CN114745275A - 云服务环境中的节点更新方法、装置和计算机设备 - Google Patents

Abstract

本申请涉及一种云服务环境中的节点更新方法、装置、计算机设备和存储介质。方法包括：获取云服务环境中与业务系统对应的工作节点；提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。通过从运营商类型和所属区域的角度设置的资源使用阈值范围，能够准确地对工作节点的资源使用数据的监控和针对性比较，能够实时得到工作节点的负载情况，实现对云服务环境中的工作节点的动态调整。

Description

云服务环境中的节点更新方法、装置和计算机设备

技术领域

本申请涉及云服务技术领域，特别是涉及一种云服务环境中的节点更新方法、装置、计算机设备和存储介质。

背景技术

随着物流技术的发展，快递行业在生活中发挥着越来越重要的作用。快递行业的用户体量大、来源广，用户使用的网络运营商不尽相同，区域很广，还有快递业务特有的高峰时间段，服务的扩容缩容非常重要。

在传统的服务扩容，都是在服务有瓶颈的时候，人工根据瓶颈制定扩容方案，扩容处理不够及时，在有些服务闲置资源较多时候，也不能实时缩容，从而导致对服务资源的利用不够合理。

发明内容

基于此，有必要针对上述技术问题，提供一种能够实现对服务资源合理利用的云服务环境中的节点更新方法、装置、计算机设备和存储介质。

一种云服务环境中的节点更新方法，方法包括：

获取云服务环境中与业务系统对应的工作节点；

提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；

根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；

当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。

在其中一个实施例中，当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量包括：

当资源使用数据小于资源使用阈值范围中的下限值时，通过缩容处理减少云服务环境中的工作节点的数量；

当资源使用数据大于资源使用阈值范围中的上限值时，通过扩容处理增加云服务环境中的工作节点的数量。

在其中一个实施例中，当资源使用数据小于资源使用阈值范围中的下限值时，通过缩容处理减少云服务环境中的工作节点的数量包括：

当资源使用数据小于资源使用阈值范围中的下限值时，记录工作节点维持小于资源使用阈值范围中的下限值的状态的持续时间；

当持续时间大于预设持续时长时，通过缩容处理减少云服务环境中的工作节点的数量。

在其中一个实施例中，当资源使用数据大于资源使用阈值范围中的上限值时，通过扩容处理增加云服务环境中的工作节点的数量包括：

当资源使用数据大于资源使用阈值范围中的上限值时，从空闲节点中查找携带有运营商类型和所属区域对应的标识的目标节点；

建立目标节点与业务系统的连接。

在其中一个实施例中，资源使用数据包括CPU(Central Processing Unit，中央处理器)使用率、内存使用率以及带宽使用率中的至少一个。

在其中一个实施例中，资源使用数据包括CPU使用率、内存使用率以及带宽使用率；

当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量包括：

当CPU使用率小于CPU使用率下限、内存使用率小于内存使用率下限且带宽使用率小于带宽使用率下限时，通过缩容处理减少云服务环境中的工作节点的数量；

当CPU使用率大于CPU使用率上限、或内存使用率大于内存使用率上限、或带宽使用率大于带宽使用率上限时，通过扩容处理增加云服务环境中的工作节点的数量。

在其中一个实施例中，提取工作节点携带的标识信息之后，还包括：

从配置数据中获取节点分布数据，节点分布数据包括区域节点总数以及区域中各运营商类型对应节点数量；

根据工作节点所属区域与运营商类型以及节点分布数据，确定并推送剩余节点分布数据。

一种云服务环境中的节点更新装置，装置包括：

工作节点获取模块，用于获取云服务环境中与业务系统对应的工作节点；

标识提取模块，用于提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；

阈值查询模块，用于根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；

节点调整模块，用于当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。

一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

获取云服务环境中与业务系统对应的工作节点；

提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；

根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；

当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。

一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取云服务环境中与业务系统对应的工作节点；

提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；

根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；

当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。

上述云服务环境中的节点更新方法、装置、计算机设备和存储介质，通过获取云服务环境中与业务系统对应的工作节点；提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量，通过从运营商类型和所属区域的角度设置的资源使用阈值范围，能够准确地对工作节点的资源使用数据的监控和针对性比较，能够实时得到工作节点的负载情况，实现对云服务环境中的工作节点的动态调整。

附图说明

图1为一个实施例中云服务环境中的节点更新方法的应用环境图；

图2为一个实施例中云服务环境中的节点更新方法的流程示意图；

图3为另一个实施例中云服务环境中的节点更新方法的流程示意图；

图4为再一个实施例中云服务环境中的节点更新方法的流程示意图；

图5为又一个实施例中云服务环境中的节点更新方法的流程示意图；

图6为还一个实施例中云服务环境中的节点更新方法的流程示意图；

图7为一个实施例中云服务环境中的节点更新装置的结构框图；

图8为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的云服务环境中的节点更新方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与监控系统104进行通信。监控系统104获取云服务环境中与业务系统对应的工作节点；提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。此外，监控系统104还会统计工作节点和空闲节点的数量，并将统计结果推送至终端102，以使相关资源管理人员能够基于统计结果补充资源设备。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，监控系统104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种云服务环境中的节点更新方法，以该方法应用于图1中的监控系统为例进行说明，包括以下步骤：

步骤202，获取云服务环境中与业务系统对应的工作节点。

云服务环境是指为业务系统提供云服务的环境，其中，云服务指通过网络以按需、易扩展的方式获得所需服务的方式。云服务可以将企业所需的软硬件、资料都放到网络上，在任何时间、地点，使用不同的IT设备互相连接，实现数据存取、运算等目的。

业务系统是指用于实现具体某项业务的服务系统，用户通过终端登录业务系统实现信息交互。云服务环境为业务系统提供数据的存取、运算等服务。在实施例中，通过云服务环境中的一个或多个节点来实现对业务系统的服务提供。云服务环境中的节点是一种容器节点，投入对同一个业务系统的使用的多个节点能够自动实现负载平衡的功能，以确保多个节点的负载水平基本保持一致。

工作节点是指处于工作状态的节点，与工作节点相对的是空闲节点。空闲节点即为暂未启动投入使用的节点。

在实施例中，监控系统通过云服务环境中的各个工作节点对接的业务系统，得到与业务系统对应的工作节点。

步骤204，提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识。

标识信息是指工作节点的属性信息，具体包括节点对应的运营商类型和节点所属的区域。其中，运营商类别包括移动、联通、电信等，区域包括按地理位置进行划分的区域，例如华中、华南、华东等。

对于每一个节点来说，当该节点被配置完成之后，基于该节点的配置信息，则可以得到该节点对应的运营商标签和区域标签，即该节点的标签信息。

监控系统在确定工作节点之后，根据工作节点自身的身份标识，查找得到工作节点携带的标识信息。也可以获取与工作节点的交互数据，从交互数据中提取工作节点携带的标识信息。

步骤206，根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据。

资源使用阈值范围是指节点资源使用的正常区间，资源使用阈值范围包括上限值和下限值。由资源使用阈值范围中的下限值和资源使用阈值范围中的上限值构成的区间即为资源使用阈值范围。

资源使用数据是指节点在工作时实际的资源占用情况，在实施例中，资源使用数据可以包括多个指标。其中，资源占用情况具体可以是资源使用率。例如，CPU使用率、内存使用率以及带宽使用率等。其中CPU使用率是指节点在当前数据处理过程中所占用的CPU与总的CPU处理能力的比值、内存使用率是指节点在当前数据处理过程中所占用的内存空间与总的内存空间的比值，带宽使用率是指节点在当前数据处理过程中所占用的带宽与总的带宽的比值。

监控系统根据工作节点携带的标识信息中的所属区域和运营商类型，从配置数据中查找该区域中该运营商类型对应节点的资源使用阈值范围。例如，工作节点对应标识信息表征的是华南地区的移动节点，则查询得到的应当是华南地区的移动节点对应的资源使用阈值范围。

在实施例中，如果是对工作节点的资源使用数据中的多个指标同时进行监控，则应当基于标识信息分别查询得到对应节点的各个指标的阈值范围。

步骤208，当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。

资源使用数据超过资源使用阈值范围包括资源使用数据小于资源使用阈值范围中的下限值或资源使用数据大于资源使用阈值范围中的上限值两种情况。当上述两种情况中满足一个时，监控系统可以根据具体的情况，对云服务环境中的工作节点的数量进行调整。

在实施例中，云服务环境中的工作节点的数量调整包括缩容和扩容。缩容是指通过移除或关闭云服务环境中的一个或多个工作节点的过程，扩容是指往业务系统对应云服务环境中增加一个或多个与业务系统对应的工作节点的过程。

上述云服务环境中的节点更新方法，通过获取云服务环境中与业务系统对应的工作节点；提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量，通过从运营商类型和所属区域的角度设置的资源使用阈值范围，能够准确地对工作节点的资源使用数据的监控和针对性比较，能够实时得到工作节点的负载情况，实现对云服务环境中的工作节点的动态调整。

在其中一个实施例中，如图2所示，当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量即步骤208包括步骤302至步骤304。

步骤302，当资源使用数据小于资源使用阈值范围中的下限值时，通过缩容处理减少云服务环境中的工作节点的数量。

缩容是指通过移除或关闭云服务环境中的一个或多个工作节点的过程。

在一个实施例中，首先减少一个工作节点，由于云服务环境中的各个工作节点具有自动对数据进行均衡化，使得各个工作节点的负载平衡化的工作机制，当减少了一个工作节点之后，该工作节点的原来的任务会由其他工作节点来处理，该工作节点的状态更新为空闲节点，一段时间后，各个工作节点的负载量会逐渐趋于平衡，若各个工作节点在一段时间后，若资源使用数据仍小于资源使用阈值范围，则可以再减少一个工作节点。通过试探性地进行缩容处理，能够准确得到最为合适的工作节点的数量。

在其他实施例中，还可以基于资源使用数据与资源使用阈值范围的差值大小，预测可以减少的工作节点的数量，通过直接减少该数量对应的工作节点，快速得到适合数量的工作节点。当预测的数量存在误差，导致资源使用数据处于超过资源使用阈值范围时，可以通过单个工作节点的微调处理(每次减少一个工作节点或增加一个工作节点)，得到准确数量的工作节点。通过先粗调再微调的方式，能够显著提高工作节点调整的速度，快速得到需要的工作节点数量。

步骤304，当资源使用数据大于资源使用阈值范围中的上限值时，通过扩容处理增加云服务环境中的工作节点的数量。

扩容是指往云服务环境中增加一个或多个与业务系统对应的工作节点的过程。

在一个实施例中，首先增加一个工作节点，由于云服务环境中的各个工作节点具有自动对数据进行均衡化，使得各个工作节点的负载平衡化的工作机制，当增加了一个工作节点之后，其他工作节点会分摊一部分认任务至该新增的工作节点，一段时间后，各个工作节点的负载量会逐渐趋于平衡，若各个工作节点在一段时间后，若资源使用数据仍大于资源使用阈值范围，则可以再增加一个工作节点。通过试探性地进行扩容处理，能够准确得到最为合适的工作节点的数量。

在其他实施例中，还可以基于资源使用数据与资源使用阈值范围的差值大小，预测可以增加的工作节点的数量，通过直接增加该数量对应的工作节点，快速得到适合数量的工作节点。当预测的数量存在误差，导致资源使用数据处于超过资源使用阈值范围时，可以通过单个工作节点的微调处理(每次减少一个工作节点或增加一个工作节点)，得到准确数量的工作节点。通过先粗调再微调的方式，能够显著提高工作节点调整的速度，快速得到需要的工作节点数量。

在其中一个实施例中，如图4所示，当资源使用数据小于资源使用阈值范围中的下限值时，通过缩容处理减少云服务环境中的工作节点的数量包括步骤402至步骤404。

步骤402，当资源使用数据小于资源使用阈值范围中的下限值时，记录工作节点维持小于资源使用阈值范围中的下限值的状态的持续时间。

步骤404，当持续时间大于预设持续时长时，通过缩容处理减少云服务环境中的工作节点的数量。

在实施例中，预设持续时长可以根据实际需要进行设定，以预设持续时长为24小时为例，当监控系统检测到资源使用数据小于资源使用阈值范围中的下限值，开始记录该工作节点维持小于资源使用阈值范围中的下限值的状态的持续时间，当持续时间达到24小时后，则通过缩容处理减少云服务环境中的工作节点的数量。通过设定持续时长这个门槛进行缩容处理，能够确保在系统处于稳定情况下进行缩容处理，以减少频繁进行缩容扩容的循环处理的过程。

在其中一个实施例中，如图5所示，当资源使用数据大于资源使用阈值范围中的上限值时，通过扩容处理增加云服务环境中的工作节点的数量包括步骤502至步骤504。

步骤502，当资源使用数据大于资源使用阈值范围中的上限值时，从空闲节点中查找携带有运营商类型和所属区域对应的标识的目标节点。

步骤504，建立目标节点与业务系统的连接。

缩容是将处于工作状态的工作节点变为空闲节点，减少的节点可以是任意一个工作节点，但扩容是将空闲节点变为工作节点，需要的是能适用于业务系统的空闲节点，以确保增加的空闲节点能够执行业务系统的相关处理请求。监控系统从空闲节点中查找携带有运营商类型和所属区域对应的标识的目标节点，通过建立目标节点与业务系统的连接，将该目标节点由空闲状态更新为工作状态，即工作节点。通过标签查找的方式，能够裤快速地得到适用的空闲节点，以提高扩容处理的响应速度。

在一个实施例中，资源使用数据包括CPU使用率、内存使用率以及带宽使用率中的至少一个。具体可以根据实际场景考虑用于衡量资源使用数据的指标以及指标的数量，在实施例中，在监控系统的监控数据配置界面，可以实现对资源使用数据对应指标的选择以及选择的每个指标对应的阈值范围。

在其中一个实施例中，资源使用数据包括至少两个指标对应的资源使用数据，每个指标均配置有对应的阈值范围。当监控系统检测到工作节点的每个指标都小于对应的阈值范围时，通过缩容处理减少云服务环境中的工作节点的数量。当监控系统检测到工作节点的存在一个指标大于对应的阈值范围时，通过扩容处理减少云服务环境中的工作节点的数量。通过配置缩容和扩容处理的触发条件，能够实现快速准确地节点动态调整。

在其中一个实施例中，资源使用数据包括CPU使用率、内存使用率以及带宽使用率。当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量包括：

当CPU使用率小于CPU使用率下限、内存使用率小于内存使用率下限且带宽使用率小于带宽使用率下限时，通过缩容处理减少云服务环境中的工作节点的数量。当CPU使用率大于CPU使用率上限、或内存使用率大于内存使用率上限、或带宽使用率大于带宽使用率上限时，通过扩容处理增加云服务环境中的工作节点的数量。

通过同时将CPU使用率、内存使用率以及带宽使用率作为资源使用数据的衡量指标，能够实现对每一个工作节点的全面准确衡量，在缩容处理时，同时考虑三个衡量指标，在其均小于对应下限值时再进行缩容处理，以确保缩容处理不会对任意一个指标造成超出上限值的情况出现。在扩容处理时，只要检测到任意一个指标超过上限值即进行扩容，能够快速响应当前工作节点的负载过大的状况造成的问题，以使业务系统能够稳定运行。

在其中一个实施例中，如图6所示，提取工作节点携带的标识信息之后，还包括步骤602至步骤604。

步骤602，从配置数据中获取节点分布数据，节点分布数据包括区域节点总数以及区域中各运营商类型对应节点数量。

步骤604，根据工作节点所属区域与运营商类型以及节点分布数据，确定并推送剩余节点分布数据。

配置数据包括节点的固有属性以及对节点相关参数进行配置的数据。在实施例中，配置的相关参数可以通过监控系统的配置界面进行配置得到。配置数据可以以每一个业务系统为对象进行配置，也就是说，不同的业务系统的配置数据可以存在差异。

在实施例中，配置数据包括业务系统对应的服务名称，业务系统对应的区域和运营商，该区域的节点总数，该区域内各运营商对应的节点数，例如，A业务系统的服务名称为A，区域为华南，运营商为移动，华南区域的节点数量为10，其中，移动节点的数量为5，联通节点的数量为3，电信节点的数量为2。

此外，配置数据还包括该区域内各运营商节点的平均CPU使用率(上限/下限)，该区域内各运营商节点的平均内存使用率(上限/下限)，该区域内各运营商节点的平均带宽使用率(上限/下限)，通过配置界面实现参数配置，能够随时调整各指标的上限和下限。

在实施例中，从配置数据中获取节点分布数据，节点分布数据包括区域节点总数以及区域中各运营商类型对应节点数量，根据工作节点所属区域与运营商类型以及节点分布数据，确定剩余节点分布数据，然后推送剩余节点分布数据至终端界面，以便资源管理人员查看区域内目前已使用各运营商节点数，区域内剩余各运营商的节点数，此外，监控系统还可以根据剩余情况，提示相关资源管理人员补充节点资源设备。

应该理解的是，虽然上述实施例涉及的各流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述实施例涉及的各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图7所示，提供了一种云服务环境中的节点更新装置，包括：工作节点获取模块702、标识提取模块704、阈值查询模块706和节点调整模块708，其中：

工作节点获取模块702，用于获取云服务环境中与业务系统对应的工作节点。

标识提取模块704，用于提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识。

阈值查询模块706，用于根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据。

节点调整模块708，用于当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。

在其中一个实施例中，节点调整模块还用于当资源使用数据小于资源使用阈值范围中的下限值时，通过缩容处理减少云服务环境中的工作节点的数量；当资源使用数据大于资源使用阈值范围中的上限值时，通过扩容处理增加云服务环境中的工作节点的数量。

在其中一个实施例中，节点调整模块还用于当资源使用数据小于资源使用阈值范围中的下限值时，记录工作节点维持小于资源使用阈值范围中的下限值的状态的持续时间；当持续时间大于预设持续时长时，通过缩容处理减少云服务环境中的工作节点的数量。

在其中一个实施例中，节点调整模块还用于当资源使用数据大于资源使用阈值范围中的上限值时，从空闲节点中查找携带有运营商类型和所属区域对应的标识的目标节点；建立目标节点与业务系统的连接。

在其中一个实施例中，资源使用数据包括CPU使用率、内存使用率以及带宽使用率中的至少一个。

在其中一个实施例中，资源使用数据包括CPU使用率、内存使用率以及带宽使用率；在其中一个实施例中，节点调整模块还用于当CPU使用率小于CPU使用率下限、内存使用率小于内存使用率下限且带宽使用率小于带宽使用率下限时，通过缩容处理减少云服务环境中的工作节点的数量；当CPU使用率大于CPU使用率上限、或内存使用率大于内存使用率上限、或带宽使用率大于带宽使用率上限时，通过扩容处理增加云服务环境中的工作节点的数量。

在其中一个实施例中，云服务环境中的节点更新装置还包括节点分布数据推送模块，用于从配置数据中获取节点分布数据，节点分布数据包括区域节点总数以及区域中各运营商类型对应节点数量；根据工作节点所属区域与运营商类型以及节点分布数据，确定并推送剩余节点分布数据。

上述云服务环境中的节点更新装置，通过获取云服务环境中与业务系统对应的工作节点；提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量，通过从运营商类型和所属区域的角度设置的资源使用阈值范围，能够准确地对工作节点的资源使用数据的监控和针对性比较，能够实时得到工作节点的负载情况，实现对云服务环境中的工作节点的动态调整。

关于云服务环境中的节点更新装置的具体限定可以参见上文中对于云服务环境中的节点更新方法的限定，在此不再赘述。上述云服务环境中的节点更新装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储云服务环境中的节点配置数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种云服务环境中的节点更新方法。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取云服务环境中与业务系统对应的工作节点；提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

当资源使用数据小于资源使用阈值范围中的下限值时，通过缩容处理减少云服务环境中的工作节点的数量；当资源使用数据大于资源使用阈值范围中的上限值时，通过扩容处理增加云服务环境中的工作节点的数量。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

当资源使用数据小于资源使用阈值范围中的下限值时，记录工作节点维持小于资源使用阈值范围中的下限值的状态的持续时间；当持续时间大于预设持续时长时，通过缩容处理减少云服务环境中的工作节点的数量。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

当资源使用数据大于资源使用阈值范围中的上限值时，从空闲节点中查找携带有运营商类型和所属区域对应的标识的目标节点；建立目标节点与业务系统的连接。

在其中一个实施例中，资源使用数据包括CPU使用率、内存使用率以及带宽使用率中的至少一个。

在其中一个实施例中，资源使用数据包括CPU使用率、内存使用率以及带宽使用率；处理器执行计算机程序时还实现以下步骤：

当CPU使用率小于CPU使用率下限、内存使用率小于内存使用率下限且带宽使用率小于带宽使用率下限时，通过缩容处理减少云服务环境中的工作节点的数量；当CPU使用率大于CPU使用率上限、或内存使用率大于内存使用率上限、或带宽使用率大于带宽使用率上限时，通过扩容处理增加云服务环境中的工作节点的数量。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

从配置数据中获取节点分布数据，节点分布数据包括区域节点总数以及区域中各运营商类型对应节点数量；根据工作节点所属区域与运营商类型以及节点分布数据，确定并推送剩余节点分布数据。

上述用于实现云服务环境中的节点更新方法的计算机设备，通过获取云服务环境中与业务系统对应的工作节点；提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量，通过从运营商类型和所属区域的角度设置的资源使用阈值范围，能够准确地对工作节点的资源使用数据的监控和针对性比较，能够实时得到工作节点的负载情况，实现对云服务环境中的工作节点的动态调整。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取云服务环境中与业务系统对应的工作节点；提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

当资源使用数据小于资源使用阈值范围中的下限值时，通过缩容处理减少云服务环境中的工作节点的数量；当资源使用数据大于资源使用阈值范围中的上限值时，通过扩容处理增加云服务环境中的工作节点的数量。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

当资源使用数据小于资源使用阈值范围中的下限值时，记录工作节点维持小于资源使用阈值范围中的下限值的状态的持续时间；当持续时间大于预设持续时长时，通过缩容处理减少云服务环境中的工作节点的数量。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

当资源使用数据大于资源使用阈值范围中的上限值时，从空闲节点中查找携带有运营商类型和所属区域对应的标识的目标节点；建立目标节点与业务系统的连接。

在其中一个实施例中，资源使用数据包括CPU使用率、内存使用率以及带宽使用率中的至少一个。

在其中一个实施例中，资源使用数据包括CPU使用率、内存使用率以及带宽使用率；计算机程序被处理器执行时还实现以下步骤：

当CPU使用率小于CPU使用率下限、内存使用率小于内存使用率下限且带宽使用率小于带宽使用率下限时，通过缩容处理减少云服务环境中的工作节点的数量；当CPU使用率大于CPU使用率上限、或内存使用率大于内存使用率上限、或带宽使用率大于带宽使用率上限时，通过扩容处理增加云服务环境中的工作节点的数量。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

从配置数据中获取节点分布数据，节点分布数据包括区域节点总数以及区域中各运营商类型对应节点数量；根据工作节点所属区域与运营商类型以及节点分布数据，确定并推送剩余节点分布数据。

上述用于实现云服务环境中的节点更新方法的计算机可读存储介质，通过获取云服务环境中与业务系统对应的工作节点；提取工作节点携带的标识信息，标识信息包括运营商类型和所属区域对应的标识；根据标识信息，查询所属区域内的运营商类型对应节点的资源使用阈值范围，并获取工作节点对应的资源使用数据；当资源使用数据超过资源使用阈值范围时，调整云服务环境中的工作节点的数量，通过从运营商类型和所属区域的角度设置的资源使用阈值范围，能够准确地对工作节点的资源使用数据的监控和针对性比较，能够实时得到工作节点的负载情况，实现对云服务环境中的工作节点的动态调整。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种云服务环境中的节点更新方法，其特征在于，所述方法包括：

获取云服务环境中与业务系统对应的工作节点；

提取所述工作节点携带的标识信息，所述标识信息包括运营商类型和所属区域对应的标识；

根据所述标识信息，查询所述所属区域内的所述运营商类型对应节点的资源使用阈值范围，并获取所述工作节点对应的资源使用数据；

当所述资源使用数据超过所述资源使用阈值范围时，调整所述云服务环境中的工作节点的数量。

2.根据权利要求1所述的方法，其特征在于，所述当所述资源使用数据超过所述资源使用阈值范围时，调整所述云服务环境中的工作节点的数量包括：

当所述资源使用数据小于所述资源使用阈值范围中的下限值时，通过缩容处理减少所述云服务环境中的工作节点的数量；

当所述资源使用数据大于所述资源使用阈值范围中的上限值时，通过扩容处理增加所述云服务环境中的工作节点的数量。

3.根据权利要求2所述的方法，其特征在于，所述当所述资源使用数据小于所述资源使用阈值范围中的下限值时，通过缩容处理减少所述云服务环境中的工作节点的数量包括：

当所述资源使用数据小于所述资源使用阈值范围中的下限值时，记录所述工作节点维持小于所述资源使用阈值范围中的下限值的状态的持续时间；

当所述持续时间大于预设持续时长时，通过缩容处理减少所述云服务环境中的工作节点的数量。

4.根据权利要求2所述的方法，其特征在于，所述当所述资源使用数据大于所述资源使用阈值范围中的上限值时，通过扩容处理增加所述云服务环境中的工作节点的数量包括：

当所述资源使用数据大于所述资源使用阈值范围中的上限值时，从空闲节点中查找携带有所述运营商类型和所属区域对应的标识的目标节点；

建立所述目标节点与所述业务系统的连接。

5.根据权利要求1所述的方法，其特征在于，所述资源使用数据包括CPU使用率、内存使用率以及带宽使用率中的至少一个。

6.根据权利要求1所述的方法，其特征在于，所述资源使用数据包括CPU使用率、内存使用率以及带宽使用率；

所述当所述资源使用数据超过所述资源使用阈值范围时，调整所述云服务环境中的工作节点的数量包括：

当所述CPU使用率小于CPU使用率下限、所述内存使用率小于内存使用率下限且所述带宽使用率小于带宽使用率下限时，通过缩容处理减少所述云服务环境中的工作节点的数量；

当所述CPU使用率大于CPU使用率上限、或所述内存使用率大于内存使用率上限、或所述带宽使用率大于带宽使用率上限时，通过扩容处理增加所述云服务环境中的工作节点的数量。

7.根据权利要求1所述的方法，其特征在于，所述提取所述工作节点携带的标识信息之后，还包括：

从配置数据中获取节点分布数据，所述节点分布数据包括区域节点总数以及区域中各运营商类型对应节点数量；

根据所述工作节点所属区域与运营商类型以及所述节点分布数据，确定并推送剩余节点分布数据。

8.一种云服务环境中的节点更新装置，其特征在于，所述装置包括：

工作节点获取模块，用于获取云服务环境中与业务系统对应的工作节点；

标识提取模块，用于提取所述工作节点携带的标识信息，所述标识信息包括运营商类型和所属区域对应的标识；

阈值查询模块，用于根据所述标识信息，查询所述所属区域内的所述运营商类型对应节点的资源使用阈值范围，并获取所述工作节点对应的资源使用数据；

节点调整模块，用于当所述资源使用数据超过所述资源使用阈值范围时，调整所述云服务环境中的工作节点的数量。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images