CN117591302A - 基于无约束优化算法的项目资源优化分配方法 - Google Patents
基于无约束优化算法的项目资源优化分配方法 Download PDFInfo
- Publication number
- CN117591302A CN117591302A CN202410071377.XA CN202410071377A CN117591302A CN 117591302 A CN117591302 A CN 117591302A CN 202410071377 A CN202410071377 A CN 202410071377A CN 117591302 A CN117591302 A CN 117591302A
- Authority
- CN
- China
- Prior art keywords
- data
- sub
- server
- value
- resource request
- 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 132
- 238000005457 optimization Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 148
- 238000004364 calculation method Methods 0.000 claims abstract description 98
- 230000004044 response Effects 0.000 claims abstract description 86
- 238000012423 maintenance Methods 0.000 claims abstract description 13
- 230000001174 ascending effect Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007906 compression Methods 0.000 claims description 8
- 230000006835 compression Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004904 shortening Methods 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 101150050759 outI gene Proteins 0.000 description 1
- 238000006467 substitution reaction 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]
- G06F9/5005—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)
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及数据优化分配技术领域，本发明公开了基于无约束优化算法的项目资源优化分配方法；包括接收资源请求，生成数据空间占用系数，获取运维特征数据，生成子服务器空间占用系数，获得极速计算引擎空间占用需求值，并与极速计算引擎空间剩余值比较，生成极速计算引擎空间剩余差值，判断极速计算引擎空间剩余差值的大小，并将资源请求中的数据分配到对应的子服务器中；本发明能够结合子服务器的不同状态，为资源请求中的数据提供不同的响应处理时间，从而使得资源请求中的数据能够被合理且优化的分配到最佳的子服务器内，最大化缩短资源请求中数据的处理时间，实现项目资源高效的优化分配效果。
Description
技术领域
本发明涉及数据优化分配技术领域，更具体地说，本发明涉及基于无约束优化算法的项目资源优化分配方法。
背景技术
在网络数据的处理当中，输入端向云服务器输入项目资源的请求数据，云服务器在接收输入的数据后，需要对请求数据进行处理分析，得到分析结果，同时监测各个子服务器的状态，并将请求数据分配到对应的子服务器中进行处理，为了提高请求数据的处理效率，需要利用无约束优化算法获取请求数据处理时间的最小值，并对请求数据进行优化分配。
申请公开号为CN111930514A的中国专利公开了一种资源优化分配方法及系统，根据任务的任务要求数据和任务处理现状数据计算任务目标差值，根据任务目标差值的大小将任务目标差值小的任务对应的多余资源分配给任务目标差值大的任务，从而对资源进行了充分利用，同时提高了任务目标差值大的任务处理数据的效率。
现有技术存在以下不足：
传统的项目资源优化分配方法通过分析项目资源中请求数据被处理时占用的空间大小，将请求数据分配到剩余空间最大的子服务器中处理，当输入的请求数据被处理时占用的空间都大于子服务器的剩余空间时，会导致请求数据无法全部分配到其中一个子服务器内，从而使得请求数据会被无序分配，而无序分配的请求数据在处理时，不能够确保请求数据都在最短时间内被处理，进而导致请求数据响应处理时长增加，无法实现项目资源有序且优化分配的效果。
鉴于此，本发明提出基于无约束优化算法的项目资源优化分配方法以解决上述问题。
发明内容
为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：基于无约束优化算法的项目资源优化分配方法，应用于云服务器，所述方法包括：
S1：接收输入端的资源请求，获取资源请求的请求特征数据，根据请求特征数据，生成资源请求的数据空间占用系数；
S2：获取个子服务器当前状态下的极速计算引擎空间剩余值和运维特征数据，根据运维特征数据，生成/>个子服务器空间占用系数；
S3：根据数据空间占用系数和个子服务器空间占用系数，获得/>个极速计算引擎空间占用需求值，将/>个极速计算引擎空间占用需求值一一与对应的极速计算引擎空间剩余值比较，生成/>个极速计算引擎空间剩余差值；
S4：根据个极速计算引擎空间剩余差值判定/>个子服务器中是否存在可用子服务器，若存在可用子服务器，则执行S5，若不存在可用子服务器，则执行S6；
S5：一一计算个可用子服务器处理资源请求中的全部数据的第一响应处理时间，/>，筛选出第一响应处理时间的最小值，并将资源请求中的全部数据分配到第一响应处理时间的最小值对应的可用子服务器中；当第一响应处理时间的最小值不唯一时，生成分配优先级，并按分配优先级将资源请求中的数据分配；
S6：将资源请求中的部分数据分配到个子服务器中，使得/>个子服务器成为/>个可用子服务器，一一计算/>个可用子服务器的第二响应处理时间，生成第二响应处理时间的升序表，按升序方式将资源请求中的部分数据依次分配到第二响应处理时间对应的可用子服务器中，以此类推，直至资源请求中的全部数据被分配完。
进一步的，请求特征数据包括非结构占比率、压缩编码率和数据总量值；
数据空间占用系数的表达式为：；
式中，为数据空间占用系数，/>为压缩编码率，/>为数据总量值，/>为非结构占比率，/>、/>为权重因子。
进一步的，极速计算引擎空间剩余值的获取方法包括：
通过子服务器的任务管理器获取当前状态下的极速计算引擎空间占用值与极速计算引擎空间总量值，并将当前状态下的极速计算引擎空间占用值与极速计算引擎空间总量值进行差值比较，获得极速计算引擎空间剩余值；
极速计算引擎空间剩余值的表达式为：；
式中，为第/>个极速计算引擎空间剩余值，/>为第/>个极速计算引擎空间总量值，/>为第/>个极速计算引擎空间占用值；
运维特征数据包括数据读写速率和并行度，根据数据读写速率和并行度，生成个子服务器空间占用系数；
子服务器空间占用系数的表达式为：
；
式中，为第/>个子服务器空间占用系数，/>为第/>个数据读写速率，为第/>个并行度，/>、/>为权重因子。
进一步的，极速计算引擎空间占用需求值的表达式为：
*/>；
式中，为第/>个极速计算引擎空间占用需求值；
极速计算引擎空间剩余差值的表达式为：；
式中，为第/>个极速计算引擎空间剩余差值。
进一步的，根据个极速计算引擎空间剩余差值判定/>个子服务器中是否存在可用子服务器的方法包括：
当极速计算引擎空间剩余差值大于或等于0时，则个子服务器中存在可用子服务器；
当极速计算引擎空间剩余差值小于0时，则个子服务器中不存在可用子服务器。
进一步的，影响第一响应处理时间的参数包括极速计算引擎空间占用总值、数据复杂率、带宽和数据处理速率，数据处理速率的获取方法包括：
通过网关设备获取子服务器中在时刻的数据输入量和/>时刻的数据吐出量，获得第一子速率，/>时刻为/>时刻的上一时刻；
第一子速率的表达式为：；
式中，为第一子速率，/>为/>时刻的数据输入量，/>为/>时刻的数据吐出量；
间隔与到/>相同的时间后，通过网关设备获取子服务器中在/>时刻的数据输入量和/>时刻的数据吐出量，获得第二子速率，/>时刻为/>时刻的上一时刻；
第二子速率的表达式为：；
式中，为第二子速率，/>为/>时刻的数据输入量，/>为/>时刻的数据吐出量；
将第一子速率和第二子速率相加后求平均，即为数据处理速率；
数据处理速率的表达式为：；
式中，为第/>个数据处理速率。
进一步的，第一响应处理时间的表达式为：；
式中，为第/>个第一响应处理时间，/>为第/>个带宽，/>为第/>个数据复杂率，/>为第/>个极速计算引擎空间占用总值，/>、/>为权重因子。
进一步的，第二响应处理时间的表达式为：；
式中，为第/>个第二响应处理时间，/>为第/>个极速计算引擎空间总量值，为第/>个带宽，/>为第/>个数据复杂率，/>为第/>个数据处理速率，/>、/>为权重因子。
进一步的，资源请求中的全部数据被分配完的方法包括：
将个第二响应处理时间升序排列，获得第二响应处理时间的升序表，标记第一位的第二响应处理时间对应的可用子服务器，记为第一子服务器；
将资源请求中的部分数据分配到第一子服务器中，使得第一子服务器中的极速计算引擎空间剩余值为0，此时资源请求中的剩余数据标记为第一剩余数据；
将第一剩余数据分配到第二位的第二响应处理时间对应的第二子服务器中；
当第二子服务器中的极速计算引擎空间剩余值0时，此时资源请求中的全部数据被分配完；
当第二子服务器中的极速计算引擎空间剩余值0时，此时资源请求中的剩余数据标记为第二剩余数据，并将第二剩余数据继续按照升序表向后分配，直至资源请求中的全部数据被分配完。
进一步的，分配优先级的生成方法包括：
比较个可用子服务器的数据处理速率，/>，则数据处理速率最大的可用子服务器的分配优先级排名第一；
当个可用子服务器的数据处理速率一样时，比较/>个可用子服务器的带宽，则带宽最大的可用子服务器的分配优先级排名第一；
当个可用子服务器的数据处理速率和带宽一样时，比较/>个可用子服务器的数据复杂率，则数据复杂率最小的可用子服务器的分配优先级排名第一；
当个可用子服务器的数据处理速率、带宽和数据复杂率一样时，则/>个可用子服务器的分配优先级一样。
基于无约束优化算法的项目资源优化分配系统，应用于云服务器，用于实现所述的基于无约束优化算法的项目资源优化分配方法，资源请求采集模块、子服务器采集模块、对比分析模块、第一分配模块和第二分配模块，其中，各个模块之间通过有线和/或无线网络方式连接：
资源请求采集模块，接收输入端的资源请求，获取资源请求的请求特征数据，请求特征数据包括非结构占比率、压缩编码率和数据总量值，生成资源请求的数据空间占用系数；
子服务器采集模块，获取个子服务器当前状态下的极速计算引擎空间剩余值和运维特征数据，根据运维特征数据，生成/>个子服务器空间占用系数；
对比分析模块，根据数据空间占用系数和个子服务器空间占用系数，获得/>个极速计算引擎空间占用需求值，将/>个极速计算引擎空间占用需求值一一与对应的极速计算引擎空间剩余值比较，生成/>个极速计算引擎空间剩余差值，根据/>个极速计算引擎空间剩余差值判定/>个子服务器中是否存在可用子服务器；
第一分配模块，一一计算个可用子服务器处理资源请求中的全部数据的第一响应处理时间，筛选出第一响应处理时间的最小值，并将资源请求中的全部数据分配到第一响应处理时间的最小值对应的可用子服务器中；当第一响应处理时间的最小值不唯一时，生成分配优先级，并按分配优先级将资源请求中的数据分配；
第二分配模块，将资源请求中的部分数据分配到个子服务器中，使得/>个子服务器成为/>个可用子服务器，一一计算/>个可用子服务器的第二响应处理时间，生成第二响应处理时间的升序表，按升序方式将资源请求中的部分数据依次分配到第二响应处理时间对应的可用子服务器中，以此类推，直至资源请求中的全部数据被分配完。
一种计算机设备，包括：处理器和存储器；
其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行实现所述的基于无约束优化算法的项目资源优化分配方法。
一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当所述计算机程序被运行时，执行实现所述的基于无约束优化算法的项目资源优化分配方法。
本发明基于无约束优化算法的项目资源优化分配方法的技术效果和优点：
本通过获取数据空间占用系数和子服务器空间占用系数，能够生成极速计算引擎空间占用需求值，并结合极速计算引擎空间剩余值，生成极速计算引擎空间剩余差值，并根据极速计算引擎空间剩余差值的大小，计算并获得相对应的响应处理时间，并以响应处理时间为基础，对资源请求中的数据进行优化分配，相对于现有技术，本发明能够结合若干个子服务器的不同状态，为资源请求中的数据提供不同的响应处理时间，从而使得资源请求中的数据能够被有序分配到最佳的子服务器内，使得资源请求中的数据能够被快速处理，进而最大化缩短资源请求中数据的处理时间，实现项目资源高效的有序优化分配效果。
附图说明
图1为本发明实施例1基于无约束优化算法的项目资源优化分配方法的流程示意图；
图2为本发明实施例2基于无约束优化算法的项目资源优化分配方法的流程示意图；
图3为本发明实施例3基于无约束优化算法的项目资源优化分配系统的示意图；
图4为本发明实施例4提供的一种电子设备的结构示意图的示意图；
图5为本发明实施例5提供的一种计算机可读存储介质的结构示意图。
具体实施方式
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，都属于本发明保护的范围。
实施例1
请参阅图1所示，本实施例所述基于无约束优化算法的项目资源优化分配方法，应用于云服务器，所述方法包括：
S1：接收输入端的资源请求，获取资源请求的请求特征数据，请求特征数据包括非结构占比率、压缩编码率和数据总量值，生成资源请求的数据空间占用系数；
资源请求包括结构化数据和非结构化数据，非结构占比率为非结构化数据的数量与非结构化数据和结构化数据的数量之和的比值，极速计算引擎在处理如表格、数据库等结构化数据时通常较为高效，因为这些数据具有规则的结构，极速计算引擎在处理如文本、图像、音频等非结构化数据时，极速计算引擎通常需要进行更复杂的处理算法，使得非结构化数据在处理时需要占用更大的空间，因此，当非结构占比率越高时，资源请求的空间占用系数越大；
压缩编码率是指资源请求中利用数据压缩和编码技术可以对数据进行压缩或编码的占比，当数据被压缩或编码后，数据对应的占用空间会减小，因此，当压缩编码率越大时，资源请求的空间占用系数越小；压缩编码率通过云服务器中的压缩工具获取；
数据总量值是指资源请求当中所有结构化数据和非结构化数据的总量，当数据总量值越大时，资源请求的空间占用系数越大；非结构占比率和数据总量值通过云服务器中的Python数据分析库监测获取；
数据空间占用系数是指资源请求当中的数据被子服务器计算处理时，数据需要占用的子服务器极速计算引擎空间的比重；
数据空间占用系数的表达式为：；
式中，为数据空间占用系数，/>为压缩编码率，/>为数据总量值，/>为非结构占比率，/>、/>为权重因子；将设定的权重因子和采集的请求特征数据代入公式，任意两个公式构成二元一次方程组，将计算得到的权重因子进行筛选并取均值，得到/>、/>的均值；
另外，需要说明的是，权重因子的大小是为了将各个数据进行量化得到的一个具体的数值，便于后续比较，关于权重因子的大小，取决于请求特征数据的多少及本领域技术人员对每一组请求特征数据初步设定对应的权重因子；
S2：获取个子服务器当前状态下的极速计算引擎空间剩余值和运维特征数据，运维特征数据包括数据读写速率和并行度，根据数据读写速率和并行度，生成/>个子服务器空间占用系数；
极速计算引擎空间剩余值是指子服务器当前状态下子服务器的极速计算引擎还能够进行数据处理的空间值，当子服务器的极速计算引擎当前状态下正在处理的数据越少时，能提供给资源请求中的数据处理的空间越大，则子服务器的空间剩余值越大；
极速计算引擎空间剩余值的获取方法包括：
通过子服务器的任务管理器获取当前状态下的极速计算引擎空间占用值与极速计算引擎空间总量值，并将当前状态下的极速计算引擎空间占用值与极速计算引擎空间总量值进行差值比较，获得极速计算引擎空间剩余值；
极速计算引擎空间剩余值的表达式为：；
式中，为第/>个极速计算引擎空间剩余值，/>为第/>个极速计算引擎空间总量值，/>为第/>个极速计算引擎空间占用值；
数据读写速率是指子服务器中对于数据读取和写入的速度，通常用来衡量存储设备或网络传输的性能，并能够反映数据读取和写入时对于子服务器极速计算引擎的占用率，当数据读写速率越大时，说明子服务器在单位时间内读写数据的量越大，则极速计算引擎空间剩余值越大；
并行度是指子服务器同时执行多个任务或处理多个数据流的能力，当并行度越大时，说明子服务器在单位时间内处理数据的量越大，则极速计算引擎空间剩余值越大；并行度通过在子服务器中按照的极速计算引擎检测软件获取；
子服务器空间占用系数是指资源请求当中的数据被子服务器计算处理时，子服务器的处理硬件和处理软件需要占用的子服务器极速计算引擎空间的比重；
子服务器空间占用系数的表达式为：
；
式中，为第/>个子服务器空间占用系数，/>为第/>个数据读写速率，/>为第/>个并行度，/>、/>为权重因子；/>、/>的设定逻辑与上述/>、/>的设定逻辑一致；
S3：根据数据空间占用系数和个子服务器空间占用系数，获得/>个极速计算引擎空间占用需求值，将/>个极速计算引擎空间占用需求值一一与对应的极速计算引擎空间剩余值比较，生成/>个极速计算引擎空间剩余差值，判断极速计算引擎空间剩余差值与0的大小；
极速计算引擎空间占用需求值是指资源请求中的数据被子服务器计算处理时，需要占用的子服务器极速计算引擎空间大小；
极速计算引擎空间占用需求值的表达式为：*/>；
式中，为第/>个极速计算引擎空间占用需求值；
极速计算引擎空间剩余差值的表达式为：；
式中，为第/>个极速计算引擎空间剩余差值；
S4：当存在极速计算引擎空间剩余差值大于或等于0时，判定个子服务器中存在可用子服务器，则执行S5；当不存在极速计算引擎空间剩余差值大于等于0时，判定/>个子服务器中不存在可用子服务器，则执行S6；
当极速计算引擎空间剩余差值大于0时，说明第个子服务器的极速计算引擎空间剩余值大于资源请求中的数据被子服务器计算处理时，需要占用的子服务器的极速计算引擎空间占用值，/>个子服务器中存在可用子服务器，则资源请求中的数据可以向极速计算引擎空间剩余差值大于0对应的可用子服务器中直接分配；
当极速计算引擎空间剩余差值等于0时，说明第个子服务器的极速计算引擎空间剩余值与资源请求中的数据被子服务器计算处理时，需要占用的子服务器的极速计算引擎空间占用值大小一致，/>个子服务器中存在可用子服务器，则资源请求中的数据可以向极速计算引擎空间剩余差值等于0对应的可用子服务器中直接分配；
当极速计算引擎空间剩余差值小于0时，说明第个子服务器的极速计算引擎空间剩余值小于资源请求中的数据被子服务器计算处理时，需要占用的子服务器的极速计算引擎空间占用值，/>个子服务器中不存在可用子服务器，则资源请求中的数据无法向极速计算引擎空间剩余差值小于0对应的子服务器中直接分配；
需要说明的是，所有极速计算引擎空间剩余差值小于0对应的子服务器，并不是资源请求中的全部数据无法向极速计算引擎空间剩余差值小于0对应的子服务器中分配，而是可以将资源请求中的部分数据向极速计算引擎空间剩余差值小于0对应的子服务器中分配，直至该子服务器的极速计算引擎空间剩余差值大于或等于0；
S5：一一计算个可用子服务器处理资源请求中的全部数据的第一响应处理时间，，筛选出第一响应处理时间的最小值，并将资源请求中的全部数据分配到第一响应处理时间的最小值对应的可用子服务器中；
影响第一响应处理时间的参数包括极速计算引擎空间占用总值、数据复杂率、带宽和数据处理速率；
极速计算引擎空间占用总值是指子服务器当前状态下极速计算引擎空间占用值与资源请求中的数据在子服务器中被处理时所需要的极速计算引擎空间占用需求值的总和；极速计算引擎空间占用总值越大，则第一响应处理时间越大；
极速计算引擎空间占用总值的表达式为：；
式中，为第/>个极速计算引擎空间占用总值，/>为第/>个极速计算引擎空间占用值，/>为第/>个极速计算引擎空间占用需求值；此处的/>和/>与上述和/>的计算获取方式一致；
数据复杂率是指资源请求中的数据格式和类型的繁杂程度，当数据格式和类型的繁杂程度越大时，说明数据格式和类型越多，数据复杂率越大，则第一响应处理时间越大；数据复杂率通过服务器读取数据的文件格式或者数据的编码格式来识别数据的结构和类型；
带宽影响资源请求中的数据在子服务器和外部网络之间的传输速率，当子服务器的带宽越小，数据在传输过程中传输速率越慢，导致第一响应处理时间越大，当服务器的带宽越大，可以更快地将数据传输到外部网络或从外部网络接收数据，则第一响应处理时间越小；带宽通过子服务器的网关设备获取；
数据处理速率是指子服务器中单位时间内能够处理数据的数量，当数据处理速率越大时，说明子服务器中单位时间内能够处理数据的数量越多，则第一响应处理时间越小；
数据处理速率的获取方法包括：
通过网关设备获取子服务器中在时刻的数据输入量和/>时刻的数据吐出量，获得第一子速率，/>时刻为/>时刻的上一时刻；
第一子速率的表达式为：；
式中，为第一子速率，/>为/>时刻的数据输入量，/>为/>时刻的数据吐出量；
间隔与到/>相同的时间后，通过网关设备获取子服务器中在/>时刻的数据输入量和/>时刻的数据吐出量，获得第二子速率，/>时刻为/>时刻的上一时刻；
第二子速率的表达式为：；
式中，为第二子速率，/>为/>时刻的数据输入量，/>为/>时刻的数据吐出量；
将第一子速率和第二子速率相加后求平均，即为数据处理速率；
数据处理速率的表达式为：；
式中，为第/>个数据处理速率；
第一响应处理时间的表达式为：；
式中，为第/>个第一响应处理时间，/>为第/>个带宽，/>为第/>个数据复杂率，/>、/>为权重因子；/>、/>的设定逻辑与上述/>、/>的设定逻辑一致；上述/>时刻至/>时刻间隔的时长与/>时刻至/>时刻间隔的时长大小一致，且/>时刻至/>时刻间隔的时长与/>时刻至/>时刻间隔的时长大小一致，使得第一子速率和第二子速率能够处于间隔相同的时长内进行参数获取和计算，从而减小不同时长跨度情况下获取参数带来的误差影响，尽可能的提高第一子速率和第二子速率的计算精准度；
筛选出的最小值，并标记/>的最小值对应的可用子服务器标记为最优子服务器，将资源请求中的全部数据分配到最优子服务器中；
S6：将资源请求中的部分数据分配到个子服务器中使得/>个子服务器的极速计算引擎空间剩余值等于0，此时/>个子服务器均为可用子服务器，计算/>个可用子服务器的第二响应处理时间，生成第二响应处理时间的升序表，按升序方式将资源请求中的部分数据依次分配到第二响应处理时间对应的可用子服务器中，使得可用子服务器的空间剩余值为0，以此类推，直至资源请求中的全部数据被分配完；
需要注意的是，极速计算引擎是用于高速数据处理和计算的软件或硬件系统，极速计算引擎的设计和优化旨在提供在满负荷的情况下仍能以最快的运行速度进行数据处理，只有在超负荷的情况下才会导致运行速度降低；
影响第二响应处理时间的参数包括极速计算引擎空间总量值、数据复杂率、带宽和数据处理速率，其中，数据复杂率、带宽和数据处理速率的获取方法与上述S5中的数据复杂率、带宽和数据处理速率获取方法一致，极速计算引擎空间总量值与上述S2中极速计算引擎空间总量值的获取方法一致；
第二响应处理时间的表达式为：；
式中，为第/>个第二响应处理时间，/>为第/>个极速计算引擎空间总量值，为第/>个带宽，/>为第/>个数据复杂率，/>为第/>个数据处理速率，/>、/>为权重因子；/>、/>的设定逻辑与上述/>、/>的设定逻辑一致；
资源请求中的全部数据被分配完的方法包括：
将个第二响应处理时间升序排列，获得第二响应处理时间的升序表，标记第一位的第二响应处理时间对应的可用子服务器，记为第一子服务器；
将资源请求中的部分数据分配到第一子服务器中，使得第一子服务器中的极速计算引擎空间剩余值为0，此时资源请求中的剩余数据标记为第一剩余数据；
将第一剩余数据分配到第二位的第二响应处理时间对应的第二子服务器中；
当第二子服务器中的极速计算引擎空间剩余值0时，此时资源请求中的全部数据被分配完；
当第二子服务器中的极速计算引擎空间剩余值0时，此时资源请求中的剩余数据标记为第二剩余数据，并将第二剩余数据继续按照升序表向后分配，直至资源请求中的全部数据被分配完。
本实施例中，通过获取数据空间占用系数和子服务器空间占用系数，能够生成极速计算引擎空间占用需求值，并结合极速计算引擎空间剩余值，生成极速计算引擎空间剩余差值，并根据极速计算引擎空间剩余差值的大小，计算并获得相对应的响应处理时间，并以响应处理时间为基础，对资源请求中的数据进行优化分配，相对于现有技术，本发明能够结合若干个子服务器的不同状态，为资源请求中的数据提供不同的响应处理时间，从而使得资源请求中的数据能够被有序分配到最佳的子服务器内，使得资源请求中的数据被快速处理，进而最大化缩短资源请求中数据的处理时间，实现项目资源高效的有序优化分配效果。
实施例2
请参阅图2所示，本实施例未详细叙述部分见实施例1描述内容，提供基于无约束优化算法的项目资源优化分配方法，还包括：
S7：当存在个一样的第一响应处理时间的最小值时，/>，获取/>个一样的第一响应处理时间的最小值对应的可用子服务器的数据复杂率、带宽和数据处理速率，生成分配优先级，并按分配优先级将资源请求中的数据进行分配；
当第一响应处理时间的最小值数量大于1个时，说明存在至少2个第一响应处理时间的最小值一样的可用子服务器，此时需要获取可用子服务器的分配优先级；数据处理速率是直接表明子服务器中单位时间内能够处理数据的数量，数据处理速率的数值为固定值，不受资源请求中的数据影响，因此，数据处理速率的分配优先级最高，数据复杂率是指资源请求中的数据格式和类型的繁杂程度，数据复杂率是不固定值，受到资源请求中的数据格式和类型的影响而变化，因此，数据复杂率的分配优先级最低；综上，数据处理速率的分配优先级高于带宽的分配优先级，带宽的分配优先级高于数据复杂率的分配优先级；
分配优先级的生成方法包括：
比较个可用子服务器的数据处理速率，则数据处理速率最大的可用子服务器的分配优先级排名第一，此时将资源请求中的全部数据分配给数据处理速率最大的可用子服务器中；
当个可用子服务器的数据处理速率一样时，比较/>个可用子服务器的带宽，则带宽最大的可用子服务器的分配优先级排名第一，此时将资源请求中的全部数据分配给带宽最大的可用子服务器中；
当个可用子服务器的数据处理速率和带宽一样时，比较/>个可用子服务器的数据复杂率，则数据复杂率最小的可用子服务器的分配优先级排名第一，此时将资源请求中的全部数据分配给数据复杂率最小的可用子服务器中；
当个可用子服务器的数据处理速率、带宽和数据复杂率一样时，则/>个可用子服务器的分配优先级一样，此时将资源请求中的全部数据随机分配给/>个可用子服务器中的一个。
本实施例中，能够对出现的多个一样大小的第一响应处理时间的最小值对应的可用子服务器生成分配优先级，并按照分配优先级对资源请求中的数据进行优化分配，确保资源请求中的数据能够始终分配到最高分配优先级对应的可用子服务器中进行处理，从而最大化的减小资源请求中的数据的响应处理时间，提高资源请求中的数据的优化分配效果。
实施例3
请参阅图3所示，基于无约束优化算法的项目资源优化分配系统，应用于云服务器，用于实现基于无约束优化算法的项目资源优化分配方法，包括资源请求采集模块、子服务器采集模块、对比分析模块、第一分配模块和第二分配模块，其中，各个模块之间通过有线和/或无线网络方式连接；
资源请求采集模块，接收输入端的资源请求，获取资源请求的请求特征数据，根据请求特征数据，生成资源请求的数据空间占用系数；
子服务器采集模块，获取个子服务器当前状态下的极速计算引擎空间剩余值和运维特征数据，根据运维特征数据，生成/>个子服务器空间占用系数；
对比分析模块，根据数据空间占用系数和个子服务器空间占用系数，获得/>个极速计算引擎空间占用需求值，将/>个个极速计算引擎空间占用需求值一一与对应的极速计算引擎空间剩余值比较，生成/>个极速计算引擎空间剩余差值，根据/>个极速计算引擎空间剩余差值判定/>个子服务器中是否存在可用子服务器；
第一分配模块，一一计算个可用子服务器处理资源请求中的全部数据的第一响应处理时间，筛选出第一响应处理时间的最小值，并将资源请求中的全部数据分配到第一响应处理时间的最小值对应的可用子服务器中；当第一响应处理时间的最小值不唯一时，生成分配优先级，并按分配优先级将资源请求中的数据分配；
第二分配模块，将资源请求中的部分数据分配到个子服务器中，使得、/>个子服务器成为/>个可用子服务器，一一计算/>个可用子服务器的第二响应处理时间，生成第二响应处理时间的升序表，按升序方式将资源请求中的部分数据依次分配到第二响应处理时间对应的可用子服务器中，以此类推，直至资源请求中的全部数据被分配完。
实施例4
请参阅图4所示，本实施例公开提供了一种计算机设备，包括：处理器和存储器；
其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行实现所述的基于无约束优化算法的项目资源优化分配方法。
由于本实施例所介绍的电子设备为实施本申请实施例1中基于无约束优化算法的项目资源优化分配方法所采用的电子设备，故而基于本申请实施例中所介绍的基于无约束优化算法的项目资源优化分配方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中基于无约束优化算法的项目资源优化分配方法所采用的电子设备，都属于本申请所欲保护的范围。
实施例5
请参阅图5所示，本实施例公开提供了一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当所述计算机程序被运行时，执行实现所述的基于无约束优化算法的项目资源优化分配方法。
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 (13)
1.基于无约束优化算法的项目资源优化分配方法，应用于云服务器，其特征在于，所述方法包括：
S1：接收输入端的资源请求，获取资源请求的请求特征数据，根据请求特征数据，生成资源请求的数据空间占用系数；
S2：获取个子服务器当前状态下的极速计算引擎空间剩余值和运维特征数据，根据运维特征数据，生成/>个子服务器空间占用系数；
S3：根据数据空间占用系数和个子服务器空间占用系数，获得/>个极速计算引擎空间占用需求值，将/>个极速计算引擎空间占用需求值一一与对应的极速计算引擎空间剩余值比较，生成/>个极速计算引擎空间剩余差值；
S4：根据个极速计算引擎空间剩余差值判定/>个子服务器中是否存在可用子服务器，若存在可用子服务器，则执行S5，若不存在可用子服务器，则执行S6；
S5：一一计算个可用子服务器处理资源请求中的全部数据的第一响应处理时间，，筛选出第一响应处理时间的最小值，并将资源请求中的全部数据分配到第一响应处理时间的最小值对应的可用子服务器中；当第一响应处理时间的最小值不唯一时，生成分配优先级，并按分配优先级将资源请求中的数据分配；
S6：将资源请求中的部分数据分配到个子服务器中，使得/>个子服务器成为/>个可用子服务器，一一计算/>个可用子服务器的第二响应处理时间，生成第二响应处理时间的升序表，按升序方式将资源请求中的部分数据依次分配到第二响应处理时间对应的可用子服务器中，以此类推，直至资源请求中的全部数据被分配完。
2.根据权利要求1所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，所述请求特征数据包括非结构占比率、压缩编码率和数据总量值；
数据空间占用系数的表达式为：；
式中，为数据空间占用系数，/>为压缩编码率，/>为数据总量值，/>为非结构占比率，/>、/>为权重因子。
3.根据权利要求2所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，所述极速计算引擎空间剩余值的获取方法包括：
通过子服务器的任务管理器获取当前状态下的极速计算引擎空间占用值与极速计算引擎空间总量值，并将当前状态下的极速计算引擎空间占用值与极速计算引擎空间总量值进行差值比较，获得极速计算引擎空间剩余值；
极速计算引擎空间剩余值的表达式为：；
式中，为第/>个极速计算引擎空间剩余值，/>为第/>个极速计算引擎空间总量值，/>为第/>个极速计算引擎空间占用值；
运维特征数据包括数据读写速率和并行度，根据数据读写速率和并行度，生成个子服务器空间占用系数；
子服务器空间占用系数的表达式为：
；
式中，为第/>个子服务器空间占用系数，/>为第/>个数据读写速率，/>为第/>个并行度，/>、/>为权重因子。
4.根据权利要求3所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，所述极速计算引擎空间占用需求值的表达式为：
*/>；
式中，为第/>个极速计算引擎空间占用需求值；
极速计算引擎空间剩余差值的表达式为：；
式中，为第/>个极速计算引擎空间剩余差值。
5.根据权利要求4所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，所述根据个极速计算引擎空间剩余差值判定/>个子服务器中是否存在可用子服务器的方法包括：
当极速计算引擎空间剩余差值大于或等于0时，则个子服务器中存在可用子服务器；
当极速计算引擎空间剩余差值小于0时，则个子服务器中不存在可用子服务器。
6.根据权利要求5所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，影响所述第一响应处理时间的参数包括极速计算引擎空间占用总值、数据复杂率、带宽和数据处理速率，数据处理速率的获取方法包括：
通过网关设备获取子服务器中在时刻的数据输入量和/>时刻的数据吐出量，获得第一子速率，/>时刻为/>时刻的上一时刻；
第一子速率的表达式为：；
式中，为第一子速率，/>为/>时刻的数据输入量，/>为/>时刻的数据吐出量；
间隔与到/>相同的时间后，通过网关设备获取子服务器中在/>时刻的数据输入量和/>时刻的数据吐出量，获得第二子速率，/>时刻为/>时刻的上一时刻；
第二子速率的表达式为：；
式中，为第二子速率，/>为/>时刻的数据输入量，/>为/>时刻的数据吐出量；
将第一子速率和第二子速率相加后求平均，即为数据处理速率；
数据处理速率的表达式为：；
式中，为第/>个数据处理速率。
7.根据权利要求6所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，所述第一响应处理时间的表达式为：；
式中，为第/>个第一响应处理时间，/>为第/>个带宽，/>为第/>个数据复杂率，/>为第/>个极速计算引擎空间占用总值，/>、/>为权重因子。
8.根据权利要求7所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，所述第二响应处理时间的表达式为：；
式中，为第/>个第二响应处理时间，/>为第/>个极速计算引擎空间总量值，为第/>个带宽，/>为第/>个数据复杂率，/>为第/>个数据处理速率，/>、/>为权重因子。
9.根据权利要求8所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，所述资源请求中的全部数据被分配完的方法包括：
将个第二响应处理时间升序排列，获得第二响应处理时间的升序表，标记第一位的第二响应处理时间对应的可用子服务器，记为第一子服务器；
将资源请求中的部分数据分配到第一子服务器中，使得第一子服务器中的极速计算引擎空间剩余值为0，此时资源请求中的剩余数据标记为第一剩余数据；
将第一剩余数据分配到第二位的第二响应处理时间对应的第二子服务器中；
当第二子服务器中的极速计算引擎空间剩余值0时，此时资源请求中的全部数据被分配完；
当第二子服务器中的极速计算引擎空间剩余值0时，此时资源请求中的剩余数据标记为第二剩余数据，并将第二剩余数据继续按照升序表向后分配，直至资源请求中的全部数据被分配完。
10.根据权利要求9所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，分配优先级的生成方法包括：
比较个可用子服务器的数据处理速率，/>，则数据处理速率最大的可用子服务器的分配优先级排名第一；
当个可用子服务器的数据处理速率一样时，比较/>个可用子服务器的带宽，则带宽最大的可用子服务器的分配优先级排名第一；
当个可用子服务器的数据处理速率和带宽一样时，比较/>个可用子服务器的数据复杂率，则数据复杂率最小的可用子服务器的分配优先级排名第一；
当个可用子服务器的数据处理速率、带宽和数据复杂率一样时，则/>个可用子服务器的分配优先级一样。
11.基于无约束优化算法的项目资源优化分配系统，应用于云服务器，用于实现权利要求1-10中任一项所述的基于无约束优化算法的项目资源优化分配方法，其特征在于，包括资源请求采集模块、子服务器采集模块、对比分析模块、第一分配模块和第二分配模块，其中，各个模块之间通过有线和/或无线网络方式连接：
资源请求采集模块，接收输入端的资源请求，获取资源请求的请求特征数据，根据请求特征数据，生成资源请求的数据空间占用系数；
子服务器采集模块，获取个子服务器当前状态下的极速计算引擎空间剩余值和运维特征数据，根据运维特征数据，生成/>个子服务器空间占用系数；
对比分析模块，根据数据空间占用系数和个子服务器空间占用系数，获得/>极速计算引擎空间占用需求值，将/>个极速计算引擎空间占用需求值一一与对应的极速计算引擎空间剩余值比较，生成/>个极速计算引擎空间剩余差值，根据/>个极速计算引擎空间剩余差值判定/>个子服务器中是否存在可用子服务器；
第一分配模块，一一计算个可用子服务器处理资源请求中的全部数据的第一响应处理时间，筛选出第一响应处理时间的最小值，并将资源请求中的全部数据分配到第一响应处理时间的最小值对应的可用子服务器中；当第一响应处理时间的最小值不唯一时，生成分配优先级，并按分配优先级将资源请求中的数据分配；
第二分配模块，将资源请求中的部分数据分配到个子服务器中，使得/>个子服务器成为个可用子服务器，一一计算/>个可用子服务器的第二响应处理时间，生成第二响应处理时间的升序表，按升序方式将资源请求中的部分数据依次分配到第二响应处理时间对应的可用子服务器中，以此类推，直至资源请求中的全部数据被分配完。
12.一种计算机设备，其特征在于，包括：处理器和存储器；
其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行实现权利要求1-10中任一项所述的基于无约束优化算法的项目资源优化分配方法。
13.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；
当所述计算机程序被运行时，执行实现权利要求1-10中任一项所述的基于无约束优化算法的项目资源优化分配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410071377.XA CN117591302B (zh) | 2024-01-18 | 2024-01-18 | 基于无约束优化算法的项目资源优化分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410071377.XA CN117591302B (zh) | 2024-01-18 | 2024-01-18 | 基于无约束优化算法的项目资源优化分配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117591302A true CN117591302A (zh) | 2024-02-23 |
| CN117591302B CN117591302B (zh) | 2024-06-18 |
Family
ID=89911862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410071377.XA Active CN117591302B (zh) | 2024-01-18 | 2024-01-18 | 基于无约束优化算法的项目资源优化分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117591302B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111694655A (zh) * | 2020-03-12 | 2020-09-22 | 武汉大学 | 一种面向多任务的边缘计算资源分配方法 |
| CN111930514A (zh) * | 2020-09-14 | 2020-11-13 | 北京英迈琪科技有限公司 | 一种资源优化分配方法及系统 |
| CN113687950A (zh) * | 2021-08-31 | 2021-11-23 | 平安医疗健康管理股份有限公司 | 基于优先级的任务分配方法、装置、设备及存储介质 |
| CN116302477A (zh) * | 2022-12-29 | 2023-06-23 | 济南浪潮数据技术有限公司 | 一种性能资源的动态分配方法、系统及相关组件 |
-
2024
- 2024-01-18 CN CN202410071377.XA patent/CN117591302B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111694655A (zh) * | 2020-03-12 | 2020-09-22 | 武汉大学 | 一种面向多任务的边缘计算资源分配方法 |
| CN111930514A (zh) * | 2020-09-14 | 2020-11-13 | 北京英迈琪科技有限公司 | 一种资源优化分配方法及系统 |
| CN113687950A (zh) * | 2021-08-31 | 2021-11-23 | 平安医疗健康管理股份有限公司 | 基于优先级的任务分配方法、装置、设备及存储介质 |
| CN116302477A (zh) * | 2022-12-29 | 2023-06-23 | 济南浪潮数据技术有限公司 | 一种性能资源的动态分配方法、系统及相关组件 |
Non-Patent Citations (2)
| Title |
|---|
| RUBEN MENNES 等: "GRECO: A Distributed Genetic Algorithm for Reliable Application Placement in Hybrid Clouds", 2016 5TH IEEE INTERNATIONAL CONFERENCE ON CLOUD NETWORKING, 31 December 2016 (2016-12-31), pages 14 - 20 * |
| 韦智勇 等: "基于分层优化的资源受限系统任务拆分调度方法", 计算机应用与软件, vol. 36, no. 6, 30 June 2019 (2019-06-30), pages 264 - 270 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117591302B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109194984B (zh) | 一种基于边缘计算的视频帧调度方法 | |
| US8560667B2 (en) | Analysis method and apparatus | |
| WO2021136137A1 (zh) | 一种资源调度方法、装置及相关设备 | |
| US20060265192A1 (en) | Systems and methods for organizing and storing data | |
| US20060277295A1 (en) | Monitoring system and monitoring method | |
| CN110196767A (zh) | 服务资源控制方法、装置、设备和存储介质 | |
| CN107220108B (zh) | 一种实现云数据中心负载均衡的方法和系统 | |
| Tsai et al. | A bandwidth computation model for covert storage channels and its applications | |
| CN113590403B (zh) | 压力测试方法、装置、系统、电子设备、存储介质及产品 | |
| CN111045782A (zh) | 日志处理方法、装置、电子设备和计算机可读存储介质 | |
| CN111966289A (zh) | 基于Kafka集群的分区优化方法和系统 | |
| CN114726862B (zh) | 基于状态监控芯片确定计算节点运行状态的方法及系统 | |
| CN116700920A (zh) | 云原生混合部署集群资源调度方法及装置 | |
| CN110297743B (zh) | 一种负载测试方法、装置和存储介质 | |
| CN114490078A (zh) | 一种微服务的动态缩扩容方法、装置及设备 | |
| CN115801896A (zh) | 算力网络节点分配方法、装置、电子设备及存储介质 | |
| CN113381898B (zh) | 显示模组去干扰方法、装置、计算机设备和存储介质 | |
| CN114564313A (zh) | 负载调整方法、装置、电子设备及存储介质 | |
| CN117255134B (zh) | 一种基于云边协同的数据传输方法 | |
| CN117591302B (zh) | 基于无约束优化算法的项目资源优化分配方法 | |
| US10983888B1 (en) | System and method for generating dynamic sparse exponential histograms | |
| CN115361705A (zh) | 一种信息时效性保障的noma网络任务处理方法及系统 | |
| US9183041B2 (en) | Input/output traffic backpressure prediction | |
| CN117667327A (zh) | 作业调度方法、调度器及相关设备 | |
| CN114896222A (zh) | 日志数据处理方法、装置、计算机设备、系统 |
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 |