CN117938956A - 云计算数据缓存策略的优化方法、装置、设备及存储介质 - Google Patents
云计算数据缓存策略的优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117938956A CN117938956A CN202311712777.6A CN202311712777A CN117938956A CN 117938956 A CN117938956 A CN 117938956A CN 202311712777 A CN202311712777 A CN 202311712777A CN 117938956 A CN117938956 A CN 117938956A
- Authority
- CN
- China
- Prior art keywords
- virtual machine
- cloud computing
- information
- data
- optimizing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000005457 optimization Methods 0.000 title claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及云计算,本申请提供一种云计算数据缓存策略的优化方法、装置、设备及存储介质,所述方法将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。云计算平台采用本专利中的缓存优化方法之后,在各并发操作条件下不会有频繁连接、操作数据库的情况,程序缓存所占内存的情况会大幅度的减少,并且不会随着时间的推移而剧烈增加,完美的兼顾了各使用场景下的效率与内存。
Description
技术领域
本发明涉及云计算领域,尤其涉及一种云计算数据缓存策略的优化方法、装置、设备及存储介质。
背景技术
在云计算领域会时刻面临着有客户/运维人员对系统内的虚拟机进行操作,这导致在客户操作虚拟机或者运维人员查看虚拟机所进行过的操作等活动时均需要并发、频繁的从数据库中获取相关的信息,这会带来极大的I/O的开销和网络延迟,随着资源池的不断扩张,虚拟机数量增多,这带来的影响是不可接受的。
目前普遍的做法是将虚拟机的信息全部缓存到内存之中,这样就不必频繁连接数据库获取信息,解决了上述问题,但是随着时间的推移,缓存的信息会越来越多,长久运行下去导致程序占用的内存过多,内存过多会影响整个系统的正常运行。
云计算的各种数据比如虚拟机的数据,对虚拟机操作的任务数据等,这些都需要存在数据库之中。当后续需要对虚拟机进行操作的时候,需要从数据库中再实时去获取这些信息。另外运维人员需要查询任务操作记录的时候,也需要从数据库中将任务数据的信息进行读取。云计算是一个高并发的系统,高并发时频繁读取数据库的操作会导致整个系统变的非常卡顿,影响效率。常见的解决方案是将数据库中的数据缓存到内存中,如果全部进行缓存到内存,随着时间的推移,数据量会变的非常巨大,不是长久之计。因此本发明提出一种针对云计算数据的缓存优化方法,即能保证在高并发时不影响效率,同时缓存的数据又不会占用过多内存。对于某些内存稀缺的小型化云计算系统来说,减少内存的使用是非常必要的。
发明内容
本发明的主要目的在于提供一种云计算数据缓存策略的优化方法、装置、设备及计算机可读存储介质,旨在减少内存的使用。
为实现上述目的,本发明提供一种云计算数据缓存策略的优化方法,所述云计算数据缓存策略的优化方法包括以下步骤:
将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;
分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。
在本申请提供的云计算数据缓存策略的优化方法中,所述第一使用场景包括对某一个虚拟机进行操作。
在本申请提供的云计算数据缓存策略的优化方法中,所述对记录虚拟机信息的数据采取第一优化操作,包括:
使用环形队列来保存虚拟机的id,每次有虚拟机进行操作之后,首先判断其状态,如果是非删除状态,那么将本次的虚拟机id放到环形列表的尾部。
在本申请提供的云计算数据缓存策略的优化方法中,还包括,如果环形列表已满,从最旧的数据中删除一个数据,将新的数据放入队尾。
在本申请提供的云计算数据缓存策略的优化方法中,还包括,所述第二使用场景包括下列多个场景:
当对虚拟机执行了操作之后,进行查看本操作是否已成功执行,如果失败还需要进一步查看各job信息定位失败原因;
在监控系统中发现存在虚拟机状态不正常或者存在虚拟机操作执行失败,此时需要通过虚拟机id对其执行过的所有task进行查询。
在本申请提供的云计算数据缓存策略的优化方法中,所述对虚拟机操作的信息两类数据采取第二优化操作,包括:
由环形队列来控制保存最新执行任务的taskid,在哈希表进行对应task的具体内容的存储,建立额外的两个哈希表,第一个哈希表用来缓存虚拟机id与其执行过的task列表,第二个哈希表用来缓存状态是运行态的task的信息;
当task执行结束后需要将此taskid从哈希表中进行移除。
在本申请提供的云计算数据缓存策略的优化方法中,一个task对应着多个job。
一种云计算数据缓存策略的优化装置,所述云计算数据缓存策略的优化装置包括:
分类模块,用于将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;
优化操作模块,用于分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。
此外,为实现上述目的,本发明还提供一种云计算数据缓存策略的优化设备,所述云计算数据缓存策略的优化设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的云计算数据缓存策略的优化程序,其中所述云计算数据缓存策略的优化程序被所述处理器执行时,实现如上述的云计算数据缓存策略的优化方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有云计算数据缓存策略的优化程序,其中所述云计算数据缓存策略的优化程序被处理器执行时,实现如上述的云计算数据缓存策略的优化方法的步骤。
本发明提供一种云计算数据缓存策略的优化方法,将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;
分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。云计算平台采用本专利中的缓存优化方法之后,在各并发操作条件下不会有频繁连接、操作数据库的情况,因此不会影响系统的效率,但是程序缓存所占内存的情况会大幅度的减少,并且不会随着时间的推移而剧烈增加,完美的兼顾了各使用场景下的效率与内存。对于某些内存稀缺的小型化云计算系统来说,减少内存的使用是非常必要的。
附图说明
图1为本申请实施例方案中涉及的云计算数据缓存策略的优化流程示意图;
图2为本申请的虚拟机信息在内存中的缓存示意图;
图3为本申请的虚拟机操作信息在内存中的缓存示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
在云计算领域会时刻面临着有客户/运维人员对系统内的虚拟机进行操作,这导致在客户操作虚拟机或者运维人员查看虚拟机所进行过的操作等活动时均需要并发、频繁的从数据库中获取相关的信息,这会带来极大的I/O的开销和网络延迟,随着资源池的不断扩张,虚拟机数量增多,这带来的影响是不可接受的。
目前普遍的做法是将虚拟机的信息全部缓存到内存之中,这样就不必频繁连接数据库获取信息,解决了上述问题,但是随着时间的推移,缓存的信息会越来越多,长久运行下去导致程序占用的内存过多,内存过多会影响整个系统的正常运行。
云计算的各种数据比如虚拟机的数据,对虚拟机操作的任务数据等,这些都需要存在数据库之中。当后续需要对虚拟机进行操作的时候,需要从数据库中再实时去获取这些信息。另外运维人员需要查询任务操作记录的时候,也需要从数据库中将任务数据的信息进行读取。云计算是一个高并发的系统,高并发时频繁读取数据库的操作会导致整个系统变的非常卡顿,影响效率。常见的解决方案是将数据库中的数据缓存到内存中,如果全部进行缓存到内存,随着时间的推移,数据量会变的非常巨大,不是长久之计。因此本发明提出一种针对云计算数据的缓存优化方法,即能保证在高并发时不影响效率,同时缓存的数据又不会占用过多内存。对于某些内存稀缺的小型化云计算系统来说,减少内存的使用是非常必要的。
为了解决上述技术问题,本发明提供一种云计算数据缓存策略的优化方法,将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;
分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。云计算平台采用本专利中的缓存优化方法之后,在各并发操作条件下不会有频繁连接、操作数据库的情况,因此不会影响系统的效率,但是程序缓存所占内存的情况会大幅度的减少,并且不会随着时间的推移而剧烈增加,完美的兼顾了各使用场景下的效率与内存。对于某些内存稀缺的小型化云计算系统来说,减少内存的使用是非常必要的。
本发明实施例涉及的云计算数据缓存策略的优化方法主要应用于云计算数据缓存策略的优化设备,该云计算数据缓存策略的优化设备可以是PC、便携计算机、移动终端等具有显示和处理功能的设备。
本发明实施例方案中涉及的云计算数据缓存策略的优化设备的硬件结构示意图。本发明实施例中,云计算数据缓存策略的优化设备可以包括处理器(例如CPU),通信总线,用户接口,网络接口,存储器。其中,通信总线1002用于实现这些组件之间的连接通信;用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard);网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口);存储器可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器,存储器可选的还可以是独立于前述处理器的存储装置。
本领域技术人员可以理解,硬件结构并不构成对云计算数据缓存策略的优化设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
作为一种计算机可读存储介质的存储器可以包括操作系统、网络通信模块以及云计算数据缓存策略的优化程序。
网络通信模块主要用于连接服务器,与服务器进行数据通信;而处理器可以调用存储器中存储的云计算数据缓存策略的优化程序,并执行本发明实施例提供的云计算数据缓存策略的优化方法。
本发明实施例提供了一种云计算数据缓存策略的优化方法。
参照图1-图3,图1为本发明云计算数据缓存策略的优化方法第一实施例的流程示意图。
本实施例中,所述云计算数据缓存策略的优化方法包括以下步骤:
本发明提供一种云计算数据缓存策略的优化方法,所述云计算数据缓存策略的优化方法包括以下步骤:
将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;
分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。
在本实施例中,要对云计算系统的缓存数据进行优化,需要将云计算缓存的数据进行分类,然后分析各类数据的使用场景,根据场景的不同分别采取相应的优化方案。
云计算系统的数据可以分为两大类:第一类是记录虚拟机信息的,比如虚拟机的名称,ID,镜像信息等。在对虚拟机进行生命周期管理操作(比如开/关机,迁移,变配等)都需要获取这些信息之后才能进行;第二类是记录这些操作的信息,比如在什么时间对哪个虚拟机进行了什么操作,进行操作时传入的信息以及操作的结果。这些信息对于确认虚拟机的操作是否成功,以及后续运维分析问题都非常重要。这两类信息对于云计算系统而言都是非常重要的,但是他们属于不同类型的信息,信息使用的场景不同,因此需要对每种信息使用不同的缓存方案。
第一类记录了各虚拟机的信息,使用的场景为客户需要对某一个虚拟机进行操作的时候,经过实际数据分析可以得知新创建或者新操作过的虚拟机更容易被用户继续操作,而已经被删除了的虚拟机不会再被用户进行操作。并且对于某个资源池而言,是可以卖给很多客户进行使用的,客户在使用过后退单之后虚机就被从资源池中进行删除了,因此随着时间的增加资源池内会出现很多删除状态的虚拟机。由于资源池内宿主机的个数是一定的,因此某一个资源池非删除状态的虚拟机数量是有上限的。应该把容易被后续使用到的虚拟机的信息缓存到内存之中,而被删除了的虚拟机信息不应该被缓存到内存之中。
本类信息缓存在内存中的数据结构可以通过“环形队列+哈希表”来实现。环形队列也是属于队列的一种数据结构,队头出队,队尾入队,但是环形队列的大小是确定的,不能进行长度的增加,当把一个环形队列创建好之后,它能存放的元素个数是确定的。虚拟机在使用时是通过虚拟机id来进行区分的,在数据库中虚拟机的id是其唯一标识。本方法使用环形队列来保存虚拟机的id,每次有虚拟机进行操作之后,首先判断其状态,如果是非删除状态,那么将本次的虚拟机id放到环形列表的尾部,如果环形列表已满那么从头部(最旧的数据)删除一个数据,就可以将此数据放入队尾了。这样可以保证列表中的虚拟机id都是最新操作过的,这些虚拟机是最容易被再次取来使用的。哈希表的key是虚拟机id,value是这个虚拟机的实际信息比如虚拟机的名称、规格、镜像等。环形列表中的每一个数据(虚拟机id)在哈希表中都有一个对应的key,当虚拟机id从环形列表中删除/添加的时候,需要在哈希表中进行对应数据删除/添加。
第二类数据记录了对虚拟机操作的信息,对于此类数据可以分为task数据和job数据,一个操作任务对应着一个task,而一个task里又包含着多个拆分粒度更小的job。本类型数据使用的场景有二种:第一种是当对虚拟机执行了操作之后,进行查看本操作是否已成功执行,如果失败还需要进一步查看各job信息定位失败原因。第二种场景是运维同学在监控系统中发现存在虚拟机状态不正常或者存在虚拟机操作执行失败的时候,此时需要能通过虚拟机id对其执行过的所有task进行查询。另外有一些操作是通过定时任务对当前资源池进行一些处理,这些是不需要进行缓存的任务(比如定期去检查有没有超时未执行完的task,如果有就将这个task的状态改为TIMEOUT并进行一些后续处理。这种任务是对其他的task进行处理,处理结果不易直接查询,可以通过查看真正超时的那个task状态是否改变+输出的log就可以得出结果、分析原因,因此我们并不关心这个定时任务本身的实时运行结果)。特别的,由于有定时任务的存在,需要把状态是running(运行态)的task的信息也进行缓存。
这类信息在内存中的缓存也可以通过“环形队列+哈希表”来实现,但是缓存的内容和第一类信息数据是不同的,会更复杂一些。首先类似于第一类信息的处理方式,由环形队列来控制保存最新执行任务的taskid,在哈希表进行对应task的具体内容的存储。除此之外内存中还需要建立额外的两个哈希表,第一个用来缓存虚拟机id与其执行过的task列表,这是由于在运维时需要根据虚拟机id查询本虚拟机全部操作记录,哈希表的key是被操作的虚拟机id,value是其所有已经执行过的所有task的id列表。当虚拟机被删除时,从哈希表中将这个key进行移除,后续如果运维人员想查看删除状态虚拟机进行过的操作可以直接根据虚拟机id去数据库中获取其执行过的task列表(只有在特殊情况下才会由运维人员进行操作,不会并发执行,不影响系统效率)。第二个哈希表用来缓存状态是running(运行态)的task的信息,由于定时任务会定时检查运行的task是否已超时,因此这个信息是经常需要使用的,也需要进行缓存。这个哈希表的key是taskid,value是一个结构体包含task的名称,task的创建时间,此task规定的超时时间(不需要task的全部信息,减少缓存数据量),当task执行结束后需要将此taskid从哈希表中进行移除。实际上任务数据又分为task和job两种(一个task对应着多个job,job粒度更小),本方法只需要缓存task数据不需要缓存job数据,在运维人员分析数据时,当选中某一个task进行查看的时候,根据这个taskid去数据库中查找它对应的job即可。
云计算平台采用本专利中的缓存优化方法之后,在各并发操作条件下不会有频繁连接、操作数据库的情况,因此不会影响系统的效率,但是程序缓存所占内存的情况会大幅度的减少,并且不会随着时间的推移而剧烈增加,完美的兼顾了各使用场景下的效率与内存。对于某些内存稀缺的小型化云计算系统来说,减少内存的使用是非常必要的。
本实施例中,通过将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。云计算平台采用本专利中的缓存优化方法之后,在各并发操作条件下不会有频繁连接、操作数据库的情况,因此不会影响系统的效率,但是程序缓存所占内存的情况会大幅度的减少,并且不会随着时间的推移而剧烈增加,完美的兼顾了各使用场景下的效率与内存。对于某些内存稀缺的小型化云计算系统来说,减少内存的使用是非常必要的。
在本申请提供的云计算数据缓存策略的优化方法中,所述第一使用场景包括对某一个虚拟机进行操作。
在本申请提供的云计算数据缓存策略的优化方法中,所述对记录虚拟机信息的数据采取第一优化操作,包括:
使用环形队列来保存虚拟机的id,每次有虚拟机进行操作之后,首先判断其状态,如果是非删除状态,那么将本次的虚拟机id放到环形列表的尾部。
在本申请提供的云计算数据缓存策略的优化方法中,还包括,如果环形列表已满,从最旧的数据中删除一个数据,将新的数据放入队尾。
在本申请提供的云计算数据缓存策略的优化方法中,还包括,所述第二使用场景包括下列多个场景:
当对虚拟机执行了操作之后,进行查看本操作是否已成功执行,如果失败还需要进一步查看各job信息定位失败原因;
在监控系统中发现存在虚拟机状态不正常或者存在虚拟机操作执行失败,此时需要通过虚拟机id对其执行过的所有task进行查询。
在本申请提供的云计算数据缓存策略的优化方法中,所述对虚拟机操作的信息两类数据采取第二优化操作,包括:
由环形队列来控制保存最新执行任务的taskid,在哈希表进行对应task的具体内容的存储,建立额外的两个哈希表,第一个哈希表用来缓存虚拟机id与其执行过的task列表,第二个哈希表用来缓存状态是运行态的task的信息;
当task执行结束后需要将此taskid从哈希表中进行移除。
在本申请提供的云计算数据缓存策略的优化方法中,一个task对应着多个job。
具体的,对于第一类缓存信息即虚拟机信息,在对环形队列的大小选择时,需要结合资源池的宿主机可开出的虚拟机最大数量进行调整,一般选择资源池可开虚拟机最大个数的30%。使用此大小有两个原因:一是考虑虚拟机的数据是非常频繁进行使用的,需要尽量多的缓存到内存中,二是考虑到用户的虚拟机活跃度,一个资源池的虚拟机实际上客户经常对其进行操作的数量并不是100%,经数据分析一般频繁进行操作的虚拟机数量不会超过总量的30%,对已删除的虚拟机也不会再进行使用,仅仅极少数情况下运维人员会进行一次查询操作,因此也不会影响客户对虚拟机的并发操作性能。已目前线上环境为例,一个虚拟机id占用32Byte,一条虚拟机数据大约4k,一个100计算节点的资源池开满虚拟机根据一般情况评估在20000台左右,那么环形队列大小选择为6000。环形队列所占内存大小为190K左右,哈希表所占内存大小为24M,对于云平台程序来说并不会占用很大的内存,并且这个内存大小是随着时间固定的,不会持续进行增加。而如果按原有的方案,将所有虚拟机的数据全部缓存到内存中(删除的虚拟机也继续保留在内存中),随着时间的推移,所占用内存会越来越多,目前发现已有的测试资源池数据甚至缓存的虚拟机数据已经超过了1G内存。
第二类缓存信息即对虚拟机的操作信息,在选择环形队列的大小时不需要选择很大,可以选为本系统的任务最大并发执行数。因为一般执行完一次操作之后,会去立刻检查操作是否成功,这样在下发一次并发任务后,全部的执行结果都可以直接从缓存中取出,不需要对数据库进行操作。后续比如运维人员发现有虚拟机状态异常或者发现有虚拟机任务执行失败,可以输入指定虚拟机id,便可以从缓存中获取这个虚拟机所有进行过的操作task的id列表。程序中根据这些id优先判断环形列表中是否存在,如果存在从哈希表中返回数据,如果不存在从数据库中根据taskid进行读取即可,每次只需要获取少量的数据库数据。比如一个并发是1000的系统,一个task数据大约为5k,那么本方法所占内存总量不超过10M,而原始方案将所有的task和job数据都全量进行缓存,测试资源池后期甚至都超过了5G。本缓存方法对于并发操作的场景也可以不需要频繁的与数据库进行大量数据交互,并且随着时间的推移,占用的内存大小也不会大幅度的增加。
一种云计算数据缓存策略的优化装置,所述云计算数据缓存策略的优化装置包括:
分类模块,用于将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;
优化操作模块,用于分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。
其中,上述云计算数据缓存策略的优化装置中各个模块与上述云计算数据缓存策略的优化方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
此外,本发明实施例还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有云计算数据缓存策略的优化程序,其中所述云计算数据缓存策略的优化程序被处理器执行时,实现如上述的云计算数据缓存策略的优化方法的步骤。
其中,云计算数据缓存策略的优化程序被执行时所实现的方法可参照本发明云计算数据缓存策略的优化方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
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 (10)
1.一种云计算数据缓存策略的优化方法,其特征在于,所述云计算数据缓存策略的优化方法包括以下步骤:
将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;
分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。
2.如权利要求1所述的云计算数据缓存策略的优化方法,其特征在于,所述第一使用场景包括对某一个虚拟机进行操作。
3.如权利要求2所述的云计算数据缓存策略的优化方法,其特征在于,所述对记录虚拟机信息的数据采取第一优化操作,包括:
使用环形队列来保存虚拟机的id,每次有虚拟机进行操作之后,首先判断其状态,如果是非删除状态,那么将本次的虚拟机id放到环形列表的尾部。
4.如权利要求3所述的云计算数据缓存策略的优化方法,其特征在于,还包括,如果环形列表已满,从最旧的数据中删除一个数据,将新的数据放入队尾。
5.如权利要求1所述的云计算数据缓存策略的优化方法,其特征在于,还包括,所述第二使用场景包括下列多个场景:
当对虚拟机执行了操作之后,进行查看本操作是否已成功执行,如果失败还需要进一步查看各job信息定位失败原因;
在监控系统中发现存在虚拟机状态不正常或者存在虚拟机操作执行失败,此时需要通过虚拟机id对其执行过的所有task进行查询。
6.如权利要求5所述的云计算数据缓存策略的优化方法,其特征在于,所述对虚拟机操作的信息两类数据采取第二优化操作,包括:
由环形队列来控制保存最新执行任务的taskid,在哈希表进行对应task的具体内容的存储,建立额外的两个哈希表,第一个哈希表用来缓存虚拟机id与其执行过的task列表,第二个哈希表用来缓存状态是运行态的task的信息;
当task执行结束后需要将此taskid从哈希表中进行移除。
7.如权利要求6所述的云计算数据缓存策略的优化方法,其特征在于,一个task对应着多个job。
8.一种云计算数据缓存策略的优化装置,其特征在于,所述云计算数据缓存策略的优化装置包括:
分类模块,用于将云计算缓存的数据进行分类,分为记录虚拟机信息和对虚拟机操作的信息两类;
优化操作模块,用于分析记录虚拟机信息和对虚拟机操作的信息两类数据的使用场景,根据第一使用场景,对记录虚拟机信息的数据采取第一优化操作,根据第二使用场景,对虚拟机操作的信息两类数据采取第二优化操作。
9.一种云计算数据缓存策略的优化设备,其特征在于,所述云计算数据缓存策略的优化设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的云计算数据缓存策略的优化程序,其中所述云计算数据缓存策略的优化程序被所述处理器执行时,实现如权利要求1至7中任一项所述的云计算数据缓存策略的优化方法的步骤。
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上存储有云计算数据缓存策略的优化程序,其中所述云计算数据缓存策略的优化程序被处理器执行时,实现如权利要求1至7中任一项所述的云计算数据缓存策略的优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311712777.6A CN117938956A (zh) | 2023-12-13 | 2023-12-13 | 云计算数据缓存策略的优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311712777.6A CN117938956A (zh) | 2023-12-13 | 2023-12-13 | 云计算数据缓存策略的优化方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117938956A true CN117938956A (zh) | 2024-04-26 |
Family
ID=90751457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311712777.6A Pending CN117938956A (zh) | 2023-12-13 | 2023-12-13 | 云计算数据缓存策略的优化方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117938956A (zh) |
-
2023
- 2023-12-13 CN CN202311712777.6A patent/CN117938956A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11989707B1 (en) | Assigning raw data size of source data to storage consumption of an account | |
US11604782B2 (en) | Systems and methods for scheduling concurrent summarization of indexed data | |
US11782989B1 (en) | Correlating data based on user-specified search criteria | |
US10614132B2 (en) | GUI-triggered processing of performance data and log data from an information technology environment | |
US10019496B2 (en) | Processing of performance data and log data from an information technology environment by using diverse data stores | |
US11119982B2 (en) | Correlation of performance data and structure data from an information technology environment | |
US10225136B2 (en) | Processing of log data and performance data obtained via an application programming interface (API) | |
US11615082B1 (en) | Using a data store and message queue to ingest data for a data intake and query system | |
US9811577B2 (en) | Asynchronous data replication using an external buffer table | |
EP3545431A1 (en) | Event driven extract, transform, load (etl) processing | |
US11500783B1 (en) | Evicting data associated with a data intake and query system from a local storage | |
US11966797B2 (en) | Indexing data at a data intake and query system based on a node capacity threshold | |
US12019634B1 (en) | Reassigning a processing node from downloading to searching a data group | |
US11093496B1 (en) | Performance-based query plan caching | |
US11892976B2 (en) | Enhanced search performance using data model summaries stored in a remote data store | |
US11966416B2 (en) | Cross-organization and cross-cloud automated data pipelines | |
CN111666045A (zh) | 基于Git系统的数据处理方法、系统、设备及存储介质 | |
CN117938956A (zh) | 云计算数据缓存策略的优化方法、装置、设备及存储介质 | |
CN111368039B (zh) | 一种数据管理系统 | |
US11841827B2 (en) | Facilitating generation of data model summaries | |
US11036710B2 (en) | Scalable selection management | |
KR20200078426A (ko) | 복구 서버 및 컴퓨터 프로그램 | |
US9317546B2 (en) | Storing changes made toward a limit | |
US20240232224A1 (en) | Cross-organization & cross-cloud automated data pipelines |
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 |