CN116391177A - 带优先级的非活动存储器设备更新 - Google Patents
带优先级的非活动存储器设备更新 Download PDFInfo
- Publication number
- CN116391177A CN116391177A CN202180071353.9A CN202180071353A CN116391177A CN 116391177 A CN116391177 A CN 116391177A CN 202180071353 A CN202180071353 A CN 202180071353A CN 116391177 A CN116391177 A CN 116391177A
- Authority
- CN
- China
- Prior art keywords
- computer
- computers
- memory devices
- metric
- user
- 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
- 238000004064 recycling Methods 0.000 claims abstract description 48
- 238000004374 forensic analysis Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 81
- 230000008569 process Effects 0.000 claims description 42
- 238000004891 communication Methods 0.000 claims description 23
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims description 5
- 230000015654 memory Effects 0.000 abstract description 46
- 238000004140 cleaning Methods 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 28
- 238000012913 prioritisation Methods 0.000 description 15
- 238000013473 artificial intelligence Methods 0.000 description 14
- 238000011084 recovery Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000011012 sanitization Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- 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
-
- 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
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- 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
- G06F11/3438—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 monitoring of user actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0604—Improving or facilitating administration, e.g. storage management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0646—Horizontal data movement in storage systems, i.e. moving data in between storage devices or systems
- G06F3/0652—Erasing, e.g. deleting, data cleaning, moving of data to a wastebasket
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/0671—In-line storage system
- G06F3/0673—Single storage device
- G06F3/0674—Disk device
- G06F3/0676—Magnetic disk device
-
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/004—Error avoidance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Stored Programmes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
示例实施例有助于优先化基于云的计算环境中由客户租赁的计算资源,例如,服务器侧计算系统和附随的资源(例如,非易失性存储器、附随的固件、数据等)的回收利用,由此基于对计算资源何时最有可能需要例如经由后台清理和更新被回收利用的估计,要取证分析/检查、清理和/或更新的计算资源(例如,非易失性存储器)被优先化以便回收利用。有可能首先被回收利用的计算资源被给予比更有可能稍后回收利用的计算资源更高的优先级。通过根据本文讨论的实施例优先化计算资源的回收利用,可以高效地分配和保存用于实现计算资源回收利用的其它基于云的计算资源。
Description
相关申请的交叉引用
本申请要求于2020年10月19日提交的标题为“PRIORITIZED NON-ACTIVE MEMORYDEVICE UPDATE”的美国专利申请序列No.17/074,356(ORACP0262/ORACP00515-US-NP)的优先权,该专利申请特此通过引用并入,如同出于所有目的在本申请中完全阐述一样。
技术领域
本申请涉及计算,并且更具体地涉及用于在最小化计算资源的停机时间的同时提高计算资源在计算环境中的回收利用(recycle)效率的软件、系统和方法。
背景技术
用于选择性地回收利用计算资源的系统和方法,例如,计算机系统和附随的存储器、数据、软件等,被用于各种要求苛刻的应用,包括涉及将服务器侧计算机系统租赁给外部客户的基于云的应用(例如,服务器),其中附随的服务器侧计算机系统必须在先前客户弃用它们时将其移交给或租赁给新客户之前被回收利用。此类应用通常需要高效的机制来促进回收利用计算资源,同时最小化计算资源停机时间并最小化执行回收利用操作所需的基于云的资源。
在基于云的计算环境的示例中,计算机系统被回收利用;然后移交给后续用户。回收利用过程可能涉及对计算机系统进行数字化清理和更新,诸如通过擦除先前的数据(例如,来自先前客户的数据)、更新在计算机的非易失性存储器设备上运行的旧固件,等等。
常规地,当用户放弃使用他们租赁的计算机系统时,整个计算机系统离线,同时例如通过执行非易失性存储器的擦除并用新固件和附随数据替换来回收利用系统。但是,这会导致计算机系统的大量停机时间,从而使托管组织损失收入。此外,使用固件和数据的常规擦除和重新安装可能特别耗时,从而进一步延长了计算机系统的停机时间。
计算资源回收利用的替代方法可能表现出类似的低效率,使得回收利用操作可能需要过多的基于云的资源。此外,除了仅仅在特定事件(例如给定客户释放计算资源)之后,现有方法通常缺乏用于最佳地确定何时应该发生回收利用事件的功能。
发明内容
本文讨论的各种实施例采用与计算机后台更新系统通信以促进选择性和高效地分配基于云的计算资源的回收利用优先化确定系统,以根据优先级排名在计算机系统和附随的存储器设备上执行后台更新。计算机系统和附随的存储器设备(例如,非易失性存储器)可以被确定优先级以进行回收利用,使得用于回收利用计算机系统的基于云的计算资源可以根据优先级排名高效地集中于更新计算机系统和附随的非易失性存储器。优先级排名可以被设置为使得接下来最有可能需要回收利用的计算机系统被给予优先级以进行回收利用操作,例如,后台更新。
示例方法促进了用于在基于云的计算环境中回收利用或更新其它计算资源的网络可访问计算资源的高效使用。该示例方法包括确定当前由基于云的计算环境的一个或多个用户使用中的一组计算机;获得与该组计算机中的每个计算机相关联的一个或多个度量;使用一个或多个度量来确定关于该组计算机中的每个计算机何时可能被该组计算机中的每个计算机的当前用户腾出的一个或多个估计;以及对该组计算机中的每个计算机采用一个或多个估计来确定何时启动后台更新过程以回收利用每个计算机。
在更具体的实施例中,采用步骤还包括使用一个或多个估计来确定回收利用每个计算机的优先级,使得对于后台更新过程,这组计算机中被估计为更快回收利用的计算机被优先化。
回收利用步骤还可以包括采用后台更新过程来更新被回收利用的每个计算机的一个或多个存储器设备上的固件。一个或多个存储器设备可以包括一个或多个替代存储器设备,这一个或多个替代存储器设备(通过后台更新过程)被配置为切换以替换将被当前用户腾出的每个计算机的一个或多个存储器设备。
回收利用还可以包括采用后台更新过程来更新被回收利用的每个计算机的一个或多个存储器设备上的固件和/或软件;以及采用后台更新过程对被回收利用的每个计算机的一个或多个存储器设备进行取证分析(forensic analysis)。一个或多个存储器设备可以包括一个或多个非易失性存储器设备,例如,容纳或表示网络接口控制器(NIC)、基本输入输出系统(BIOS)、现场可编程门阵列(FPGA)等。
一个或多个度量可以包括以下中的一项或多项:第一度量,指示每个计算机已经被使用多长时间,由此使用时间越长的计算机指示被用户更快腾出的可能性越高;第二度量,指示用户已保持使用一个或多个计算机的历史持续时间,由此被频繁腾出计算机的用户使用的计算机指示被用户更快腾出的可能性越高;第三度量,根据每个计算机的标识号指示每个计算机的移交(turnover)率,由此被识别为与高移交率相关联的计算机指示被用户更快腾出的可能性越高;第四度量,测量与每个计算机相关联的温度,由此与越低温度相关联的计算机指示被更快腾出的可能性越高;以及第五度量,表示机器学习模型的考虑第一度量、第二度量、第三度量和第四度量中的一个或多个的机器学习模型的输出值。
因此,本文讨论的各种实施例可以促进优先化对计算机系统的一个或多个非易失性存储器设备的后台更新。这有助于节省用于实现非易失性存储器和相关联的计算资源(例如,固件、数据等)的后台更新和相关联的回收利用的网络带宽。
注意,常规地,对非易失性存储器设备的更新可能已同时推送到所有使用中的计算机系统。但是,这是低效的并且不必要地损害了网络带宽。本文讨论的实施例克服了现有方法具有的此类问题,以促进计算机资源(例如,包括非易失性存储器和附随的固件、数据等)回收利用和相关联的后台回收利用的实施。
可以通过参考说明书的其余部分和附图来实现对本文公开的特定实施例的性质和优点的进一步理解。
附图说明
图1图示了第一示例系统和附随的计算环境,其采用恢复后端来促进根据由回收利用优先化系统确定的优先值选择性地实现计算资源的后台更新,这可以经由一个或多个云服务和或应用编程接口和/或代码库来实现。
图2图示了示出第一示例方法的示例流程图,第一示例方法可以用于例如根据对特定计算机系统接下来何时最有可能被回收利用的估计选择性地优先化由图1的一个或多个用户使用的多个计算设备(即,计算机系统)的回收利用和相关联的后台更新。
图3图示了可以经由图1的系统实现的第二示例系统,其图示了使用机器学习和相关联的人工智能来使用计算机系统数据确定指示计算机系统接下来被先前客户弃用并需要回收利用(例如,后台更新)的可能性的估计,即,优先值。
图4图示了例如由图3的计算机后台更新模块实现的可以用来促进后台更新的存储器交换系统的示例组件。
图5是适合与图1-4的实施例一起使用的第二示例方法的流程图。
图6图示了可以用于本文描述的实施方式的示例网络环境的框图。
图7图示了可以用于本文描述的实施方式的示例计算设备或系统的框图。
具体实施方式
为了这里讨论的目的,计算环境可以是用于执行涉及计算机处理的一项或多项任务的计算资源的任何集合。计算机可以是与存储器通信的任何处理器。计算资源可以是计算环境的任何组件、机制或能力或其数量,包括但不限于处理器、存储器、软件应用、用户输入设备和输出设备、服务器、数据等。
联网计算环境可以是包括相互通信的计算机的任何计算环境,即计算机网络。类似地,联网软件应用可以是适于促进经由网络与一个或多个计算资源(例如,服务器)通信或以其它方式使用一个或多个计算资源的计算机代码。
为了这里讨论的目的,服务器可以是适于向请求它的另一个计算资源或实体(即,客户端)提供内容(例如,数据和/或功能性)的任何计算资源,诸如计算机和/或软件。客户端可以是适于从被称为服务器的另一计算机或系统接收内容的任何计算机或系统。服务器系统可以是一个或多个服务器和附随的计算资源的任何集合。
数据中心可以是一个或多个建筑物或设施的任何集合,用于容纳多个计算机系统(本文中也被简称为计算机),例如服务器和其它基于云的计算资源。
基于云的计算资源可以是数据中心或者一个或多个相互通信的服务器的其它集合容纳的任何计算资源。
云服务可以是用于使得用户和/或其它软件应用能够使用经由云提供的数据和/或功能性的任何机制(例如,一个或多个web服务、应用编程接口(API)等)。云可以是一个或多个服务器的任意集合。例如,某些云是经由一个或多个具有服务器的数据中心实现的,这些服务器可以提供数据、数据存储和客户端设备可访问的其它功能性。
某些数据中心可能会提供用于聚集计算和联网装备以供用户访问、使用和存储大量数据的集中位置。通常在计算系统的集合(例如,云计算系统)中,诸如处理器和存储器之类的公共资源被配置为供不同的用户轮流使用。这种计算集合使用一旦一个用户使用完它就可以被擦除并供下一个用户重写的可重写存储器,例如闪存。例如,云服务提供商必须确保当新用户开始访问云资源时,该资源已为后续用户正确配置,并且来自先前用户的任何信息都不可用。
为了清楚起见,在图中不一定明确指出某些众所周知的组件,诸如互联网、硬盘驱动器、处理器、电源、路由器、互联网服务提供商(ISP)、输入/输出(I/O)工作流协调器、进程调度器、身份管理云、进程云、证书颁发机构、业务流程管理系统、数据库管理系统、中间件等。但是,获得本教导的本领域技术人员将知道要实现哪些组件以及如何实现它们来满足给定实现的需要。
图1图示了第一示例系统10和附随的计算环境,其采用恢复后端22来促进根据由回收利用优先化系统40确定的优先值选择性地实现计算资源的后台更新,这可以经由可在控制平面云服务24(本文中也被称为控制平面云服务模块24)当中运行或被包含在其内或当中的一个或多个云服务和/或应用编程接口和/或代码库(诸如信任根(ROT)库)来实现。
示例系统10包括例如经由互联网或其它网络与服务器系统14通信的一个或多个客户端系统12。服务器系统14可以经由数据中心实现并且可以表示云。
注意,一般而言,系统10的各种模块的分组是说明性的并且可以变化,例如,某些模块可以与其它模块组合或在其它模块内部实现,或者模块可以以其它方式不同地(与所示不同)分布在网络当中或在一个或多个计算设备或虚拟机内,而不脱离本教导的范围。
例如,虽然将切换器28(如下文更全面讨论的)示为被包括在恢复后端22中,但切换器28可以被认为在恢复后端22外部,而不脱离本教导的范围。类似地,在不脱离本教导的范围的情况下,前端处理模块18的服务处理器38可以被认为是一个或多个服务器侧计算机系统20的一部分,而不是前端处理模块18的一部分。
此外,本领域的技术人员可以很容易地更改以与本教导(以及本文讨论的相关联实施例)一起使用的系统模块的替代分组和布置在上面标识并并入的标题为“CONFIGURABLE MEMORY DEVICE CONNECTED TO A MICROPROCESSOR”的美国专利申请中进行了更全面的讨论。
在本示例实施例中,客户端侧系统12包括客户端软件16,用于促进访问由服务器系统14提供的数据和功能性。示例服务器系统14包括可以经由一个或多个web服务和/或应用编程接口(API)和相关联的处理器(包括服务处理器38)实现的前端处理模块18。
出于这里讨论的目的,软件功能性可以是经由计算机代码(即软件)提供的任何功能、能力或特征,例如,存储或布置的数据。软件功能性可以包括动作,诸如检索与计算对象(例如,业务对象)相关的数据;执行与企业相关的任务、计算分析、启动某些对话框、执行搜索、在存储器设备上实现取证分析算法等,如下面更全面讨论的。
前端处理模块18与一个或多个第一计算机系统20通信,这一个或多个第一计算机系统20的资源选择性地租赁给用户,例如,服务器系统14的拥有者的客户。一般而言,这样的第一计算机系统20包括用于促进第一计算机系统20的操作的一个或多个第一存储器设备30。注意,术语“存储器设备”可以与本文的术语“存储器”互换使用。
执行操作(客户端系统12的用户经由从客户端系统12向计算机系统20发出一个或多个请求消息来指示第一计算机系统20执行的操作)的请求由前端处理的服务处理器38处理,前端处理有助于将客户端系统12与服务器侧计算资源对接,服务器侧计算资源包括第一计算机20的第一存储器设备30(和附随的固件、数据等),以及由计算机系统20提供的其它计算资源(例如,处理、操作系统软件、应用软件等)。
当服务处理器38正在处理来自客户端系统12的消息传递时,这可能会因此影响第一存储器设备30的使用,那么第一存储器设备30被称为在线或活动的,即,它正在被使用或可经由前端处理模块18供客户端系统12使用。类似地,当第一存储器设备30与客户端系统12和前端处理模块18电子隔离(例如,经由切换器28,如下文更全面讨论的)时,第一存储器设备30被称为离线或非活动的。注意,服务处理器38可以包括类似于底板管理控制器(BMC)的功能性,用于监视服务器(计算机系统)硬件并且与例如现场可编程门阵列(FPGA)、基本输入/输出系统(BIOS)等各种外围设备通信。
在本示例实施例中,恢复后端22包括在实现一个或多个离线存储器设备32-36的后台更新和相关联的处理中涉及的各种模块26、28、32-36和相关联的功能。恢复后端22与前端处理18的服务处理器38和第一计算机系统20的第一存储器设备30通信。
恢复后端22的各种模块26、28、32-36包括信任根处理器(ROT)26(本文也称为ROT处理器)。ROT 26实现用于经由切换器28将控制平面云服务24的一个或多个云服务与恢复后端22的一个或多个存储器设备32-36安全地对接的功能性。ROT 26可以向切换器28发出一个或多个控制信号,例如,以选择性地控制切换器28的切换操作,如下面更全面讨论的。
切换器28选择性地将服务处理器38与存储器设备30-36中的一个或多个耦合(例如,响应于ROT处理器26发出的一个或多个控制信号)。在本实施例中,服务处理器38经由切换器28电耦合到第一存储器设备30。
为了说明的目的,将第一存储器设备30示为被包括在第一计算机系统20中。但是,第一存储器设备30可以或可以不被包括在第一计算机系统20内。切换器28包括用于选择性地电断开服务处理器38和第一存储器设备30之间的通信以及将它重新连接到一个或多个其它存储器(例如,当前离线的存储器设备32-34中的一个)的功能性。
这种切换和重新连接在这里被称为交换。例如,如果ROT 26向切换器28发出控制信号以使服务处理器38与第一存储器设备30断开连接;放置第一存储器设备30;然后连接到第三存储器设备34,则在第三存储器设备34然后可以被第一计算机系统20使用的程度上,第三存储器设备34可以被认为是第一计算机系统20的一部分,而之前的第一存储器30经由切换器28以电子方式移动到恢复后端22。
注意,ROT处理器26还与控制平面云服务24的一个或多个云服务(例如,web服务、应用编程接口(API)等)通信。在本示例实施例中,控制平面云服务24包括用于实现功能性(通过ROT处理器26实行)来实现取证分析和将数据写入到可能正在进行后端处理的模块,例如准备当另一个用户被指派第一计算机系统20时可用于替换第一存储器设备30的一个或多个离线存储器32-36。
通过选择性地使用离线后端处理来准备存储器设备32-36以便随后与第一计算机系统20相关联地使用,当第一存储器设备30离线时,这可以避免第一计算机系统20的任何停机时间。
例如,当(一个或多个)客户端系统12的第一用户在使用第一存储器设备30之后弃用第一计算机系统20时,ROT处理器26可以例如经由来自控制平面云服务24的一个或多个云服务的信令检测到该事件。一旦检测到这样的弃用事件,ROT处理器26然后就可以使用切换器28以电子方式换出第一存储器设备30。例如,第一存储器设备30可以被电子换出并替换为第三存储器设备34,第三存储器设备34已经被清理、更新和以其它方式处理以准备由第一计算机系统20的后续用户使用。
在第一计算机系统20从第一用户移交到第二用户(或准备移交到第二用户)时发生的这种交换时间可能接近于零,使得计算机系统20的停机时间几乎被消除。
注意,本文讨论的实施例包括附加的有益技术;不仅仅是为了实现回收利用操作而进行的离线后台处理。
例如,如下面更全面地讨论的,控制平面云服务模块24包括用于实现回收利用优先化系统40的一个或多个云服务(例如,web服务)或其它模块。在本示例实施例中,回收利用优先化系统40基于关于它们将被弃用的时间的估计来对给定的可用计算机系统群中的所有计算机系统20进行排名。当计算机系统(例如,计算机系统20)被弃用时,它然后将被后台处理,例如,现有存储器设备30将与计算机系统20以电子方式断开(例如,经由切换器28响应于来自ROT处理器26的控制信号),并且新的经净化的,即,经后台处理的(经由回收利用操作)的存储器将被电子切换到位,即,置于在线以供计算机系统20和随后的用户使用。
可用于后台处理的服务器系统14的计算资源然后被应用于计算机系统20的整个群的子集。该子集取自最高优先值,即与给定计算机系统和(一个或多个)附随存储器设备将很快需要后台处理和附随的回收利用操作以备将来使用的估计可能性对应的值。
一般而言,服务器系统14的可用于后台处理操作的计算系统资源越多,子集就可能越大,这取决于给定计算环境的需求。
总之,注意不同的用户占用计算机系统的持续时间不同。当新的软件更新或配置变得可用于部署时,本文讨论的各种实施例将优先级(基于由回收利用优先化系统40确定的估计或优先值)给予最有可能被回收利用的计算机系统的后台更新和净化(例如,对其执行回收利用操作)。
注意,用于确定或估计计算机系统接下来需要回收利用的可能性的确切方法可能因具体实施而异,并且可能会有所不同,这取决于给定实施方式的具体情况。
但是,实施例可以采用几种方法中的一种或多种来促进估计计算机系统将接下来被弃用并因此需要回收利用的可能性。这些方法包括但不限于考虑以下因素:
·使用时间段最短的机器到使用时间段最长的机器,其中此类数据表示度量,由此,如度量所指示的已使用时间较长的机器(即计算机系统)比刚刚分配给新用户的机器接下来更有可能被回收利用(或反之亦然)。
·具有保持其机器最短历史的客户使用的机器到保持其机器最长的客户使用的机器,由此,此类客户历史数据表示度量,由此,如该度量所指示的与高移交率相关联的用户占用的机器可能接下来更有可能需要回收利用。
·机器存货单位编号和/或类型(例如,E3-2c计算、E3-2c块存储等)按历史上租赁间隔最短的SKU到租赁间隔最长的SKU排序,由此,与机器SKU(或其它标识号)相关联的移交数据表示可以指示给定机器接下来将需要回收利用的可能性的度量。
·测量主机中央处理单元(CPU)温度以推断负载度量,由此,如由度量所指示的越低的CPU温度可以指示接下来越有可能被回收利用的不那么忙的机器。
·由机器学习模型(例如,人工智能(AI)模块)使用上述方法中的任何一种或组合输出的度量,以确定使用时间模式、历史客户行为、SKU类型和系统负载来预测下一个最可能回收利用事件等。
注意,根据本文讨论的实施例的计算机系统(和附随的存储器设备)的回收利用优先化在具有有限计算资源(例如,有限的带宽或其它系统资源)的计算环境(例如,基于云的环境)中特别有用。
本文讨论的后台更新机制和方法也可能是重要的,部分原因是实现计算机软件、固件和/或其它相关配置更新的重要性。这样的更新可能需要大量时间,并且当回收利用事件被阻止(例如,至有限的计算环境资源)时,这可能转化为服务器系统14和相关联的计算环境的拥有者的收入损失。此外,阻止更新会导致计算机系统停机时间过长,这些计算机系统在停机或离线时无法被租赁。因此,计算机系统20的群的弹性可能会成问题地受到影响。
图2图示了示出第一示例方法60的示例流程图,该方法可以用于例如根据对特定计算机系统(例如,图1的计算机系统20)何时最有可能接下来被回收利用的估计选择性地优先化由图1的一个或多个用户(经由图1的客户端系统12)使用的多个计算设备(也被称为计算机系统)的回收利用和相关联的后台更新。
参考图1和图2,在第一步骤62中,对计算机系统群的更新变得可用。
在第二步骤64中,图1的回收利用优先化系统40启动过程来估计立即回收利用的可能性(即,估计计算机系统何时或多快可能需要回收利用,和/或针对每个计算机系统估计多长时间可能有回收利用事件)。
随后,在第三步骤66中,图1的回收利用优先化系统40做出例如估计(或在一些用例中确定)使用存储器(本文也被称为存储器设备)A的计算机系统A;以及使用存储器B的计算机系统B最有可能接下来被弃用。图1的回收利用优先化系统40还可以确定存在足够的服务器系统资源来分别高效地后台更新计算机系统A和B以及附随的存储器A和B。
在第四步骤68中,图1的回收利用优先化系统40可以发起计算机系统和存储器A和B的后台更新过程。后台更新的发起可以经由从图1的优先级确定系统40发送到恢复后端22的ROT处理器26的一个或多个控制信号来实行。
在本示例用例场景中,第五步骤70(在成功完成计算机系统和存储器A和B的后台更新之后发生)是等待步骤,理解为计算机系统A和B的用户可能不立即弃用他们的计算机系统。
在弃用他们的系统后,第六步骤72涉及将后台更新的存储器A和B电子交换到相应的计算机系统A和B中,使得先前离线的存储器A和B变为在线。这种交换可以经由从ROT处理器26发出到切换器28的控制信号来实行。
随后,在第七步骤74中,计算机系统和存储器A和B的回收利用和存储器交换完成。
注意,第一示例方法60和相关联的用例场景可以变化和修改。例如,方法60可以针对保留在群中但尚未通过替代离线存储器的后台处理来准备的计算机进行重复。
此外,虽然第一示例方法60讨论了同时更新两个计算机系统(A和B),但是实施例不限于此。在任何给定时间后台更新的计算机系统的数量可以是特定于实现和特定于计算环境的,并且可以基于例如带宽、处理负载等(可以用于后台更新过程)的可用计算环境资源而变化。
图3图示了可以经由图1的系统10实现的第二示例系统80,图示了使用机器学习和相关联的人工智能(例如,经由人工智能(AI)模块40)来使用计算机系统数据(例如,存储在客户和机器数据库86中的数据和/或经由计算机系统20上的传感器88、90的轮询直接可用的数据)确定指示(一个或多个)系统20的计算机系统有多大可能性接下来将被先前的客户弃用并需要回收利用(例如,后台更新)的估计,即优先值。
在第二示例系统80中,服务器系统14被示为包括回收利用优先化系统40内的AI模块84。为了说明的目的,AI模块84被示为从(一个或多个)温度传感器88和SKU发送器90接收输入(例如,响应于轮询和/或请求消息)。注意,SKU可以替代地从客户和机器数据库86检索(或推送)。
客户和机器数据库86也可以提供关于计算机系统SKU与移交率的关联的度量;关于各个客户与移交率的关联的度量(例如,相关联的计算机系统被弃用并可能需要被回收利用的频率)等。
AI模块84可以在来自各种模块88、90、86的输入数据上进行训练(例如,经由监督和/或非监督学习方法),从而逐步完善AI模块84的能力以准确估计给定计算机系统何时可能被回收利用,例如,以估计给定计算机系统将立即需要回收利用的可能性,或者将以其它方式比群中的另一个计算机系统更快地需要回收利用的可能性。
出于说明的目的,AI模块84向计算机后台更新模块82提供输出,计算机后台更新模块82包括用于针对由AI模块84估计可能需要在其它计算机系统之前进行后台更新的一组一个或多个计算机系统选择性地发起后台更新和相关联的处理(例如,回收利用操作)的附加代码。
除了图1的恢复后端22之外,后台更新模块82可以包括一个或多个附加的云服务,以便根据由AI模块84输出的优先级估计(也被称为优先估计或值)实行计算机系统和附随的存储器设备92的后台处理。注意,存储器设备92可以包括容纳固件的非易失性存储器设备,但是,实施例不限于与非易失性存储器和固件一起使用。
图4图示了存储器交换系统52的示例组件26、28、38,它们可以用来促进后台更新,例如,如图3的计算机后台更新模块82所实现的。在本示例实施例中,选择性存储器交换系统52被示为包括ROT处理器26、(图1的前端处理模块18的)服务处理器38和图1的恢复后端22的切换器28。注意,虽然图1的第一在线存储器设备30未在图4中示出,但是选择性存储器交换系统52也与图1的第一存储器设备30通信。
在图4中,控制平面云服务24被示为经由第一总线(总线1)与选择性存储器交换系统52的ROT 26通信。ROT 26经由第二总线(总线2)与切换器28通信,服务处理器38经由第三总线(总线3)与切换器28通信。切换器28经由第四总线(总线4)与第二离线非易失性存储器32通信。切换器还经由第五总线(总线5)与第三非易失性存储器设备34通信。
注意,切换器28可以经由各种技术来实现。获得本教导的本领域技术人员可以容易地确定合适的切换器架构以满足给定实施方式的需要,而无需过多的实验。在一种实施方式中,切换器28可以使用与操作串行外围设备接口(OSPI)通信的多路复用器(MUX)来实现。
图5是适用于与图1-4的实施例一起使用的第二示例方法130的流程图。第二示例方法130有助于高效地使用用于回收利用或更新基于云的计算环境(例如,对应于图1的云或服务器系统14)中的其它计算资源的网络可访问计算资源。
初始的确定步骤132包括确定当前正被基于云的计算环境的一个或多个用户使用的一组计算机(例如,来自图1的计算机系统20)。
随后的获得步骤134包括获得与该组计算机中的每个计算机相关联的一个或多个度量(例如,对应于回收利用优先化系统40和附随的AI模块84的输入,如图3中所示)。
接下来,使用步骤136包括(例如,经由图3的AI模块84)使用一个或多个度量来确定关于该组计算机中的每个计算机何时可能被该组计算机中的每个计算机的当前用户腾出的一个或多个估计(例如,如由图3的AI模块84输出)。
最后,采用步骤138包括对该组计算机中的每个计算机采用一个或多个估计,以确定何时启动后台更新过程来回收利用每个计算机。采用步骤138可以通过图3的后台更新模块82和图4的相关联的存储器交换系统52提供的代码和相关联的功能性来实现。
注意,在不脱离本教导的范围的情况下,可以修改第二示例方法130。例如,第二示例方法130还可以指定采用步骤138还包括使用一个或多个估计来确定回收利用每个计算机的优先级,使得对于后台更新过程,该组计算机中根据一个或多个估计被估计为更快回收利用的计算机被优先化。
回收利用还可以包括采用后台更新过程来更新被回收利用的每个计算机的一个或多个存储器设备上的固件。一个或多个存储器设备可以包括被后台更新过程配置为进行切换以替换将被当前用户腾出的每个计算机的一个或多个存储器设备的一个或多个替代存储器设备(例如,图1的离线存储器设备32-36)。
回收利用还可以包括采用后台更新过程来更新被回收利用的每个计算机的一个或多个存储器设备上的固件、软件和/或数据。一个或多个存储器设备可以是非易失性存储器设备。
示例方法130还可以指定一个或多个度量包括以下中的一项或多项:
第一度量,指示每个计算机已经被使用多长时间,由此使用时间越长的计算机指示被用户更快腾出的可能性越高;
第二度量,指示用户已保持使用一个或多个计算机的历史持续时间,由此被频繁腾出计算机的用户使用的计算机指示被用户更快腾出的可能性越高;
第三度量,根据每个计算机的标识号指示每个计算机的移交率,由此被识别为与高移交率相关联的计算机指示被用户更快腾出的可能性越高;
第四度量,测量与每个计算机相关联的温度,由此与越低温度相关联的计算机指示被更快腾出的可能性更高;以及
第五度量,表示机器学习模型的考虑第一度量、第二度量、第三度量和第四度量中的一个或多个的机器学习模型的输出值。
获得步骤134还可以包括使用运行一个或多个web服务的云服务来实现探测一个或多个计算机系统和一个或多个数据库以获得一个或多个度量。
与云服务(例如,对应于图1和图3的回收利用优先化系统40,以及图4的控制平面云服务模块24)通信的ROT处理器(例如,图4的ROT处理器26),包括与云服务通信的信任根(ROT)处理器,以促进(例如,经由图3的计算机后台更新模块82)选择性地启动一个或多个过程来实现针对与ROT处理器通信的一个或多个存储器设备(例如,图3的存储器设备92)的后台更新过程。
图6是可用于实现图1-5的实施例的系统900和附随的计算环境的一般框图。实施例可以被实现为独立应用(例如,驻留在用户设备中)或实现为使用客户端侧和服务器侧代码的组合实现的基于web的应用。
通用系统900包括用户设备960-990,包括台式计算机960、笔记本计算机970、智能电话980、移动电话985和平板电脑990。通用系统900可以与能够显示和导航网页或其它类型的电子文档和UI和/或执行应用的任何类型的用户设备(诸如瘦客户机计算机、启用互联网的移动电话、移动互联网接入设备、平板电脑、电子书或个人数字助理)对接。虽然系统900被示为具有五个用户设备,但是可以支持任意数量的用户设备。
Web服务器910用于处理来自web浏览器和独立应用的对网页、电子文档、企业数据或其它内容以及来自用户计算机的其它数据的请求。Web服务器910还可以提供与企业操作相关的数据的推送数据或联合内容,诸如RSS馈送。
应用服务器920操作一个或多个应用。应用可以被实现为一个或多个以任何编程语言编写的脚本或程序,诸如Java、C、C++、C#或任何脚本语言(诸如JavaScript或ECMAScript(欧洲计算机制造商协会脚本)、Perl、PHP(超文本预处理器)、Python、Ruby或TCL(工具命令语言))。应用可以使用库或应用框架(诸如Rails、Enterprise JavaBeans或.NET)来构建。Web内容可以使用HTML(超文本标记语言)、CSS(层叠样式表)和其它Web技术(包括模板语言和分析器)来创建。
在应用服务器920上运行的数据应用适于处理输入数据和用户计算机请求,并且可以从数据存储设备或数据库930存储或检索数据。数据库930存储由数据应用创建和使用的数据。在实施例中,数据库930包括适于响应于SQL格式命令或其它数据库查询语言而存储、更新并检索数据的关系数据库。其它实施例可以使用非结构化数据存储架构和NoSQL(不仅是SQL)数据库。
在实施例中,应用服务器920包括能够执行程序或脚本的一个或多个通用计算机。在实施例中,Web服务器910被实现为在一个或多个通用计算机上运行的应用。Web服务器910和应用服务器920可以在相同的计算机上被组合和执行。
电子通信网络940-950启用用户计算设备960-990、web服务器910、应用服务器920和数据库930之间的通信。在实施例中,网络940-950还可以包括任何形式的电或光通信设备,包括有线网络940和无线网络950。网络940-950还可以结合一个或多个局域网(诸如以太网)、广域网(诸如互联网);蜂窝载波数据网络;以及虚拟网络(诸如虚拟专用网络)。
系统900是根据本发明实施例的用于执行应用的一个示例。在另一个实施例中,应用服务器920、web服务器910和可选的数据库930可以被组合成单个服务器计算机应用和系统。在又一个实施例中,虚拟化和虚拟机应用可以用于实现应用服务器920、web服务器910和数据库930中的一个或多个。
在还有的其它实施例中,web和应用服务功能的全部或一部分可以被集成到在每个用户计算机上运行的应用中。例如,用户计算机上的JavaScript应用可以被用来检索或分析数据并显示应用的部分。
参考图1和图6,图1的(一个或多个)客户端系统12可以经由图6的台式计算机960、平板电脑990、智能电话980、笔记本计算机970和/或移动电话985中的一个或多个来实现。图1的服务器系统14和附随的模块18-28可以经由图6的web服务器910和/或应用服务器920来实现。图3的客户和机器数据库86可以使用图6的数据存储设备930来实现。
图7图示了可以用于本文描述的实施方式的示例计算设备或系统500的框图。例如,计算设备1000可以用于实现图6的服务器设备910、920以及执行本文描述的方法实施方式。在一些实施方式中,计算设备1000可以包括处理器1002、操作系统1004、存储器1006和输入/输出(I/O)接口1008。
在各种实施方式中,处理器1002可以用于实现本文描述的各种功能和特征,以及执行本文描述的方法实施方式。虽然处理器1002被描述为执行本文描述的实施方式,但是计算设备1000的任何合适的组件或组件的组合或与设备1000或任何合适的系统相关联的任何合适的一个或多个处理器可以执行所描述的步骤。本文描述的实施方式可以在用户设备、服务器或两者的组合上执行。
示例计算设备1000还包括软件应用1010,它可以存储在存储器1006上或任何其它合适的存储位置或计算机可读介质上。软件应用1010提供使处理器1002能够执行本文描述的功能和其它功能的指令。计算设备1000的组件可以由一个或多个处理器或硬件设备的任何组合以及硬件、软件、固件等的任何组合来实现。
为了便于说明,图7示出了针对处理器1002、操作系统1004、存储器1006、I/O接口1008和软件应用1010中的每一个的一个方框。这些方框1002、1004、1006、1008和1010可以表示多个处理器、操作系统、存储器、I/O接口和软件应用。在各种实施方式中,计算设备1000可能不具有所示的所有组件和/或可以具有其它元件,包括其它类型的组件,代替本文所示的组件或作为本文所示的组件的附加。
虽然已经相对于其特定实施例描述了本描述,但是这些特定实施例仅是说明性的,而不是限制性的。例如,虽然可以相对于特定类型的资源或操作(例如,非易失性存储器)来描述特征,但是本文描述的特征可以适用于其它云计算资源和操作。
此外,虽然云计算是所描述的计算系统的一个示例,其中存储器恢复系统可以由主板实现,但本存储器恢复系统可以用于其中存储器设备或其它电子硬件在后台更新的其它计算环境。例如,网卡、硬盘驱动器等可以在不干扰当前执行的软件的情况下进行更新。
可以使用任何合适的编程语言来实现特定实施例的例程,包括C、C++、Java、汇编语言等。可以采用不同的编程技术,诸如过程式或面向对象。例程可以在单个处理设备或多个处理器上执行。虽然步骤、操作或计算可以以具体次序呈现,但是这个次序在不同的特定实施例中可以改变。在一些特定实施例中,可以同时执行在本说明书中顺序示出的多个步骤。
特定实施例可以在由指令执行系统、装置、系统或设备使用或与其结合使用的计算机可读存储介质中实现。特定实施例可以以软件或硬件中的控制逻辑的形式或两者的组合来实现。当由一个或多个处理器执行时,控制逻辑可以可操作,以执行在特定实施例中描述的内容。例如,可以使用诸如硬件存储器设备的非暂态介质来存储控制逻辑,其可以包括可执行指令。
可以通过使用经编程的通用数字计算机、通过使用专用集成电路、可编程逻辑器件、现场可编程门阵列、光学、化学、生物、量子或纳米工程系统等来实现特定实施例。可以使用其它组件和机制。一般而言,特定实施例的函数可以通过本领域已知的任何手段来实现。可以使用分布式的、联网的系统、组件和/或电路。可以采用云计算或云服务。数据的通信或传输可以是有线的、无线的或通过任何其它手段。
还将认识到的是,图/附图中描绘的元件中的一个或多个也可以以更分离或集成的方式实现方式,或者甚至在某些情况下被移除或渲染为不可操作,如根据特定应用有用的。实现方式可以存储在机器可读介质中的程序或代码以允许计算机执行上述任何方法也在本发明的精神和范围内。
“处理器”包括处理数据、信号或其它信息的任何合适的硬件和/或软件系统、机制或组件。处理器可以包括具有通用中央处理单元、多个处理单元、用于实现功能的专用电路系统或其它系统的系统。处理不必限于地理地点或具有时间限制。例如,处理器可以“实时”、“离线”、以“批处理模式”等执行其函数。可以通过不同的(或相同的)处理系统在不同的时间和不同的地点执行处理的部分。处理系统的示例可以包括服务器、客户端、最终用户设备、路由器、交换机、联网存储装置等。计算机可以是与存储器通信的任何处理器。存储器可以是任何合适的处理器可读存储介质,诸如随机存取存储器(RAM)、只读存储器(ROM)、磁盘或光盘、或其它适合于存储指令以由处理器执行的非暂态介质。
如在本文的描述中以及贯穿随后的权利要求所使用的,除非上下文另有明确说明,否则“一”、“一个”和“该”包括复数的所指对象。而且,如在本文的描述中以及贯穿随后的权利要求所使用的,除非上下文另有明确说明,否则“在……中”的含义包括“在……中”和“在……上”。
因此,虽然已经描述了特定的实施例,但是在前述公开内容中打算了修改、各种改变和替换的余地,并且将认识到的是,在一些情况下,特定实施例的一些特征将在没有其它特征的对应使用的情况下被采用,而不脱离所阐述范围和精神。因此,可以做出许多修改,以便使特定的情形或材料适应本质范围和精神。
Claims (20)
1.一种包括指令的有形处理器可读介质,所述指令可由一个或多个处理器执行,并且当被执行时可操作用于:
确定基于云的计算环境的一个或多个用户当前使用中的一组计算机;
获得与所述一组计算机中的每个计算机相关联的一个或多个度量;
使用所述一个或多个度量来确定关于所述一组计算机中的每个计算机何时可能被所述一组计算机中的每个计算机的当前用户腾出的一个或多个估计;以及
对所述一组计算机中的每个计算机采用所述一个或多个估计以确定何时启动后台更新过程来回收利用每个计算机。
2.如权利要求1所述的有形处理器可读介质,其中采用还包括:
使用所述一个或多个估计来确定回收利用每个计算机的优先级,使得对于后台更新过程,所述一组计算机中根据所述一个或多个估计被估计为更快回收利用的计算机被优先化。
3.如权利要求2所述的有形处理器可读介质,其中回收利用还包括:
采用后台更新过程来更新被回收利用的每个计算机的一个或多个存储器设备上的固件。
4.如权利要求3所述的有形处理器可读介质,其中所述一个或多个存储器设备包括一个或多个替代存储器设备,所述一个或多个替代存储器设备被后台更新过程配置为进行切换以替换将由当前用户腾出的每个计算机的一个或多个存储器设备。
5.如权利要求2所述的有形处理器可读介质,其中回收利用还包括:
采用后台更新过程来更新被回收利用的每个计算机的一个或多个存储器设备上的软件。
6.如权利要求2所述的有形处理器可读介质,其中回收利用还包括:
采用后台更新过程对被回收利用的每个计算机的一个或多个存储器设备进行取证分析。
7.如权利要求6所述的有形处理器可读介质,其中所述一个或多个存储器设备包括一个或多个非易失性存储器设备。
8.如权利要求1所述的有形处理器可读介质,其中所述一个或多个度量包括以下中的一项或多项:
第一度量,指示每个计算机已经被使用多长时间,由此使用时间越长的计算机指示被用户更快腾出的可能性越高;
第二度量,指示用户已保持使用一个或多个计算机的历史持续时间,由此频繁腾出计算机的用户所使用的计算机指示被用户更快腾出的可能性越高;
第三度量,根据每个计算机的标识号指示每个计算机的移交率,由此被识别为与高移交率相关联的计算机指示被用户更快腾出的可能性越高;
第四度量,测量与每个计算机相关联的温度,由此与越低温度相关联的计算机指示被更快腾出的可能性越高;以及
第五度量,表示机器学习模型的考虑第一度量、第二度量、第三度量和第四度量中的一个或多个的机器学习模型的输出值。
9.如权利要求8所述的有形处理器可读介质,其中获得还包括:
使用运行一个或多个web服务的云服务来实现探测一个或多个计算机系统和一个或多个数据库以获得所述一个或多个度量。
10.如权利要求9所述的有形处理器可读介质,还包括与云服务通信的信任根(ROT)处理器,以促进选择性地启动一个或多个过程来实现针对与ROT处理器通信的一个或多个存储器设备的后台更新过程。
11.一种促进网络可访问计算资源的高效使用的方法,所述网络可访问计算资源用于在基于云的计算环境中回收利用或更新其它计算资源,所述方法包括:
确定基于云的计算环境的一个或多个用户当前使用中的一组计算机;
获得与所述一组计算机中的每个计算机相关联的一个或多个度量;
使用所述一个或多个度量来确定关于所述一组计算机中的每个计算机何时可能被所述一组计算机中的每个计算机的当前用户腾出的一个或多个估计;以及
对所述一组计算机中的每个计算机采用所述一个或多个估计以确定何时启动后台更新过程来回收利用每个计算机。
12.如权利要求11所述的方法,其中采用还包括:
使用所述一个或多个估计来确定回收利用每个计算机的优先级,使得对于后台更新过程,所述一组计算机中根据所述一个或多个估计被估计为更快回收利用的计算机被优先化。
13.如权利要求12所述的方法,其中回收利用还包括:
采用后台更新过程来更新被回收利用的每个计算机的一个或多个存储器设备上的固件。
14.如权利要求13所述的方法,其中所述一个或多个存储器设备包括一个或多个替代存储器设备,所述一个或多个替代存储器设备被后台更新过程配置为进行切换以替换将由当前用户腾出的每个计算机的一个或多个存储器设备。
15.如权利要求12所述的方法,其中回收利用还包括:
采用后台更新过程来更新被回收利用的每个计算机的一个或多个存储器设备上的软件。
16.如权利要求12所述的方法,其中回收利用还包括:
采用后台更新过程对被回收利用的每个计算机的一个或多个存储器设备进行取证分析,并且其中所述一个或多个存储器设备包括一个或多个非易失性存储器设备。
17.如权利要求11所述的方法,其中所述一个或多个度量包括以下中的一项或多项:
第一度量,指示每个计算机已经被使用多长时间,由此使用时间越长的计算机指示被用户更快腾出的可能性越高;
第二度量,指示用户已保持使用一个或多个计算机的历史持续时间,由此频繁腾出计算机的用户所使用的计算机指示被用户更快腾出的可能性越高;
第三度量,根据每个计算机的标识号指示每个计算机的移交率,由此被识别为与高移交率相关联的计算机指示被用户更快腾出的可能性越高;
第四度量,测量与每个计算机相关联的温度,由此与越低温度相关联的计算机指示被更快腾出的可能性越高;以及
第五度量,表示机器学习模型的考虑第一度量、第二度量、第三度量和第四度量中的一个或多个的机器学习模型的输出值。
18.如权利要求17所述的方法,其中获得还包括:
使用运行一个或多个web服务的云服务来实现探测一个或多个计算机系统和一个或多个数据库以获得所述一个或多个度量。
19.如权利要求18所述的方法,还包括与云服务通信的信任根(ROT)处理器,以促进选择性地启动一个或多个过程来实现针对与ROT处理器通信的一个或多个存储器设备的后台更新过程。
20.一种装置,包括:
一个或多个处理器;以及
编码在一个或多个有形介质中的逻辑,所述逻辑由所述一个或多个处理器执行,并且在被执行时可操作用于:
确定基于云的计算环境的一个或多个用户当前使用中的一组计算机;
获得与所述一组计算机中的每个计算机相关联的一个或多个度量;
使用所述一个或多个度量来确定关于所述一组计算机中的每个计算机何时可能被所述一组计算机中的每个计算机的当前用户腾出的一个或多个估计;以及
对所述一组计算机中的每个计算机采用所述一个或多个估计以确定何时启动后台更新过程来回收利用每个计算机。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/074,356 | 2020-10-19 | ||
US17/074,356 US11436000B2 (en) | 2020-10-19 | 2020-10-19 | Prioritized non-active memory device update |
PCT/US2021/055430 WO2022086859A1 (en) | 2020-10-19 | 2021-10-18 | Prioritized non-active memory device update |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116391177A true CN116391177A (zh) | 2023-07-04 |
Family
ID=78822323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180071353.9A Pending CN116391177A (zh) | 2020-10-19 | 2021-10-18 | 带优先级的非活动存储器设备更新 |
Country Status (5)
Country | Link |
---|---|
US (3) | US11436000B2 (zh) |
EP (1) | EP4208788A1 (zh) |
JP (1) | JP2023546903A (zh) |
CN (1) | CN116391177A (zh) |
WO (1) | WO2022086859A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115185687B (zh) * | 2022-07-08 | 2023-11-14 | 慧之安信息技术股份有限公司 | 基于深度学习的内存分配方法 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8261269B2 (en) * | 2009-09-21 | 2012-09-04 | Oracle International Corporation | System and method for synchronizing transient resource usage between virtual machines in a hypervisor environment |
US8966085B2 (en) * | 2012-01-04 | 2015-02-24 | International Business Machines Corporation | Policy-based scaling of computing resources in a networked computing environment |
US9256469B2 (en) * | 2013-01-10 | 2016-02-09 | International Business Machines Corporation | System and method for improving memory usage in virtual machines |
WO2015161480A1 (en) * | 2014-04-24 | 2015-10-29 | Empire Technology Development Llc | Resource consumption optimization |
US20160092353A1 (en) * | 2014-09-25 | 2016-03-31 | Robert C. Swanson | Establishing cold storage pools from aging memory |
US10409649B1 (en) * | 2014-09-30 | 2019-09-10 | Amazon Technologies, Inc. | Predictive load balancer resource management |
US9703602B1 (en) * | 2015-03-31 | 2017-07-11 | Amazon Technologies, Inc. | Burst throttling for multi-tenant storage services |
US10031785B2 (en) * | 2015-04-10 | 2018-07-24 | International Business Machines Corporation | Predictive computing resource allocation for distributed environments |
US10938655B2 (en) * | 2016-01-26 | 2021-03-02 | International Business Machines Corporation | Enterprise cloud garbage collector |
US10419553B2 (en) * | 2017-01-31 | 2019-09-17 | Cisco Technology, Inc. | Dynamic docker pool recycling |
TWI598744B (zh) * | 2017-03-16 | 2017-09-11 | 廣達電腦股份有限公司 | 雲端資源之管理系統及其管理方法 |
US10445143B2 (en) * | 2017-06-14 | 2019-10-15 | Vmware, Inc. | Device replacement for hyper-converged infrastructure computing environments |
US10931780B2 (en) * | 2018-02-28 | 2021-02-23 | International Business Machines Corporation | Resource pre-caching and tenant workflow recognition using cloud audit records |
US10628070B2 (en) * | 2018-03-19 | 2020-04-21 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Selecting and compressing target files to obtain additional free data storage space to perform an operation in a virtual machine |
US10824412B2 (en) * | 2018-04-27 | 2020-11-03 | Nutanix, Inc. | Method and apparatus for data driven and cluster specific version/update control |
US11113117B2 (en) * | 2018-06-05 | 2021-09-07 | Vmware, Inc. | Clustering routines for extrapolating computing resource metrics |
US10496306B1 (en) * | 2018-06-11 | 2019-12-03 | Oracle International Corporation | Predictive forecasting and data growth trend in cloud services |
US10812521B1 (en) * | 2018-08-10 | 2020-10-20 | Amazon Technologies, Inc. | Security monitoring system for internet of things (IOT) device environments |
US11526370B2 (en) * | 2019-03-10 | 2022-12-13 | Microsoft Technology Licensing, Llc. | Cloud resource management using machine learning |
US10868732B2 (en) * | 2019-04-02 | 2020-12-15 | Sap Se | Cloud resource scaling using programmable-network traffic statistics |
US11609845B2 (en) | 2019-05-28 | 2023-03-21 | Oracle International Corporation | Configurable memory device connected to a microprocessor |
US11755372B2 (en) * | 2019-08-30 | 2023-09-12 | Microstrategy Incorporated | Environment monitoring and management |
US20210224109A1 (en) * | 2020-01-16 | 2021-07-22 | Cisco Technology, Inc. | Systems and methods for orchestrating cloud resources |
US11620076B2 (en) | 2020-10-19 | 2023-04-04 | Oracle International Corporation | Accelerated non-volatile memory device inspection and forensics |
-
2020
- 2020-10-19 US US17/074,356 patent/US11436000B2/en active Active
-
2021
- 2021-10-18 JP JP2023523615A patent/JP2023546903A/ja active Pending
- 2021-10-18 WO PCT/US2021/055430 patent/WO2022086859A1/en active Application Filing
- 2021-10-18 EP EP21820349.5A patent/EP4208788A1/en active Pending
- 2021-10-18 CN CN202180071353.9A patent/CN116391177A/zh active Pending
-
2022
- 2022-07-27 US US17/875,229 patent/US11755310B2/en active Active
-
2023
- 2023-07-31 US US18/228,204 patent/US20230385048A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220121434A1 (en) | 2022-04-21 |
US20220365770A1 (en) | 2022-11-17 |
JP2023546903A (ja) | 2023-11-08 |
EP4208788A1 (en) | 2023-07-12 |
WO2022086859A1 (en) | 2022-04-28 |
US11755310B2 (en) | 2023-09-12 |
US20230385048A1 (en) | 2023-11-30 |
US11436000B2 (en) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9104572B1 (en) | Automated root cause analysis | |
US9389916B1 (en) | Job scheduling management | |
US9535754B1 (en) | Dynamic provisioning of computing resources | |
CN103201724A (zh) | 在高可用性虚拟机环境中提供高可用性应用程序 | |
CN111382008B (zh) | 一种虚拟机数据的备份方法、装置及系统 | |
EP3646568A1 (en) | Determining an optimal timeout value to minimize downtime for nodes in a network-accessible server set | |
US20230205516A1 (en) | Software change analysis and automated remediation | |
CN108667740B (zh) | 流量控制的方法、装置及系统 | |
US20230385048A1 (en) | Predictive recycling of computer systems in a cloud environment | |
US20160283306A1 (en) | Information processing apparatus, information processing method, and data center system | |
US11861214B2 (en) | Memory device forensics and preparation | |
CN116089477B (zh) | 分布式训练方法及系统 | |
CN115951845B (zh) | 一种磁盘管理方法、装置、设备及存储介质 | |
CN116680055A (zh) | 一种异步任务处理方法、装置、计算机设备及存储介质 | |
CN116149941A (zh) | 服务器部件的监控方法、装置、服务器及存储介质 | |
US11586964B2 (en) | Device component management using deep learning techniques | |
CN113656378A (zh) | 一种服务器管理方法、装置、介质 | |
CN114518833A (zh) | 用于存储管理的方法、电子设备和计算机程序产品 | |
CN117332881B (zh) | 分布式训练方法及电子设备 | |
CN116089681A (zh) | 数据采集方法、装置、存储介质及计算机设备 | |
CN112737839A (zh) | 多公有云环境下故障自适应修复的方法与设备 | |
CN115037799A (zh) | 限流方法、装置、设备及介质 | |
CN116303513A (zh) | 一种分布式平台的数据加载方法、装置及介质 | |
CN118277085A (zh) | 一种信息获取方法及计算设备 | |
CN117076696A (zh) | 数据处理方法、装置、电子设备及存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40094671 Country of ref document: HK |