CN115686862A

CN115686862A - 一种容量数据处理方法、装置、设备及存储介质

Info

Publication number: CN115686862A
Application number: CN202211430401.1A
Authority: CN
Inventors: 吴栋; 叶音珏; 凌鹏鹏; 杨美丽; 杨小伟
Original assignee: Shanghai Pudong Development Bank Co Ltd
Current assignee: Shanghai Pudong Development Bank Co Ltd
Priority date: 2022-11-08
Filing date: 2022-11-08
Publication date: 2023-02-03

Abstract

本发明公开了一种容量数据处理方法、装置、设备及存储介质。该方法包括：获取至少两个Windows Server SDDC环境的基础容量数据，其中，所述基础容量数据包括：计算资源数据和存储资源数据；根据计算资源数据确定计算集群维度下的容量数据；根据存储资源数据确定存储集群维度下的容量数据，通过本发明的技术方案，能够查看至少两个Windows Server SDDC环境的基础容量信息，并且能够得到计算集群维度下的容量数据和存储集群维度下的容量数据，在提升容量数据管理的效率的同时，降低了人力成本。

Description

一种容量数据处理方法、装置、设备及存储介质

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种容量数据处理方法、装置、设备及存储介质。

背景技术

随着云计算的逐步发展，云计算基础环境的规模也逐步在变大。基础环境中部署了海量的服务器，为用户提供了高度灵活和动态的资源。云计算领域中用户的需求是动态变化的，保证云计算基础环境提供的容量高效可用十分重要。容量管理需要达到容量供给与容量需求的匹配，需要确保以经济高效的方式提供满足SLA的服务，为实现最佳也最具有成本效益的服务配置目标提供支持。因此云计算资源的容量管理是云计算基础环境管理的重要一环。

查看存储资源时，需要点击Fabric选择Storage下的File Servers查看各存储集群下不同File Share的总存储和剩余存储，但SCVMM不支持查看各个维度下存储容量的使用趋势。

在多Windows Server SDDC场景下，运维人员需要登录到各自环境下的SCVMM查看容量使用情况，对容量数据的管理难度较大，耗费大量人力成本。

发明内容

本发明实施例提供一种容量数据处理方法、装置、设备及存储介质，能够查看至少两个Windows Server SDDC环境的基础容量信息，并且能够得到计算集群维度下的容量数据和存储集群维度下的容量数据，在提升容量数据管理的效率的同时，降低了人力成本。

根据本发明的一方面，提供了一种容量数据处理方法，包括：

获取至少两个Windows Server SDDC环境的基础容量数据，其中，所述基础容量数据包括：计算资源数据和存储资源数据；

根据计算资源数据确定计算集群维度下的容量数据；

根据存储资源数据确定存储集群维度下的容量数据。

根据本发明的另一方面，提供了一种容量数据处理装置，该容量数据处理装置包括：

获取模块，用于获取至少两个Windows Server SDDC环境的基础容量数据，其中，所述基础容量数据包括：计算资源数据和存储资源数据；

第一确定模块，用于根据计算资源数据确定计算集群维度下的容量数据；

第二确定模块，用于根据存储资源数据确定存储集群维度下的容量数据。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的容量数据处理方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的容量数据处理方法。

本发明实施例通过获取至少两个Windows Server SDDC环境的基础容量数据，其中，所述基础容量数据包括：计算资源数据和存储资源数据；根据计算资源数据确定计算集群维度下的容量数据；根据存储资源数据确定存储集群维度下的容量数据，能够查看至少两个Windows Server SDDC环境的基础容量信息，并且能够得到计算集群维度下的容量数据和存储集群维度下的容量数据，在提升容量数据管理的效率的同时，降低了人力成本。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本发明实施例中的一种容量数据处理方法的流程图；

图2是本发明实施例中的一种容量数据处理装置的结构示意图；

图3是本发明实施例中的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例提供的一种容量数据处理方法的流程图，本实施例可适用于容量数据处理的情况，该方法可以由本发明实施例中的容量数据处理装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：

S110，获取至少两个Windows Server SDDC环境的基础容量数据，其中，所述基础容量数据包括：计算资源数据和存储资源数据。

其中，所述计算资源数据包括：宿主机的总CPU、宿主机的总内存、宿主机的CPU实际使用率、宿主机的内存实际使用率、宿主机的虚拟机总数、宿主机的GPU虚拟机总数、宿主机的GPU卡使用数、宿主机的已分配CPU、宿主机的已分配内存、宿主机的GPU卡剩余数以及宿主机的GPU卡总数中的至少一种。所述存储资源数据包括：单个存储卷的总存储容量、单个存储卷的实际使用存储容量以及单个存储卷的已分配存储容量中的至少一种。

获取计算资源数据的方式可以为：获取宿主机的总CPU、宿主机的总内存、宿主机的CPU实际使用率、宿主机的内存实际使用率、宿主机的虚拟机总数、宿主机的GPU虚拟机总数、宿主机的GPU卡总数、宿主机的GPU卡使用个数；获取宿主机上所有虚机的CPU，将宿主机上所有虚机的CPU之和确定为宿主机已分配CPU，也就是：已分配CPU＝宿主机上所有虚机的CPU之和。获取宿主机上所有虚机的内存，将宿主机上所有虚机的内存之和确定为宿主机已分配内存，也就是：已分配内存＝宿主机上所有虚机的内存之和。根据宿主机的GPU卡总数和宿主机的GPU卡使用数确定宿主机的GPU卡剩余个数，也就是：GPU卡剩余个数＝GPU卡总数-GPU卡使用数。

获取存储资源数据的方式可以为：获取单个存储卷总存储容量和单个存储卷实际使用存储容量，根据存储卷上所有虚拟机磁盘的存储容量确定单个存储卷的已分配存储容量，例如可以是，已分配存储容量＝存储卷上所有虚拟机磁盘的存储容量之和。

S120，根据计算资源数据确定计算集群维度下的容量数据。

具体的，根据计算资源数据确定计算集群维度下的容量数据的方式可以为：将计算集群内所有宿主机的总CPU之和确定为计算集群CPU总数；将计算集群内所有宿主机的已分配CPU之和确定为计算集群已分配CPU；将计算集群内所有宿主机的总内存之和确定为计算集群总内存；将计算集群内所有宿主机的已分配内存之和确定为计算集群已分配内存；将计算集群内所有宿主机的GPU卡总数之和确定为计算集群GPU卡总数；将计算集群内所有宿主机的虚拟机总数之和确定为计算集群虚拟机总数；将计算集群内所有宿主机的GPU虚拟机总数之和确定为计算集群GPU虚拟机总数；将计算集群内所有宿主机的GPU卡使用数之和确定为计算集群GPU卡使用数；将计算集群内所有宿主机的GPU卡剩余数之和确定为计算集群GPU卡剩余数。根据计算集群已分配CPU和计算集群CPU总数确定计算集群的CPU超分比；根据计算集群已分配内存和计算集群CPU总数确定计算集群内存分配率；根据计算集群总内存、计算集群内内存最大的宿主机的内、计算集群内宿主机数量、单台宿主机自用内存、可分配阈值、计算集群已分配内存确定计算集群内存可分配内存；根据计算集群已分配内存和计算集群总内存确定计算集群内存分配率；根据计算集群总内存、可分配阈值以及计算集群已分配内存确定可分配内存；根据计算集群上所有宿主机的虚拟机确定虚拟机总数；根据计算集群所有宿主机GPU卡总数确定计算集群GPU卡总数；根据计算集群所有宿主机GPU卡剩余数确定计算集群GPU卡剩余数。

在一个具体的例子中，计算集群CPU总数＝计算集群内所有宿主机总CPU之和；计算集群已分配CPU＝计算集群内所有宿主机已分配CPU之和；计算集群总内存＝计算集群内所有宿主机总内存之和；计算集群已分配内存＝计算集群内所有宿主机已分配内存之和；计算集群CPU超分比＝计算集群已分配CPU/计算集群CPU总数；计算集群内存分配率＝计算集群已分配内存/计算集群CPU总数；计算集群内存可分配内存＝((计算集群总内存-计算集群内内存最大的宿主机的内存)-(计算集群内宿主机数量-1)*单台宿主机自用内存)*可分配阈值–计算集群已分配内存；计算集群内存分配率＝计算集群已分配内存/计算集群总内存；计算集群可分配内存＝计算集群总内存*可分配阈值-计算集群已分配内存；计算集群虚拟机总数＝计算集群上所有宿主机的虚拟机的总和；计算集群GPU卡总数＝计算集群所有宿主机GPU卡总数之和；计算集群GPU卡剩余数＝计算集群所有宿主机GPU卡剩余数之和。

需要说明的是，内存可分配考虑了一个集群内一台节点损坏的冗余。

S130，根据存储资源数据确定存储集群维度下的容量数据。

具体的，根据存储资源数据确定存储集群维度下的容量数据的方式可以为：将存储集群内所有存储卷的总存储容量之和确定为存储集群的总存储；将存储集群内所有存储卷的已分配存储容量之和确定为存储集群的已分配存储。

在一个具体的例子中，存储集群总存储＝存储集群内所有存储卷的存储之和。集群已分配存储＝集群内所有存储卷的已分配存储容量之和。

可选的，获取至少两个Windows Server SDDC环境的基础容量数据包括：

通过Powershell脚本获取至少两个Windows Server SDDC环境的基础容量数据，其中，所述计算资源包括：宿主机的总CPU、宿主机的总内存、宿主机的CPU实际使用率、宿主机的内存实际使用率、宿主机的虚拟机总数、宿主机的GPU虚拟机总数、宿主机的GPU卡使用数、宿主机的已分配CPU、宿主机的已分配内存、宿主机的GPU卡剩余数以及宿主机的GPU卡总数中的至少一种，所述存储资源包括：单个存储卷的总存储容量、单个存储卷的实际使用存储容量以及单个存储卷的已分配存储容量中的至少一种。

可选的，根据计算资源数据确定计算集群维度下的容量数据，包括：

将计算集群内所有宿主机的总CPU之和确定为计算集群CPU总数；

将计算集群内所有宿主机的已分配CPU之和确定为计算集群已分配CPU；

将计算集群内所有宿主机的总内存之和确定为计算集群总内存；

将计算集群内所有宿主机的已分配内存之和确定为计算集群已分配内存；

将计算集群内所有宿主机的GPU卡总数之和确定为计算集群GPU卡总数；

将计算集群内所有宿主机的虚拟机总数之和确定为计算集群虚拟机总数；

将计算集群内所有宿主机的GPU虚拟机总数之和确定为计算集群GPU虚拟机总数；

将计算集群内所有宿主机的GPU卡使用数之和确定为计算集群GPU卡使用数；

将计算集群内所有宿主机的GPU卡剩余数之和确定为计算集群GPU卡剩余数。

可选的，根据存储资源数据确定存储集群维度下的容量数据，包括：

将存储集群内所有存储卷的总存储容量之和确定为存储集群的总存储；

将存储集群内所有存储卷的已分配存储容量之和确定为存储集群的已分配存储。

可选的，还包括：

将高可用组内所有计算集群CPU总数之和确定为高可用组CPU总数；

将高可用组内所有计算集群已分配CPU之和确定为高可用组已分配CPU；

将高可用组内所有计算集群总内存之和确定为高可用组总内存；

将高可用组内所有计算集群已分配内存之和确定为高可用组已分配内存。

需要说明的是，面对Windows Server SDDC环境中非超融合的技术架构，计算存储资源是分开提供的，租户虚拟机的CPU，内存和GPU相关的计算资源由Windows Server SDDC环境的计算集群提供，存储资源由Windows Server SDDC环境的存储集群提供。对于非超融合架构下的Windows Server SDDC环境，在一个可用区下，计算和存储资源可以按照计算集群和存储集群的任意组合进行分配，基础环境中的计算集群和存储集群已经为虚拟机正常运行提供了一层的集群高可用的保障。在此基础上，了提高对外服务的连续性，在一个可用区下，将不同的计算集群和存储集群组合为一个高可用组为虚机提供计算和存储的服务，同一个高可用组由若干个计算集群和存储集群组成，不同的高可用组之间需要存在一定的冗余性。同一类型的虚拟机，需要放在不同高可用组上，以此提高对外服务的高可用性。

可选的，还包括：

将可用区内所有高可用组CPU总数之和确定为可用区CPU总数；

将可用区内所有高可用组已分配CPU之和确定为可用区已分配CPU；

将可用区内所有高可用组总内存之和确定为可用区总内存；

将可用区内所有高可用组已分配内存之和确定为可用区已分配内存。

需要说明的是，在对计算资源和存储资源进行存储的时候，是将计算资源和采集时间关联存储，将存储资源和采集时间关联存储。

可选的，还包括：

获取用户输入的目标时间；

根据用户输入的目标时间确定与所述目标时间对应的容量数据，并显示目标时间对应的容量数据。

具体的，在容量管理系统中以web表格的形式展示基础容量数据和聚合后的容量数据(聚合后的容量数据包括：计算集群维度下的容量数据、存储集群维度下的容量数据、高可用组维度下的容量数据以及可用区维度下的容量数据等)，通过选择时间来查看历史的详细数据信息。

需要说明的是，由于基础容量数据和聚合后的容量数据都是时间序列数据，因此，可以通过ECharts来绘制各个维度的容量趋势图，在容量管理系统进行统一展示。

可选的，还包括：

若宿主机的内存实际使用率和/或宿主机的CPU实际使用率大于使用率阈值，则生成提醒信息。

其中，所述使用率阈值可以为80％，也可以为其他设定值，本发明实施例对此不进行限制。

在一个具体的例子中，需要预测未来四季度内存的使用量(可以是高可用组维度也可以是可用区维度)：

去年四季度的内存消耗量*(今年三季度的内存消耗量-去年三季度的内存消耗量)/去年三季度的内存消耗量。其中，所述内存消耗量可以根据已分配内存确定。

在一个具体的例子中，本发明实施例通过使用Powershell脚本完成不同网络区域，不同地域的Windows Server SDDC环境的基础容量数据的采集，其中，计算资源的最小采集维度为计算集群的宿主机，采集指标包括：宿主机的总CPU，宿主机的总内存，宿主机的CPU实际使用率，宿主机的内存实际使用率，宿主机的已分配CPU，宿主机的已分配内存,宿主机的虚拟机总数，宿主机的GPU虚拟机总数，宿主机的GPU卡剩余数，宿主机的GPU卡总数。存储资源的最小采集维度为存储集群的单个存储卷，采集指标包括单个存储卷的总存储容量，实际使用存储容量，已分配存储容量。容量数据采集完成后统一上传至同一ftp服务器上。

在所有Windows Server SDDC环境的容量数据采集任务完成之后，通过python程序读取ftp服务器上的容量数据进行统一的标准化的计算处理，然后保存至容量管理系统的mysql数据库中。对计算资源的容量数据，会根据采集时间，可用区，计算集群进行分组对单个宿主机的总内存，已分配内存，总CPU，已分配CPU，总GPU，剩余GPU，虚拟机总数进行求和聚合，得到计算集群维度下的容量数据。对存储资源的容量数据，根据采集时间，可用区，存储集群进行分组对单个存储卷的总存储，已使用存储，已分配存储进行求和聚合，得到存储集群维度下的容量数据。

在此基础上，可以对计算集群和存储集群维度下的容量数据分别基于采集时间，可用区和采集时间，高可用组的分组进行聚合，然后将计算集群和存储集群的聚合结果按照可用区和高可用组进行合并，得到可用区维度和高可用组维度下的计算存储资源的容量使用情况。

完成容量数据的聚合分析之后，在容量管理系统中以web表格的形式展示基础容量数据和聚合后的容量数据，通过选择时间来查看历史的详细数据信息。此外，基础容量数据和聚合后的容量数据都是时间序列数据，通过ECharts来绘制各个维度的容量趋势图，在容量管理系统进行统一展示。基于这些历史数据，会根据不同地预测模型进行未来一年的使用趋势的预测和展示。针对单个的节点，会有一些容量使用阈值上的限制，容量管理系统如果检测到采集到的某个节点的容量实际使用量超预定义阈值之后发送邮件告警到运维人员，可以及时发现环境隐患，提高环境运行可靠性。

本发明实施例通过使用Powershell脚本完成不同网络区域，不同地域的WindowsServer SDDC环境的可用区的基础容量数据的采集，通过容量管理系统将分散的容量数据进行统一的标准化处理入库存储和聚合分析，然后通过web表格和ECharts图表对基础容量数据和聚合后的容量数据进行详情展示和可视化展示，最后基于收集和处理到的容量数据进行了趋势预测的展示和容量阈值的监控告警，进一步拓展了容量数据的使用场景。

本发明实施实现了容量数据的统一采集存储管理，弥补了SCVMM容量展示模块未涉及的GPU相关的资源情况和已分配存储的情况，补充了多维度下的趋势分析，实现了多Windows Server SDDC环境下的容量数据的统一管理，提升了多Windows Server SDDC环境下的资源整合管理能力。

面对实际容量分析场景，通过容量管理系统实现了高可用组维度下的容量分析，通过灵活组合各种不同的计算集群和存储集群作为一个整体进行容量数据聚合，更容易识别高可用组的容量资源短板。与SCVMM展示的容量模块相比，本发明实施例将基础容量数据存储到一起，进一步拓展了数据的使用场景，实现了容量趋势的预测和容量超阈值的监控告警。

对于使用者来说，运维人员只需要登录一个容量管理平台，就可以查看所有Windows Server SDDC环境的基础容量信息和高可用组维度已经可用区维度下的容量使用趋势。

本实施例的技术方案，通过获取至少两个Windows Server SDDC环境的基础容量数据，其中，所述基础容量数据包括：计算资源数据和存储资源数据；根据计算资源数据确定计算集群维度下的容量数据；根据存储资源数据确定存储集群维度下的容量数据，能够查看至少两个Windows Server SDDC环境的基础容量信息，并且能够得到计算集群维度下的容量数据和存储集群维度下的容量数据，在提升容量数据管理的效率的同时，降低了人力成本。

实施例二

图2为本发明实施例提供的一种容量数据处理装置的结构示意图。本实施例可适用于容量数据处理的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供容量数据处理功能的设备中，如图2所示，所述容量数据处理装置具体包括：获取模块210、第一确定模块220和第二确定模块230。

其中，获取模块，用于获取至少两个Windows Server SDDC环境的基础容量数据，其中，所述基础容量数据包括：计算资源数据和存储资源数据；

上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

实施例三

图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如容量数据处理方法。

在一些实施例中，容量数据处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的容量数据处理方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行容量数据处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims

1.一种容量数据处理方法，其特征在于，包括：

根据计算资源数据确定计算集群维度下的容量数据；

根据存储资源数据确定存储集群维度下的容量数据。

2.根据权利要求1所述的方法，其特征在于，获取至少两个Windows Server SDDC环境的基础容量数据包括：

3.根据权利要求2所述的方法，其特征在于，根据计算资源数据确定计算集群维度下的容量数据，包括：

4.根据权利要求2所述的方法，其特征在于，根据存储资源数据确定存储集群维度下的容量数据，包括：

5.根据权利要求1所述的方法，其特征在于，还包括：

6.根据权利要求5所述的方法，其特征在于，还包括：

将可用区内所有高可用组CPU总数之和确定为可用区CPU总数；

将可用区内所有高可用组总内存之和确定为可用区总内存；

7.根据权利要求1所述的方法，其特征在于，还包括：

8.一种容量数据处理装置，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的容量数据处理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的容量数据处理方法。