CN114666223A - 云计算资源池处理方法、装置及可读存储介质 - Google Patents
云计算资源池处理方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN114666223A CN114666223A CN202011415331.3A CN202011415331A CN114666223A CN 114666223 A CN114666223 A CN 114666223A CN 202011415331 A CN202011415331 A CN 202011415331A CN 114666223 A CN114666223 A CN 114666223A
- Authority
- CN
- China
- Prior art keywords
- resource allocation
- virtual resource
- allocation model
- vnf
- predicted value
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000000737 periodic effect Effects 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 abstract description 21
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000013439 planning Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 230000008602 contraction Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000003213 activating effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101000878457 Macrocallista nimbosa FMRFamide Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/46—Interconnection of networks
- H04L12/4641—Virtual LANs, VLANs, e.g. virtual private networks [VPN]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供一种云计算资源池处理方法、装置及可读存储介质,该方法基于目标时段的业务需求预测值,获取目标时段的网络容量需求预测值;基于目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型;其中,VNF虚拟资源分配模型包括模型容量、VNFD模板和局数据模板;基于与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署。既能满足目标时段的网络容量需求,有效保障NFV虚拟化网络的正常运行,又能实现对云计算资源的节能管理以及对数据中心云资源池的节能部署。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种云计算资源池处理方法、装置及可读存储介质。
背景技术
作为一种新型的电信网络架构,网络云可为传统电信业务提供资源可弹性伸缩、流量可全局调度、能力可全面开放的新型服务环境。通过虚拟化(以OpenStack(云计算管理平台)作为VIM(Virtualized Infrastructure Manager,虚拟资源管理器))、云计算、网络功能虚拟化(NFV,Network Functions Virtualization)等技术实现电信业务云化,基于智能化的管理编排系统实现业务资源在资源池按需部署、灵活调度。网络云是为电信基础通信网络提供承载,采用ETSI(European Telecommunications Standards Institute,欧洲电信标准化协会)标准化组织定义的NFV架构,由硬件层、虚拟层和虚拟网元三层以及NFV管理和编排系统(MANO,Management and Orchestration)组成。MANO主要包括NFV编排器(NFVO,NFV Orchestrator)、VNF管理器(VNFM,VNF Manager)和虚拟资源管理器(VIM)三部分。NFVO实现网络服务、虚拟网络生命周期管理及全局资源管理,是云管理的决策者;VNFM实现虚拟网元生命周期管理,是VNF管理的执行者;VIM是虚拟化基础设施管理系统,是虚拟资源及硬件资源管理的执行者。
在现有模式下,NFVO接收到对于网络业务的NS(Network Service,网络服务)部署请求时,对预先存储的网络服务描述(NSD,Network Service Description,网络服务描述)进行解析,确定出该网络业务所涉及的VNF,然后再根据预先存储的虚拟网络功能描述(VNFD,VNF Manager Description),确定出每个VNF对应的VNFM和VIM,同时在EMS(ElementManagement System,网元管理系统)上配置网元的业务数据。在网络服务创建阶段,NFVO向VIM申请VNF网络资源并通知VNFM创建网元,VNFM向VIM申请创建虚拟网元所需的计算资源、存储资源和网络资源,执行初始化操作,EMS收到VNF消息后创建网元信息并向VNF下发业务配置数据。配置完成后业务可以正常运行。
在NFV商用初期,多数运营商和厂家均认为容量的弹性伸缩是NFV重要特性和最大驱动力,在理想情况下,对于一个实例化的VNF/NS,NFVO可以发起弹性伸缩控制,弹性伸缩命令发送每个VNF对应的VNFM,由VNFM负责执行,达到促进网络高效、降低成本运营的目的。然而为保障电信网络的稳定运行以及现有技术限制,综合风险和成本分析,NFV无法实现VNF和VNFC(VNF Component,虚拟网络功能组件)级别的在线扩缩容操作。
发明内容
针对现有技术存在的上述技术问题,本发明实施例提供一种云计算资源池处理方法、装置及可读存储介质。
第一方面,本发明实施例提供一种云计算资源池处理方法,包括:
基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值;
基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的VNF虚拟资源分配模型;其中,所述VNF虚拟资源分配模型包括模型容量、VNFD模板和局数据模板;
基于所述目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署。
可选地,所述基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值之前,还包括:
基于不同时段的业务需求预测模型,获取不同时段的业务需求预测值;
基于所述不同时段的业务需求预测值,获取不同时段的网络容量预测值;
基于所述不同时段的网络容量预测值,获取不同时段的VNF虚拟资源分配模型。
可选地,所述不同时段的业务需求预测值,包括:
周期性低峰需求预测值、周期性高峰需求预测值、持续性增长高峰需求预测值和特定时段最高峰需求预测值;
所述不同时段的网络容量预测值,包括:
周期性低峰网络容量预测值、周期性高峰网络容量预测值、持续性增长高峰网络容量预测值和特定时段最高峰网络容量预测值;
所述VNF虚拟资源分配模型,包括:
周期性低峰VNF虚拟资源分配模型、周期性高峰VNF虚拟资源分配模型、持续性增长高峰VNF虚拟资源分配模型和特定时段最高峰VNF虚拟资源分配模型。
可选地,所述基于所述目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署,包括:
若所述目标时段的网络容量需求预测值大于当前时段已部署的VNF虚拟资源分配模型对应的模型容量,则在当前时段已部署VNF虚拟资源分配模型的基础上,进行目标VNFD模板的实例化,并基于目标局数据模板进行网元参数配置;
若所述目标时段的网络容量需求预测值小于当前时段已部署的VNF虚拟资源分配模型对应模型容量,则在当前时段已部署VNF虚拟资源分配模型的基础上,进行VNF终止操作,并基于目标局数据模板进行网元参数配置。
在一个实施例中,所述基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型包括:
若所述目标时段的网络容量需求预测值大于或等于当前时段已部署的VNF虚拟资源分配模型对应的模型容量,则按照所述VNF虚拟资源分配模型对应的模型容量的由小到大顺序,将当前时段已部署的VNF虚拟资源分配模型替换为下一VNF虚拟资源分配模型,直至所述下一VNF虚拟资源分配模型对应的模型容量大于或等于所述目标时段的网络容量需求预测值;
将所述下一VNF虚拟资源分配模型作为所述目标VNF虚拟资源分配模型;
其中,各所述VNF虚拟资源分配模型按照对应的模型容量由小到大排序为:
周期性低峰VNF虚拟资源分配模型、周期性高峰VNF虚拟资源分配模型、持续性增长高峰VNF虚拟资源分配模型和特定时段最高峰VNF虚拟资源分配模型。
在一个实施例中,所述基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型还包括:
若所述目标时段的网络容量需求预测值小于当前时段已部署的VNF虚拟资源分配模型对应的模型容量,则按照所述VNF虚拟资源分配模型对应的模型容量的由小到大顺序,将当前时段已部署的VNF虚拟资源分配模型替换为上一VNF虚拟资源分配模型;
将所述上一VNF虚拟资源分配模型作为所述目标VNF虚拟资源分配模型。
第二方面,本发明实施例提供一种云计算资源池处理装置,包括:
第一获取模块,用于基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值;
确定模块,用于基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的VNF虚拟资源分配模型;其中,所述VNF虚拟资源分配模型包括模型容量、VNFD模板和局数据模板;
处理模块,用于基于所述目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署。
可选地,所述第一获取模块用于基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值之前,还用于:
基于不同时段的业务需求预测模型,获取不同时段的业务需求预测值;
基于所述不同时段的业务需求预测值,获取与所述不同时段的业务需求预测值对应的网络容量预测值;
基于不同时段的网络容量预测值,获取与所述不同时段的网络容量预测值对应的VNF虚拟资源分配模型。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的云计算资源池处理方法、装置及可读存储介质,基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型,从而完成目标时段VNF虚拟资源分配模型的部署,既能满足目标时段的网络容量需求,按需进行网络扩缩,有效保障NFV虚拟化网络的正常运行,又能实现对云计算资源的节能管理以及对数据中心云资源池的节能部署。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获取其他的附图。
图1是本发明实施例提供的云计算资源池处理方法的流程示意图之一;
图2是本发明实施例提供的周期性业务量变化示意图;
图3是本发明实施例提供的持续增长高峰和特定时段最高峰示意图;
图4是本发明实施例提供的云计算资源池处理方法的流程示意图之二;
图5是本发明实施例提供的NFV MANO和EMS管理系统架构图;
图6是本发明实施例提供的云计算资源池处理方法的流程示意图之三;
图7是本发明实施例提供的云计算资源池处理装置的结构示意图;
图8是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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取的所有其他实施例,都属于本发明保护的范围。
在网元拉起和配置过程中,需兼顾网元级容灾和可用区(AZ)、主机集群(HA)、亲和/反亲和性部署策略,确保电信级网络健壮性和安全性。同时,为保证服务安全和稳定性,一般采用一次性部署,不启动在线弹性扩缩容功能。这样就导致按采购合同一次性规划部署全部能力,无法实现按需进行网络扩缩实现的节能目标。
此外,云资源池建成应早于VNF部署,但是由于云资源池的建设与VNF应用建设不同步,存在多期云资源池工程对应多个项目VNF部署的情况,将导致跨项目VNF部署的资源优化问题。并且,对于重要节假日及突发事件的业务变化对网络提出的适配需求,现有技术通常采用硬件借货/调配、紧急扩容设备/板卡等方式应对,工作量大而复杂、面临商务、到货等限制,而且还存在硬件周期性装卸、配置周期性调整带来的额外工作量和风险。
对此,本发明实施例提供了一种云计算资源池处理方法。图1为本发明实施例提供的云计算资源池处理方法的流程示意图,如图1所述,该方法包括:
S101:基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值。
具体地,根据目标时段的业务需求预测值S,获取所述目标时段的网络容量需求预测值C=f(S)。
S102:基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的VNF虚拟资源分配模型;其中,所述VNF虚拟资源分配模型包括模型容量、VNFD模板和局数据模板。
具体地,所述VNF虚拟资源分配模型为:Plan=h(C,VNFD,局数据模板)。基于目标时段的网络容量需求预测值C目标,和当前时段已部署的VNF虚拟资源分配模型Plan-当前,确定与目标时段的网络容量需求预测值C目标对应的VNF虚拟资源分配模型Plan-目标。
S103:基于与所述目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署。
具体地,基于与所述目标时段的网络容量需求预测值C目标对应的目标VNF虚拟资源分配模型Plan-目标,进行目标时段的云计算资源池实例化和VNF部署,从而使网络配置运行于目标VNF虚拟资源分配模型对应的网络容量C目标。
本发明实施例提供的方法,基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型,从而完成目标时段VNF虚拟资源分配模型的部署,既能满足目标时段的网络容量需求,按需进行网络扩缩,有效保障NFV虚拟化网络的正常运行,又能实现对云计算资源的节能管理以及对数据中心云资源池的节能部署。
由于通信网络是基础电信设施,不仅要保证高可靠可用性,还要保证用户的基本接入服务能力。因此通信网络通常都是按照最大忙时业务量峰值进行业务模型预测和网络规模建设的。这就意味着通信网络在大部分时间内均是低负载运行的,不能实现云计算资源的节能最优化配置。对此,基于上述实施例,所述基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值之前,还包括:
基于不同时段的业务需求预测模型,获取不同时段的业务需求预测值;
基于所述不同时段的业务需求预测值,获取与所述不同时段的网络容量预测值;
基于不同时段的网络容量预测值,获取不同时段的VNF虚拟资源分配模型。
具体地,采用时间线业务模型预测算法,形成多个不同时段的业务需求预测模型,获取不同时段的业务需求预测值;基于所述不同时段的业务需求预测值,获取与所述不同时段的网络容量预测值;基于不同时段的网络容量预测值,获取不同时段的VNF虚拟资源分配模型
本发明实施例提供的方法,采用时间线业务模型预测算法,形成多个不同时段的业务需求预测模型,从而获取不同时段的业务需求预测值、网络容量预测值和VNF虚拟资源分配模型,能够更加精确地获取目标时段的网络容量预测值,完成目标时段VNF虚拟资源分配模型的部署,进一步提高了该方法的精度,实现对云计算资源更加有效的节能管理。
基于上述任一实施例,所述不同时段的业务需求预测值,包括:
周期性低峰需求预测值、周期性高峰需求预测值、持续性增长高峰需求预测值和特定时段最高峰需求预测值;
所述不同时段的网络容量预测值,包括:
周期性低峰网络容量预测值、周期性高峰网络容量预测值、持续性增长高峰网络容量预测值和特定时段最高峰网络容量预测值;
所述不同时段的VNF虚拟资源分配模型,包括:
周期性低峰VNF虚拟资源分配模型、周期性高峰VNF虚拟资源分配模型、持续性增长高峰VNF虚拟资源分配模型和特定时段最高峰VNF虚拟资源分配模型。
具体地,现网数据的特征如图2-3所示,根据现网数据的特征,所述多个不同时段的业务需求预测模型包括:周期性低峰业务需求预测模型、周期性高峰业务需求预测模型、持续性增长高峰需求预测模型和特定时段最高峰需求预测模型;相应地,不同时段的业务需求预测值和网络容量预测值,包括:
周期性低峰业务需求预测值SL=g(T平日夜间起点,T平日夜间终点),周期性低网络容量预测值CL=f(SL);
周期性高峰业务需求预测值SH=g(T平日忙时起点,T平日忙时终点),周期性高峰网络容量预测值CH=f(SH);
持续性增长高峰需求预测值SSH=g(T中期平日忙时起点,T中期平日忙时终点),周期性高峰网络容量预测值CM=f(SSH);
特定时段最高峰需求预测值SP=g(T节日等事件忙时起点,T节日等事件忙时终点),特定时段最高峰网络容量预测值CP=f(SP)。
针对周期性低峰业务需求预测值,预规划VNF虚拟资源部署模型Plan-L(Low),包含VNFD-L和局数据模板L;
针对周期性高峰业务需求预测值,预规划VNF虚拟资源部署模型Plan-H(High),包含在VNFD-L模型基础上的扩容VNFD-H和把局数据模板L调整为局数据模板H;
针对持续性增长高峰业务需求预测值(假设持续性增长高峰业务需求预测值>周期性高峰业务需求预测值),预规划VNF虚拟资源部署模型Plan-SH(Sustainable High),包含在“VNFD-L”+“VNFD-H”基础上扩容VNFD-SH和把局数据模板H调整为局数据模板SH;
针对特定时段最高峰业务需求预测值预规划VNF虚拟资源部署模型Plan-P(Peak),包含在“VNFD-L”+“VNFD-H”+“VNFD-SH”模型基础上扩容VNFD-P和局数据模板SH调整为局数据模板P;依次类推。
上述各模型用公式表示如下:
Plan-L=h(CL,VNFD-L,局数据模板L);
Plan-H=Plan-L+h((CH-CL),VNFD-H,局数据模板H);
Plan-SH=Plan-H+h((CSH-CH),VNFD-SH,局数据模板SH);
Plan-P=Plan-H+h((CP-CSH),VNFD-P,局数据模板P)。
可选地,可依次采用Plan-L、Plan-H、Plan-SH和Plan-P等按模型容量从小到大分依次进行部署。最终完成满足期最高峰值需求即Plan-P的VNF全部实例化资源和网络部署,并按局数据模板P进行局数据配置并开通。
相应地,在一个实施例中,所述基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型包括:
若所述目标时段的网络容量需求预测值大于或等于当前时段已部署的VNF虚拟资源分配模型对应的模型容量,则按照所述VNF虚拟资源分配模型对应的模型容量的由小到大顺序,将当前时段已部署的VNF虚拟资源分配模型替换为下一VNF虚拟资源分配模型,直至所述下一VNF虚拟资源分配模型对应的模型容量大于或等于所述目标时段的网络容量需求预测值;
将所述下一VNF虚拟资源分配模型作为所述目标VNF虚拟资源分配模型;
其中,各所述VNF虚拟资源分配模型按照对应的模型容量由小到大排序为:
周期性低峰VNF虚拟资源分配模型、周期性高峰VNF虚拟资源分配模型、持续性增长高峰VNF虚拟资源分配模型和特定时段最高峰VNF虚拟资源分配模型。
相应地,若所述目标时段的网络容量需求预测值小于当前时段已部署的VNF虚拟资源分配模型对应的模型容量,则按照所述VNF虚拟资源分配模型对应的模型容量的由小到大顺序,将当前时段已部署的VNF虚拟资源分配模型替换为上一VNF虚拟资源分配模型;
将所述上一VNF虚拟资源分配模型作为所述目标VNF虚拟资源分配模型。
本发明实施例提供的方法,根据现网数据特征,将业务需求预测值划分为周期性低峰网络容量预测值、周期性高峰网络容量预测值、持续性增长高峰网络容量预测值和特定时段最高峰网络容量预测值,,能够更加精确地获取目标时段的网络容量预测值,完成目标时段VNF虚拟资源分配模型的部署,进一步提高了该方法的精度,实现对云计算资源更加有效的节能管理。
基于上述任一实施例,所述基于与所述目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署,包括:
若所述目标时段的网络容量需求预测值大于当前时段已部署的VNF虚拟资源分配模型对应模型容量,则在当前时段已部署VNF虚拟资源分配模型的基础上,进行目标VNFD模板的实例化,并基于目标局数据模板进行网元参数配置;
若所述目标时段的网络容量需求预测值小于当前时段已部署的VNF虚拟资源分配模型对应模型容量,则在当前时段已部署VNF虚拟资源分配模型的基础上,进行VNF终止操作,并基于目标局数据模板进行网元参数配置。
具体地,网络容量需求大部分时间将在周期性低峰值与周期性高峰值间震荡,并随着时间推移,出现持续性增长高峰值,直到满足期末的最高峰值需求。
若所述目标时段的网络容量需求预测值大于当前时段已部署的VNF虚拟资源分配模型对应模型容量,则意味着此时网络需要进行扩容,则在当前时段已部署VNF虚拟资源分配模型的基础上,进行目标VNFD模板的实例化,并基于目标局数据模板进行网元参数配置;相应地,若所述目标时段的网络容量需求预测值小于当前时段已部署的VNF虚拟资源分配模型对应模型容量,则意味着此时网络需要进行缩容,则在当前时段已部署VNF虚拟资源分配模型的基础上,进行VNF终止操作,并基于目标局数据模板进行网元参数配置。
例如:当网络配置运行于特定时段最高峰值容量CP,而预计将转为周期性高峰值需求时,启动弹性缩容至Plan-H,将VNFD-P和VNFD-SH涉及的VNF依次缩容并加载局数据模板H。缩容后网络配置遵循VNFD-H和局数据模板H,容量满足周期性高峰值需求。缩容后的空闲物理机休眠进入省电模式。
当网络配置运行于持续性增长高峰值容量,而预计特定最高峰值时段即将来临时,启动弹性扩容,从Plan-SH扩至Plan-P,将VNFD-P加载并实例化VNF,并加载局数据模板P,容量满足特定时段最高峰值需求。
网络云承载的基础通信网络系统必须采用网络最高峰值容量,即本发明实施例中特定时段最高峰值容量CP,进行系统的规划和建设,满足对用户的普遍服务需求。通常周期性低峰值容量CL是高峰值容量CH的60%-65%,而特定事件最高峰值CP是周期性峰值1.25倍或更高,加上网络发展初期如5G的快速发展而叠加的中期增长容量的特征,采用本发明实施例提供的云计算资源池处理方法进行弹性扩缩,可有效实现网络云节能,有效保障NFV虚拟化网络的正常运行,并实现最优节能运行,其中,优化算法可根据网络运行情况,采用较少的服务器运行,其他服务器休眠待机,达到节能的目的。并且,在重要节假日及突发事件业务变化时启用满足最高峰值需求的部署模板,完全基于软件进行扩容操作,极大简化了扩容流程、降低网络配合需求,达到快速扩容部署的目标。
本发明实施例提供的方法,由于弹性扩缩的VNFD和局数据模板是预规划好且验证无误的,因此在合适的时间进行固定规格的弹性扩缩是稳定可靠的。任一版本的VNFD模板均满足网络云AZ、HA和反亲和等电信级高可用性编排策略要求,并具有物理机分布的独立性和集中性特征,保证弹性扩缩策略的可靠执行。任一版本局数据模板均满足相对应网络云VNF配置和组网条件要求,通过批量快速配置下发,保证弹性扩缩后局数据配置准确性。本发明实施例提供的方法可应用于网络云上部署的2/4/5G/IMS以及云化业务平台的规划、部署和资源优化,并可推广至IT云和移动云。
如图4-5所示,本发明实施例提供的云计算资源池处理方法的实现依赖于NFV的MANO云管理系统和业务的EMS网元管理系统。
下面以一个具体的例子对本发明实施例提供的云计算资源池处理方法进行说明。
以前述部分模型(Plan-L、Plan-H和Plan-P)为例,各规划部署模型对应的VNFD、局数据模板如表1所示:
部署模型 | VNFD | 局数据模板 |
模型1(Plan-L) | VNFD1 | 局数据模板1 |
模型2(Plan-H) | VNFD1+VNFD2 | 局数据模板2 |
模型3(Plan-P) | VNFD1+VNFD2+VNFD3 | 局数据模板3 |
本发明涉及的系统主要包括NFVO、VNFM、VIM、EMS,云计算资源池处理方法的流程如图6所示,包括:
(1)上载预规划VNFD
根据预规划部署模型,上载各个模型对应的VNF包模板至资源池。VNF包主要包括VNFD文件,部署参数文件等,VNF包格式需要符合规范定义。
(2)创建及激活自动扩缩容策略
扩缩容可根据预先设置的阈值或条件到达而触发,或人工干预实施。操作员在NFVO创建自动扩缩容策略,并上载策略文件或在NFVO界面上创建策略。上传完成后激活自动扩缩容策略。对于设计为由人工干预进行扩缩容的网络,本步骤为可选。
(3)资源池实例化和VNF部署(部署及扩容)
按预规划部署模板进行资源池实例化和VNF部署。VNFM解析VNF包中的VNFD及可变参数,分析VNF实例化所需要的虚拟资源,主要包括虚机规格和虚机数量。
如图6所示,在完成资源池实例化和VNF部署(VNFD1+局数据模板1)后,当网络需要进行扩容时,在已完成的实例化规模基础以VNFD2为模板完成VNF实例化、并以局数据模板2进行网元参数配置,从而实现模型2的规模容量。
(4)终止部分VNF或VNFC(缩容)
操作员在NFVO界面选择一个VNFR(VNF实例)进行终止操作,VNF完成缩容且对应占用的虚拟资源被删除,从而释放出服务器物理机资源。
如图6所示,达到模型3(VNFD1+VNFD2+局数据模板3)部署规模后,当网络需要进行缩容时,在已完成的实例化规模基础以VNFD3为模板进行VNF终止操作、并以局数据模板2进行网元参数配置,从而缩容降为模型2的规模容量,对应的服务器物理机资源被释放。
下面对本发明实施例提供的云计算资源池处理装置进行描述,下文描述的云计算资源池处理装置与上文描述的云计算资源池处理方法可相互对应参照。
基于上述任一实施例,图7为本发明实施例提供的云计算资源池处理装置的结构示意图,如图7所示,该云计算资源池处理包括第一获取模块701,确定模块702和处理模块703。
其中,第一获取模块701,用于基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值;确定模块702用于基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的VNF虚拟资源分配模型;其中,所述VNF虚拟资源分配模型包括模型容量、VNFD模板和局数据模板;处理模块703用于基于与所述目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署。
本发明实施例提供的装置,基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型,从而完成目标时段VNF虚拟资源分配模型的部署,既能满足目标时段的网络容量需求,按需进行网络扩缩,有效保障NFV虚拟化网络的正常运行,又能实现对云计算资源的节能管理以及对数据中心云资源池的节能部署。
基于上述任一实施例,所述第一获取模块用于基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值之前,还用于:
基于不同时段的业务需求预测模型,获取不同时段的业务需求预测值;
基于所述不同时段的业务需求预测值,获取与所述不同时段的业务需求预测值对应的网络容量预测值;
基于不同时段的网络容量预测值,获取与所述不同时段的网络容量预测值对应的VNF虚拟资源分配模型。
基于上述任一实施例,所述不同时段的业务需求预测值包括:
周期性低峰需求预测值、周期性高峰需求预测值、持续性增长高峰需求预测值和特定时段最高峰需求预测值;
所述不同时段的网络容量预测值,包括:
周期性低峰网络容量预测值、周期性高峰网络容量预测值、持续性增长高峰网络容量预测值和特定时段最高峰网络容量预测值;
所述不同时段的VNF虚拟资源分配模型,包括:
周期性低峰VNF虚拟资源分配模型、周期性高峰VNF虚拟资源分配模型、持续性增长高峰VNF虚拟资源分配模型和特定时段最高峰VNF虚拟资源分配模型。
基于上述任一实施例,所述处理模块用于基于与所述目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署,具体为:
若所述目标时段的网络容量需求预测值大于当前时段的网络容量需求预测值,则在当前时段已部署的VNF虚拟资源分配模型的基础上,进行目标VNFD模板的实例化,并基于目标局数据模板进行网元参数配置;
若所述目标时段的网络容量需求预测值小于当前时段的网络容量需求预测值,则在当前时段已部署的VNF虚拟资源分配模型的基础上,进行VNF终止操作,并基于目标局数据模板进行网元参数配置。
图8示例了一种电子设备的实体结构示意图,如图8所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行上述各方法实施例提供的步骤流程。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法实施例提供的步骤流程。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种云计算资源池处理方法,其特征在于,包括:
基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值;
基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型;其中,所述VNF虚拟资源分配模型包括模型容量、VNFD模板和局数据模板;
基于所述目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署。
2.根据权利要求1所述的云计算资源池处理方法,其特征在于,所述基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值之前,还包括:
基于不同时段的业务需求预测模型,获取不同时段的业务需求预测值;
基于所述不同时段的业务需求预测值,获取不同时段的网络容量预测值;
基于所述不同时段的网络容量预测值,获取不同时段的VNF虚拟资源分配模型。
3.根据权利要求2所述的云计算资源池处理方法,其特征在于,所述不同时段的业务需求预测值,包括:
周期性低峰需求预测值、周期性高峰需求预测值、持续性增长高峰需求预测值和特定时段最高峰需求预测值;
所述不同时段的网络容量预测值,包括:
周期性低峰网络容量预测值、周期性高峰网络容量预测值、持续性增长高峰网络容量预测值和特定时段最高峰网络容量预测值;
所述VNF虚拟资源分配模型,包括:
周期性低峰VNF虚拟资源分配模型、周期性高峰VNF虚拟资源分配模型、持续性增长高峰VNF虚拟资源分配模型和特定时段最高峰VNF虚拟资源分配模型。
4.根据权利要求1所述的云计算资源池处理方法,其特征在于,所述基于所述目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署,包括:
若所述目标时段的网络容量需求预测值大于当前时段已部署的VNF虚拟资源分配模型对应的模型容量,则在当前时段已部署VNF虚拟资源分配模型的基础上,进行目标VNFD模板的实例化,并基于目标局数据模板进行网元参数配置;
若所述目标时段的网络容量需求预测值小于当前时段已部署的VNF虚拟资源分配模型对应模型容量,则在当前时段已部署VNF虚拟资源分配模型的基础上,进行VNF终止操作,并基于目标局数据模板进行网元参数配置。
5.根据权利要求3所述的云计算资源池处理方法,其特征在于,所述基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型包括:
若所述目标时段的网络容量需求预测值大于或等于当前时段已部署的VNF虚拟资源分配模型对应的模型容量,则按照所述VNF虚拟资源分配模型对应的模型容量的由小到大顺序,将当前时段已部署的VNF虚拟资源分配模型替换为下一VNF虚拟资源分配模型,直至所述下一VNF虚拟资源分配模型对应的模型容量大于或等于所述目标时段的网络容量需求预测值;
将所述下一VNF虚拟资源分配模型作为所述目标VNF虚拟资源分配模型;
其中,各所述VNF虚拟资源分配模型按照对应的模型容量由小到大排序为:
周期性低峰VNF虚拟资源分配模型、周期性高峰VNF虚拟资源分配模型、持续性增长高峰VNF虚拟资源分配模型和特定时段最高峰VNF虚拟资源分配模型。
6.根据权利要求5所述的云计算资源池处理方法,其特征在于,所述基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的目标VNF虚拟资源分配模型还包括:
若所述目标时段的网络容量需求预测值小于当前时段已部署的VNF虚拟资源分配模型对应的模型容量,则按照所述VNF虚拟资源分配模型对应的模型容量的由小到大顺序,将当前时段已部署的VNF虚拟资源分配模型替换为上一VNF虚拟资源分配模型;
将所述上一VNF虚拟资源分配模型作为所述目标VNF虚拟资源分配模型。
7.一种云计算资源池处理装置,其特征在于,包括:
第一获取模块,用于基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值;
确定模块,用于基于所述目标时段的网络容量需求预测值和当前时段已部署的VNF虚拟资源分配模型,确定与目标时段的网络容量需求预测值对应的VNF虚拟资源分配模型;其中,所述VNF虚拟资源分配模型包括模型容量、VNFD模板和局数据模板;
处理模块,用于基于所述目标VNF虚拟资源分配模型,进行目标时段的云计算资源池实例化和VNF部署。
8.根据权利要求7所述的云计算资源池处理装置,其特征在于,所述第一获取模块用于基于目标时段的业务需求预测值,获取所述目标时段的网络容量需求预测值之前,还用于:
基于不同时段的业务需求预测模型,获取不同时段的业务需求预测值;
基于所述不同时段的业务需求预测值,获取与所述不同时段的业务需求预测值对应的网络容量预测值;
基于不同时段的网络容量预测值,获取与所述不同时段的网络容量预测值对应的VNF虚拟资源分配模型。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述云计算资源池处理方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述云计算资源池处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415331.3A CN114666223B (zh) | 2020-12-04 | 2020-12-04 | 云计算资源池处理方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415331.3A CN114666223B (zh) | 2020-12-04 | 2020-12-04 | 云计算资源池处理方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114666223A true CN114666223A (zh) | 2022-06-24 |
CN114666223B CN114666223B (zh) | 2023-11-21 |
Family
ID=82024132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011415331.3A Active CN114666223B (zh) | 2020-12-04 | 2020-12-04 | 云计算资源池处理方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114666223B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170046206A1 (en) * | 2015-08-14 | 2017-02-16 | International Business Machines Corporation | Controlling virtual machine density and placement distribution in a converged infrastructure resource pool |
CN106712998A (zh) * | 2015-11-18 | 2017-05-24 | 中兴通讯股份有限公司 | 一种云平台资源管理方法、装置及系统 |
CN106775936A (zh) * | 2016-11-30 | 2017-05-31 | 华为技术有限公司 | 一种虚拟机的管理方法及装置 |
CN108462592A (zh) * | 2017-02-20 | 2018-08-28 | 华为技术有限公司 | 基于sla的资源分配方法和nfvo |
CN108496338A (zh) * | 2015-12-11 | 2018-09-04 | 阿尔卡特朗讯 | 用于电信网络中基于云服务的控制器以及提供基于云服务的方法 |
US20180309646A1 (en) * | 2016-08-18 | 2018-10-25 | Telefonaktiebolaget L M Ericsson (Publ) | A Network Service Design and Deployment Process for NFV Systems |
CN108762768A (zh) * | 2018-05-17 | 2018-11-06 | 烽火通信科技股份有限公司 | 网络服务智能化部署方法及系统 |
CN109995583A (zh) * | 2019-03-15 | 2019-07-09 | 清华大学深圳研究生院 | 一种延迟保证的nfv云平台动态扩缩容方法及系统 |
CN110120978A (zh) * | 2019-05-17 | 2019-08-13 | 电子科技大学 | 一种弹性用户云计算资源的安全保护方法 |
CN110199283A (zh) * | 2017-01-25 | 2019-09-03 | 有线电视实验室公司 | 用于在网络功能虚拟化环境中认证平台信任的系统和方法 |
CN110535670A (zh) * | 2018-05-23 | 2019-12-03 | 中国移动通信集团浙江有限公司 | 一种nfv容量规划方法及电子设备 |
CN111953503A (zh) * | 2019-05-14 | 2020-11-17 | 中国电信股份有限公司 | Nfv资源部署编排方法和网络功能虚拟化编排器 |
-
2020
- 2020-12-04 CN CN202011415331.3A patent/CN114666223B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170046206A1 (en) * | 2015-08-14 | 2017-02-16 | International Business Machines Corporation | Controlling virtual machine density and placement distribution in a converged infrastructure resource pool |
CN106712998A (zh) * | 2015-11-18 | 2017-05-24 | 中兴通讯股份有限公司 | 一种云平台资源管理方法、装置及系统 |
CN108496338A (zh) * | 2015-12-11 | 2018-09-04 | 阿尔卡特朗讯 | 用于电信网络中基于云服务的控制器以及提供基于云服务的方法 |
US20180309646A1 (en) * | 2016-08-18 | 2018-10-25 | Telefonaktiebolaget L M Ericsson (Publ) | A Network Service Design and Deployment Process for NFV Systems |
CN106775936A (zh) * | 2016-11-30 | 2017-05-31 | 华为技术有限公司 | 一种虚拟机的管理方法及装置 |
CN110199283A (zh) * | 2017-01-25 | 2019-09-03 | 有线电视实验室公司 | 用于在网络功能虚拟化环境中认证平台信任的系统和方法 |
CN108462592A (zh) * | 2017-02-20 | 2018-08-28 | 华为技术有限公司 | 基于sla的资源分配方法和nfvo |
CN108762768A (zh) * | 2018-05-17 | 2018-11-06 | 烽火通信科技股份有限公司 | 网络服务智能化部署方法及系统 |
CN110535670A (zh) * | 2018-05-23 | 2019-12-03 | 中国移动通信集团浙江有限公司 | 一种nfv容量规划方法及电子设备 |
CN109995583A (zh) * | 2019-03-15 | 2019-07-09 | 清华大学深圳研究生院 | 一种延迟保证的nfv云平台动态扩缩容方法及系统 |
CN111953503A (zh) * | 2019-05-14 | 2020-11-17 | 中国电信股份有限公司 | Nfv资源部署编排方法和网络功能虚拟化编排器 |
CN110120978A (zh) * | 2019-05-17 | 2019-08-13 | 电子科技大学 | 一种弹性用户云计算资源的安全保护方法 |
Non-Patent Citations (2)
Title |
---|
TESSEMA MENGISTU等: "Multi-Objective Resource Mapping and Allocation for Volunteer Cloud Computing", 《2019 IEEE 12TH INTERNATIONAL CONFERENCE ON CLOUD COMPUTING》 * |
吴丽华;沈蕾;: "NFV资源池规划与部署方案", 电信科学, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN114666223B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109783218B (zh) | 一种基于Kubernetes容器集群的与时间相关联的容器调度方法 | |
US8751659B2 (en) | Data center batch job quality of service control | |
CN111966500B (zh) | 资源调度方法、装置、电子设备及存储介质 | |
CN112380020A (zh) | 一种算力资源分配方法、装置、设备及存储介质 | |
CN108632365A (zh) | 服务资源调整方法、相关装置和设备 | |
CN111897654A (zh) | 将应用迁移到云平台的方法、装置、电子设备和存储介质 | |
CN110968366B (zh) | 一种基于有限mec资源的任务卸载方法、装置及设备 | |
CN111427675B (zh) | 一种数据处理方法、装置以及计算机可读存储介质 | |
CN112463535A (zh) | 多集群异常处理方法及装置 | |
US20180101404A1 (en) | Resource and latency estimation-based scheduling | |
CN115794337B (zh) | 资源调度方法、装置、云平台、设备及存储介质 | |
CN110795238A (zh) | 负载计算方法、装置、存储介质及电子设备 | |
CN112214301A (zh) | 面向智慧城市基于用户偏好的动态计算迁移方法及装置 | |
CN110188086A (zh) | 基于负载自动预测的数据库自动调优方法及装置 | |
CN114816753A (zh) | 一种数据集群计算节点扩缩方法、装置、设备及介质 | |
CN117435324B (zh) | 基于容器化的任务调度方法 | |
CN113204368B (zh) | 应用程序处理方法、服务器及存储介质 | |
CN114691372A (zh) | 一种多媒体端边云系统的群体智能控制方法 | |
CN113176947B (zh) | 无服务器计算中基于延迟和成本均衡的动态任务放置方法 | |
US10503548B2 (en) | Resource and latency estimation-based scheduling in a distributed computing environment | |
CN114666223A (zh) | 云计算资源池处理方法、装置及可读存储介质 | |
CN116841728A (zh) | 集群资源调度方法、装置、电子设备及存储介质 | |
CN115269145A (zh) | 一种面向海上无人设备的高能效异构多核调度方法及装置 | |
CN112156453A (zh) | 实例自适应调整方法、装置、计算机可读存储介质及设备 | |
CN114866612B (zh) | 一种电力微服务卸载方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |