CN115348268A - 云资源调度方法、装置、电子设备及计算机存储介质 - Google Patents
云资源调度方法、装置、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN115348268A CN115348268A CN202210977005.4A CN202210977005A CN115348268A CN 115348268 A CN115348268 A CN 115348268A CN 202210977005 A CN202210977005 A CN 202210977005A CN 115348268 A CN115348268 A CN 115348268A
- Authority
- CN
- China
- Prior art keywords
- resource
- server
- information
- cpu
- calculating
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1012—Server selection for load balancing based on compliance of requirements or conditions with available server resources
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Hardware Redundancy (AREA)
Abstract
本申请实施例提供了一种云资源调度方法、装置、电子设备及计算机存储介质,涉及云服务技术领域。该方法包括:对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,其中,首个正常工作的服务器和其他服务器均为混合云资源调度中提供资源服务的服务器,资源信息至少包括中央处理器CPU、内存信息、磁盘信息及网络资源;接着,根据加权比较的结果,从其他服务器中选择目标服务器,并通过目标服务器提供云资源服务。本申请实施例可以将云资源的权重值和综合资源基准对比算法相结合,实现对混合云资源的自动调度,提高弹性和效用。
Description
技术领域
本申请涉及云服务技术领域,具体而言,本申请涉及一种云资源调度方法、装置、电子设备及计算机存储介质。
背景技术
混合云模式下的资源调度一般采用经济导向的调度、服务质量导向的调度、性能导向的调度和节能导向的调度。经济导向的调度使用基于遗传算法的价格调节进行调度。服务质量导向的云计算调度算法集中在反馈时间、资源可用性等方面。性能导向的调度方法主要考虑的是虚拟资源动态优化分配物理资源的方法。节能导向的调度是从云服务商的角度上希望用最小开销完成资源的调度,但其调度往往是以牺牲性能为基础的。
现有的调度方法和系统未能从云计算面向服务的特点出发实现混合云资源的自动调度。可见,当前急需一种基于权重的可配置的混合云资源调度的方法,实现对混合云资源的自动调度,提高弹性和效用。
发明内容
本申请实施例提供了一种云资源调度方法、装置、电子设备及计算机存储介质,可以解决混合云资源自动调度的问题。技术方案如下:
根据本申请实施例的一个方面,提供了一种资源调度方法,该方法包括:
对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,其中,首个正常工作的服务器和其他服务器均为混合云资源调度中提供资源服务的服务器,资源信息至少包括中央处理器CPU、内存信息、磁盘信息及网络资源;
根据加权比较的结果,从其他服务器中选择目标服务器,并通过目标服务器提供云资源服务。
在一种可能的实现方式中,该方法还包括:在每个资源调度周期内,计算权重值;
计算权重值,包括:
分别计算CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分;
将CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分的评分之和确定为权重值。
在一种可能的实现方式中,计算CPU占用评分,包括:
基于第一预定计算公式,根据CPU的容量信息、针对CPU的请求信息,计算CPU占用评分。
在一种可能的实现方式中,计算磁盘平均存取时间评分,包括:
基于预定寻道时间计算公式,计算磁盘的寻道时间;
基于预定延迟时间计算公式,计算磁盘的寻道延迟时间;
基于预定传输时间计算公式,计算磁盘的传输时间;
根据寻道时间、寻道延迟时间和传输时间,计算磁盘平均存取时间评分。
在一种可能的实现方式中,对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,包括:
针对每个其他服务器,根据第一权值、每个其他服务器的CPU信息、正常工作的服务器的CPU信息计算第一比值,根据第二权值、每个其他服务器的内存信息、正常工作的服务器的内存信息计算第二比值,根据第三权值、每个其他服务器的磁盘信息、正常工作的服务器的磁盘信息计算第三比值,以及根据第四权值、每个其他服务器的网络资源使用率、正常工作的服务器的网络资源使用率计算第四比值;
将第一比值、第二比值、第三比值及第四比值的和值,确定为每个其他服务器的资源信息与首个正常工作的服务器的资源信息的加权比值;
其中,第一权值、第二权值、第三权值及第四权值均是通过对权重值进行动态调整得到的;CPU信息包括CPU处理能力和CPU使用率;内存信息包括内存处理能力和内存使用率,磁盘信息包括磁盘处理能力和磁盘使用率。
在一种可能的实现方式中,根据第一权值、每个其他服务器的CPU信息、正常工作的服务器的CPU信息计算第一比值,包括:
计算每个其他服务器的CPU处理能力与每个其他服务器的CPU使用率的第一乘积;
计算正常工作的服务器的CPU处理能力与正常工作的服务器的CPU使用率的第二乘积;
计算第一乘积与第二乘积之间的比值,并将第一权值与该比值的乘积确定为第一比值。
在一种可能的实现方式中,根据加权比较的结果,从其他服务器中选择目标服务器,包括:
基于预定排序方式,对加权比较结果进行排序,并将最小的加权比值对应的服务器确定为目标服务器。
根据本申请实施例的另一个方面,提供了一种云资源调度装置,该装置包括:
第一处理模块,用于对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,其中,首个正常工作的服务器和其他服务器均为混合云资源调度中提供资源服务的服务器,资源信息至少包括中央处理器CPU、内存信息、磁盘信息及网络资源;
第二处理模块,用于根据加权比较的结果,从其他服务器中选择目标服务器,并通过目标服务器提供云资源服务。
在一种可能的实现方式中,第一处理模块还用于:在每个资源调度周期内,计算权重值;其中,计算权重值,包括:
分别计算CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分;
将CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分的评分之和确定为权重值。
在一种可能的实现方式中,第一处理模块在计算CPU占用评分时,用于:
基于第一预定计算公式,根据CPU的容量信息、针对CPU的请求信息,计算CPU占用评分。
在一种可能的实现方式中,第一处理模块在计算磁盘平均存取时间评分时,用于:
基于预定寻道时间计算公式,计算磁盘的寻道时间;
基于预定延迟时间计算公式,计算磁盘的寻道延迟时间;
基于预定传输时间计算公式,计算磁盘的传输时间;
根据寻道时间、寻道延迟时间和传输时间,计算磁盘平均存取时间评分。
在一种可能的实现方式中,第一处理模块在对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较时,用于:
针对每个其他服务器,根据第一权值、每个其他服务器的CPU信息、正常工作的服务器的CPU信息计算第一比值,根据第二权值、每个其他服务器的内存信息、正常工作的服务器的内存信息计算第二比值,根据第三权值、每个其他服务器的磁盘信息、正常工作的服务器的磁盘信息计算第三比值,以及根据第四权值、每个其他服务器的网络资源使用率、正常工作的服务器的网络资源使用率计算第四比值;
将第一比值、第二比值、第三比值及第四比值的和值,确定为每个其他服务器的资源信息与首个正常工作的服务器的资源信息的加权比值;
其中,第一权值、第二权值、第三权值及第四权值均是通过对权重值进行动态调整得到的;CPU信息包括CPU处理能力和CPU使用率;内存信息包括内存处理能力和内存使用率,磁盘信息包括磁盘处理能力和磁盘使用率。
在一种可能的实现方式中,第一处理模块在根据第一权值、每个其他服务器的CPU信息、正常工作的服务器的CPU信息计算第一比值时,用于:
计算每个其他服务器的CPU处理能力与每个其他服务器的CPU使用率的第一乘积;
计算正常工作的服务器的CPU处理能力与正常工作的服务器的CPU使用率的第二乘积;
计算第一乘积与第二乘积之间的比值,并将第一权值与该比值的乘积确定为第一比值。
在一种可能的实现方式中,第二处理在根据加权比较的结果,从其他服务器中选择目标服务器时,用于:
基于预定排序方式,对加权比较结果进行排序,并将最小的加权比值对应的服务器确定为目标服务器。
根据本申请实施例的另一个方面,提供了一种电子设备,该电子设备包括:存储器、处理器及存储在存储器上的计算机程序,处理器执行计算机程序以实现上述的云资源调度方法的步骤。
根据本申请实施例的再一个方面,提供了一种计算机可读存储介质,计算机程序被处理器执行时实现上述的云资源调度方法的步骤。
根据本申请实施例的一个方面,提供了一种计算机程序产品,计算机程序被处理器执行时实现上述的云资源调度方法的步骤。
本申请实施例提供的技术方案带来的有益效果是:基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,使得可以基于权重值进行可配置的混合云资源调度,能够将云资源的权重值和综合资源基准对比算法相结合,实现对混合云资源的自动调度,提高弹性和效用;根据加权比较的结果,从其他服务器中选择目标服务器,并通过目标服务器提供云资源服务实现从云计算面向服务的特点出发实现混合云资源的自动调度,使得面对异构的计算资源,且资源计算能力和网络环境等都有较大的差异时,可以并行、分布式的保证调度的有效性并实现有效管理。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种云资源调度方法的流程示意图;
图2为本申请实施例提供的一种云资源调度装置的结构示意图;
图3为本申请实施例提供的一种电子设备的结构示意。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解,下面结合附图所阐述的实施方式,是用于解释本申请实施例的技术方案的示例性描述,对本申请实施例的技术方案不构成限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件,但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解,当我们称一个元件被“连接”或“耦接”到另一元件时,该一个元件可以直接连接或耦接到另一元件,也可以指该一个元件和另一元件通过中间元件建立连接关系。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个,例如“A和/或B”指示实现为“A”,或者实现为“A”,或者实现为“A和B”。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
先对本申请涉及的几个名词进行介绍和解释:
私有云(Private Cloud)是将云基础设施与软硬件资源创建在防火墙内,以供机构或企业内各部门共享数据中心内的资源。创建私有云,除了硬件资源外,一般还有云设备(IaaS,Infrastructure as a Service,基础设施即服务)软件。
私有云计算同样包含云硬件、云平台、云服务三个层次。不同的是,云硬件是用户自己的个人电脑或服务器,而非云计算厂商的数据中心。云计算厂商构建数据中心的目的是为千百万用户提供公共云服务,因此需要拥有几十上百万台服务器。私有云计算,对个人来说只服务于亲朋好友,对企业来说只服务于本企业员工以及本企业的客户和供应商,因此个人或企业自己的个人电脑或服务器已经足够用来提供云服务。
公有云(Public Cloud)通常指第三方提供商为用户提供的能够使用的云,公有云一般可通过Internet使用,可能是免费或成本低廉的,公有云的核心属性是共享资源服务。这种云有许多实例,可在当今整个开放的公有网络中提供服务。
混合云(Hybrid Cloud)融合了公有云(Public Cloud)和私有云(PrivateCloud),是近年来云计算的主要模式和发展方向。私有云主要是面向企业用户,出于安全考虑,企业更愿意将数据存放在私有云中,但是同时又希望可以获得公有云的计算资源,在这种情况下混合云被越来越多的采用,它将公有云和私有云进行混合和匹配,以获得最佳的效果,这种个性化的解决方案,达到了既省钱又安全的目的。
混合云通过融合公有云和私有云,同时兼顾私有云和公有云的优点,博众云之所长。混合云资源调度直接关系到云服务的稳定性、可用性、可靠性、资源的使用效率、运营成本和用户的满意度。目前,混合云模式下的资源调度方法,主要包括:
1、Amazon的调度系统结合了性能优先和经济成本约束的方式,通过对计算资源分类计费的方式实现成本优化,同时让用户预先选择配置好的虚拟机实现资源调度。
2、Eucalyptus采用层次式的调度方式,使用管理器来实现资源的分配和调度。OpenNebula同样釆用层次式的调度方式实现资源的调度。
3、Google的MapReduce采用集中式的调度,hadoop使用主从式的调度,IBM的蓝云系统采用虚拟机监控代理来完成资源调度。
然而,以上的调度方法和系统未能从云计算面向服务的特点出发实现混合云资源的自动调度。基于上述缺陷,急需一种基于权重的可配置的混合云资源调度的方法,实现对混合云资源的自动调度,提高弹性和效用。
针对上述情况,本申请提出一种云资源调度的方案,可以基于权重值进行可配置的混合云资源调度,能够将云资源的权重值和综合资源基准对比算法相结合,实现对混合云资源的自动调度,提高弹性和效用,从其他服务器中选择目标服务器,并通过目标服务器提供资源服务实现从云计算面向服务的特点出发实现混合云资源的自动调度,使得面对异构的计算资源,且资源计算能力和网络环境等都有较大的差异时,可以并行、分布式的保证调度的有效性并实现有效管理。
下面通过对几个示例性实施方式的描述,对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是,下述实施方式之间可以相互参考、借鉴或结合,对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等,不再重复描述。
图1为本申请实施例提供的云资源调度方法的流程示意图,如图1所示,该方法包括:步骤S110,对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,其中,首个正常工作的服务器和其他服务器均为混合云资源调度中提供资源服务的服务器,资源信息至少包括中央处理器CPU、内存信息、磁盘信息及网络资源;步骤S120,根据加权比较的结果,从其他服务器中选择目标服务器,并通过目标服务器提供云资源服务。
在每一个资源调度周期内(比如资源调度周期T1),均需要计算权重值(比如权重值Q1),并基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,其中,其他服务器可以为一个或两个或更多个,本申请实施例不对其作限制。当其他服务器有两个时,例如服务器A与服务器B,则需要基于计算出的权重值,根据综合资源基准对比算法,将服务器A的资源信息与首个正常工作的服务器(例如服务器S)的资源信息进行加权比较,得到加权比较的结果(比如记作R1)随后,需要基于计算出的权重值,根据综合资源基准对比算法,将服务器B的资源信息与首个正常工作的服务器(例如服务器S)的资源信息进行加权比较,得到加权比较的结果(比如记作R2)。
在实际应用中,可以基于其他服务器的CPU、内存、磁盘及网络资源等,与首个正常工作的服务器的CPU、内存、磁盘及网络资源等进行加权比较。需要说明的是,在进行加权比较时,需要将其他服务器的CPU与首个正常工作的服务器的CPU进行加权比较,将其他服务器的内存信息与首个正常工作的服务器的内存信息进行加权比较,将其他服务器的磁盘与首个正常工作的服务器的磁盘信息进行加权比较,将其他服务器的网络资源与首个正常工作的服务器的网线资源进行加权比较。
在得到加权比较的结果后(比如上述的R1和R2),再根据加权比较的结果从其他服务器(比如上述的服务器A和服务器B)中选择目标服务器(比如服务器A),并通过目标服务器提供资源服务。
在当前的资源调度周期(比如资源调度周期T1)结束并进入下一个资源调度周期(比如资源调度周期T2)后,需要针对下一个资源调度周期(比如资源调度周期T2)重新计算权重值(比如权重值Q2),并基于该计算得到的权重值,重新根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,具体过程与上述内容一致,在此不再赘述。
本申请提供的方法,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,使得可以基于权重值进行可配置的混合云资源调度,能够将云资源的权重值和综合资源基准对比算法相结合,实现对混合云资源的自动调度,提高弹性和效用;根据加权比较的结果,从其他服务器中选择目标服务器,并通过目标服务器提供资源服务实现从云计算面向服务的特点出发实现混合云资源的自动调度,使得面对异构的计算资源,且资源计算能力和网络环境等都有较大的差异时,可以并行、分布式的保证调度的有效性并实现有效管理。
在本申请实施例的一种可能的实现方式中,资源调度的方法还包括:在每个资源调度周期内,计算权重值;其中,计算权重值的过程,可以为:
分别计算CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分;接着,将CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分的评分之和确定为权重值。
相当于,权重值是根据CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分计算得到的。在实际应用中,可以将CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分相加(即对其求和),并将相加结果(即总和)确定为上述的权重值。
在一个示例中,可以基于第一预定计算公式,根据CPU的容量信息、针对CPU的请求信息,计算CPU占用评分。在实际应用中,第一预定计算公式可以为cpu((capacity-sum(requested))*10/capacity)的形式,其中,capacity表示CPU的容量信息,requested表示针对CPU的请求信息,(capacity-sum(requested))*10/capacity表示剩余容量与总容量的比值。其中,在计算过程中,CPU占用评分最高的胜出,相当于,从多个CPU占用评分中选取最高的CPU占用评分作为最终的CPU占用评分,并用于后续计算权重值。
在一个示例中,对均衡资源的使用方式,以CPU和内存占用率的相近程度(均衡)作为评估标准,二者占用越接近,均衡资源的使用评分就越高,评分高的胜出。相当于,从多个均衡资源的使用评分中选取最高的评分作为最终的均衡资源的使用评分,并用于后续计算权重值。
在一个示例中,可以基于预定寻道时间计算公式,计算磁盘的寻道时间,接着,基于预定延迟时间计算公式,计算磁盘的寻道延迟时间;然后,基于预定传输时间计算公式,计算磁盘的传输时间;最后,根据寻道时间、寻道延迟时间和传输时间,计算磁盘平均存取时间评分。
在实际应用中,对磁盘,寻找(寻道)时间Ts=m*n+s,m为与磁盘驱动器速度有关的常数,n为磁道数,s为启动磁臂的时间;即预定寻道时间计算公式为Ts=m*n+s。延迟时间Tr:Tr=1/(2*r);式中,r为磁盘的旋转速度;即预定延迟时间计算公式为Tr=1/(2*r)。传输时间Tt:Tt=b/(r*N),式中,b为每次所读/写的字节数,r为磁盘每秒钟的转数;N为一个磁道上的字节数,即预定传输时间计算公式为Tt=b/(r*N)。总平均存取时间Ta可以表示为:Ta=Ts+Tr+Tt,即根据寻道时间、寻道延迟时间和传输时间,计算磁盘平均存取时间评分,其中,总平均存取时间值越小,评分越高;相当于,从多个磁盘平均存取时间评分中选取最高的评分作为最终的磁盘平均存取时间评分,并用于后续计算权重值。
在一个示例中,目标对象的标签评分可以通过查找当前对象(即目标对象)对应的Service,StatefulSet,ReplicatSet等所匹配的标签选择器得到,其中,在节点上运行的带有这样标签越少的评分(即目标对象的标签评分)越高。相当于,从多个标签评分中选取最高的评分作为最终的标签评分,并用于后续计算权重值。其中,StatefulSet表示有状态任务,StatefulSet是为了解决有状态服务的问题,而产生的一种资源类型。ReplicatSet控制器支持集合式的selector(选择器),ReplicaSet代用户创建指定数量的pod副本数量,确保pod副本数量符合预期状态,并且支持滚动式自动扩容和缩容功能。主要三个组件组成:(1)用户期望的pod副本数量,(2)标签选择器,判断哪个pod归自己管理,(3)当现存的pod数量不足,会根据pod资源模板进行新建。帮助用户管理无状态的pod资源,精确反应用户定义的目标数量,但是ReplicaSet不是直接使用的控制器。
在一个示例中,目标对象的亲和性评分可以通过遍历对象(即目标对象)亲和性的条目得到,其中在遍历对象亲和性条目的过程中,将能够匹配到节点的权重相加,值越大的评分越高,评分高的胜出;相当于,从多个亲和性评分中选取最高的评分作为最终的亲和性评分,并用于后续计算权重值。其中,亲和性可以是指找出两个对象共同出现的情况。对象节点亲和性,是指定调度到的对象,包括硬亲和性和软亲和性。
在一个示例中,目标对象的节点匹配度评分可以通过对象中的NodeSelector,对节点进行匹配度检查来得到,比如根据对象中的NodeSelector,对节点进行匹配度检查,成功匹配的数量越多,评分就越高,评分高的胜出;相当于,从多个节点匹配度评分中选取最高的评分作为最终的节点匹配度评分,并用于后续计算权重值。其中,NodeSelector是指定pod分配到指定node上最简单的方法,使用Pod中的NodeSelector属性来实现。NodeSelector会指定key-value pairs,pod会被分配到特定node上,该node具有所有指定key-value pairs对应labels。通常只有一对key-value。
在一种可能的实现方式中,对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,包括:
针对每个其他服务器,根据第一权值、每个其他服务器的CPU信息、正常工作的服务器的CPU信息计算第一比值,根据第二权值、每个其他服务器的内存信息、正常工作的服务器的内存信息计算第二比值,根据第三权值、每个其他服务器的磁盘信息、正常工作的服务器的磁盘信息计算第三比值,以及根据第四权值、每个其他服务器的网络资源使用率、正常工作的服务器的网络资源使用率计算第四比值;
将第一比值、第二比值、第三比值及第四比值的和值,确定为每个其他服务器的资源信息与首个正常工作的服务器的资源信息的加权比值;
其中,第一权值、第二权值、第三权值及第四权值均是通过对权重值进行动态调整得到的;CPU信息包括CPU处理能力和CPU使用率;内存信息包括内存处理能力和内存使用率,磁盘信息包括磁盘处理能力和磁盘使用率。
具体地,在根据第一权值、每个其他服务器的CPU信息、正常工作的服务器的CPU信息计算第一比值的过程中,可以执行如下处理:首先,计算每个其他服务器的CPU处理能力与每个其他服务器的CPU使用率的第一乘积;接着,计算正常工作的服务器的CPU处理能力与正常工作的服务器的CPU使用率的第二乘积;然后,计算第一乘积与第二乘积之间的比值,并将第一权值与该比值的乘积确定为第一比值。
在实际应用中,针对每个其他服务器,计算第一权值与第一比值的乘积、第二权值与第二比值的乘积、第三权值与第三比值的乘积及第四权值与第四比值的乘积之间的乘积之和,并将该乘积之和确定为每个其他服务器的资源信息与首个正常工作的服务器的资源信息的加权比值;其中,第一比值为第一乘积与第二乘积之间的比值,第一乘积是每个其他服务器的CPU处理能力与每个其他服务器的CPU使用率的乘积,第二乘积是正常工作的服务器的CPU处理能力与正常工作的服务器的CPU使用率的乘积;第二比值为第三乘积与第四乘积之间的比值,第三乘积是每个其他服务器的内存处理能力与每个其他服务器的内存使用率的乘积,第四乘积是正常工作的服务器的内存处理能力与正常工作的服务器的内存使用率的乘积;第三比值为第五乘积与第六乘积之间的比值,第五乘积是每个其他服务器的磁盘处理能力与每个其他服务器的磁盘使用率的乘积,第六乘积是正常工作的服务器的磁盘处理能力与正常工作的服务器的磁盘使用率的乘积;第四比值为每个其他服务器的网络资源使用率与正常工作的服务器的网络资源使用率的比值。
在一个示例中,根据综合资源基准对比算法,以第一个正常工作的服务器为基准,将每个其他服务器的资源信息和基准服务器的资源信息,按如以公式进行加权比较:
其中,P为处理能力,即Pcpu表示其他服务器的CPU处理能力,表示基准服务器的CPU处理能力,Pmem表示其他服务器的内存处理能力,表示基准服务器的内存处理能力,Pdisk表示其他服务器的磁盘处理能力,表示基准服务器的磁盘处理能力。cpu、mem、disk和net分别为其使用率,即cpu表示其他服务器的CPU使用率,cpusta表示基准服务器的CPU使用率,mem表示其他服务器的内存使用率,memsta表示基准服务器的内存使用率,disk表示其他服务器的磁盘使用率,disksta表示基准服务器的磁盘使用率,net表示其他服务器的网络资源使用率,netsta表示基准服务器的网络资源使用率。a、b、c、d分别为权值,比如a为第一权值,b为第二权值,c为第三权值,d为第四权值;而且,a、b、c、d的值是根据上述计算得到的权重值进行动态配置得到的,通过增强或减弱某方面性能负载来进行取值,即通过增强或减弱某方面性能负载来进行权值的动态调整。ratio为加权比值。
在一种可能的实现方式中,在根据加权比较的结果,从其他服务器中选择目标服务器的过程中,可以基于预定排序方式,对加权比较结果进行排序,并将最小的加权比值对应的服务器确定为目标服务器。相当于,在得到每个其他服务器与首个正常工作的服务器的加权比值ratio后,可以基于预定排序方式(比如从小到大的排序方式,又比如从大到小的)对各个ratio进行排序,接着,根据排序结果选择加权比值(即ratio)最小的服务器作为负载最轻的服务器(即目标服务器),即将最小的加权比值对应的服务器确定为目标服务器(即负载最轻的服务器),并通过该目标服务器提供资源服务。
可见,本申请实施例将云资源的权重值和综合资源基准对比算法相结合,实现对混合云资源的自动调度,提高弹性和效用。首先,根据cpu、均衡资源的使用方式等维度计算出云资源的权重值的最优解,接着,根据综合资源基准对比算法,将获得的最优权重值进行配置预设,实现对混合云资源的自动调度,提高弹性和效用。
本申请实施例提供了一种云资源调度装置,如图2所示,该资源调度装置200可以包括:第一处理模块201以及第二处理模块202,其中,
根据本申请实施例的另一个方面,提供了一种资源调度装置,该装置包括:
第一处理模块201,用于对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,其中,首个正常工作的服务器和其他服务器均为混合云资源调度中提供资源服务的服务器,资源信息至少包括中央处理器CPU、内存信息、磁盘信息及网络资源;
第二处理模块202,用于根据加权比较的结果,从其他服务器中选择目标服务器,并通过目标服务器提供云资源服务。
本申请实施例的装置,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,使得可以基于权重值进行可配置的混合云资源调度,能够将云资源的权重值和综合资源基准对比算法相结合,实现对混合云资源的自动调度,提高弹性和效用;根据加权比较的结果,从其他服务器中选择目标服务器,并通过目标服务器提供资源服务实现从云计算面向服务的特点出发实现混合云资源的自动调度,使得面对异构的计算资源,且资源计算能力和网络环境等都有较大的差异时,可以并行、分布式的保证调度的有效性并实现有效管理。
在一种可能的实现方式中,第一处理模块还用于:在每个资源调度周期内,计算权重值;其中,计算权重值,包括:
分别计算CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分;
将CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分的评分之和确定为权重值。
在一种可能的实现方式中,第一处理模块在计算CPU占用评分时,用于:
基于第一预定计算公式,根据CPU的容量信息、针对CPU的请求信息,计算CPU占用评分。
在一种可能的实现方式中,第一处理模块在计算磁盘平均存取时间评分时,用于:
基于预定寻道时间计算公式,计算磁盘的寻道时间;
基于预定延迟时间计算公式,计算磁盘的寻道延迟时间;
基于预定传输时间计算公式,计算磁盘的传输时间;
根据寻道时间、寻道延迟时间和传输时间,计算磁盘平均存取时间评分。
在一种可能的实现方式中,第一处理模块在对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较时,用于:
针对每个其他服务器,根据第一权值、每个其他服务器的CPU信息、正常工作的服务器的CPU信息计算第一比值,根据第二权值、每个其他服务器的内存信息、正常工作的服务器的内存信息计算第二比值,根据第三权值、每个其他服务器的磁盘信息、正常工作的服务器的磁盘信息计算第三比值,以及根据第四权值、每个其他服务器的网络资源使用率、正常工作的服务器的网络资源使用率计算第四比值;
将第一比值、第二比值、第三比值及第四比值的和值,确定为每个其他服务器的资源信息与首个正常工作的服务器的资源信息的加权比值;
其中,第一权值、第二权值、第三权值及第四权值均是通过对权重值进行动态调整得到的;CPU信息包括CPU处理能力和CPU使用率;内存信息包括内存处理能力和内存使用率,磁盘信息包括磁盘处理能力和磁盘使用率。
在一种可能的实现方式中,第一处理模块在根据第一权值、每个其他服务器的CPU信息、正常工作的服务器的CPU信息计算第一比值时,用于:
计算每个其他服务器的CPU处理能力与每个其他服务器的CPU使用率的第一乘积;
计算正常工作的服务器的CPU处理能力与正常工作的服务器的CPU使用率的第二乘积;
计算第一乘积与第二乘积之间的比值,并将第一权值与该比值的乘积确定为第一比值。
在一种可能的实现方式中,第二处理在根据加权比较的结果,从其他服务器中选择目标服务器时,用于:
基于预定排序方式,对加权比较结果进行排序,并将最小的加权比值对应的服务器确定为目标服务器。
本申请实施例的云资源调度装置可执行本申请上述实施例所示的资源调度方法,其实现原理相类似,本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的,对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述,此处不再赘述。
本申请实施例中提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,该处理器执行上述计算机程序以实现资源调度方法的步骤,与现有技术相比可实现:基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,使得可以基于权重值进行可配置的混合云资源调度,能够将云资源的权重值和综合资源基准对比算法相结合,实现对混合云资源的自动调度,提高弹性和效用;根据加权比较的结果,从其他服务器中选择目标服务器,并通过目标服务器提供资源服务实现从云计算面向服务的特点出发实现混合云资源的自动调度,使得面对异构的计算资源,且资源计算能力和网络环境等都有较大的差异时,可以并行、分布式的保证调度的有效性并实现有效管理。
在一个可选实施例中提供了一种电子设备,如图3所示,图3所示的电子设备4000包括:处理器4001和存储器4003。其中,处理器4001和存储器4003相连,如通过总线4002相连。可选地,电子设备4000还可以包括收发器4004,收发器4004可以用于该电子设备与其他电子设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器4004不限于一个,该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器4001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线4002可包括一通路,在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质,在此不做限定。
存储器4003用于存储执行本申请实施例的计算机程序,并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的计算机程序,以实现前述方法实施例所示的步骤。
本申请实施例提供了一种计算机可读存储介质,该计算机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可实现前述方法实施例的步骤及相应内容。
本申请实施例还提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
应该理解的是,虽然本申请实施例的流程图中通过箭头指示各个操作步骤,但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明,否则在本申请实施例的一些实施场景中,各流程图中的实施步骤可以按照需求以其他的顺序执行。此外,各流程图中的部分或全部步骤基于实际的实施场景,可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行,这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下,这些子步骤或者阶段的执行顺序可以根据需求灵活配置,本申请实施例对此不限制。
以上所述仅是本申请部分实施场景的可选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请的方案技术构思的前提下,采用基于本申请技术思想的其他类似实施手段,同样属于本申请实施例的保护范畴。
Claims (11)
1.一种云资源调度方法,其特征在于,包括:
对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,其中,所述首个正常工作的服务器和所述其他服务器均为混合云资源调度中提供资源服务的服务器,所述资源信息至少包括中央处理器CPU、内存信息、磁盘信息及网络资源;
根据加权比较的结果,从所述其他服务器中选择目标服务器,并通过所述目标服务器提供云资源服务。
2.根据权利要求1所述的方法,其特征在于,还包括:在每个资源调度周期内,计算所述权重值;
所述计算所述权重值,包括:
分别计算CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分;
将所述CPU占用评分、均衡资源的使用评分、磁盘平均存取时间评分、目标对象的标签评分、目标对象的亲和性评分和目标对象的节点匹配度评分的评分之和确定为所述权重值。
3.根据权利要求2所述的方法,其特征在于,所述计算CPU占用评分,包括:
基于第一预定计算公式,根据所述CPU的容量信息、针对所述CPU的请求信息,计算所述CPU占用评分。
4.根据权利要求2所述的方法,其特征在于,所述计算磁盘平均存取时间评分,包括:
基于预定寻道时间计算公式,计算所述磁盘的寻道时间;
基于预定延迟时间计算公式,计算所述磁盘的寻道延迟时间;
基于预定传输时间计算公式,计算所述磁盘的传输时间;
根据所述寻道时间、所述寻道延迟时间和所述传输时间,计算磁盘平均存取时间评分。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,包括:
针对每个其他服务器,根据第一权值、所述每个其他服务器的CPU信息、所述正常工作的服务器的CPU信息计算第一比值,根据第二权值、所述每个其他服务器的内存信息、所述正常工作的服务器的内存信息计算第二比值,根据第三权值、所述每个其他服务器的磁盘信息、所述正常工作的服务器的磁盘信息计算第三比值,以及根据第四权值、所述每个其他服务器的网络资源使用率、所述正常工作的服务器的网络资源使用率计算第四比值;
将所述第一比值、所述第二比值、所述第三比值及所述第四比值的和值,确定为所述每个其他服务器的资源信息与所述首个正常工作的服务器的资源信息的加权比值;
其中,所述第一权值、所述第二权值、所述第三权值及所述第四权值均是通过对所述权重值进行动态调整得到的;所述CPU信息包括CPU处理能力和CPU使用率;所述内存信息包括内存处理能力和内存使用率,所述磁盘信息包括磁盘处理能力和磁盘使用率。
6.根据权利要求5所述的方法,其特征在于,所述根据第一权值、所述每个其他服务器的CPU信息、所述正常工作的服务器的CPU信息计算第一比值,包括:
计算所述每个其他服务器的CPU处理能力与所述每个其他服务器的CPU使用率的第一乘积;
计算所述正常工作的服务器的CPU处理能力与所述正常工作的服务器的CPU使用率的第二乘积;
计算所述第一乘积与所述第二乘积之间的比值,并将所述第一权值与该比值的乘积确定为所述第一比值。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据加权比较的结果,从所述其他服务器中选择目标服务器,包括:
基于预定排序方式,对所述加权比较结果进行排序,并将最小的加权比值对应的服务器确定为所述目标服务器。
8.一种云资源调度装置,其特征在于,包括:
第一处理模块,用于对于每个资源调度周期,基于计算出的权重值,根据综合资源基准对比算法,将其他服务器的资源信息分别与首个正常工作的服务器的资源信息进行加权比较,其中,所述首个正常工作的服务器和所述其他服务器均为混合云资源调度中提供资源服务的服务器,所述资源信息至少包括中央处理器CPU、内存信息、磁盘信息及网络资源;
第二处理模块,用于根据加权比较的结果,从所述其他服务器中选择目标服务器,并通过所述目标服务器提供云资源服务。
9.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-7任一项所述方法的步骤。
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1-7任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,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1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210977005.4A CN115348268A (zh) | 2022-08-15 | 2022-08-15 | 云资源调度方法、装置、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210977005.4A CN115348268A (zh) | 2022-08-15 | 2022-08-15 | 云资源调度方法、装置、电子设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115348268A true CN115348268A (zh) | 2022-11-15 |
Family
ID=83951813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210977005.4A Pending CN115348268A (zh) | 2022-08-15 | 2022-08-15 | 云资源调度方法、装置、电子设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115348268A (zh) |
-
2022
- 2022-08-15 CN CN202210977005.4A patent/CN115348268A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11409556B2 (en) | Custom placement policies for virtual machines | |
US10637949B2 (en) | Transparent sharding of traffic across messaging brokers | |
CN109783237B (zh) | 一种资源配置方法及装置 | |
US7945913B2 (en) | Method, system and computer program product for optimizing allocation of resources on partitions of a data processing system | |
CN107430528B (zh) | 机会性资源迁移以优化资源放置 | |
US8190593B1 (en) | Dynamic request throttling | |
US20200364608A1 (en) | Communicating in a federated learning environment | |
US9582328B1 (en) | Allocation of resources in computing environments | |
US10754704B2 (en) | Cluster load balancing based on assessment of future loading | |
US11212125B2 (en) | Asset management with respect to a shared pool of configurable computing resources | |
US9483503B2 (en) | Placing a database | |
US10616134B1 (en) | Prioritizing resource hosts for resource placement | |
US9184982B2 (en) | Balancing the allocation of virtual machines in cloud systems | |
WO2012173641A1 (en) | Decentralized management of virtualized hosts | |
US8819239B2 (en) | Distributed resource management systems and methods for resource management thereof | |
WO2023196042A1 (en) | Data flow control in distributed computing systems | |
Li et al. | PageRankVM: A pagerank based algorithm with anti-collocation constraints for virtual machine placement in cloud datacenters | |
US20230300086A1 (en) | On-demand resource capacity in a serverless function-as-a-service infrastructure | |
US10990519B2 (en) | Multi-tenant cloud elastic garbage collector | |
US10594620B1 (en) | Bit vector analysis for resource placement in a distributed system | |
US11080092B1 (en) | Correlated volume placement in a distributed block storage service | |
CN115348268A (zh) | 云资源调度方法、装置、电子设备及计算机存储介质 | |
Ecarot et al. | Consumer-and-provider-oriented efficient IaaS resource allocation | |
Gupta et al. | Fault-Aware Task Scheduling for High Reliability | |
CN108540557A (zh) | 一种基于动态限速的云应用负载调度方法 |
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 |