CN115242626B - 云资源配置预估方法、装置、设备、存储介质及程序产品 - Google Patents
云资源配置预估方法、装置、设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN115242626B CN115242626B CN202210868908.9A CN202210868908A CN115242626B CN 115242626 B CN115242626 B CN 115242626B CN 202210868908 A CN202210868908 A CN 202210868908A CN 115242626 B CN115242626 B CN 115242626B
- Authority
- CN
- China
- Prior art keywords
- configuration
- constraint
- cloud resource
- type
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013468 resource allocation Methods 0.000 title claims abstract description 30
- 230000015654 memory Effects 0.000 claims description 82
- 238000012937 correction Methods 0.000 claims description 50
- 230000006870 function Effects 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 230000007334 memory performance Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 4
- 101100166522 Dictyostelium discoideum cycB gene Proteins 0.000 description 3
- 101000939348 Homo sapiens NEDD8-activating enzyme E1 regulatory subunit Proteins 0.000 description 3
- 102100029781 NEDD8-activating enzyme E1 regulatory subunit Human genes 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- QHVHVJABEOCWHW-UHFFFAOYSA-N n-butyl-2-(dimethylamino)-n-(1,5-dimethyl-3-oxo-2-phenylpyrazol-4-yl)-4-methylpentanamide Chemical compound O=C1C(N(C(=O)C(CC(C)C)N(C)C)CCCC)=C(C)N(C)N1C1=CC=CC=C1 QHVHVJABEOCWHW-UHFFFAOYSA-N 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
Abstract
本申请公开了一种云资源配置预估方法、装置、设备、存储介质及程序产品,该方法包括:获取云资源配置信息,该云资源配置信息包括:一个或多个目标云资源类型、以及各目标云资源类型对应的一种或多种资源配置方案,该资源配置方案包括配置类型;获取云资源配置信息对应的配置目标;获取与配置类型相关的约束条件;基于该配置目标以及约束条件,确定各配置类型的预估数量。使得该预估数量符合云资源的配置以及云资源的约束条件,并能达到预期的配置目标,满足项目的实际需求,提高云资源配置估算的效率和准确率,避免了个人经验预估不准确的问题,且该预估方案的时间和经济成本都比较低,解决了企业聘请专家进行估算成本高昂的问题。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种云资源配置的预估方法、一种云资源配置的预估装置、一种电子设备、一种计算机可读存储介质及一种计算机程序产品。
背景技术
目前中小型乃至一些大型的互联网系统大多会购买和申请公有云(比如阿里云、腾讯云、AWS等)资源用于部署互联网服务,其在进行云资源估算时通常根据个人经验进行预估或者聘请专家进行预估。前一种方式得到的预估结果与个人经验的丰富程度有很大关系,预估的资源过少导致系统上云后的运行性能受到影响,而预估的资源过多导致资源浪费和成本升高;后一种方式的云资源估算成本往往较为高昂,对于预算紧凑的企业或者项目来讲并不适用。
发明内容
本申请提供了一种云资源配置预估方法、装置、设备、存储介质及程序产品,以高效、准确和较低成本地估算切合项目实际情况的云资源的预估数量。
根据本申请的第一方面,提供了一种云资源配置的预估方法,所述方法包括:
获取云资源配置信息,所述云资源配置信息包括:一个或多个目标云资源类型、以及各目标云资源类型对应的一种或多种资源配置方案,所述资源配置方案包括配置类型;
获取所述云资源配置信息对应的配置目标;
获取与所述配置类型相关的约束条件;
基于所述配置目标以及所述约束条件,确定各配置类型的预估数量。
根据本申请的第二方面,提供了一种云资源配置的预估装置,所述装置包括:
云资源配置信息获取模块,用于获取云资源配置信息,所述云资源配置信息包括:一个或多个目标云资源类型、以及各目标云资源类型对应的一种或多种资源配置方案,所述资源配置方案包括配置类型;
配置目标获取模块,用于获取所述云资源配置信息对应的配置目标;
约束条件获取模块,用于获取与所述配置类型相关的约束条件;
预估数量确定模块,用于基于所述配置目标以及所述约束条件,确定各配置类型的预估数量。
根据本申请的第三方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面的方法。
根据本申请的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现上述第一方面的方法。
根据本申请的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,所述计算机可执行指令在被执行时用于实现上述第一方面的方法。
在本实施例中,根据云资源配置信息、配置目标以及约束条件来确定各配置类型的预估数量,使得该预估数量符合云资源的配置以及云资源的约束条件,并能达到预期的配置目标,满足项目的实际需求,提高云资源配置估算的效率和准确率,避免了个人经验预估不准确的问题,且该预估方案的时间和经济成本都比较低,解决了企业聘请专家进行估算成本高昂的问题。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本申请实施例一提供的一种云资源配置的预估方法实施例的流程图;
图2是本申请实施例二提供的一种云资源配置的预估方法实施例的流程图;
图3是本申请实施例三提供的一种云资源配置的预估装置实施例的结构框图;
图4是本申请实施例四提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外,还需要注意的是,本申请的下述实施例中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
实施例一
图1为本申请实施例一提供的一种云资源配置的预估方法实施例的流程图,本实施例可以应用于云资源配置的预估装置中,该装置可以部署在本地的终端设备或者部署在服务器中,本实施例对此不作限制。如图1所示,本实施例可以包括如下步骤:
步骤110,获取云资源配置信息,所述云资源配置信息包括:一个或多个目标云资源类型、以及各目标云资源类型对应的一种或多种资源配置方案,所述资源配置方案包括配置类型。
其中,云资源配置信息是对云资源的参数进行配置后得到的信息。云资源配置信息可以包括一个或多个目标云资源类型,该一个或多个目标云资源类型可以包括服务器和数据库的至少一种。其中,该服务器例如可以包括应用服务器和Web服务器的至少一种;该数据库例如可以包括Oracle数据库、Mysql数据库、Redis数据库等的至少一种。
进一步地,一个目标云资源类型可以包括一种或多种配置方案。其中,配置方案用于一种或多种配置元素或其结合。该配置元素示例性地可以包括配置类型。该配置类型用于描述当前配置方案的资源配置量,比如该配置类型示例性地可以包括至少两种计算资源的需求量,计算资源例如可以包括CPU资源以及内存资源等,例如,配置类型可以表示为1C4G(即1个CPU、4G内存)、2C8G(即2个CPU、8G内存)、4C16G(即4个CPU、16G内存)、8C32G(即8个CPU、32G内存)等。
在其他示例中,配置元素还可以包括各配置类型对应的配置成本,例如,每台2C8G的应用服务器的配置成本为2Ca,每台2C8G的Web服务器的配置成本为3Cm、每套2C8G的Mysql数据库的配置成本为2Cg等,其中,Ca、Cm、Cg等为成本单价。
在其他示例中,云资源配置信息还可以包括各目标云资源类型对应于各计算资源的单位性能。例如,对于应用服务器而言,可以配置每个CPU的单位性能为PCa(即该应用服务器中每个CPU能提供PCa的计算能力),以及,配置每G内存的单位性能为PMa(即该应用服务器中每G内存能提供PMa的内存性能)。
需要说明的是,云资源配置信息并不限于上述提及的信息,可以根据项目实际情况增加或减少云资源配置信息,以实现云资源配置信息的灵活调整。
在一种实施例中,步骤110进一步可以包括如下步骤:
获取用户经由云资源配置信息的输入接口输入的云资源配置信息。
示例性地,该云资源配置信息的输入接口可以表示为可视化交互界面(比如通过展示可视化交互界面来给用户输入云资源配置信息)、指令输入框、表格导入入口等形式。
例如,用户输入的云资源配置信息可以如下表1所示:
表1
步骤120,获取所述云资源配置信息对应的配置目标。
在实际中,在进行云资源配置时,由于需要在满足各个要求的情况下尽可能降低成本,因此配置目标示例性地可以包括成本最低配置目标。该配置目标又可以表示为目标函数。
当然,还可以根据项目的实际情况变更或确定配置目标。
在一种实施例中,步骤120进一步可以包括如下步骤:
获取用户经由配置目标的输入接口输入的所述云资源配置信息对应的配置目标。
示例性地,该配置目标的输入接口也可以表示为可视化交互界面、指令输入框等形式。
步骤130,获取与所述配置类型相关的约束条件。
作为一种示例,在云资源预估场景中,约束条件可以包括各配置类型的数量约束,该数量约束可以表示为数量区间以及一些其他的额外限制。在该数量区间中,包括满足高可用性的最低数量限制、以及因资源或预算有限造成的最高数量限制。例如,针对表1中的各配置类型,对应的数量约束可以如表2所示:
表2
作为另一种示例,在云资源预估场景中,约束条件还可以包括各目标云资源类型中各计算资源的性能约束,如CPU性能约束以及内存性能约束,例如针对表1中的各目标云资源类型,根据实际项目需求设置的对应的性能约束可以如表3所示:
表3
在一种实施例中,步骤130进一步可以包括如下步骤:
获取用户经由约束条件的输入接口输入的与所述配置类型相关的约束条件。
示例性地,该约束条件的输入接口可以表示为可视化交互界面、指令输入框、表格导入入口等形式。
步骤140,基于所述配置目标以及所述约束条件,确定各配置类型的预估数量。
在一种实现中,当根据上述步骤110-步骤130确定云资源配置信息、配置目标以及约束条件以后,则可以基于线性规划的思想确定各配置类型的预估数量,该预估数量也就是各配置类型的云资源的预测购买数量。
在一种实施例中,步骤140进一步可以包括如下步骤:
步骤140-1,以各配置类型的预估数量为变量,分别构建与所述配置目标相关的配置目标函数、以及、与所述约束条件相关的约束可行域。
基于线性规划的思想,若想要预测各配置类型的预估数量,则可以以各配置类型的预估数量作为变量,使得预测各配置类型的预估数量的过程转换成计算各变量的值的过程。
例如,以各目标云资源类型的各配置类型的预估数量作为变量,可以参考
表4所示,计算该预估数量的过程也就是求解各变量的值的过程:
表4
在一种实施例中,构建与配置目标相关的配置目标函数,可以采用如下方式:
步骤140-1-1,以各配置类型的预估数量为变量,根据各配置类型的变量以及配置成本,确定所述配置类型的成本函数。
在一种实现中,可以将各配置类型的变量与对应的配置成本的乘积构成的函数,作为该配置类型的成本函数。例如,结合表1和表4,对于2C8G的应用服务器而言,其成本函数为:a*2Ca;对于16C64G的Oracle数据库而言,其成本函数为c*5Cd;对于1C4G的Web服务器而言,其成本函数为m*2Cm,等等,以此类推。
步骤140-1-3,以所述成本最低配置目标作为最优解目标,累加各配置类型的成本函数,生成配置目标函数。
在实现时,当得到各配置类型的成本函数以后,则可以累加各配置类型的成本函数得到总的成本函数,并以成本最低配置目标作为该总的成本函数的最优解目标,生成配置目标函数。
例如,根据表4中的变量,结合表1中的配置成本,构建出的与成本最低配置目标相关的配置目标函数可以为:
Min(a*2Ca+b*3Ca+d*5Cd+e*4Cd+f*2Cd+g*2Cg+h*4Cg+i*5Cg+j*2Cj+k*4Cj+l*5Cj+m*2Cm+n*3Cm)//成本最低配置目标
除此以外,以各配置类型的预估数量为变量,结合配置的约束条件,可以构建出与约束条件相关的约束可行域,则该约束可行域可以包括数量约束可行域以及性能约束可行域。在一种实施例中,约束可行域的构建,可以采用如下方式:
步骤140-1-2,以各配置类型的预估数量为变量,根据各配置类型的数量约束生成各配置类型对应的数量约束可行域。
例如,可以根据表2的数量约束生成各对应变量的数量约束可行域,如下所示:
12≤a≤30//2C8G的应用服务器的台数限制(台数限制即数量约束可行域,下同)
12≤b≤30//4C16G的应用服务器台数限制
0≤d≤1//16C64G的Oracle数据库数量限制
0≤e≤1//8C32G的Oracle数据库数量限制
0≤f≤1//4C16G的Oracle数据库数量限制
d+e+f=1//Oracle数据库的数量额外限制
0≤g≤1//2C8G的Mysql数据库数量限制
0≤h≤1//4C16G的Mysql数据库的数量限制
0≤i≤1//8C32G的Mysql数据库的数量限制
g+h+i=1//Mysql数据库的数量额外限制
0≤j≤1//2C8G的Redis数据库的数量限制
0≤k≤1//4C16G的Redis数据库的数量限制
0≤l≤1//8C32G的Redis数据库的数量限制
j+k+l=1//Redis数据库的数量限制
9≤m≤30//1C4G的Web服务器的台数限制
9≤n≤30//2C8G的Web服务器的台数限制
步骤140-1-4,针对各目标云资源类型中各计算资源,根据该计算资源对应于当前目标云资源类型的不同配置类型的需求量和预估数量的变量、以及该计算资源的单位性能,计算不同配置类型的性能约束可行域,并根据不同配置类型的性能约束可行域以及该计算资源的性能约束生成当前目标云资源类型中该计算资源的性能约束可行域。
具体的,当计算资源为CPU资源时,该性能约束可行域为与CPU资源相关的CPU性能约束可行域,当计算某个目标云资源类型的CPU性能约束可行域时,可以首先计算该目标云资源类型具有的不同配置类型的性能约束可行域,一种示例性的计算方式可以为:将某配置类型的需求量、预估数量的变量、以及该计算资源的单位性能的乘积,作为该配置类型的性能约束可行域。例如,对于配置类型为2C8G的应用服务器,其具有2个CPU,预估数量为a,CPU的单位性能为PCa,则其CPU性能约束可行域为:2*a*PCa。又如,对于配置类型为8C32G的Mysql数据库,其具有8个CPU,预估数量为i,CPU的单位性能为PCg,则其CPU性能约束可行域为:8*i*PCg。
当得到不同配置类型的性能约束可行域以后,则可以计算同一目标云资源类型在同一计算资源的不同配置类型的性能约束可行域的总和,将该总和与该计算资源的性能约束进行比较,得到该目标云资源类型的该计算资源的性能约束可行域。例如,对于应用服务器,具有2C8G和4C16G两种配置类型(参见表1),其CPU性能约束为“≥48PCa”(参见表3),则该应用服务器的CPU性能约束可行域为:2*a*PCa+4*b*PCa≥48Pca。同理可以得到:Oracle数据库的CPU性能约束可行域为16*d*PCd+8*e*PCd+4*f*PCd≥16PCd;Mysql数据库的CPU性能约束可行域为2*g*PCg+4*h*PCg+8*i*PCg≥8PCg;Redis数据库的CPU性能约束可行域为2*j*PCj+4*k*PCj+8*l*PCj≥4PCj;Web服务器的CPU性能约束可行域为1*m*PCm+2*n*PCm≥18Cm。
除此以外,当计算资源为内存资源时,该性能约束可行域为与内存资源相关的内存性能约束可行域,关于内存性能约束可行域的计算方式与上述CPU性能约束可行域的方式相似,具体可参考上述的CPU性能约束可行域。例如,表1中不同的目标云资源类型的内存性能约束可行域分别为:应用服务器的内存性能约束可行域为8*a*PMa+16*b*PMa≥192PCa;Oracle数据库的内存性能约束可行域为64*d*PMd+32*e*PMd+16*f*PMd≥64PMd;Mysql数据库的内存性能约束可行域为8*g*PMg+16*h*PMg+32*i*PMg≥32PMg;Redis数据库的内存性能约束可行域为8*j*PMj+16*k*PMj+32*l*PMj≥16PMj;Web服务器的内存性能约束可行域为4*m*PMm+8*m*PMm≥72Mm。
其中,Ca、Cd、Cg、Cj、Cm、PCa、PMa、PCd、PMd、PCg、PMg、PCj、PMj、PCm、PMm均为正数,且a、b、d、e、f、g、h、i、j、k、l、m、n均为正整数。
步骤140-2,根据所述约束可行域,求解所述配置目标函数的最优解,作为所述预估数量。
具体的,当得到上面的数量约束可行域、CPU性能约束可行域、内存性能约束可行域以及配置目标函数以后,通过求解各变量得到各变量的值作为各个配置类型的预估数量。
例如,通过求解上述的数量约束可行域、CPU性能约束可行域、内存性能约束可行域以及配置目标函数,得到的各变量的值分别为:a=0、b=12、d=1、e=0、f=0、g=0、h=0、i=1、j=0、k=0、l=1、m=0、n=9。
在一种实施例中,在确定各配置类型的预估数量之后,还可以包括如下步骤:
经由输出接口输出各配置类型的预估数量,并进行展示。
具体的,当获得各配置类型的预估数量之后,则可以通过输出接口将各配置类型的预估数量进行输出,并展示给用户,以便于用户根据各配置类型的预估数量作为参考,采购对应的云资源。
其中,输出接口可以表示为可视化交互界面、指令、表格等形式,本实施例对比不作限制。例如,可以通过表格的方式展示各配置类型的预估数量,如下表5所示:
表5
在本实施例中,根据云资源配置信息、配置目标以及约束条件来确定各配置类型的预估数量,使得该预估数量符合云资源的配置以及云资源的约束条件,并能达到预期的配置目标,满足项目的实际需求,提高云资源配置估算的效率和准确率,避免了个人经验预估不准确的问题,且该预估方案的时间和经济成本都比较低,解决了企业聘请专家进行估算成本高昂的问题。
实施例二
图2为本申请实施例二提供的一种云资源配置的预估方法实施例的流程图,本实施例在实施例一的基础上,对上云后的运行结果进行反馈的场景进行说明。如图2所示,本实施例可以包括如下步骤:
步骤210,获取云资源配置信息,所述云资源配置信息包括:一个或多个目标云资源类型、以及各目标云资源类型对应的一种或多种资源配置方案,所述资源配置方案包括配置类型。
示例性地,云资源配置信息可以包括一个或多个目标云资源类型以及各目标云资源类型对应于各计算资源的单位性能,该一个或多个目标云资源类型可以包括服务器和数据库的至少一种。其中,该服务器例如可以包括应用服务器和Web服务器的至少一种;该数据库例如可以包括Oracle数据库、Mysql数据库、Redis数据库等的至少一种。
进一步地,一个目标云资源类型可以包括一种或多种配置方案。配置方案可以包括配置类型以及各配置类型对应的配置成本,该配置类型示例性地可以包括至少两种计算资源的需求量,计算资源例如可以包括CPU资源以及内存资源等。
步骤220,获取所述云资源配置信息对应的配置目标。
其中,配置目标示例性地可以包括成本最低配置目标。
步骤230,获取与所述配置类型相关的约束条件。
示例性地,约束条件可以包括各配置类型的数量约束以及各目标云资源类型中各计算资源的性能约束。
步骤240,基于所述配置目标以及所述约束条件,确定各配置类型的预估数量。
步骤250,获取所述预估数量的配置类型在实际运行时的运行数据。
具体的,当用户参考各配置类型的预估数量购买云资源并上云以后,可以根据实际运行情况,获取实际运行时的运行数据。该运行数据的类型与计算资源相关,例如运行数据可以包括CPU运行数据以及内存使用数据。该CPU运行数据例如可以为某目标云资源类型的某配置类型在设定时间段内的平均CPU负载;该内存使用数据例如可以为某目标云资源类型的某配置类型在设定时间段内的平均内存使用率。
本实施例对平均CPU负载、平均内存使用率等实际运行数据的获取方式不作限制,可以采用相关技术中的任意CPU负载监测算法或者内存使用率计算算法进行监测和计算。
步骤260,基于所述运行数据确定修正系数。
在本实施例中,修正系数与各云资源上云后的实际运行数据相关,并跟随着运行数据的变化而动态变化,以使得根据修正系数进行修正后得到更切合项目实际情况的各配置类型的预估数量。
在一种实施例中,若运行数据为设定时间段内的平均CPU负载,则步骤260进一步可以包括如下步骤:
计算所述目标云资源类型中各CPU资源的平均CPU负载的总和,得到所述目标云资源类型的CPU负载总和;计算所述目标云资源类型中各CPU资源的需求量的总和,得到CPU数量;将所述CPU负载总和与所述CPU数量的比值作为修正系数。
具体的,当目标云资源类型有多种配置方案时,则可以对每种配置方案获取其平均CPU负载,则所有配置方案的平均CPU负载的总和可以作为目标云资源类型的平均CPU负载总和。计算该目标云资源类型的平均CPU负载总和与该目标云资源类型的CPU数量的比值,可以得到该目标云资源类型的CPU修正系数。例如,对于应用服务器而言,若运行一个月后2C8G的应用服务器的平均CPU负载为CLA,4C16G的应用服务器的平均CPU负载为CLB,假设实际上云的2C8G的应用服务器的数量为a1,4C16G的应用服务器的数量为b1,则应用服务器的平均CPU负载总和为:CLA*a1+CLB*b1。而该应用服务器的CPU数量为:2*a1+4*b1。则应用服务器的CPU修正系数为:(CLA*a1+CLB*b1)/(2*a1+4*b1)。
在另一种实施例中,若运行数据为平均内存使用率,则步骤260进一步可以包括如下步骤:
计算所述目标云资源类型中各内存资源的平均内存使用率的总和,得到所述目标云资源类型的内存使用率总和;计算所述目标云资源类型中各内存资源的需求量的总和,得到内存数量;将所述内存使用率总和与所述内存数量的比值作为修正系数。
具体的,当目标云资源类型有多种配置方案时,则可以对每种配置方案获取每G内存的平均内存使用率,则所有配置方案的所有内存的平均内存使用率的总和可以作为目标云资源类型的内存使用率总和。计算该目标云资源类型的内存使用率总和与该目标云资源类型的内存的总数量的比值,可以得到该目标云资源类型的内存修正系数。例如,对于应用服务器而言,若运行一个月后2C8G的应用服务器的每G内存的平均内存使用率为ULA,4C16G的应用服务器的每G内存的平均内存使用率为ULB,假设实际上云的2C8G的应用服务器的数量为a1,4C16G的应用服务器的数量为b1,则应用服务器的内存使用率总和为:ULA*a1*8+ULB*b1*16。而该应用服务器的内存的总数量为:8*a1+16*b1。则应用服务器的内存修正系数为:(ULA*a1*8+ULB*b1*16)/(8*a1+16*b1)。
步骤270,采用所述修正系数对所述约束条件进行修正。
在实际中,在云资源配置信息、配置目标以及约束条件这三种元素中,对预估结果影响较大的是约束条件。为了获得更加准确和切合项目实际的云资源预估数量,可以采用修正系数对约束条件进行修正。
在一种实施例中,若修正系数为CPU修正系数,则步骤270进一步可以包括如下步骤:
计算所述修正系数与所述CPU资源的性能约束的乘积,作为所述CPU资源修正后的性能约束。
例如,若应用服务器的CPU修正系数为(CLA*a1+CLB*b1)/(2*a1+4*b1),该应用服务器的CPU资源的性能约束为表3中的“≥48PCa”,则该应用服务器的CPU资源修正后的性能约束为:(CLA*a1+CLB*b1)/(2*a1+4*b1)*48PCa,例如修正后的性能约束为“≥40PCa”。
在另一种实施例中,若修正系数为内存修正系数,则步骤270进一步可以包括如下步骤:
计算所述修正系数与所述内存资源的性能约束的乘积,作为所述内存资源修正后的性能约束。
例如,若应用服务器的内存修正系数为(ULA*a1*8+ULB*b1*16)/(8*a1+16*b1),该应用服务器的内存资源的性能约束为表3中的“≥192PMa”,则该应用服务器的内存资源修正后的性能约束为:(ULA*a1*8+ULB*b1*16)/(8*a1+16*b1)*192PMa,例如修正后的性能约束为“≥160PMa”。
根据上述的修正方法,则对表3的各项性能约束进行修正后的结果,可以如下表6所示:
目标云资源类型 | CPU性能约束 | 内存性能约束 |
应用服务器 | ≥40PCa | ≥160PMa |
Oracle数据库 | ≥16PCd | ≥64PMd |
Mysql数据库 | ≥4PCg | ≥16PMg |
Redis数据库 | ≥4PCj | ≥16PMj |
Web服务器 | ≥18Cm | ≥72Mm |
表6
由于性能约束发生了修正,则可以对应修正基于该性能约束得到的性能约束可行域。例如,对于表6变化的性能约束,其对应的性能约束可行域的修正如下所示:
应用服务器的CPU和内存的性能约束可行域修正为:
2*a*PCa+4*b*PCa≥40PCa;8*a*PMa+16*b*PMa≥160PCa
Mysql数据库的CPU和内存的性能约束可行域修正为:
2*g*PCg+4*h*PCg+8*i*PCg≥4PCg;
8*g*PMg+16*h*PMg+32*i*PMg≥16PMg
那么根据修正后的性能约束可行域得到信的预估数量的结果如下表7所示:
表7
在本实施例中,通过反馈机制来获取云资源在根据预估数量上云运行一段时间后的实际运行数据,然后根据该运行数据确定修正系数,并采用该修正系数对约束条件进行修正,以便于后续得到更为精确的约束可行域,从而得到更贴近实际运行情况的云资源预估结果,为对当前资源量进行动态调优或后续申请云资源提供参考。
实施例三
图3为本申请实施例三提供的一种云资源配置的预估装置实施例的结构框图,可以包括如下模块:
云资源配置信息获取模块310,用于获取云资源配置信息,所述云资源配置信息包括:一个或多个目标云资源类型、以及各目标云资源类型对应的一种或多种资源配置方案,所述资源配置方案包括配置类型;
配置目标获取模块320,用于获取所述云资源配置信息对应的配置目标;
约束条件获取模块330,用于获取与所述配置类型相关的约束条件;
预估数量确定模块340,用于基于所述配置目标以及所述约束条件,确定各配置类型的预估数量。
在一种实施例中,预估数量确定模块340进一步可以包括如下模块:
目标函数构建模块,用于以各配置类型的预估数量为变量,构建与所述配置目标相关的配置目标函数;
约束可行域构建模块,用于以各配置类型的预估数量为变量,构建与所述约束条件相关的约束可行域;
最优解求解模块,用于根据所述约束可行域,求解所述配置目标函数的最优解,作为所述预估数量。
在一种实施例中,所述配置方案还包括各配置类型对应的配置成本;所述配置目标包括成本最低配置目标;
所述目标函数构建模块具体用于:
以各配置类型的预估数量为变量,根据各配置类型的变量以及配置成本,确定所述配置类型的成本函数;
以所述成本最低配置目标作为最优解目标,累加各配置类型的成本函数,生成配置目标函数。
在一种实施例中,所述配置类型包括至少两种计算资源的需求量;所述约束条件包括各目标云资源类型中各计算资源的性能约束,以及,各配置类型的数量约束;所述云资源配置信息还包括各目标云资源类型对应于各计算资源的单位性能;所述约束可行域包括数量约束可行域以及性能约束可行域;
所述约束可行域构建模块具体用于:
以各配置类型的预估数量为变量,根据各配置类型的数量约束生成各配置类型对应的数量约束可行域;
针对各目标云资源类型中各计算资源,根据该计算资源对应于当前目标云资源类型的不同配置类型的需求量和预估数量的变量、以及该计算资源的单位性能,计算不同配置类型的性能约束可行域,并根据不同配置类型的性能约束可行域以及该计算资源的性能约束生成当前目标云资源类型中该计算资源的性能约束可行域。
在一种实施例中,所述目标云资源类型包括:服务器、数据库;所述计算资源包括:CPU资源、内存资源。
在一种实施例中,所述装置还包括模块:
运行数据获取模块,用于获取所述预估数量的配置类型在实际运行时的运行数据;
修正系数确定模块,用于基于所述运行数据确定修正系数;
修正模块,用于采用所述修正系数对所述约束条件进行修正。
在一种实施例中,若所述计算资源为CPU资源,所述运行数据包括设定时间段内的平均CPU负载;
所述修正系数确定模块具体用于:
计算所述目标云资源类型中各CPU资源的平均CPU负载的总和,得到所述目标云资源类型的CPU负载总和;
计算所述目标云资源类型中各CPU资源的需求量的总和,得到CPU数量;
将所述CPU负载总和与所述CPU数量的比值作为修正系数。
在一种实施例中,所述修正模块具体用于:
计算所述修正系数与所述CPU资源的性能约束的乘积,作为所述CPU资源修正后的性能约束。
在一种实施例中,若所述计算资源为内存资源,所述运行数据包括设定时间段内的平均内存使用率;
所述修正系数确定模块具体用于:
计算所述目标云资源类型中各内存资源的平均内存使用率的总和,得到所述目标云资源类型的内存使用率总和;
计算所述目标云资源类型中各内存资源的需求量的总和,得到内存数量;
将所述内存使用率总和与所述内存数量的比值作为修正系数。
在一种实施例中,所述修正模块具体用于:
计算所述修正系数与所述内存资源的性能约束的乘积,作为所述内存资源修正后的性能约束。
在一种实施例中,所述云资源配置信息获取模块310具体用于:
获取用户经由云资源配置信息的输入接口输入的云资源配置信息;
所述配置目标获取模块320具体用于:
获取用户经由配置目标的输入接口输入的所述云资源配置信息对应的配置目标;
所述约束条件获取模块330具体用于:
获取用户经由约束条件的输入接口输入的与所述配置类型相关的约束条件。
在一种实施例中,所述装置还可以包括如下模块:
输出模块,用于经由输出接口输出各配置类型的预估数量;
展示模块,用于展示各配置类型的预估数量。
本申请实施例所提供的一种云资源配置的预估装置可执行本申请实施例一或实施例二中的一种云资源配置的预估方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本申请的方法实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如实施例一或实施例二所述的方法。
在一些实施例中,实施例一或实施例二所述的方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的实施例一或实施例二所述的方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行实施例一或实施例二所述的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (15)
1.一种云资源配置的预估方法,其特征在于,所述方法包括:
获取云资源配置信息,所述云资源配置信息包括:一个或多个目标云资源类型、以及各目标云资源类型对应的一种或多种资源配置方案;所述目标云资源类型包括服务器和数据库中的至少一种;所述资源配置方案包括配置类型;所述配置类型包括至少两种计算资源的需求量;
获取所述云资源配置信息对应的配置目标;
获取与所述配置类型相关的约束条件;所述约束条件包括各目标云资源类型中各计算资源的性能约束,以及,各配置类型的数量约束;
基于所述配置目标以及所述约束条件,确定各配置类型的预估数量;
所述基于所述配置目标以及所述约束条件,确定各配置类型的预估数量,包括:
以各配置类型的预估数量为变量,分别构建与所述配置目标相关的配置目标函数、以及与所述约束条件相关的约束可行域;所述约束可行域包括数量约束可行域以及性能约束可行域;
根据所述约束可行域,求解所述配置目标函数的最优解,作为所述预估数量;
其中,所述以各配置类型的预估数量为变量,分别构建与所述配置目标相关的配置目标函数、以及与所述约束条件相关的约束可行域,包括:
以各配置类型的预估数量为变量,根据各配置类型的数量约束生成各配置类型对应的数量约束可行域;
针对各目标云资源类型中各计算资源,根据该计算资源对应于当前目标云资源类型的不同配置类型的需求量和预估数量的变量、以及该计算资源的单位性能,计算不同配置类型的性能约束可行域,并根据不同配置类型的性能约束可行域以及该计算资源的性能约束生成当前目标云资源类型中该计算资源的性能约束可行域。
2.根据权利要求1所述的方法,其特征在于,所述配置方案还包括各配置类型对应的配置成本;所述配置目标包括成本最低配置目标;
所述以各配置类型的预估数量为变量,分别构建与所述配置目标相关的配置目标函数、以及、与所述约束条件相关的约束可行域,包括:
以各配置类型的预估数量为变量,根据各配置类型的变量以及配置成本,确定所述配置类型的成本函数;
以所述成本最低配置目标作为最优解目标,累加各配置类型的成本函数,生成配置目标函数。
3.根据权利要求1或2所述的方法,其特征在于,所述云资源配置信息还包括各目标云资源类型对应于各计算资源的单位性能。
4.根据权利要求3所述的方法,其特征在于,所述目标云资源类型包括:服务器、数据库;所述计算资源包括:CPU资源、内存资源。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取所述预估数量的配置类型在实际运行时的运行数据;
基于所述运行数据确定修正系数;
采用所述修正系数对所述约束条件进行修正。
6.根据权利要求5所述的方法,其特征在于,若所述计算资源为CPU资源,所述运行数据包括设定时间段内的平均CPU负载;
所述基于所述运行数据确定修正系数,包括:
计算所述目标云资源类型中各CPU资源的平均CPU负载的总和,得到所述目标云资源类型的CPU负载总和;
计算所述目标云资源类型中各CPU资源的需求量的总和,得到CPU数量;
将所述CPU负载总和与所述CPU数量的比值作为修正系数。
7.根据权利要求6所述的方法,其特征在于,所述采用所述修正系数对所述约束条件进行修正,包括:
计算所述修正系数与所述CPU资源的性能约束的乘积,作为所述CPU资源修正后的性能约束。
8.根据权利要求5所述的方法,其特征在于,若所述计算资源为内存资源,所述运行数据包括设定时间段内的平均内存使用率;
所述基于所述运行数据确定修正系数,包括:
计算所述目标云资源类型中各内存资源的平均内存使用率的总和,得到所述目标云资源类型的内存使用率总和;
计算所述目标云资源类型中各内存资源的需求量的总和,得到内存数量;
将所述内存使用率总和与所述内存数量的比值作为修正系数。
9.根据权利要求8所述的方法,其特征在于,所述采用所述修正系数对所述约束条件进行修正,包括:
计算所述修正系数与所述内存资源的性能约束的乘积,作为所述内存资源修正后的性能约束。
10.根据权利要求1或2所述的方法,其特征在于,所述获取云资源配置信息,包括:
获取用户经由云资源配置信息的输入接口输入的云资源配置信息;
所述获取所述云资源配置信息对应的配置目标,包括:
获取用户经由配置目标的输入接口输入的所述云资源配置信息对应的配置目标;
所述获取与所述配置类型相关的约束条件,包括:
获取用户经由约束条件的输入接口输入的与所述配置类型相关的约束条件。
11.根据权利要求1或2所述的方法,其特征在于,在所述基于所述配置目标以及所述约束条件,确定各配置类型的预估数量之后,所述方法还包括:
经由输出接口输出各配置类型的预估数量,并进行展示。
12.一种云资源配置的预估装置,其特征在于,所述装置包括:
云资源配置信息获取模块,用于获取云资源配置信息,所述云资源配置信息包括:一个或多个目标云资源类型、以及各目标云资源类型对应的一种或多种资源配置方案;所述目标云资源类型包括服务器和数据库中的至少一种;所述资源配置方案包括配置类型;所述配置类型包括至少两种计算资源的需求量;
配置目标获取模块,用于获取所述云资源配置信息对应的配置目标;
约束条件获取模块,用于获取与所述配置类型相关的约束条件;所述约束条件包括各目标云资源类型中各计算资源的性能约束,以及各配置类型的数量约束;
预估数量确定模块,用于基于所述配置目标以及所述约束条件,确定各配置类型的预估数量;
所述预估数量确定模块,具体包括:
目标函数构建模块,用于以各配置类型的预估数量为变量,构建与所述配置目标相关的配置目标函数;
约束可行域构建模块,用于以各配置类型的预估数量为变量,构建与所述约束条件相关的约束可行域;所述约束可行域包括数量约束可行域以及性能约束可行域;
最优解求解模块,用于根据所述约束可行域,求解所述配置目标函数的最优解,作为所述预估数量;
其中,所述约束可行域构建模块,具体用于:
以各配置类型的预估数量为变量,根据各配置类型的数量约束生成各配置类型对应的数量约束可行域;
针对各目标云资源类型中各计算资源,根据该计算资源对应于当前目标云资源类型的不同配置类型的需求量和预估数量的变量、以及该计算资源的单位性能,计算不同配置类型的性能约束可行域,并根据不同配置类型的性能约束可行域以及该计算资源的性能约束生成当前目标云资源类型中该计算资源的性能约束可行域。
13.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-11中任一项所述的方法。
15.一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,所述计算机可执行指令在被执行时用于实现权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210868908.9A CN115242626B (zh) | 2022-07-21 | 2022-07-21 | 云资源配置预估方法、装置、设备、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210868908.9A CN115242626B (zh) | 2022-07-21 | 2022-07-21 | 云资源配置预估方法、装置、设备、存储介质及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115242626A CN115242626A (zh) | 2022-10-25 |
CN115242626B true CN115242626B (zh) | 2024-04-05 |
Family
ID=83675036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210868908.9A Active CN115242626B (zh) | 2022-07-21 | 2022-07-21 | 云资源配置预估方法、装置、设备、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115242626B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664330A (zh) * | 2018-05-16 | 2018-10-16 | 哈尔滨工业大学(威海) | 一种基于变邻域搜索策略的云资源分配方法 |
CN110138883A (zh) * | 2019-06-10 | 2019-08-16 | 北京贝斯平云科技有限公司 | 混合云资源分配方法和装置 |
CN110149360A (zh) * | 2019-03-29 | 2019-08-20 | 新智云数据服务有限公司 | 调度方法、调度系统、存储介质和计算机设备 |
CN110719320A (zh) * | 2019-09-18 | 2020-01-21 | 上海联蔚信息科技有限公司 | 公有云配置调整信息的生成方法和设备 |
CN111176753A (zh) * | 2019-12-20 | 2020-05-19 | 贝壳技术有限公司 | 云资源优化配置方法、装置、电子设备及可读存储介质 |
CN111988392A (zh) * | 2020-08-14 | 2020-11-24 | 腾讯科技(深圳)有限公司 | 一种基于云业务的资源分配方法、相关装置、设备及系统 |
CN112988381A (zh) * | 2021-02-26 | 2021-06-18 | 北京百度网讯科技有限公司 | 为云资源生成优化信息的方法、装置和电子设备 |
CN113641445A (zh) * | 2021-07-02 | 2021-11-12 | 山东师范大学 | 基于深度确定性策略的云资源自适应配置方法及系统 |
CN114153687A (zh) * | 2021-11-12 | 2022-03-08 | 郑州云海信息技术有限公司 | 一种云平台资源的成本计算方法、系统及相关装置 |
CN114237863A (zh) * | 2021-10-26 | 2022-03-25 | 广东省华南技术转移中心有限公司 | 云计算任务的调度方法、装置以及存储介质 |
CN114417062A (zh) * | 2022-01-26 | 2022-04-29 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种数据湖数据部署方案确定方法及相关设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9311159B2 (en) * | 2011-10-31 | 2016-04-12 | At&T Intellectual Property I, L.P. | Systems, methods, and articles of manufacture to provide cloud resource orchestration |
-
2022
- 2022-07-21 CN CN202210868908.9A patent/CN115242626B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664330A (zh) * | 2018-05-16 | 2018-10-16 | 哈尔滨工业大学(威海) | 一种基于变邻域搜索策略的云资源分配方法 |
CN110149360A (zh) * | 2019-03-29 | 2019-08-20 | 新智云数据服务有限公司 | 调度方法、调度系统、存储介质和计算机设备 |
CN110138883A (zh) * | 2019-06-10 | 2019-08-16 | 北京贝斯平云科技有限公司 | 混合云资源分配方法和装置 |
CN110719320A (zh) * | 2019-09-18 | 2020-01-21 | 上海联蔚信息科技有限公司 | 公有云配置调整信息的生成方法和设备 |
CN111176753A (zh) * | 2019-12-20 | 2020-05-19 | 贝壳技术有限公司 | 云资源优化配置方法、装置、电子设备及可读存储介质 |
CN111988392A (zh) * | 2020-08-14 | 2020-11-24 | 腾讯科技(深圳)有限公司 | 一种基于云业务的资源分配方法、相关装置、设备及系统 |
CN112988381A (zh) * | 2021-02-26 | 2021-06-18 | 北京百度网讯科技有限公司 | 为云资源生成优化信息的方法、装置和电子设备 |
CN113641445A (zh) * | 2021-07-02 | 2021-11-12 | 山东师范大学 | 基于深度确定性策略的云资源自适应配置方法及系统 |
CN114237863A (zh) * | 2021-10-26 | 2022-03-25 | 广东省华南技术转移中心有限公司 | 云计算任务的调度方法、装置以及存储介质 |
CN114153687A (zh) * | 2021-11-12 | 2022-03-08 | 郑州云海信息技术有限公司 | 一种云平台资源的成本计算方法、系统及相关装置 |
CN114417062A (zh) * | 2022-01-26 | 2022-04-29 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种数据湖数据部署方案确定方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115242626A (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114500339B (zh) | 一种节点带宽监测方法、装置、电子设备及存储介质 | |
CN115242626B (zh) | 云资源配置预估方法、装置、设备、存储介质及程序产品 | |
CN113408641B (zh) | 资源生成模型的训练与服务资源的生成方法、装置 | |
CN115482116A (zh) | 资产投资策略信息的推荐方法、装置、设备及介质 | |
CN113112311B (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
CN114048010A (zh) | 服务超时时间的控制方法、装置、设备以及存储介质 | |
CN111523083A (zh) | 一种电力负荷申报数据的确定方法以及装置 | |
CN115578583B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115860077B (zh) | 状态数据的处理方法、装置、设备以及存储介质 | |
CN114418063B (zh) | 神经网络模型中网络层的分配方法与装置 | |
CN114742263B (zh) | 负荷预测方法、装置、电子设备及存储介质 | |
CN117236995A (zh) | 付费率预估方法、装置、设备及存储介质 | |
CN115526592A (zh) | 一种工时确定方法、装置、设备及存储介质 | |
CN116244006A (zh) | 一种数据处理方法、装置、存储介质、电子设备及产品 | |
CN115361449A (zh) | Ip资源的调整方法、装置、设备及存储介质 | |
CN117591567A (zh) | 一种资产信息分析方法及装置 | |
CN115098520A (zh) | 设备数据更新方法、装置、电子设备及存储介质 | |
CN117010712A (zh) | 虚拟电厂的响应策略确定方法、装置及虚拟电厂系统 | |
CN117407439A (zh) | 转化数据确定方法、装置、设备及存储介质 | |
CN117573983A (zh) | 一种融资方案的推荐方法、装置、电子设备及存储介质 | |
CN115955189A (zh) | 一种发电异常的检测方法、装置、设备及介质 | |
CN115495199A (zh) | 一种容器部署方法、装置、设备及存储介质 | |
CN117255090A (zh) | 一种服务资源管理方法、装置、设备及存储介质 | |
CN114626636A (zh) | 电网负荷预测方法、装置、建模方法、计算机设备及介质 | |
CN117271882A (zh) | 多目标融合处理方法、装置、电子设备及存储介质 |
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 |