CN117421130A - 一种云算力分配系统及方法 - Google Patents

Abstract

本发明公开了一种云算力分配系统及方法，上述方法包括以下步骤：构造生成算力池；其中，构成生成算力池包括：将云服务端部分算力资源构造生成至少两种模式的算力池，将云服务端剩余算力资源备用，每个模式的算力池包括至少一个；基于用户的预定，给予用户分配对应的算力池；判断算力池的剩余数量是否低于预设阈值；当算力池的剩余数量低于预设阈值时，继续将云服务端剩余算力资源生成对应的算力池。本发明提供的运算力分配方法，通过云服务端将总的算力资源构造生成多个小的算力池，能够有效降低用户任务的需求波动对云服务端造成的影响，也能够避免因用户较多，算力资源占用较大时相互影响的情况。

Description

一种云算力分配系统及方法

技术领域

本发明属于云服务端服务技术领域，具体涉及一种云算力分配系统及方法。

背景技术

现目前，云服务端服务主要根据用户的具体需求构建相应的算力池，然后将构造生成的算力池给予用户使用，同时在用户的使用过程中，会根据用户的实际需求对算力池进行算力资源的分配（补充或减少）。但是因算力分配能力是有限的，云服务端在给予正在使用算力池的用户进行算力资源分配的同时，势必会影响对其他用户的算力资源分配的性能，尤其在用户使用算力资源波动较大时，云服务端需要耗费大量的分配性能以调整该用户的算力资源，这样会对其他用户造成很大的影响，影响其他用户任务的处理性能。

发明内容

本发明提供一种云算力分配系统及方法，能够有效避免用户之间的影响，进而提高整体用户任务的处理效率，提高用户体验。

本发明通过下述技术方案实现：

一方面，本发明提供一种云算力分配方法，包括以下步骤：

S10、构造生成算力池；其中，构成生成算力池包括：将云服务端部分算力资源构造生成至少两种模式的算力池，将云服务端剩余算力资源备用，每个模式的算力池包括至少一个，其中，算力池的模式包括：固定算力模式、算力范围模式和确定最低算力模式中的至少两种；

S20、基于用户的预定，给予用户分配对应的算力池；

S30、判断算力池的剩余数量是否低于预设阈值；

S40、当算力池的剩余数量低于预设阈值时，继续将云服务端剩余算力资源生成对应的算力池。

在其中一些实施例中，当用户预定的确定最低算力模式的算力池时，基于用户的预定，给予用户分配对应的算力池包括以下步骤：

T10、确定用户最低算力资源需求；

T20、基于最低算力资源需求，冗余预设百分比的算力作为最终算力分配值。

在其中一些实施例中，基于用户的预定，给予用户分配对应的算力池过程中，基于最低算力需求，冗余预设百分比的算力作为最终算力分配值之后，还包括以下步骤：

T30、获取算力池中算力的余量百分比；

T40、当算力池中算力的余量百分比低于预设阈值时，将云服务端剩余算力资源中的至少部分补充至该算力池中。

在其中一些实施例中，当用户选择算力范围模式时，基于用户的预定，给予用户分配对应的算力池包括：

K10、用户自定义算力范围的最大值和最小值；

K20、基于用户自定义算力范围的最大值和最小值，给予用户分配对应的算力池。

在其中一些实施例中，判断算力池的剩余数量是否低于预设阈值包括以下步骤：

S301、获取各个模式的算力池的剩余数量；

S302、获取在线用户中等待分配各个模式的算力池的用户的数量；

S303、当任一模式的算力池的剩余数量低于等待分配该模式的算力池的用户数量的30-60%时，判定该模式的算力池的剩余数量低于预设阈值。

在其中一些实施例中，算力池的模式包括：固定算力模式、算力范围模式和确定最低算力模式中两两模式之间的数量比值根据历史记录确定。

在其中一些实施例中，基于用户的预定，给予用户分配对应的算力池之后，还包括以下步骤：

R10、当用户使用算力池结束之后，将该算力池消除，将该算力池对应的算力补充至云服务端剩余算力中。

在其中一些实施例中，判断算力池的剩余数量是否低于预设阈值之后，还包括以下步骤：当云服务端剩余算力不足以生成对应的算力池时，停止生成算力池。

另一方面本申请实施例提供一种云算力分配系统，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序，以实现上述实施例中任一项的云算力分配方法。

本发明与现有技术相比，具有以下优点及有益效果：

本发明提供的运算力分配方法，通过云服务端将总的算力资源构造生成多个小的算力池，能够有效降低用户任务的需求波动对云服务端造成的影响，也能够避免因用户较多，算力资源占用较大时相互影响的情况。另一方面，基于不同用户的需求，生成对应模式的算力池，能够有效保证用户任务处理效率的同时，使得用户支出更加直观并且具有更好的经济性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明一些实施例提供的云算力分配方法的流程示意图；

图2为本发明一些实施例提供的当用户预定的确定最低算力模式的算力池时，S20步骤的的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

在本发明的描述中，需要说明的是，所采用的术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，本发明的描述中若出现“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。

一方面，本实施例提供一种运算力分配方法，请参阅图1，主要包括以下步骤：

S10、构造生成算力池，主要包括：基于云服务端部分算力资源，构造生成至少两种模式的算力池，每个模式的算力池包括至少一个，云服务端剩余算力资源备用。在S10中，通过预先将云服务端中至少部分的算力资源池构造生成多个小的算力池，然后将每个算力池分配给不同的用户使用，以避免用户之间相互产生影响。在构造生成算力池的过程中，只需使用云服务端的部分算力资源，生成至少两种模式的算力池，在生成的算力池的模式中，包括固定算力模式的算力池、算力范围模式的算力池和确定最低算力模式的算力池中的至少两种。在固定算力模式的算力池中，用户仅需要确定一个值，云服务端会基于该固定值给予用户分配算力池，固定算力模式的算力池具有算力固定，用户支出明确等优点。在算力范围模式的算力池中，用户需要确定算力需求的最小值和最大值，云服务端会基于最小值冗余部分作为分配值（分配值小于或等于最大值），并在用户的使用过程中，选择性将未构造生成算力池的其他算力资源分配更多的算力资源给予该用户，但最大值不超过确定的最大值，相比与固定算力模式，算力范围模式能够更好的满足算力需求具有一定波动的用户，以保证用户任务的处理效率。在确定最低算力模式的算力池中，用户只需确定算力需求的最小值，云服务端会基于用户的实时算力需求，将未构造生成算力池的其他算力资源分配给予用户，该模式能够在用户需求变大时，给予用户更多的算力支持，能够大幅度提高用户任务的处理效率。

S20、基于用户的预定，给予用户分配对应的算力池。在S20中，具体模式的算力池也可采用固定的算力分配值，用户直接选择具体算力分配值的算力池即可。在另一些示例中，云服务端在给予用户分配算力池时，可预先生成一个模糊的算力池（即算力分配值采用相对固定的值），然后基于用户的需求，然后对模糊的算力池的分配值进行调整。

S30、判断算力池的剩余数量是否低于预设阈值。在S30中，算力池的剩余数量是指预先构造生成的多个算力池中，在分配给用户之后，剩余的已经构造生成的算力池。预设阈值可预先设定，具体值可根据用户活跃度确定。

S40、当算力池的剩余数量低于预设阈值时，继续将云服务端剩余算力资源生成对应的算力池。在S40中，当其中一个模式的算力池的数量低于预设阈值时，将云服务端剩余算力资源再次生成对应的算力池。不同模式的算力池的数量对应的预设阈值可以相同，也可以不相同。

通过上述实施例的设置，预先将云服务端将总的算力资源构造生成多个小的算力池，避免了后续用户使用过程中不断的进行分配动作，能够有效降低用户任务的需求波动对云服务端造成的影响，也能够避免因用户较多，算力资源占用较大时相互影响的情况。另一方面，基于不同用户的需求，生成对应模式的算力池，能够有效保证用户任务处理效率的同时，使得用户支出更加直观并且具有更好的经济性。

在其中一些实施例中，请参阅图2，在S20步骤中，当用户预定的确定最低算力模式的算力池时，S20步骤主要包括以下内容：

T10、确定用户最低算力资源需求。在T10中，基于用户输入的最小值，或者预设最低算力模式的算力池的最小值，作为用户选择的最低算力需求的算力池的最小值。

T20、基于最低算力需求，冗余预设百分比的算力资源作为最终算力分配值。在T20中，云服务端构造生成算力池需要确定算力资源的最大值，并以算力资源的最大值作为算力分配值。在用户预定的确定最低算力模式的算力池时，以最低算力需求的算力增加一定百分比的最终值作为最终算力分配值即可。

通过上述实施例的设置，在能够满足用户的常规需求，又能够使得云服务端得到较大的节省的算力资源，以服务更多的用户，同时还能够避免该用户对其他算力池造成影响。

在其中一些实施例中，仍参阅图2，在S20步骤中，T20步骤之后，还包括以下步骤：

T30、获取算力池中算力的余量百分比。在T30中，当在给予用户分配对应模式的算力池之后，用户在使用的过程中，实时获取分配给用户的算力池中算力的余量百分比。

T40、当算力池中算力的余量百分比低于预设阈值时，将云服务端剩余算力资源中的至少部分补充至该算力池集中。在T40中，主要针对确定最低算力模式的算力池，当算力池中算力的余量百分比低于预设阈值时，此时算力池中算力的使用量的值大于最小值，此时，认定此前分配的算力池的算力可能难以满足用户的任务需求，此时为了用户的使用体验，继续增大分配给该用户的算力池的最大算力值即可。

通过上述实施例的设置，在用户的算力需求接近T20步骤中的最终算力分配值时，为避免降低用户任务的处理效率，通过云服务端剩余算力资源以作为补充，以保证用户任务的处理效率。另一方面，也可避免因用户算力池负荷较高的情况对其他用户的任务处理过程造成影响。

在其中一些实施例中，S30步骤可具体包括以下步骤：

S301、获取各个模式的算力池的剩余数量。在S301中，在给予用户分配算力池之后，则继续获取各个模式的算力池的剩余数量。

S302、获取在线用户中等待分配各个模式的算力池的用户的数量。在S302中，S302步骤与S301步骤之间没有必然的先后顺序，二者可具有先后，也可同步进行。

S303、当任一模式的算力池的剩余数量低于等待分配该模式的算力池的用户数量的30-60%时，判定该模式的算力池的剩余数量低于预设阈值。在S303中，算力池的剩余数量低于等待分配该模式的算力池的用户数量的具体值可根据实际情况确定，当活跃用户较高时，则可将该值取得更大一些，以减少用户的等待分配的时间。而当活跃用户较低时，可将该值取得更小一些，可以使得系统的处理性能维持在相对较低的水平，进而降低设备功率，提高经济性。

通过上述实施例的设置，通过判断各个模式的算力池的剩余数量，以及在线用户中等待分配对应模式算力池的用户的数量，进而确定剩余算力池的数量是否足够，是否需要及时对算力池进行补充，以保证降低用户等待分配时间的同时，还能够使得带动系统运行的设备具有很好的经济性。

在其中一些实施例中，算力池的模式包括：固定算力模式、算力范围模式和确定最低算力模式中两两模式之间的数量比值根据历史记录确定。

在具体的示例中，当采用的算力池的模式包括固定算力模式、算力范围模式和确定最低算力模式中任意两个时，因用户的需求量不同，在预先设置的两个模式的算力池数量可以是不同的，而在设置数量不相同时，这两个模式的算力池的数量比值根据历史记录确定，具体来说，根据此前用户的选择确定二者的数量比，当选择其中一个模式的用户较多时，则预先设置的该模式的算力池的数量占比就需要设置得更高。进一步的，历史记录中，在上一次，或者过去一段时间内选择A模式的用户与选择B模式的用户的数量比为2:1，那么在后一次预先设置A模式的算力池的数量与B模式的算力池的数量比也可设置为2:1，当然，历史记录中用户的数量比与后一次预先设置的对应模式的算力池的数量比也可以具有一定的系数比。

在另一些具体的示例中，当采用的算力池的模式同时包括固定算力模式、算力范围模式和确定最低算力模式时，也可根据上述示例进行三者之间的数量比设置，具体设置方式不再赘述。

在其中一些实施例中，S20步骤之后，还可包括以下步骤：

R10、当用户使用算力池结束之后，将该算力池消除，将该算力池对应的算力补充至云服务端剩余算力中。R10步骤与S20后续步骤的S30、S40步骤之间没有必然联系，R10步骤为用户在单次使用云服务端结束之后进行的。算力池为云服务端开辟的一个算力资源相对固定的一部分区域，而在用户使用该算力池结束之后，算力池不是直接返回至空闲状态，而是将该区域释放，得到对应的算力资源。

通过上述实施例的设置，能够在云服务端实时运行的过程中，根据实时需要，选择性将当前释放的算力资源转换成需求量更大的算力池，以避免其中部分模式的算力池数量较多，但是与实际需求不符的情况。

在其中一些实施例中，S30步骤之后，还包括以下步骤：

当云服务端剩余算力不足以生成对应的算力池时，停止生成算力池。通过上述设置，在算力资源不足的情况下，即便生成用户需要的算力池，也可能难以满足用户的需要，并且因该算力池大概率出现满负荷运行，容易对其他用户造成影响。因此，此时停止生成算力池，等待其他用户使用结束之后，再整合释放的算力资源，然后再生成对应的算力池。

另一方面，本申请实施例提供一种云算力分配系统，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，以实现上述实施例中任一项所述的云算力分配方法。

本实施例还提供一种计算机存储介质，其上存储有计算机程序，计算机程序被处理模块进行加载，以实现上述实施例中任一项的云算力分配方法。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何行进上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (9)

1.一种云算力分配方法，其特征在于，包括以下步骤：

S10、构造生成算力池；其中，构成生成算力池包括：将云服务端部分算力资源构造生成至少两种模式的算力池，将云服务端剩余算力资源备用，每个模式的算力池包括至少一个，其中，算力池的模式包括：固定算力模式、算力范围模式和确定最低算力模式中的至少两种；

S20、基于用户的预定，给予用户分配对应的算力池；

S30、判断算力池的剩余数量是否低于预设阈值；

S40、当算力池的剩余数量低于预设阈值时，继续将云服务端剩余算力资源生成对应的算力池。

2.根据权利要求1所述的云算力分配方法，其特征在于，当用户预定的确定最低算力模式的算力池时，基于用户的预定，给予用户分配对应的算力池包括以下步骤：

T10、确定用户最低算力资源需求；

T20、基于最低算力资源需求，冗余预设百分比的算力作为最终算力分配值。

3.根据权利要求2所述的云算力分配方法，其特征在于，基于用户的预定，给予用户分配对应的算力池过程中，基于最低算力需求，冗余预设百分比的算力作为最终算力分配值之后，还包括以下步骤：

T30、获取算力池中算力的余量百分比；

T40、当算力池中算力的余量百分比低于预设阈值时，将云服务端剩余算力资源中的至少部分补充至该算力池中。

4.根据权利要求1所述的云算力分配方法，其特征在于，当用户选择算力范围模式时，基于用户的预定，给予用户分配对应的算力池包括：

K10、用户自定义算力范围的最大值和最小值；

K20、基于用户自定义算力范围的最大值和最小值，给予用户分配对应的算力池。

5.根据权利要求1所述的云算力分配方法，其特征在于，判断算力池的剩余数量是否低于预设阈值包括以下步骤：

S301、获取各个模式的算力池的剩余数量；

S302、获取在线用户中等待分配各个模式的算力池的用户的数量；

S303、当任一模式的算力池的剩余数量低于等待分配该模式的算力池的用户数量的30-60%时，判定该模式的算力池的剩余数量低于预设阈值。

6.根据权利要求1所述的云算力分配方法，其特征在于，算力池的模式包括：固定算力模式、算力范围模式和确定最低算力模式中两两模式之间的数量比值根据历史记录确定。

7.根据权利要求1所述的云算力分配方法，其特征在于，基于用户的预定，给予用户分配对应的算力池之后，还包括以下步骤：

R10、当用户使用算力池结束之后，将该算力池消除，将该算力池对应的算力补充至云服务端剩余算力中。

8.根据权利要求1所述的云算力分配方法，其特征在于，判断算力池的剩余数量是否低于预设阈值之后，还包括以下步骤：当云服务端剩余算力不足以生成对应的算力池时，停止生成算力池。

9.一种云算力分配系统，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，以实现权利要求1至8任一项所述的云算力分配方法。