CN115499443A - 基于超融合基础构架的高可用系统及方法 - Google Patents
基于超融合基础构架的高可用系统及方法 Download PDFInfo
- Publication number
- CN115499443A CN115499443A CN202211433091.9A CN202211433091A CN115499443A CN 115499443 A CN115499443 A CN 115499443A CN 202211433091 A CN202211433091 A CN 202211433091A CN 115499443 A CN115499443 A CN 115499443A
- Authority
- CN
- China
- Prior art keywords
- matching
- computing
- storage
- monitoring data
- data
- 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.)
- Granted
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
-
- 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
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized 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)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例涉及云计算技术领域,具体公开了基于超融合基础构架的高可用系统及方法。本发明实施例通过确定多个计算机设备,基于超融合基础构架,构建多个计算节点;进行云计算需求监测,并对多个计算节点进行状态监测;进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理;进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理;进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理。能够将场景中的多个计算机设备构建多个计算节点,进行需求与状态的分析与匹配,进行不同的计算处理、存储处理和传输处理,从而能够合理利用闲置的算力、储存和网络,有效发挥超融合基础构架的高可用应用与扩展。
Description
技术领域
本发明属于云计算技术领域,尤其涉及基于超融合基础构架的高可用系统及方法。
背景技术
超融合基础架构,是指在同一套单元设备中不仅仅具备计算、网络、存储和服务器虚拟化等资源和技术,而且还包括备份软件、快照技术、重复数据删除、在线数据压缩等元素,而多套单元设备可以通过网络聚合起来,实现模块化的无缝横向扩展,形成统一的资源池。超融合在本地很容易实现:将计算、网络和存储都集成在一个设备内,并且通过它由供应商预先配置好且差不多到手就可以使用。超融合基础架构是实现“软件定义数据中心”的终极技术途径,类似Google、Facebook后台的大规模基础架构模式,可以为数据中心带来最优的效率、灵活性、规模、成本和数据保护。
超融合基础构架的高可用应用在企业、学校等场景中时,无法与场景中的其他计算机设备进行算力、储存和网络的应用,导致闲置的算力、储存和网络浪费,且无法有效发挥超融合基础构架的高可用应用与扩展。
发明内容
本发明实施例的目的在于提供基于超融合基础构架的高可用系统及方法,旨在解决背景技术中提出的问题。
为实现上述目的,本发明实施例提供如下技术方案:
基于超融合基础构架的高可用方法,所述方法具体包括以下步骤:
获取设备连接信息,确定多个计算机设备,基于超融合基础构架,将多个所述计算机设备构建多个计算节点;
进行云计算需求监测,生成需求监测数据,并对多个所述计算节点进行状态监测,生成多个状态监测数据;
综合所述需求监测数据和多个所述状态监测数据进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理;
综合所述需求监测数据和多个所述状态监测数据进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理;
综合所述需求监测数据和多个所述状态监测数据进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理。
作为本发明实施例技术方案进一步的限定,所述获取设备连接信息,确定多个计算机设备,基于超融合基础构架,将多个所述计算机设备构建多个计算节点具体包括以下步骤:
获取设备连接信息;
对所述设备连接信息进行功能分析,生成功能分析结果;
根据所述功能分析结果,确定多个计算机设备;
基于超融合基础构架,将多个所述计算机设备构建多个计算节点。
作为本发明实施例技术方案进一步的限定,所述进行云计算需求监测,生成需求监测数据,并对多个所述计算节点进行状态监测,生成多个状态监测数据具体包括以下步骤:
对云计算的计算虚拟化进行需求实时监测,生成计算需求监测数据;
对云计算的存储虚拟化进行需求实时监测,生成存储需求监测数据;
对云计算的网络虚拟化进行需求实时监测,生成网络需求监测数据;
对多个所述计算节点进行状态实时监测,生成多个状态监测数据。
作为本发明实施例技术方案进一步的限定,所述综合所述需求监测数据和多个所述状态监测数据进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理具体包括以下步骤:
对多个所述状态监测数据进行算力分析,标记多个实时算力设备;
根据多个所述实时算力设备,标记多个对应的算力节点;
根据所述计算需求监测数据,对多个所述实时算力设备进行算力虚拟化匹配,生成算力匹配数据;
按照所述算力匹配数据,进行多个算力节点的计算处理。
作为本发明实施例技术方案进一步的限定,所述综合所述需求监测数据和多个所述状态监测数据进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理具体包括以下步骤:
对多个所述状态监测数据进行存储分析,标记多个实时存储设备;
根据多个所述实时存储设备,标记多个对应的存储节点;
根据所述存储需求监测数据,对多个所述实时存储设备进行存储虚拟化匹配,生成存储匹配数据;
按照所述存储匹配数据,进行多个存储节点的存储处理。
作为本发明实施例技术方案进一步的限定,所述综合所述需求监测数据和多个所述状态监测数据进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理具体包括以下步骤:
对多个所述状态监测数据进行网络分析,标记多个实时网络设备;
根据多个所述实时网络设备,标记多个对应的网络节点;
根据所述网络需求监测数据,对多个所述实时网络设备进行网络虚拟化匹配,生成网络匹配数据;
按照所述网络匹配数据,进行多个网络节点的传输处理。
基于超融合基础构架的高可用系统,所述系统包括计算节点构建单元、状态需求监测单元、算力匹配处理单元、存储匹配处理单元和网络匹配处理单元,其中:
计算节点构建单元,用于获取设备连接信息,确定多个计算机设备,基于超融合基础构架,将多个所述计算机设备构建多个计算节点;
状态需求监测单元,用于进行云计算需求监测,生成需求监测数据,并对多个所述计算节点进行状态监测,生成多个状态监测数据;
算力匹配处理单元,用于综合所述需求监测数据和多个所述状态监测数据进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理;
存储匹配处理单元,用于综合所述需求监测数据和多个所述状态监测数据进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理;
网络匹配处理单元,用于综合所述需求监测数据和多个所述状态监测数据进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理。
作为本发明实施例技术方案进一步的限定,所述计算节点构建单元具体包括:
信息获取模块,用于获取设备连接信息;
功能分析模块,用于对所述设备连接信息进行功能分析,生成功能分析结果;
设备确定模块,用于根据所述功能分析结果,确定多个计算机设备;
节点构建模块,用于基于超融合基础构架,将多个所述计算机设备构建多个计算节点。
作为本发明实施例技术方案进一步的限定,所述状态需求监测单元具体包括:
计算监测模块,用于对云计算的计算虚拟化进行需求实时监测,生成计算需求监测数据;
存储监测模块,用于对云计算的存储虚拟化进行需求实时监测,生成存储需求监测数据;
网络监测模块,用于对云计算的网络虚拟化进行需求实时监测,生成网络需求监测数据;
状态监测模块,用于对多个所述计算节点进行状态实时监测,生成多个状态监测数据。
作为本发明实施例技术方案进一步的限定,所述算力匹配处理单元具体包括:
算力分析模块,用于对多个所述状态监测数据进行算力分析,标记多个实时算力设备;
节点标记模块,用于根据多个所述实时算力设备,标记多个对应的算力节点;
虚拟化匹配模块,用于根据所述计算需求监测数据,对多个所述实时算力设备进行算力虚拟化匹配,生成算力匹配数据;
计算处理模块,用于按照所述算力匹配数据,进行多个算力节点的计算处理。
与现有技术相比,本发明的有益效果是:
本发明实施例通过确定多个计算机设备,基于超融合基础构架,构建多个计算节点;进行云计算需求监测,并对多个计算节点进行状态监测;进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理;进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理;进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理。能够将场景中的多个计算机设备构建多个计算节点,进行需求与状态的分析与匹配,进行不同的计算处理、存储处理和传输处理,从而能够合理利用闲置的算力、储存和网络,有效发挥超融合基础构架的高可用应用与扩展。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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发明的一些实施例。
图1示出了本发明实施例提供的方法的流程图。
图2示出了本发明实施例提供的方法中构建多个计算节点的流程图。
图3示出了本发明实施例提供的方法中需求监测状态监测的流程图。
图4示出了本发明实施例提供的方法中计算节点计算处理的流程图。
图5示出了本发明实施例提供的方法中计算节点存储处理的流程图。
图6示出了本发明实施例提供的方法中计算节点传输处理的流程图。
图7示出了本发明实施例提供的系统的应用架构图。
图8示出了本发明实施例提供的系统中计算节点构建单元的结构框图。
图9示出了本发明实施例提供的系统中状态需求监测单元的结构框图。
图10示出了本发明实施例提供的系统中算力匹配处理单元的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解的是,现有技术中,超融合基础构架的高可用应用在企业、学校等场景时,无法与场景中的其他计算机设备进行算力、储存和网络的应用,导致闲置的算力、储存和网络浪费,且无法有效发挥超融合基础构架的高可用应用与扩展。
为解决上述问题,本发明实施例通过确定多个计算机设备,基于超融合基础构架,构建多个计算节点;进行云计算需求监测,并对多个计算节点进行状态监测;进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理;进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理;进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理。能够将场景中的多个计算机设备构建多个计算节点,进行需求与状态的分析与匹配,进行不同的计算处理、存储处理和传输处理,从而能够合理利用闲置的算力、储存和网络,有效发挥超融合基础构架的高可用应用与扩展。
图1示出了本发明实施例提供的方法的流程图。
具体的,基于超融合基础构架的高可用方法,所述方法具体包括以下步骤:
步骤S101,获取设备连接信息,确定多个计算机设备,基于超融合基础构架,将多个所述计算机设备构建多个计算节点。
在本发明实施例中,企业、学校等场景中,各个设备的连接情况通常需要进行记录,生成设备连接信息,设备连接信息中记录有连接网络的计算机设备、监控设备、生产设备、实验设备等,通过获取设备连接信息,并对设备连接信息进行功能分析,生成功能分析结果,按照功能分析结果,确定该场景中具有的多个计算机设备,并获取多个计算机设备分别对应的通信地址,进而通过基于超融合基础构架,按照多个通信地址,将多个计算机设备进行多个计算节点的构建。
具体的,图2示出了本发明实施例提供的方法中构建多个计算节点的流程图。
其中,在本发明提供的优选实施方式中,所述获取设备连接信息,确定多个计算机设备,基于超融合基础构架,将多个所述计算机设备构建多个计算节点具体包括以下步骤:
步骤S1011,获取设备连接信息。
步骤S1012,对所述设备连接信息进行功能分析,生成功能分析结果。
步骤S1013,根据所述功能分析结果,确定多个计算机设备。
步骤S1014,基于超融合基础构架,将多个所述计算机设备构建多个计算节点。
进一步的,所述基于超融合基础构架的高可用方法还包括以下步骤:
步骤S102,进行云计算需求监测,生成需求监测数据,并对多个所述计算节点进行状态监测,生成多个状态监测数据。
在本发明实施例中,通过对云计算的计算虚拟化、存储虚拟化和网络虚拟化的需求分别进行实时监测,生成计算需求监测数据、存储需求监测数据和网络需求监测数据,且通过对多个计算节点对应的计算机设备进行状态实时监测,生成与多个计算节点相对应的状态监测数据,每个状态监测数据均包含计算状态监测数据、存储状态监测数据和网络状态监测数据。
具体的,图3示出了本发明实施例提供的方法中需求监测状态监测的流程图。
其中,在本发明提供的优选实施方式中,所述进行云计算需求监测,生成需求监测数据,并对多个所述计算节点进行状态监测,生成多个状态监测数据具体包括以下步骤:
步骤S1021,对云计算的计算虚拟化进行需求实时监测,生成计算需求监测数据。
步骤S1022,对云计算的存储虚拟化进行需求实时监测,生成存储需求监测数据。
步骤S1023,对云计算的网络虚拟化进行需求实时监测,生成网络需求监测数据。
步骤S1024,对多个所述计算节点进行状态实时监测,生成多个状态监测数据。
进一步的,所述基于超融合基础构架的高可用方法还包括以下步骤:
步骤S103,综合所述需求监测数据和多个所述状态监测数据进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理。
在本发明实施例中,通过对多个状态监测数据进行相应的计算机设备的算力分析,在具有闲置算力时,将对应的计算机设备标记为实时算力设备,进而将实时算力设备对应的计算节点标记为算力节点,从而得到多个实时算力设备和对应的算力节点,再对计算需求监测数据进行算力需求分析,按照相应的算力需求,对多个算力节点进行虚拟化匹配(匹配的过程可以是均分),生成算力匹配数据,进而按照算力匹配数据,对多个算力节点分配相应的算力需求进行计算处理。
可以理解的是,多个计算节点计算处理的过程,能够实现对计算机设备的服务器物理资源的抽象,将CPU、GPU等服务器物理资源转化为一组可统一管理、调度和分配的逻辑资源,并基于这些逻辑资源在单个物理服务器上构建多个同时运行、相互隔离的虚拟机执行环境,实现更高的资源利用率。
具体的,图4示出了本发明实施例提供的方法中计算节点计算处理的流程图。
其中,在本发明提供的优选实施方式中,所述综合所述需求监测数据和多个所述状态监测数据进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理具体包括以下步骤:
步骤S1031,对多个所述状态监测数据进行算力分析,标记多个实时算力设备。
步骤S1032,根据多个所述实时算力设备,标记多个对应的算力节点。
步骤S1033,根据所述计算需求监测数据,对多个所述实时算力设备进行算力虚拟化匹配,生成算力匹配数据。
步骤S1034,按照所述算力匹配数据,进行多个算力节点的计算处理。
进一步的,所述基于超融合基础构架的高可用方法还包括以下步骤:
步骤S104,综合所述需求监测数据和多个所述状态监测数据进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理。
在本发明实施例中,通过对多个状态监测数据进行相应的计算机设备的存储分析,在具有闲置存储时,将对应的计算机设备标记为实时存储设备,进而将实时存储设备对应的计算节点标记为存储节点,从而得到多个实时存储设备和对应的存储节点,再对计算需求监测数据进行存储需求分析,按照相应的存储需求,对多个存储节点进行虚拟化匹配(匹配的过程可以是均分),生成存储匹配数据,进而按照存储匹配数据,对多个存储节点分配相应的存储需求进行存储处理。
可以理解的是,多个计算节点存储处理的过程,是将多个存储节点的服务器上独立的硬盘存储空间进行组织聚合,构成一个共享的存储资源池,所有的存储资源在这个存储池中统一管理,实现存储资源的自动化管理和分配,构建高效灵活的存储架构与管理平台,提供高可靠、高性能存储。
具体的,图5示出了本发明实施例提供的方法中计算节点存储处理的流程图。
其中,在本发明提供的优选实施方式中,所述综合所述需求监测数据和多个所述状态监测数据进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理具体包括以下步骤:
步骤S1041,对多个所述状态监测数据进行存储分析,标记多个实时存储设备。
步骤S1042,根据多个所述实时存储设备,标记多个对应的存储节点。
步骤S1043,根据所述存储需求监测数据,对多个所述实时存储设备进行存储虚拟化匹配,生成存储匹配数据。
步骤S1044,按照所述存储匹配数据,进行多个存储节点的存储处理。
进一步的,所述基于超融合基础构架的高可用方法还包括以下步骤:
步骤S105,综合所述需求监测数据和多个所述状态监测数据进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理。
在本发明实施例中,通过对多个状态监测数据进行相应的计算机设备的网络分析,在具有闲置网络时,将对应的计算机设备标记为实时网络设备,进而将实时网络设备对应的计算节点标记为网络节点,从而得到多个实时网络设备和对应的网络节点,再对网络需求监测数据进行网络需求分析,按照相应的网络需求,对多个网络节点进行虚拟化匹配(匹配的过程可以是均分),生成网络匹配数据,进而按照网络匹配数据,对多个网络节点分配相应的网络需求进行传输处理。
可以理解的是,多个计算节点传输处理的过程,通过实现网络中所需的各类网络连接服务按需分配和灵活调度,可满足应用对网络快速、灵活自动化部署的需求,具体包括:路由、交换、安全和负载均衡等。
具体的,图6示出了本发明实施例提供的方法中计算节点传输处理的流程图。
其中,在本发明提供的优选实施方式中,所述综合所述需求监测数据和多个所述状态监测数据进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理具体包括以下步骤:
步骤S1051,对多个所述状态监测数据进行网络分析,标记多个实时网络设备。
步骤S1052,根据多个所述实时网络设备,标记多个对应的网络节点。
步骤S1053,根据所述网络需求监测数据,对多个所述实时网络设备进行网络虚拟化匹配,生成网络匹配数据。
步骤S1054,按照所述网络匹配数据,进行多个网络节点的传输处理。
进一步的,图7示出了本发明实施例提供的系统的应用架构图。
其中,在本发明提供的又一个优选实施方式中,基于超融合基础构架的高可用系统,包括:
计算节点构建单元101,用于获取设备连接信息,确定多个计算机设备,基于超融合基础构架,将多个所述计算机设备构建多个计算节点。
在本发明实施例中,企业、学校等场景中,各个设备的连接情况通常需要进行记录,生成设备连接信息,设备连接信息中记录有连接网络的计算机设备、监控设备、生产设备、实验设备等,计算节点构建单元101通过获取设备连接信息,并对设备连接信息进行功能分析,生成功能分析结果,按照功能分析结果,确定该场景中具有的多个计算机设备,并获取多个计算机设备分别对应的通信地址,进而通过基于超融合基础构架,按照多个通信地址,将多个计算机设备进行多个计算节点的构建。
具体的,图8示出了本发明实施例提供的系统中计算节点构建单元101的结构框图。
其中,在本发明提供的优选实施方式中,所述计算节点构建单元101具体包括:
信息获取模块1011,用于获取设备连接信息。
功能分析模块1012,用于对所述设备连接信息进行功能分析,生成功能分析结果。
设备确定模块1013,用于根据所述功能分析结果,确定多个计算机设备。
节点构建模块1014,用于基于超融合基础构架,将多个所述计算机设备构建多个计算节点。
进一步的,所述基于超融合基础构架的高可用系统还包括:
状态需求监测单元102,用于进行云计算需求监测,生成需求监测数据,并对多个所述计算节点进行状态监测,生成多个状态监测数据。
在本发明实施例中,状态需求监测单元102对云计算的计算虚拟化、存储虚拟化和网络虚拟化的需求分别进行实时监测,生成计算需求监测数据、存储需求监测数据和网络需求监测数据,且通过对多个计算节点对应的计算机设备进行状态实时监测,生成与多个计算节点相对应的状态监测数据,每个状态监测数据均包含计算状态监测数据、存储状态监测数据和网络状态监测数据。
具体的,图9示出了本发明实施例提供的系统中状态需求监测单元102的结构框图。
其中,在本发明提供的优选实施方式中,所述状态需求监测单元102具体包括:
计算监测模块1021,用于对云计算的计算虚拟化进行需求实时监测,生成计算需求监测数据。
存储监测模块1022,用于对云计算的存储虚拟化进行需求实时监测,生成存储需求监测数据。
网络监测模块1023,用于对云计算的网络虚拟化进行需求实时监测,生成网络需求监测数据。
状态监测模块1024,用于对多个所述计算节点进行状态实时监测,生成多个状态监测数据。
进一步的,所述基于超融合基础构架的高可用系统还包括:
算力匹配处理单元103,用于综合所述需求监测数据和多个所述状态监测数据进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理。
在本发明实施例中,算力匹配处理单元103通过对多个状态监测数据进行相应的计算机设备的算力分析,在具有闲置算力时,将对应的计算机设备标记为实时算力设备,进而将实时算力设备对应的计算节点标记为算力节点,从而得到多个实时算力设备和对应的算力节点,再对计算需求监测数据进行算力需求分析,按照相应的算力需求,对多个算力节点进行虚拟化匹配(匹配的过程可以是均分),生成算力匹配数据,进而按照算力匹配数据,对多个算力节点分配相应的算力需求进行计算处理。
具体的,图10示出了本发明实施例提供的系统中算力匹配处理单元103的结构框图。
其中,在本发明提供的优选实施方式中,所述算力匹配处理单元103具体包括:
算力分析模块1031,用于对多个所述状态监测数据进行算力分析,标记多个实时算力设备。
节点标记模块1032,用于根据多个所述实时算力设备,标记多个对应的算力节点。
虚拟化匹配模块1033,用于根据所述计算需求监测数据,对多个所述实时算力设备进行算力虚拟化匹配,生成算力匹配数据。
计算处理模块1034,用于按照所述算力匹配数据,进行多个算力节点的计算处理。
进一步的,所述基于超融合基础构架的高可用系统还包括:
存储匹配处理单元104,用于综合所述需求监测数据和多个所述状态监测数据进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理。
在本发明实施例中,存储匹配处理单元104通过对多个状态监测数据进行相应的计算机设备的存储分析,在具有闲置存储时,将对应的计算机设备标记为实时存储设备,进而将实时存储设备对应的计算节点标记为存储节点,从而得到多个实时存储设备和对应的存储节点,再对计算需求监测数据进行存储需求分析,按照相应的存储需求,对多个存储节点进行虚拟化匹配(匹配的过程可以是均分),生成存储匹配数据,进而按照存储匹配数据,对多个存储节点分配相应的存储需求进行存储处理。
网络匹配处理单元105,用于综合所述需求监测数据和多个所述状态监测数据进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理。
在本发明实施例中,网络匹配处理单元105通过对多个状态监测数据进行相应的计算机设备的网络分析,在具有闲置网络时,将对应的计算机设备标记为实时网络设备,进而将实时网络设备对应的计算节点标记为网络节点,从而得到多个实时网络设备和对应的网络节点,再对网络需求监测数据进行网络需求分析,按照相应的网络需求,对多个网络节点进行虚拟化匹配(匹配的过程可以是均分),生成网络匹配数据,进而按照网络匹配数据,对多个网络节点分配相应的网络需求进行传输处理。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
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非易失性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,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于超融合基础构架的高可用方法,其特征在于,所述方法具体包括以下步骤:
获取设备连接信息,确定多个计算机设备,基于超融合基础构架,将多个所述计算机设备构建多个计算节点;
进行云计算需求监测,生成需求监测数据,并对多个所述计算节点进行状态监测,生成多个状态监测数据;
综合所述需求监测数据和多个所述状态监测数据进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理;
综合所述需求监测数据和多个所述状态监测数据进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理;
综合所述需求监测数据和多个所述状态监测数据进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理。
2.根据权利要求1所述的基于超融合基础构架的高可用方法,其特征在于,所述获取设备连接信息,确定多个计算机设备,基于超融合基础构架,将多个所述计算机设备构建多个计算节点具体包括以下步骤:
获取设备连接信息;
对所述设备连接信息进行功能分析,生成功能分析结果;
根据所述功能分析结果,确定多个计算机设备;
基于超融合基础构架,将多个所述计算机设备构建多个计算节点。
3.根据权利要求1所述的基于超融合基础构架的高可用方法,其特征在于,所述进行云计算需求监测,生成需求监测数据,并对多个所述计算节点进行状态监测,生成多个状态监测数据具体包括以下步骤:
对云计算的计算虚拟化进行需求实时监测,生成计算需求监测数据;
对云计算的存储虚拟化进行需求实时监测,生成存储需求监测数据;
对云计算的网络虚拟化进行需求实时监测,生成网络需求监测数据;
对多个所述计算节点进行状态实时监测,生成多个状态监测数据。
4.根据权利要求3所述的基于超融合基础构架的高可用方法,其特征在于,所述综合所述需求监测数据和多个所述状态监测数据进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理具体包括以下步骤:
对多个所述状态监测数据进行算力分析,标记多个实时算力设备;
根据多个所述实时算力设备,标记多个对应的算力节点;
根据所述计算需求监测数据,对多个所述实时算力设备进行算力虚拟化匹配,生成算力匹配数据;
按照所述算力匹配数据,进行多个算力节点的计算处理。
5.根据权利要求3所述的基于超融合基础构架的高可用方法,其特征在于,所述综合所述需求监测数据和多个所述状态监测数据进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理具体包括以下步骤:
对多个所述状态监测数据进行存储分析,标记多个实时存储设备;
根据多个所述实时存储设备,标记多个对应的存储节点;
根据所述存储需求监测数据,对多个所述实时存储设备进行存储虚拟化匹配,生成存储匹配数据;
按照所述存储匹配数据,进行多个存储节点的存储处理。
6.根据权利要求3所述的基于超融合基础构架的高可用方法,其特征在于,所述综合所述需求监测数据和多个所述状态监测数据进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理具体包括以下步骤:
对多个所述状态监测数据进行网络分析,标记多个实时网络设备;
根据多个所述实时网络设备,标记多个对应的网络节点;
根据所述网络需求监测数据,对多个所述实时网络设备进行网络虚拟化匹配,生成网络匹配数据;
按照所述网络匹配数据,进行多个网络节点的传输处理。
7.基于超融合基础构架的高可用系统,其特征在于,所述系统包括计算节点构建单元、状态需求监测单元、算力匹配处理单元、存储匹配处理单元和网络匹配处理单元,其中:
计算节点构建单元,用于获取设备连接信息,确定多个计算机设备,基于超融合基础构架,将多个所述计算机设备构建多个计算节点;
状态需求监测单元,用于进行云计算需求监测,生成需求监测数据,并对多个所述计算节点进行状态监测,生成多个状态监测数据;
算力匹配处理单元,用于综合所述需求监测数据和多个所述状态监测数据进行算力虚拟化匹配,生成算力匹配数据,进行多个计算节点计算处理;
存储匹配处理单元,用于综合所述需求监测数据和多个所述状态监测数据进行存储虚拟化匹配,生成存储匹配数据,进行多个计算节点存储处理;
网络匹配处理单元,用于综合所述需求监测数据和多个所述状态监测数据进行网络虚拟化匹配,生成网络匹配数据,进行多个计算节点传输处理。
8.根据权利要求7所述的基于超融合基础构架的高可用系统,其特征在于,所述计算节点构建单元具体包括:
信息获取模块,用于获取设备连接信息;
功能分析模块,用于对所述设备连接信息进行功能分析,生成功能分析结果;
设备确定模块,用于根据所述功能分析结果,确定多个计算机设备;
节点构建模块,用于基于超融合基础构架,将多个所述计算机设备构建多个计算节点。
9.根据权利要求7所述的基于超融合基础构架的高可用系统,其特征在于,所述状态需求监测单元具体包括:
计算监测模块,用于对云计算的计算虚拟化进行需求实时监测,生成计算需求监测数据;
存储监测模块,用于对云计算的存储虚拟化进行需求实时监测,生成存储需求监测数据;
网络监测模块,用于对云计算的网络虚拟化进行需求实时监测,生成网络需求监测数据;
状态监测模块,用于对多个所述计算节点进行状态实时监测,生成多个状态监测数据。
10.根据权利要求9所述的基于超融合基础构架的高可用系统,其特征在于,所述算力匹配处理单元具体包括:
算力分析模块,用于对多个所述状态监测数据进行算力分析,标记多个实时算力设备;
节点标记模块,用于根据多个所述实时算力设备,标记多个对应的算力节点;
虚拟化匹配模块,用于根据所述计算需求监测数据,对多个所述实时算力设备进行算力虚拟化匹配,生成算力匹配数据;
计算处理模块,用于按照所述算力匹配数据,进行多个算力节点的计算处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211433091.9A CN115499443B (zh) | 2022-11-16 | 2022-11-16 | 基于超融合基础构架的高可用系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211433091.9A CN115499443B (zh) | 2022-11-16 | 2022-11-16 | 基于超融合基础构架的高可用系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115499443A true CN115499443A (zh) | 2022-12-20 |
CN115499443B CN115499443B (zh) | 2023-03-14 |
Family
ID=85115867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211433091.9A Active CN115499443B (zh) | 2022-11-16 | 2022-11-16 | 基于超融合基础构架的高可用系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115499443B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116366355A (zh) * | 2023-04-14 | 2023-06-30 | 北京智享嘉网络信息技术有限公司 | 一种网络设备硬件资源智能调度方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150312104A1 (en) * | 2014-04-29 | 2015-10-29 | Vmware, Inc. | Auto-discovery of pre-configured hyper-converged computing devices on a network |
CN108196958A (zh) * | 2017-12-29 | 2018-06-22 | 北京泽塔云科技股份有限公司 | 资源调度分配方法、计算机系统及超融合架构系统 |
US20190018700A1 (en) * | 2017-07-17 | 2019-01-17 | Vmware, Inc. | Hyper-converged computing device |
CN110912991A (zh) * | 2019-11-22 | 2020-03-24 | 北京中实信息技术有限公司 | 一种基于超融合双节点高可用的实现方法 |
CN112527450A (zh) * | 2020-11-24 | 2021-03-19 | 中安可信(青岛)网络科技有限公司 | 基于不同资源的超融合自适应方法、终端及系统 |
CN114050916A (zh) * | 2021-10-26 | 2022-02-15 | 成都飞机工业(集团)有限责任公司 | 混合云管理系统和方法 |
-
2022
- 2022-11-16 CN CN202211433091.9A patent/CN115499443B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150312104A1 (en) * | 2014-04-29 | 2015-10-29 | Vmware, Inc. | Auto-discovery of pre-configured hyper-converged computing devices on a network |
US20190018700A1 (en) * | 2017-07-17 | 2019-01-17 | Vmware, Inc. | Hyper-converged computing device |
CN108196958A (zh) * | 2017-12-29 | 2018-06-22 | 北京泽塔云科技股份有限公司 | 资源调度分配方法、计算机系统及超融合架构系统 |
CN110912991A (zh) * | 2019-11-22 | 2020-03-24 | 北京中实信息技术有限公司 | 一种基于超融合双节点高可用的实现方法 |
CN112527450A (zh) * | 2020-11-24 | 2021-03-19 | 中安可信(青岛)网络科技有限公司 | 基于不同资源的超融合自适应方法、终端及系统 |
CN114050916A (zh) * | 2021-10-26 | 2022-02-15 | 成都飞机工业(集团)有限责任公司 | 混合云管理系统和方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116366355A (zh) * | 2023-04-14 | 2023-06-30 | 北京智享嘉网络信息技术有限公司 | 一种网络设备硬件资源智能调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115499443B (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2796996B1 (en) | Cloud infrastructure based management system and method for performing maintenance and deployment for application system | |
CN111949394B (zh) | 一种共享算力资源的方法、系统及存储介质 | |
CN107426274B (zh) | 基于时序的业务应用及监控分析调度的方法和系统 | |
US10419437B2 (en) | Quasi-agentless cloud resource management | |
US20150234674A1 (en) | Method, System and Apparatus for Creating Virtual Machine | |
CN105049268A (zh) | 分布式计算资源分配系统和任务处理方法 | |
CN116360972A (zh) | 资源管理方法、装置及资源管理平台 | |
Pluzhnik et al. | Virtual laboratories in cloud infrastructure of educational institutions | |
US9104501B2 (en) | Preparing parallel tasks to use a synchronization register | |
CN111459641B (zh) | 一种跨机房的任务调度和任务处理的方法及装置 | |
CN109614227A (zh) | 任务资源调配方法、装置、电子设备及计算机可读介质 | |
CN112685148B (zh) | 海量终端的异步通信方法、装置、计算机设备和存储介质 | |
CN115499443B (zh) | 基于超融合基础构架的高可用系统及方法 | |
CN102983996A (zh) | 一种高可用集群资源管理的动态配置方法与系统 | |
Thakkar et al. | Renda: resource and network aware data placement algorithm for periodic workloads in cloud | |
CN113886058A (zh) | 一种跨集群资源调度方法和装置 | |
CN115134373A (zh) | 数据同步方法、装置、存储介质及电子设备 | |
CN115562846A (zh) | 一种资源调度的方法、装置及计算节点 | |
CN117435335A (zh) | 算力调度方法、装置、计算机设备和存储介质 | |
CN116402318A (zh) | 面向配电网的多级算力资源分配方法、装置及网络架构 | |
CN115858126A (zh) | 一种分布式算力资源调配方法、设备及介质 | |
CN115941622A (zh) | 一种带宽调节方法、系统、设备及存储介质 | |
CN111858051B (zh) | 一种适合边缘计算环境的实时动态调度方法、系统和介质 | |
TW202315360A (zh) | 微服務分配方法、電子設備及儲存介質 | |
Huang et al. | Resource provisioning with QoS in cloud storage |
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 |