CN116909756A - 跨云服务方法、装置、电子设备及存储介质 - Google Patents
跨云服务方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116909756A CN116909756A CN202311176531.1A CN202311176531A CN116909756A CN 116909756 A CN116909756 A CN 116909756A CN 202311176531 A CN202311176531 A CN 202311176531A CN 116909756 A CN116909756 A CN 116909756A
- Authority
- CN
- China
- Prior art keywords
- user
- cloud
- task
- subtask
- cloud service
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000011084 recovery Methods 0.000 claims description 18
- RYAUSSKQMZRMAI-YESZJQIVSA-N (S)-fenpropimorph Chemical compound C([C@@H](C)CC=1C=CC(=CC=1)C(C)(C)C)N1C[C@H](C)O[C@H](C)C1 RYAUSSKQMZRMAI-YESZJQIVSA-N 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 9
- 230000001360 synchronised effect Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005291 magnetic effect Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002071 nanotube Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06F9/46—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/10015—Access to distributed or replicated servers, e.g. using brokers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1014—Server selection for load balancing based on the content of a request
-
- 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)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提出了一种跨云服务方法、装置、电子设备及存储介质，其中，所述的方法包括：解析用户任务，获取所述用户任务的解析结果；所述解析结果用于指示所述用户任务中包含的多个用户子任务之间的依赖关系；基于所述解析结果，生成所述用户任务对应的有向无环图DAG；扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求；基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
Description
技术领域
本公开涉及分布式云技术领域，尤其涉及一种跨云服务方法、装置、电子设备及存储介质。
背景技术
相关技术中的多云管理平台在资源开通阶段，需要用户预先评估用户任务对应的资源需求，手动订购分属不同云服务的算力和网络资源，多云管理平台不能自动解析和分配用户任务所需的资源需求。
发明内容
本公开提供一种跨云服务方法、装置、电子设备及存储介质，以解决相关技术中的问题。
本公开的第一方面实施例提出了一种跨云服务方法，该方法包括：
解析用户任务，获取所述用户任务的解析结果；所述解析结果用于指示所述用户任务中包含的多个用户子任务之间的依赖关系；
基于所述解析结果，生成所述用户任务对应的有向无环图DAG；
扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求；
基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
在一些实施例中，所述跨云服务方法还包括：
构建所述至少两个云服务中任意两个云服务之间的网络隧道；
基于所述每个用户子任务对应的预估资源需求，将所述用户任务部署到所述至少两个云服务中。
在一些实施例中，所述跨云服务方法还包括：
备份执行所述用户任务过程中产生的用户数据至所述云服务集合中的其他云服务，所述其他云服务指所述云服务集合中，除了与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务之外的云服务。
在一些实施例中，所述基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务，包括：
确定所述每个用户子任务对应的任务类别；所述任务类别包括基础资源任务和云原生算力任务；所述基础资源任务包括基础设施即服务IaaS服务及平台即服务PaaS服务；
确定云服务集合中与所述每个基础资源任务和云原生算力任务对应的预估资源需求匹配的至少一个子云服务集合；所述至少一个子云服务集合中的每个子云服务集合中包括至少两个云服务；
基于所述云服务集合中每个云服务的价格，确定价格最低的子云服务集合中包含的至少两个云服务为与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
在一些实施例中，所述构建所述至少两个云服务中任意两个云服务之间的网络隧道，包括：
在第一云服务中申请第一虚拟机作为所述第一云服务的第一代理服务器，在第二云服务中申请第二虚拟机作为所述第二云服务的第二代理服务器，所述第一云服务和所述第二云服务为所述至少两个云服务中的任意两个云服务；
将所述第一代理服务器和第二代理服务器绑定公网IP，创建所述第一代理服务器和第二代理服务器之间的网络隧道。
在一些实施例中，所述基于所述每个用户子任务对应的预估资源需求，将所述用户任务部署到所述至少两个云服务中，包括：
基于所述每个用户子任务中的每个基础资源任务对应的调用请求，将所述每个基础资源任务对应的调用请求映射到所述至少两个云服务；所述基础资源任务包括IaaS服务及PaaS服务；
获取所述至少两个云服务中的第一Kubernetes集群列表；所述第一Kubernetes集群列表中包含每个Kubernetes集群的算力信息；
基于所述每个用户子任务中的每个云原生算力任务的算力需求，确定所述第一Kubernetes集群列表与所述每个云原生算力任务匹配的第一Kubernetes集群；
将所述每个云原生算力任务部署到对应的所述第一Kubernetes集群中。
在一些实施例中，所述基于所述每个用户子任务中的每个云原生算力任务的算力需求，确定所述第一Kubernetes集群列表与所述每个云原生算力任务匹配的第一Kubernetes集群，包括：
基于所述每个云原生算力任务的算力需求及每个Kubernetes集群的算力信息，删除所述第一Kubernetes集群列表中不满足所述算力需求的Kubernetes集群，生成第二Kubernetes集群列表；
基于所述用户任务的灾备等级，确定所有所述云原生算力任务需要的Kubernetes集群个数；
基于所述第二Kubernetes集群列表中每个Kubernetes集群的算力富余量及价格，确定所述第二Kubernetes集群列表中，与所有云原生算力任务需要的Kubernetes集群个数对应的第二Kubernetes集群；
将所述每个云原生算力任务部署到对应的所述第二Kubernetes集群中。
本公开的第二方面实施例提出了一种跨云服务装置，该装置包括：
解析单元，用于解析用户任务，获取所述用户任务的解析结果；所述解析结果用于指示所述用户任务中包含的多个用户子任务之间的依赖关系；
生成单元，用于基于所述解析结果，生成所述用户任务对应的有向无环图DAG；
第一确定单元，用于扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求；
第二确定单元，用于基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
本公开的第三方面实施例提出了一种电子设备，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；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开第一方面实施例中描述的方法。
本公开的第四方面实施例提出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，计算机指令用于使计算机执行本公开第一方面实施例中描述的方法。
综上，本公开提出了一种跨云服务方法、装置、电子设备及存储介质，所述的方法包括：解析用户任务，获取所述用户任务的解析结果；所述解析结果用于指示所述用户任务中包含的多个用户子任务之间的依赖关系；基于所述解析结果，生成所述用户任务对应的有向无环图DAG；扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求；基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
本公开提供的方案，通过自动解析用户任务，将用户任务解析为多个用户子任务，同时利用所述多个用户子任务生成有向无环图（Directed Acyclic Graph，简称DAG），进而确定每个用户子任务对应的预估资源需求，然后在云服务集合中确定与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务，实现了用户任务的自动解析，以及自动为用户匹配相应的云服务功能。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1为本公开实施例提供的跨云服务方法的流程示意图；
图2为本公开实施例提供的封装并调用基础资源服务的示意图；
图3为本公开应用示例提供的跨云服务架构的结构示意图；
图4为本公开应用示例提供的跨云服务方法的流程示意图；
图5为本公开应用示例提供的部署用户任务的方法的流程示意图；
图6为本公开实施例提供的跨云服务装置的结构示意图；
图7为本公开实施例提供的电子设备的硬件组成结构示意图。
具体实施方式
下面详细描述本公开的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
相关技术中的多云管理平台在资源开通阶段，需要用户预先评估用户任务对应的资源需求，手动订购分属不同云服务的算力和网络资源，多云管理平台不能自动解析和分配用户任务所需的资源需求。
多云管理平台是提供公有云（如阿里云、腾讯云、小鸟云、Google等）、私有云和混合云统一集成管理的产品。云管理平台的主要功能包含混合云、多云环境的统一管理和调度、提供系统映像、计量计费及通过既定策略优化工作负载。多云管理平台首先要提供多云纳管，兼容主流云服务商提供的云服务。比如云帮手、行云管家等。
但是，相关技术中的多云管理平台，需要用户预先评估用户任务对应的资源需求，对用户的操作门槛较高，不可避免的出现资源预估准确度低和资源浪费的情况，进而导致用户的资源成本不是最优。
为了解决相关技术中的缺陷，本公开通过自动解析用户任务，将用户任务解析为多个用户子任务，同时利用所述多个用户子任务生成DAG，进而确定每个用户子任务对应的预估资源需求，然后在云服务集合中确定与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务，实现了用户任务的自动解析，以及自动为用户匹配相应的云服务功能。
下面结合附图及具体实施例对本公开作进一步详细的说明。
如图1所示，图1为本公开实施例提供的跨云服务方法的流程示意图。本公开实施例提供的跨云服务方法，包括以下步骤：
步骤101，解析用户任务，获取所述用户任务的解析结果；所述解析结果用于指示所述用户任务中包含的多个用户子任务之间的依赖关系；
在一实施例中，在所述步骤101之前，本公开实施例提供的跨云服务方法，还包括：
获取用户任务。所述获取用户任务的方式，可以基于用户的输入操作，获取所述用户任务。所述输入操作包括但不限于文字输入、语音输入等。用户可通过多云管理平台的平台界面、API接口或其他方式进行输入操作，以向多云管理平台提交所述用户任务。
在一实施例中，所述解析用户任务可通过任务解析器实现，任务解析器通过分析所述用户任务的任务请求的内容和上下文信息，确定所述任务的类型、目的和资源需求。比如，如果所述用户任务为创建虚拟机，则所述用户任务对应的资源需求为用户指定的虚拟机规格和数量。进一步的，任务解析器将任务拆分为多个用户子任务，比如，创建虚拟机是包含网络配置、安全组配置及操作系统配置三个用户子任务，且三个用户子任务的依赖关系是依次执行。
步骤102，基于所述解析结果，生成所述用户任务对应的有向无环图DAG；
在一实施例中，生成所述用户任务对应的DAG，包括：
根据所述用户任务的解析结果，将所述用户任务拆分为多个具有依赖关系的用户子任务。在所述DAG中，基于多个用户子任务之间的依赖关系，前一个用户子任务的输出可以作为后一个用户子任务的输入。以每一个用户子任务为节点，生成所述用户任务对应的DAG。
步骤103，扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求；
在一实施例中，每个用户子任务所需的资源可能都不相同，因此，需要根据每个用户子任务的资源需求，为所述DAG中每个节点分配合适的计算资源及存储资源。其中，所述每个用户子任务的资源需求，包含每个用户子任务对应的实例类型、数量及存储容量等。
基于此，为所述用户任务分配所述云服务资源前，必须先确定所述每个用户子任务对应的预估资源需求。
步骤104，基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
在一实施例中，所述每个用户子任务对应的预估资源需求包括：每个用户子任务所需的算力资源、存储资源和网络资源等。与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务需要满足以下条件：具有足够的算力资源、存储资源和网络资源等来满足所有用户子任务的预估资源需求，并且满足每个用户子任务执行所需的网络和安全需求。
本公开通过自动解析用户任务，将用户任务解析为多个用户子任务，同时利用所述多个用户子任务生成DAG，进而确定每个用户子任务对应的预估资源需求，然后在云服务集合中确定与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务，实现了用户任务的自动解析，以及自动为用户匹配相应的云服务功能。
在一实施例中，用户确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务，为了执行用户任务，还需将用户任务部署在所述至少两个云服务中。
基于此，在一实施例中，本公开实施例所述的跨云服务方法还包括：
构建所述至少两个云服务中任意两个云服务之间的网络隧道；
在一实施例中，所述构建所述至少两个云服务中任意两个云服务之间的网络隧道，包括：
在第一云服务中申请第一虚拟机作为所述第一云服务的第一代理服务器，在第二云服务中申请第二虚拟机作为所述第二云服务的第二代理服务器，所述第一云服务和所述第二云服务为所述至少两个云服务中的任意两个云服务；
将所述第一代理服务器和第二代理服务器绑定公网IP，创建所述第一代理服务器和第二代理服务器之间的网络隧道。
基于所述每个用户子任务对应的预估资源需求，将所述用户任务部署到所述至少两个云服务中。
在一实施例中，所述将所述第一代理服务器和第二代理服务器绑定公网IP，创建所述第一代理服务器和第二代理服务器之间的网络隧道，包括：
为所述第一云服务和所述第二云服务中的Kubernetes的每个宿主机配置预定的路由规则，如通用路由封装协议（Generic Routing Encapsulation，简称GRE）及安全协议等；
为所述第一云服务和所述第二云服务开通域名服务器（Domain Name Server，简称DNS），并将所述第二云服务的域名写入所述第一云服务的DNS中，将所述第一云服务的域名写入所述第二云服务的DNS中，确保所述第一云服务和所述第二云服务能够通过域名互相访问。
在一实施例中，所述第一云服务的第一代理服务器，及所述第二云服务的第二代理服务器主要用于封装和解封装所述第一云服务和所述第二云服务之间的网络数据包，以实现所述网络数据包在所述网络隧道中的传输。
在一实施例中，用户确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务，为了执行用户任务，还需将用户任务部署在所述至少两个云服务中。
在一实施例中，用户任务部署的所述至少两个云服务中，由于其中的一个或多个云服务的云服务商的硬件或软件原因，可能会导致云服务故障。或者由于其中的一个或多个云服务的云服务商的价格上涨，在此情景下，用户都有备份其重要数据的需求。
基于此，在一实施例中，本公开实施例所述的跨云服务方法还包括：
备份执行所述用户任务过程中产生的用户数据至所述云服务集合中的其他云服务，所述其他云服务指所述云服务集合中，除了与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务之外的云服务。
在一实施例中，所述备份执行所述用户任务过程中产生的用户数据至所述云服务集合中的其他云服务，包括以下步骤：
首先，用于需制定灾备计划，包括数据备份和恢复策略。所述灾备计划包括跨云环境中的故障和价格上涨。
其次，用户上传灾备计划，多云管理平台通过Velero自动根据灾备计划将执行所述用户任务过程中产生的用户数据备份至所述云服务集合中的其他云服务。其中，所述灾备计划也可以是多云管理平台基于用户任务的灾备等级自动生成的。Velero是一种云原生的Kubernetes优化方法，支持标准的Kubernetes集群。除了灾备之外它还能做资源移转，支持把容器应用从一个Kubernetes集群迁移到另一个Kubernetes集群。
在一实施例中，由于所述每个用户子任务的类别可能不同，为了更好的管理不同的云服务资源的成本和提高执行用户任务的效率，需要为每个用户子任务提供不同的资源分配和调度策略。
基于此，在一实施例中，所述基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务，包括：
确定所述每个用户子任务对应的任务类别；所述任务类别包括基础资源任务和云原生算力任务；所述基础资源任务包括基础设施即服务（Infrastructure-as-a-Service，简称IaaS）服务及平台即服务（Platform-as-a-Service，简称PaaS）服务；
在一实施例中，所述IaaS服务的作用是提供虚拟机或者其他资源，如存储资源、网络资源等作为服务提供给用户，所述PaaS服务的作用是将开发平台，如应用程序的开发、部署和管理作为服务提供给客户。在一实施例中，所述的云原生算力任务包括计算密集型任务，如科学计算、深度学习、数值模拟等，这类任务通常需要使用GPU等加速器提高计算效率；所述的云原生算力任务还包括日志分析、实时数据处理等大数据存储和处理任务，配置管理、负载均衡等微服务应用，如OpenCV等视频和图像处理任务及编译、调试、单元测试及集成测试等软件开发和测试任务。
确定云服务集合中与所述每个基础资源任务和云原生算力任务对应的预估资源需求匹配的至少一个子云服务集合；所述至少一个子云服务集合中的每个子云服务集合中包括至少两个云服务；
在一实施例中，所述至少两个云服务中的任一云服务，既可以提供基础资源任务所需的资源，也可以提供云原生算力任务所需的资源。且任一云服务中可包含多个Kubernetes集群，不同的Kubernetes集群还可提供不同用户子任务对应的资源。
在一实施例中，由于不同的服务商提供的资源，包括用于基础资源任务的资源和不同算力的Kubernetes集群的价格不同，为了使用户获得最优的性价比，还需根据资源的价格为用户匹配不同的云服务。
基于此，基于所述云服务集合中每个云服务的价格，确定价格最低的子云服务集合中包含的至少两个云服务为与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
在一实施例中，所述云服务集合中每个云服务的价格，可以指每个云服务集合中不同IaaS服务、PaaS服务及Kubernetes集群的价格。
基于此，在一实施例中，所述基于所述每个用户子任务对应的预估资源需求，将所述用户任务部署到所述至少两个云服务中，包括：
基于所述每个用户子任务中的每个基础资源任务对应的调用请求，将所述每个基础资源任务对应的调用请求映射到所述至少两个云服务；所述基础资源任务包括IaaS服务及PaaS服务；
在一实施例中，如图2所示，可以先将所述云服务集合中的每个云服务提供的IaaS服务及PaaS服务进行封装，需要时，可直接将不同云服务提供的IaaS服务及PaaS服务的调用请求映射到所述至少两个云服务中，以实现所述IaaS服务及PaaS服务的调用。
获取所述至少两个云服务中的第一Kubernetes集群列表；所述第一Kubernetes集群列表中包含每个Kubernetes集群的算力信息；
在一实施例中，所述第一Kubernetes集群列表中包含所述至少两个云服务中每个云服务中的可用Kubernetes集群。
基于所述每个用户子任务中的每个云原生算力任务的算力需求，确定所述第一Kubernetes集群列表与所述每个云原生算力任务匹配的第一Kubernetes集群；
在一实施例中，可以使用条件语句或者机器学习算法等，确定所述第一Kubernetes集群列表与所述每个云原生算力任务匹配的第一Kubernetes集群。
将所述每个云原生算力任务部署到对应的所述第一Kubernetes集群中。
在一实施例中，所述基于所述每个用户子任务中的每个云原生算力任务的算力需求，确定所述第一Kubernetes集群列表与所述每个云原生算力任务匹配的第一Kubernetes集群，包括：
基于所述每个云原生算力任务的算力需求及每个Kubernetes集群的算力信息，删除所述第一Kubernetes集群列表中不满足所述算力需求的Kubernetes集群，生成第二Kubernetes集群列表；
在一实施例中，所述第二Kubernetes集群列表指删除不满足所述算力需求的Kubernetes集群后的第一Kubernetes集群列表。比如，所述云原生算力任务需要GPU或者ARM的GPU加速，则删除所述第一Kubernetes集群列表中不包含GPU或者ARM的Kubernetes集群。
基于所述用户任务的灾备等级，确定所有所述云原生算力任务需要的Kubernetes集群个数；
在一实施例中，所述灾备等级包括高可用（High Availability，简称HA）、备份（BA）、恢复（RE）等不同级别，对应不同的备份和恢复策略。基于所述用户任务的灾备等级，确定所有所述云原生算力任务需要的Kubernetes集群个数。
基于所述第二Kubernetes集群列表中每个Kubernetes集群的算力富余量及价格，确定所述第二Kubernetes集群列表中，与所有云原生算力任务需要的Kubernetes集群个数对应的第二Kubernetes集群；
在一实施例中，确定与所有云原生算力任务需要的Kubernetes集群个数的Kubernetes集群，包括：
对所述第二Kubernetes集群列表中每个Kubernetes集群打分，所述第二Kubernetes集群列表中任一Kubernetes集群score为;
score=;
其中，i表示所有云原生算力任务中第i类型算力，n表所有云原生算力任务中包含算力类型的总数，表示当前Kubernetes集群中第i类型算力的总剩余量，/>表示所有云原生算力任务对第i类型算力的总需求，/>表示当前Kubernetes集群中第i类型算力的价格，/>、/>、/>分别表示/>、/>、/>的权重。
基于所述第二Kubernetes集群列表中每个Kubernetes集群的score，按score值从大到小的顺序将所述第二Kubernetes集群列表中每个Kubernetes集群排序；
确定排序位数在第一位数之前的Kubernetes集群为所述第二Kubernetes集群；其中，所述第一位数指所有云原生算力任务需要的Kubernetes集群个数。
将所述每个云原生算力任务部署到对应的所述第二Kubernetes集群中。
综上，本公开实施例提供的跨云服务方法，
首先，本公开通过自动解析用户任务，将用户任务解析为多个用户子任务，同时利用所述多个用户子任务生成DAG，进而确定每个用户子任务对应的预估资源需求，然后在云服务集合中确定与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务，实现了用户任务的自动解析，以及自动为用户匹配相应的云服务功能。
其次，本公开还基于所述至少两个云服务中每个云服务包含的Kubernetes集群的价格及算力资源，为用户选择价格最低且满足算力需求的Kubernetes集群部署所述用户任务，降低了用户的成本，提升了用户的体验。
再次，本公开在为用户匹配Kubernetes集群时，还将用户的灾备等级纳入考虑范围，当出现云故障或者云服务商提高价格时，还可利用其他云服务备份的数据。
下面以一应用示例对本公开提供跨云服务方法做进一步说明：
在介绍本公开应用示例提供的跨云服务方法之前，先介绍一种跨云服务架构，如图3所示，所述跨云服务架构包括用户任务解析器、跨云编排引擎、跨云云原生调度引擎、跨云云互联控制器及跨云云原生灾备引擎。
所述用户任务解析器301，用于解析用户任务，并根据解析结果，生成所述用户任务对应的DAG，并扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求。
所述跨云编排引擎302，用于根据所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
所述跨云云原生调度引擎303，用于基于所述每个用户子任务对应的预估资源需求，将所述用户任务部署到所述至少两个云服务中。
所述跨云云互联控制器304，用于构建所述至少两个云服务中任意两个云服务之间的网络隧道。
所述跨云云原生灾备引擎305，用于备份执行所述用户任务过程中产生的用户数据至所述云服务集合中的其他云服务。
所述跨云服务架构还包括可视任务提交平台306，用于提交所述用户任务。
如图4所示，基于上述跨云服务架构，本公开应用示例提供了一种跨云服务方法，包括以下步骤：
步骤401，用户通过所述可视化任务提交平台提交所述用户任务；
步骤402，所述用户任务解析器解析用户任务，并根据解析结果，生成所述用户任务对应的DAG；
步骤403，所述用户任务解析器扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求；
步骤404，所述跨云编排引擎，用于根据所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务；
步骤405，所述跨云云原生调度引擎基于所述每个用户子任务对应的预估资源需求，将所述用户任务部署到所述至少两个云服务中；
在一应用示例中，如图5所示，所述步骤405，包括以下步骤：
步骤501，基于所述每个用户子任务中的每个基础资源任务对应的调用请求，将所述每个基础资源任务对应的调用请求映射到所述至少两个云服务；所述基础资源任务包括IaaS服务及PaaS服务；
步骤502，获取所述至少两个云服务中的第一Kubernetes集群列表；所述第一Kubernetes集群列表中包含每个Kubernetes集群的算力信息；
步骤503，基于所述每个云原生算力任务的算力需求及每个Kubernetes集群的算力信息，删除所述第一Kubernetes集群列表中不满足所述算力需求的Kubernetes集群，生成第二Kubernetes集群列表；
步骤504，基于所述用户任务的灾备等级，确定所有所述云原生算力任务需要的Kubernetes集群个数；
步骤505，基于所述第二Kubernetes集群列表中每个Kubernetes集群的算力富余量及价格，确定所述第二Kubernetes集群列表中，与所有云原生算力任务需要的Kubernetes集群个数对应的第二Kubernetes集群；
步骤506，将所述每个云原生算力任务部署到对应的所述第二Kubernetes集群中。
为了实现本公开实施例提供的跨云服务方法，本公开实施例还提供一种跨云服务装置，如图6所示。图6为本公开实施例提供的跨云服务装置的结构示意图，所述跨云服务装置600，包括：
解析单元601，用于解析用户任务，获取所述用户任务的解析结果；所述解析结果用于指示所述用户任务中包含的多个用户子任务之间的依赖关系；
生成单元602，用于基于所述解析结果，生成所述用户任务对应的有向无环图DAG；
第一确定单元603，用于扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求；
第二确定单元604，用于基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
在一实施例中，所述跨云服务装置600，还包括部署单元，所述部署单元用于：
构建所述至少两个云服务中任意两个云服务之间的网络隧道；
基于所述每个用户子任务对应的预估资源需求，将所述用户任务部署到所述至少两个云服务中。
在一实施例中，所述跨云服务装置600，还包括备份单元，所述备份单元用于：
备份执行所述用户任务过程中产生的用户数据至所述云服务集合中的其他云服务，所述其他云服务指所述云服务集合中，除了与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务之外的云服务。
在一实施例中，所述第二确定单元604，具体用于：
确定所述每个用户子任务对应的任务类别；所述任务类别包括基础资源任务和云原生算力任务；所述基础资源任务包括基础设施即服务IaaS服务及平台即服务PaaS服务；
确定云服务集合中与所述每个基础资源任务和云原生算力任务对应的预估资源需求匹配的至少一个子云服务集合；所述至少一个子云服务集合中的每个子云服务集合中包括至少两个云服务；
基于所述云服务集合中每个云服务的价格，确定价格最低的子云服务集合中包含的至少两个云服务为与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
在一实施例中，所述部署单元，具体用于：
在第一云服务中申请第一虚拟机作为所述第一云服务的第一代理服务器，在第二云服务中申请第二虚拟机作为所述第二云服务的第二代理服务器，所述第一云服务和所述第二云服务为所述至少两个云服务中的任意两个云服务；
将所述第一代理服务器和第二代理服务器绑定公网IP，创建所述第一代理服务器和第二代理服务器之间的网络隧道。
在一实施例中，所述部署单元，具体用于：
基于所述每个用户子任务中的每个基础资源任务对应的调用请求，将所述每个基础资源任务对应的调用请求映射到所述至少两个云服务；所述基础资源任务包括IaaS服务及PaaS服务；
获取所述至少两个云服务中的第一Kubernetes集群列表；所述第一Kubernetes集群列表中包含每个Kubernetes集群的算力信息；
基于所述每个用户子任务中的每个云原生算力任务的算力需求，确定所述第一Kubernetes集群列表与所述每个云原生算力任务匹配的第一Kubernetes集群；
将所述每个云原生算力任务部署到对应的所述第一Kubernetes集群中。
在一实施例中，所述部署单元，具体用于：
基于所述每个云原生算力任务的算力需求及每个Kubernetes集群的算力信息，删除所述第一Kubernetes集群列表中不满足所述算力需求的Kubernetes集群，生成第二Kubernetes集群列表；
基于所述用户任务的灾备等级，确定所有所述云原生算力任务需要的Kubernetes集群个数；
基于所述第二Kubernetes集群列表中每个Kubernetes集群的算力富余量及价格，确定所述第二Kubernetes集群列表中，与所有云原生算力任务需要的Kubernetes集群个数对应的第二Kubernetes集群；
将所述每个云原生算力任务部署到对应的所述第二Kubernetes集群中。
需要说明的是：上述实施例提供的跨云服务装置在进行跨云服务时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将跨云服务装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的跨云服务装置与本公开实施例提供跨云服务方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图7为本公开实施例提供的电子设备的硬件组成结构示意图，如图7所示，所述电子设备700包括至少一个处理器702；以及与所述至少一个处理器702通信连接的存储器701；其中，所述存储器701存储有可被所述至少一个处理器702执行的指令，所述指令被所述至少一个处理器702执行，以实现本公开实施例所述的跨云服务方法的步骤。
可选地，该电子设备具体可为本申请实施例的跨云服务装置，并且该电子设备可以实现本申请实施例的各个方法中由跨云服务装置实现的相应流程，为了简洁，在此不再赘述。
可理解，电子设备中还包括通信接口703。电子设备中的各个组件通过总线系统704耦合在一起。可理解，总线系统704用于实现这些组件之间的连接通信。总线系统704除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图7中将各种总线都标为总线系统704。
可以理解，存储器701可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器701旨在包括但不限于这些和任意其它适合类型的存储器。
上述本公开实施例揭示的方法可以应用于处理器702中，或者由处理器702实现。处理器702可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器702中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器702可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器702可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器701，处理器702读取存储器701中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，电子设备可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、FPGA、通用处理器、控制器、MCU、微处理器(Microprocessor)、或其他电子元件实现，用于执行前述方法。
本公安实施例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，所述计算机指令用于使所述计算机执行时实现本发明实施例所述的跨云服务方法的步骤。
可选的，该计算机可读存储介质可应用于本申请实施例中的跨云服务装置，并且该计算机指令使得计算机执行本申请实施例的各个方法中由跨云服务装置实现的相应流程，为了简洁，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种跨云服务方法，其特征在于，包括：
解析用户任务，获取所述用户任务的解析结果；所述解析结果用于指示所述用户任务中包含的多个用户子任务之间的依赖关系；
基于所述解析结果，生成所述用户任务对应的有向无环图DAG；
扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求；
基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
2.根据权利要求1所述的方法，其特征在于，还包括：
构建所述至少两个云服务中任意两个云服务之间的网络隧道；
基于所述每个用户子任务对应的预估资源需求，将所述用户任务部署到所述至少两个云服务中。
3.根据权利要求2所述的方法，其特征在于，还包括：
备份执行所述用户任务过程中产生的用户数据至所述云服务集合中的其他云服务，所述其他云服务指所述云服务集合中，除了与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务之外的云服务。
4.根据权利要求1所述的方法，其特征在于，所述基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务，包括：
确定所述每个用户子任务对应的任务类别；所述任务类别包括基础资源任务和云原生算力任务；所述基础资源任务包括基础设施即服务IaaS服务及平台即服务PaaS服务；
确定云服务集合中与所述每个基础资源任务和云原生算力任务对应的预估资源需求匹配的至少一个子云服务集合；所述至少一个子云服务集合中的每个子云服务集合中包括至少两个云服务；
基于所述云服务集合中每个云服务的价格，确定价格最低的子云服务集合中包含的至少两个云服务为与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
5.根据权利要求2所述的方法，其特征在于，所述构建所述至少两个云服务中任意两个云服务之间的网络隧道，包括：
在第一云服务中申请第一虚拟机作为所述第一云服务的第一代理服务器，在第二云服务中申请第二虚拟机作为所述第二云服务的第二代理服务器，所述第一云服务和所述第二云服务为所述至少两个云服务中的任意两个云服务；
将所述第一代理服务器和第二代理服务器绑定公网IP，创建所述第一代理服务器和第二代理服务器之间的网络隧道。
6.根据权利要求2所述的方法，其特征在于，所述基于所述每个用户子任务对应的预估资源需求，将所述用户任务部署到所述至少两个云服务中，包括：
基于所述每个用户子任务中的每个基础资源任务对应的调用请求，将所述每个基础资源任务对应的调用请求映射到所述至少两个云服务；所述基础资源任务包括IaaS服务及PaaS服务；
获取所述至少两个云服务中的第一Kubernetes集群列表；所述第一Kubernetes集群列表中包含每个Kubernetes集群的算力信息；
基于所述每个用户子任务中的每个云原生算力任务的算力需求，确定所述第一Kubernetes集群列表与所述每个云原生算力任务匹配的第一Kubernetes集群；
将所述每个云原生算力任务部署到对应的所述第一Kubernetes集群中。
7.根据权利要求6所述的方法，其特征在于，所述基于所述每个用户子任务中的每个云原生算力任务的算力需求，确定所述第一Kubernetes集群列表与所述每个云原生算力任务匹配的第一Kubernetes集群，包括：
基于所述每个云原生算力任务的算力需求及每个Kubernetes集群的算力信息，删除所述第一Kubernetes集群列表中不满足所述算力需求的Kubernetes集群，生成第二Kubernetes集群列表；
基于所述用户任务的灾备等级，确定所有所述云原生算力任务需要的Kubernetes集群个数；
基于所述第二Kubernetes集群列表中每个Kubernetes集群的算力富余量及价格，确定所述第二Kubernetes集群列表中，与所有云原生算力任务需要的Kubernetes集群个数对应的第二Kubernetes集群；
将所述每个云原生算力任务部署到对应的所述第二Kubernetes集群中。
8.一种跨云服务装置，其特征在于，包括：
解析单元，用于解析用户任务，获取所述用户任务的解析结果；所述解析结果用于指示所述用户任务中包含的多个用户子任务之间的依赖关系；
生成单元，用于基于所述解析结果，生成所述用户任务对应的有向无环图DAG；
第一确定单元，用于扫描所述DAG中的每个用户子任务，确定所述每个用户子任务对应的预估资源需求；
第二确定单元，用于基于所述每个用户子任务对应的预估资源需求，确定云服务集合中与所述每个用户子任务对应的预估资源需求匹配的至少两个云服务。
9.一种电子设备，其特征在于，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指令，所述指令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至7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311176531.1A CN116909756B (zh) | 2023-09-13 | 2023-09-13 | 跨云服务方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311176531.1A CN116909756B (zh) | 2023-09-13 | 2023-09-13 | 跨云服务方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116909756A true CN116909756A (zh) | 2023-10-20 |
| CN116909756B CN116909756B (zh) | 2024-01-26 |
Family
ID=88351538
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311176531.1A Active CN116909756B (zh) | 2023-09-13 | 2023-09-13 | 跨云服务方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116909756B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200218580A1 (en) * | 2017-05-02 | 2020-07-09 | Namu Tech Co., Ltd. | Cloud platform system |
| CN111427681A (zh) * | 2020-02-19 | 2020-07-17 | 上海交通大学 | 边缘计算中基于资源监控的实时任务匹配调度系统和方法 |
| CN111913456A (zh) * | 2020-08-13 | 2020-11-10 | 成都信息工程大学 | 面向制造任务的云制造虚拟车间构造方法 |
| CN112650590A (zh) * | 2020-12-29 | 2021-04-13 | 北京奇艺世纪科技有限公司 | 任务的处理方法、装置及系统、分配方法和装置 |
| CN113037786A (zh) * | 2019-12-09 | 2021-06-25 | 中国电信股份有限公司 | 智能算力调度方法、装置和系统 |
| CN113535363A (zh) * | 2021-07-28 | 2021-10-22 | 重庆度小满优扬科技有限公司 | 任务调用方法、装置、电子设备及存储介质 |
| CN113645262A (zh) * | 2020-05-11 | 2021-11-12 | 中兴通讯股份有限公司 | 云计算服务系统和方法 |
| US20210397466A1 (en) * | 2020-06-22 | 2021-12-23 | Hewlett Packard Enterprise Development Lp | Container-as-a-service (caas) controller for selecting a bare-metal machine of a private cloud for a cluster of a managed container service |
-
2023
- 2023-09-13 CN CN202311176531.1A patent/CN116909756B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200218580A1 (en) * | 2017-05-02 | 2020-07-09 | Namu Tech Co., Ltd. | Cloud platform system |
| CN113037786A (zh) * | 2019-12-09 | 2021-06-25 | 中国电信股份有限公司 | 智能算力调度方法、装置和系统 |
| CN111427681A (zh) * | 2020-02-19 | 2020-07-17 | 上海交通大学 | 边缘计算中基于资源监控的实时任务匹配调度系统和方法 |
| CN113645262A (zh) * | 2020-05-11 | 2021-11-12 | 中兴通讯股份有限公司 | 云计算服务系统和方法 |
| WO2021227999A1 (zh) * | 2020-05-11 | 2021-11-18 | 中兴通讯股份有限公司 | 云计算服务系统和方法 |
| US20210397466A1 (en) * | 2020-06-22 | 2021-12-23 | Hewlett Packard Enterprise Development Lp | Container-as-a-service (caas) controller for selecting a bare-metal machine of a private cloud for a cluster of a managed container service |
| CN111913456A (zh) * | 2020-08-13 | 2020-11-10 | 成都信息工程大学 | 面向制造任务的云制造虚拟车间构造方法 |
| CN112650590A (zh) * | 2020-12-29 | 2021-04-13 | 北京奇艺世纪科技有限公司 | 任务的处理方法、装置及系统、分配方法和装置 |
| CN113535363A (zh) * | 2021-07-28 | 2021-10-22 | 重庆度小满优扬科技有限公司 | 任务调用方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 楼炜;: "多云是云计算发展的必经阶段", 软件和集成电路, no. 05 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116909756B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108614726B (zh) | 虚拟机创建方法及装置 | |
| CN110413288B (zh) | 应用部署方法、装置、服务器及存储介质 | |
| US20170123965A1 (en) | Automated test generation for multi-interface enterprise virtualization management environment | |
| CN110289983B (zh) | 负载均衡应用创建方法、装置、计算机设备及存储介质 | |
| CN111176818B (zh) | 分布式预测的方法、装置、系统、电子设备及存储介质 | |
| US10552306B2 (en) | Automated test generation for multi-interface and multi-platform enterprise virtualization management environment | |
| US11960578B2 (en) | Correspondence of external operations to containers and mutation events | |
| CN117056240B (zh) | 一种支持离线Jar包的数据元件开发调试方法和系统 | |
| US10324647B2 (en) | Dynamic compression for runtime services | |
| US11593103B1 (en) | Anti-pattern detection in extraction and deployment of a microservice | |
| US11288170B1 (en) | Log analysis debugging without running on real production environment | |
| US11494184B1 (en) | Creation of transportability container files for serverless applications | |
| US11249760B2 (en) | Parameter management between programs | |
| CN116909756B (zh) | 跨云服务方法、装置、电子设备及存储介质 | |
| CN110599112B (zh) | 一种网络页面开发、维护方法和装置 | |
| US11768679B2 (en) | Identifying microservices for a monolith application through static code analysis | |
| US11704119B2 (en) | Migrating infrastructure as code between different cloud providers | |
| US9916280B2 (en) | Virtualizing TCP/IP services with shared memory transport | |
| US11640281B2 (en) | Tool for introspection in object-oriented source code | |
| US11789845B2 (en) | Software object identification using record generating code insertion | |
| US11822555B2 (en) | Signaling and resolution model for multi-level session-based description descriptors | |
| US11888943B1 (en) | Use of production traffic to load test a service | |
| US11748236B2 (en) | Multi-user debugging with user data isolation | |
| US20240168734A1 (en) | Identifying involvement of application services in a distributed application | |
| US20240103903A1 (en) | Dynamic pod priority inference utilizing service mesh telemetry data |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |