CN117112242B - 一种云计算系统中的资源节点分配方法和系统 - Google Patents
一种云计算系统中的资源节点分配方法和系统 Download PDFInfo
- Publication number
- CN117112242B CN117112242B CN202311380863.1A CN202311380863A CN117112242B CN 117112242 B CN117112242 B CN 117112242B CN 202311380863 A CN202311380863 A CN 202311380863A CN 117112242 B CN117112242 B CN 117112242B
- Authority
- CN
- China
- Prior art keywords
- resource
- resources
- resource node
- available
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 2
- 230000015654 memory Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 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
-
- 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
- G06F11/34—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
- G06F11/3442—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 for planning or managing the needed capacity
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/503—Resource availability
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/508—Monitor
-
- 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)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及云计算技术领域,具体公开了一种云计算系统中的资源节点分配方法和系统,所述方法包括以下步骤:接收用户终端发送的任务请求;根据所述任务请求中携带的属性信息生成预测所需资源数据;获取各资源节点的运行数据;根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合;根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点;基于所述目标资源节点执行用户的任务请求;所述系统包括任务接收模块、资源预测模块、数据获取模块、初步筛选模块和目标获取模块;本发明分配的目标资源节点能够实现满足执行任务且避免过多的资源浪费的基础上,还能够尽可能实现资源平衡,利于系统的稳定运行。
Description
技术领域
本发明涉及云计算技术领域,具体是一种云计算系统中的资源节点分配方法和系统。
背景技术
云计算技术是一种新兴的共享基础架构的方法,可以将巨大的系统池连接在一起以提供各种IT服务;云计算可以构建在不同的基础平台之上,即可以有效兼容各种不同种类的硬件和软件基础资源;云计算支持资源动态伸缩,意味着添加、删除、修改云计算环境的任一资源节点,一般都不会导致云环境中的各类业务的中断,也不会导致用户数据的丢失;其中,所述资源节点可以有计算、存储、网络管理和监控等功能。
现有的云计算系统中的资源节点在分配时,能够满足用户端的任务请求能够被执行解决的要求,但是资源节点在被分配时仅能够做到整体上的避免资源节点中的资源功能被空闲浪费,不利于各项可用资源的平衡,不利于系统的稳定。
发明内容
本发明的目的在于提供一种云计算系统中的资源节点分配方法和系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种云计算系统中的资源节点分配方法,包括以下步骤:
接收用户终端发送的任务请求,所述任务请求中携带有属性信息,其中,所述属性信息包括任务类型;
根据所述任务请求中携带的属性信息生成预测所需资源数据,所述预测所需资源数据中的所需资源包括所需计算资源、所需存储资源、所需网络资源和所需监控资源;
获取各资源节点的运行数据,所述运行数据包括可用资源和已占用资源两种状态,所述各项资源的可用资源和已占用资源构成各项总资源;
根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合,所述可用资源包括以下几项:计算资源、存储资源、网络资源和监控资源;
根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点;
基于所述目标资源节点执行用户的任务请求。
作为本发明进一步的技术方案,所述根据所述任务请求中携带的属性信息生成预测所需资源数据的步骤包括:
拷贝所述属性信息中的任务类型,得到待匹配集;
将待匹配集遍历预设资源配置表,匹配得到预测所需资源数据;
其中,所述资源配置表中各任务类型中的每个子任务和所需资源映射成对,各任务类型被分为至少一个能够被识别匹配的子任务。
作为本发明进一步的技术方案,所述根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合的步骤包括:
拷贝各资源节点的可用资源,得到各资源节点的可用资源集;
将预测所需资源数据与各资源节点的可用资源集进行比对分析;
提取与预测所需资源数据匹配度处于预设资源利用率值域范围内的初步目标资源节点集合,所述预设资源利用率指的是预测所需资源数据在各资源节点的可用资源中的占比的预设值。
作为本发明进一步的技术方案,所述根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点的步骤包括:
分别获取各项可用资源相对于各项总资源的占比,得到各项可用资源的剩余率;
分别计算目标资源节点集合中每个资源节点的可用资源中的计算资源、存储资源、网络资源和监控资源在各项总资源中的计算资源、存储资源、网络资源和监控资源的占用百分比,得到目标资源节点集合中每个资源节点中各项可用资源的资源占用率;
分别统计目标资源节点集合中每个资源节点中各项可用资源的资源占用率在剩余率中的占比之和,取占比之和最小值,取最小值对应的资源节点为目标资源节点。
本发明实施例的另一目的在于提供一种云计算系统中的资源节点分配系统,所述系统包括:
任务接收模块,用于接收用户终端发送的任务请求,所述任务请求中携带有属性信息,其中,所述属性信息包括任务类型;
资源预测模块,用于根据所述任务请求中携带的属性信息生成预测所需资源数据,所述预测所需资源数据中的所需资源包括所需计算资源、所需存储资源、所需网络资源和所需监控资源;
数据获取模块,用于获取各资源节点的运行数据,所述运行数据包括可用资源和已占用资源两种状态,所述各项资源的可用资源和已占用资源构成各项总资源;
初步筛选模块,用于根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合,所述可用资源包括以下几项:计算资源、存储资源、网络资源和监控资源;
目标获取模块,用于根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点;
任务执行模块,用于基于所述目标资源节点执行用户的任务请求。
作为本发明进一步的技术方案,所述初步筛选模块包括:
可用资源获取单元,用于拷贝各资源节点的可用资源,得到各资源节点的可用资源集;
资源比对分析单元,用于将预测所需资源数据与各资源节点的可用资源集进行比对分析;
目标筛选提取单元,用于提取与预测所需资源数据匹配度处于预设资源利用率值域范围内的初步目标资源节点集合,所述预设资源利用率指的是预测所需资源数据在各资源节点的可用资源中的占比的预设值。
作为本发明进一步的技术方案,所述目标获取模块包括:
剩余率获取单元,用于分别获取各项可用资源相对于各项总资源的占比,得到各项可用资源的剩余率;
占用率获取单元,用于分别计算目标资源节点集合中每个资源节点的可用资源中的计算资源、存储资源、网络资源和监控资源在各项总资源中的计算资源、存储资源、网络资源和监控资源的占用百分比,得到目标资源节点集合中每个资源节点中各项可用资源的资源占用率;
目标资源获取单元,用于分别统计目标资源节点集合中每个资源节点中各项可用资源的资源占用率在剩余率中的占比之和,取占比之和最小值,取最小值对应的资源节点为目标资源节点,实现均衡负载,利于系统的稳定运行。
与现有技术相比,本发明的有益效果是:本发明提供了一种云计算系统中的资源节点分配方法及系统,在本发明中首先通过对用户终端发送的任务请求进行分析预测生成预测所需资源数据,通过对比各资源节点的可用资源和预测所需资源信息,得到满足执行条件的初步目标资源节点集合,最后通过将目标资源节点集合中的数据和各资源节点的运行数据进行进一步的比对筛选得到最优目标资源节点,本发明分配的目标资源节点能够实现满足执行任务且避免过多的资源浪费的基础上,还能够尽可能实现资源平衡,避免某一项可用资源越来越少,利于系统的稳定运行。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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。
图1为云计算系统中的资源节点分配方法的流程框图。
图2为云计算系统中的资源节点分配方法中生成预测所需资源数据的步骤的流程框图。
图3为云计算系统中的资源节点分配方法中筛选得到目标资源节点集合的步骤的流程框图。
图4为云计算系统中的资源节点分配方法中获取目标资源节点的步骤的流程框图。
图5为云计算系统中的资源节点分配系统的结构框图。
图6为云计算系统中的资源节点分配系统中初步筛选模块的结构框图。
图7为云计算系统中的资源节点分配系统中目标获取模块的结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种云计算系统中的资源节点分配方法,包括以下步骤:
步骤S100,接收用户终端发送的任务请求,所述任务请求中携带有属性信息,其中,所述属性信息包括任务类型;
步骤S200,根据所述任务请求中携带的属性信息生成预测所需资源数据,所述预测所需资源数据中的所需资源包括所需计算资源、所需存储资源、所需网络资源和所需监控资源;
步骤S300,获取各资源节点的运行数据,所述运行数据包括可用资源和已占用资源两种状态,所述各项资源的可用资源和已占用资源构成各项总资源;
步骤S400,根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合,所述可用资源包括以下几项:计算资源、存储资源、网络资源和监控资源;
步骤S500,根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点;
步骤S600,基于所述目标资源节点执行用户的任务请求。
在本发明实施例中,在使用时,云计算系统接收用户终端发送的任务请求,所述任务请求中携带有属性信息,根据所述任务请求中携带的属性信息生成预测所需资源数据,获取各资源节点的运行数据,根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合,根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点,通过对目标资源节点集合中的目标资源节点分别进行单独分析,在基于所有资源节点的运行数据的基础上,筛选得到能够实现满足执行任务且避免过多的资源浪费,还能够尽可能保证资源平衡的资源节点,避免某一项可用资源越来越少,利于系统的稳定运行。
如图2所示,作为本发明一个优选的实施例,所述根据所述任务请求中携带的属性信息生成预测所需资源数据的步骤包括:
步骤S201,拷贝所述属性信息中的任务类型,得到待匹配集;
步骤S202,将待匹配集遍历预设资源配置表,匹配得到预测所需资源数据;
其中,所述资源配置表中各任务类型中的每个子任务和所需资源映射成对,各任务类型被分为至少一个能够被识别匹配的子任务。
在本发明实施例中,在接收到任务请求后,拷贝所述属性信息中的任务类型,对任务类型进行划分为多个子任务,得到待匹配集,每个子任务能够与预设资源配置表中的资源匹配,将待匹配集遍历预设资源配置表,即可匹配得到任务请求的预测所需资源数据,所述预测所需资源数据中不仅包括了任务请求需要哪些项资源,还包括了各项资源的使用量。
如图3所示,作为本发明一个优选的实施例,所述根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合的步骤包括:
步骤S401,拷贝各资源节点的可用资源,得到各资源节点的可用资源集;
步骤S402,将预测所需资源数据与各资源节点的可用资源集进行比对分析;
步骤S403,提取与预测所需资源数据匹配度处于预设资源利用率值域范围内的初步目标资源节点集合,所述预设资源利用率指的是预测所需资源数据在各资源节点的可用资源中的占比的预设值。
在本发明实施例中,分别拷贝收集系统中每个资源节点的可用资源,得到各资源节点的可用资源集,可用资源集中包括了各资源节点的资源项和每项资源的剩余量,将预测所需资源数据中的所需资源项和各项资源的使用量与每个资源节点的可用资源集中的资源项和每项资源的剩余量进行比对分析,提取与预测所需资源数据匹配度处于预设资源利用率值域范围内的初步目标资源节点集合,所述目标资源节点集合能够满足执行条件,且在预设资源利用率内,利于精确匹配。
如图4所示,作为本发明一个优选的实施例,所述根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点的步骤包括:
步骤S501,分别获取各项可用资源相对于各项总资源的占比,得到各项可用资源的剩余率;
步骤S502,分别计算目标资源节点集合中每个资源节点的可用资源中的计算资源、存储资源、网络资源和监控资源在各项总资源中的计算资源、存储资源、网络资源和监控资源的占用百分比,得到目标资源节点集合中每个资源节点中各项可用资源的资源占用率;
步骤S503,分别统计目标资源节点集合中每个资源节点中各项可用资源的资源占用率在剩余率中的占比之和,取占比之和最小值,取最小值对应的资源节点为目标资源节点,实现均衡负载,利于系统的稳定运行。
在本发明实施例中,分别获取各项可用资源相对于各项总资源的占比,得到各项可用资源的剩余率,分别计算目标资源节点集合中每个资源节点的可用资源中的计算资源、存储资源、网络资源和监控资源在各项总资源中的计算资源、存储资源、网络资源和监控资源的占用百分比,得到目标资源节点集合中每个资源节点中各项可用资源的资源占用率,分别统计目标资源节点集合中每个资源节点中各项可用资源的资源占用率在各项可用资源的剩余率中的占比之和,取占比之和最小值,取最小值对应的资源节点为目标资源节点,通过此种方式得到的目标资源节点能够避免在本来某一项可用资源就少的情况下,选择可用资源剩余率少的资源项能够被充分利用的资源节点,减少可用资源剩余率少的资源项的被空闲较多,利于系统的稳定运行。
如图5所示,本发明实施例的另一目的在于提供一种云计算系统中的资源节点分配系统,所述系统包括:
任务接收模块100,用于接收用户终端发送的任务请求,所述任务请求中携带有属性信息,其中,所述属性信息包括任务类型;
资源预测模块200,用于根据所述任务请求中携带的属性信息生成预测所需资源数据,所述预测所需资源数据中的所需资源包括所需计算资源、所需存储资源、所需网络资源和所需监控资源;
数据获取模块300,用于获取各资源节点的运行数据,所述运行数据包括可用资源S和已占用资源两种状态,所述各项资源的可用资源和已占用资源构成各项总资源;
初步筛选模块400,用于根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合,所述可用资源包括以下几项:计算资源、存储资源、网络资源和监控资源;
目标获取模块500,用于根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点;
任务执行模块600,用于基于所述目标资源节点执行用户的任务请求。
如图6所示,作为本发明一个优选的实施例,所述初步筛选模块400包括:
可用资源获取单元401,用于拷贝各资源节点的可用资源,得到各资源节点的可用资源集;
资源比对分析单元402,用于将预测所需资源数据与各资源节点的可用资源集进行比对分析;
目标筛选提取单元403,用于提取与预测所需资源数据匹配度处于预设资源利用率值域范围内的初步目标资源节点集合,所述预设资源利用率指的是预测所需资源数据在各资源节点的可用资源中的占比的预设值。
如图7所示,作为本发明一个优选的实施例,所述目标获取模块500包括:
剩余率获取单元501,用于分别获取各项可用资源相对于各项总资源的占比,得到各项可用资源的剩余率;
占用率获取单元502,用于分别计算目标资源节点集合中每个资源节点的可用资源中的计算资源、存储资源、网络资源和监控资源在各项总资源中的计算资源、存储资源、网络资源和监控资源的占用百分比,得到目标资源节点集合中每个资源节点中各项可用资源的资源占用率;
目标资源获取单元503,用于分别统计目标资源节点集合中每个资源节点中各项可用资源的资源占用率在剩余率中的占比之和,取占比之和最小值,取最小值对应的资源节点为目标资源节点,实现均衡负载,利于系统的稳定运行。
上述云计算系统中的资源节点分配方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述云计算系统中的资源节点分配方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种云计算系统中的资源节点分配方法,其特征在于,包括以下步骤:
接收用户终端发送的任务请求,所述任务请求中携带有属性信息,其中,所述属性信息包括任务类型;
根据所述任务请求中携带的属性信息生成预测所需资源数据,所述预测所需资源数据中的所需资源包括所需计算资源、所需存储资源、所需网络资源和所需监控资源;
获取各资源节点的运行数据,所述运行数据包括可用资源和已占用资源两种状态;
根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合,所述可用资源包括以下几项:计算资源、存储资源、网络资源和监控资源;
根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点;
基于所述目标资源节点执行用户的任务请求;
拷贝各资源节点的可用资源,得到各资源节点的可用资源集;
将预测所需资源数据与各资源节点的可用资源集进行比对分析;
提取与预测所需资源数据匹配度处于预设资源利用率值域范围内的初步目标资源节点集合;
分别获取各项可用资源相对于各项总资源的占比,得到各项可用资源的剩余率;
分别计算目标资源节点集合中每个资源节点的可用资源在各项总资源中的占用百分比,得到目标资源节点集合中每个资源节点中各项可用资源的资源占用率;
分别统计目标资源节点集合中每个资源节点中各项可用资源的资源占用率在剩余率中的占比之和,取占比之和的最小值,取最小值对应的资源节点为目标资源节点。
2.根据权利要求1所述的一种云计算系统中的资源节点分配方法,其特征在于,所述根据所述任务请求中携带的属性信息生成预测所需资源数据的步骤包括:
拷贝所述属性信息中的任务类型,得到待匹配集;
将待匹配集遍历预设资源配置表,匹配得到预测所需资源数据。
3.一种云计算系统中的资源节点分配系统,其特征在于,所述系统包括:
任务接收模块,用于接收用户终端发送的任务请求,所述任务请求中携带有属性信息,其中,所述属性信息包括任务类型;
资源预测模块,用于根据所述任务请求中携带的属性信息生成预测所需资源数据,所述预测所需资源数据中的所需资源包括所需计算资源、所需存储资源、所需网络资源和所需监控资源;
数据获取模块,用于获取各资源节点的运行数据,所述运行数据包括可用资源和已占用资源两种状态;
初步筛选模块,用于根据各资源节点的可用资源和预测所需资源信息,得到初步目标资源节点集合,所述可用资源包括以下几项:计算资源、存储资源、网络资源和监控资源;
目标获取模块,用于根据初步目标资源节点集合和各资源节点的运行数据得到目标资源节点;
任务执行模块,用于基于所述目标资源节点执行用户的任务请求;
所述初步筛选模块包括:
可用资源获取单元,用于拷贝各资源节点的可用资源,得到各资源节点的可用资源集;
资源比对分析单元,用于将预测所需资源数据与各资源节点的可用资源集进行比对分析;
目标筛选提取单元,用于提取与预测所需资源数据匹配度处于预设资源利用率值域范围内的初步目标资源节点集合;
所述目标获取模块包括:
剩余率获取单元,用于分别获取各项可用资源相对于各项总资源的占比,得到各项可用资源的剩余率;
占用率获取单元,用于分别计算目标资源节点集合中每个资源节点的可用资源在各项总资源中的占用百分比,得到目标资源节点集合中每个资源节点中各项可用资源的资源占用率;
目标资源获取单元,用于分别统计目标资源节点集合中每个资源节点中各项可用资源的资源占用率在剩余率中的占比之和,取占比之和最小值,取最小值对应的资源节点为目标资源节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311380863.1A CN117112242B (zh) | 2023-10-24 | 2023-10-24 | 一种云计算系统中的资源节点分配方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311380863.1A CN117112242B (zh) | 2023-10-24 | 2023-10-24 | 一种云计算系统中的资源节点分配方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117112242A CN117112242A (zh) | 2023-11-24 |
CN117112242B true CN117112242B (zh) | 2024-01-26 |
Family
ID=88800602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311380863.1A Active CN117112242B (zh) | 2023-10-24 | 2023-10-24 | 一种云计算系统中的资源节点分配方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117112242B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104092729A (zh) * | 2014-06-20 | 2014-10-08 | 裴兆欣 | 一种云计算方法 |
CN106506657A (zh) * | 2016-11-21 | 2017-03-15 | 黑龙江省科学院自动化研究所 | 一种基于多目标的云计算虚拟机分配调整方法 |
CN107040479A (zh) * | 2016-02-04 | 2017-08-11 | 华为软件技术有限公司 | 一种云计算资源调节的方法和装置 |
CN109684065A (zh) * | 2018-12-26 | 2019-04-26 | 北京云联万维技术有限公司 | 一种资源调度方法、装置及系统 |
CN109960587A (zh) * | 2019-02-27 | 2019-07-02 | 厦门市世纪网通网络服务有限公司 | 超融合云计算系统的存储资源分配方法和装置 |
CN111258767A (zh) * | 2020-01-22 | 2020-06-09 | 中国人民解放军国防科技大学 | 复杂系统仿真应用的云计算资源智能分配方法与装置 |
CN111459617A (zh) * | 2020-04-03 | 2020-07-28 | 南方电网科学研究院有限责任公司 | 基于云平台的容器化应用自动分配优化系统及其方法 |
WO2020207264A1 (zh) * | 2019-04-08 | 2020-10-15 | 阿里巴巴集团控股有限公司 | 网络系统、服务提供与资源调度方法、设备及存储介质 |
CN113296929A (zh) * | 2020-06-29 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 基于云计算的资源匹配方法、装置及系统 |
CN113448728A (zh) * | 2021-06-22 | 2021-09-28 | 腾讯科技(深圳)有限公司 | 一种云资源调度方法、装置、设备及存储介质 |
CN113821340A (zh) * | 2021-08-27 | 2021-12-21 | 济南浪潮数据技术有限公司 | 分布式系统的动态均衡方法、系统、终端及存储介质 |
CN115562870A (zh) * | 2022-10-25 | 2023-01-03 | 北京京航计算通讯研究所 | 一种集群的任务节点资源构建方法 |
CN116016550A (zh) * | 2022-12-17 | 2023-04-25 | 国网河南省电力公司信息通信公司 | 一种分散网络资源的服务可信提供系统及方法 |
CN116048773A (zh) * | 2022-10-25 | 2023-05-02 | 北京京航计算通讯研究所 | 一种基于波函数坍缩的分布式协作任务指派方法和系统 |
CN116881009A (zh) * | 2023-07-19 | 2023-10-13 | 咪咕视讯科技有限公司 | Gpu资源调度方法、装置、电子设备和可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8032637B2 (en) * | 2007-12-26 | 2011-10-04 | Symantec Corporation | Balanced consistent hashing for distributed resource management |
-
2023
- 2023-10-24 CN CN202311380863.1A patent/CN117112242B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104092729A (zh) * | 2014-06-20 | 2014-10-08 | 裴兆欣 | 一种云计算方法 |
CN107040479A (zh) * | 2016-02-04 | 2017-08-11 | 华为软件技术有限公司 | 一种云计算资源调节的方法和装置 |
CN106506657A (zh) * | 2016-11-21 | 2017-03-15 | 黑龙江省科学院自动化研究所 | 一种基于多目标的云计算虚拟机分配调整方法 |
CN109684065A (zh) * | 2018-12-26 | 2019-04-26 | 北京云联万维技术有限公司 | 一种资源调度方法、装置及系统 |
CN109960587A (zh) * | 2019-02-27 | 2019-07-02 | 厦门市世纪网通网络服务有限公司 | 超融合云计算系统的存储资源分配方法和装置 |
WO2020207264A1 (zh) * | 2019-04-08 | 2020-10-15 | 阿里巴巴集团控股有限公司 | 网络系统、服务提供与资源调度方法、设备及存储介质 |
CN111258767A (zh) * | 2020-01-22 | 2020-06-09 | 中国人民解放军国防科技大学 | 复杂系统仿真应用的云计算资源智能分配方法与装置 |
CN111459617A (zh) * | 2020-04-03 | 2020-07-28 | 南方电网科学研究院有限责任公司 | 基于云平台的容器化应用自动分配优化系统及其方法 |
CN113296929A (zh) * | 2020-06-29 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 基于云计算的资源匹配方法、装置及系统 |
CN113448728A (zh) * | 2021-06-22 | 2021-09-28 | 腾讯科技(深圳)有限公司 | 一种云资源调度方法、装置、设备及存储介质 |
CN113821340A (zh) * | 2021-08-27 | 2021-12-21 | 济南浪潮数据技术有限公司 | 分布式系统的动态均衡方法、系统、终端及存储介质 |
CN115562870A (zh) * | 2022-10-25 | 2023-01-03 | 北京京航计算通讯研究所 | 一种集群的任务节点资源构建方法 |
CN116048773A (zh) * | 2022-10-25 | 2023-05-02 | 北京京航计算通讯研究所 | 一种基于波函数坍缩的分布式协作任务指派方法和系统 |
CN116016550A (zh) * | 2022-12-17 | 2023-04-25 | 国网河南省电力公司信息通信公司 | 一种分散网络资源的服务可信提供系统及方法 |
CN116881009A (zh) * | 2023-07-19 | 2023-10-13 | 咪咕视讯科技有限公司 | Gpu资源调度方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117112242A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776934B (zh) | 分布式数据计算方法、装置、计算机设备及可读存储介质 | |
CN108549583B (zh) | 大数据处理方法、装置、服务器及可读存储介质 | |
US10108458B2 (en) | System and method for scheduling jobs in distributed datacenters | |
CN109117252B (zh) | 基于容器的任务处理的方法、系统及容器集群管理系统 | |
CN103701886A (zh) | 一种云计算环境下的服务及资源分层调度方法 | |
CN110389903B (zh) | 测试环境部署方法和装置、电子设备和可读存储介质 | |
Choi et al. | An enhanced data-locality-aware task scheduling algorithm for hadoop applications | |
CN114721824A (zh) | 一种资源分配方法、介质以及电子设备 | |
CN117112242B (zh) | 一种云计算系统中的资源节点分配方法和系统 | |
CN111988429A (zh) | 算法调度方法以及系统 | |
CN112364005A (zh) | 数据同步方法、装置、计算机设备及存储介质 | |
CN1783121A (zh) | 用于执行设计自动化的方法和系统 | |
CN116909751A (zh) | 一种云计算系统中的资源分配方法 | |
CN116881003A (zh) | 资源分配方法、装置、服务设备及存储介质 | |
CN116820714A (zh) | 一种算力设备的调度方法、装置、设备和存储介质 | |
CN111291045A (zh) | 服务隔离数据传输方法、装置、计算机设备及存储介质 | |
CN110633142B (zh) | 区块链的共识方法、管理节点、电子设备以及存储介质 | |
CN111427682B (zh) | 任务分配方法、系统、装置及设备 | |
CN114237902A (zh) | 一种服务部署方法、装置、电子设备及计算机可读介质 | |
CN114090201A (zh) | 资源调度方法、装置、设备及存储介质 | |
CN114143322A (zh) | 一种混合云场景中计算资源的配置行动评估方法 | |
CN117785491B (zh) | 一种gpu云计算资源管理方法、系统及存储介质 | |
CN117608862B (zh) | 数据分发控制方法、装置、设备及介质 | |
CN117834614A (zh) | 一种云计算环境中gpu资源调度方法 | |
CN116566992B (zh) | 边缘计算的动态协同方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |