CN116450290A - 计算机资源的管理方法、装置、云服务器及存储介质 - Google Patents
计算机资源的管理方法、装置、云服务器及存储介质 Download PDFInfo
- Publication number
- CN116450290A CN116450290A CN202310327746.2A CN202310327746A CN116450290A CN 116450290 A CN116450290 A CN 116450290A CN 202310327746 A CN202310327746 A CN 202310327746A CN 116450290 A CN116450290 A CN 116450290A
- Authority
- CN
- China
- Prior art keywords
- virtual machine
- cpu
- target virtual
- target
- computer
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000007726 management method Methods 0.000 title abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 5
- 241001522296 Erithacus rubecula Species 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000002035 prolonged effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011176 pooling Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Power Sources (AREA)
Abstract
本申请公开了一种计算机资源的管理方法、装置、云服务器及存储介质,该方法包括:接收目标虚拟机获取计算资源的请求信息,其中,请求信息携带有目标虚拟机所部属的目标实例对应的规格参数;确定目标虚拟机所对应的类别信息,类别信息是基于目标虚拟机所对应的用户画像所确定的;根据规格参数和类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,并向目标虚拟机分配运行资源,运行资源用于表征目标实例所需的CPU算力。通过本申请,解决了相关技术中的云服务器的实例产品在多代处理器上CPU响应时延长,用户体验差的问题,实现了将CPU算力按需分配,减少CPU响应时延的影响,提升用户体验及闲置计算机资源的利用率。
Description
技术领域
本申请涉及到云计算领域,具体而言,涉及一种计算机资源的管理方法、装置、云服务器及存储介质。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着CPU更新迭代,云服务器会持续推出新的实例产品以满足用户需求,当新实例产品成为主推产品后,用户都会向新实例产品聚集,使的老实例产品的意向度会下降,且在云服务器上的保有量会下降,对应底层的物理服务器就会出现闲置计算机资源,例如:闲置CPU算力,并且,随着新实例产品稳定性保障能力提升,底层计算机资源的生命周期会被拉长,闲置的计算机资源就会跨多代CPU和服务器,对应的计算机资源利用率低;同时,相关技术中的云服务器,虽然支持多代CPU处理器,但对应的实例产品在多代处理器上的CPU响应时延长,用户体验差。
发明内容
本申请实施例提供了一种计算机资源的管理方法、装置、云服务器及存储介质,以至少解决相关技术中的云服务器的实例产品在多代处理器上的CPU响应时延长、用户体验差的问题。
根据本申请的一个方面,还提供了一种计算机资源的管理方法,该方法包括:接收目标虚拟机获取计算资源的请求信息,其中,所述请求信息携带有所述目标虚拟机所部属的目标实例对应的规格参数;确定所述目标虚拟机所对应的类别信息,其中,所述类别信息是基于所述目标虚拟机所对应的用户画像所确定的;根据所述规格参数和所述类别信息,从预设的资源池中调度对应的运行资源,并向所述目标虚拟机分配所述运行资源,其中,所述运行资源用于表征所述目标实例所需的CPU算力。
根据本申请的另一个方面,还提供了一种计算机资源的管理装置,包括:
接收模块,用于接收目标虚拟机获取计算资源的请求信息,其中,所述请求信息携带有所述目标虚拟机所部属的目标实例对应的规格参数;
确定模块,用于确定所述目标虚拟机所对应的类别信息,其中,所述类别信息是基于所述目标虚拟机所对应的用户画像所确定的;
处理模块,用于根据所述规格参数和所述类别信息,从预设的资源池中调度对应的运行资源,并向所述目标虚拟机分配所述运行资源,其中,所述运行资源用于表征所述目标实例所需的CPU算力。
根据本申请的另一个方面,还提供了一种云服务器,包括:处理器;以及存储程序的存储器,其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据上述的方法。
根据本申请的另一个方面,还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据上述的方法步骤。
根据本申请的另一个方面,还提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述的方法步骤。
与相关技术相比,本申请实施例提供的计算机资源的管理方法、装置、云服务器及存储介质,采用接收目标虚拟机获取计算资源的请求信息,所述请求信息携带有所述目标虚拟机所部属的目标实例对应的规格参数;确定所述目标虚拟机所对应的类别信息,所述类别信息是基于所述目标虚拟机所对应的用户画像所确定的;根据所述规格参数和所述类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,并向所述目标虚拟机分配所述运行资源,通过用户画像对目标虚拟机进行分类,并结合CPU调度器,实现按需调度CPU算力,减少CPU响应时延带来的影响,提升用户体验,解决了相关技术中的云服务器的实例产品在多代处理器上CPU响应时延长,用户体验差的问题。
附图说明
在下面结合附图对于示例性实施例的描述中,本公开的更多细节、特征和优点被公开,在附图中:
图1示出了根据本申请实施例的计算机资源的管理方法的流程图;
图2示出了根据本申请实施例的计算机资源的管理装置结构框图;
图3示出了能够用于实现本公开的实施例的示例性云服务器的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
考虑在现有技术中,云服务器会持续推出新的实例产品,以保障产品竞争力和满足用户需求。当新实例产品逐渐成为主推产品后,新购用户和老用户都会向新实例产品聚集,老实例产品售卖和保有会减少,对应底层的物理服务器就会出现闲置资源。随着实例产品稳定性保障能力提升,底层资源的生命周期也会被拉长,闲置资源就会跨多代CPU和服务器。如果能把这些闲置资源统一利用起来,对云服务器运营者的经营效率的提升有较大帮助。再者,在相关技术中,云服务器上多代实例产品并存,会给用户选择造成一定困扰。
现有技术中的部分云平台的实例支持多代CPU处理器,且对应的实例通过动态资源管理来保障应用负载所需的CPU算力,但对应的实例不保障实例在多代处理器上的算力一致性,并不能为重保用户提供和独享型实例一致的低延时体验。
基于以上背景,本申请现提出一种计算机资源的管理方法、装置、云服务器及存储介质,该方法应用于云服务器的实例产品,支持多代CPU处理器,以CPU算力按需分配,籍以实现利用闲置计算机资源,减少云服务器的实例运行时CPU响应时延所造成的影响,提升用户体验,同时,基于用户画像和预设的CPU调度器,实现减少指定的虚拟机被其它虚拟机争抢从而减少CPU占用切换,以及实现在指定的虚拟机有算力需求时可以优先占用空闲CPU,以优化CPU响应延时。
在本实施例中提供了一种计算机资源的管理方法,图1示出了根据本申请实施例的计算机资源的管理方法的流程图,参考图1,该方法流程包括:
步骤S102,接收目标虚拟机获取计算资源的请求信息,其中,请求信息携带有目标虚拟机所部属的目标实例对应的规格参数。
在本实施例中,执行本申请实施例的计算机资源的管理方法的执行主体为云服务器、云平台,且对应的云服务器或云平台支持多代CPU处理器,且云服务器显示并存多种虚拟机及多种实例,且本文所涉及的计算机资源包括但不限于CPU算力。同时,本申请实施例中,虚拟机有负载运行时,会发起获取计算机资源的请求;在本实施例中,执行主体通过部署在云服务器上的CPU调度器对请求信息进行识别,以从请求信息中获取所携带的目标实例对应的规格参数,并在完成识别后,调度对应的计算机资源以满足虚拟机对应的负载运行,也就是向目标虚拟机提供满足对应的目标实例运行的CPU算力。
步骤S104,确定目标虚拟机所对应的类别信息,其中,类别信息是基于目标虚拟机所对应的用户画像所确定的。
在本实施例中,在接收请求信息并得到对应的规格参数后,执行主体还对目标虚拟机所对应的用户画像进行确定,籍以通过用户画像对目标虚拟机进行分类,进而确定对应的调度分配模式。
在本实施例中,目标虚拟机所对应的类别信息包括但不限于表征用户角色的类别信息,例如:新购实例用户、重保用户,还可以是表征CPU新旧规格的类别信息,例如:不同代CPU。在确定目标虚拟机所对应的类别信息后,则可以根据类别信息确定需要向目标虚拟机分配的运行资源。
需要说明的是,本申请实施例中对应的用户画像还可以包括其他参数,本申请实施例对用户画像所对应的具体参数类型及参数种类不作限定,其根据实例产品的布局、用户需求所确定或设定。
步骤S106,根据规格参数和类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,并向目标虚拟机分配运行资源,其中,运行资源用于表征目标实例所需的CPU算力。
在本实施例中,规格参数用于表征目标实例所需要的规格簇以及计算机指标数据,例如:虚拟处理器vCPU、内存、带宽、网络收发包、多队列、弹性网卡、单网卡私有IP数;同时,规格参数也是目标虚拟机所请求的保证对应的负载运行所需要的运行资源。
在本实施例中,在确定规格参数和类别信息后,基于规格参数和类别信息,可以对目标虚拟机进行分类,并通过预设的CPU调度器,执行从资源池中调度匹配目标虚拟机所请求的、保证对应的负载运行所需的运行资源。
可以理解是,对目标虚拟机进行分类,可以是基于目标虚拟机对所需要的CPU时间片获取的时间长短、获取CPU时间片的优先级的高低来确定,当然,设定对目标虚拟机进行分类包括但不限于获取目标虚拟机获取CPU时间片的时间长短、获取CPU时间片的优先级的高低。
通过上述步骤S102至步骤S106,采用接收目标虚拟机获取计算资源的请求信息,其中,请求信息携带有目标虚拟机所部属的目标实例对应的规格参数;确定目标虚拟机所对应的类别信息,其中,类别信息是基于目标虚拟机所对应的用户画像所确定的;根据规格参数和类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,并向目标虚拟机分配运行资源,并通过用户画像对目标虚拟机进行分类,并结合CPU调度器,实现按需调度CPU算力,减少CPU响应时延带来的影响,提升用户体验,解决了相关技术中的云服务器的实例产品在多代处理器上CPU响应时延长,用户体验差的问题。
需要说明的是,在本实施例中,基于用户画像和设定的CPU调度器,可以减少指定的虚拟机被其它虚拟机争抢从而减少CPU占用切换,同时还可以执行在指定的虚拟机有算力需求时可以优先占用空闲CPU,进而较为显著地优化CPU响应延时,充分利用闲置的计算机资源,提升用户体验;再者,本实施例通过用户画像对用户进行分类再结合预设的CPU调度器,可以较为显著地减少CPU响应时延带来的影响,提升用户体验,对于某些重保用户,可以提供和独享型实例一致的低延时体验。
需要说明的是,CPU算力按需分配是依赖CPU层面调度和数字计算机控制(Numerical Control,简称NC)层面调度实现的,可以理解的是,当云服务器的底层资源池越大则对CPU按需分配越有利,如此,能够使的当某个虚拟机所需的CPU算力需要进行提升时,大资源池能够提供更多的调度选择,这刚好与云服务器需要支持多代CPU处理器的性能相匹配。本申请实施例的云服务器,在支持多代CPU并池的基础上,还实现多代实例并池,以做到真正的大并池和资源打通。同时,还需要理解的是,CPU算力按需分配也有上限,其中,对应的上限是用户所选实例规格对应的CPU算力,也就是按需分配的CPU算力上限值是目标实例(用户所选定)对应的计算机指标数据;因为目标实例会随机落在不同代的CPU上,如果不加限制,那用户获得的最大CPU算力就会出现不一致,进而造成用户体验感差;在本实施例中,通过基于CPU频率的调整和CPU时间片分割,实现实例在不同代CPU上的CPU算力一致性。
在其中一些实施例中,确定目标虚拟机所对应的类别信息,通过如下步骤实现:
步骤21,读取目标虚拟机所对应的目标参数,其中,目标参数至少包括以下其中一种:用户角色、CPU规格。
在本实施例中,目标参数可以是用户角色、CPU规格,还可以是其他参数,例如:不同用户角色所选定的实例产品、用户所使用实例所关联的相关规格参数(如:实例的规格簇)、目标虚拟机所对应的相关规格参数(如:性能指标)。
步骤22,根据目标参数,确定目标虚拟机对应的用户画像。
在本实施例中,基于一种或多种目标参数中,生成与目标虚拟机对应的用户画像,例如:可以是基于用户角色所生成的表征用户角色的用户画像,又例如:可以是基于CPU规格所生成的表征CPU新旧规格的用户画像,也可以是基于用户角色、CPU规格、用户所选实例产品、实例产品所对应的规格参数等多种参数所生成的用户画像。
步骤23,基于用户画像,对目标虚拟机进行分类,得到类别信息。
在本实施例中,通过用户画像表征目标虚拟机对应的类别,且目标虚拟机所对应的类别信息包括但不限于表征用户角色的类别信息,例如:新购实例用户、重保用户,还可以是表征CPU新旧规格的类别信息,例如:不同代CPU。
通过上述步骤中的读取目标虚拟机所对应的目标参数,其中,目标参数至少包括以下其中一种:用户角色、CPU规格;根据目标参数,确定目标虚拟机对应的用户画像;基于用户画像,对目标VM进行分类,得到类别信息,实现对目标VM进行分类及确定目标虚拟机的等级,籍以方便后续确定对应调度规则而实施从设定的资源池内调度对应的计算机资源,为实现将CPU算力按需分配,减少CPU响应时延的影响,提升用户体验及闲置计算机资源的利用率提供决策。
可以理解的是,目标虚拟机所对应的类别信息包括但不限于表征用户角色的类别信息,例如:新购实例用户、重保用户,还可以是表征CPU新旧规格的类别信息,例如:不同代CPU。
在其中一些实施例中,根据规格参数和类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,通过如下步骤实现:
步骤31,基于类别信息,确定目标虚拟机所对应的资源调度等级。
在本实施例中,目标虚拟机所对应的类别信息可以是表征用户角色的类别信息,例如:新购实例用户、重保用户,还可以是表征CPU新旧规格的类别信息,例如:不同代CPU;可以理解的是,对于不同的类别信息,代表目标虚拟机具有不同的资源调度等级,例如:当目标虚拟机落在较新的CPU上,则对应的资源调度等级较高。
在本实施例中,资源调度等级还可以表征目标虚拟机可以获取CPU算力的效能,例如:新代的CPU,可获得的CPU算力的能力强,为确保目标实例在不同代的CPU上获得的CPU算力的一致性,设定的CPU调度器通过压制其CPU频率,减少目标实例在其上获得的CPU时间片,也就是通过减少获得CPU算力的时间,进而使的目标实例最终获得的CPU算力在不同代CPU上是一致或拉齐的,也就是通过CPU频率调整和CPU时间片切分等虚拟化技术,消除不同代CPU频率、架构和工业程序控制(Industrial Process Control,简称IPC)不同所带来的算力不一致、用户体验差的问题。
在其中一些可选实施方式中,基于类别信息,确定目标虚拟机所对应的资源调度等级,采用如下方式实现:基于类别信息所对应的虚拟机等级确定资源调度等级。
步骤32,按与资源调度等级对应的调度规则,利用CPU调度器从资源池中获取与规格参数对应的计算机指标数据,得到运行资源。
在本实施例中,在确定规格参数和类别信息后,基于规格参数和类别信息,确定对应的调度规则,并通过预设的CPU调度器,执行按确定出的调度规则从资源池中调度计算机资源;在本实施例中,确定出的调度规则主要用于表征对CPU时间片获取的时间长短、获取CPU时间片的优先级的高低,当然,设定的获取模式或调度规则包括但限于获取CPU时间片的时间长短、获取优先级的高低;本申请可选的计算机资源的获取方式包括以下其中一种:基于规格参数和类别信息确定出虚拟机的等级,高等级的虚拟机长期获取CPU时间片、低等级的虚拟机轮换占有CPU时间片、高等级的虚拟机高优先级获取CPU时间片。
通过上述步骤中的基于类别信息,确定目标VM所对应的资源调度等级;按与资源调度等级对应的调度规则,从资源池中获取与规格参数对应的计算机指标数据,得到运行资源,实现按需分配的计算机资源的获取,进一步实现了将CPU算力按需分配,减少CPU响应时延的影响,提升用户体验及闲置计算机资源的利用率。
在其中一些实施例中,计算机指标数据包括CPU时间片,按与资源调度等级对应的调度规则,利用CPU调度器从资源池中获取与规格参数对应的计算机指标数据,得到运行资源,通过如下步骤实现:
步骤41,判断资源调度等级是否大于预设调度等级阈值。
在本实施例中,预设调度等级阈值可以设定为目标虚拟机为高等级的虚拟机所对应的资源调度等级,也可以采用具体的数字等级,例如:m等级,也可以是按等级排序中位于设定排序位置的等级,例如:按等级由高到低第3位的资源调度等级。
步骤42,在判断到资源调度等级大于预设调度等级阈值的情况下,通过CPU调度器执行以下其中一种调度:优先向目标虚拟机分配对应的CPU时间片、在预设时间段内,维持目标虚拟机占有对应的CPU时间片。
在本实施例中,通过对目标虚拟机进行资源调度等级分类,确定对应的虚拟机等级,可以理解的是,高等级的虚拟机可以长期获取CPU时间片、低等级的虚拟机需要轮换占有CPU时间片、高等级的虚拟机可以高优先级获取CPU时间片,在其中一些具体实施方式中,当判断到目标虚拟机的资源调度等级为高等级时,该目标虚拟机允许长期占用或获取CPU时间片,或者,该目标虚拟机高优先级获取CPU时间片。
在其中一些可选实施方式中,采用如下方式实施对应的计算机资源的获取:基于规格参数和类别信息确定出虚拟机的等级,高等级的虚拟机长期获取CPU时间片、低等级的虚拟机轮换占有CPU时间片、高等级的虚拟机高优先级获取CPU时间片。
通过上述步骤中的判断资源调度等级是否大于预设调度等级阈值;在判断到资源调度等级大于预设调度等级阈值的情况下,通过CPU调度器执行以下其中一种调度:优先向目标虚拟机分配对应的CPU时间片、在预设时间段内,维持目标虚拟机占有对应的CPU时间片,实现了基于用户画像和CPU调度实现指定的虚拟机不被其他虚拟机争抢,而减少CPU占用切换,以及在指定的虚拟机有算力需求时可以优先占用空闲CPU。
在其中一些实施例中,计算机指标数据包括CPU时间片,按与资源调度等级对应的调度规则,利用CPU调度器从资源池中获取与规格参数对应的计算机指标数据,得到运行资源,通过如下步骤实现:
步骤51,判断资源调度等级是否大于预设调度等级阈值。
在本实施例中,预设调度等级阈值可以设定为目标虚拟机为高等级的虚拟机所对应的资源调度等级,也可以采用具体的数字等级,例如:m等级,也可以是按等级排序中位于设定排序位置的等级,例如:按等级由高到低第3位的资源调度等级。
步骤52,在判断到资源调度等级大于预设调度等级阈值的情况下,通过CPU调度器执行以下其中一种调度:优先向目标虚拟机分配对应的CPU时间片、在预设时间段内,维持目标虚拟机占有对应的CPU时间片。
步骤53,在判断到资源调度等级不大于预设调度等级阈值的情况下,轮换向目标虚拟机分配对应的CPU时间片。
在本实施例中,当判断到目标虚拟机的资源调度等级为低等级时,该目标虚拟机则轮换获取或占有CPU时间片。
通过上述步骤中的判断资源调度等级是否大于预设调度等级阈值;在判断到资源调度等级大于预设调度等级阈值的情况下,通过CPU调度器执行以下其中一种调度:优先向目标虚拟机分配对应的CPU时间片、在预设时间段内,维持目标虚拟机占有对应的CPU时间片;在判断到资源调度等级不大于预设调度等级阈值的情况下,轮换向目标虚拟机分配对应的CPU时间片,实现了基于用户画像和CPU调度实现指定的虚拟机不被其他虚拟机争抢,而减少CPU占用切换,以及在指定的虚拟机有算力需求时可以优先占用空闲CPU。
在其中一些实施例中,在按与资源调度等级对应的调度规则,利用预设的CPU调度器从资源池中获取与规格参数对应的计算机指标数据之前,还实施如下步骤:
步骤61,确定目标虚拟机所对应的CPU规格。
在本实施例中,CPU规格用于表征对应的CPU的产品迭代代数,例如:第N代的CPU处理器,还可以是表征虚拟机为对应的第N代的机型。
步骤62,基于CPU规格,进行CPU时间片切分,得到与规格参数对应的目标CPU时间片,其中,计算机指标数据包括目标CPU时间片。
在本实施例中,对于规格型号较新的CPU,例如:新代的CPU,采用压制其CPU频率,减少实例在其上获得的CPU时间片,对于在较旧代的CPU上不作限制,实现了实例在不同代CPU上的CPU算力可以接近甚至拉齐。
通过上述步骤中的确定目标虚拟机所对应的CPU规格;基于CPU规格,进行CPU时间片切分,得到与规格参数对应的目标CPU时间片,其中,计算机指标数据包括目标CPU时间片,实现了基于CPU频率调整,CPU时间片切分等虚拟化技术可以消除不同代CPU频率,架构和IPC不同带来的算力不一致问题,进一步解决了相关技术中的云服务器的实例产品在多代处理器上的算力不一致、CPU响应时延长,用户体验差的问题。
本实施例还提供了一种计算机资源的管理装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图2示出了根据本申请实施例的计算机资源的管理装置结构框图,如图2所示,该装置包括:接收模块21、确定模块22和处理模块23,其中,
接收模块21,用于接收目标虚拟机获取计算资源的请求信息,其中,请求信息携带有目标虚拟机所部属的目标实例对应的规格参数;
确定模块22,与接收模块21耦合连接,用于确定目标虚拟机所对应的类别信息,其中,类别信息是基于目标虚拟机所对应的用户画像所确定的;
处理模块23,与确定模块22耦合连接,用于根据规格参数和类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,并向目标虚拟机分配运行资源,其中,运行资源用于表征目标实例所需的CPU算力。
通过本申请实施例的计算机资源的管理装置,采用接收目标虚拟机获取计算资源的请求信息,其中,请求信息携带有目标虚拟机所部属的目标实例对应的规格参数;确定目标虚拟机所对应的类别信息,其中,类别信息是基于目标虚拟机所对应的用户画像所确定的;根据规格参数和类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,并向目标虚拟机分配运行资源,并通过用户画像对目标虚拟机进行分类,并结合CPU调度器,实现按需调度CPU算力,减少CPU响应时延带来的影响,提升用户体验,解决了相关技术中的云服务器的实例产品在多代处理器上CPU响应时延长,用户体验差的问题。
该装置用于实现上述的实施例中的方法的功能,该装置中的每个模块与方法中的每个步骤相对应,已经在方法中进行过说明的,在此不再赘述。
可选地,该确定模块22进一步包括:
读取单元,用于读取目标虚拟机所对应的目标参数,其中,目标参数至少包括以下其中一种:用户角色、CPU规格。
第一确定单元,与读取单元耦合连接,用于根据目标参数,确定目标虚拟机对应的用户画像;
分类单元,与第一确定单元耦合连接,用于基于用户画像,对目标虚拟机进行分类,得到类别信息。
可选地,该处理模块23进一步包括:
第二确定单元,用于基于类别信息,确定目标虚拟机所对应的资源调度等级;
获取单元,与第二确定单元耦合连接,用于按与资源调度等级对应的调度规则,利用CPU调度器从资源池中获取与规格参数对应的计算机指标数据,得到运行资源。
可选地,第二确定单元还用于基于类别信息所对应的虚拟机等级确定资源调度等级。
可选地,计算机指标数据包括CPU时间片,获取单元还用于判断资源调度等级是否大于预设调度等级阈值;在判断到资源调度等级大于预设调度等级阈值的情况下,通过CPU调度器执行以下其中一种调度:优先向目标虚拟机分配对应的CPU时间片、在预设时间段内,维持目标虚拟机占有对应的CPU时间片;在判断到资源调度等级不大于预设调度等级阈值的情况下,轮换向目标虚拟机分配对应的CPU时间片。
可选地,在按与资源调度等级对应的调度规则,从资源池中获取与规格参数对应的计算机指标数据之前,该计算机资源的管理装置还用于确定目标虚拟机所对应的CPU规格;基于CPU规格,进行CPU时间片切分,得到与规格参数对应的目标CPU时间片,其中,计算机指标数据包括目标CPU时间片。
本公开示例性实施例还提供一种云服务器,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的方法。
本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
本公开示例性实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
参考图3,现将描述可以作为本公开的云服务器300的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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/或者要求的本公开的实现。
如图3所示,云服务器300包括计算单元301,其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序,来执行各种适当的动作和处理。在RAM 303中,还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
云服务器300中的多个部件连接至I/O接口305,包括:输入单元306、输出单元307、存储单元308以及通信单元309。输入单元306可以是能向云服务器300输入信息的任何类型的设备,输入单元306可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元307可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元308可以包括但不限于磁盘、光盘。通信单元309允许云服务器300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,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元301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。计算单元301的一些示例包括但不限于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计算单元、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。计算单元301执行上文所描述的各个方法和处理。例如,在一些实施例中,前述计算机资源的管理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元308。在一些实施例中,计算机程序的部分或者全部可以经由ROM302和/或通信单元309而被载入和/或安装到云服务器300上。在一些实施例中,计算单元301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行计算机资源的管理方法、装置、云服务器及存储介质。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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。
在本公开的上下文中,机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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。
如本公开使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有: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));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计算机。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)和互联网。
计算机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。
通过上述实施例解决了相关技术中的云服务器的实例产品在多代处理器上的算力不一致、CPU响应时延长,用户体验差的问题实现了将CPU算力按需分配,减少CPU响应时延的影响,提升用户体验及闲置计算机资源的利用率。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (11)
1.一种计算机资源的管理方法,包括:
接收目标虚拟机获取计算资源的请求信息,其中,所述请求信息携带有所述目标虚拟机所部属的目标实例对应的规格参数;
确定所述目标虚拟机所对应的类别信息,其中,所述类别信息是基于所述目标虚拟机所对应的用户画像所确定的;
根据所述规格参数和所述类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,并向所述目标虚拟机分配所述运行资源,其中,所述运行资源用于表征所述目标实例所需的CPU算力。
2.根据权利要求1所述的方法,其中,确定所述目标虚拟机所对应的类别信息,包括:
读取所述目标虚拟机所对应的目标参数,其中,所述目标参数至少包括以下其中一种:用户角色、CPU规格;
根据所述目标参数,确定所述目标虚拟机对应的所述用户画像;
基于所述用户画像,对所述目标虚拟机进行分类,得到所述类别信息。
3.根据权利要求2所述的方法,其中,根据所述规格参数和所述类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,包括:
基于所述类别信息,确定所述目标虚拟机所对应的资源调度等级;
按与所述资源调度等级对应的调度规则,利用所述CPU调度器从所述资源池中获取与所述规格参数对应的计算机指标数据,得到所述运行资源。
4.根据权利要求3所述的方法,其中,基于所述类别信息,确定所述目标虚拟机所对应的资源调度等级,包括:基于所述类别信息所对应的虚拟机等级确定所述资源调度等级。
5.根据权利要求3所述的方法,其中,所述计算机指标数据包括CPU时间片,按与所述资源调度等级对应的调度规则,利用所述CPU调度器从所述资源池中获取与所述规格参数对应的计算机指标数据,得到所述运行资源,包括:
判断所述资源调度等级是否大于预设调度等级阈值;
在判断到所述资源调度等级大于所述预设调度等级阈值的情况下,通过所述CPU调度器执行以下其中一种调度:优先向所述目标虚拟机分配对应的所述CPU时间片、在预设时间段内,维持所述目标虚拟机占有对应的所述CPU时间片。
6.根据权利要求5所述的方法,其中,在判断到所述资源调度等级不大于所述预设调度等级阈值的情况下,轮换向所述目标虚拟机分配对应的CPU时间片。
7.根据权利要求5所述的方法,其中,在按与所述资源调度等级对应的调度规则,从所述资源池中获取与所述规格参数对应的计算机指标数据之前,所述方法还包括:确定所述目标虚拟机所对应的CPU规格;
基于所述CPU规格,进行CPU时间片切分,得到与所述规格参数对应的目标CPU时间片,其中,所述计算机指标数据包括所述目标CPU时间片。
8.一种计算机资源的管理装置,包括:
接收模块,用于接收目标虚拟机获取计算资源的请求信息,其中,所述请求信息携带有所述目标虚拟机所部属的目标实例对应的规格参数;
确定模块,用于确定所述目标虚拟机所对应的类别信息,其中,所述类别信息是基于所述目标虚拟机所对应的用户画像所确定的;
处理模块,用于根据所述规格参数和所述类别信息,利用预设的CPU调度器从预设的资源池中调度对应的运行资源,并向所述目标虚拟机分配所述运行资源,其中,所述运行资源用于表征所述目标实例所需的CPU算力。
9.一种云服务器,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-7任一项所述的方法步骤。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7任一项所述的方法步骤。
11.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310327746.2A CN116450290A (zh) | 2023-03-24 | 2023-03-24 | 计算机资源的管理方法、装置、云服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310327746.2A CN116450290A (zh) | 2023-03-24 | 2023-03-24 | 计算机资源的管理方法、装置、云服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116450290A true CN116450290A (zh) | 2023-07-18 |
Family
ID=87129534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310327746.2A Pending CN116450290A (zh) | 2023-03-24 | 2023-03-24 | 计算机资源的管理方法、装置、云服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116450290A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116610457A (zh) * | 2023-07-20 | 2023-08-18 | 北京万界数据科技有限责任公司 | 一种面向ai云计算服务器群组的资源调度方法 |
-
2023
- 2023-03-24 CN CN202310327746.2A patent/CN116450290A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116610457A (zh) * | 2023-07-20 | 2023-08-18 | 北京万界数据科技有限责任公司 | 一种面向ai云计算服务器群组的资源调度方法 |
CN116610457B (zh) * | 2023-07-20 | 2023-09-12 | 北京万界数据科技有限责任公司 | 一种面向ai云计算服务器群组的资源调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210200587A1 (en) | Resource scheduling method and apparatus | |
CN108885571B (zh) | 分批处理机器学习模型的输入 | |
US11704123B2 (en) | Automated orchestration of containers by assessing microservices | |
CN109408205B (zh) | 基于hadoop集群的任务调度方法和装置 | |
US20150277987A1 (en) | Resource allocation in job scheduling environment | |
US9875124B2 (en) | Data assignment and data scheduling for physical machine in a virtual machine environment | |
CN113157410A (zh) | 线程池调节方法、装置、存储介质及电子设备 | |
KR101471749B1 (ko) | 클라우드 서비스의 가상자원 할당을 위한 퍼지 로직 기반의 자원평가 장치 및 방법 | |
CN108415772B (zh) | 一种基于容器的资源调整方法、装置和介质 | |
CN112181613B (zh) | 异构资源分布式计算平台批量任务调度方法及存储介质 | |
CN111552550A (zh) | 一种基于图形处理器gpu资源的任务调度方法、设备及介质 | |
US20220129460A1 (en) | Auto-scaling a query engine for enterprise-level big data workloads | |
CN111191777A (zh) | 一种神经网络处理器及其控制方法 | |
CN116450290A (zh) | 计算机资源的管理方法、装置、云服务器及存储介质 | |
CN116185623A (zh) | 任务分配方法、装置、电子设备及存储介质 | |
CN115658301A (zh) | 存储资源调度方法、装置、存储介质以及电子设备 | |
US20240152393A1 (en) | Task execution method and apparatus | |
CN103713852A (zh) | 一种信息处理方法、服务平台及电子设备 | |
CN114968567A (zh) | 用于分配计算节点的计算资源的方法、装置和介质 | |
CN116303132A (zh) | 一种数据缓存方法、装置、设备以及存储介质 | |
KR101695238B1 (ko) | 다중 컴퓨팅 자원을 이용한 작업 스케줄링 시스템 및 방법 | |
US11720414B2 (en) | Parallel execution controller for partitioned segments of a data model | |
CN114416357A (zh) | 容器组的创建方法、装置、电子设备和介质 | |
CN110247802B (zh) | 针对云服务单机环境的资源配置方法及装置 | |
CN117891618B (zh) | 人工智能模型训练平台的资源任务处理方法及装置 |
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 |