CN117971499A - 资源配置方法、装置、电子设备和存储介质 - Google Patents
资源配置方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117971499A CN117971499A CN202410364886.1A CN202410364886A CN117971499A CN 117971499 A CN117971499 A CN 117971499A CN 202410364886 A CN202410364886 A CN 202410364886A CN 117971499 A CN117971499 A CN 117971499A
- Authority
- CN
- China
- Prior art keywords
- resource
- resources
- attribute information
- priority
- allocation
- 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 59
- 238000013468 resource allocation Methods 0.000 title claims abstract description 46
- 230000004044 response Effects 0.000 claims abstract description 20
- 230000015654 memory Effects 0.000 claims description 51
- 230000001419 dependent effect Effects 0.000 claims description 22
- 230000015556 catabolic process Effects 0.000 claims description 13
- 238000006731 degradation reaction Methods 0.000 claims description 13
- 238000010200 validation analysis Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism 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
- 230000008520 organization Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0894—Policy-based network configuration management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- 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
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- 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
- H04L67/101—Server selection for load balancing based on network conditions
-
- 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
- H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
-
- 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
- G06F2209/5011—Pool
-
- 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
- G06F2209/5021—Priority
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供一种资源配置方法、装置、电子设备和存储介质。该方法包括：获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、服务类型、分时复用策略、资源的优先级、释放策略、策略生效时间段和释放阈值；根据所述属性信息，构建所述资源的资源池；基于所述资源池，对所述资源进行配置，以得到资源组合；响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。通过上述方法来合理调度和分配资源，从而提高了用户端资源分配的效率。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种资源配置方法、装置、电子设备和存储介质。
背景技术
随着大数据（big data）、人工智能（Artificial Intelligence，AI）、云计算（cloud computing）的技术的发展，数据产生的速度超过了现有的常规设备的处理和计算的能力。面对未来更加多样的数据形态和计算场景，涌现出了诸多不同形态的计算集群，如云计算数据中心。云计算数据中心中的服务器按照资源需求向用户端提供软硬件资源和信息，以便用户端运行应用（application，APP）。
以云计算应用为例，服务器根据用户端指定的资源需求为用户端分配资源。因此，如何通过合理调度和分配资源来提高用户端资源分配的效率是亟待解决的问题。
发明内容
有鉴于此，本申请的目的在于提出一种资源配置方法、装置、电子设备和存储介质，以解决或部分解决上述问题。
基于上述目的，本申请第一方面，提供了一种资源配置方法，包括：
获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、服务类型、分时复用策略、资源的优先级、释放策略、策略生效时间段和释放阈值；
根据所述属性信息，构建所述资源的资源池；
基于所述资源池，对所述资源进行配置，以得到资源组合；
响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。
本申请第二方面，提供了一种资源配置装置，包括：
获取模块，被配置为获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、分时复用、释放策略和资源的优先级；
构建模块，被配置为根据所述属性信息，构建所述资源的资源池；
配置模块，被配置为基于所述资源池，对所述资源进行配置，以得到资源组合；
编排模块，被配置为响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。
本申请第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。
本申请第四方面，提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如第一方面所述的方法。
从上面所述可以看出，本申请提供的一种资源配置方法、装置、电子设备和存储介质。该方法包括：获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、服务类型、分时复用策略、资源的优先级、释放策略、策略生效时间段和释放阈值；根据所述属性信息，构建所述资源的资源池；基于所述资源池，对所述资源进行配置，以得到资源组合；响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。通过上述方法来合理调度和分配资源，从而提高了用户端资源分配的效率。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关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申请的实施例，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的附图。
图1示出了根据本申请实施例的示例性系统的示意图。
图2示出了根据本申请实施例的示例性资源配置方法的流程示意图。
图3示出了根据本申请实施例的示例性资源配置装置的示意图。
图4示出了根据本申请实施例的示例性电子设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
可以理解的是，在使用本申请中各个实施例的技术方案之前，均会通过恰当的方式对所涉及的个人信息的类型、使用范围、使用场景等告知用户，并获得用户的授权。
例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确的提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主的选择是否向执行本申请技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定的实现方式，响应于接受到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本申请的实现方式构成限定，其他满足相关法律法规的方式也可应用于本申请的实现方式中。
如背景技术所述，服务器根据用户端指定的资源需求为用户端分配资源。因此，如何通过合理调度和分配资源来提高用户端资源分配的效率是亟待解决的问题。
资源配置或资源编排本质上只是一个采用基础设施即代码（Infrastructure asCode，IaC）的设计理念的产物，将操作多个产品的过程合并为操作一个产品。
图1示出了根据本申请实施例的示例性系统100的示意图。
如图1所示，系统100可以包括云计算数据中心110。云计算数据中心110通过网络130与用户端120进行通信，网络130可以是因特网，或其他网络（如以太网）。网络130可以包括一个或多个网络设备，网络设备可以是路由器或交换机等。
用户端120可以是运行有应用程序的计算机，该运行有应用程序的计算机可以是物理机，也可以是虚拟机。
例如，若该运行有应用程序的计算机为物理机，该物理机可以是服务器或终端（terminal）。其中，终端也可以称为终端设备、用户设备（user equipment，UE）、移动台（mobile station，MS）、移动终端（mobile terminal，MT）等。终端可以是手机、平板电脑、笔记本电脑、桌面电脑、台式计算机、虚拟现实（virtual reality，VR）终端设备、增强现实（augmented reality，AR）终端设备、工业控制中的无线终端、无人驾驶中的无线终端、远程手术（remote medical surgery）中的无线终端、智能电网（smart grid）中的无线终端、运输安全（transportation safety）中的无线终端、智慧城市（smart city）中的无线终端、智慧家庭（smart home）中的无线终端等等。本申请的实施例对用户端120所采用的具体技术和具体设备形态不做限定。
又如，该运行有应用程序的计算机为虚拟机（VM），该用户端120可以是运行在云计算数据中心110中任意一个或多个服务器上的软件模块。
云计算数据中心110是指通过局域网或互联网连接的计算机集合，通常用于执行大型任务（也可以称为作业（job）），这里的作业通常是需要较多计算资源并行处理的大型作业，本实施例不限定作业的性质和数量。一个作业可能包含多个计算任务，这些任务可以分配给多个计算资源执行。大多数任务是并发或并行执行的，而有一些任务则需要依赖于其他任务所产生的数据。 云计算数据中心中每台服务器使用相同的硬件和相同的操作系统；或者，可以根据业务需求，云计算数据中心的服务器中采用不同的硬件和不同的操作系统。
由云计算数据中心110包含的多个服务器协同执行任务，避免了该任务仅由一个服务器执行导致的处理时延较大， 且该任务可以由多个服务器并发执行，提高了任务的执行效率。
如图1所示，云计算数据中心110包括多个服务器，例如，服务器111-服务器114，各个服务器可以提供资源。就一台服务器来说，它可以包含多个处理器或处理器核，每个处理器或者处理核可以是一个资源，因此一台服务器可以提供多个资源。例如，服务器可以是指用户端（client）服务器或服务端（server）服务器。
云计算数据中心110可以处理多种类型的作业。本实施例对任务的数量，以及可以并行执行的任务的数据都没有予以限制。示例的，上述的作业是指虚拟机的热迁移、服务器之间的主从备份、或者资源配置（或称资源分配）等。该作业可以由用户端生成并提交给计算器集群执行，比如提交给云计算数据中心中的一个或者多个服务器执行。具体的，本申请不限定提交业务的位置。
在图1中，作业可以从用户端120通过网络130提交给云计算数据中心110。比如作业可以提交给服务器111，在作业提交给服务器111的情况下， 服务器111可以用于管理云计算数据中心110中所有的服务器，以完成该作业所包括的一个或多个任务，如调度其他服务器的计算资源或存储资源等不同资源。又比如，作业也可以提交给云计算数据中心110中的其他服务器，本实施例不限定提交作业的位置。
值得注意的是，图1只是示意图，该云计算数据中心110中还可以包括其他设备，在图1中未画出，本申请的实施例对该系统中包括的服务器（计算设备）、用户端的数量和类型不做限定。示例的，云计算数据中心110还可以包括更多或更少的计算设备，如云计算数据中心110包括两个计算设备， 一个计算设备用于实现上述服务器111和服务器112的功能，另一个计算设备用于实现上述服务器113和服务器114的功能。
在相关技术中，每个资源都是一个单独的个体，没有组合成一个整体，资源之间的协同作用和共享没有被考虑在资源配置中。如果资源没有被组合起来考虑，可能会错失一些优化整体性能的机会。
有鉴于此，本申请提供一种资源配置方法、装置、电子设备和存储介质。该方法包括：获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、服务类型、分时复用策略、资源的优先级、释放策略、策略生效时间段和释放阈值；根据所述属性信息，构建所述资源的资源池；基于所述资源池，对所述资源进行配置，以得到资源组合；响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。通过上述方法来合理调度和分配资源，从而提高了用户端资源分配的效率。
本申请提供的资源配置方法的发明思路如下所述。
1. 资源虽然重要，但是如何利用资源也很重要。
2. 资源配置流程包括构建资源组合、捆绑资源形成能力、利用能力创造价值三个阶段。
构建资源组合（Build Resource Composition）：
在这个阶段，系统的资源被组合和配置成一个整体的资源组合。这包括硬件资源（例如，服务器、存储设备）和软件资源（例如，操作系统、应用程序）的组织和配置。构建资源组合的目标是创建一个适应任务和应用程序需求（即用户需求）的资源环境。
捆绑资源形成能力（Bundle Resources to Form Capabilities）：
在这个阶段，任务或应用程序被捆绑到适当的资源组合上，形成一个具有特定能力的资源包。这可能涉及将任务与特定服务器、存储设备或网络资源相关联，以确保任务能够获得所需的资源支持。这也可以包括对资源组合进行配置，以适应任务的特殊要求。
利用能力创造价值（Exploit Capabilities to Create Value）：
一旦资源组合和任务的捆绑完成，系统就可以充分利用这些资源，执行任务并创造价值。这个阶段涉及实时的资源分配、调度和管理，以确保资源被有效地利用，任务能够在资源上高效运行，从而创造价值。
基于上述发明思路，本申请提供的资源配置方法具体流程如下所述。
资源配置的基础是资源，云上的资源众多，在一些实施例中，首先要对资源进行抽象，提取出资源优势。
资源抽象：
在资源配置中，资源抽象是一种概念，指的是将底层的物理资源或服务抽象成高层次的抽象表示形式，以便更方便地管理、分配和利用这些资源。这种抽象可以使得资源配置系统能够更灵活地应对不同类型的资源和系统配置，而不必过于依赖于底层硬件或具体的资源细节。
在一些实施例中，根据资源的属性，抽象出的属性信息可以包括服务模型（例如，平台服务（Platform-as-a-service，PaaS）、基础设施服务（Infrastructure-as-a-service，IaaS））、资源类型（例如，计算、存储、网络）、资源形态（例如，共享型、独占型）、资源使用量预估（例如，CPU（Central Processing Unit，中央处理器）、内存）、分时复用策略（例如，时间段）、释放策略（例如，不可释放、自动释放、自定义释放策略）、资源的优先级（例如，低、中、高）、服务类型、策略生效时间段和释放阈值。
资源池化：
资源配置中的资源池是一种集中管理和分配计算机系统资源的机制，资源池允许将系统中的各种资源（例如，CPU、内存、存储、网络）集中管理，形成一个统一的资源池。统一的资源池使得资源占用成本更加透明化，可以清晰看到各个业务线在资源侧的投入情况，方便做资源经营层面的分析。
将所有资源加入到资源池，可以由资源池对资源进行统一管理。在一些实施例中，可以根据属性信息将资源进行池化。具体地，资源池可以包括CPU资源池、内存资源池、存储资源池、网络资源池。
CPU资源池：根据所有资源预估的CPU核心数，将所有资源的CPU属性值进行相加，形成全局CPU资源池。
内存资源池：根据所有资源预估的内存，将所有资源的内存属性值进行相加，形成全局内存资源池。
存储资源池：根据所有资源预估的存储，将所有资源的存储属性值进行相加，形成全局存储资源池。
网络资源池：根据所有资源预估的网络带宽，将所有资源的网络带宽值进行相加，形成全局网络资源池。
在一些实施例中，通过配置资源池最大伸缩百分比，可根据实际使用情况扩容资源池。例如，资源a、资源b的CPU属性各为2核，总的资源池为4核，如果设置了最大伸缩比为50%，当资源a实际使用的资源超过2核并且资源池中没有剩余资源时，可将资源池扩容至6核。
构建资源组合：
在资源配置中，构建资源组合是指创建和配置一组资源，以满足特定任务、应用程序或服务的需求。这是资源配置过程中的一个关键步骤，旨在确保系统中的资源能够有效地支持特定的工作负载。具体来说，构建资源组合包括以下几个方面：
硬件资源配置：硬件资源包括计算机服务器、存储设备、网络设备等。在构建资源组合阶段，在一些实施例中，可以确定分配给任务或应用程序的硬件资源，并进行相应的配置。这可能包括指定CPU核心数、内存容量、存储空间大小等。
软件环境设置：软件环境涉及操作系统、应用程序、库和其他软件组件。在构建资源组合时，在一些实施例中，可以配置适当的软件环境，确保它能够满足任务或应用程序的运行需求。这可能包括操作系统的版本、应用程序的安装和配置等。
网络配置：在一些实施例中，构建资源组合时还需要进行网络配置，以确保任务或应用程序可以与其他组件进行通信。这可能包括指定网络连接参数、配置防火墙规则、设置负载均衡等。
安全性设置：考虑到安全性，在一些实施例中，需要在构建资源组合时实施适当的安全措施。这可能包括身份验证、授权、加密等，以保护系统免受潜在的安全威胁。
捆绑资源形成能力和利用能力创造价值：
通过有效整合、协同工作和充分利用各种资源，配置多个资源调整分配策略。这样在接收到来自用户的资源需求时，可以为资源需求配置资源组合中相应的目标资源。这样系统可以更好地满足需求，提高效率，降低成本，并创造更大的价值。通过动态编排能力，可以根据实时的需求和变化，在运行时动态地调整、分配和管理资源。
在一些实施例中，资源调整分配策略可以包括第一分配策略。根据第一分配策略，系统可以根据优先级对低优先级的资源进行降级，以实现资源的高效配置。
在资源配置中，对低优先级的资源进行降级是一种调整资源分配的策略，通常是为了保障高优先级任务或服务的性能和可用性。这个过程可以通过动态调整资源分配、中断低优先级任务或服务、或降低其资源配额等方式来实现：
动态调整资源分配：在一些实施例中，可以通过实时监测资源池中整体资源的属性信息，根据各个任务或服务的优先级，动态调整资源的分配。高优先级（例如，第一优先级）的任务可以获得更多的计算资源、网络带宽或存储空间，而低优先级任务则可能会被降级。例如，减少其可以使用的 CPU 核心数量、内存大小等。这样可以在资源稀缺的情况下为高优先级任务提供更多的资源。
中断低优先级任务：在一些实施例中，系统可以选择中断低优先级（例如，第二优先级）的任务或服务，以释放资源供更高优先级的任务使用。这可能导致低优先级任务的中断或延迟，但确保高优先级任务能够得到足够的资源。
调整服务质量（QoS）参数：在一些实施例中，对于网络服务或其他服务，可以通过调整资源的属性，即服务质量参数，如降低数据传输速率、提高延迟等方式，来实现对低优先级服务的降级。
在一些实施例中，资源调整分配策略可以包括第二分配策略。根据第二分分配策略可以智能释放资源，以实现资源的动态配置。
第二分配策略的目标是根据系统中各资源的实时负载状况，智能地释放或回收部分资源。这种策略有助于确保资源的高效利用，同时防止资源瓶颈和提高系统的整体性能。以下是实施根据第二分配策略智能释放资源的方法：
实时监控：在一些实施例中，可以部署监控系统来实时监测关键资源的属性信息，例如，CPU使用率、内存占用、磁盘I/O、网络带宽等。
设定阈值：在一些实施例中，可以设定资源各个属性信息对应的阈值。这些阈值可以根据不同资源类型和任务类型进行调整。资源的各个属性信息对应的属性值超过或低于这些阈值将触发相应的资源释放策略。
选择释放策略：在一些实施例中，可以设置释放时间，或者设置资源释放的时间段，或者设置不同的资源释放策略。
以设置不同的资源释放策略为例，在一些实施例中，可以设置回收（直接回收资源，降低资源优先级）、降级（减少资源配合，降低资源优先级）的资源释放策略。在资源释放测试期间，当发现释放资源导致了其他资源不可用会立即恢复资源时，可以将释放策略从回收升级为降级。
智能释放算法：在一些实施例中，可以通过一组规则、机器学习模型或基于历史数据的预测算法，实现智能释放算法。这些算法可以考虑到多个属性信息的变化，例如资源负载的趋势、任务的优先级、任务的依赖关系等。
避免频繁释放：在一些实施例中，为防止频繁释放资源引起系统不稳定，可以设置缓冲时间或频率限制，以确保系统有足够的时间适应变化。
在一些实施例中，第二分配策略可以包括释放策略、策略生效时间段和释放阈值。资源的释放策略可以包括降级或者回收；资源的释放策略生效时间段，例如，每天20点至第二天凌晨7点释放策略生效；资源的释放阈值，例如，某资源CPU利用率<20%时释放资源。
在一些实施例中，可以根据所述释放策略，确定所述资源的降级幅度；根据所述实时属性信息，确定所述实时属性信息对应的属性值是否达到所述释放阈值；响应于所述实时属性信息对应的属性值达到所述释放阈值，根据所述降级幅度和所述策略生效时间段对所述资源组合中的资源进行释放，以得到释放资源；将所述释放资源作为所述目标资源配置给所述资源需求。
例如，数据库资源设置了第二分配策略。释放策略为降级，降级幅度为每次5%，策略生效时间段为全天，释放阈值为内存利用率<50%。这样，当监控到数据库的内存使用率<50%时，编排系统会根据降级幅度每次5%的幅度在策略生效时间段对数据库资源进行释放。
在一些实施例中，资源调整分配策略可以包括第三分配策略。第三分配策略可以通过分时复用实现资源的高效配置。
在一些实施例中，可以设置在凌晨业务低峰期按比例对在线业务进行缩容，释放出资源，并将转码、训练等离线任务在该时段运行起,这一创新能最大限度地利用资源，使得离线服务在低峰期得到有效运行，同时保证在线服务在业务高峰期能够快速恢复运行。
在一些实施例中，第三分配策略可以设置资源的服务类型，例如，在线服务或者离线任务；可以设置分时复用策略，例如，每天0点-6点执行离线任务。
在一些实施例中，可以确定所述资源组合的内存预估值；根据所述服务类型和所述分时复用策略，确定所述资源池提供的资源是否满足所述资源需求；响应于所述资源池提供的资源不满足所述资源需求，根据所述内存预估值，对所述资源组合的内存进行缩容，以得到缩容资源；将所述缩容资源作为所述目标资源配置给所述资源需求。
例如，数据库为在线服务，数据库的内存预估值为10GB，视频数据转换与格式转换为离线任务，每天0点-2点执行，预估使用的CPU为5 GB。此时编排系统优先查看CPU资源池是否满足离线任务CPU预估量，如满足离线任务将从资源池中申请，如资源池不满足，则根据资源的优先级，将低优先级的离线任务停止，如依旧不满足将低优先级的在线服务资源进行降级，如将数据库的10 GB内存缩容至5 GB，富裕出的5 GB内存交给离线任务使用。
在一些实施例中，资源调整分配策略可以包括第四分配策略。第四分配策略可以实现资源分配的自动优化。
在一些实施例中，可以确定属性信息中的前因变量（Independent Variable）、后果变量（Dependent Variable）和调节变量（Moderator Variable）。
前因变量：也称为自变量，是研究者操作或操控的变量。前因变量的变化被认为是导致后果变量变化的原因。在资源配置中，前因变量可能是资源的分配方式、分配量等。
后果变量：也称为因变量，是研究者感兴趣的主要测量结果。后果变量的变化被认为是由前因变量引起的。在资源配置中，后果变量可能是系统性能、任务完成时间等。
调节变量：调节变量是影响前因变量和后果变量之间关系的变量。它可以调节或修饰前因变量对后果变量的影响。在资源配置中，调节变量可能是系统负载、任务复杂性等，它们可以影响资源分配对系统性能的影响。
在一些实施例中，可以确定资源分配对特定结果的影响，并考虑到其他可能影响这种关系的因素。统计分析中，通常会使用回归分析等方法来探讨前因变量、后果变量和调节变量之间的关系，以自动优化资源分配。
在一些实施例中，可以根据属性信息定义前因变量、后果变量和调节变量。
前因变量：系统性能的影响因素，例如，任务负载、用户请求量、网络流量等。
后果变量：可度量的系统性能指标，例如，延迟、吞吐量、资源利用率等。
调节变量：可以通过调整来影响系统性能的变量，例如，分配给任务的计算资源、网络带宽等。
收集实时数据：在一些实施例中，可以实时监控前因变量和后果变量，收集有关系统状态和性能的实时属性信息。这可以通过监控工具、传感器或其他数据采集手段实现。
建立模型：在一些实施例中，使用收集到的数据建立模型，以了解前因变量与后果变量之间的关系。这可能需要采用统计学方法、机器学习算法或其他建模技术。
设定目标函数：在一些实施例中，可以根据系统的优化目标，设定一个目标函数，该函数将后果变量与调节变量联系起来。这个目标函数可以是最小化延迟、最大化吞吐量等。
自动优化算法：在一些实施例中，可以使用自动优化算法，例如优化器、遗传算法、模拟退火等，来搜索调节变量的最优解，以最大化或最小化目标函数。
实时调整：在一些实施例中，在系统运行时，可以根据实时收集的数据和模型的反馈，自动调整调节变量，以适应动态变化的前因变量和系统要求。
灵活性和弹性：在一些实施例中，可以保持资源编排系统的灵活性和弹性，确保在不同的工作负载和环境条件下能够自适应地优化资源分配。
评估和监控：在一些实施例中，可以定期评估优化结果，监控系统性能，以确保自动优化策略在不同场景下仍然有效。
图2示出了根据本申请实施例的示例性资源配置方法200的流程示意图。方法200可以由系统100执行。如图2所示，方法200可以包括如下步骤。
在步骤202，获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、服务类型、分时复用策略、资源的优先级、释放策略、策略生效时间段和释放阈值。
在步骤204，根据所述属性信息，构建所述资源的资源池。
在一些实施例中，所述根据所述属性信息，构建所述资源的资源池进一步包括：
将所述属性信息对应的属性值相加，以构建所述资源池，其中，所述资源池包括CPU资源池、内存资源池、存储资源池和网络资源池。
在步骤206，基于所述资源池，对所述资源进行配置，以得到资源组合。
在步骤208，响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。
在一些实施例中，所述响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源进一步包括：
响应于接收到资源需求，根据资源调整分配策略，为所述资源需求配置所述目标资源。
在一些实施例中，所述资源调整分配策略包括第一分配策略，所述根据资源调整分配策略，为所述资源需求配置所述目标资源进一步包括：
确定所述资源需求对应的任务的优先级；
获取所述资源的实时属性信息；
响应于所述任务的优先级为第一优先级，根据所述第一分配策略和所述实时属性信息，为所述资源需求配置所述目标资源；或者
确定所述资源需求对应的任务的优先级；
响应于所述任务的优先级为第一优先级，根据所述第一分配策略，中断其它第二优先级的任务的运行，以将用于执行所述其它第二优先级的任务的资源作为所述目标资源配置给所述资源需求；或者
确定所述资源需求对应的任务的优先级；
响应于所述任务的优先级为第一优先级，根据所述第一分配策略，调整用于执行其它第二优先级的任务的资源的属性，以为所述资源需求配置所述目标资源；
其中，所述第一优先级高于所述第二优先级。
在一些实施例中，所述资源调整分配策略包括第二分配策略，所述第二分配策略包括所述释放策略、所述策略生效时间段和所述释放阈值，所述根据资源调整分配策略，为所述资源需求配置所述资源组合中相应的所述目标资源进一步包括：
根据所述释放策略，确定所述资源的降级幅度；
根据所述实时属性信息，确定所述实时属性信息对应的属性值是否达到所述释放阈值；
响应于所述实时属性信息对应的属性值达到所述释放阈值，根据所述降级幅度和所述策略生效时间段对所述资源组合中的资源进行释放，以得到释放资源；
将所述释放资源作为所述目标资源配置给所述资源需求。
在一些实施例中，所述资源调整分配策略包括第三分配策略，所述第三分配策略包括所述服务类型和所述分时复用策略，所述根据资源调整分配策略，为所述资源需求配置所述资源组合中相应的所述目标资源进一步包括：
确定所述资源组合的内存预估值；
根据所述服务类型和所述分时复用策略，确定所述资源池提供的资源是否满足所述资源需求；
响应于所述资源池提供的资源不满足所述资源需求，根据所述内存预估值，对所述资源组合的内存进行缩容，以得到缩容资源；
将所述缩容资源作为所述目标资源配置给所述资源需求。
在一些实施例中，所述资源调整分配策略包括第四分配策略，所述根据资源调整分配策略，为所述资源需求配置所述资源组合中相应的所述目标资源进一步包括：
根据所述第四分配策略，确定所述属性信息中的前因变量、后果变量和调节变量；
获取所述前因变量和所述后果变量的实时属性信息；
根据所述实时属性信息，调整所述调节变量，以为所述资源需求配置所述目标资源。
本申请提供的一种资源配置方法、装置、电子设备和存储介质。该方法包括：获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、服务类型、分时复用策略、资源的优先级、释放策略、策略生效时间段和释放阈值；根据所述属性信息，构建所述资源的资源池；基于所述资源池，对所述资源进行配置，以得到资源组合；响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。通过上述方法来合理调度和分配资源，从而提高了用户端资源分配的效率。
需要说明的是，本申请实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是，上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
基于同一技术构思，与上述任意实施例方法相对应的，本申请还提供了一种资源配置装置。
参考图3，所述资源配置装置，可以包括：
获取模块301，被配置为获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、服务类型、分时复用策略、资源的优先级、释放策略、策略生效时间段和释放阈值。
构建模块302，被配置为根据所述属性信息，构建所述资源的资源池。
构建模块302，还被配置为将所述属性信息对应的属性值相加，以构建所述资源池，其中，所述资源池包括CPU资源池、内存资源池、存储资源池和网络资源池。
配置模块303，被配置为基于所述资源池，对所述资源进行配置，以得到资源组合。
编排模块304，被配置为响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。
编排模块304，还被配置为响应于接收到资源需求，根据资源调整分配策略，为所述资源需求配置所述目标资源。。
编排模块304，还被配置为确定所述资源需求对应的任务的优先级；
获取所述资源的实时属性信息；
响应于所述任务的优先级为第一优先级，根据所述第一分配策略和所述实时属性信息，为所述资源需求配置所述目标资源；或者
确定所述资源需求对应的任务的优先级；
响应于所述任务的优先级为第一优先级，根据所述第一分配策略，中断其它第二优先级的任务的运行，以将用于执行所述其它第二优先级的任务的资源作为所述目标资源配置给所述资源需求；或者
确定所述资源需求对应的任务的优先级；
响应于所述任务的优先级为第一优先级，根据所述第一分配策略，调整用于执行其它第二优先级的任务的资源的属性，以为所述资源需求配置所述目标资源；
其中，所述第一优先级高于所述第二优先级。
编排模块304，还被配置为根据所述释放策略，确定所述资源的降级幅度；
根据所述实时属性信息，确定所述实时属性信息对应的属性值是否达到所述释放阈值；
响应于所述实时属性信息对应的属性值达到所述释放阈值，根据所述降级幅度和所述策略生效时间段对所述资源组合中的资源进行释放，以得到释放资源；
将所述释放资源作为所述目标资源配置给所述资源需求。
编排模块304，还被配置为确定所述资源组合的内存预估值；
根据所述服务类型和所述分时复用策略，确定所述资源池提供的资源是否满足所述资源需求；
响应于所述资源池提供的资源不满足所述资源需求，根据所述内存预估值，对所述资源组合的内存进行缩容，以得到缩容资源；
将所述缩容资源作为所述目标资源配置给所述资源需求。
编排模块304，还被配置为根据所述第四分配策略，确定所述属性信息中的前因变量、后果变量和调节变量；
获取所述前因变量和所述后果变量的实时属性信息；
根据所述实时属性信息，调整所述调节变量，以为所述资源需求配置所述目标资源。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的方法200，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一技术构思，与上述任意实施例方法相对应的，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一实施例所述的方法200。
图4示出了根据本申请实施例的示例性电子设备的示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU（Central Processing Unit，中央处理器）、微处理器、应用专用集成电路（Application Specific Integrated Circuit，ASIC）、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM（Read Only Memory，只读存储器）、RAM（Random AccessMemory，随机存取存储器）、静态存储设备、动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中（图中未示出），也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块（图中未示出），以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信。
总线1050包括一通路，在设备的各个组件（例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040）之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的方法200，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一技术构思，与上述任意实施例方法相对应的，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的方法200。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的方法200，并且具有相应的方法实施例的有益效果，在此不再赘述。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本申请的范围（包括权利要求）被限于这些例子；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本申请实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路（IC）芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本申请实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的（即，这些细节应当完全处于本领域技术人员的理解范围内）。在阐述了具体细节（例如，电路）以描述本申请的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构（例如，动态RAM（DRAM））可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本申请实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种资源配置方法，包括：
获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、服务类型、分时复用策略、资源的优先级、释放策略、策略生效时间段和释放阈值；
根据所述属性信息，构建所述资源的资源池；
基于所述资源池，对所述资源进行配置，以得到资源组合；
响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。
2.如权利要求1所述的方法，其中，所述响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源进一步包括：
响应于接收到资源需求，根据资源调整分配策略，为所述资源需求配置所述目标资源。
3.如权利要求2所述的方法，其中，所述资源调整分配策略包括第一分配策略，所述根据资源调整分配策略，为所述资源需求配置所述目标资源进一步包括：
确定所述资源需求对应的任务的优先级；
获取所述资源的实时属性信息；
响应于所述任务的优先级为第一优先级，根据所述第一分配策略和所述实时属性信息，为所述资源需求配置所述目标资源；或者
确定所述资源需求对应的任务的优先级；
响应于所述任务的优先级为第一优先级，根据所述第一分配策略，中断其它第二优先级的任务的运行，以将用于执行所述其它第二优先级的任务的资源作为所述目标资源配置给所述资源需求；或者
确定所述资源需求对应的任务的优先级；
响应于所述任务的优先级为第一优先级，根据所述第一分配策略，调整用于执行其它第二优先级的任务的资源的属性，以为所述资源需求配置所述目标资源；
其中，所述第一优先级高于所述第二优先级。
4.如权利要求3所述的方法，其中，所述资源调整分配策略包括第二分配策略，所述第二分配策略包括所述释放策略、所述策略生效时间段和所述释放阈值，所述根据资源调整分配策略，为所述资源需求配置所述资源组合中相应的所述目标资源进一步包括：
根据所述释放策略，确定所述资源的降级幅度；
根据所述实时属性信息，确定所述实时属性信息对应的属性值是否达到所述释放阈值；
响应于所述实时属性信息对应的属性值达到所述释放阈值，根据所述降级幅度和所述策略生效时间段对所述资源组合中的资源进行释放，以得到释放资源；
将所述释放资源作为所述目标资源配置给所述资源需求。
5.如权利要求2所述的方法，其中，所述资源调整分配策略包括第三分配策略，所述第三分配策略包括所述服务类型和所述分时复用策略，所述根据资源调整分配策略，为所述资源需求配置所述资源组合中相应的所述目标资源进一步包括：
确定所述资源组合的内存预估值；
根据所述服务类型和所述分时复用策略，确定所述资源池提供的资源是否满足所述资源需求；
响应于所述资源池提供的资源不满足所述资源需求，根据所述内存预估值，对所述资源组合的内存进行缩容，以得到缩容资源；
将所述缩容资源作为所述目标资源配置给所述资源需求。
6.如权利要求2所述的方法，其中，所述资源调整分配策略包括第四分配策略，所述根据资源调整分配策略，为所述资源需求配置所述资源组合中相应的所述目标资源进一步包括：
根据所述第四分配策略，确定所述属性信息中的前因变量、后果变量和调节变量；
获取所述前因变量和所述后果变量的实时属性信息；
根据所述实时属性信息，调整所述调节变量，以为所述资源需求配置所述目标资源。
7.如权利要求1所述的方法，其中，所述根据所述属性信息，构建所述资源的资源池进一步包括：
将所述属性信息对应的属性值相加，以构建所述资源池，其中，所述资源池包括CPU资源池、内存资源池、存储资源池和网络资源池。
8.一种资源配置装置，包括：
获取模块，被配置为获取资源的属性信息，所述属性信息包括服务模型、资源类型、资源形态、资源使用量预估、服务类型、分时复用策略、资源的优先级、释放策略、策略生效时间段和释放阈值；
构建模块，被配置为根据所述属性信息，构建所述资源的资源池；
配置模块，被配置为基于所述资源池，对所述资源进行配置，以得到资源组合；
编排模块，被配置为响应于接收到资源需求，为所述资源需求配置所述资源组合中相应的目标资源。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其中，所述计算机指令用于使计算机执行如权利要求1至7任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410364886.1A CN117971499B (zh) | 2024-03-28 | 2024-03-28 | 资源配置方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410364886.1A CN117971499B (zh) | 2024-03-28 | 2024-03-28 | 资源配置方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117971499A true CN117971499A (zh) | 2024-05-03 |
| CN117971499B CN117971499B (zh) | 2024-06-25 |
Family
ID=90853751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410364886.1A Active CN117971499B (zh) | 2024-03-28 | 2024-03-28 | 资源配置方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117971499B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118277106A (zh) * | 2024-06-03 | 2024-07-02 | 北京中电普华信息技术有限公司 | 多种类集群的自动弹性伸缩系统、方法及相关设备 |
| CN118377434A (zh) * | 2024-06-21 | 2024-07-23 | 杭州海康威视系统技术有限公司 | 数据处理方法、装置、设备及存储介质 |
| CN118689662A (zh) * | 2024-08-29 | 2024-09-24 | 浙江大华技术股份有限公司 | 基于分布式的资源调整方法、设备以及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080028409A1 (en) * | 2006-07-25 | 2008-01-31 | Ludmila Cherkasova | System and method for determining allocation of resource access demands to different classes of service based at least in part on permitted degraded performance |
| CN101894050A (zh) * | 2010-07-28 | 2010-11-24 | 山东中创软件工程股份有限公司 | 云资源池的jee应用资源弹性调度方法、装置及系统 |
| CN112636990A (zh) * | 2020-12-31 | 2021-04-09 | 中国电子科技集团公司第十四研究所 | 一种资源管理系统 |
| CN116881003A (zh) * | 2023-07-06 | 2023-10-13 | 中国联合网络通信集团有限公司 | 资源分配方法、装置、服务设备及存储介质 |
-
2024
- 2024-03-28 CN CN202410364886.1A patent/CN117971499B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080028409A1 (en) * | 2006-07-25 | 2008-01-31 | Ludmila Cherkasova | System and method for determining allocation of resource access demands to different classes of service based at least in part on permitted degraded performance |
| CN101894050A (zh) * | 2010-07-28 | 2010-11-24 | 山东中创软件工程股份有限公司 | 云资源池的jee应用资源弹性调度方法、装置及系统 |
| CN112636990A (zh) * | 2020-12-31 | 2021-04-09 | 中国电子科技集团公司第十四研究所 | 一种资源管理系统 |
| CN116881003A (zh) * | 2023-07-06 | 2023-10-13 | 中国联合网络通信集团有限公司 | 资源分配方法、装置、服务设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118277106A (zh) * | 2024-06-03 | 2024-07-02 | 北京中电普华信息技术有限公司 | 多种类集群的自动弹性伸缩系统、方法及相关设备 |
| CN118377434A (zh) * | 2024-06-21 | 2024-07-23 | 杭州海康威视系统技术有限公司 | 数据处理方法、装置、设备及存储介质 |
| CN118689662A (zh) * | 2024-08-29 | 2024-09-24 | 浙江大华技术股份有限公司 | 基于分布式的资源调整方法、设备以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117971499B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117971499B (zh) | 资源配置方法、装置、电子设备和存储介质 | |
| US10289973B2 (en) | System and method for analytics-driven SLA management and insight generation in clouds | |
| Vakilinia et al. | Modeling of the resource allocation in cloud computing centers | |
| Chen et al. | MapReduce scheduling for deadline-constrained jobs in heterogeneous cloud computing systems | |
| CN108182105B (zh) | 基于Docker容器技术的局部动态迁移方法及控制系统 | |
| CN108681484B (zh) | 一种任务的分配方法、装置及设备 | |
| Boutaba et al. | On cloud computational models and the heterogeneity challenge | |
| Song et al. | A two-stage approach for task and resource management in multimedia cloud environment | |
| WO2017010922A1 (en) | Allocation of cloud computing resources | |
| CN110221920B (zh) | 部署方法、装置、存储介质及系统 | |
| CN110532086B (zh) | 资源复用方法、设备、系统及存储介质 | |
| WO2015183313A1 (en) | Resource usage data collection within a distributed processing framework | |
| Ashraf et al. | A session-based adaptive admission control approach for virtualized application servers | |
| Taherizadeh et al. | Auto-scaling applications in edge computing: Taxonomy and challenges | |
| CN110018781B (zh) | 磁盘流控方法、装置以及电子设备 | |
| Kozyrakis | Resource efficient computing for warehouse-scale datacenters | |
| US20240264875A1 (en) | Method, apparatus, system, device, medium and program product for resource scheduling | |
| Wu et al. | Dynamically adjusting scale of a kubernetes cluster under qos guarantee | |
| Sfakianakis et al. | Skynet: Performance-driven resource management for dynamic workloads | |
| Yadav et al. | Maintaining container sustainability through machine learning | |
| Ludwig et al. | Optimizing multi‐tier application performance with interference and affinity‐aware placement algorithms | |
| W. Cassales et al. | Improving the performance of Apache Hadoop on pervasive environments through context-aware scheduling | |
| Sontakke et al. | Optimization of hadoop mapreduce model in cloud computing environment | |
| Hossain et al. | Efficient resource management for cloud-enabled video surveillance over next generation network | |
| Hassan et al. | Efficient resource scheduling for big data processing in cloud platform |
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 |