大于或者等于所述目标参考值，其中，所述目标观察指标的取值与所述目标业务对所述目标资源的利用率正相关，且所述目标参考值的取值与所述目标业务的需求特征关联。
10.一种云计算平台，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的资源分配方法中的步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的资源分配方法中的步骤。
CN202011452325.5A 2020-12-10 2020-12-10 一种资源分配方法、装置和计算机可读存储介质 Pending CN114625523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011452325.5A CN114625523A (zh) 2020-12-10 2020-12-10 一种资源分配方法、装置和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011452325.5A CN114625523A (zh) 2020-12-10 2020-12-10 一种资源分配方法、装置和计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN114625523A true CN114625523A (zh) 2022-06-14

Family

ID=81895858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011452325.5A Pending CN114625523A (zh) 2020-12-10 2020-12-10 一种资源分配方法、装置和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN114625523A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115202890A (zh) * 2022-09-14 2022-10-18 中国电子信息产业集团有限公司 数据元件生产资源空间分配方法、系统及设备
CN115604276A (zh) * 2022-11-28 2023-01-13 北京润尼尔网络科技有限公司（Cn） 基于服务器资源利用的智能管理系统
CN116382924A (zh) * 2023-06-02 2023-07-04 建信金融科技有限责任公司 资源配置的推荐方法、装置、电子设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115202890A (zh) * 2022-09-14 2022-10-18 中国电子信息产业集团有限公司 数据元件生产资源空间分配方法、系统及设备
CN115202890B (zh) * 2022-09-14 2022-12-16 中国电子信息产业集团有限公司 数据元件生产资源空间分配方法、系统及设备
CN115604276A (zh) * 2022-11-28 2023-01-13 北京润尼尔网络科技有限公司（Cn） 基于服务器资源利用的智能管理系统
CN115604276B (zh) * 2022-11-28 2023-03-10 北京润尼尔网络科技有限公司 基于服务器资源利用的智能管理系统
CN116382924A (zh) * 2023-06-02 2023-07-04 建信金融科技有限责任公司 资源配置的推荐方法、装置、电子设备及存储介质
CN116382924B (zh) * 2023-06-02 2023-08-15 建信金融科技有限责任公司 资源配置的推荐方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN114625523A (zh) 一种资源分配方法、装置和计算机可读存储介质
US20170255496A1 (en) Method for scheduling data flow task and apparatus
CN111176852A (zh) 资源分配方法、装置、芯片及计算机可读存储介质
CN107958349B (zh) 任务分配方法、装置、计算机设备和存储介质
CN106959894B (zh) 资源分配方法和装置
CN106851747B (zh) 一种移动通信系统内动态资源分配方法和装置
US20170339069A1 (en) Allocating Cloud Computing Resources In A Cloud Computing Environment
CN109861850B (zh) 一种基于sla的无状态云工作流负载均衡调度的方法
WO2019062000A1 (zh) 业务员呼入分配方法、电子装置及计算机可读存储介质
CN111813523A (zh) 时长预估模型生成方法、系统资源调度方法、装置、电子设备和存储介质
CN112559147B (zh) 基于gpu占用资源特点的动态匹配方法、系统和设备
CN113434253A (zh) 集群资源调度方法、装置、设备及存储介质
CN111176840A (zh) 分布式任务的分配优化方法和装置、存储介质及电子装置
CN111431996B (zh) 用于资源配置的方法、装置、设备和介质
CN109783236B (zh) 用于输出信息的方法和装置
CN107203256B (zh) 一种网络功能虚拟化场景下的节能分配方法与装置
CN111143070A (zh) 一种资源调度方法和装置
CN111652471B (zh) 名单分配控制方法、装置、电子设备及存储介质
CN109450672B (zh) 一种识别带宽需求突发的方法和装置
CN111314234A (zh) 一种流量分配的方法、装置、存储介质及电子设备
WO2016206441A1 (zh) 一种虚拟资源分配方法及装置、计算机存储介质
CN115002049B (zh) 资源分配的方法及装置
CN114844791B (zh) 基于大数据的云服务自动管理分配方法、系统及存储介质
CN113886086A (zh) 云平台计算资源分配方法、系统、终端及存储介质
CN113867736B (zh) 部署方案生成方法及装置

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