CN114721798A - 一种专有云的资源处理方法和装置 - Google Patents

一种专有云的资源处理方法和装置 Download PDF

Info

Publication number
CN114721798A
CN114721798A CN202210339084.6A CN202210339084A CN114721798A CN 114721798 A CN114721798 A CN 114721798A CN 202210339084 A CN202210339084 A CN 202210339084A CN 114721798 A CN114721798 A CN 114721798A
Authority
CN
China
Prior art keywords
estimated
amount
task
cloud
resource
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
CN202210339084.6A
Other languages
English (en)
Inventor
李涵
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.)
Dingtalk China Information Technology Co Ltd
Original Assignee
Dingtalk China Information Technology Co Ltd
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 Dingtalk China Information Technology Co Ltd filed Critical Dingtalk China Information Technology Co Ltd
Priority to CN202210339084.6A priority Critical patent/CN114721798A/zh
Publication of CN114721798A publication Critical patent/CN114721798A/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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • 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
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • 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]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing

Landscapes

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

Abstract

本申请实施例提供了一种专有云的资源处理方法和装置，包括：获取专有云的历史任务量以及历史用户数量；根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；确定在所述预估任务量下，所述专有云运行所需的预估资源使用量。可以在仅获取非实时的线上监测数据的情况下，高效、准确地完成对专有云所需要的资源使用量的预测。

Description

一种专有云的资源处理方法和装置
技术领域
本申请涉及云计算技术领域，特别是涉及一种专有云的资源处理方法和一种专有云的资源处理装置。
背景技术
专有云平台是完全面向单一组织提供虚拟化资源服务的平台，主要通过企业内部部署或第三方托管的方式提供服务。
一般来说，对于公有云平台而言，云平台的提供方可以较为简便地完成对线上的流量监测、线下压力测试、流量回放的工作，从而可以较为简便地完成公有云环境中容器的调整，以便公有云可以保持较为稳定的运行状态。而对于专有云平台而言，云平台的提供方，特别是第三方的云平台提供方，无法实时地完成对专有云中线上的流量监测。也无法简便地进行线下压力测试、流量回放工作，导致专有云平台可能无法很好地适应客户的需求进行调整。
发明内容
鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种专有云的资源处理方法和相应的一种专有云的资源处理装置。
为了解决上述问题，本申请实施例公开了一种专有云的资源处理方法，包括：
获取专有云的历史任务量以及历史用户数量；
根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；
确定在所述预估任务量下，所述专有云运行所需的预估资源使用量。
可选地，所述获取专有云的历史任务量以及历史用户数量的步骤，包括：
在第一预设历史时段中选取若干第一时间点，采集所述专有云在所述第一时间点的第一任务量以及用户数量；
根据采集到的若干所述第一任务量的总数，确定所述专有云的历史任务量；
将采集到的若干所述用户数量的总数，作为所述专有云的历史用户数量。
可选地，所述预估资源使用量包括预估处理器资源以及预估内存资源；
所述确定在所述预估任务量下，所述专有云运行所需的预估资源使用量的步骤，包括：
根据所述预估任务量与预设的第一关系式，确定所述专有云的预估处理器资源；
根据所述预估任务量与预设的第二关系式，确定所述专有云的预估内存资源。
可选地，所述方法还包括：
针对所述专有云中运行的应用，在若干第二预设历史时段内分别获取若干第二时间点，所述应用在所述第二时间点的第二任务量、已用处理器资源、以及已用内存资源；
根据所述应用的第二任务量以及已用处理器资源，确定针对所述应用的任务量与处理器资源之间的第一关系式；
根据所述应用的第二任务量以及已用内存资源，确定针对所述应用的任务量与内存资源之间第二关系式。
可选地，所述方法还包括：
针对所述专有云中运行的应用，采集所述应用在第一预设历史时段中的历史峰值任务量；
根据所述专有云的历史任务量、预估任务量、以及所述应用的历史峰值任务量，确定所述应用的的预估峰值任务量。
可选地，所述根据所述预估任务量与预设的第一关系式，确定所述专有云的预估处理器资源的步骤，包括：
采用所述应用的的预估峰值任务量以及第一关系式，计算所述应用对应的预估处理器资源；
将所述专有云中所有应用的预估处理器资源的总和，作为所述专有云的预估处理器资源；
所述根据所述预估任务量与预设的第二关系式，确定所述专有云的预估内存资源的步骤，包括：
采用所述应用的的预估峰值任务量以及第二关系式，计算所述应用对应的预估内存资源；
将所述专有云中所有应用的预估内存资源的总和，作为所述专有云的预估内存资源。
可选地，所述方法还包括：
采用所述预估资源使用量，调整所述专有云中的容器数量。
可选地，所述采用所述预估资源使用量，调整所述专有云中的容器数量的步骤，包括：
根据所述预估资源使用量以及预设的容器资源量，确定目标容器部署量；
将所述专有云中的容器数量调整为所述目标容器部署量。
可选地，所述容器资源量包括容器处理器资源量以及容器内存资源量；
所述根据所述预估资源使用量以及预设的容器资源量，确定目标容器部署量的步骤，包括：
根据所述预估处理器资源以及预设的容器处理器资源量，确定第一容器部署量；
根据所述预估内存资源以及预设的容器内存资源量，确定第二容器部署量；
在所述第一容器部署量与所述第二容器部署量中选取更大的容器部署量，作为目标容器部署量。
本发明实施例还提供一种专有云的资源处理装置，包括：
获取模块，用于获取专有云的历史任务量以及历史用户数量；
任务预估模块，用于根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；
使用量确定模块，用于确定在所述预估任务量下，所述专有云运行所需的预估资源使用量。
可选地，所述获取模块包括：
获取子模块，用于在第一预设历史时段中选取若干第一时间点，采集所述专有云在所述第一时间点的第一任务量以及用户数量；
历史任务量确定子模块，用于根据采集到的若干所述第一任务量的总数，确定所述专有云的历史任务量；
历史用户数量确定子模块，用于将采集到的若干所述用户数量的总数，作为所述专有云的历史用户数量。
可选地，所述预估资源使用量包括预估处理器资源以及预估内存资源；
所述使用量确定模块包括：
处理器资源确定子模块，用于根据所述预估任务量与预设的第一关系式，确定所述专有云的预估处理器资源；
内存资源确定子模块，用于根据所述预估任务量与预设的第二关系式，确定所述专有云的预估内存资源。
可选地，所述装置还包括：
已用资源获取模块，用于针对所述专有云中运行的应用，在若干第二预设历史时段内分别获取若干第二时间点，所述应用在所述第二时间点的第二任务量、已用处理器资源、以及已用内存资源；
第一关系式确定模块，用于根据所述应用的第二任务量以及已用处理器资源，确定针对所述应用的任务量与处理器资源之间的第一关系式；
第二关系式确定模块，用于根据所述应用的第二任务量以及已用内存资源，确定针对所述应用的任务量与内存资源之间第二关系式。
可选地，所述装置还包括：
历史峰值任务量采集模块，用于针对所述专有云中运行的应用，采集所述应用在第一预设历史时段中的历史峰值任务量；
预估峰值任务量确定模块，用于根据所述专有云的历史任务量、预估任务量、以及所述应用的历史峰值任务量，确定所述应用的的预估峰值任务量。
可选地，所述处理器资源确定子模块包括：
应用处理器资源计算单元，用于采用所述应用的的预估峰值任务量以及第一关系式，计算所述应用对应的预估处理器资源；
专有云处理器资源计算单元，用于将所述专有云中所有应用的预估处理器资源的总和，作为所述专有云的预估处理器资源；
所述内存资源确定子模块包括：
应用内存资源计算单元，用于采用所述应用的的预估峰值任务量以及第二关系式，计算所述应用对应的预估内存资源；
专有云内存资源计算单元，用于将所述专有云中所有应用的预估内存资源的总和，作为所述专有云的预估内存资源。
可选地，所述装置还包括：
容器调整模块，用于采用所述预估资源使用量，调整所述专有云中的容器数量。
可选地，所述容器调整模块包括：
目标容器部署量确定子模块，用于根据所述预估资源使用量以及预设的容器资源量，确定目标容器部署量；
容器调整子模块，用于将所述专有云中的容器数量调整为所述目标容器部署量。
可选地，所述容器资源量包括容器处理器资源量以及容器内存资源量；
所述目标容器部署量确定子模块包括：
第一容器部署量确定单元，用于根据所述预估处理器资源以及预设的容器处理器资源量，确定第一容器部署量；
第二容器部署量确定单元，用于根据所述预估内存资源以及预设的容器内存资源量，确定第二容器部署量；
目标容器部署量确定单元，用于在所述第一容器部署量与所述第二容器部署量中选取更大的容器部署量，作为目标容器部署量。
本申请实施例还公开了一种电子设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如本申请实施例所述的一个或多个的方法。
本申请实施例还公开了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本申请实施例所述的一个或多个的方法。
本申请实施例包括以下优点：
通过本发明的获取专有云的历史任务量以及历史用户数量；根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；确定在所述预估任务量下，所述专有云运行所需的预估资源使用量。可以在仅获取非实时的线上监测数据的情况下，高效、准确地完成对专有云所需要的资源使用量的预测。
附图说明
图1是本申请实施例的一种专有云的资源处理方法实施例的步骤流程图；
图2是本申请实施例的另一种专有云的资源处理方法实施例的步骤流程图；
图3是本申请实施例的另一种专有云的资源处理方法实施例的步骤流程图
图4是本申请实施例的另一种专有云的资源处理方法实施例的步骤流程图；
图5是本申请实施例的一种专有云的资源处理装置实施例的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
一般来说，现有的对云平台资源的处理方法，都是针对可以简便得知云平台的流量变化的情况下设计的。在对云平台资源进行配置的过程中，往往涉及实时的在线流量监测，还可以通过线下压力测试、流量回放等方式模拟线上高并发情况，从而可以较为容易地得知云平台的流量变化，从而较为准确地预测云平台所需要的资源使用量。但是，对于服务于特定企业的专有云来说，其通常无法对专有云进行实时的在线流量监测，更加难以对专有云进行线下压力测试、流量回放等工作，现有对云平台资源的处理方法难以应用于专有云中。
面对专有云无法简便地得知其所需要的资源使用量的情况。通过获取不要求实时获得的专有云的历史任务量以及历史用户数量，并基于专有云的历史任务量以及历史用户数量预估专有云可能产生的预估任务量，并基于预估任务量确定专有云所需要的预估资源使用量，以便对专有云进行相应的调整。从而可以在仅获取非实时的线上监测数据的情况下，针对专有云这一场景，高效地完成对专有云所需要的资源使用量的预测。使得专有云的容量可以满足用户使用需求，提高用户的使用体验。同时还可以将本技术方案应用于同行业的其他专有云的初期部署过程中，实现高效的专有云容量规划。
参照图1，示出了本申请实施例的一种专有云的资源处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，获取专有云的历史任务量以及历史用户数量；
具体而言，为了确定专有云正常运行所需要的容器数量，可以首先获取专有云的历史任务量以及历史用户数量，以便可以基于可非实时获取的专有云运行状态数据，对专有云的容量进行调整。
其中，所述历史任务量可以专有云在历史时长内处理的任务数量。历史用户数量可以为在历史时长内访问专有云的用户数量。通过专有云的历史任务量以及历史用户数量，可以得知专有云历史的负载状态，其后可以基于专有云的负载情况，对专有云的容量进行相应的调整，避免专有云处于高负载状态下。
步骤102，根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；
专有云在建设过程中，获取专有云客户具体的用户数量，从而可以基于该用户数据，确定专有云可能需要承受的用户总量，获得用户总量预估值。
为了确保专有云能够在大多数人同时访问专有云的情况下保持正常运行，且不造成资源浪费，由于专有云能力上限会受制于网络及设备等外在设备，且无法像公有云一样随时监测、随时调整，因此用户总量预估值尽可能精准将极大影响到专有云的部署效果。发明人经过长期实践，根据专有云在历史用户数量下处理的历史任务量，预测当存在预估用户总量的用户访问专有云时专有云可能产生的对应任务量，从而获取专有云的预估任务量。
在具体实现中，通过对专有云的历史任务量以及历史用户数量之间的关系进行分析，计算专有云用户任务关联度的相似度，进而获取该专有云中任务量与用户数量之间的对应关系。接着，根据获取的预估用户总量，通过所述对应关系获取该专有云的预估任务量。例如，当使用同一专有云的用户，其任务需求的相似度比较高，通过对专有云的历史任务量以及历史用户数量之间的关系进行分析，获得其任务量与用户数量之间的对应关系，例如用户数量×系数A＝任务量，基于该系数，可获得专有云的预估任务量＝预估用户总量×系数A。
步骤103，确定在所述预估任务量下，所述专有云运行所需的预估资源使用量；
对于专有云来说，预估任务量即为其在大多数人访问专有云的情况下所产生的任务量，若专有云的计算资源可以承载该预估任务量，则专有云可以在大多数情况下保持稳定运行。由此，在确定预估任务量之后，对专有云运行所述的预估资源使用量进行预测。
在具体实现中，使用专有云的客户可以属于物流、金融、教育、制造等不同类型的行业。在一种实施方式中，对于相同或相近似类型的行业，例如教育和培训，基于历史产生的任务量、资源量这些运行状态属性数据，生成任务量与资源使用量之间的关系式。其后可以预估任务量以及基于任务量与资源使用量之间的关系式，计算得到专有云的预估资源量。
步骤103进一步包括根据专有云部署时的行业字段数据，获取与其所述行业相同或相近似行业的资源使用量。以便基于相同或相近似行业的资源使用量，对其自身所需要使用的资源使用量进行更加准确的预测。
在另一种实施方式中，步骤103进一步还包括，保存本次确认的预估资源使用量与行业字段数据，从而对系统已有数据进行迭代和调整，以便后续可以基于保存的预估资源使用量与行业字段数据，对相同或相近似类型的行业的专有云的资源使用量进行更加准确的预测。
在本申请又一种实施方式中，图2是本申请实施例的另一种专有云的资源处理方法实施例的步骤流程图，所述方法还可以包括，步骤201，定期采集专有云的实际使用数据，形成专有云资源数据库，其中至少包含该专有云的行业字段数据、专有云历史任务量、资源使用量、以及用户数量。步骤202，根据所述专有云资源数据库，获取该专有云历史的任务量与资源使用量的对应关系，建立所属对应关系与该专有云行业字段数据之间的关联。由此，在后续需要对相同或相近似类型的行业的专有云的资源使用量进行预测的情况下，可以基于专有云资源数据库提取相同或相近似类型的行业的专有云历史的任务量与资源使用量的对应关系，高效且准确地对专有云的资源使用量进行预测。
在具体实现中，为了保持专有云的健康运行，专有云所需要使用的计算资源可以多于承载预估任务量所需要的计算资源，以避免专有云长期处于高负载状态，从而导致专有云可能无法很好地应对用户量突然增加等异常情况。同时，对于不同行业来说，使专有云稳定运行所需要的增加的资源使用量可以不同。
由此，在一种实施例中，进一步可包括根据行业字段数据设置对应的第一增量比率。第一增量比率可以用于增加预估资源使用量，以确保专有云可以较为稳定地运行，避免出现专有云长期处于高负载状态。
在一种实施例中，图3是本申请实施例的另一种专有云的资源处理方法实施例的步骤流程图，所述方法还包括：
步骤104，采用所述第一增量比率增加所述预估资源使用量，得到新的预估资源使用量。
具体而言，可以采用第一增量比率以及所述预估资源使用量，计算得到需要增加的资源使用量增量，其后，在预估资源使用量的基础上，增加资源使用量增量，得到新的预估资源使用量。
例如，在第一增量比率为50％的情况下，则在计算得到预估资源使用量之后，将第一增量比率50％与预估资源使用量之间的乘积，作为需要增加的资源使用量增量，其后在预估资源使用量的基础上增加资源使用量增量，得到新的预估资源使用量。
在一种实施方式中，进一步根据行业字段数据，设置资源使用量增量。
发明人在大量的专利云部署中发现，基于行业字段数据，进一步还可设置资源使用量增量等级。不同增量等级对应不同的第一增量比率，通过设置对应的资源使用量增量等级，可以使得同一行业字段数据匹配更多的实际企业，从而减少数据库的计算和存储量，提高匹配效率。同一行业字段数据对应的不同的实际行业可以不同的需求，匹配合适的增加等级。例如，实际企业为同一行业字段数据中相对大型的企业，则可以为该企业配置对应较大的第一增量比率的增量等级。又例如，实际企业相对于同一行业字段数据中其他企业，可能更加频繁地使用专有云，则可以为该企业配置对应较大的第一增量比率的增量等级。
在具体实现中，可以将行业字段数据设置对应的第一增量比率、资源使用量增量等级同样存储于专有云资源数据库中，以便基于专有云资源数据库，更加高效地完成对专有云的资源配置。
通过本发明的获取专有云的历史任务量以及历史用户数量；根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；确定在所述预估任务量下，所述专有云运行所需的预估资源使用量。可以在仅获取非实时的线上监测数据的情况下，针对专有云这一场景，高效、准确地完成对专有云所需要的资源使用量的预测。
参照图4，示出了本申请实施例的另一种专有云的资源处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤401，在第一预设历史时段中选取若干第一时间点，采集所述专有云在所述第一时间点的第一任务量以及用户数量；
为了确保专有云能够在大多数人同时访问专有云的情况下保持正常运行，且不造成资源浪费，由于专有云能力上限会受制于网络及设备等外在设备，且无法像公有云一样随时监测、随时调整，因此用户总量预估值尽可能精准将极大影响到专有云的部署效果。发明人经过长期实践，根据专有云在历史用户数量下处理的历史任务量，预测当存在预估用户总量的用户访问专有云时专有云可能产生的对应任务量，从而获取专有云的预估任务量。
具体而言，为了确定专有云的历史任务量以及历史用户数量，可以采用离散随机采样方式，在第一预设历史时段中随机选取若干第一时间点，并采集专有云在第一时间点的第一任务量以及用户数量，以便基于若干第一时间点的第一任务量以及用户数量，确定在历史时长之内的总的任务量以及总的用户数量。
其中，历史时段可以根据实际需要确定，例如，过去的24小时以内、前一日的0-24点、前一日的9-18点、前一周、指定月、指定周等，本发明对此不做限制。作为本发明的一种示例，可以在前一日的0-24点，离散地随机选取50个第一时间点，并采集第一时间点的第一任务量以及用户数量。
在具体实现中，所述专有云的任务量可以采用每秒查询率(Queries Per Second，QPS)表示。在第一时间点下每秒查询率越大，则可以认为专有云此时的任务量越大。
步骤402，根据采集到的若干所述第一任务量的总数，确定所述专有云的历史任务量；
在获取得到若干第一时间点的第一任务量以及用户数量之后，可以进一步确定在第一预设历史时段中的历史任务量以及历史用户数量。由此，根据实际需要，可以基于若干采集到的第一时间点的第一任务量，构建任务量变化曲线图，并基于任务量变化曲线图累加历史时段中所有时刻的任务量，作为历史任务量。为了更加简单高效地确定专有云中的容器数量，也可以直接将所有采集到的所述第一任务量的总数，作为专有云在历史时段中的历史任务量。
步骤403，将采集到的若干所述用户数量的总数，作为所述专有云的历史用户数量；
根据实际需要，可以基于若干采集到的第一时间点的用户数量，构建用户数量变化曲线图，并基于用户数量变化曲线图累加历史时段中所有时刻的用户数量，作为历史用户数量。为了更加简单高效地确定专有云中的容器数量，也可以直接将所有采集到的所述用户数量的总数，作为专有云在历史时段中的历史用户数量。
步骤404，根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；
专有云在建设过程中，获取专有云客户具体的用户数量，从而可以基于该用户数据，确定专有云可能需要承受的用户总量，获得用户总量预估值。
为了确保专有云可以在大多数情况下正常运行，专有云可以具有在大多数人同时访问专有云的情况下仍然可以保持正常运行的能力。由此，可以根据专有云在历史用户数量下处理的历史任务量，预测在预估用户总量的用户访问专有云时，专有云可能产生的任务量，从而可以确定专有云的预估任务量。
在具体实现中，通过对专有云的历史任务量以及历史用户数量之间的关系进行分析，计算专有云用户任务关联度的相似度，进而获取该专有云中任务量与用户数量之间的对应关系。接着，根据获取的预估用户总量，通过所述对应关系获取该专有云的预估任务量。例如，当使用同一专有云的用户，其任务需求的相似度比较高，通过对专有云的历史任务量以及历史用户数量之间的关系进行分析，获得其任务量与用户数量之间的对应关系。
作为本发明的一种具体实施方式，所述预估任务量可以采用如下公式计算得到：
预估任务量＝(预估用户总量/历史用户数量)×历史任务量。
在一种实施方式中，使用专有云的客户可以属于物流、金融、教育、制造等不同类型的行业。对于相同或相近似类型的行业，其任务量与用户数量之间可以具有相似的对应关系。由此，可以在专有云部署时设置行业字段数据，并存储专有云的行业字段数据、历史任务量、以及与历史任务量对应的历史用户数量。
在一种实施方式中，所述方法还包括：根据相同或相近似类型的行业的专有云的历史任务量、与历史任务量对应历史用户数量，以及当前专有云的预估用户总量，确定当前专有云的预估任务量。从而在专有云进行初次部署，或者专有云无法监测流量数据的情况下，可以采用相同或相近似类型的行业的任务量以及用户数量数据，完成对当前专有云可能产生的任务量的预估。
步骤405，确定在所述预估任务量下，所述专有云运行所需的预估资源使用量；
对于专有云来说，预估任务量即为其在大多数人访问专有云的情况下所产生的任务量，若专有云的计算资源可以承载该预估任务量，则专有云可以在大多数情况下保持稳定运行。由此，在确定预估任务量之后，对专有云运行所述的预估资源使用量进行预测。
在具体实现中，使用专有云的客户可以属于物流、金融、教育、制造等不同类型的行业。在一种实施方式中，对于相同或相近似类型的行业，例如教育和培训，基于历史产生的任务量、资源量这些运行状态属性数据，生成任务量与资源使用量之间的关系式。其后可以预估任务量以及基于任务量与资源使用量之间的关系式，计算得到专有云的预估资源量。
步骤405进一步包括根据专有云部署时的行业字段数据，获取与其所述行业相同或相近似行业的资源使用量。以便基于相同或相近似行业的资源使用量，对其自身所需要使用的资源使用量进行更加准确的预测。
在另一种实施方式中，步骤405进一步还包括，保存本次确认的预估资源使用量与行业字段数据，从而对系统已有数据进行迭代和调整，以便后续可以基于保存的预估资源使用量与行业字段数据，对相同或相近似类型的行业的专有云的资源使用量进行更加准确的预测。
在本申请又一种实施方式中，还可以包括：定期采集专有云的实际使用数据，形成专有云资源数据库，其中至少包含该专有云的行业字段数据、专有云历史任务量、资源使用量、以及用户数量。根据所述专有云资源数据库，获取该专有云历史的任务量与资源使用量的对应关系，建立所属对应关系与该专有云行业字段数据之间的关联。由此，在后续需要对相同或相近似类型的行业的专有云的资源使用量进行预测的情况下，可以基于专有云资源数据库提取相同或相近似类型的行业的专有云历史的任务量与资源使用量的对应关系，高效且准确地对专有云的资源使用量进行预测。
在本申请的一种实施例中，所述方法还包括：
S11，针对所述专有云中运行的应用，采集所述应用在第一预设历史时段中的历史峰值任务量；
具体而言，专有云中可以同时运行有多种不同类型的应用，不同类型的应用相互之间可以具有不同的任务量与资源使用量之间的对应的关系。由此，为了更加准确地估算专有云所需要使用的计算资源，可以针对所述专有云中运行的每一应用，分别采集所述应用在第一预设历史时段中的历史峰值任务量。
其中，历史峰值任务量可以为应用在历史时段内最大的某一时间点下的任务量。在采用每秒查询率表示任务量的情况下，历史峰值任务量可以为应用在历史时段内最大的每秒查询率。
S12，根据所述专有云的历史任务量、预估任务量、以及所述应用的历史峰值任务量，确定所述应用的的预估峰值任务量。
为了确保专有云可以在应用处于高峰使用时段时，应用仍然可以保持稳定运行。在对专有云整体的任务量进行预估时，可以进一步基于每一应用的峰值任务量，计算专有云整体所需要的任务量。由此，可以根据所述专有云的历史任务量、历史用户数量、以及所述应用的历史峰值任务量，确定所述应用的的预估峰值任务量。
在具体实现中，一应用的预估峰值任务量可以采用如下方式计算得到：
预估峰值任务量＝(预估任务量/历史任务量)×历史峰值任务量
可选地，为了保持专有云的健康运行，应用所需要使用的计算资源可以多于承载预估峰值任务量所需要的计算资源，避免专有云长期处于高负载状态，从而导致专有云可能无法很好地应对应用的用户量突然增加等异常情况。由此，在确定应用的预估峰值任务量的过程中，可以设置一第二增量倍率。在根据专有云的历史任务量、预估任务量、以及应用的历史峰值任务量确定应用的的一峰值任务量之后，可以进一步根据第二增量倍率增加峰值任务量，最终得到预估峰值任务量。其中，第二增量倍率可以为40％、50％、70％等，本发明对此不做限制。
在具体实现中，一应用的预估峰值任务量可以采用如下方式计算得到：
预估峰值任务量＝(预估任务量/历史任务量)×历史峰值任务量×(1+第二增量倍率)
在一种实施方式中，步骤S12进一步还包括，保存本次确认的预估峰值任务量，从而对系统已有数据进行迭代和调整。在一种实施方式中，可以将专有云中每一应用的历史峰值任务量、以及预估峰值任务量存储于专有云资源数据库中。
具体而言，所述预估资源使用量包括预估处理器资源以及预估内存资源；
对于专有云来说，其在运行过程需要使用的计算资源可以为处理器资源以及内存资源。由此，在预估资源使用量的过程中，可以分别预测处理器资源以及内存资源，以确保最终容器的数量可以同时满足专有云对处理器以及内存的需求。
在本申请的一种实施例中，所述确定在所述预估任务量下，所述专有云运行所需的预估资源使用量的步骤，包括：
S21，根据所述预估任务量与预设的第一关系式，确定所述专有云的预估处理器资源；
具体而言，可以预设一第一关系式。该第一关系式可以基于该专有云或者同行业的专有云历史产生的任务量与处理器资源之间的关系生成。由此，可以基于估任务量与预设的第一关系式，确定所述专有云运行所需要的预估处理器资源。
在一种实施方式中，步骤S21进一步还包括，保存本次确认的预估处理器资源，从而对系统已有数据进行迭代和调整。在一种实施方式中，可以将专有云中每一应用的预估处理器资源存储于专有云资源数据库中。
在本申请的一种实施例中，所述根据所述预估任务量与预设的第一关系式，确定所述专有云的预估处理器资源的步骤，包括：
S211，采用所述应用的的预估峰值任务量以及第一关系式，计算所述应用对应的预估处理器资源；
具体而言，专有云中可以同时运行有多种不同类型的应用，不同类型的应用相互之间可以具有不同的任务量与处理器资源之间的对应的关系。由此，可以为每一应用分别设置表达其任务量与处理器资源之间的关系的第一关系式。其后可以采用所述应用的的预估峰值任务量以及第一关系式，计算所述应用对应的预估处理器资源。
S212，将所述专有云中所有应用的预估处理器资源的总和，作为所述专有云的预估处理器资源；
对于专有云而言，其预估处理器资源可以为专有云中所有应用的预估处理器资源的总和。由此，可以将所述专有云中所有应用的预估处理器资源的总和，作为所述专有云的预估处理器资源。
在一种实施方式中，步骤S212进一步还包括，保存本次确认的应用对应的预估处理器资源，以及专有云的预估处理器资源，从而对系统已有数据进行迭代和调整。在一种实施方式中，可以将专有云中每一应用对应的预估处理器资源，以及专有云的预估处理器资源存储于专有云资源数据库中。
S22，根据所述预估任务量与预设的第二关系式，确定所述专有云的预估内存资源。
具体而言，可以预设一第二关系式。该第二关系式可以基于该专有云或者同行业的专有云历史产生的任务量与内存资源之间的关系生成。由此，可以基于估任务量与预设的第二关系式，确定所述专有云运行所需要的预估内存资源。
在一种实施方式中，步骤S22进一步还包括，保存本次确认的预估内存资源，从而对系统已有数据进行迭代和调整。在一种实施方式中，可以将专有云中每一应用的预估内存资源存储于专有云资源数据库中。
在本申请的一种实施例中，所述根据所述预估任务量与预设的第二关系式，确定所述专有云的预估内存资源的步骤，包括：
S221，采用所述应用的的预估峰值任务量以及第二关系式，计算所述应用对应的预估内存资源；
具体而言，专有云中可以同时运行有多种不同类型的应用，不同类型的应用相互之间可以具有不同的任务量与内存资源之间的对应的关系。由此，可以为每一应用分别设置表达其任务量与内存资源之间的关系的第一关系式。其后可以采用所述应用的的预估峰值任务量以及第一关系式，计算所述应用对应的预估内存资源。
S222，将所述专有云中所有应用的预估内存资源的总和，作为所述专有云的预估内存资源。
对于专有云而言，其预估内存资源可以为专有云中所有应用的预估内存资源的总和。由此，可以将所述专有云中所有应用的预估内存资源的总和，作为所述专有云的预估内存资源。
在一种实施方式中，步骤S222进一步还包括，保存本次确认的应用对应的预估内存资源，以及专有云的预估内存资源，从而对系统已有数据进行迭代和调整。在一种实施方式中，可以将专有云中每一应用对应的预估内存资源，以及专有云的预估内存资源存储于专有云资源数据库中。
在本申请的一种实施例中，所述方法还包括：
S31，针对所述专有云中运行的应用，在若干第二预设历史时段内分别获取若干第二时间点，所述应用在所述第二时间点的第二任务量、已用处理器资源、以及已用内存资源；
具体而言，为了生成针对专有云中运行的应用的第一关系式与第二关系式，可以在若干第二预设历史时段内分别获取若干第二时间点，所述应用在所述第二时间点的第二任务量、已用处理器资源、以及已用内存资源，以便后续可以基于历史的任务量、处理器资源、以及内存资源的信息，确定每一应用任务量与处理器资源之间的关系，任务量与内存资源之间的关系。
S32，根据所述应用的第二任务量以及已用处理器资源，确定针对所述应用的任务量与处理器资源之间的第一关系式；
在具体实现中，可以预设一第一关系式的表达公式，公式中可以具有至少一个待定的系数，可以基于应用的第二任务量以及已用处理器资源进行如最小二乘法等拟合计算，从而确定第一关系式中的系数，得到与应用相匹配的第一关系式。
作为本发明的一种示例，第一关系式可以采用如下方式表示：
处理器资源＝系数1×任务量+系数2
S33，根据所述应用的第二任务量以及已用内存资源，确定针对所述应用的任务量与内存资源之间第二关系式。
在具体实现中，可以预设一第二关系式的表达公式，公式中可以具有至少一个待定的系数，可以基于应用的第二任务量以及已用内存资源进行如最小二乘法等拟合计算，从而确定第二关系式中的系数，得到与应用相匹配的第二关系式。
作为本发明的一种示例，第二关系式可以采用如下方式表示：
内存资源＝系数3×任务量+系数4
在一种实施方式中，步骤S33进一步还包括，保存本次确认的应用在所述第二时间点的第二任务量、已用处理器资源、已用内存资源；并保存应用的任务量与处理器资源之间的第一关系式、以及应用的任务量与内存资源之间第二关系式，从而对系统已有数据进行迭代和调整。在一种实施方式中，可以将专有云中每一应用在所述第二时间点的第二任务量、已用处理器资源、已用内存资源；应用的任务量与处理器资源之间的第一关系式、以及应用的任务量与内存资源之间第二关系式存储于专有云资源数据库中。建立应用的任务量与处理器资源之间的第一关系式与该专有云行业字段数据之间的关联、以及建立应用的任务量与内存资源之间第二关系式与该专有云行业字段数据之间的关联。由此，在后续需要对相同或相近似类型的行业的专有云的资源使用量进行预测的情况下，可以基于专有云资源数据库提取相同或相近似类型的行业的专有云的第一关系式以及第二关系式，高效且准确地对专有云的资源使用量进行预测。
在本申请的一种实施例中，所述方法还包括：
S41，采用所述预估资源使用量，调整所述专有云中的容器数量。
在一种实施方式中，专有云包括多个容器。步骤S104进一步通过调整专有云的容器数量实现对专有云可用的资源使用量的调节，以确保专有云的稳定运行。
在具体实现中，其后，可以基于预估资源使用量以及容器资源量，计算得到专有云所需要使用的容器数量，并对当前专有云中的容器数量进行相应的调整。
在本申请的一种实施例中，所述采用所述预估资源使用量，调整所述专有云中的容器数量的步骤，包括：
S51，根据所述预估资源使用量以及预设的容器资源量，确定目标容器部署量；
具体而言，每一容器可以提供的计算资源可以是用户根据实际需要设置的。在一般情况下，专有云的容器资源量不会频繁的改变，由此，可以采用一预设周期如三天、一周、一月等，获取专有云的容器资源量，得知每一容器可以提供的计算资源。其后，可以根据所述预估资源使用量以及预设的容器资源量，确定目标容器部署量。
在具体实现中，目标容器部署量可以采用如下公式计算：
目标容器部署量＝预估资源使用量/容器资源量
具体而言，所述容器资源量包括容器处理器资源量以及容器内存资源量；
对于专有云来说，其在运行过程需要使用的计算资源可以为处理器资源以及内存资源。由此，在确定容器数量的过程中，可以分别基于容器处理器资源量以及容器内存资源量，确定所需要的容器数量，以确保最终容器的数量可以同时满足专有云对处理器以及内存的需求。
在本申请的一种实施例中，所述根据所述预估资源使用量以及预设的容器资源量，确定目标容器部署量的步骤，包括：
S61，根据所述预估处理器资源以及预设的容器处理器资源量，确定第一容器部署量；
可以根据所述预估处理器资源以及预设的容器处理器资源量，确定在满足专有云对处理器资源的需求的情况下，所需要的第一容器部署量。
在具体实现中，第一容器部署量可以采用如下方式计算得到：
第一容器部署量＝预估处理器资源/容器处理器资源量
S62，根据所述预估内存资源以及预设的容器内存资源量，确定第二容器部署量；
可以根据所述预估内存资源以及预设的容器内存资源量，确定在满足专有云对内存资源的需求的情况下，所需要的第一容器部署量。
在具体实现中，第一容器部署量可以采用如下方式计算得到：
第一容器部署量＝预估内存资源/容器内存资源量
S63，在所述第一容器部署量与所述第二容器部署量中选取更大的容器部署量，作为目标容器部署量。
具体而言，第一容器部署量与第二容器部署量可以不同，在此情况下，为了确保专有云可以同时具有足够的处理器资源以及内存资源，可以在所述第一容器部署量与所述第二容器部署量中选取更大的容器部署量，作为目标容器部署量。
例如，在第一容器部署量大于第二容器部署量的情况下，将第一容器部署量作为目标容器部署量。在第二容器部署量大于第一容器部署量的情况下，将第二容器部署量作为目标容器部署量。
S52，将所述专有云中的容器数量调整为所述目标容器部署量。
在确定满足专有云运行需求所需要的目标容器部署量之后，可以将专有云中的容器数量调整为所述目标容器部署量。从而可以确保专有云可以在大多数情况下保持稳定运行。
通过本发明实施例提供的专有云的调整方法，在第一预设历史时段中选取若干第一时间点，采集所述专有云在所述第一时间点的第一任务量以及用户数量；根据采集到的若干所述第一任务量的总数，确定所述专有云的历史任务量；将采集到的若干所述用户数量的总数，作为所述专有云的历史用户数量；根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；确定在所述预估任务量下，所述专有云运行所需的预估资源使用量；采用所述预估资源使用量，调整所述专有云中的容器数量。从而可以在非实时，且仅获取线上监测数据的情况下，完成对专有云的容量调整。使得专有云的容量可以满足用户使用需求，提高用户的使用体验。
在一种实施方式中，步骤S52进一步还包括，保存本次确认的目标容器部署量，从而对系统已有数据进行迭代和调整。在一种实施方式中，可以将专有云对应的目标容器部署量存储于专有云资源数据库中。其后，可以获取专有云预估资源使用量与容器数量的对应关系，并建立对应关系与该专有云行业字段数据之间的关联。由此，在后续需要对相同或相近似类型的行业的专有云的容器补数量进行预测的情况下，可以基于专有云资源数据库提取相同或相近似类型的行业的专有云预估资源使用量与容器数量的对应关系，高效且准确地对专有云的容器部署量进行预测。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
参照图5，示出了本申请实施例的一种专有云的调整装置实施例的结构框图，具体可以包括如下模块：
获取模块，用于获取专有云的历史任务量以及历史用户数量；
任务预估模块，用于根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；
使用量确定模块，用于确定在所述预估任务量下，所述专有云运行所需的预估资源使用量。
可选地，所述获取模块包括：
获取子模块，用于在第一预设历史时段中选取若干第一时间点，采集所述专有云在所述第一时间点的第一任务量以及用户数量；
历史任务量确定子模块，用于根据采集到的若干所述第一任务量的总数，确定所述专有云的历史任务量；
历史用户数量确定子模块，用于将采集到的若干所述用户数量的总数，作为所述专有云的历史用户数量。
可选地，所述预估资源使用量包括预估处理器资源以及预估内存资源；
所述使用量确定模块包括：
处理器资源确定子模块，用于根据所述预估任务量与预设的第一关系式，确定所述专有云的预估处理器资源；
内存资源确定子模块，用于根据所述预估任务量与预设的第二关系式，确定所述专有云的预估内存资源。
可选地，所述装置还包括：
已用资源获取模块，用于针对所述专有云中运行的应用，在若干第二预设历史时段内分别获取若干第二时间点，所述应用在所述第二时间点的第二任务量、已用处理器资源、以及已用内存资源；
第一关系式确定模块，用于根据所述应用的第二任务量以及已用处理器资源，确定针对所述应用的任务量与处理器资源之间的第一关系式；
第二关系式确定模块，用于根据所述应用的第二任务量以及已用内存资源，确定针对所述应用的任务量与内存资源之间第二关系式。
可选地，所述装置还包括：
历史峰值任务量采集模块，用于针对所述专有云中运行的应用，采集所述应用在第一预设历史时段中的历史峰值任务量；
预估峰值任务量确定模块，用于根据所述专有云的历史任务量、预估任务量、以及所述应用的历史峰值任务量，确定所述应用的的预估峰值任务量。
可选地，所述处理器资源确定子模块包括：
应用处理器资源计算单元，用于采用所述应用的的预估峰值任务量以及第一关系式，计算所述应用对应的预估处理器资源；
专有云处理器资源计算单元，用于将所述专有云中所有应用的预估处理器资源的总和，作为所述专有云的预估处理器资源；
所述内存资源确定子模块包括：
应用内存资源计算单元，用于采用所述应用的的预估峰值任务量以及第二关系式，计算所述应用对应的预估内存资源；
专有云内存资源计算单元，用于将所述专有云中所有应用的预估内存资源的总和，作为所述专有云的预估内存资源。
可选地，所述装置还包括：
容器调整模块，用于采用所述预估资源使用量，调整所述专有云中的容器数量。
可选地，所述容器调整模块包括：
目标容器部署量确定子模块，用于根据所述预估资源使用量以及预设的容器资源量，确定目标容器部署量；
容器调整子模块，用于将所述专有云中的容器数量调整为所述目标容器部署量。
可选地，所述容器资源量包括容器处理器资源量以及容器内存资源量；
所述目标容器部署量确定子模块包括：
第一容器部署量确定单元，用于根据所述预估处理器资源以及预设的容器处理器资源量，确定第一容器部署量；
第二容器部署量确定单元，用于根据所述预估内存资源以及预设的容器内存资源量，确定第二容器部署量；
目标容器部署量确定单元，用于在所述第一容器部署量与所述第二容器部署量中选取更大的容器部署量，作为目标容器部署量。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例还提供了一种电子设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行本申请实施例所述的方法。
本申请实施例还提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行本申请实施例所述的方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者终端设备不仅包括那些要素，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、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种专有云的资源处理方法和装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (12)

1.一种专有云的资源处理方法，其特征在于，包括：
获取专有云的历史任务量以及历史用户数量；
根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；
确定在所述预估任务量下，所述专有云运行所需的预估资源使用量。
2.根据权利要求1所述的方法，其特征在于，所述获取专有云的历史任务量以及历史用户数量的步骤，包括：
在第一预设历史时段中选取若干第一时间点，采集所述专有云在所述第一时间点的第一任务量以及用户数量；
根据采集到的若干所述第一任务量的总数，确定所述专有云的历史任务量；
将采集到的若干所述用户数量的总数，作为所述专有云的历史用户数量。
3.根据权利要求1所述的方法，其特征在于，所述预估资源使用量包括预估处理器资源以及预估内存资源；
所述确定在所述预估任务量下，所述专有云运行所需的预估资源使用量的步骤，包括：
根据所述预估任务量与预设的第一关系式，确定所述专有云的预估处理器资源；
根据所述预估任务量与预设的第二关系式，确定所述专有云的预估内存资源。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
针对所述专有云中运行的应用，在若干第二预设历史时段内分别获取若干第二时间点，所述应用在所述第二时间点的第二任务量、已用处理器资源、以及已用内存资源；
根据所述应用的第二任务量以及已用处理器资源，确定针对所述应用的任务量与处理器资源之间的第一关系式；
根据所述应用的第二任务量以及已用内存资源，确定针对所述应用的任务量与内存资源之间第二关系式。
5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：
针对所述专有云中运行的应用，采集所述应用在第一预设历史时段中的历史峰值任务量；
根据所述专有云的历史任务量、预估任务量、以及所述应用的历史峰值任务量，确定所述应用的的预估峰值任务量。
6.根据权利要求5所述的方法，其特征在于，所述根据所述预估任务量与预设的第一关系式，确定所述专有云的预估处理器资源的步骤，包括：
采用所述应用的的预估峰值任务量以及第一关系式，计算所述应用对应的预估处理器资源；
将所述专有云中所有应用的预估处理器资源的总和，作为所述专有云的预估处理器资源；
所述根据所述预估任务量与预设的第二关系式，确定所述专有云的预估内存资源的步骤，包括：
采用所述应用的的预估峰值任务量以及第二关系式，计算所述应用对应的预估内存资源；
将所述专有云中所有应用的预估内存资源的总和，作为所述专有云的预估内存资源。
7.根据权利要求3所述的方法，其特征在于，所述方法还包括：
采用所述预估资源使用量，调整所述专有云中的容器数量。
8.根据权利要求7所述的方法，其特征在于，所述采用所述预估资源使用量，调整所述专有云中的容器数量的步骤，包括：
根据所述预估资源使用量以及预设的容器资源量，确定目标容器部署量；
将所述专有云中的容器数量调整为所述目标容器部署量。
9.根据权利要求8所述的方法，所述容器资源量包括容器处理器资源量以及容器内存资源量；
所述根据所述预估资源使用量以及预设的容器资源量，确定目标容器部署量的步骤，包括：
根据所述预估处理器资源以及预设的容器处理器资源量，确定第一容器部署量；
根据所述预估内存资源以及预设的容器内存资源量，确定第二容器部署量；
在所述第一容器部署量与所述第二容器部署量中选取更大的容器部署量，作为目标容器部署量。
10.一种专有云的资源处理装置，其特征在于，包括：
获取模块，用于获取专有云的历史任务量以及历史用户数量；
任务预估模块，用于根据所述专有云的历史任务量、历史用户数量、以及预估用户总量，确定所述专有云的预估任务量；
使用量确定模块，用于确定在所述预估任务量下，所述专有云运行所需的预估资源使用量。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1-9任一项所述的方法。
12.一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-9任一项所述的方法。
CN202210339084.6A 2022-04-01 2022-04-01 一种专有云的资源处理方法和装置 Pending CN114721798A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210339084.6A CN114721798A (zh) 2022-04-01 2022-04-01 一种专有云的资源处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210339084.6A CN114721798A (zh) 2022-04-01 2022-04-01 一种专有云的资源处理方法和装置

Publications (1)

Publication Number Publication Date
CN114721798A true CN114721798A (zh) 2022-07-08

Family

ID=82240891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210339084.6A Pending CN114721798A (zh) 2022-04-01 2022-04-01 一种专有云的资源处理方法和装置

Country Status (1)

Country Link
CN (1) CN114721798A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2619113A (en) * 2022-12-13 2023-11-29 Yellowdog Ltd Smoothing termination of cloud resources

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2619113A (en) * 2022-12-13 2023-11-29 Yellowdog Ltd Smoothing termination of cloud resources

Similar Documents

Publication Publication Date Title
US7039559B2 (en) Methods and apparatus for performing adaptive and robust prediction
US9354937B2 (en) System and method for electronic work prediction and dynamically adjusting server resources
US9696786B2 (en) System and method for optimizing energy consumption by processors
CN106933650A (zh) 云应用系统的负载管理方法及系统
WO2021204176A1 (zh) 业务数据预测方法、装置、电子设备及计算机可读存储介质
US20080270595A1 (en) System and method for generating synthetic workload traces
CN110896357B (zh) 流量预测方法、装置和计算机可读存储介质
US8732307B1 (en) Predictive control for resource entitlement
US11316743B2 (en) Network bandwidth management
CN112700017B (zh) 物业维修资源分配方法、装置、计算机设备及存储介质
CN113886010A (zh) 容器资源的控制方法、设备及计算机存储介质
US20180295044A1 (en) Automated management of service instances
CN114721798A (zh) 一种专有云的资源处理方法和装置
US8219368B1 (en) Capacity modeling system
EP2245539A1 (en) System and method for estimating combined workloads of systems with uncorrelated and non-deterministic workload patterns
CN114490078A (zh) 一种微服务的动态缩扩容方法、装置及设备
CN116827950A (zh) 云资源的处理方法、装置、设备及存储介质
US20200250595A1 (en) Server tool
CN107844496B (zh) 统计信息输出方法及装置
US11636377B1 (en) Artificial intelligence system incorporating automatic model updates based on change point detection using time series decomposing and clustering
CN108471362B (zh) 资源分配预测方法和装置
CN111666535A (zh) 确定用户活跃时长的方法、装置、电子设备及存储介质
CN110955728A (zh) 用电数据传输方法、服务器及存储介质
US20070094547A1 (en) Method for the automatically determining the indirect and direct extent of damages resulting from a failure of technical components in objects integrated in a production cycle
CN112994978B (zh) 一种网络流量监测方法及装置

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