CN115412467B - 一种电子政务云中租户云资源利用率评估方法及系统 - Google Patents
一种电子政务云中租户云资源利用率评估方法及系统 Download PDFInfo
- Publication number
- CN115412467B CN115412467B CN202211063328.9A CN202211063328A CN115412467B CN 115412467 B CN115412467 B CN 115412467B CN 202211063328 A CN202211063328 A CN 202211063328A CN 115412467 B CN115412467 B CN 115412467B
- Authority
- CN
- China
- Prior art keywords
- utilization rate
- resource utilization
- tenant
- cloud
- service condition
- 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 29
- 238000003860 storage Methods 0.000 claims abstract description 76
- 238000013145 classification model Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000005265 energy consumption Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007635 classification algorithm Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012795 verification 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
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/46—Interconnection of networks
- H04L12/4641—Virtual LANs, VLANs, e.g. virtual private networks [VPN]
-
- 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
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
-
- 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)
- Environmental & Geological Engineering (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于电子政务云及云安全领域,提供了一种电子政务云中租户云资源利用率评估方法及系统。该方法包括,获取电子政务云中单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率;根据训练好的分类模型,确定计算类资源利用率的权重、存储类资源利用率的权重、网络类资源利用率的权重和安全设备资源利用率的权重;根据单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率,结合每项的权重,得到单一租户内单台虚拟机或者宿主机的利用率,进而得到单一租户内所有虚拟机和/或宿主机的利用率;综合所有租户内所有虚拟机和/或宿主机的利用率,得到电子政务云中租户云资源利用率。
Description
技术领域
本发明属于电子政务云及云安全领域,尤其涉及一种电子政务云中租户云资源利用率评估方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
电子政务云可以为政府各行政事业单位提供统一的计算、存储和网络资源服务,利用快速部署、横向扩展、按需分配、动态调整等特性,形成省级、市级的信息资源整合应用体系,有效节省省政府、市政府在基础设施方面的投入和降低IT能源消耗,促进数据和业务系统与基础设施平台分离,缩小了不同单位的业务系统建设水平的差距;整体提高政府信息化IT基础架构平均水平。
在尽可能控制电子政务云开销的情况,如何合理分配电子政务云资源关系到电子政务应用系统的可用性及可靠性;分配不当可能带来资源浪费或者应用系统无法正常提供服务。为实现合理分配电子政务云资源,需要提供可量化的评估指标及方法。
针对上述问题,基于大数据分析的主机资源利用率算法研究描述了一种基于大数据分析的主机资源利用率计算方法,主要实现计算平台资源使用情况,为后期资源的优化调度垫定基础,同时实现资源管理的目标仅仅讨论主机相关资源的利用率;对云中存储资源、安全设备资源暂未考虑,没有一个电子政务云所有资源的综合评估方法。
另外,电子政务云资源利用率有其自身特点,有别于公有云、其他私有云或者其他行业云。电子政务云资源类型包含计算、存储、网络、安全设备等,每一种类型资源使用率区别较大,计算类、网络类资源占比较大,存储类资源多依赖于宿主机存储资源,对远程的存储资源依赖较低。另外电子政务云场景中资源利用率需要关联某一租户,而不是笼统地评估整个电子政务云的资源利用率。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供一种电子政务云中租户云资源利用率评估方法及系统,其对电子政务云中计算、存储、网络、安全设备等资源开展利用率的综合评估,对应到某一个租户上,目的是完成单一租户电子政务云资源利用率的合理化评估,有效提升整体电子政务云资源利用率,为电子政务云资源的合理分配提出参考依据。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种电子政务云中租户云资源利用率评估方法。
一种电子政务云中租户云资源利用率评估方法,包括:
获取电子政务云中单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率;
根据训练好的分类模型,确定计算类资源利用率的权重、存储类资源利用率的权重、网络类资源利用率的权重和安全设备资源利用率的权重;
根据单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率,结合每项的权重,得到单一租户内单台虚拟机或者宿主机的利用率,进而得到单一租户内所有虚拟机和/或宿主机的利用率;
综合所有租户内所有虚拟机和/或宿主机的利用率,得到电子政务云中租户云资源利用率。
进一步地,所述计算类资源利用率包括:虚拟机或者宿主机的空白业务情况下CPU利用率FCR、空白业务情况下内存利用率FMR、空白业务情况下能耗FER、加载业务情况下CPU利用率RCR、加载业务情况下内存利用率RMR和加载业务情况下能耗RER,考虑租户内虚拟机是否关联GPU,若关联,需要考虑空白业务情况下GPU资源利用率FGR和加载业务情况下GPU利用率RGR。
进一步地,所述存储类资源利用率包括:虚拟机或者宿主机的空白业务情况下磁盘利用率FDR、加载业务情况下磁盘利用率RDR,需要考虑租户内虚拟机是否关联远程存储,若关联,需要考虑远程存储资源利用率RRR。
进一步地,所述网络类资源利用率包括:虚拟机或者宿主机的空白业务情况下网络利用率FIR和加载业务情况下网络利用率RIR。
进一步地,所述安全设备资源利用率包括:密码设备资源评估关联密码设备API接口调用次数NumOfAPI,非密码设备资源评估关联日志条目数量NumOfLog。
进一步地,所述单一租户内单台虚拟机或者宿主机的利用率=w计算*(RCR-FCR+RMR-FMR+RER-FER+RGR-FGR)+w存储*(RDR-FDR+RRR)+w网络*(RIR-FIR)+w安全设备*(NumOfAPI’+NumOfLog’)。
其中,w计算为计算类资源利用率,w存储为存储类资源利用率,w网络为网络类资源利用率,w安全设备为安全设备资源利用率,FCR为虚拟机或者宿主机的空白业务情况下CPU利用率,FMR为空白业务情况下内存利用率,FER为空白业务情况下能耗,RCR为加载业务情况下CPU利用率,RMR为加载业务情况下内存利用率,RER为加载业务情况下能耗,考虑租户内虚拟机是否关联GPU,若关联,需要考虑空白业务情况下GPU资源利用率FGR和加载业务情况下GPU利用率RGR;FDR为虚拟机或者宿主机的空白业务情况下磁盘利用率,RDR为加载业务情况下磁盘利用率,需要考虑租户内虚拟机是否关联远程存储,若关联,需要考虑远程存储资源利用率RRR,FIR为虚拟机或者宿主机的空白业务情况下网络利用率,RIR为加载业务情况下网络利用率,密码设备资源评估关联密码设备API接口调用次数NumOfAPI,非密码设备资源评估关联日志条目数量NumOfLog,NumOfAPI’是进行归一化处理后的NumOfAPI,NumOfLog’是进行归一化处理后的NumOfLog。
更进一步地,所述分类模型训练的过程包括:
获取单一租户内应用系统的访问频次NumOfVisit;
将FCRi、FMRi、FERi、FGRi、RCRi、RMRi、RERi、RGRi、FDRi、RDRi、RRRi、FIRi、RIRi、NumOfAPIi和NumOfLogi这些关联要素及对应的利用率标签作为输入数据,给定关联要素对应的利用率标签为输出数据,训练分类模型;
根据历史数据与分类模型输出的结果进行对比分析,动态调整权重赋值,使得历史数据与现有模型预测结果的差异最小,并采用访问频次NumOfVisit评价模型的优劣,使训练好的分类模型达到设定的条件;输出计算类资源利用率的权重、存储类资源利用率的权重、网络类资源利用率的权重和安全设备资源利用率的权重。
本发明的第二个方面提供一种电子政务云中租户云资源利用率评估系统。
一种电子政务云中租户云资源利用率评估系统,包括:
数据获取模块,其被配置为:获取电子政务云中单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率;
权重确定模块,其被配置为:根据训练好的分类模型,确定计算类资源利用率的权重、存储类资源利用率的权重、网络类资源利用率的权重和安全设备资源利用率的权重;
单一租户利用率确定模块,其被配置为:根据单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率,结合每项的权重,得到单一租户内单台虚拟机或者宿主机的利用率,进而得到单一租户内所有虚拟机和/或宿主机的利用率;
评估模块,其被配置为:综合所有租户内所有虚拟机和/或宿主机的利用率,得到电子政务云中租户云资源利用率。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一个方面所述的电子政务云中租户云资源利用率评估方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一个方面所述的电子政务云中租户云资源利用率评估方法中的步骤。
与现有技术相比,本发明的有益效果是:
1、本发明中评估要素采纳空白业务情况和加载业务情况资源利用率的差异,而不仅仅依赖于当前虚拟机或者宿主机的资源利用率。
2、本发明中综合考虑安全设备资源的利用率,而不仅仅考虑计算、存储和网络资源。
3、本发明中采用租户构建的应用系统的用户访问频次作为资源利用率高低的验证指标,对构建的资源利用率评估模型进行动态验证;基于该模型可以完成w计算、w存储、w网络、w安全设备等权重的动态优化调整。
4、本发明中采用机器学习的分类算法,将租户构建的应用系统的用户访问频次的归一化作为分类算法的标签数据,计算、存储、网络、安全设备利用率等关联要素的历史数据作为训练数据,采用大数据分析来完成分类模型的训练和预测。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例一示出的电子政务云中租户云资源利用率评估方法的流程图;
图2是本发明实施例一示出的电子政务云资源评估要素关联图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要注意的是,附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意,在有些作为备选的实现中,方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,或者它们有时也可以按照相反的顺序执行,这取决于所涉及的功能。同样应当注意的是,流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合,可以使用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以使用专用硬件与计算机指令的组合来实现。
实施例一
如图1所示,本实施例提供了一种电子政务云中租户云资源利用率评估方法,本实施例以该方法应用于服务器进行举例说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器和系统,并通过终端和服务器的交互实现。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务器、云通信、中间件服务、域名服务、安全服务CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。本实施例中,该方法包括以下步骤:
获取电子政务云中单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率;
根据训练好的分类模型,确定计算类资源利用率的权重、存储类资源利用率的权重、网络类资源利用率的权重和安全设备资源利用率的权重;
根据单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率,结合每项的权重,得到单一租户内单台虚拟机或者宿主机的利用率,进而得到单一租户内所有虚拟机和/或宿主机的利用率;
综合所有租户内所有虚拟机和/或宿主机的利用率,得到电子政务云中租户云资源利用率。
本实施例评估的电子政务云类型包括:计算、存储、网络及安全设备等。
在本实施例中,计算类资源评估关联租户内所有虚拟机的空白业务情况下CPU利用率FCR、空白业务情况下内存利用率FMR、空白业务情况下能耗FER、加载业务情况下CPU利用率RCR、加载业务情况下内存利用率RMR和加载业务情况下能耗RER,除此之外,需要考虑租户内虚拟机是否关联GPU,如果关联的话,需要考虑空白业务情况下GPU资源利用率FGR和加载业务情况下GPU利用率RGR,开展计算类资源的评估重点关注加载业务与空白业务之间的差异。
在本实施例中,存储类资源评估关联租户内所有虚拟机的空白业务情况下磁盘利用率FDR、加载业务情况下磁盘利用率RDR,除此之外,需要考虑租户内虚拟机是否关联远程存储,如果关联的话,需要考虑远程存储资源利用率RRR(业务使用的资源除以业务运行之初申请资源),开展存储类资源的评估重点关注加载业务与空白业务之间的差异。
在本实施例中,网络类资源评估关联租户内所有虚拟机的空白业务情况下网络利用率FIR,加载业务情况下网络利用率RIR。
在本实施例中,安全设备资源分为两类,一类是密码设备,另一类是非密码设备。密码设备资源评估关联密码设备API接口调用次数NumOfAPI,非密码设备资源评估关联日志条目数量NumOfLog。日志条目数量从非密码安全设备中提取与租户所有计算、存储或者网络资源相关的日志,而非本租户设备关联日志。
图2中关联要素的获取需要在单一租户的单一虚拟机或者宿主机完成信息的采集,假设单一租户内有N台虚拟机或者宿主机。在评价资源利用率时,是评价单个租户整体的利用率,一个租户包括多台虚拟机或者宿主机。利用率是租户内所有关联虚拟机和宿主机的总和。FCR、FMR、FER、FGR、RCR、RMR、RER、RGR、FDR、RDR、RRR、FIR、RIR、NumOfAPI和NumOfLog这些关联要素分别对应于FCRi、FMRi、FERi、FGRi、RCRi、RMRi、RERi、RGRi、FDRi、RDRi、RRRi、FIRi、RIRi、NumOfAPIi和NumOfLogi,其中i=1..N。
为了计算单一租户内各个关联要素的值,需要采纳加权平均求和,权重分别取自wi,其中i代表计算、存储、网络、安全设备,w计算+w存储+w网络+w安全设备=1。
初始情况下,计算密集型虚拟机或者宿主机w计算=0.5、w存储=0.1,存储密集型虚拟机或者宿主机w存储=0.5、w计算=0.1,这两种情况下w网络、w安全设备均取0.2。
最终租户内单台虚拟机或者宿主机的利用率=w计算*(RCR-FCR+RMR-FMR+RER-FER+RGR-FGR)+w存储*(RDR-FDR+RRR)+w网络*(RIR-FIR)+w安全设备*(NumOfAPI’+NumOfLog’),
其中,各个权重的值通过机器学习分类模型进行动态优化;分类模型是k近邻和朴素贝叶斯算法训练之后形成的模型,多种分类模型运算时采用Boosting算法,它可以把若干个分类器整合为一个分类器的方法,然后该Boosting算法基于历史数据可以训练出分类模型。输入数据包括:FCRi、FMRi、FERi、FGRi、RCRi、RMRi、RERi、RGRi、FDRi、RDRi、RRRi、FIRi、RIRi、NumOfAPIi和NumOfLogi这些关联要素及对应的利用率标签。输出就是给定关联要素对应的利用率标签。利用率标签出来结果之后,根据历史数据与现有模型预测的结果进行对比分析,再动态调整权重赋值,使得历史数据与现有模型预测结果的差异最小,得到训练好的分类模型。
通过分类模型输出各权重的值后,就可以根据上式计算租户内单台虚拟机的利用率。NumOfAPI’是进行归一化处理后的NumOfAPI,NumOfLog’是进行归一化处理后的NumOfLog。归一化处理的方法(NumOfAPIi-∑NumOfAPIi/N)/std,其中i=1..N,std为NumOfAPIi的标准差,i=1..N,N表示共计N台虚拟机或者宿主机。
另外,本实施例中采集单一租户内应用系统的访问频次NumOfVisit,访问频次作为租户内整体资源的利用率的评价指标,也作为单一租户利用率的一个标签。
访问频次通过业务系统日志完成数据统计获取。单个租户对应业务系统被访问频次的平均值,对访问频次数据做归一化处理即可获取到利用率,这个访问频次是用于模型优劣的评价。最终验证分类模型的优劣。
w计算、w存储、w网络、w安全设备等在模型创建之初设置,本实施例基于计算、存储、网络、安全设备利用率等关联要素的历史数据及各个租户对应应用系统访问频次的归一化指标NumOfVisit’开展基于大数据的数据挖掘,本实施例中采纳k近邻和朴素贝叶斯等分类算法,在构建完成的分类模型基础上,进行w计算、w存储、w网络、w安全设备等权重赋值的动态优化,选取符合特定应用场景,特定租户业务模型的权重,有效合理地评估电子政务云场景下资源综合利用率。
本实施例对电子政务云中的计算、存储、网络及安全设备等资源开展针对租户的综合评估,对比空白业务情况和加载业务情况资源利用率的差异,并结合机器学习中分类算法,分析电子政务云场景下利用率历史数据,开展大数据分析,动态优化和调整w计算、w存储、w网络、w安全设备等权重赋值。
其中,对比差异的方法是业务系统运行与静止前后的差异,业务系统静止(不运行)对应空白业务情况,加载业务情况对应业务系统运行。对比差异的目的是排除操作系统进程对资源利用率的影响。
实施例二
本实施例提供了一种电子政务云中租户云资源利用率评估系统。
一种电子政务云中租户云资源利用率评估系统,包括:
数据获取模块,其被配置为:获取电子政务云中单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率;
权重确定模块,其被配置为:根据训练好的分类模型,确定计算类资源利用率的权重、存储类资源利用率的权重、网络类资源利用率的权重和安全设备资源利用率的权重;
单一租户利用率确定模块,其被配置为:根据单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率,结合每项的权重,得到单一租户内单台虚拟机或者宿主机的利用率,进而得到单一租户内所有虚拟机和/或宿主机的利用率;
评估模块,其被配置为:综合所有租户内所有虚拟机和/或宿主机的利用率,得到电子政务云中租户云资源利用率。
此处需要说明的是,上述数据获取模块、权重确定模块、单一租户利用率确定模块和评估模块与实施例一中的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
实施例三
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例一所述的电子政务云中租户云资源利用率评估方法中的步骤。
实施例四
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述实施例一所述的电子政务云中租户云资源利用率评估方法中的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明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和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
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 (9)
1.一种电子政务云中租户云资源利用率评估方法,其特征在于,包括:
获取电子政务云中单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率;
所述安全设备资源利用率包括:密码设备资源评估关联密码设备API接口调用次数NumOfAPI,非密码设备资源评估关联日志条目数量NumOfLog;
根据训练好的分类模型,确定计算类资源利用率的权重、存储类资源利用率的权重、网络类资源利用率的权重和安全设备资源利用率的权重;
根据单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率,结合每项的权重,得到单一租户内单台虚拟机或者宿主机的利用率,进而得到单一租户内所有虚拟机和/或宿主机的利用率;
综合所有租户内所有虚拟机和/或宿主机的利用率,得到电子政务云中租户云资源利用率。
2.根据权利要求1所述的电子政务云中租户云资源利用率评估方法,其特征在于,所述计算类资源利用率包括:虚拟机或者宿主机的空白业务情况下CPU利用率FCR、空白业务情况下内存利用率FMR、空白业务情况下能耗FER、加载业务情况下CPU利用率RCR、加载业务情况下内存利用率RMR和加载业务情况下能耗RER,考虑租户内虚拟机是否关联GPU,若关联,需要考虑空白业务情况下GPU资源利用率FGR和加载业务情况下GPU利用率RGR。
3.根据权利要求1所述的电子政务云中租户云资源利用率评估方法,其特征在于,所述存储类资源利用率包括:虚拟机或者宿主机的空白业务情况下磁盘利用率FDR、加载业务情况下磁盘利用率RDR,需要考虑租户内虚拟机是否关联远程存储,若关联,需要考虑远程存储资源利用率RRR。
4.根据权利要求1所述的电子政务云中租户云资源利用率评估方法,其特征在于,所述网络类资源利用率包括:虚拟机或者宿主机的空白业务情况下网络利用率FIR和加载业务情况下网络利用率RIR。
5.根据权利要求1所述的电子政务云中租户云资源利用率评估方法,其特征在于,所述单一租户内单台虚拟机或者宿主机的利用率=w计算*(RCR-FCR+RMR-FMR+RER-FER+RGR-FGR)+w存储*(RDR-FDR+RRR)+w网络*(RIR-FIR)+w安全设备*(NumOfAPI’+NumOfLog’)
其中,w计算为计算类资源利用率,w存储为存储类资源利用率,w网络为网络类资源利用率,w安全设备为安全设备资源利用率,FCR为虚拟机或者宿主机的空白业务情况下CPU利用率,FMR为空白业务情况下内存利用率,FER为空白业务情况下能耗,RCR为加载业务情况下CPU利用率,RMR为加载业务情况下内存利用率,RER为加载业务情况下能耗,考虑租户内虚拟机是否关联GPU,若关联,需要考虑空白业务情况下GPU资源利用率FGR和加载业务情况下GPU利用率RGR;FDR为虚拟机或者宿主机的空白业务情况下磁盘利用率,RDR为加载业务情况下磁盘利用率,需要考虑租户内虚拟机是否关联远程存储,若关联,需要考虑远程存储资源利用率RRR,FIR为虚拟机或者宿主机的空白业务情况下网络利用率,RIR为加载业务情况下网络利用率,密码设备资源评估关联密码设备API接口调用次数NumOfAPI,非密码设备资源评估关联日志条目数量NumOfLog,NumOfAPI’是进行归一化处理后的NumOfAPI,NumOfLog’是进行归一化处理后的NumOfLog。
6.根据权利要求5所述的电子政务云中租户云资源利用率评估方法,其特征在于,所述分类模型训练的过程包括:
获取单一租户内应用系统的访问频次NumOfVisit;
将FCRi、FMRi、FERi、FGRi、RCRi、RMRi、RERi、RGRi、FDRi、RDRi、RRRi、FIRi、RIRi、NumOfAPIi和NumOfLogi这些关联要素及对应的利用率标签作为输入数据,给定关联要素对应的利用率标签为输出数据,训练分类模型;
根据历史数据与分类模型输出的结果进行对比分析,动态调整权重赋值,使得历史数据与现有模型预测结果的差异最小,并采用访问频次NumOfVisit评价模型的优劣,使训练好的分类模型达到设定的条件;输出计算类资源利用率的权重、存储类资源利用率的权重、网络类资源利用率的权重和安全设备资源利用率的权重。
7.一种电子政务云中租户云资源利用率评估系统,其特征在于,包括:
数据获取模块,其被配置为:获取电子政务云中单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率;
所述安全设备资源利用率包括:密码设备资源评估关联密码设备API接口调用次数NumOfAPI,非密码设备资源评估关联日志条目数量NumOfLog;
权重确定模块,其被配置为:根据训练好的分类模型,确定计算类资源利用率的权重、存储类资源利用率的权重、网络类资源利用率的权重和安全设备资源利用率的权重;
单一租户利用率确定模块,其被配置为:根据单一租户计算类资源利用率、存储类资源利用率、网络类资源利用率和安全设备资源利用率,结合每项的权重,得到单一租户内单台虚拟机或者宿主机的利用率,进而得到单一租户内所有虚拟机和/或宿主机的利用率;
评估模块,其被配置为:综合所有租户内所有虚拟机和/或宿主机的利用率,得到电子政务云中租户云资源利用率。
8.一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,该程序被处理器执行时实现如权利要求1-6中任一项所述的电子政务云中租户云资源利用率评估方法中的步骤。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一项所述的电子政务云中租户云资源利用率评估方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211063328.9A CN115412467B (zh) | 2022-09-01 | 2022-09-01 | 一种电子政务云中租户云资源利用率评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211063328.9A CN115412467B (zh) | 2022-09-01 | 2022-09-01 | 一种电子政务云中租户云资源利用率评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115412467A CN115412467A (zh) | 2022-11-29 |
CN115412467B true CN115412467B (zh) | 2023-11-07 |
Family
ID=84164211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211063328.9A Active CN115412467B (zh) | 2022-09-01 | 2022-09-01 | 一种电子政务云中租户云资源利用率评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115412467B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063265A (zh) * | 2014-07-04 | 2014-09-24 | 云南电网公司 | 一种虚拟资源的综合评估方法 |
WO2017010922A1 (en) * | 2015-07-14 | 2017-01-19 | Telefonaktiebolaget Lm Ericsson (Publ) | Allocation of cloud computing resources |
CN106445636A (zh) * | 2016-09-28 | 2017-02-22 | 郑州云海信息技术有限公司 | 一种paas平台下的动态资源调度算法 |
CN107800796A (zh) * | 2017-11-01 | 2018-03-13 | 重庆邮电大学 | 一种智能照明管控系统实现方法 |
CN113703962A (zh) * | 2021-07-22 | 2021-11-26 | 北京华胜天成科技股份有限公司 | 云资源分配方法、装置、电子设备及存储介质 |
CN113806017A (zh) * | 2021-09-10 | 2021-12-17 | 济南浪潮数据技术有限公司 | 云计算中虚拟机初始部署的方法、系统、设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11423327B2 (en) * | 2018-10-10 | 2022-08-23 | Oracle International Corporation | Out of band server utilization estimation and server workload characterization for datacenter resource optimization and forecasting |
-
2022
- 2022-09-01 CN CN202211063328.9A patent/CN115412467B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063265A (zh) * | 2014-07-04 | 2014-09-24 | 云南电网公司 | 一种虚拟资源的综合评估方法 |
WO2017010922A1 (en) * | 2015-07-14 | 2017-01-19 | Telefonaktiebolaget Lm Ericsson (Publ) | Allocation of cloud computing resources |
CN106445636A (zh) * | 2016-09-28 | 2017-02-22 | 郑州云海信息技术有限公司 | 一种paas平台下的动态资源调度算法 |
CN107800796A (zh) * | 2017-11-01 | 2018-03-13 | 重庆邮电大学 | 一种智能照明管控系统实现方法 |
CN113703962A (zh) * | 2021-07-22 | 2021-11-26 | 北京华胜天成科技股份有限公司 | 云资源分配方法、装置、电子设备及存储介质 |
CN113806017A (zh) * | 2021-09-10 | 2021-12-17 | 济南浪潮数据技术有限公司 | 云计算中虚拟机初始部署的方法、系统、设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
Prediction Of Cloud Computing Resource Utilization;T. Mehmood, S. Latif and S. Malik;2018 15th International Conference on Smart Cities: Improving Quality of Life Using ICT & IoT (HONET-ICT);全文 * |
按需供给的移动云计算动态安全服务;陈小华;董振江;金怡爱;;中兴通讯技术(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115412467A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084377B (zh) | 用于构建决策树的方法和装置 | |
Li et al. | A limited resource model of fault-tolerant capability against cascading failure of complex network | |
CN107621973B (zh) | 一种跨集群的任务调度方法及装置 | |
Xiao et al. | Achieving accountable MapReduce in cloud computing | |
CN107249035B (zh) | 一种等级动态可变的共享重复数据存储和读取方法 | |
CN102929989B (zh) | 一种地理空间数据在云计算平台上的负载均衡方法 | |
CN109189552B (zh) | 虚拟网络功能扩容与缩容方法及系统 | |
CN103310460A (zh) | 图像特征提取的方法及系统 | |
WO2021114025A1 (zh) | 增量数据确定方法、确定装置、服务器及终端设备 | |
CN113900598A (zh) | 基于区块链的数据存储方法、装置、设备以及存储介质 | |
CN111639902A (zh) | 基于kafka的数据审核方法、控制装置及计算机设备、存储介质 | |
CN115033340A (zh) | 一种宿主机的选择方法及相关装置 | |
WO2022100861A1 (en) | Device and method for classifying input data | |
Zhao et al. | Utility optimization of federated learning with differential privacy | |
US20170046435A1 (en) | Search engine results system using entity density | |
Li et al. | Multi-chain and data-chains partitioning algorithm in intelligent manufacturing CPS | |
CN112990583B (zh) | 一种数据预测模型的入模特征确定方法及设备 | |
CN115412467B (zh) | 一种电子政务云中租户云资源利用率评估方法及系统 | |
CN116186629B (zh) | 基于个性化联邦学习的金融客户分类及预测方法、装置 | |
CN109067719A (zh) | 区块链应用中提高数据处理效率的方法 | |
CN104580536A (zh) | 一种元数据集群负载平衡实现方法 | |
CN113157435B (zh) | 云数据中心以能效为目标的虚拟机部署方法及系统 | |
CN115328786A (zh) | 一种基于区块链的自动化测试方法、装置和存储介质 | |
CN112560721B (zh) | 无感知模型切换方法、装置、电子设备及存储介质 | |
CN115934418A (zh) | 一种基于Attention-GRU算法的档案管理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |