CN114924880B - 一种工作负载分配方法、装置、设备及可读存储介质 - Google Patents

一种工作负载分配方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN114924880B
CN114924880B CN202210556643.9A CN202210556643A CN114924880B CN 114924880 B CN114924880 B CN 114924880B CN 202210556643 A CN202210556643 A CN 202210556643A CN 114924880 B CN114924880 B CN 114924880B
Authority
CN
China
Prior art keywords
super
fusion
information
fusion system
capacity
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.)
Active
Application number
CN202210556643.9A
Other languages
English (en)
Other versions
CN114924880A (zh
Inventor
陈雪菲
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.)
Innovation Technology Information Technology Beijing Co ltd
Original Assignee
Innovation Technology Information Technology Beijing 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 Innovation Technology Information Technology Beijing Co ltd filed Critical Innovation Technology Information Technology Beijing Co ltd
Priority to CN202210556643.9A priority Critical patent/CN114924880B/zh
Publication of CN114924880A publication Critical patent/CN114924880A/zh
Application granted granted Critical
Publication of CN114924880B publication Critical patent/CN114924880B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G06F9/5061—Partitioning or combining of resources
    • 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
    • G06F9/505—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 considering the load
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

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

Abstract

本发明提供了一种工作负载分配方法、装置、设备及可读存储介质，所述方法包括：获取工作负载；分析所述工作负载是否超过了所述超融合系统的负载，若是则对所述超融合系统进行扩容，得到扩容后的超融合系统；将所述工作负载分配到所述扩容后的超融合系统中。本发明通过安装磁盘扩展柜提高了系统的存储容量能力上限，解除了计算资源和存储资源的配比绑定，扩展更灵活，真正按需做更细粒度的调整，有效降低了整体成本。

Description

一种工作负载分配方法、装置、设备及可读存储介质
技术领域
本发明涉及超融合系统技术领域，具体而言，涉及一种工作负载分配方法、装置、设备及可读存储介质。
背景技术
目前，现有超融合扩展技术基本都是以传统的横向扩展作为技术路线的，只有极少数的纵向扩展技术，现有方法中的纵向扩展是以数据备份或迁移的方式腾出空间，这将额外产生数据搬运的大量系统工作负载，且降低系统硬件使用寿命，增加不必要的能耗。
发明内容
本发明的目的在于提供一种工作负载分配方法、装置、设备及可读存储介质，以改善上述问题。
为了实现上述目的，本申请实施例提供了如下技术方案：
一方面，本申请实施例提供了一种工作负载分配方法，所述方法包括：
获取工作负载；
分析所述工作负载是否超过了所述超融合系统的负载，若是则对所述超融合系统进行扩容，得到扩容后的超融合系统；
将所述工作负载分配到所述扩容后的超融合系统中。
第二方面，本申请实施例提供了一种工作负载分配装置，所述装置包括第一获取模块、分析模块和第一分配模块。
第一获取模块，用于获取工作负载；
分析模块，用于分析所述工作负载是否超过了所述超融合系统的负载，若是则对所述超融合系统进行扩容，得到扩容后的超融合系统；
第一分配模块，用于将所述工作负载分配到所述扩容后的超融合系统中。
第三方面，本申请实施例提供了工作负载分配设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述工作负载分配方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述工作负载分配方法的步骤。
本发明的有益效果为：
1、本发明使用SAS线缆将磁盘扩展柜与超融合节点连接，数据传输更稳定可靠，远胜基于以太网络；磁盘扩展柜内部构成没有CPU和主板内存，能有效降低成本，同时从系统越简单越可靠的原则出发，添加磁盘扩展柜还可以使设备具有更高的可靠性；通过使用磁盘扩展柜可以支持更多磁盘数量，如单节点36/60/102盘位，远超一般超融合节点的8/12盘位；磁盘扩展柜支持系统对硬盘状态的监控，可以在一个机头内监测更多磁盘状态。
2、本发明通过安装磁盘扩展柜提高了系统的存储容量能力上限，解除了计算资源和存储资源的配比绑定，扩展更灵活，真正按需做更细粒度的调整，有效降低了整体成本。
3、安装磁盘扩展柜为一种低成本的扩容方法，通过此种方式能显著有效降低系统整体成本和能耗，更好地对超融合产品有存储强需求的客户群体进行服务。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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得其他相关的附图。
图1是本发明实施例中所述的工作负载分配方法流程示意图；
图2是本发明实施例中所述的工作负载分配装置结构示意图；
图3是本发明实施例中所述的工作负载分配设备结构示意图；
图中标记：701、第一获取模块；702、分析模块；703、第一分配模块；7021、第一分析单元；7022、第二分析单元；7023、第一获取单元；7024、第三分析单元；7025、第四分析单元；7026、第二获取单元；7027、第三获取单元；7028、分解单元；7029、预测单元；70210、警报单元；70211、清除单元；70212、计算单元；70213、剔除单元；70214、第五分析单元；70215、第六分析单元；70216、第四获取单元；704、构建模块；705、第二获取模块；706、判断模块；707、第二分配模块；7061、切换单元；7062、呼叫单元；7063、分配单元；7064、第五获取单元；800、工作负载分配设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
如图1所示，本实施例提供了工作负载分配方法，该方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1、获取工作负载；
步骤S2、分析所述工作负载是否超过了所述超融合系统的负载，若是则对所述超融合系统进行扩容，得到扩容后的超融合系统；
在本步骤中，是对超融合节点的工作状态进行分析，然后通过添加新的超融合节点的方式达到对超融合系统实现横向扩容的目的，具体的实现步骤包括步骤S21、步骤S22和步骤S23。
步骤S21、对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
在本步骤中的第一阈值可以根据用户的需求进行自定义设置；除了本步骤中提及的当任意一台所述超融合节点的CPU使用率达到预设的第一阈值后就发出提示信息的方法之外，还可以设置其他的分析方法，例如当每一台所述超融合节点的CPU使用率都达到了预设的第一阈值后，再向用户发送第一提示信息；
步骤S22、对所述工作负载进行分析，计算需要添加新的所述超融合节点的个数；
在本步骤中，可以采用常规的计算方式根据超融合节点和工作负载计算需要添加新的超融合节点的个数，也可以采用人工计算的方式计算超融合节点的个数；
步骤S23、获取第一信息，所述第一信息包括已在所述超融合系统中添加新的所述超融合节点的确认信息，获取所述第一信息后得到扩容后的超融合系统。
本步骤中的第一信息的获取可以是当用户收到第一提示信息并获取到需要添加的新的超融合节点的信息之后，安排工作人员安装新的超融合节点，安装完毕之后，由工作人员上传第一信息。
除了上述步骤S21、步骤S22和步骤S23中的分析和扩容方法之外，还可以通过步骤S24、步骤S25和步骤S26进行分析和扩容，通过添加磁盘扩展柜的方式达到对超融合系统实现纵向扩容的目的；
步骤S24、对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
步骤S25、对所述工作负载进行分析，计算需要添加的磁盘扩展柜的容量和个数；
在本步骤中，磁盘扩展柜的容量可以随意选择，再根据磁盘扩展柜的容量计算需要的磁盘扩展柜的个数；
步骤S26、获取第二信息，所述第二信息包括已在所述超融合节点上连接相应容量和个数的磁盘扩展柜的确认信息，获取所述第二信息后得到扩容后的超融合系统。
本步骤中的第二信息的获取可以是当用户收到第一提示信息并获取到需要添加的磁盘扩展柜的容量和个数之后，安排工作人员安装磁盘扩展柜，安装完毕之后，由工作人员上传第二信息。
其中，安装磁盘扩展柜具有以下优点：
首先，使用SAS线缆将磁盘扩展柜与超融合节点连接，数据传输更稳定可靠，远胜基于以太网络；磁盘扩展柜内部构成没有CPU和主板内存，能有效降低成本，同时从系统越简单越可靠的原则出发，添加磁盘扩展柜还可以使设备具有更高的可靠性；通过使用磁盘扩展柜可以支持更多磁盘数量，如单节点36/60/102盘位，远超一般超融合节点的8/12盘位；磁盘扩展柜支持系统对硬盘状态的监控，可以在一个机头内监测更多磁盘状态。
同时，通过安装磁盘扩展柜提高了系统的存储容量能力上限，解除了计算资源和存储资源的配比绑定，扩展更灵活，真正按需做更细粒度的调整，有效降低了整体成本。
此外，安装磁盘扩展柜为一种低成本的扩容方法，通过此种方式能显著有效降低系统整体成本和能耗，更好地对超融合产品有存储强需求的客户群体进行服务。
在安装完磁盘扩展柜后，还可以对磁盘扩展柜的表面温度进行监控，保障设备的正常运行，具体可以通过步骤S27、步骤S28、步骤S29和步骤S210实现。
步骤S27、获取所述磁盘扩展柜的历史表面温度时间序列；
步骤S28、利用经验模态分解算法将所述磁盘扩展柜的历史表面温度时间序列进行分解，将分解得到的分量进行分类，其中，将分量分成高频滤波、中频滤波和低频滤波三部分；
步骤S29、使用人工蜂群优化最小二乘支持向量回归机对高频滤波部分进行预测，得到第一预测结果；使用卡尔曼滤波对中频滤波部分进行预测，得到第二预测结果；使用自回归滑动平均对高频滤波部分进行预测，得到第三预测结果；
除了使用人工蜂群优化最小二乘支持向量回归机对高频滤波部分进行预测之外，还可以采用灰色理论的方法对其进行预测；
步骤S210、将所述第一预测结果、第二预测结果和第三预测结果进行累加，得到未来时刻所述磁盘扩展柜的表面温度预测值，将所述表面温度预测值与表面温度阈值进行比较，当所述表面温度预测值大于所述表面温度阈值，则进行警报处理。
在上述步骤S27之后还可以采用异常数据识别方法剔除历史表面温度时间序列中的异常数据之后，再使用预测模型进行预测，具体的实现步骤为步骤S211、步骤S212和步骤S213。
步骤S211、清除所述历史表面温度时间序列中的残缺数据和无效数据，并将清除后得到的数据输入K-means聚类算法模型中进行处理，得到至少一个聚类簇；
除了K-means聚类算法还可以采用其他的聚类算法；
步骤S212、将所述聚类簇中的对象个数小于预设的第一阈值的聚类簇进行删除，基于剩余的所述聚类簇和拉依达准则计算得到每个所述聚类簇对应的阈值范围；
步骤S213、将所有的所述阈值范围所形成的最小阈值范围作为异常范围，根据所述异常范围将所述历史表面温度时间序列中的数据进行剔除，剔除后采用预测模型预测所述磁盘扩展柜在未来的温度数据。
除了将所有的所述阈值范围所形成的最小阈值范围作为异常范围之外，还可以将所有的所述阈值范围所形成的最大阈值范围作为异常范围，通过本步骤中的方法可以提高输入预测模型中的数据的准确性，进而提高模型预测的精准性。
除了通过上述步骤S21-步骤S26进行分析和扩容之外，还可以通过同时添加新的超融合节点和磁盘扩展柜的方式，完成对超融合系统的横向和纵向扩容，具体的实现步骤为步骤S214、步骤S215和步骤S216。
步骤S214、对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
步骤S215、对所述工作负载进行分析，计算需要添加新的所述超融合节点的个数，计算需要添加的磁盘扩展柜的容量和个数；
步骤S216、获取第三信息，所述第三信息包括已在所述超融合系统中添加新的所述超融合节点且已在所述超融合节点上连接相应容量和个数的磁盘扩展柜的确认信息，获取所述第三信息后得到扩容后的超融合系统。
在本步骤中，还可以同时添加新的超融合节点和磁盘扩展柜，通过此种方式可以实现对超融合系统的横向和纵向扩容，同时也提高整个方法的适用性和灵活性。
步骤S3、将所述工作负载分配到所述扩容后的超融合系统中。
通过上述的方法将系统扩容之后，再将工作负载进行分配。上述的步骤中提及到的均是需要对系统进行扩容，扩容后再分配工作负载的方法，除了上述这种分配方式之外，当系统不需要扩容时，可以通过步骤S4、步骤S5、步骤S6和步骤S7分配工作负载；
步骤S4、在超融合系统中选取第一数量的所述超融合节点构建第一资源池，将所述工作负载分配至所述资源池中的每一台所述超融合节点上；在本步骤中，第一数量可以由用户自定义设置；
步骤S5、获取四信息，所述第四信息包括需要分配新的工作负载的请求；
步骤S6、判断是否还能在所述资源池中分配所述新的工作负载，若不能则在所述超融合系统中添加新的所述超融合节点构建第二资源池；步骤S6的具体实现步骤为步骤S61、步骤S62、步骤S63和步骤S64；
步骤S61、将所述超融合系统从正常工作模式，切换至可增加新的所述超融合节点的管理模式；
步骤S62、将新的所述超融合节点启动并呼叫新的所述超融合节点，当收到状态信息后获取新的所述超融合节点的信息集，所述状态信息包括新的所述超融合节点为已初始化完毕，可加入所述超融合系统的信息，所述信息集包括新的所述超融合节点的计算资源、节点类型、存储资源、硬件规格和节点识别序列号；
通过此步骤，可以保证新的所述超融合节点可以正常参与后续的工作负载的分配；
步骤S63、根据所述信息集为新的所述超融合节点分配逻辑标识、优先级和工作状态；
其中，工作状态包括上线状态、维护状态和可下线状态；
步骤S64、获取新的所述超融合节点反馈的已收到分配的逻辑标识、优先级和工作状态的确认信息后完成所述第二资源池的搭建。
步骤S7、将所述新的工作负载分配至所述第二资源池中的每一台所述超融合节点上。
在本步骤中可以根据预设的分配规则将工作任务分配至资源池中的每一台节点，共同应对工作负载；也可以采用人工分配的方式对工作负载进行分配。
实施例2
如图2所示，本实施例提供了一种工作负载分配装置，所述装置包括第一获取模块701、分析模块702和第一分配模块703。
第一获取模块701，用于获取工作负载；
分析模块702，用于分析所述工作负载是否超过了所述超融合系统的负载，若是则对所述超融合系统进行扩容，得到扩容后的超融合系统；
第一分配模块703，用于将所述工作负载分配到所述扩容后的超融合系统中。
在本公开的一种具体实施方式中，所述分析模块702，还包括第一分析单元7021、第二分析单元7022和第一获取单元7023。
第一分析单元7021，用于对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
第二分析单元7022，用于对所述工作负载进行分析，计算需要添加新的所述超融合节点的个数；
第一获取单元7023，用于获取第一信息，所述第一信息包括已在所述超融合系统中添加新的所述超融合节点的确认信息，获取所述第一信息后得到扩容后的超融合系统。
在本公开的一种具体实施方式中，所述分析模块702，还包括第三分析单元7024、第四分析单元7025和第二获取单元7026。
第三分析单元7024，用于对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
第四分析单元7025，用于对所述工作负载进行分析，计算需要添加的磁盘扩展柜的容量和个数；
第二获取单元7026，用于获取第二信息，所述第二信息包括已在所述超融合节点上连接相应容量和个数的磁盘扩展柜的确认信息，获取所述第二信息后得到扩容后的超融合系统。
在本公开的一种具体实施方式中，所述分析模块702，还包括第三获取单元7027、分解单元7028、预测单元7029和警报单元70210。
第三获取单元7027，用于获取所述磁盘扩展柜的历史表面温度时间序列；
分解单元7028，用于利用经验模态分解算法将所述磁盘扩展柜的历史表面温度时间序列进行分解，将分解得到的分量进行分类，其中，将分量分成高频滤波、中频滤波和低频滤波三部分；
预测单元7029，用于使用人工蜂群优化最小二乘支持向量回归机对高频滤波部分进行预测，得到第一预测结果；使用卡尔曼滤波对中频滤波部分进行预测，得到第二预测结果；使用自回归滑动平均对高频滤波部分进行预测，得到第三预测结果；
警报单元70210，用于将所述第一预测结果、第二预测结果和第三预测结果进行累加，得到未来时刻所述磁盘扩展柜的表面温度预测值，将所述表面温度预测值与表面温度阈值进行比较，当所述表面温度预测值大于所述表面温度阈值，则进行警报处理。
在本公开的一种具体实施方式中，所述分析模块702，还包括清除单元70211、计算单元70212和剔除单元70213。
清除单元70211，用于清除所述历史表面温度时间序列中的残缺数据和无效数据，并将清除后得到的数据输入K-means聚类算法模型中进行处理，得到至少一个聚类簇；
计算单元70212，用于将所述聚类簇中的对象个数小于预设的第一阈值的聚类簇进行删除，基于剩余的所述聚类簇和拉依达准则计算得到每个所述聚类簇对应的阈值范围；
剔除单元70213，用于将所有的所述阈值范围所形成的最小阈值范围作为异常范围，根据所述异常范围将所述历史表面温度时间序列中的数据进行剔除，剔除后采用预测模型预测所述磁盘扩展柜在未来的温度数据。
在本公开的一种具体实施方式中，所述分析模块702，还包括第五分析单元70214、第六分析单元70215和第四获取单元70216。
第五分析单元70214，用于对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
第六分析单元70215，用于对所述工作负载进行分析，计算需要添加新的所述超融合节点的个数，计算需要添加的磁盘扩展柜的容量和个数；
第四获取单元70216，用于获取第三信息，所述第三信息包括已在所述超融合系统中添加新的所述超融合节点且已在所述超融合节点上连接相应容量和个数的磁盘扩展柜的确认信息，获取所述第三信息后得到扩容后的超融合系统。
在本公开的一种具体实施方式中，所述第一获取模块701后，还包括构建模块704、第二获取模块705、判断模块706和第二分配模块707。
构建模块704，用于在超融合系统中选取第一数量的所述超融合节点构建第一资源池，将所述工作负载分配至所述资源池中的每一台所述超融合节点上；
第二获取模块705，用于获取四信息，所述第四信息包括需要分配新的工作负载的请求；
判断模块706，用于判断是否还能在所述资源池中分配所述新的工作负载，若不能则在所述超融合系统中添加新的所述超融合节点构建第二资源池；
第二分配模块707，用于将所述新的工作负载分配至所述第二资源池中的每一台所述超融合节点上。
在本公开的一种具体实施方式中，所述判断模块706，还包括切换单元7061、呼叫单元7062、分配单元7063和第五获取单元7064。
切换单元7061，用于将所述超融合系统从正常工作模式，切换至可增加新的所述超融合节点的管理模式；
呼叫单元7062，用于将新的所述超融合节点启动并呼叫新的所述超融合节点，当收到状态信息后获取新的所述超融合节点的信息集，所述状态信息包括新的所述超融合节点为已初始化完毕，可加入所述超融合系统的信息，所述信息集包括新的所述超融合节点的计算资源、节点类型、存储资源、硬件规格和节点识别序列号；
分配单元7063，用于根据所述信息集为新的所述超融合节点分配逻辑标识、优先级和工作状态；
第五获取单元7064，用于获取新的所述超融合节点反馈的已收到分配的逻辑标识、优先级和工作状态的确认信息后完成所述第二资源池的搭建。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例，本公开实施例还提供了工作负载分配设备，下文描述的工作负载分配设备与上文描述的工作负载分配方法可相互对应参照。
图3是根据一示例性实施例示出的工作负载分配设备800的框图。如图3所示，该工作负载分配设备800可以包括：处理器801，存储器802。该工作负载分配设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该工作负载分配设备800的整体操作，以完成上述的工作负载分配方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该工作负载分配设备800的操作，这些数据例如可以包括用于在该工作负载分配设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该工作负载分配设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，该工作负载分配设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的工作负载分配方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的工作负载分配方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由该工作负载分配设备800的处理器801执行以完成上述的工作负载分配方法。
实施例4
相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的工作负载分配方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的工作负载分配方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种工作负载分配方法，其特征在于，包括：
获取工作负载；
分析所述工作负载是否超过了超融合系统的负载，若是则对所述超融合系统进行扩容，得到扩容后的超融合系统；
将所述工作负载分配到所述扩容后的超融合系统中；其中，所述超融合系统包括超融合节点，所述超融合节点通过线缆连接有磁盘扩展柜；
其中，本方法还包括：
获取所述磁盘扩展柜的历史表面温度时间序列；
利用经验模态分解算法将所述磁盘扩展柜的历史表面温度时间序列进行分解，将分解得到的分量进行分类，其中，将分量分成高频滤波、中频滤波和低频滤波三部分；
使用人工蜂群优化最小二乘支持向量回归机对高频滤波部分进行预测，得到第一预测结果；使用卡尔曼滤波对中频滤波部分进行预测，得到第二预测结果；使用自回归滑动平均对高频滤波部分进行预测，得到第三预测结果；
将所述第一预测结果、第二预测结果和第三预测结果进行累加，得到未来时刻所述磁盘扩展柜的表面温度预测值，将所述表面温度预测值与表面温度阈值进行比较，当所述表面温度预测值大于所述表面温度阈值，则进行警报处理。
2.根据权利要求1所述的工作负载分配方法，其特征在于，分析所述工作负载是否超过了所述超融合系统的负载，若是则对所述超融合系统进行扩容，得到扩容后的超融合系统，包括：
对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
对所述工作负载进行分析，计算需要添加新的所述超融合节点的个数；
获取第一信息，所述第一信息包括已在所述超融合系统中添加新的所述超融合节点的确认信息，获取所述第一信息后得到扩容后的超融合系统。
3.根据权利要求1所述的工作负载分配方法，其特征在于，分析所述工作负载是否超过了所述超融合系统的负载，若是则对所述超融合系统进行扩容，得到扩容后的超融合系统，包括：
对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
对所述工作负载进行分析，计算需要添加的磁盘扩展柜的容量和个数；
获取第二信息，所述第二信息包括已在所述超融合节点上连接相应容量和个数的磁盘扩展柜的确认信息，获取所述第二信息后得到扩容后的超融合系统。
4.一种工作负载分配装置，其特征在于，包括：
第一获取模块，用于获取工作负载；
分析模块，用于分析所述工作负载是否超过了超融合系统的负载，若是则对所述超融合系统进行扩容，得到扩容后的超融合系统；
第一分配模块，用于将所述工作负载分配到所述扩容后的超融合系统中；其中，所述超融合系统包括超融合节点，所述超融合节点通过线缆连接有磁盘扩展柜；
第三获取单元，用于获取所述磁盘扩展柜的历史表面温度时间序列；
分解单元，用于利用经验模态分解算法将所述磁盘扩展柜的历史表面温度时间序列进行分解，将分解得到的分量进行分类，其中，将分量分成高频滤波、中频滤波和低频滤波三部分；
预测单元，用于使用人工蜂群优化最小二乘支持向量回归机对高频滤波部分进行预测，得到第一预测结果；使用卡尔曼滤波对中频滤波部分进行预测，得到第二预测结果；使用自回归滑动平均对高频滤波部分进行预测，得到第三预测结果；
警报单元，用于将所述第一预测结果、第二预测结果和第三预测结果进行累加，得到未来时刻所述磁盘扩展柜的表面温度预测值，将所述表面温度预测值与表面温度阈值进行比较，当所述表面温度预测值大于所述表面温度阈值，则进行警报处理。
5.根据权利要求4所述的工作负载分配装置，其特征在于，分析模块，包括：
第一分析单元，用于对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
第二分析单元，用于对所述工作负载进行分析，计算需要添加新的所述超融合节点的个数；
第一获取单元，用于获取第一信息，所述第一信息包括已在所述超融合系统中添加新的所述超融合节点的确认信息，获取所述第一信息后得到扩容后的超融合系统。
6.根据权利要求4所述的工作负载分配装置，其特征在于，分析模块，包括：
第三分析单元，用于对每一台所述超融合节点的工作状态进行分析，其中，若任意一台所述超融合节点的CPU使用率达到预设的第一阈值后，向用户发送第一提示信息，所述第一提示信息包括对所述超融合系统进行扩容的信息；
第四分析单元，用于对所述工作负载进行分析，计算需要添加的磁盘扩展柜的容量和个数；
第二获取单元，用于获取第二信息，所述第二信息包括已在所述超融合节点上连接相应容量和个数的磁盘扩展柜的确认信息，获取所述第二信息后得到扩容后的超融合系统。
7.一种工作负载分配设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至3任一项所述工作负载分配方法的步骤。
8.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述工作负载分配方法的步骤。
CN202210556643.9A 2022-05-20 2022-05-20 一种工作负载分配方法、装置、设备及可读存储介质 Active CN114924880B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210556643.9A CN114924880B (zh) 2022-05-20 2022-05-20 一种工作负载分配方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210556643.9A CN114924880B (zh) 2022-05-20 2022-05-20 一种工作负载分配方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN114924880A CN114924880A (zh) 2022-08-19
CN114924880B true CN114924880B (zh) 2023-03-24

Family

ID=82810218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210556643.9A Active CN114924880B (zh) 2022-05-20 2022-05-20 一种工作负载分配方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114924880B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105892952A (zh) * 2016-04-22 2016-08-24 深圳市深信服电子科技有限公司 超融合系统及其纵向扩展方法
CN107037985A (zh) * 2017-02-14 2017-08-11 中山大学 一种超融合一体机系统及其横向和纵向扩容方法
CN109947531A (zh) * 2019-02-27 2019-06-28 广东唯一网络科技有限公司 超融合一体机的存储容量扩展方法、装置及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8949410B2 (en) * 2010-09-10 2015-02-03 Cisco Technology, Inc. Server load balancer scaling for virtual servers
CN108959022A (zh) * 2018-06-14 2018-12-07 郑州云海信息技术有限公司 一种Linux系统下自动监控存储扩展器温度的方法与系统
CN110442453A (zh) * 2019-08-01 2019-11-12 佛山普瑞威尔科技有限公司 一种自动伸缩策略运维方法、系统和可读存储介质
CN112434938A (zh) * 2020-11-23 2021-03-02 中国建设银行股份有限公司 一种资源容量的管理方法和装置
CN114500538A (zh) * 2022-03-30 2022-05-13 重庆紫光华山智安科技有限公司 节点管理方法、装置、监控节点及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105892952A (zh) * 2016-04-22 2016-08-24 深圳市深信服电子科技有限公司 超融合系统及其纵向扩展方法
CN107037985A (zh) * 2017-02-14 2017-08-11 中山大学 一种超融合一体机系统及其横向和纵向扩容方法
CN109947531A (zh) * 2019-02-27 2019-06-28 广东唯一网络科技有限公司 超融合一体机的存储容量扩展方法、装置及存储介质

Also Published As

Publication number Publication date
CN114924880A (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN106375420B (zh) 一种基于负载均衡的服务器集群智能监控系统及方法
JP5948257B2 (ja) 情報処理システム監視装置、監視方法、及び監視プログラム
CN112073265B (zh) 一种基于分布式边缘计算的物联网监控方法和系统
CN106961351A (zh) 基于Docker容器集群的智能弹性伸缩方法
CN107656807B (zh) 一种虚拟资源的自动弹性伸缩方法及装置
CN109802986B (zh) 设备管理方法、系统、装置及服务器
CN113434253B (zh) 集群资源调度方法、装置、设备及存储介质
JP2018002390A (ja) エレベーターシステム及び部品交換時期予測装置
CN113608871A (zh) 业务处理方法及装置
EP3182247A1 (en) Systems and methods for dynamic ups optimization
CN113259451B (zh) 一种面向大规模监控节点智能分析的集群处理架构和方法
CN102223254A (zh) 监控系统及方法
CN110659180A (zh) 基于集群技术的数据中心基础设施管理系统
CN114924880B (zh) 一种工作负载分配方法、装置、设备及可读存储介质
CN107943570A (zh) 应用管理方法、装置、存储介质及电子设备
JP2016146020A (ja) データ分析システム及び分析方法
KR102188987B1 (ko) 서버 관리 장치를 구비한 클라우드 서버 및 로컬 서버를 이용하는 제로클라이언트 단말기용 클라우드 컴퓨팅 시스템의 운영 방법
KR102503776B1 (ko) 고밀도 데이터센터 서버를 위한 스마트 캐비닛 및 그 동작 방법
CN105812159A (zh) 一种云平台监控报警方法
CN107680374B (zh) 一种过车数据的智能采集调度系统
JP2009193238A (ja) システム負荷監視方法
CN115168042A (zh) 监控集群的管理方法及装置、计算机存储介质、电子设备
CN114090256A (zh) 一种基于云计算的应用交付负载管理方法及其系统
CN114546100A (zh) 一种数据中心供电调整方法及装置
CN114490432A (zh) 内存处理方法、装置、电子设备和计算机可读存储介质

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