CN114860425A - 一种基于云资源下的服务云平台 - Google Patents
一种基于云资源下的服务云平台 Download PDFInfo
- Publication number
- CN114860425A CN114860425A CN202210351626.1A CN202210351626A CN114860425A CN 114860425 A CN114860425 A CN 114860425A CN 202210351626 A CN202210351626 A CN 202210351626A CN 114860425 A CN114860425 A CN 114860425A
- Authority
- CN
- China
- Prior art keywords
- cloud
- resource
- resources
- data
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- 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
- G06F9/44—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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及云服务技术领域,且公开了一种基于云资源下的服务云平台,包括用户需求管理模块、云资源供应模块和基础设施及云资源监测与管理模块,所述用户需求管理模块主要是实现用户需求与云资源及管理系统的联接和交互,在该模块中,基于用户云服务需求,进行需求内容分析和需求分类,并将用户需求数据传输至云资源供应管理模块中;本发明通过将物理资源虚拟化,摆脱了不同服务器在性能、操作系统上的差异,将所有服务器的计算能力抽象成能够动态管理的资源池,从而实现云服务商所有服务器资源的整合,让计算资源能够更好的适应用户不确定性的服务需求;同时物理资源的虚拟化是一种资源划分方式。
Description
技术领域
本发明涉及云服务技术领域,具体为一种基于云资源下的服务云平台。
背景技术
随着云资源市场的不断发展和完善,很多云服务提供商,例如亚马逊、谷歌、阿里云、腾讯云等都投入了大量资源,推动自身的云服务往智能化,精细化方向发展。合理的云资源的供应机制是云服务商降低成本,提升云资源利用率的重要手段,也是云服务商推动云资源精细化运营的必由之路。基于此,本发明提供了一种服务云平台,为云服务商提供了一种合理的云资源供应管理机制,并提升了云资源利用率。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于云资源下的服务云平台,解决了上述背景技术中所存在的问题。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:一种基于云资源下的服务云平台,包括用户需求管理模块、云资源供应模块和基础设施及云资源监测与管理模块,所述用户需求管理模块主要是实现用户需求与云资源及管理系统的联接和交互,在该模块中,基于用户云服务需求,进行需求内容分析和需求分类,并将用户需求数据传输至云资源供应管理模块中,经云资源供应管理模块的负载测算和资源分配策略执行后,用户需求管理模块接收任务执行和完成情况的数据,并将其反馈给用户;
所述云资源供应管理模块主要是对虚拟化后的云资源进行统一调配和分类处理,按需供应给不同用户,实现满足云服务商商业目标与用户业务需求的同一,在该模块中,在接收用户需求数据后,对用户需求进行响应,并查询数据中心负载的实时状态,数据中心的负载状态可以分为满负载状态、高负载状态和低负载状态,依据数据中心状态的不同和用户订单的状态,采取对应的资源分配策略,在数据中心满负载状态下,进行云资源调度,通过调度其他数据中心或云服务商的云资源满足用户的云资源需求,在数据中心处于高负载或低负载状态时,采取相应的资源分发策略,在与用户签订的服务等级协议(SLA)框架下提供对应质量的云资源;
所述基础设施及云资源监测与管理模块主要是对硬件设施的虚拟化,形成统一资源池,同时对云资源进行监测,掌握其运行和负载状态,在该模块中,通过虚拟化技术,将物理基础设施转化为云资源实例(虚拟机),并采用虚拟机监视器对云资源的使用状况进行监测和统计,形成云资源历史负荷数据,并将其反馈给云资源供应管理模块。
优选的,所述平台还包括一种基于资源预测和超额预定的云资源动态供应管理机制,其包括资源预测、策略划分和超额预定三大部分;
所述资源预测主要对预期云资源负荷量进行精准预测,对于云服务商掌握预期资源利用趋势,进行资源供给调整具有基础性作用;其通过虚拟机监视器采集到的云资源运行情况历史数据,匹配对云资源的使用具有重要影响的时序数据,形成增强数据集,作为预测模型的输入数据,通过综合BPNN网络模型和LSTM网络模型的预测结果,能够得到较为精准的预测数据,为供给策略的选择提供数据支撑;
所述策略划分是基于云资源负荷预测结果数据,计算预期数据中心整体云资源利用率,作为云服务商云资源状态划分的依据,当预期云资源的负载率非常高,即处于满负载状态时,采取云资源调度策略从其他数据中心或其他供应商处调度资源以满足未来业务需求;当预期云资源的负载率较高,及处于高负载状态时,此时云资源均得到有效利用,是一种较为理想的负载状态,因此不采取任何资源分配的干预措施;当预期云资源的负载率较低,即处于低负载状态时,此时有很多云资源处于闲置状态,存在较大的云资源浪费,故结合超额预定算法,引进更多工作负载,提升云服务商整体资源利用率;
所述超额预定因预留实例是云服务商先期与用户在QoS协商过程中签订预留协议所明确规定占用的云资源实例,在资源的可获得性上就有较高程度的保证性,故需计算预留实例的占用比率,针对不同的计算结果采取不同的超额预定模型,当预留实例的占用比率较高时,为保障数据中心的平稳有序运行,避免造成云服务商违反SLA协议的情况,仅针对除预留实例之外的其他实例类型进行超额预定;当预留实例的占用比率较低时,针对包含预留实例在内的全实例类型进行超额预定。
(三)有益效果
本发明提供了一种基于云资源下的服务云平台,具备以下有益效果:
(1)、本发明通过将物理资源虚拟化,摆脱了不同服务器在性能、操作系统上的差异,将所有服务器的计算能力抽象成能够动态管理的资源池,从而实现云服务商所有服务器资源的整合,让计算资源能够更好的适应用户不确定性的服务需求;同时物理资源的虚拟化是一种资源划分方式,通过区分资源的优先次序将服务器资源进行划分并分配给最需要最适合他们的任务负载来简化管理和提高效率,从而减少为任务负载的峰值而储备的资源。
(2)、本发明通过虚拟机监视器来允许根据当前资源要求在物流服务器之间自动移动虚拟机操作系统,从而实现虚拟机的迁移和硬件计算资源的调配,当云资源实例所在的物理服务器发生故障时,虚拟机管理软件会将实例自动迁移到可用的服务器上,而云服务的用户不会感知到任何宕机,同时也方便了云服务商对硬件的维护和更换。
(3)、本发明提供了一种基于资源预测和超额预定的云资源动态供应管理机制,来实现不同实例类型云资源的统一管理、统一规划和统一调度,从而充分利用云资源,提升云资源的利用率,降低云服务商的成本。
附图说明
图1为本发明的基本框架结构示意图;
图2为本发明中云资源动态供应管理机制流程示意图。
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,所描述的实施例仅仅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做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。
如图1所示,一种基于云资源下的服务云平台,包括用户需求管理模块、云资源供应模块和基础设施及云资源监测与管理模块,用户需求管理模块主要是实现用户需求与云资源及管理系统的联接和交互,在该模块中,基于用户云服务需求,进行需求内容分析和需求分类,并将用户需求数据传输至云资源供应管理模块中,经云资源供应管理模块的负载测算和资源分配策略执行后,用户需求管理模块接收任务执行和完成情况的数据,并将其反馈给用户;
云资源供应管理模块主要是对虚拟化后的云资源进行统一调配和分类处理,按需供应给不同用户,实现满足云服务商商业目标与用户业务需求的同一,在该模块中,在接收用户需求数据后,对用户需求进行响应,并查询数据中心负载的实时状态,数据中心的负载状态可以分为满负载状态、高负载状态和低负载状态,依据数据中心状态的不同和用户订单的状态,采取对应的资源分配策略,在数据中心满负载状态下,进行云资源调度,通过调度其他数据中心或云服务商的云资源满足用户的云资源需求,在数据中心处于高负载或低负载状态时,采取相应的资源分发策略,在与用户签订的服务等级协议(SLA)框架下提供对应质量的云资源;
基础设施及云资源监测与管理模块主要是对硬件设施的虚拟化,形成统一资源池,同时对云资源进行监测,掌握其运行和负载状态,在该模块中,通过虚拟化技术,将物理基础设施转化为云资源实例(虚拟机),并采用虚拟机监视器对云资源的使用状况进行监测和统计,形成云资源历史负荷数据,并将其反馈给云资源供应管理模块。
如图2所示,一种基于云资源下的服务云平台还包括一种基于资源预测和超额预定的云资源动态供应管理机制,其包括资源预测、策略划分和超额预定三大部分;
资源预测主要对预期云资源负荷量进行精准预测,对于云服务商掌握预期资源利用趋势,进行资源供给调整具有基础性作用;其通过虚拟机监视器采集到的云资源运行情况历史数据,匹配对云资源的使用具有重要影响的时序数据,形成增强数据集,作为预测模型的输入数据,通过综合BPNN网络模型和LSTM网络模型的预测结果,能够得到较为精准的预测数据,为供给策略的选择提供数据支撑;
策略划分是基于云资源负荷预测结果数据,计算预期数据中心整体云资源利用率,作为云服务商云资源状态划分的依据,当预期云资源的负载率非常高,即处于满负载状态时,采取云资源调度策略从其他数据中心或其他供应商处调度资源以满足未来业务需求;当预期云资源的负载率较高,及处于高负载状态时,此时云资源均得到有效利用,是一种较为理想的负载状态,因此不采取任何资源分配的干预措施;当预期云资源的负载率较低,即处于低负载状态时,此时有很多云资源处于闲置状态,存在较大的云资源浪费,故结合超额预定算法,引进更多工作负载,提升云服务商整体资源利用率;
超额预定因预留实例是云服务商先期与用户在QoS协商过程中签订预留协议所明确规定占用的云资源实例,在资源的可获得性上就有较高程度的保证性,故需计算预留实例的占用比率,针对不同的计算结果采取不同的超额预定模型,当预留实例的占用比率较高时,为保障数据中心的平稳有序运行,避免造成云服务商违反SLA协议的情况,仅针对除预留实例之外的其他实例类型进行超额预定;当预留实例的占用比率较低时,针对包含预留实例在内的全实例类型进行超额预定。
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、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (2)
1.一种基于云资源下的服务云平台,包括用户需求管理模块、云资源供应模块和基础设施及云资源监测与管理模块,其特征在于:所述用户需求管理模块主要是实现用户需求与云资源及管理系统的联接和交互,在该模块中,基于用户云服务需求,进行需求内容分析和需求分类,并将用户需求数据传输至云资源供应管理模块中,经云资源供应管理模块的负载测算和资源分配策略执行后,用户需求管理模块接收任务执行和完成情况的数据,并将其反馈给用户;
所述云资源供应管理模块主要是对虚拟化后的云资源进行统一调配和分类处理,按需供应给不同用户,实现满足云服务商商业目标与用户业务需求的同一,在该模块中,在接收用户需求数据后,对用户需求进行响应,并查询数据中心负载的实时状态,数据中心的负载状态可以分为满负载状态、高负载状态和低负载状态,依据数据中心状态的不同和用户订单的状态,采取对应的资源分配策略,在数据中心满负载状态下,进行云资源调度,通过调度其他数据中心或云服务商的云资源满足用户的云资源需求,在数据中心处于高负载或低负载状态时,采取相应的资源分发策略,在与用户签订的服务等级协议(SLA)框架下提供对应质量的云资源;
所述基础设施及云资源监测与管理模块主要是对硬件设施的虚拟化,形成统一资源池,同时对云资源进行监测,掌握其运行和负载状态,在该模块中,通过虚拟化技术,将物理基础设施转化为云资源实例(虚拟机),并采用虚拟机监视器对云资源的使用状况进行监测和统计,形成云资源历史负荷数据,并将其反馈给云资源供应管理模块。
2.根据权利要求1所述的一种基于云资源下的服务云平台,其特征在于:所述平台还包括一种基于资源预测和超额预定的云资源动态供应管理机制,其包括资源预测、策略划分和超额预定三大部分;
所述资源预测主要对预期云资源负荷量进行精准预测,对于云服务商掌握预期资源利用趋势,进行资源供给调整具有基础性作用;其通过虚拟机监视器采集到的云资源运行情况历史数据,匹配对云资源的使用具有重要影响的时序数据,形成增强数据集,作为预测模型的输入数据,通过综合BPNN网络模型和LSTM网络模型的预测结果,能够得到较为精准的预测数据,为供给策略的选择提供数据支撑;
所述策略划分是基于云资源负荷预测结果数据,计算预期数据中心整体云资源利用率,作为云服务商云资源状态划分的依据,当预期云资源的负载率非常高,即处于满负载状态时,采取云资源调度策略从其他数据中心或其他供应商处调度资源以满足未来业务需求;当预期云资源的负载率较高,及处于高负载状态时,此时云资源均得到有效利用,是一种较为理想的负载状态,因此不采取任何资源分配的干预措施;当预期云资源的负载率较低,即处于低负载状态时,此时有很多云资源处于闲置状态,存在较大的云资源浪费,故结合超额预定算法,引进更多工作负载,提升云服务商整体资源利用率;
所述超额预定因预留实例是云服务商先期与用户在QoS协商过程中签订预留协议所明确规定占用的云资源实例,在资源的可获得性上就有较高程度的保证性,故需计算预留实例的占用比率,针对不同的计算结果采取不同的超额预定模型,当预留实例的占用比率较高时,为保障数据中心的平稳有序运行,避免造成云服务商违反SLA协议的情况,仅针对除预留实例之外的其他实例类型进行超额预定;当预留实例的占用比率较低时,针对包含预留实例在内的全实例类型进行超额预定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351626.1A CN114860425A (zh) | 2022-04-02 | 2022-04-02 | 一种基于云资源下的服务云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351626.1A CN114860425A (zh) | 2022-04-02 | 2022-04-02 | 一种基于云资源下的服务云平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114860425A true CN114860425A (zh) | 2022-08-05 |
Family
ID=82628950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210351626.1A Pending CN114860425A (zh) | 2022-04-02 | 2022-04-02 | 一种基于云资源下的服务云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114860425A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116471327A (zh) * | 2023-06-16 | 2023-07-21 | 中国联合网络通信集团有限公司 | 云资源处理方法、装置、设备及存储介质 |
CN117234882A (zh) * | 2023-09-28 | 2023-12-15 | 哈尔滨工业大学(威海) | 一种在线应用云资源供应软件定义模型构建方法及终端机 |
-
2022
- 2022-04-02 CN CN202210351626.1A patent/CN114860425A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116471327A (zh) * | 2023-06-16 | 2023-07-21 | 中国联合网络通信集团有限公司 | 云资源处理方法、装置、设备及存储介质 |
CN116471327B (zh) * | 2023-06-16 | 2023-09-05 | 中国联合网络通信集团有限公司 | 云资源处理方法、装置、设备及存储介质 |
CN117234882A (zh) * | 2023-09-28 | 2023-12-15 | 哈尔滨工业大学(威海) | 一种在线应用云资源供应软件定义模型构建方法及终端机 |
CN117234882B (zh) * | 2023-09-28 | 2024-04-16 | 哈尔滨工业大学(威海) | 一种在线应用云资源供应软件定义模型构建方法及终端机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110858161B (zh) | 资源分配方法、装置、系统、设备和介质 | |
Almeida et al. | Resource management in the autonomic service-oriented architecture | |
US8346909B2 (en) | Method for supporting transaction and parallel application workloads across multiple domains based on service level agreements | |
Garg et al. | SLA-based virtual machine management for heterogeneous workloads in a cloud datacenter | |
CN114860425A (zh) | 一种基于云资源下的服务云平台 | |
US20030028642A1 (en) | Managing server resources for hosted applications | |
Amokrane et al. | Greenslater: On satisfying green SLAs in distributed clouds | |
Sun et al. | Rose: Cluster resource scheduling via speculative over-subscription | |
US10886743B2 (en) | Providing energy elasticity services via distributed virtual batteries | |
CN110221920B (zh) | 部署方法、装置、存储介质及系统 | |
Liu et al. | A survey on virtual machine scheduling in cloud computing | |
US20210397239A1 (en) | Automated management of power distribution during a power crisis | |
WO2011076486A1 (en) | A method and system for dynamic workload allocation in a computing center which optimizes the overall energy consumption | |
Werner et al. | Simulator improvements to validate the green cloud computing approach | |
Amokrane et al. | On satisfying green SLAs in distributed clouds | |
CN111932099A (zh) | 营销业务管理系统及营销业务管理方法 | |
Rolia et al. | Resource access management for a utility hosting enterprise applications | |
KR20210041295A (ko) | 클라우드 컴퓨팅 환경에서 가상화 자원 분배 시스템 | |
Sharma et al. | SLA-based agile VM management in cloud & datacenter | |
Abbasi et al. | Dynamic hosting management of web based applications over clouds | |
CN116402318B (zh) | 面向配电网的多级算力资源分配方法、装置及网络架构 | |
Costache et al. | Themis: Economy-based automatic resource scaling for cloud systems | |
Ardagna et al. | SLA based profit optimization in multi-tier systems | |
CN114237873A (zh) | 一种私有云环境下管理资源系统及方法 | |
Giagkos et al. | Darly: Deep Reinforcement Learning for QoS-aware scheduling under resource heterogeneity Optimizing serverless video analytics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |