CN114896296A - 云服务资源配置方法、装置、电子设备及计算机可读介质 - Google Patents

Abstract

本申请公开了一种云服务资源配置方法、装置、电子设备及计算机可读介质，其中，方法包括：查询用户终端的利用率阈值数据；判断用户终端的终端利用率数据是否满足用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计；判断用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足用户终端的推荐触发条件，如果满足则根据用户终端的终端利用率数据的历史数据生成资源配置推荐数据；根据用户终端对资源配置推荐数据的反馈，生成或修改用户终端的资源配置策略数据。本申请的有益之处在于提供一种根据用户的利用率反馈为用户提供合理配置的云服务资源配置方法、装置、电子设备及计算机可读介质。

Description

云服务资源配置方法、装置、电子设备及计算机可读介质

技术领域

本申请涉及计算机技术领域，尤其是云服务资源管理领域，具体而言，涉及一种云服务资源配置方法、装置、电子设备及计算机可读介质。

背景技术

目前，现有的云服务资源平台监控数据只是给用户参考，但大多数用户并不了解云服务资源监控指标的意义，无法根据监控结果有效的改进自己的云服务资源配置，导致CPU、内存、硬盘等等不够用或者浪费，最重要的是用户又不知如何配置云服务资源来满足当下应用对对资源的需求。

发明内容

本申请的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本申请的一些实施例提出了一种云服务资源配置方法、装置、电子设备及计算机可读介质，来解决以上背景技术部分提到的技术问题。

作为本申请的第一方面，本申请的一些实施例提供了一种云服务资源配置方法，包括：响应于一个用户终端发送的终端利用率数据，查询用户终端的利用率阈值数据；判断用户终端的终端利用率数据是否满足用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计；判断用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足用户终端的推荐触发条件，如果满足则根据用户终端的终端利用率数据的历史数据生成资源配置推荐数据；根据用户终端对资源配置推荐数据的反馈，生成或修改用户终端的资源配置策略数据。

作为本申请的第二方面，本申请的一些实施例提供了一种云服务资源配置装置，包括：查询模块，用于响应于一个用户终端发送的终端利用率数据，查询用户终端的利用率阈值数据；统计模块，用于判断用户终端的终端利用率数据是否满足用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计；推荐模块，用于判断用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足用户终端的推荐触发条件，如果满足则根据用户终端的终端利用率数据的历史数据生成资源配置推荐数据；配置模块，用于根据用户终端对资源配置推荐数据的反馈，生成或修改用户终端的资源配置策略数据。

作为本申请的第三方面，本申请的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

作为本申请的第四方面，本申请的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本申请的有益之处在于提供一种根据用户的利用率反馈为用户提供合理配置的云服务资源配置方法、装置、电子设备及计算机可读介质。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。

另外，贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

在附图中：

图1是根据本申请一种实施例的云服务资源配置方法的主要步骤的示意框图；

图2是根据本申请一种实施例云服务资源配置方法中步骤S2的一部分具体步骤示意图；

图3是根据本申请一种实施例云服务资源配置方法中步骤S3的一部分具体步骤示意图；

图4是根据本申请一种实施例的云服务资源配置装置的模块示意框图；

图5是根据本申请一种实施例的云服务资源配置方法的具体交互步骤示意图；

图6是根据本申请一种实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

参照图1所示，本申请的云服务资源配置方法包括如下步骤：

S1：响应于一个用户终端发送的终端利用率数据，查询用户终端的利用率阈值数据。

S2：判断用户终端的终端利用率数据是否满足用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计。

S3：判断用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足用户终端的推荐触发条件，如果满足则根据用户终端的终端利用率数据的历史数据生成资源配置推荐数据。这个资源配置推荐数据可以以报警的方式反馈给用户终端，当然也可以直接以推荐的方式向用户进行反馈。用于可以主动进行操作也可以忽略反馈。在用户进行反馈时，会产生步骤S4。

S4：根据用户终端对资源配置推荐数据的反馈，生成或修改用户终端的资源配置策略数据。比如资源配置升配或降配。

作为优选方案，上述步骤S1具体包括如下步骤：查询用户终端在一个预设观测周期内的峰值利用率、谷值利用率及平均利用率三者中至少一个。作为具体方案，可以对峰值利用率、谷值利用率及平均利用率均进行监测。步骤S1中的预设观测周期可以为一天也可以更短的时间，比如12小时、3小时等。当然可以采用动态调整预设观测周期的方案。

参照图2所示，上述步骤S2具体包括如下步骤：

S21：判断峰值利用率是否大于预设的利用率峰值阈值，如果是则认为满足统计触发条件。

S22：判断谷值利用率是否小于预设的利用率谷值阈值，如果是则认为满足统计触发条件。

S23：判断平均利用率是否大于预设的利用率平均峰值阈值，如果是则认为满足统计触发条件。

S24：判断平均利用率是否小于预设的利用率平均谷值阈值，如果是则认为满足统计触发条件。

即满足任意一项阈值判断，就可以认为发生了利用率不匹配的情况，从而认为满足了统计触发条件。更具体而言，利用率阈值数据是与当前用户终端设定的云服务配置相关，比如用户终端设定了较高的云服务配置等级，那么对应的利用率阈值(无论是峰值和谷值) 就相对比较高。在系统中可以对相应的利用率和配置等级进行匹配，从而方便后继的资源配置的推荐和变更操作。

参照图3所示，上述步骤S3具体包括如下步骤：

S31：判断用户终端在预设统计周期内连续发生的利用率异常统计的次数是否大于预设频次阈值，如果是则认为满足推荐触发条件。比如，连续7天超过或低于利用率阈值，或者1天中连续2小时超过或低于阈值。

S32：判断用户终端在预设统计周期内累计发生的利用率异常统计的次数是否大于预设总数阈值，如果是则认为满足推荐触发条件。比如，1个月内累计20天超过或低于阈值，用户可根据自己的需要进行设置。

S33：根据用户终端的当前利用率M、即时利用率A和平均利用率Z计算出推荐利用率 T；其中，推荐利用率T＝(M×A)÷Z。然后，根据推荐利用率推送给用户。

如图4所示，本申请的云服务资源配置装置，包括：查询模块，用于响应于一个用户终端发送的终端利用率数据，查询用户终端的利用率阈值数据；统计模块，用于判断用户终端的终端利用率数据是否满足用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计；推荐模块，用于判断用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足用户终端的推荐触发条件，如果满足则根据用户终端的终端利用率数据的历史数据生成资源配置推荐数据；配置模块，用于根据用户终端对资源配置推荐数据的反馈，生成或修改用户终端的资源配置策略数据。

需要说明的是，本申请中的峰值利用率是指在一个周期内所有利用率中的最大值；本申请中的谷值利用率是指在一个周期内所有利用率中的最小值；本申请中的平均利用率是指在一个周期内所有利用率中的平均值，需要注意的是，这里所指的平均值是统计学上广义的平均值，其包括但不限于算数平均值、加权平均值和中位数。

另外，本申请中的终端利用率数据包括：CPU利用率、内存利用率及磁盘利用率中的一个或多个。在实际配置时，可以仅根据其中一项实现本申请的云服务资源配置方法，也可以同时根据它们的全部实现本申请的云服务资源配置方法。

作为一种优选方案，可以通过为CPU利用率R1、内存利用率R2及磁盘利用率R3附加权重系数的方式生成一个综合利用率R，比如，R＝0.55×R1+0.2×R2+0.25×R3。

作为进一步的扩展方案，为了避免认为设定综合利用率R从而导致实际结果并不能反应各项利用率的真实影响。可以将CPU利用率、内存利用率及磁盘利用率分别的峰值、谷值和平均值构成一个数据矩阵作为输入数据，然后将对应该矩阵的被用户采纳的配置数据作为输出数据，从而构成多个训练集，用这些训练集训练一个卷积神经网络以使该卷积神经网络被训练至收敛。

然后，可以将即时采集的CPU利用率、内存利用率及磁盘利用率构成新的数据矩阵输入至该卷积神经网络，该卷积神经网络会输出对应的配置数据和置信度，当置信度满足时，可以将配置数据反馈给用户终端作为资源配置推荐数据或直接将配置数据作为用户终端的最新配置。

由于之前提到的由于用户的专业性的问题，即使是用户采纳的配置数据可能本身未必合理，所以以上方式训练的神经网络模型可能仅能实现推荐更符合大部分用户选择的配置数据，提高用户对推荐配置的接受程度，但是从整体系统资源优化的角度而言，以上方式训练的神经网络可能效果并不明显。

为了解决这样的技术问题，作为优选方案，仍将CPU利用率、内存利用率及磁盘利用率分别的峰值、谷值和平均值构成一个数据矩阵作为输入数据，然后，根据上述综合利用率R的公式计算出该组输入数据的当前综合利用率，然后再计算出的当前综合利用率与该组数据用户的历史综合利用率的平均值的差异百分比值，即当前综合利用率减去历史综合利用率的平均值后差值的绝对值再除以历史综合利用率的平均值所得出百分比值，如果百分比值大于整个数据集合中所有输入数据计算出的差别百分比值的平均值，则不采用该输入数据作为输入数据，但是这样容易造成训练数据集大量减少，作为扩展方案，仍采用该输入数据训练卷积神经网络模型，但是，其输出数据不再为被用户采纳的配置数据，而是根据上述一般算法计算出的推荐利用率。

这样能够有效解决，用户盲目采信或拒绝推荐数据从而导致卷积神经网络模型预测推荐符合系统最大化的要求。

具体而言，本申请的技术方案基于云资源管理平台的数据集成优势，可以调用底层云资源配置信息的API接口，实现对云服务资源的监控和配置，尤其是根据利用率监控数据以及监控数据的分析结果为用户推荐合适的资源配置。

参照图5所示，作为本申请的从用户和服务器交互角度，本申请的具体方案可以分为初始化阶段、监控数据收集及计算阶段、统计阶段。

规则设置阶段(初始化阶段)：

步骤一：默认设置CPU利用率、内存利用率、磁盘利用率最大阈值X％，最小阈值Y％，平均阈值Z％(用户可自定义调整阈值变量)。

步骤二：默认设置超过利用率最大阈值或低于利用率最小阈值的时间阈值为A小时。

默认设置超过利用率最大阈值或低于利用率最小阈值在B天内的累计时间阈值为C小时(用户可自定义调整具体值)

此阶段为数据监控做判断基础。

监控数据收集及计算阶段：

步骤一：基于现有的云服务资源监控技术，定时任务获取云资源的配置信息利用率a％，如：CPU利用率、内存利用率、硬盘利用率，将不同配置的实例效能划分层级(以CPU为例：1核为一级，2核为二级)。

步骤二：基于设置阶段的规则进行计算周期内是否超过阈值。

1)当CPU利用率、内存利用率、磁盘利用率其中一个超过利用率阈值时，进行计时。

计时规则设置，比如：连续7天超过或低于利用率阈值，或者1个月内累计20天超过或低于阈值，或者1天中连续2小时超过或低于阈值，用户可根据自己的需要进行设置。

2)当计时周期内利用率超过最大阈值时，进行告警推荐升配；当计时周期内利用率超过最小阈值时，进行告警推荐降配。

3)当计时周期内CPU、内存、磁盘利用率大于利用率最大阈值，CPU和内存、磁盘推荐配置为升X级配置(当前配置×利用率a％÷设定平均阈值Z％)。

4)当计时周期内CPU、内存、磁盘利用率小于利用率最小阈值，CPU和内存、磁盘推荐配置为降X级配置(当前配置×利用率a％÷设定平均阈值Z％)。

步骤三：当资源通过算法算出存在不合理时提醒用户，若用户未处理，第二天的早上 10点再次提醒，若是周五则延迟到周一早上10点告警提醒用户升降配结果。

统计阶段：

步骤一：用户按照系统推荐配置进行云资源服务升配或降配后，继续统计云资源的CPU 利用率、内存利用率、硬盘利用率的配置信息，按照新的资源配置计算周期内是否会超过阈值。

步骤二：变更配置后系统发出回访信息，统计客户满意度，为客户生成经过本次变配节约了多少成本或系统提高了多少效率的报告。

步骤三：记录客户变更配置记录，收集客户不愿变更配置的原因(统计客户顾虑)。

如图6所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中，还存储有电子设备800 操作所需的各种程序和数据。处理装置801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806：包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808：以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM802被安装。在该计算机程序被处理装置801执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的：也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于一个用户终端发送的终端利用率数据，查询用户终端的利用率阈值数据；判断用户终端的终端利用率数据是否满足用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计；判断用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足用户终端的推荐触发条件，如果满足则根据用户终端的终端利用率数据的历史数据生成资源配置推荐数据；根据用户终端对资源配置推荐数据的反馈，生成或修改用户终端的资源配置策略数据。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言―诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言：诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。

也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。

例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种云服务资源配置方法，包括：

响应于一个用户终端发送的终端利用率数据，查询所述用户终端的利用率阈值数据；

判断所述用户终端的终端利用率数据是否满足所述用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计；

判断所述用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足所述用户终端的推荐触发条件，如果满足则根据所述用户终端的终端利用率数据的历史数据生成资源配置推荐数据；

根据所述用户终端对所述资源配置推荐数据的反馈，生成或修改所述用户终端的资源配置策略数据。

2.根据权利要求1所述的云服务资源配置方法，其中，所述响应于一个用户终端发送的终端利用率数据，查询所述用户终端的利用率阈值数据，包括：

查询所述用户终端在一个预设观测周期内的峰值利用率、谷值利用率及平均利用率三者中至少一个。

3.根据权利要求2所述的云服务资源配置方法，其中，所述判断所述用户终端的终端利用率数据是否满足所述用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计，包括：

判断所述峰值利用率是否大于预设的利用率峰值阈值，如果是则认为满足所述统计触发条件；

判断所述谷值利用率是否小于预设的利用率谷值阈值，如果是则认为满足所述统计触发条件。

4.根据权利要求3所述的云服务资源配置方法，其中，所述判断所述用户终端的终端利用率数据是否满足所述用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计，还包括：

判断所述平均利用率是否大于预设的利用率平均峰值阈值，如果是则认为满足所述统计触发条件；

判断所述平均利用率是否小于预设的利用率平均谷值阈值，如果是则认为满足所述统计触发条件。

5.根据权利要求4所述的云服务资源配置方法，其中，所述判断所述用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足所述用户终端的推荐触发条件，如果满足则根据所述用户终端的终端利用率数据的历史数据生成资源配置推荐数据，包括：

判断所述用户终端在所述预设统计周期内连续发生的所述利用率异常统计的次数是否大于预设频次阈值，如果是则认为满足所述推荐触发条件。

6.根据权利要求5所述的云服务资源配置方法，其中，所述判断所述用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足所述用户终端的推荐触发条件，如果满足则根据所述用户终端的终端利用率数据的历史数据生成资源配置推荐数据，包括：

判断所述用户终端在所述预设统计周期内累计发生的所述利用率异常统计的次数是否大于预设总数阈值，如果是则认为满足所述推荐触发条件。

7.根据权利要求6所述的云服务资源配置方法，其中，所述判断所述用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足所述用户终端的推荐触发条件，如果满足则根据所述用户终端的终端利用率数据的历史数据生成资源配置推荐数据，还包括：

根据所述用户终端的当前利用率M、即时利用率A和平均利用率Z计算出推荐利用率T；其中，推荐利用率T＝(M×A)÷Z。

8.一种云服务资源配置装置，包括：

查询模块，用于响应于一个用户终端发送的终端利用率数据，查询所述用户终端的利用率阈值数据；

统计模块，用于判断所述用户终端的终端利用率数据是否满足所述用户终端所对应的利用率阈值数据所限定的统计触发条件，如果满足则进行利用率异常统计；

推荐模块，用于判断所述用户终端的利用率异常统计在一个预设统计周期内的计时数据是否满足所述用户终端的推荐触发条件，如果满足则根据所述用户终端的终端利用率数据的历史数据生成资源配置推荐数据；

配置模块，用于根据所述用户终端对所述资源配置推荐数据的反馈，生成或修改所述用户终端的资源配置策略数据。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述处理器实现如权利要求1至7任意一项所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的方法。

Images