CN116205697A - 用于虚拟公有云的资源推荐方法和资源推荐装置 - Google Patents
用于虚拟公有云的资源推荐方法和资源推荐装置 Download PDFInfo
- Publication number
- CN116205697A CN116205697A CN202111432974.3A CN202111432974A CN116205697A CN 116205697 A CN116205697 A CN 116205697A CN 202111432974 A CN202111432974 A CN 202111432974A CN 116205697 A CN116205697 A CN 116205697A
- Authority
- CN
- China
- Prior art keywords
- cloud
- resource
- demand
- data
- resource combination
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0253—During e-commerce, i.e. online transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0639—Item locations
-
- 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)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
公开一种用于虚拟公有云的资源推荐方法和资源推荐装置,所述资源推荐方法包括:获取云资源需求方对于云资源的第一需求数据;将所述第一需求数据转化为第二需求数据,所述第二需求数据为量化的资源指标;基于所述第二需求数据,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略;基于所述第一多云资源组合策略,确定所述云资源需求方的第二多云资源组合策略,以使所述云资源需求方按照所述第二多云资源组合策略选择虚拟公有云资源。该资源推荐方法能够按照个性化需求快速推荐多个多云资源组合方案。
Description
技术领域
本公开总体说来涉及云计算技术领域,更具体地讲,涉及一种用于虚拟公有云的资源推荐方法和资源推荐装置。
背景技术
公有云凭借规模优势,在IAAS(Infrastructure as a Service,基础设施即服务)和PAAS(Platform as a Service,平台即服务)等方面的资源供给上十分灵活,但是多家云服务商由于技术、商业竞争和市场策略等的不同,导致同类资源在不同云服务商、不同区域、不同时段等的价格存在显著差异,并且不同的云用户在使用云资源时,应用的规模、时长以及质量要求等等也不同。另外,对于单个云(云服务)来说,不同区域的价格、折扣计算都有响应的静态资源成本计算器,但是当云用户需要在多云多时段多区域等进行选择时,目前还没有相应的解决方案。
发明内容
本公开提供一种用于虚拟公有云的资源推荐方法和资源推荐装置,用于至少解决上述问题,也可不解决上述问题。
根据本公开的一方面,提供一种用于虚拟公有云的资源推荐方法,应用于服务器,所述资源推荐方法包括:获取云资源需求方对于云资源的第一需求数据;将所述第一需求数据转化为第二需求数据,所述第二需求数据为量化的资源指标;基于所述第二需求数据,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略;基于所述第一多云资源组合策略,确定所述云资源需求方的第二多云资源组合策略,以使所述云资源需求方按照所述第二多云资源组合策略选择虚拟公有云资源。
可选地,所述第一需求数据包括位置需求、服务类型需求、时间需求、计算需求和传输敏感需求中的至少一个。
可选地,所述将所述第一需求数据转化为第二需求数据的步骤包括:对所述第一需求数据进行解析,并且对解析后的数据按照硬件标准和质量标准进行分类,得到第二需求数据。
可选地,所述第二需求数据包括硬件需求指标和质量需求指标中的至少一个,其中,所述硬件需求指标表示对云资源硬件参数的需求,所述质量需求指标表示对云资源进行质量测试后得到的质量测试结果统计值的需求。
可选地,所述基于所述第二需求数据,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略的步骤包括:将所述第二需求数据拟合为需求约束集,其中,所述需求约束集包括区域约束、服务类型约束、算力约束、网络约束、服务级别协议约束和业务资源约束中的至少一个;基于所述需求约束集,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略。
可选地,所述基于所述需求约束集,通过预先设置的资源组合推荐智能体获取第一多云资源组合策略的步骤包括:将所述需求约束集提供给所述资源组合推荐智能体,以使所述资源组合推荐智能体根据所述需求约束集生成多个数量的云资源组合,并基于预设偏好,对所述多个数量的云资源组合进行排序,其中,所述预设偏好包括性价比偏好和性能偏好中的至少一个;获取所述资源组合推荐智能体对所述多个数量的云资源组合排序后输出的第一多云资源组合策略。
可选地,所述资源组合推荐智能体通过下述操作被预先训练好:获取每个云服务商的每个服务类型的云信息数据和云模拟器数据,其中,所述云信息数据包括价格信息、区域信息和质量信息中的至少一个,所述云模拟器数据包括在云上通过模拟器模拟预设使用场景所生成的业务资源数据;基于所述每个云服务商的每个服务类型的云信息数据和云模拟器数据,对所述资源组合推荐智能体进行训练。
可选地,所述服务类型包括算力产品、网络产品、中间件产品、场景服务和解决方案中的至少一个,所述价格信息包括预留价格、按需价格和竞价价格中的至少一个,所述区域信息包括位置、地方法律法规和数据安全政策中的至少一个,以及所述质量信息包括服务质量、服务级别协议和压力测试结果中的至少一个。
可选地,所述基于所述第一多云资源组合策略,确定所述云资源需求方的第二多云资源组合策略的步骤包括:基于预设的策略修正规则,对所述第一多云资源组合策略进行修正处理,从而确定所述云资源需求方的第二多云资源组合策略。
可选地,所述策略修正规则包括过滤规则和兜底规则中的至少一个。
可选地,所述策略修正规则包括过滤规则;所述基于预设的策略修正规则,对所述第一多云资源组合策略进行修正处理的步骤包括:将各个云资源所在地的地方法律法规和/或数据安全政策转换为所述过滤规则;基于所述过滤规则,对所述第一多云资源组合策略进行过滤处理,从而删除不符合所述地方法律法规和/或数据安全政策的所述云资源组合。
可选地,所述策略修正规则包括兜底规则,所述兜底规则包括预先拟定的多个热门云资源组合;所述基于预设的策略修正规则,对所述第一多云资源组合策略进行修正处理的步骤包括:基于所述兜底规则,对所述第一多云资源组合策略进行兜底处理,从而在推荐过程发生异常时,使所述第二多云资源组合策略包括所述多个热门云资源组合中的至少一个。
根据本公开的另一方面,提供一种用于虚拟公有云的资源推荐装置,应用于服务器,所述资源推荐装置包括:需求获取单元,被配置为获取云资源需求方对于云资源的第一需求数据;需求量化单元,被配置为将所述第一需求数据转化为第二需求数据,所述第二需求数据为量化的资源指标;策略生成单元,被配置为基于所述第二需求数据,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略;策略修正单元,被配置为基于所述第一多云资源组合策略,确定所述云资源需求方的第二多云资源组合策略,以使所述云资源需求方按照所述第二多云资源组合策略选择虚拟公有云资源。
可选地,所述第一需求数据包括位置需求、服务类型需求、时间需求、计算需求和传输敏感需求中的至少一个。
可选地,需求量化单元被配置为:对所述第一需求数据进行解析,并且对解析后的数据按照硬件标准和质量标准进行分类,得到第二需求数据。
可选地,所述第二需求数据包括硬件需求指标和质量需求指标中的至少一个,其中,所述硬件需求指标表示对云资源硬件参数的需求,所述质量需求指标表示对云资源进行质量测试后得到的质量测试结果统计值的需求。
可选地,策略生成单元被配置为:将所述第二需求数据拟合为需求约束集,其中,所述需求约束集包括区域约束、服务类型约束、算力约束、网络约束、服务级别协议约束和业务资源约束中的至少一个;基于所述需求约束集,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略。
可选地,策略生成单元被配置为:将所述需求约束集提供给所述资源组合推荐智能体,以使所述资源组合推荐智能体根据所述需求约束集生成多个数量的云资源组合,并基于预设偏好,对所述多个数量的云资源组合进行排序,其中,所述预设偏好包括性价比偏好和性能偏好中的至少一个;获取所述资源组合推荐智能体对所述多个数量的云资源组合排序后输出的第一多云资源组合策略。
可选地,还包括智能体训练单元,被配置为:获取每个云服务商的每个服务类型的云信息数据和云模拟器数据,其中,所述云信息数据包括价格信息、区域信息和质量信息中的至少一个,所述云模拟器数据包括在云上通过模拟器模拟预设使用场景所生成的业务资源数据;基于所述每个云服务商的每个服务类型的云信息数据和云模拟器数据,对所述资源组合推荐智能体进行训练。
可选地,所述服务类型包括算力产品、网络产品、中间件产品、场景服务和解决方案中的至少一个,所述价格信息包括预留价格、按需价格和竞价价格中的至少一个,所述区域信息包括位置、地方法律法规和数据安全政策中的至少一个,以及所述质量信息包括服务质量、服务级别协议和压力测试结果中的至少一个。
可选地,策略修正单元被配置为:基于预设的策略修正规则,对所述第一多云资源组合策略进行修正处理,从而确定所述云资源需求方的第二多云资源组合策略。
可选地,所述策略修正规则包括过滤规则和兜底规则中的至少一个。
可选地,所述策略修正规则包括过滤规则;策略修正单元被配置为:将各个云资源所在地的地方法律法规和/或数据安全政策转换为所述过滤规则;基于所述过滤规则,对所述第一多云资源组合策略进行过滤处理,从而删除不符合所述地方法律法规和/或数据安全政策的所述云资源组合。
可选地,所述策略修正规则包括兜底规则,所述兜底规则包括预先拟定的多个热门云资源组合;策略修正单元被配置为:基于所述兜底规则,对所述第一多云资源组合策略进行兜底处理,从而在推荐过程发生异常时,使所述第二多云资源组合策略包括所述多个热门云资源组合中的至少一个。
根据本公开的另一方面,提供一种存储指令的计算机可读存储介质,其中,当所述指令被至少一个计算装置运行时,促使所述至少一个计算装置执行如上所述的用于虚拟公有云的资源推荐方法。
根据本公开的另一方面,提供一种包括至少一个计算装置和至少一个存储指令的存储装置的系统,其中,所述指令在被所述至少一个计算装置运行时,促使所述至少一个计算装置执行如上所述的用于虚拟公有云的资源推荐方法。
根据本公开示例性实施例的用于虚拟公有云的资源推荐方法和资源推荐装置可以结合全球各个公有云的费用、活动折扣、质量属性、时段和区域等信息,并根据云用户的个性化需求,快速推荐多云资源组合方案,以供云用户选择并使用。
将在接下来的描述中部分阐述本公开总体构思另外的方面和/或优点,还有一部分通过描述将是清楚的,或者可以经过本公开总体构思的实施而得知。
附图说明
通过结合附图,从实施例的下面描述中,本公开这些和/或其它方面及优点将会变得清楚,并且更易于理解,其中:
图1是示出根据本公开示例性实施例的用于虚拟公有云的资源推荐方法的流程图;
图2是示出根据本公开示例性实施例的用于虚拟公有云的资源推荐装置的框图。
图3是示出根据本公开示例性实施例的多云资源推荐演示图。
具体实施方式
提供参照附图的以下描述以帮助对由权利要求及其等同物限定的本发明的实施例的全面理解。包括各种特定细节以帮助理解,但这些细节仅被视为是示例性的。因此,本领域的普通技术人员将认识到在不脱离本发明的范围和精神的情况下,可对描述于此的实施例进行各种改变和修改。此外,为了清楚和简洁,省略对公知的功能和结构的描述。
在此需要说明的是,在本公开中出现的“若干项之中的至少一项”均表示包含“该若干项中的任意一项”、“该若干项中的任意多项的组合”、“该若干项的全体”这三类并列的情况。例如“包括A和B之中的至少一个”即包括如下三种并列的情况:(1)包括A;(2)包括B;(3)包括A和B。又例如“执行步骤一和步骤二之中的至少一个”,即表示如下三种并列的情况:(1)执行步骤一;(2)执行步骤二;(3)执行步骤一和步骤二。
根据本公开示例性实施例的用于虚拟公有云的资源推荐方法和资源推荐装置可以结合全球各个公有云的费用、活动折扣、质量属性、时段和区域等信息,并根据云用户的应用场景、使用时长、区域倾向和服务级别协议(Service Level Agreement,SLA)等个性化需求,快速推荐多云资源组合方案,以供云用户选择并使用。
下面参照图1至图3详细描述根据本公开示例性实施例的用于虚拟公有云的资源推荐方法和资源推荐装置,该资源推荐方法和资源推荐装置可应用于服务器。
图1是示出根据本公开示例性实施例的用于虚拟公有云的资源推荐方法的流程图。
参照图1,在步骤S101中,可获取云资源需求方对于云资源的第一需求数据。这里,第一需求数据可包括位置需求、服务类型需求、时间需求、计算需求和传输敏感需求中的至少一个。根据本公开的示例性实施例,第一需求数据可以是云资源需求方通过提供相应数据服务的应用程序(APP)发起的业务申请请求数据,但不限于此,第一需求数据也可以是云资源需求方通过其他方式发起的业务申请请求数据。进一步地,可通过开放服务接口来接收云资源需求方发起的业务申请请求,从而获取第一需求数据。
接下来,在步骤S102中,可将第一需求数据转化为第二需求数据,这里,第二需求数据为量化的资源指标。根据本公开的示例性实施例,可预先设置需求数据与量化资源指标的对应关系,在获取到第一需求数据后,可基于上述对应关系,将第一需求数据转化为第二需求数据,即量化的资源指标。根据本公开的示例性实施例,还可对第一需求数据进行解析,并且对解析后的数据按照硬件标准和质量标准进行分类,得到第二需求数据。这里,可以基于预先调试的意图解析引擎,对第一需求数据进行解析和分类,并且本领域的技术人员可以根据实际需要来设置并调试意图解析引擎,本公开在此不做限制。进一步地,第二需求数据包括硬件需求指标和质量需求指标中的至少一个。这里,硬件需求指标表示对云资源硬件参数的需求,以及质量需求指标表示对云资源进行质量测试后得到的质量测试结果统计值的需求。更进一步地,可使用测试工具定期对云资源进行多次压力测试(例如Benchmark基准测试),并对多次测试的结果进行统计,从而获取测试结果统计值。
接下来,在步骤S103中,可基于第二需求数据,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略。根据本公开的示例性实施例,可将第二需求数据拟合为需求约束集。这里,需求约束集可包括区域约束、服务类型约束、算力约束、网络约束、服务级别协议约束和业务资源约束中的至少一个。接下来,可基于需求约束集,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略。换言之,第一多云资源组合策略可以是综合考虑了云服务商因素、云产品因素、区域因素和时间因素等各种因素之后生成的综合性策略。
根据本公开的示例性实施例,可将需求约束集提供给资源组合推荐智能体,以使资源组合推荐智能体根据需求约束集生成多个数量的云资源组合,并基于预设偏好,对多个数量的云资源组合进行排序。这里,预设偏好包括性价比偏好和性能偏好中的至少一个。具体地讲,按照性价比偏好对云资源组合进行排序推荐,主要是面向价格敏感型云用户;而按照性能偏好对云资源组合进行排序推荐,主要是面向性能极致型云用户。但本公开不限于此,也可以面向所有云用户,同时按照性价比偏好和性能偏好对云资源组合进行排序推荐。接下来,可获取资源组合推荐智能体对多个数量的云资源组合排序后输出的第一多云资源组合策略。
根据本公开的示例性实施例,资源组合推荐智能体可通过下述操作被预先训练好:获取每个云服务商的每个服务类型的云信息数据和云模拟器数据;基于每个云服务商的每个服务类型的云信息数据和云模拟器数据,对资源组合推荐智能体进行训练。这里,可通过南向接口获取云信息数据和云模拟器数据。进一步地,服务类型可包括算力产品、网络产品、中间件产品、场景服务和解决方案中的至少一个。并且,云信息数据可包括价格信息、区域信息和质量信息中的至少一个。这里,价格信息可包括预留价格、按需价格和竞价价格中的至少一个,区域信息可包括位置、地方法律法规和数据安全政策中的至少一个,以及质量信息可包括服务质量(Quality of Service,QoS)、服务级别协议和压力测试结果中的至少一个。进一步地,预留价格可表示云用户在一定时间内独占云资源的价格,按需价格可表示云用户按需使用云资源时的价格,以及竞价价格可表示云服务商的闲置云资源以竞价形式确定的价格。另外,本领域的技术人员可根据不同云服务商的具体情况分别确定服务类型、价格信息、区域信息和质量信息。
根据本公开的示例性实施例,云模拟器数据可包括在云上通过模拟器模拟预设使用场景所生成的业务资源数据。这里,预设使用场景可包括办公、数据分析和深度学习等场景,可根据不同的使用场景设置不同强度的模拟负载,并且模拟负载的强度可由本领域的技术人员根据实际情况来具体设置。
接下来,在步骤S104中,可基于第一多云资源组合策略,确定云资源需求方的第二多云资源组合策略,以使云资源需求方按照第二多云资源组合策略选择虚拟公有云资源。这里,可基于预设的策略修正规则,对第一多云资源组合策略进行修正处理,从而确定云资源需求方的第二多云资源组合策略。进一步地,策略修正规则包括过滤规则和兜底规则中的至少一个。
根据本公开的示例性实施例,策略修正规则可包括过滤规则,并且可将各个云资源所在地的地方法律法规和/或数据安全政策转换为过滤规则,然后基于过滤规则,对第一多云资源组合策略进行过滤处理,从而删除不符合地方法律法规和/或数据安全政策的云资源组合。
根据本公开的示例性实施例,策略修正规则可包括兜底规则,兜底规则可包括预先拟定的多个热门云资源组合,并且可基于兜底规则,对第一多云资源组合策略进行兜底处理,从而在推荐过程发生异常时,使第二多云资源组合策略包括多个热门云资源组合中的至少一个。这里,热门云资源组合可由本领域的技术人员根据实际情况来拟定。
因此,根据本公开示例性实施例的用于虚拟公有云的资源推荐方法可以结合全球各个公有云的费用、活动折扣、质量属性、时段和区域等信息,并根据云用户的应用场景、使用时长、区域倾向和SLA等个性化需求,快速推荐多云资源组合方案,以供云用户选择并使用。
图2是示出根据本公开示例性实施例的用于虚拟公有云的资源推荐装置的框图。
参照图2,根据本公开示例性实施例的用于虚拟公有云的资源推荐装置200可包括需求获取单元201、需求量化单元202、策略生成单元203和策略修正单元204。
需求获取单元201可获取云资源需求方对于云资源的第一需求数据。这里,第一需求数据可包括位置需求、服务类型需求、时间需求、计算需求和传输敏感需求中的至少一个。
需求量化单元202可将第一需求数据转化为第二需求数据,这里,第二需求数据为量化的资源指标。进一步地,可对第一需求数据进行解析,并且对解析后的数据按照硬件标准和质量标准进行分类,得到第二需求数据。这里,第二需求数据包括硬件需求指标和质量需求指标中的至少一个。具体地讲,硬件需求指标表示对云资源硬件参数的需求,以及质量需求指标表示对云资源进行相应测试后得到的测试结果统计值的需求。
策略生成单元203可基于第二需求数据,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略。
根据本公开的示例性实施例,策略生成单元203可将第二需求数据拟合为需求约束集。这里,需求约束集包括区域约束、服务类型约束、算力约束、网络约束、服务级别协议约束和业务资源约束中的至少一个。接下来,策略生成单元203可基于需求约束集,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略。
根据本公开的示例性实施例,策略生成单元203可将需求约束集提供给所述资源组合推荐智能体,以使所述资源组合推荐智能体根据所述需求约束集生成多个数量的云资源组合,并基于预设偏好,对多个数量的云资源组合进行排序。这里,预设偏好包括性价比偏好和性能偏好中的至少一个。接下来,策略生成单元203可获取资源组合推荐智能体对多个数量的云资源组合排序后输出的第一多云资源组合策略。
根据本公开的示例性实施例,资源推荐装置还可包括智能体训练单元(图中未示出),预先训练得到如上所述的资源组合推荐智能体,具体的,可获取每个云服务商的每个服务类型的云信息数据和云模拟器数据;然后可基于每个云服务商的每个服务类型的云信息数据和云模拟器数据,对资源组合推荐智能体进行训练。这里,云信息数据可包括价格信息、区域信息和质量信息中的至少一个,以及云模拟器数据可包括在云上通过模拟器模拟预设使用场景所生成的业务资源数据。
根据本公开的示例性实施例,如上所述,服务类型可包括算力产品、网络产品、中间件产品、场景服务和解决方案中的至少一个,价格信息可包括预留价格、按需价格和竞价价格中的至少一个,区域信息可包括位置、地方法律法规和数据安全政策中的至少一个,以及质量信息可包括服务质量、服务级别协议和压力测试结果中的至少一个。
策略修正单元204可基于第一多云资源组合策略,确定云资源需求方的第二多云资源组合策略,以使云资源需求方按照第二多云资源组合策略选择虚拟公有云资源。这里,策略修正单元204可基于预设的策略修正规则,对第一多云资源组合策略进行修正处理,从而确定云资源需求方的第二多云资源组合策略。进一步地,策略修正规则包括过滤规则和兜底规则中的至少一个。
根据本公开的示例性实施例,策略修正规则可包括过滤规则,并且策略修正单元204还可将各个云资源所在地的地方法律法规和/或数据安全政策转换为过滤规则;基于过滤规则,对第一多云资源组合策略进行过滤处理,从而删除不符合地方法律法规和/或数据安全政策的云资源组合。
根据本公开的示例性实施例,策略修正规则可包括兜底规则,兜底规则可包括预先拟定的多个热门云资源组合,策略修正单元204还可基于兜底规则,对第一多云资源组合策略进行兜底处理,从而在推荐过程发生异常时,使第二多云资源组合策略包括多个热门云资源组合中的至少一个。
图3是示出根据本公开示例性实施例的多云资源推荐演示图。
参照图3,作为示例,可以按照如图所示1至6的顺序进行多云资源推荐。首先,如图所示的资源组合推荐智能体引擎启动后可通过南向接口获取各个云服务商的各个服务类型的价格信息、区域信息和质量信息,并结合云模拟器(图中未示出)生成的业务资源数据对资源组合推荐智能体进行定期训练。接下来,如图所示的需求方可通过提供相应数据服务的APP发起业务申请请求。接下来,如图所示的数据集成服务/API(ApplicationProgramming Interface,应用程序接口)接收到请求后可以调用如图所示的意图解析引擎对请求数据(即第一需求数据)进行解析和分类,从而得到第二需求数据。接下来,意图解析引擎可向资源组合推荐智能体引擎发起推荐请求。接下来,资源组合推荐智能体可根据由第二需求数据拟合的需求约束集生成第一多云资源组合策略,然后将其传输给如图所示的策略引擎。接下来,策略引擎可根据预设的策略修正规则,对第一多云资源组合策略进行修正处理,得到最终推荐的第二多云资源组合策略,然后将其推荐给需求方,以供需求方选择并使用。另外,根据本公开示例性实施例,也可不完全按照上述顺序进行多云资源推荐,本领域的技术人员可根据实际情况来灵活调整。
根据本公开示例性实施例的用于虚拟公有云的资源推荐方法和资源推荐装置可以结合全球各个公有云的费用、活动折扣、质量属性、时段和区域等信息,并根据云用户的应用场景、使用时长、区域倾向和SLA等个性化需求,快速推荐多云资源组合方案,以供云用户选择并使用。
以上已参照图1至图3描述了根据本公开示例性实施例的用于虚拟公有云的资源推荐方法和资源推荐装置。
图2所示出的用于虚拟公有云的资源推荐装置中的各个单元可被配置为执行特定功能的软件、硬件、固件或上述项的任意组合。例如,各个单元可对应于专用的集成电路,也可对应于纯粹的软件代码,还可对应于软件与硬件相结合的模块。此外,各个单元所实现的一个或多个功能也可由物理实体设备(例如,处理器、客户端或服务器等)中的组件来统一执行。
此外,参照图1所描述的用于虚拟公有云的资源推荐方法可通过记录在计算机可读存储介质上的程序(或指令)来实现。例如,根据本公开的示例性实施例,可提供存储指令的计算机可读存储介质,其中,当所述指令被至少一个计算装置运行时,促使所述至少一个计算装置执行根据本公开的用于虚拟公有云的资源推荐方法。
上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服务器等计算机设备中部署的环境中运行,应注意,计算机程序还可用于执行除了上述步骤以外的附加步骤或者在执行上述步骤时执行更为具体的处理,这些附加步骤和进一步处理的内容已经在参照图1进行相关方法的描述过程中提及,因此这里为了避免重复将不再进行赘述。
应注意,根据本公开示例性实施例的用于虚拟公有云的资源推荐装置中的各个单元可完全依赖计算机程序的运行来实现相应的功能,即,各个单元在计算机程序的功能架构中与各步骤相应,使得整个系统通过专门的软件包(例如,lib库)而被调用,以实现相应的功能。
另一方面,图2所示的各个单元也可以通过硬件、软件、固件、中间件、微代码或其任意组合来实现。当以软件、固件、中间件或微代码实现时,用于执行相应操作的程序代码或者代码段可以存储在诸如存储介质的计算机可读介质中,使得处理器可通过读取并运行相应的程序代码或者代码段来执行相应的操作。
例如,本公开的示例性实施例还可以实现为计算装置,该计算装置包括存储部件和处理器,存储部件中存储有计算机可执行指令集合,当计算机可执行指令集合被处理器执行时,执行根据本公开示例性实施例的用于虚拟公有云的资源推荐方法。
具体说来,计算装置可以部署在服务器或客户端中,也可以部署在分布式网络环境中的节点装置上。此外,计算装置可以是PC计算机、平板装置、个人数字助理、智能手机、web应用或其他能够执行上述指令集合的装置。
这里,计算装置并非必须是单个的计算装置,还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。计算装置还可以是集成控制系统或系统管理器的一部分,或者可被配置为与本地或远程(例如,经由无线传输)以接口互联的便携式电子装置。
在计算装置中,处理器可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制,处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
根据本公开示例性实施例的用于虚拟公有云的资源推荐方法中所描述的某些操作可通过软件方式来实现,某些操作可通过硬件方式来实现,此外,还可通过软硬件结合的方式来实现这些操作。
处理器可运行存储在存储部件之一中的指令或代码,其中,存储部件还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收,其中,网络接口装置可采用任何已知的传输协议。
存储部件可与处理器集成为一体,例如,将RAM或闪存布置在集成电路微处理器等之内。此外,存储部件可包括独立的装置,诸如,外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储部件和处理器可在操作上进行耦合,或者可例如通过I/O端口、网络连接等互相通信,使得处理器能够读取存储在存储部件中的文件。
此外,计算装置还可包括视频显示器(诸如,液晶显示器)和用户交互接口(诸如,键盘、鼠标、触摸输入装置等)。计算装置的所有组件可经由总线和/或网络而彼此连接。
根据本公开示例性实施例的用于虚拟公有云的资源推荐方法可被描述为各种互联或耦合的功能块或功能示图。然而,这些功能块或功能示图可被均等地集成为单个的逻辑装置或按照非确切的边界进行操作。
因此,参照图1所描述的用于虚拟公有云的资源推荐方法可通过包括至少一个计算装置和至少一个存储指令的存储装置的系统来实现。
根据本公开的示例性实施例,至少一个计算装置是根据本公开示例性实施例的用于执行用于虚拟公有云的资源推荐方法的计算装置,存储装置中存储有计算机可执行指令集合,当计算机可执行指令集合被至少一个计算装置执行时,执行参照图1所描述的用于虚拟公有云的资源推荐方法。
以上描述了本公开的各示例性实施例,应理解,上述描述仅是示例性的,并非穷尽性的,本公开不限于所披露的各示例性实施例。在不偏离本公开的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。因此,本公开的保护范围应该以权利要求的范围为准。
Claims (10)
1.一种用于虚拟公有云的资源推荐方法,应用于服务器,所述资源推荐方法包括:
获取云资源需求方对于云资源的第一需求数据;
将所述第一需求数据转化为第二需求数据,所述第二需求数据为量化的资源指标;
基于所述第二需求数据,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略;
基于所述第一多云资源组合策略,确定所述云资源需求方的第二多云资源组合策略,以使所述云资源需求方按照所述第二多云资源组合策略选择虚拟公有云资源。
2.如权利要求1所述的资源推荐方法,其中,所述第一需求数据包括位置需求、服务类型需求、时间需求、计算需求和传输敏感需求中的至少一个。
3.如权利要求1所述的资源推荐方法,其中,所述将所述第一需求数据转化为第二需求数据的步骤包括:
对所述第一需求数据进行解析,并且对解析后的数据按照硬件标准和质量标准进行分类,得到第二需求数据。
4.如权利要求3所述的资源推荐方法,其中,所述第二需求数据包括硬件需求指标和质量需求指标中的至少一个,其中,所述硬件需求指标表示对云资源硬件参数的需求,所述质量需求指标表示对云资源进行质量测试后得到的质量测试结果统计值的需求。
5.如权利要求1所述的资源推荐方法,其中,所述基于所述第二需求数据,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略的步骤包括:
将所述第二需求数据拟合为需求约束集,其中,所述需求约束集包括区域约束、服务类型约束、算力约束、网络约束、服务级别协议约束和业务资源约束中的至少一个;
基于所述需求约束集,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略。
6.如权利要求5所述的资源推荐方法,其中,所述基于所述需求约束集,通过预先设置的资源组合推荐智能体获取第一多云资源组合策略的步骤包括:
将所述需求约束集提供给所述资源组合推荐智能体,以使所述资源组合推荐智能体根据所述需求约束集生成多个数量的云资源组合,并基于预设偏好,对所述多个数量的云资源组合进行排序,其中,所述预设偏好包括性价比偏好和性能偏好中的至少一个;
获取所述资源组合推荐智能体对所述多个数量的云资源组合排序后输出的第一多云资源组合策略。
7.如权利要求1所述的资源推荐方法,其中,所述资源组合推荐智能体通过下述操作被预先训练好:
获取每个云服务商的每个服务类型的云信息数据和云模拟器数据,其中,所述云信息数据包括价格信息、区域信息和质量信息中的至少一个,所述云模拟器数据包括在云上通过模拟器模拟预设使用场景所生成的业务资源数据;
基于所述每个云服务商的每个服务类型的云信息数据和云模拟器数据,对所述资源组合推荐智能体进行训练。
8.一种用于虚拟公有云的资源推荐装置,应用于服务器,所述资源推荐装置包括:
需求获取单元,被配置为获取云资源需求方对于云资源的第一需求数据;
需求量化单元,被配置为将所述第一需求数据转化为第二需求数据,所述第二需求数据为量化的资源指标;
策略生成单元,被配置为基于所述第二需求数据,通过预先训练的资源组合推荐智能体获取第一多云资源组合策略;
策略修正单元,被配置为基于所述第一多云资源组合策略,确定所述云资源需求方的第二多云资源组合策略,以使所述云资源需求方按照所述第二多云资源组合策略选择虚拟公有云资源。
9.一种存储指令的计算机可读存储介质,其中,当所述指令被至少一个计算装置运行时,促使所述至少一个计算装置执行如权利要求1至7中的任一权利要求所述的用于虚拟公有云的资源推荐方法。
10.一种包括至少一个计算装置和至少一个存储指令的存储装置的系统,其中,所述指令在被所述至少一个计算装置运行时,促使所述至少一个计算装置执行如权利要求1至7中的任一权利要求所述的用于虚拟公有云的资源推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111432974.3A CN116205697A (zh) | 2021-11-29 | 2021-11-29 | 用于虚拟公有云的资源推荐方法和资源推荐装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111432974.3A CN116205697A (zh) | 2021-11-29 | 2021-11-29 | 用于虚拟公有云的资源推荐方法和资源推荐装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116205697A true CN116205697A (zh) | 2023-06-02 |
Family
ID=86517760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111432974.3A Pending CN116205697A (zh) | 2021-11-29 | 2021-11-29 | 用于虚拟公有云的资源推荐方法和资源推荐装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205697A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116600020A (zh) * | 2023-07-13 | 2023-08-15 | 支付宝(杭州)信息技术有限公司 | 协议生成方法、端云协同推荐方法及装置 |
-
2021
- 2021-11-29 CN CN202111432974.3A patent/CN116205697A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116600020A (zh) * | 2023-07-13 | 2023-08-15 | 支付宝(杭州)信息技术有限公司 | 协议生成方法、端云协同推荐方法及装置 |
CN116600020B (zh) * | 2023-07-13 | 2023-10-10 | 支付宝(杭州)信息技术有限公司 | 协议生成方法、端云协同推荐方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10740711B2 (en) | Optimization of a workflow employing software services | |
US10057118B2 (en) | Method and apparatus for enabling dynamic analytics configuration on a mobile device | |
US10031841B2 (en) | Method and system for incrementally updating a test suite utilizing run-time application executions | |
US10783002B1 (en) | Cost determination of a service call | |
Patiniotakis et al. | PuLSaR: preference-based cloud service selection for cloud service brokers | |
US8606905B1 (en) | Automated determination of system scalability and scalability constraint factors | |
CN108038665B (zh) | 业务规则管理方法、装置、设备及计算机可读存储介质 | |
CN110781180B (zh) | 一种数据筛选方法和数据筛选装置 | |
Ludwig et al. | rSLA: Monitoring SLAs in dynamic service environments | |
Preuveneers et al. | Systematic scalability assessment for feature oriented multi-tenant services | |
CN116205697A (zh) | 用于虚拟公有云的资源推荐方法和资源推荐装置 | |
US20160162909A1 (en) | Automatic modification of requirements based on consumption and market changes | |
CN110955438A (zh) | 一种小程序的性能监控方法、装置、设备及存储介质 | |
Zhuang et al. | ‘MEAN+ R’: implementing a web-based, multi-participant decision support system using the prevalent MEAN architecture with R based on a revised intuitionistic-fuzzy multiple attribute decision-making model | |
CN110825425A (zh) | 配置数据管理方法及装置、电子设备、存储介质 | |
US8990122B2 (en) | Method and system for providing computer application support | |
CN111866129A (zh) | 基于云平台的服务可用性指标的确定方法及装置、介质 | |
US9978070B1 (en) | Dynamic customer relationship management while maintaining customer privacy | |
CN107562461B (zh) | 特征计算系统及方法、存储介质和电子设备 | |
CN113780666B (zh) | 一种缺失值的预测方法及装置、可读存储介质 | |
US20220237141A1 (en) | Fpga implementation of low latency architecture of xgboost for inference and method therefor | |
US10552486B2 (en) | Graph method for system sensitivity analyses | |
CN107508705A (zh) | 一种http元素的资源树构建方法及计算设备 | |
CN116490871A (zh) | 在数据分析中自动调整数据访问策略 | |
CN112131468A (zh) | 推荐系统中的数据处理方法、装置 |
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 |