CN116860459A - 一种云平台中资源池的监测方法、装置、设备及介质 - Google Patents

一种云平台中资源池的监测方法、装置、设备及介质 Download PDF

Info

Publication number
CN116860459A
CN116860459A CN202310952266.5A CN202310952266A CN116860459A CN 116860459 A CN116860459 A CN 116860459A CN 202310952266 A CN202310952266 A CN 202310952266A CN 116860459 A CN116860459 A CN 116860459A
Authority
CN
China
Prior art keywords
resource pool
information
computing
current
cloud platform
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
Application number
CN202310952266.5A
Other languages
English (en)
Inventor
张晓辉
曾丹丹
何振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shuguang Cloud Computing Group Co ltd
Original Assignee
Shuguang Cloud Computing Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shuguang Cloud Computing Group Co ltd filed Critical Shuguang Cloud Computing Group Co ltd
Priority to CN202310952266.5A priority Critical patent/CN116860459A/zh
Publication of CN116860459A publication Critical patent/CN116860459A/zh
Pending legal-status Critical Current

Links

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
    • G06F9/46—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
    • 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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种云平台中资源池的监测方法、装置、设备及介质，包括：实时采集云平台中各计算节点以及资源池的当前运行信息；根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件；根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间。本发明实施例的技术方案可以提供一种对云平台中各类资源池冗余度进行监测的有效方式，为用户调配云平台资源提供业务支撑。

Description

一种云平台中资源池的监测方法、装置、设备及介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种云平台中资源池的监测方法、装置、设备及介质。
背景技术
随着openstack及虚拟化技术的发展，大量基于服务器硬件架构部署的业务开始往云平台上进行迁移。在云平台的运行过程中，运维人员需要对云平台的运行信息进行实时监测，以根据监测结果对大量业务进行调度。
现有技术中，运维人员对云平台进行监测时，主要是获取各个业务的资源占用情况(例如计算资源、网络资源和存储资源等)，然后将该资源占用情况与预设告警阈值进行对比，根据对比结果确定云平台的资源监测结果。
但是，仅通过业务侧来对资源进行监测方式，无法对云平台中资源池的冗余度进行有效监测，导致监测结果对业务调度过程参考性较低。
发明内容
本发明提供了一种云平台中资源池的监测方法、装置、设备及介质，可以提供一种对云平台中各类资源池冗余度进行监测的有效方式，为用户调配云平台资源提供业务支撑。
根据本发明的一方面，提供了一种云平台中资源池的监测方法，包括：
实时采集云平台中各计算节点以及资源池的当前运行信息；所述资源池包括计算资源池、存储资源池以及网络资源池；
根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件；所述故障疏散条件用于表示资源池支持故障计算节点运行；
根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间。
可选的，在确定每个资源池在当前业务增长情况下对应的预测续航时间之后，还包括：
获取待处理目标业务对应的目标资源信息；所述目标资源信息包括：虚拟处理器占用信息、内存占用信息以及存储容量占用信息；
根据目标资源信息，以及各计算资源池与存储资源池对应的当前剩余资源信息，判断云平台中，是否存在支持目标业务的目标计算资源池以及目标存储资源池；
若是，则确定云平台满足目标业务上线条件，并触发上线指令，以使用户根据上线指令，对云平台中的目标业务进行调度。
可选的，根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件，包括：
根据各计算节点以及计算资源池的当前运行信息，判断各计算资源池是否满足故障疏散条件；
根据各存储资源池的当前运行信息，判断各存储资源池是否满足故障疏散条件。
可选的，根据各计算节点以及计算资源池的当前运行信息，判断各计算资源池是否满足故障疏散条件，包括：
根据各计算节点以及计算资源池的当前运行信息，确定各计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器分配信息，以及内存分配信息；
根据各计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器分配信息，以及内存分配信息，判断各计算资源池是否满足故障疏散条件。
可选的，根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间，包括：
如果所述资源池不满足故障疏散条件，则确定所述资源池在当前业务增长情况下对应的预测续航时间为零；
如果所述资源池满足故障疏散条件，则根据所述资源池对应的当前资源增长指数，确定所述资源池在当前业务增长情况下对应的预测续航时间。
可选的，根据所述资源池对应的当前资源增长指数，确定所述资源池在当前业务增长情况下对应的预测续航时间，包括：
如果所述资源池为计算资源池，则获取所述计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器增长指数以及内存增长指数；
根据所述虚拟处理器剩余信息、内存剩余信息、虚拟处理器增长指数和内存增长指数，以及各计算节点占用的虚拟处理器和内存信息，确定所述计算资源池在当前业务增长情况下对应的预测续航时间。
可选的，在确定每个资源池在当前业务增长情况下对应的预测续航时间之后，还包括：
将每个资源池对应的预测续航时间，通过可视化界面展示给用户，以使用户根据可视化界面中的预测续航时间，对云平台中的多个业务进行统一调度。
根据本发明的另一方面，提供了一种云平台中资源池的监测装置，所述装置包括：
信息采集模块，用于实时采集云平台中各计算节点以及资源池的当前运行信息；所述资源池包括计算资源池、存储资源池以及网络资源池；
故障疏散判断模块，用于根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件；所述故障疏散条件用于表示资源池支持故障计算节点运行；
续航预测模块，用于根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间。
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云平台中资源池的监测方法。
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云平台中资源池的监测方法。
本发明实施例提供的技术方案，通过实时采集云平台中各计算节点以及资源池的当前运行信息，根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件，根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间的技术手段，提供了一种对云平台中各类资源池冗余度进行监测的有效方式，为用户调配云平台资源提供业务支撑；可以从计算节点出现故障，以及云平台中业务急速增长两个维度下，共同对各类资源池的冗余度进行监测，保证了资源池监测结果的全面性；可以节省对云平台中全部资源池的判断耗时；提高计算资源池冗余度监测结果的可靠性；提高对资源池的监测效率；提高云平台对业务的执行效率。
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中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是根据本发明实施例提供的一种云平台中资源池的监测方法的流程图；
图2是根据本发明实施例提供的另一种云平台中资源池的监测方法的流程图；
图3a是根据本发明实施例提供的另一种云平台中资源池的监测方法的流程图；
图3b是根据本发明实施例提供的一种可视化界面的示意图；
图4是根据本发明实施例提供的一种云平台中资源池的监测装置的结构示意图；
图5是实现本发明实施例的云平台中资源池的监测方法的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。
图1为本发明实施例提供的一种云平台中资源池的监测方法的流程图，本实施例可适用于对云平台中资源池的性能进行监测的情况，该方法可以由云平台中资源池的监测装置来执行，该云平台中资源池的监测装置可以采用硬件和/或软件的形式实现，该云平台中资源池的监测装置可配置于电子设备中。如图1所示，该方法包括：
步骤110、实时采集云平台中各计算节点以及资源池的当前运行信息；所述资源池包括计算资源池、存储资源池以及网络资源池。
在本实施例中，所述计算节点可以为云平台中用于进行数据计算的云设备。可选的，计算节点的当前运行信息可以包括：计算节点在当前运行过程中涉及的资源占用信息以及工作状态等信息。资源池的当前运行信息可以包括云平台在当前运行过程中占用的资源信息。
在一个具体的实施例中，可以通过云平台对应的云数据库，获取各计算节点在当前运行过程中对应的静态运行信息，例如虚拟处理器VCPU占用容量、内存占用容量、资源池标识信息等。与此同时还可以通过云平台对应的预设服务接口，获取各计算节点的动态运行信息，例如CPU利用率、内存利用率以及nova服务状态等。
在本实施例的一个实施方式中，可以通过上述服务接口获取各存储资源池在当前运行过程中对应的利用率、分配率、每秒进行读写操作的次数(Input/Output OperationsPer Second，IOPS)、存储集群状态以及Cinder块存储服务状态等。
在一个具体的实施例中，可以通过云平台对应的云数据库，获取当前运行过程中，每个计算资源池(Availability Zones，AZ)内的虚拟机状态信息，并通过上述服务接口获取每个计算资源池内的虚拟机运行信息。
其中，虚拟机状态信息可以包括全部虚拟机的名称、虚拟处理器容量、内存容量、挂载的逻辑卷容量、对应计算资源池的标识信息、对应宿主机的标识信息、挂载私有IP地址以及挂载公网IP地址等。虚拟机运行信息可以包括处于工作状态的虚拟机名称、CPU利用率、内存利用率、以及逻辑卷利用率等。
在本实施例的一个实施方式中，可以通过上述服务接口，获取云平台在当前运行过程中对应的neutron服务状态、公网IP资源池资源分配信息、公网IP资源池剩余资源信息、负载均衡器(Load Balancer，LB)运行状态、路由器运行状态以及防火墙运行状态等，并将这些信息作为网络资源池的当前运行信息。
步骤120、根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件；所述故障疏散条件用于表示资源池支持故障计算节点运行。
在本实施例中，获取到云平台中各计算节点以及资源池的当前运行信息后，可以将所述当前运行信息存储至本地数据库中，以通过本地数据库对当前运行信息随时进行处理。
在一个具体的实施例中，可选的，在实时采集各计算节点以及资源池的当前运行信息之前，可以根据云平台历史运行过程中计算节点的运行信息，预先设定发生故障的计算节点(也即故障计算节点)在恢复正常运行过程中所需要的资源信息。
在此步骤中，可选的，获取到各计算节点以及资源池的当前运行信息之后，可以根据当前运行信息计算各资源池对应的剩余空闲资源信息，然后根据各资源池对应的剩余空闲资源信息，以及故障计算节点所需的资源信息，判断各资源池是否支持故障计算节点运行，若是，则确定资源池满足故障疏散条件；若否，则确定资源池不满足故障疏散条件。
步骤130、根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间。
在本实施例中，可选的，所述资源增长指数可以为资源池在预设时间段内被占用资源的增长指数。以计算资源池为例，可以获取每个计算资源池在近三个月内，虚拟处理器占用容量、内存占用容量以及云硬盘占用容量的增长指数，并将该增长指数作为计算资源池对应的当前资源增长指数。
在一个具体的实施例中，在计算资源增长指数时，可以获取资源池近三个月对应的新增资源A、删除资源B，并根据(A-B)/90计算得到资源增长指数。
在此步骤中，所述预测续航时间可以为资源池在当前业务增长情况下，能够继续支持业务运行的天数。可选的，可以结合资源池对应的故障疏散条件判断结果以及当前资源增长指数，共同计算资源池在当前业务增长情况下对应的预测续航时间。
具体的，如果资源池满足故障疏散条件，则可以认为该资源池可以支持业务继续运行，也即该资源池对应的预测续航时间较长；反之，如果资源池不满足故障疏散条件，则可以认为该资源池支持业务继续运行的能力较弱，也即该资源池对应的预测续航时间较短。
在本实施例中，可选的，获取到每个资源池对应的预测续航时间后，可以在多个预测续航时间中取最小值，并将该最小值作为云平台的预测续航时间。
本发明实施例提供的技术方案，通过获取各计算节点以及资源池的当前运行信息，确定每个资源池在当前业务增长情况下对应的预测续航时间，提供了一种对云平台中各类资源池冗余度进行监测的有效方式，通过结合故障疏散条件判断结果以及资源增长指数，共同确定资源池预测续航时间，可以提高预测续航时间结果的可靠性，为用户调配云平台资源提供业务支撑。
图2为本发明实施例提供的另一种云平台中资源池的监测方法的流程图，如图2所示，该方法包括：
步骤210、实时采集云平台中各计算节点以及资源池的当前运行信息；所述资源池包括计算资源池、存储资源池以及网络资源池。
步骤220、根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件。
在本实施例的一个实施方式中，根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件，包括：根据各计算节点以及计算资源池的当前运行信息，判断各计算资源池是否满足故障疏散条件；根据各存储资源池的当前运行信息，判断各存储资源池是否满足故障疏散条件。
在本实施例中，当云平台中出现故障计算节点时，网络资源池通常可以支持故障计算节点正常运行，因此只需判断计算资源池和存储资源池是否满足故障疏散条件。具体的，可以根据各计算节点、计算资源池以及存储资源池的当前运行信息，确定各计算资源池以及存储资源池的剩余空闲资源信息，然后根据所述剩余空闲信息，判断计算资源池和存储资源池是否满足故障疏散条件。
这样设置的好处在于，可以节省对云平台中全部资源池的判断耗时，提高对云平台中资源池的监测效率。
在本实施例的一个实施方式中，根据各计算节点以及计算资源池的当前运行信息，判断各计算资源池是否满足故障疏散条件，包括：根据各计算节点以及计算资源池的当前运行信息，确定各计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器分配信息，以及内存分配信息；根据各计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器分配信息，以及内存分配信息，判断各计算资源池是否满足故障疏散条件。
在一个具体的实施例中，虚拟处理器剩余信息可以包括：计算资源池内全部虚拟处理器的剩余容量vcpu1，以及单个主机内虚拟处理器的剩余容量vcpu2。内存剩余信息可以包括：计算资源池内的全部剩余内存α1，以及单个主机内的剩余内存α2。虚拟处理器分配信息可以包括：计算资源池内虚拟处理器最高分配率对应的主机、该主机分配的虚拟处理器容量vcpu3、虚拟处理器最高分配率对应的虚拟机，以及该虚拟机占用的虚拟处理器容量vcpu4。内存分配信息包括：计算资源池中内存最高分配率对应的主机、该主机分配的内存α3、内存最高分配率对应的虚拟机，以及该虚拟机占用的内存α4。获取到上述信息之后，可以通过下述公式，判断计算资源池是否满足故障疏散条件：
vcpu1＞vcpu3+m*20
α1＞α3+m*40
vcpu2＞vcpu4
α2＞α4
其中，m为计算资源池内对应的主机数量。如果计算资源池对应的信息满足上述公式，则认为该计算资源池满足故障疏散条件。
这样设置的好处在于，通过确定各计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器分配信息以及内存分配信息，可以准确判断计算资源池是否满足故障疏散条件，提高计算资源池冗余度监测结果的可靠性。
在本实施例的一个实施方式中，可以根据存储资源池的当前运行信息，判断存储资源池的实际利用率是否大于预设阈值，若是，则确定存储资源池不满足故障疏散条件；若否，则确定存储资源池满足故障疏散条件。其中，所述阈值可以为80％，具体数值可以根据实际情况进行预设，本实施例对此并不进行限制。
步骤230、根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间。
步骤240、获取待处理目标业务对应的目标资源信息；所述目标资源信息包括：虚拟处理器占用信息、内存占用信息以及存储容量占用信息。
在本实施例中，所述虚拟处理器占用信息中可以包括：目标业务需要占用的虚拟处理器总容量vcpu5，以及对应单个虚拟机占用的虚拟处理器总容量vcpu6。内存占用信息可以包括：目标业务需要占用的内存总量α5，以及对应单个虚拟机占用的内存总容量α6。
步骤250、根据目标资源信息，以及各计算资源池与存储资源池对应的当前剩余资源信息，判断云平台中是否存在支持目标业务的目标计算资源池以及目标存储资源池。
在一个具体的实施例中，可以根据下述公式，判断云平台中是否存在支持目标业务的目标计算资源池：
vcpu1-vcpu5＞vcpu/n
α1-α5＞α/n
max(vcpu6)＞max(vcpu7)
max(α6)＞max(α7)
其中，vcpu为计算资源池内的虚拟处理器总量，n为计算资源池内计算节点的数量。vcpu7为计算资源池内单个主机对应的虚拟处理器剩余容量，α7为计算资源池内单个主机的剩余内存。如果云平台中存在某个计算资源池的信息满足上述公式，则可以将该计算资源池作为目标计算资源池。
在另一个具体的实施例中，可以获取目标业务需要占用的存储容量β1、云平台中每个存储资源池的总容量β2以及使用容量β3，然后判断各存储资源池是否满足下述公式：
β2*0.8-β3＞β1
若满足，则将所述存储资源池作为目标存储资源池。
步骤260、如果存在目标计算资源池以及目标存储资源池，则确定云平台满足目标业务上线条件，并触发上线指令，以使用户根据上线指令，对云平台中的目标业务进行调度。
在本实施例中，可选的，所述上线指令中可以包括目标计算资源池以及目标存储资源池对应的标识信息。用户可以根据所述标识信息，调用目标计算资源池以及目标存储资源池，对目标业务进行调度。
在本实施例中，所述目标业务可以为云平台中数据量急速增长的业务。所述预测续航时间可以为每个资源池在当前业务平缓增长情况下的续航天数。如果检测到云平台中存在急速增长的业务，则可以采用步骤240-260对该业务进行调度。
这样设置的好处在于，可以从计算节点出现故障，以及云平台中业务急速增长两个维度下，共同对各类资源池的冗余度进行监测，保证了资源池监测结果的全面性，为用户对云平台中各类业务调配资源提供技术支持。
本发明实施例提供的技术方案，通过实时采集云平台中各计算节点以及资源池的当前运行信息，根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件，根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间，获取待处理目标业务对应的目标资源信息，根据目标资源信息以及各计算资源池与存储资源池对应的当前剩余资源信息，判断云平台中是否存在支持目标业务的目标计算资源池以及目标存储资源池，若是则确定云平台满足目标业务上线条件，并触发上线指令的技术手段，提供了一种对云平台中各类资源池冗余度进行监测的有效方式，保证了资源池监测结果的全面性。
图3a为本发明实施例提供的另一种云平台中资源池的监测方法的流程图，如图3a所示，该方法包括：
步骤310、实时采集云平台中各计算节点以及资源池的当前运行信息；所述资源池包括计算资源池、存储资源池以及网络资源池。
步骤320、根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件。
步骤330、根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间。
在本实施例的一个实施方式中，根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间，包括：
如果所述资源池不满足故障疏散条件，则确定所述资源池在当前业务增长情况下对应的预测续航时间为零；如果所述资源池满足故障疏散条件，则根据所述资源池对应的当前资源增长指数，确定所述资源池在当前业务增长情况下对应的预测续航时间。
在本实施例中，如果资源池满足故障疏散条件，则可以认为该资源池可以支持云平台中的业务继续增长；如果资源池不满足故障疏散条件，则可以认为该资源池不可以支持云平台中的业务继续增长，也即该资源池在当前业务增长情况下对应的预测续航时间为零。
这样设置的好处在于，可以快速确定资源池对应的预测续航时间，提高对资源池的监测效率。
在一个具体的实施例中，根据所述资源池对应的当前资源增长指数，确定所述资源池在当前业务增长情况下对应的预测续航时间，包括：如果所述资源池为计算资源池，则获取所述计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器增长指数以及内存增长指数；根据所述虚拟处理器剩余信息、内存剩余信息、虚拟处理器增长指数和内存增长指数，以及各计算节点占用的虚拟处理器和内存信息，确定所述计算资源池在当前业务增长情况下对应的预测续航时间。
在本实施例的一个实施方式中，可以获取计算资源池内全部虚拟处理器的剩余容量vcpu1、全部剩余内存α1、虚拟处理器增长指数γ和内存增长指数δ，并获取各计算节点占用的虚拟处理器容量vcpu*和内存α*，然后通过min((vcpu1-max(vcpu*))/γ,(α1-max(α*))/δ)，确定计算资源池在当前业务增长情况下对应的预测续航时间。
这样设置的好处在于，通过获取计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器增长指数以及内存增长指数，可以有效确定计算资源池的预测续航时间，提高计算资源池冗余度监测结果的可靠性。
在一个具体的实施例中，可以获取每个存储资源池的总容量β2、使用容量β3以及存储资源增长指数然后通过/>得到存储资源池在当前业务增长情况下对应的预测续航时间。
在另一个具体的实施例中，可以获取每个网络资源池的公网IP地址总量k1、已使用IP地址数量k2以及网络资源增长指数λ，然后通过(k1-k2)/λ，得到存储资源池在当前业务增长情况下对应的预测续航时间。
步骤340、将每个资源池对应的预测续航时间，通过可视化界面展示给用户，以使用户根据可视化界面中的预测续航时间，对云平台中的多个业务进行统一调度。
在本实施例的一个实施方式中，可以将每个资源池对应的当前运行信息以及预测续航时间，通过可视化界面展示给用户。图3b为本实施例中的一种可视化界面的示意图，如图3b所示，该界面中可以展示云平台中各计算资源池(例如“销售一部”和“运营一部”)、存储资源池(例如“IPSAN”和“ceph”)以及网络资源池(例如“VLAN-12”和“VLAN-13”)的当前运行信息和预测续航时间。
在一个具体的实施例中，所述可视化界面中还可以包括各资源池对目标业务的支持判断结果(例如“支持”或“不支持”)，用户可以根据所述支持判断结果，对数据量急速增长的目标业务进行调度，然后根据各资源池的预测续航时间，将数据量平缓增长的其他业务进行调度。
这样设置的好处在于，通过将每个资源池对应的预测续航时间展示用户，可以使用户对云平台中的业务进行快速调度，提高云平台对业务的执行效率。
本发明实施例提供的技术方案，通过实时采集云平台中各计算节点以及资源池的当前运行信息，根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件，根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间，将每个资源池对应的预测续航时间，通过可视化界面展示给用户的技术手段，提供了一种对云平台中各类资源池冗余度进行监测的有效方式，保证了资源池监测结果的全面性。
图4为本发明实施例提供的一种云平台中资源池的监测装置的结构示意图，所述装置应用于电子设备中，如图4所示，该装置包括：信息采集模块410、故障疏散判断模块420和续航预测模块430。
其中，信息采集模块410，用于实时采集云平台中各计算节点以及资源池的当前运行信息；所述资源池包括计算资源池、存储资源池以及网络资源池；
故障疏散判断模块420，用于根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件；所述故障疏散条件用于表示资源池支持故障计算节点运行；
续航预测模块430，用于根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间。
本发明实施例提供的技术方案，通过实时采集云平台中各计算节点以及资源池的当前运行信息，根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件，根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间的技术手段，提供了一种对云平台中各类资源池冗余度进行监测的有效方式，可以提高预测续航时间结果的可靠性，为用户调配云平台资源提供业务支撑。
在上述实施例的基础上，所述装置还包括：
目标资源获取模块，用于获取待处理目标业务对应的目标资源信息；所述目标资源信息包括：虚拟处理器占用信息、内存占用信息以及存储容量占用信息；
目标资源池判断模块，用于根据目标资源信息，以及各计算资源池与存储资源池对应的当前剩余资源信息，判断云平台中是否存在支持目标业务的目标计算资源池以及目标存储资源池；
上线指令触发模块，用于当云平台中存在支持目标业务的目标计算资源池以及目标存储资源池时，则确定云平台满足目标业务上线条件，并触发上线指令，以使用户根据上线指令，对云平台中的目标业务进行调度；
界面展示模块，用于将每个资源池对应的预测续航时间，通过可视化界面展示给用户，以使用户根据可视化界面中的预测续航时间，对云平台中的多个业务进行统一调度。
故障疏散判断模块420包括：
计算资源池判断单元，用于根据各计算节点以及计算资源池的当前运行信息，判断各计算资源池是否满足故障疏散条件；
存储资源池判断单元，用于根据各存储资源池的当前运行信息，判断各存储资源池是否满足故障疏散条件；
计算资源确定单元，用于根据各计算节点以及计算资源池的当前运行信息，确定各计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器分配信息，以及内存分配信息；
计算资源处理单元，用于根据各计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器分配信息，以及内存分配信息，判断各计算资源池是否满足故障疏散条件。
续航预测模块430包括：
时间确定单元，用于如果所述资源池不满足故障疏散条件，则确定所述资源池在当前业务增长情况下对应的预测续航时间为零；如果所述资源池满足故障疏散条件，则根据所述资源池对应的当前资源增长指数，确定所述资源池在当前业务增长情况下对应的预测续航时间；
增长指数获取单元，用于如果所述资源池为计算资源池，则获取所述计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器增长指数以及内存增长指数；
计算资源池预测单元，用于根据所述虚拟处理器剩余信息、内存剩余信息、虚拟处理器增长指数以及内存增长指数，以及各计算节点占用的虚拟处理器以及内存信息，确定所述计算资源池在当前业务增长情况下对应的预测续航时间。
上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
图5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5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，例如云平台中资源池的监测方法。
在一些实施例中，云平台中资源池的监测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云平台中资源池的监测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)而被配置为执行云平台中资源池的监测方法。
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 (10)

1.一种云平台中资源池的监测方法，其特征在于，所述方法包括：
实时采集云平台中各计算节点以及资源池的当前运行信息；所述资源池包括计算资源池、存储资源池以及网络资源池；
根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件；所述故障疏散条件用于表示资源池支持故障计算节点运行；
根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间。
2.根据权利要求1所述的方法，其特征在于，在确定每个资源池在当前业务增长情况下对应的预测续航时间之后，还包括：
获取待处理目标业务对应的目标资源信息；所述目标资源信息包括：虚拟处理器占用信息、内存占用信息以及存储容量占用信息；
根据目标资源信息，以及各计算资源池与存储资源池对应的当前剩余资源信息，判断云平台中是否存在支持目标业务的目标计算资源池以及目标存储资源池；
若是，则确定云平台满足目标业务上线条件，并触发上线指令，以使用户根据上线指令，对云平台中的目标业务进行调度。
3.根据权利要求1所述的方法，其特征在于，根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件，包括：
根据各计算节点以及计算资源池的当前运行信息，判断各计算资源池是否满足故障疏散条件；
根据各存储资源池的当前运行信息，判断各存储资源池是否满足故障疏散条件。
4.根据权利要求3所述的方法，其特征在于，根据各计算节点以及计算资源池的当前运行信息，判断各计算资源池是否满足故障疏散条件，包括：
根据各计算节点以及计算资源池的当前运行信息，确定各计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器分配信息，以及内存分配信息；
根据各计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器分配信息，以及内存分配信息，判断各计算资源池是否满足故障疏散条件。
5.根据权利要求1所述的方法，其特征在于，根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间，包括：
如果所述资源池不满足故障疏散条件，则确定所述资源池在当前业务增长情况下对应的预测续航时间为零；
如果所述资源池满足故障疏散条件，则根据所述资源池对应的当前资源增长指数，确定所述资源池在当前业务增长情况下对应的预测续航时间。
6.根据权利要求5所述的方法，其特征在于，根据所述资源池对应的当前资源增长指数，确定所述资源池在当前业务增长情况下对应的预测续航时间，包括：
如果所述资源池为计算资源池，则获取所述计算资源池对应的虚拟处理器剩余信息、内存剩余信息、虚拟处理器增长指数以及内存增长指数；
根据所述虚拟处理器剩余信息、内存剩余信息、虚拟处理器增长指数和内存增长指数，以及各计算节点占用的虚拟处理器和内存信息，确定所述计算资源池在当前业务增长情况下对应的预测续航时间。
7.根据权利要求1所述的方法，其特征在于，在确定每个资源池在当前业务增长情况下对应的预测续航时间之后，还包括：
将每个资源池对应的预测续航时间，通过可视化界面展示给用户，以使用户根据可视化界面中的预测续航时间，对云平台中的多个业务进行统一调度。
8.一种云平台中资源池的监测装置，其特征在于，所述装置包括：
信息采集模块，用于实时采集云平台中各计算节点以及资源池的当前运行信息；所述资源池包括计算资源池、存储资源池以及网络资源池；
故障疏散判断模块，用于根据各计算节点以及资源池的当前运行信息，判断各资源池是否满足故障疏散条件；所述故障疏散条件用于表示资源池支持故障计算节点运行；
续航预测模块，用于根据各资源池对应的故障疏散条件判断结果，以及各资源池对应的当前资源增长指数，分别确定每个资源池在当前业务增长情况下对应的预测续航时间。
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中任一项所述的云平台中资源池的监测方法。
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中任一项所述的云平台中资源池的监测方法。
CN202310952266.5A 2023-07-31 2023-07-31 一种云平台中资源池的监测方法、装置、设备及介质 Pending CN116860459A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310952266.5A CN116860459A (zh) 2023-07-31 2023-07-31 一种云平台中资源池的监测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310952266.5A CN116860459A (zh) 2023-07-31 2023-07-31 一种云平台中资源池的监测方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN116860459A true CN116860459A (zh) 2023-10-10

Family

ID=88230549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310952266.5A Pending CN116860459A (zh) 2023-07-31 2023-07-31 一种云平台中资源池的监测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116860459A (zh)

Similar Documents

Publication Publication Date Title
TWI671708B (zh) 一種流速控制方法及裝置
CN112559182A (zh) 资源分配方法、装置、设备及存储介质
CN115658311A (zh) 一种资源的调度方法、装置、设备和介质
CN117112222A (zh) 一种请求处理方法、装置、电子设备及存储介质
CN116938953A (zh) 基于区块链的数据处理方法、装置、电子设备及存储介质
CN116594563A (zh) 分布式存储扩容方法、装置、电子设备和存储介质
CN116860459A (zh) 一种云平台中资源池的监测方法、装置、设备及介质
CN115952054A (zh) 一种仿真任务资源管理方法、装置、设备及介质
CN114936106A (zh) 一种主机故障的处理方法、装置及介质
CN115774602A (zh) 一种容器资源的分配方法、装置、设备及存储介质
CN115495151A (zh) 规则引擎的迁移方法、装置、设备、存储介质及程序产品
CN115550363A (zh) 节点分级管理方法、装置及电子设备
CN113778645A (zh) 基于边缘计算的任务调度方法、装置、设备及存储介质
CN110493071B (zh) 消息系统资源均衡装置、方法及设备
CN117082083A (zh) 一种基于分布式物联网架构的数据存储方法、装置及介质
CN117707793B (zh) 一种计算任务处理方法、装置、设备及介质
CN114513441B (zh) 基于区块链的系统维护方法、装置、设备及存储介质
CN118152283A (zh) 电力设备兼容性测试的调度方法、装置、设备及介质
CN116361008A (zh) 基于电力物联网的任务均衡分配方法、装置、设备和介质
CN118152096A (zh) 任务分配方法、装置、设备及存储介质
CN114201708A (zh) 一种资源处理方法、装置、电子设备和存储介质
CN115904550A (zh) 服务请求处理方法、装置、电子设备和存储介质
CN117667397A (zh) 一种gpu资源调度方法、装置、电子设备及存储介质
CN117785465A (zh) 一种资源调度方法、装置、设备及存储介质
CN115577958A (zh) 一种风险处理方法、装置、设备以及存储介质

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
CB02 Change of applicant information

Country or region after: China

Address after: 100193 5 floor, 36 building, No. 8 Northeast Road, Haidian District, Beijing.

Applicant after: Shuguang Cloud Computing Group Co.,Ltd.

Address before: 100193 5 floor, 36 building, No. 8 Northeast Road, Haidian District, Beijing.

Applicant before: Shuguang Cloud Computing Group Co.,Ltd.

Country or region before: China

CB02 Change of applicant information