CN115391028A - 资源分配系统、方法及装置 - Google Patents
资源分配系统、方法及装置 Download PDFInfo
- Publication number
- CN115391028A CN115391028A CN202210903545.8A CN202210903545A CN115391028A CN 115391028 A CN115391028 A CN 115391028A CN 202210903545 A CN202210903545 A CN 202210903545A CN 115391028 A CN115391028 A CN 115391028A
- Authority
- CN
- China
- Prior art keywords
- data
- resource
- period
- resource allocation
- database instance
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3433—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment for load management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- 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
- G06F9/5072—Grid computing
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/80—Database-specific techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/508—Monitor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了资源分配方法、装置及系统,所述方法通过数据库节点获取已有数据库实例的状态数据和/或资源使用数据;将数据发送至中心管理节点;中心管理节点根据第一周期的数据,获取已有数据库实例在第一周期内的负载变化特性数据;将负载变化特性数据发送至数据库节点;数据库节点根据负载变化特性数据和已有数据库实例在第二周期的数据,获取已有数据库实例在未来时间的资源分配数据。采用这种处理方式,使得将由中心管理节点控制资源分配转化为由中心管理节点和数据库节点相结合进行资源分配决策,可以有效提升资源弹升效率、准确率、鲁棒性。
Description
技术领域
本申请涉及无服务器数据库技术领域,具体涉及资源分配系统、方法和装置,以及电子设备。
背景技术
无服务器(Serverless)数据库是指基于Serverless架构下的数据库,无需用户创建实例,能够快速完成部署。用户使用数据库具备Serverless的使用特征,即按需计费,成本会极大地得以降低。
无服务器运维具备自动弹性的特性。关系型数据库是众多应用系统的数据大脑,需要及时、准确地弹升资源,否则会对应用系统造成阻塞,甚至造成整个系统的雪崩,因此提高Serverless数据库的弹升效率和准确率尤为重要。一种典型的资源弹升方式是,通过中心化的资源管理调度来决策具体的资源分配逻辑,避免资源冲突和数据一致性问题。具体而言,要将数据库节点(Agent)采集的数据传输到中心管理节点进行消费,中心管理节点消费决策后再将指令下发到数据库节点执行。
然而,在实现本发明过程中,发明人发现上述方案至少存在如下问题:1)一方面从Agent的数据采集到中心消费,需要数据传输和消费,另一方面中心消费决策下发执行需要再次将指令下发到Agent端,由此导致弹升效率低,约10秒到几分钟的弹性效率不等,从而对应用造成长时间的卡顿;2)整体时间长会导致正反馈无法有效调整,进而导致整体资源分配不合理,弹性准确率低,每次弹升后需要继续二次弹升做纠正,浪费更多的资源;3)中心化决策应对海量实例时,一旦中心节点做升级迭代或者异常会导致大面积故障。
发明内容
本申请提供资源分配方法,以解决现有技术存在的资源弹性效率、准确率及鲁棒性均较低的问题。本申请另外提供资源分配装置和系统,电子设备。
本申请提供一种资源分配方法,包括:
数据库节点获取已有数据库实例的状态数据和/或资源使用数据;
将所述资源使用数据和/或所述状态数据发送至中心管理节点;
接收中心管理节点发送的已有数据库实例在第一周期内的负载变化特性数据;
根据所述负载变化特性数据,以及已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
可选的,所述负载变化特性数据采用如下方式获取:
中心管理节点根据第一周期的所述资源使用数据,获取所述资源使用数据在第一周期内的多个时刻的统计数据;
根据所述多个时刻的统计数据,获取所述负载变化特性数据。
可选的,还包括:
中心管理节点根据第一周期的所述状态数据,获取数据库实例在第一周期内的多个时刻对资源的压力统计数据;
根据所述多个时刻的统计数据和所述多个时刻对资源的压力统计数据,获取所述负载变化特性数据。
可选的,所述负载变化特性数据包括:毛刺样变化,周期样变化,长期暂停样变化。
可选的,所述状态数据包括以下至少一项:数据库实例的连接数,每秒请求量,系统吞吐量,运行速度慢的结构化查询语句,缓存命中率;所述资源使用数据包括以下至少一项:中央处理器CPU的使用情况数据,内存使用情况数据,磁盘使用情况数据。
可选的,所述根据所述负载变化特性数据和已有数据库实例在第二周期内的所述资源使用数据,获取已有数据库实例在未来时间的第一资源分配数据,包括以下方式的至少一个:
若所述在第二周期内的所述资源使用数据和/或所述状态数据满足资源调整条件、且所述负载变化特性数据为毛刺样变化,则根据第一资源调整策略,获取所述第一资源分配数据;
若所述在第二周期内的所述资源使用数据和/或所述状态数据满足资源调整条件、且所述负载变化特性数据为周期样变化,则根据第二资源调整策略,获取所述第一资源分配数据。
可选的,所述资源调整条件包括:所述在第二周期内的所述资源使用数据超过第一资源使用阈值或者低于第二资源使用阈值;所述第一资源调整策略包括第一资源增加策略和第一资源减少策略,所述第二资源调整策略包括第二资源增加策略和第二资源减少策略。
可选的,还包括:
接收中心管理节点发送的已有数据库实例在未来时间的第二资源分配数据;
根据所述第一资源分配数据和第二资源分配数据,获取已有数据库实例在未来时间的第三资源分配数据。
可选的,还包括:
接收中心管理节点发送的新数据库实例或者迁移的数据库实例的第四资源分配数据;
根据所述第四资源分配数据,运行所述新数据库实例或者迁移的数据库实例。
可选的,还包括:
中心管理节点执行资源分配处理或者数据库节点执行资源分配处理时,对数据库节点的可分配资源进行加锁处理。
本申请还提供一种资源分配方法,包括:
接收数据库节点发送的已有数据库实例的状态数据和/或资源使用数据;
根据第一周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在第一周期内的负载变化特性数据;
将所述负载变化特性数据发送至数据库节点,以使得数据库节点根据所述负载变化特性数据,以及已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
可选的,还包括:
为新数据库实例或者迁移的数据库实例分配数据库节点的资源;
将资源分配数据发送至数据库节点,以使得数据库节点根据资源分配数据,运行新数据库实例或者迁移的数据库实例。
本申请还提供一种资源分配装置,包括:
数据采集单元,用于数据库节点获取已有数据库实例的状态数据和/或资源使用数据;
数据上报单元,用于将所述资源使用数据和/或所述状态数据发送至中心管理节点;
数据接收单元,用于接收中心管理节点发送的已有数据库实例在第一周期内的负载变化特性数据;
资源分配单元,用于根据所述负载变化特性数据和已有数据库实例在第二周期内的所述资源使用数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
本申请还提供一种资源分配装置,包括:
数据接收单元,用于接收数据库节点发送的已有数据库实例的状态数据和/或资源使用数据;
数据获取单元,用于根据第一周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在第一周期内的负载变化特性数据;
数据发送单元,用于将所述负载变化特性数据发送至数据库节点,以使得数据库节点根据所述负载变化特性数据,以及已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
本申请还提供一种电子设备,包括:
通信接口;
处理器和存储器;
存储器,用于存储实现上述方法的程序,该设备通电并通过所述处理器运行该方法的程序。
本申请还提供一种资源分配系统,包括:上述部署在数据库节点侧的资源分配装置,以及,上述部署在中心管理节点侧资源分配装置。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各种方法。
本申请还提供一种包括指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各种方法。
与现有技术相比,本申请具有以下优点:
本申请实施例提供的资源分配方法,通过数据库节点获取已有数据库实例的状态数据和/或资源(如CPU和内存)使用数据;将所述资源使用数据和/或所述状态数据发送至中心管理节点;中心管理节点根据第一周期(长周期,可以是天级,如30天)内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在第一周期内的负载变化特性数据;将所述负载变化特性数据发送至数据库节点;数据库节点根据所述负载变化特性数据和已有数据库实例在第二周期(短周期,可以是秒级,如30秒)内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间(如下一秒)的第一资源分配数据,所述第一周期的长度大于第二周期的长度。采用这种处理方式,使得将由中心管理节点控制资源分配转化为由中心管理节点和数据库节点相结合进行资源分配决策,在中心管理节点进行长周期趋势预测,利用数据库节点的算力冗余进行长短周期结合预测,实现了滑动窗口预测和去中心化的资源分配,避免中心管理节点和数据库节点之间的短周期资源分配数据通信,降低了链路消耗;因此,可以有效提升资源弹升效率和准确率,让计算资源更符合系统压力。此外,利用数据库节点的算力进行资源分配还可提升资源利用率。再者,采用中心管理节点和数据库节点相结合进行资源分配决策的方式,还使得即使中心管理节点做升级迭代或者出现异常,也不会影响数据库实例的资源分配;因此,可以有效提升资源分配的鲁棒性。
附图说明
图1本申请提供的资源分配系统的实施例的结构示意图;
图2本申请提供的资源分配系统的实施例的交互示意图;
图3a本申请提供的资源分配系统的实施例的数据库实例的负载需求呈毛刺样变化的示意图;
图3b本申请提供的资源分配系统的实施例的数据库实例的负载需求呈周期样变化的示意图;
图4本申请提供的资源分配系统的实施例的应用场景示意图;
图5本申请提供的资源分配方法的数据库节点实施例的流程示意图;
图6本申请提供的资源分配方法的中心管理节点实施例的流程示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本申请中,提供了资源分配系统、方法和装置,以及电子设备。在下面的实施例中逐一对各种方案进行详细说明。
无服务器(Serverless)数据库是指基于Serverless架构下的数据库,包括中心管理节点和多个数据库节点,其中数据库节点简称为边缘节点或者边缘服务器。用户的应用系统可使用Serverless数据库,此时无需用户创建数据库实例,能够快速完成部署。例如,某银行的客服系统和某企业的线上交易平台均使用Serverless数据库,该银行的客服系统对应数据库实例1,该企业的线上交易平台对应数据库实例2,数据库实例1和数据库实例2可运行在同一数据库节点上,也可运行在不同的数据库节点上,中心管理节点根据数据库实例1的负载变化情况和数据库实例2的负载变化情况,来实时调整数据库实例1和数据库实例2各自占用的数据库节点资源,如数据库节点的CPU和内存等资源。
第一实施例
请参看图1,其为本申请的资源分配系统的实施例的结构示意图。在本实施例中,所述系统包括:多个数据库节点1(数据库节点1-1至数据库节点1-n)和中心管理节点2。
所述系统包括可包括多个数据库节点1和一个中心管理节点2。如图2所示,数据库节点1用于获取已有数据库实例的状态数据和/或资源使用数据;将所述资源使用数据和/或所述状态数据发送至中心管理节点2;中心管理节点2,用于接收所述资源使用数据和/或所述状态数据;根据第一周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在第一周期内的负载变化特性数据;将所述负载变化特性数据发送至数据库节点1;数据库节点1接收中心管理节点2发送的已有数据库实例在第一周期内的负载变化特性数据;根据所述负载变化特性数据和已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据。
所述第一周期的长度大于第二周期的长度。根据第一周期的长度和第二周期的长度,将第一周期称为长周期,将第二周期称为短周期。第一周期可以是天级,如15天或者30天等,这样可根据数据库实例在最近30天的所述资源使用数据和所述状态数据的至少一者(如所述资源使用数据,或者所述状态数据,或者所述资源使用数据和所述状态数据),获取已有数据库实例在第一周期内的负载变化特性数据,该负载变化特性数据可称为数据库实例的长周期趋势模型。第二周期可以是滑动窗口,可以是秒级,如10秒或者30秒等,这样可根据数据库实例在最近30天的长周期趋势模型和数据库实例在最近30秒的所述资源使用数据和所述状态数据的至少一者,获取数据库实例在未来时间(如下一秒或者下两秒等)的第一资源分配数据。可见,数据库节点每次调整数据库实例的资源分配量时,无需从中心管理节点获取资源调整指令。
所述状态数据,包括但不限于以下至少一项:数据库实例的连接数,每秒请求量,系统吞吐量,运行速度慢的结构化查询语句,缓存命中率。所述资源使用数据,包括但不限于以下至少一项:中央处理器CPU的使用情况数据,内存使用情况数据,磁盘使用情况数据。
所述负载变化特性数据可以是数据库实例在长周期(第一周期)内的负载对资源的需求变化规律,可体现数据库实例的负载对资源的需求变化特征,负载对资源的需求变化会影响资源需求变化。所述负载变化特性数据,包括但不限于:毛刺样变化,周期样变化,长期暂停样变化。如图3a所示,毛刺样变化是指数据库实例的负载对资源的需求变化呈突变状,可以没有规律。如图3b所示,周期样变化是指数据库实例的负载对资源的需求呈周期状变化。长期暂停样变化是指数据库实例的负载对资源的需求变化较少。
中心管理节点可定期获取所述负载变化特性数据,如每天零点或者每天几次固定的时间触发执行根据第一周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在第一周期内的负载变化特性数据的处理过程,然后将负载变化特性数据下发到数据库节点。中心管理节点负责多个数据库节点上的多个数据库实例的获取负载变化特性数据的处理,中心管理节点将不同数据库实例的负载变化特性数据下发到对应的数据库节点。
在一个示例中,中心管理节点采用如下方式获取所述负载变化特性数据:中心管理节点根据第一周期的所述资源使用数据,获取所述资源使用数据在第一周期内的多个时刻的统计数据;根据所述多个时刻的统计数据,获取所述负载变化特性数据。
所述统计数据可以是任意一种资源使用数据在多个时刻的平均值、中值、最大值或者最小值等,如数据库实例A最近30天每天8时5分15秒的CPU使用率的平均值,或者内存使用率的平均值。具体实施时,可以获取多种资源使用数据分别在第一周期内的多个时刻的统计数据,然后可综合多个指标的所述统计数据来获取所述负载变化特性数据,这样可获取更加准确的负载变化特性数据。
在一个示例中,中心管理节点还可采用如下方式获取所述负载变化特性数据:中心管理节点根据第一周期的所述资源使用数据,获取所述资源使用数据在第一周期内的多个时刻的统计数据;根据第一周期的所述状态数据,获取数据库实例在第一周期内的多个时刻对资源的压力统计数据;根据所述多个时刻的统计数据和所述多个时刻对资源的压力统计数据,获取所述负载变化特性数据。
数据库实例的状态数据可体现数据库实例对资源的压力状况。所述压力统计数据可以是数据库实例的任意一种状态数据(如连接数、QPS、TPS等)在多个时刻的平均值、中值、最大值或者最小值等,如数据库实例A最近30天每天8时5分15秒的连接数的平均值,或者QPS的平均值。压力统计数据随着时间变大,则数据库实例需要资源弹升;压力统计数据随着时间变小,则数据库实例需要资源弹降低。
在一个示例中,中心管理节点还可采用如下方式获取所述负载变化特性数据:中心管理节点根据第一周期的所述状态数据,获取数据库实例在第一周期内的多个时刻对资源的压力统计数据;根据所述多个时刻对资源的压力统计数据,获取所述负载变化特性数据。
数据库节点可定期获取所述第一资源分配数据,如每5秒触发执行根据所述负载变化特性数据和已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据的处理过程,然后根据第一资源分配数据来调整数据库实例的资源规格。以数据库节点每5秒触发执行获取第一资源分配数据为例,假设第二周期为10秒,未来时间为下一秒,则数据库节点每5秒根据数据库实例在最近10秒的所述资源使用数据和/或所述状态数据,获取数据库实例在下一秒的第一资源分配数据。
在一个示例中,数据库节点获取所述第一资源分配数据,可采用如下方式的至少一个:1)若所述在第二周期内的所述资源使用数据和/或所述状态数据满足资源调整条件、且所述负载变化特性数据为毛刺样变化,则根据第一资源调整策略,获取所述第一资源分配数据;2)若所述在第二周期内的所述资源使用数据和/或所述状态数据满足资源调整条件、且所述负载变化特性数据为周期样变化,则根据第二资源调整策略,获取所述第一资源分配数据。
所述资源调整条件包括但不限于:所述在第二周期内的所述资源使用数据超过第一资源使用阈值(资源使用量上限)或者低于第二资源使用阈值(资源使用量下限)。具体实施时,可根据应用需求设置资源调整条件。
例如,数据库实例A在最近10秒的CPU使用率为85%,大于CPU资源使用量上限80%,则使用第一资源增加策略为数据库实例A分配更多的CPU资源,还可分配更多的内存。如果数据库实例A在最近10秒的CPU使用率为35%,小于CPU资源使用量下限50%,则使用第一资源减少策略为数据库实例A分配较少的CPU资源,还可减少内存。
所述第一资源调整策略包括第一资源增加策略和第一资源减少策略。例如,数据库实例A的负载变化特性数据为毛刺式变化,则第一资源增加策略为根据第一比例增加资源,如第一比例为2,则将CPU、内存等资源增加一倍;第一资源减少策略为根据第一比例减少资源,如第一比例为2,则将CPU、内存等资源减少一倍。
所述第二资源调整策略包括第二资源增加策略和第二资源减少策略。例如,数据库实例A的负载变化特性数据为周期式变化,则第二资源增加策略为根据第二比例增加资源,如第二比例为0.25,则将CPU、内存等资源增加25%;第二资源减少策略为根据第二比例减少资源,如第二比例为0.25,则将CPU、内存等资源减少25%。
在一个示例中,数据库节点还用于接收中心管理节点发送的已有数据库实例在未来时间的第二资源分配数据;根据所述第一资源分配数据和第二资源分配数据,获取已有数据库实例在未来时间的第三资源分配数据。
所述第二资源分配数据可采用如下方式获取:中心管理节点根据第一周期的所述资源使用数据和/或所述状态数据,获取所述资源使用数据和/或所述状态数据在第一周期内的多个时刻的统计数据;根据所述统计数据获取第二资源分配数据。例如,分析数据库实例A在第一周期内的多个时刻的CPU使用率的统计数据,如最近30天每天8时5分15秒的CPU使用率的平均值为30%,将该数据作为数据库实例A在8时5分15秒的第二资源分配数据,将通过上述方式获得的第一资源分配数据和第二资源分配数据进行加权求和,得到第三资源分配数据。采用这种处理方式,可进一步提升资源弹性调整的准确度。
在一个示例中,数据库节点还用于接收中心管理节点发送的新数据库实例或者迁移的数据库实例的第四资源分配数据;根据所述第四资源分配数据,运行所述新数据库实例或者迁移的数据库实例。中心管理节点可采用现有的资源分配逻辑确定新数据库实例或者迁移的数据库实例的第四资源分配数据。
具体实施时,本申请实施例提供的系统允许数据库节点对已有数据库实例进行资源分配,同时允许中心管理节点对新数据库实例或者迁移的数据库实例进行资源分配,分配的资源均为数据库节点的资源,可见两种资源分配会在同一时刻竞争同一资源。为了避免资源分配溢出,中心管理节点执行资源分配处理或者数据库节点执行资源分配处理时,可对数据库节点的可分配资源进行加锁处理。通过加锁控制同一时刻只能中心管理节点或者数据库节点进行资源分配。
如图4所示,在本实施例中,数据库节点可包括如下工作部件:探测器,第一采集器,第一分析器,第一资源分配器,资源加锁器,执行器;中心管理节点可包括:第二采集器,第二分析器,第二资源分配器。其中,探测器负责探测数据库实例的状态数据和资源使用数据,并进行上报至第一采集器和第二采集器。第一采集器对数据库节点本地分析所需要的数据进行采集,数据库节点本地需要的数据包括但不限于数据库实例对CPU、内存、磁盘等硬件资源的使用情况数据,还可包括数据库实例的状态数据(如连接数等)。第二采集器对中心管理节点预测分析所需要的数据进行采集,中心管理节点需要的数据包括但不限于数据库实例对CPU、内存、磁盘等硬件资源的使用情况信息,还可包括数据库实例的连接数、每秒请求量(QPS)、系统吞吐量(TPS)、慢SQL(结构化查询语句)、缓存命中率(CacheHit)等数据。第二分析器根据长周期(如最近30天)的资源使用数据和/或状态数据对数据库实例的负载变化特性进行分析和预测。第一分析器短周期(如最近10秒)的资源使用数据和状态数据对数据库实例在最近短周期进行分析和预测,并结合长周期的负载变化特性数据计算更准确的资源分配策略,如资源弹升两倍或者弹25%。资源分配器根据资源分配策略对资源进行调度分配,其中第一资源分配器只对该数据库节点本地的已有数据库实例进行资源调度分配,第二资源分配器可对多个数据库节点的新数据库实例或者迁移的数据库实例进行资源调度分配。资源加锁器解决多个数据库实例使用的资源在同一个数据库节点上的分配,避免资源数据分配不一致。执行器将资源分配器分配的结果执行在具体数据库实例上。
在一个示例中,数据库节点具体用于定时(如每秒)获取所述状态数据和资源使用数据。所述资源使用数据包括但不限于:数据库实例使用的CPU、内存、磁盘,连接数。所述状态数据包括但不限于:数据库实例的QPS(每秒请求数)、TPS(每秒事务数)、CacheHit(缓存击中率)。数据库节点具体用于将第二周期内的所述状态数据和资源使用数据存储在缓存中。中心管理节点具体用于将第一周期内的所述资源使用数据和所述状态数据存储在数据库中。中心管理节点装置可定期(如每天)生成所述负载变化特性数据。
下面以MySQL数据库为例,对资源分配的处理流程进行说明。该处理流程如下:
1、首先探测器定时(如每秒)对数据库实例当前的资源使用情况做探测,监测当前数据库进程使用的CPU、内存、磁盘,连接数作为MySQL的资源使用数据;监测实例的QPS(每秒请求数)、TPS(每秒事务数)、CacheHit(缓存击中率)等作为MySQL的状态数据。将资源使用数据和状态数据上报数据库节点的第一采集器和中心节点的第二采集器;
2、第一采集器搜集探测器上报的数据,会在缓存器(Cache)中缓存,同时第一采集器会维护一个时间T(即第二周期,如30秒)的窗口作为滑动窗口,窗口包含离当前最近的T时间内的所有数据,作为第一分析器的输入。
3、第二采集器搜集探测器上报的数据,会在落地历史库中,以便第二分析器定时分析;
4、第二分析器会每隔一段时间(如每天)对历史库的数据进行分析,通过机器学习生成数据库实例的负载变化特性数据,并下发负载变化特性数据到第一分析器作为输入使用;
5、第一分析器将结合实时滑动窗口内的数据以及第二分析器生成的负载变化特性数据作为参数分析,进行未来时间的资源使用变化趋势的预测。
6、第一资源分配器,按照第一分析器的结果获取资源锁,这样就得到了数据库节点的资源分配权,可抑制中心管理节点同时为新数据库实例分配资源的需求,然后完成资源调配;第二资源分配器,按照第二分析器的结果获取资源锁,这样就得到了数据库节点的资源分配权,可抑制数据库节点同时为已有数据库实例分配资源的需求,然后完成资源调配。
7、执行器收到执行指令之后,通过cgroup变更、磁盘扩容、变更数据库参数等方式修改数据库实例的资源分配相关参数,如BufferPool等。
从上述实施例可见,本申请实施例提供的资源分配方法,通过数据库节点获取已有数据库实例的状态数据和/或资源(如CPU和内存)使用数据;将所述资源使用数据和/或所述状态数据发送至中心管理节点;中心管理节点根据第一周期(长周期,可以是天级,如30天)内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在第一周期内的负载变化特性数据;将所述负载变化特性数据发送至数据库节点;数据库节点根据所述负载变化特性数据和已有数据库实例在第二周期(短周期,可以是秒级,如30秒)内的所述资源使用数据,获取已有数据库实例在未来时间(如下一秒)的第一资源分配数据,所述第一周期的长度大于第二周期的长度。采用这种处理方式,使得将由中心管理节点控制资源分配转化为由中心管理节点和数据库节点相结合进行资源分配决策,在中心管理节点进行长周期趋势预测,利用数据库节点的算力冗余进行长短周期结合预测,实现了滑动窗口预测和去中心化的资源分配,避免中心管理节点和数据库节点之间的短周期资源分配数据通信,降低了链路消耗;因此,可以有效提升资源弹升效率和准确率,让计算资源更符合系统压力。此外,利用数据库节点的算力进行资源分配还可提升资源利用率。再者,采用中心管理节点和数据库节点相结合进行资源分配决策的方式,还使得即使中心管理节点做升级迭代或者出现异常,也不会影响数据库实例的资源分配;因此,可以有效提升资源分配的鲁棒性。
第二实施例
在上述的实施例中,提供了一种资源分配系统,与之相对应的,本申请还提供一种资源分配方法,该方法的执行主体包括但不限于数据库节点。该方法是与上述系统的实施例相对应。由于方法实施例基本相似于系统实施例,所以描述得比较简单,相关之处参见系统实施例的部分说明即可。下述描述的方法实施例仅仅是示意性的。
请参看图5,其为本申请的资源分配方法的实施例的流程示意图。在本实施例中,所述方法包括:
步骤S501:数据库节点获取已有数据库实例的状态数据和/或资源使用数据。
所述状态数据,包括但不限于以下至少一项:数据库实例的连接数,每秒请求量,系统吞吐量,运行速度慢的结构化查询语句,缓存命中率。所述资源使用数据,包括但不限于以下至少一项:中央处理器CPU的使用情况数据,内存使用情况数据,磁盘使用情况数据。
步骤S503:将所述资源使用数据和/或所述状态数据发送至中心管理节点。
步骤S505:接收中心管理节点发送的已有数据库实例在第一周期内的负载变化特性数据。
步骤S507:根据所述负载变化特性数据和已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
所述第一周期的长度包括天级时长,如30天。所述第二周期的长度包括秒级时长,如30秒。所述未来时间的长度包括秒级时长,如下一秒或者下两秒。
所述负载变化特性数据可以是数据库实例在长周期(第一周期)内的负载需求变化规律,可体现数据库实例的负载需求变化特征。负载需求变化会影响资源需求变化。所述负载变化特性数据,包括但不限于:毛刺样变化,周期样变化,长期暂停样变化。如图3a所示,毛刺样变化是指数据库实例的负载需求呈突变状,可以没有规律。如图3b所示,周期样变化是指数据库实例的负载需求呈周期状变化。长期暂停样变化是指数据库实例的负载需求变化较少。
具体实施时,所述负载变化特性数据可采用如下方式获取:中心管理节点根据第一周期的所述资源使用数据,获取所述资源使用数据在第一周期内的多个时刻的统计数据;根据所述多个时刻的统计数据,获取所述负载变化特性数据。
具体实施时,所述方法还可包括如下步骤:中心管理节点根据第一周期的所述状态数据,获取数据库实例在第一周期内的多个时刻对资源的压力统计数据;根据所述多个时刻的统计数据和所述多个时刻对资源的压力统计数据,获取所述负载变化特性数据。
在一个示例中,步骤S507可采用如下方式的至少一个:若所述在第二周期内的所述资源使用数据满足资源调整条件、且所述负载变化特性数据为毛刺样变化,则根据第一资源调整策略,获取所述第一资源分配数据;若所述在第二周期内的所述资源使用数据满足资源调整条件、且所述负载变化特性数据为周期样变化,则根据第二资源调整策略,获取所述第一资源分配数据。
所述资源调整条件,包括但不限于:所述在第二周期内的所述资源使用数据超过第一资源使用阈值或者低于第二资源使用阈值;所述第一资源调整策略包括第一资源增加策略和第一资源减少策略,所述第二资源调整策略包括第二资源增加策略和第二资源减少策略。
在一个示例中,所述方法还可包括如下步骤:接收中心管理节点发送的已有数据库实例在未来时间的第二资源分配数据;根据所述第一资源分配数据和第二资源分配数据,获取已有数据库实例在未来时间的第三资源分配数据。
所述第二资源分配数据可采用如下方式获取:中心管理节点根据第一周期的所述资源使用数据,获取所述资源使用数据在第一周期内的多个时刻的统计数据;根据所述统计数据获取第二资源分配数据。例如,分析数据库实例A在第一周期内的多个时刻的CPU使用率的统计数据,如最近30天每天8时5分15秒的CPU使用率的平均值为30%,将该数据作为数据库实例A在8时5分15秒的第二资源分配数据,将通过上述方式获得的第一资源分配数据和第二资源分配数据进行加权求和,得到第三资源分配数据。采用这种处理方式,可进一步提升资源弹性调整的准确度。
在一个示例中,所述方法还可包括如下步骤:接收中心管理节点发送的新数据库实例或者迁移的数据库实例的第四资源分配数据;根据所述第四资源分配数据,运行所述新数据库实例或者迁移的数据库实例。
所述新数据库实例是指新创建的数据库实例,如用户新购买的数据库实例。所述已有数据库实例是指数据库节点已经运行的数据库实例。所述迁移的数据库实例是指从一个数据库节点迁移到另一个数据库的数据库实例,如当一个数据库节点不可用时,需要将该节点上的数据库实例迁移到其它数据库节点,此时要为迁移数据库实例分配节点和资源。
如图4所示,中心管理节点可包括第二资源分配器,用于为新数据库实例或者迁移的数据库实例分配资源数据。采用这种处理方式,使得中心管理节点不仅可以与数据库节点相配合来完成对数据库节点内已有数据库实例的资源调配,还可以采用现有的资源分配逻辑为新数据库实例或者迁移的数据库实例分配资源数据。
在一个示例中,所述方法还可包括如下步骤:中心管理节点执行资源分配处理或者数据库节点执行资源分配处理时,对数据库节点的可分配资源进行加锁处理。
具体实施时,本申请实施例提供的系统允许数据库节点对已有数据库实例进行资源分配,同时允许中心管理节点对新数据库实例或者迁移的数据库实例进行资源分配,分配的资源均为数据库节点的资源,可见两种资源分配会在同一时刻竞争同一资源。为了避免资源分配溢出,中心管理节点执行资源分配处理或者数据库节点执行资源分配处理时,可对数据库节点的可分配资源进行加锁处理。通过加锁控制同一时刻只能中心管理节点或者数据库节点进行资源分配。
第三实施例
在上述的实施例中,提供了一种资源分配方法,与之相对应的,本申请还提供一种资源分配装置。该装置是与上述调度方法的实施例相对应。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种资源分配装置,包括:数据采集单元,数据上报单元,数据接收单元,资源分配单元,
数据采集单元,用于数据库节点获取已有数据库实例的状态数据和/或资源使用数据;数据上报单元,用于将所述资源使用数据和/或所述状态数据发送至中心管理节点;数据接收单元,用于接收中心管理节点发送的已有数据库实例在第一周期内的负载变化特性数据;资源分配单元,用于根据所述负载变化特性数据和已有数据库实例在第二周期内的所述资源使用数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
在一个示例中,所述资源分配单元,具体用于若所述在第二周期内的所述资源使用数据满足资源调整条件、且所述负载变化特性数据为毛刺样变化,则根据第一资源调整策略,获取所述第一资源分配数据;若所述在第二周期内的所述资源使用数据满足资源调整条件、且所述负载变化特性数据为周期样变化,则根据第二资源调整策略,获取所述第一资源分配数据。
在一个示例中,所述装置还可包括:第二资源分配数据接收单元,用于接收中心管理节点发送的已有数据库实例在未来时间的第二资源分配数据;资源分配单元还用于根据所述第一资源分配数据和第二资源分配数据,获取已有数据库实例在未来时间的第三资源分配数据。
在一个示例中,所述装置还可包括:第四资源分配数据接收单元,用于接收中心管理节点发送的新数据库实例或者迁移的数据库实例的第四资源分配数据;根据所述第四资源分配数据,运行所述新数据库实例或者迁移的数据库实例。
在一个示例中,所述装置还可包括:资源加锁管理单元,用于中心管理节点执行资源分配处理或者数据库节点执行资源分配处理时,对数据库节点的可分配资源进行加锁处理。
第四实施例
在上述的实施例中,提供了一种资源分配系统,与之相对应的,本申请还提供一种资源分配方法,该方法的执行主体包括但不限于中心管理节点。该方法是与上述系统的实施例相对应。由于方法实施例基本相似于系统实施例,所以描述得比较简单,相关之处参见系统实施例的部分说明即可。下述描述的方法实施例仅仅是示意性的。
请参看图6,其为本申请的资源分配方法的实施例的流程示意图。在本实施例中,所述方法包括:
步骤S601:接收数据库节点装置发送的已有数据库实例的状态数据和资源使用数据。
步骤S601:根据第一周期内的所述资源使用数据和所述状态数据,生成已有数据库实例在第一周期内的负载变化特性数据。
步骤S601:将所述负载变化特性数据发送至数据库节点装置。
在一个示例中,所述方法还可包括如下步骤:为新数据库实例分配资源;将为新数据库实例分配的资源数据发送至数据库节点。
第五实施例
在上述的实施例中,提供了一种资源分配方法,与之相对应的,本申请还提供一种资源分配装置。该装置是与上述资源分配方法的实施例相对应。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请另外提供一种资源分配装置,包括:数据接收单元,长期特性数据生成单元,长期特性数据发送单元。
数据接收单元,用于接收数据库节点发送的已有数据库实例的状态数据和/或资源使用数据;数据获取单元,用于根据第一周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在第一周期内的负载变化特性数据;数据发送单元,用于将所述负载变化特性数据发送至数据库节点,以使得数据库节点根据所述负载变化特性数据,以及已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
在一个示例中,所述装置还可包括:第二资源分配单元,资源分配数据发送单元。资源分配单元,用于为新数据库实例分配资源;资源分配数据发送单元,将为新数据库实例分配的资源数据发送至数据库节点。
第六实施例
在上述的实施例中,提供了一种资源分配方法,与之相对应的,本申请还提供一种电子设备。该设备是与上述方法的实施例相对应。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本申请另外提供一种电子设备,包括:通信接口,处理器,存储器。其中,存储器用于存储实现上述方法实施例提供的资源分配方法的程序,该终端通电并通过所述处理器运行该方法的程序。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (13)
1.一种资源分配方法,包括:
数据库节点获取已有数据库实例的状态数据和/或资源使用数据;
将所述资源使用数据和/或所述状态数据发送至中心管理节点;
接收中心管理节点发送的已有数据库实例在第一周期内的负载变化特性数据;
根据所述负载变化特性数据,以及已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
2.根据权利要求1的方法,所述负载变化特性数据采用如下方式获取:
中心管理节点根据第一周期的所述资源使用数据,获取所述资源使用数据在第一周期内的多个时刻的统计数据;
根据所述多个时刻的统计数据,获取所述负载变化特性数据。
3.根据权利要求2的方法,还包括:
中心管理节点根据第一周期的所述状态数据,获取数据库实例在第一周期内的多个时刻对资源的压力统计数据;
根据所述多个时刻的统计数据和所述多个时刻对资源的压力统计数据,获取所述负载变化特性数据。
4.根据权利要求1的方法,所述根据所述负载变化特性数据和已有数据库实例在第二周期内的所述资源使用数据,获取已有数据库实例在未来时间的第一资源分配数据,包括以下方式的至少一个:
若所述在第二周期内的所述资源使用数据和/或所述状态数据满足资源调整条件、且所述负载变化特性数据为毛刺样变化,则根据第一资源调整策略,获取所述第一资源分配数据;
若所述在第二周期内的所述资源使用数据和/或所述状态数据满足资源调整条件、且所述负载变化特性数据为周期样变化,则根据第二资源调整策略,获取所述第一资源分配数据。
5.根据权利要求1的方法,还包括:
接收中心管理节点发送的已有数据库实例在未来时间的第二资源分配数据;
根据所述第一资源分配数据和第二资源分配数据,获取已有数据库实例在未来时间的第三资源分配数据。
6.根据权利要求1的方法,其特征在于,还包括:
接收中心管理节点发送的新数据库实例或者迁移的数据库实例的第四资源分配数据;
根据所述第四资源分配数据,运行所述新数据库实例或者迁移的数据库实例。
7.根据权利要求6的方法,还包括:
中心管理节点执行资源分配处理或者数据库节点执行资源分配处理时,对数据库节点的可分配资源进行加锁处理。
8.一种资源分配方法,包括:
接收数据库节点发送的已有数据库实例的状态数据和/或资源使用数据;
根据第一周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在第一周期内的负载变化特性数据;
将所述负载变化特性数据发送至数据库节点,以使得数据库节点根据所述负载变化特性数据,以及已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
9.根据权利要求8的方法,还包括:
为新数据库实例或者迁移的数据库实例分配数据库节点的资源;
将资源分配数据发送至数据库节点,以使得数据库节点根据资源分配数据,运行新数据库实例或者迁移的数据库实例。
10.一种资源分配装置,包括:
数据采集单元,用于数据库节点获取已有数据库实例的状态数据和/或资源使用数据;
数据上报单元,用于将所述资源使用数据和/或所述状态数据发送至中心管理节点;
数据接收单元,用于接收中心管理节点发送的已有数据库实例在第一周期内的负载变化特性数据;
资源分配单元,用于根据所述负载变化特性数据和已有数据库实例在第二周期内的所述资源使用数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
11.一种资源分配装置,包括:
数据接收单元,用于接收数据库节点发送的已有数据库实例的状态数据和/或资源使用数据;
数据获取单元,用于根据第一周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在第一周期内的负载变化特性数据;
数据发送单元,用于将所述负载变化特性数据发送至数据库节点,以使得数据库节点根据所述负载变化特性数据,以及已有数据库实例在第二周期内的所述资源使用数据和/或所述状态数据,获取已有数据库实例在未来时间的第一资源分配数据,所述第一周期的长度大于第二周期的长度。
12.一种电子设备,其特征在于,包括:
通信接口;
处理器和存储器;
所述存储器用于存储实现根据权利要求1-7或者8-9任一项所述方法的程序,该终端通电并通过所述处理器运行该方法的程序。
13.一种资源分配系统,包括:
根据权利要求10所述的资源分配装置,以及,根据权利要求11所述的资源分配装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210903545.8A CN115391028A (zh) | 2022-07-28 | 2022-07-28 | 资源分配系统、方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210903545.8A CN115391028A (zh) | 2022-07-28 | 2022-07-28 | 资源分配系统、方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115391028A true CN115391028A (zh) | 2022-11-25 |
Family
ID=84116966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210903545.8A Pending CN115391028A (zh) | 2022-07-28 | 2022-07-28 | 资源分配系统、方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115391028A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116431341A (zh) * | 2023-03-30 | 2023-07-14 | 浙江大学 | 资源规格调整方法、设备及存储介质 |
-
2022
- 2022-07-28 CN CN202210903545.8A patent/CN115391028A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116431341A (zh) * | 2023-03-30 | 2023-07-14 | 浙江大学 | 资源规格调整方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10873541B2 (en) | Systems and methods for proactively and reactively allocating resources in cloud-based networks | |
US11966788B2 (en) | Predictive autoscaling and resource optimization | |
US9396008B2 (en) | System and method for continuous optimization of computing systems with automated assignment of virtual machines and physical machines to hosts | |
EP1812863B1 (en) | Reporting of abnormal computer resource utilization data | |
US8880477B2 (en) | Latency-aware live migration for multitenant database platforms | |
US7076397B2 (en) | System and method for statistical performance monitoring | |
US7644162B1 (en) | Resource entitlement control system | |
US9152443B2 (en) | System and method for automated assignment of virtual machines and physical machines to hosts with right-sizing | |
US8234229B2 (en) | Method and apparatus for prediction of computer system performance based on types and numbers of active devices | |
CN100473021C (zh) | 用于通过调节网络控制进行自动的系统管理的系统和方法 | |
US11658920B2 (en) | System and method for autonomous and dynamic resource allocation in storage systems | |
US11726836B2 (en) | Predicting expansion failures and defragmenting cluster resources | |
Yu et al. | Integrating clustering and learning for improved workload prediction in the cloud | |
US20110035753A1 (en) | Mechanism for continuously and unobtrusively varying stress on a computer application while processing real user workloads | |
HoseinyFarahabady et al. | Q-flink: A qos-aware controller for apache flink | |
CN116467082A (zh) | 一种基于大数据的资源分配方法及系统 | |
CN115391028A (zh) | 资源分配系统、方法及装置 | |
Moradi et al. | Adaptive performance modeling and prediction of applications in multi-tenant clouds | |
Li et al. | Eigen: End-to-end Resource Optimization for Large-Scale Databases on the Cloud | |
Chen et al. | Towards resource-efficient cloud systems: Avoiding over-provisioning in demand-prediction based resource provisioning | |
US20130179890A1 (en) | Logical device distribution in a storage system | |
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 | |
Glatard et al. | Probabilistic and dynamic optimization of job partitioning on a grid infrastructure | |
CN113177060A (zh) | 一种管理sql语句的方法、装置及设备 | |
Dmytro et al. | Arima forecast models for scheduling usage of resources in it-infrastructure |
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 |