KR102529038B1 - 리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체 - Google Patents

리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체 Download PDF

Info

Publication number
KR102529038B1
KR102529038B1 KR1020227028156A KR20227028156A KR102529038B1 KR 102529038 B1 KR102529038 B1 KR 102529038B1 KR 1020227028156 A KR1020227028156 A KR 1020227028156A KR 20227028156 A KR20227028156 A KR 20227028156A KR 102529038 B1 KR102529038 B1 KR 102529038B1
Authority
KR
South Korea
Prior art keywords
metadata
resource
resource management
aggregated
data
Prior art date
Application number
KR1020227028156A
Other languages
English (en)
Other versions
KR20220118560A (ko
Inventor
춘펑 첸
Original Assignee
엔비전 디지털 인터내셔널 피티이 리미티드
상하이 엔비전 디지털 컴퍼니 리미티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 엔비전 디지털 인터내셔널 피티이 리미티드, 상하이 엔비전 디지털 컴퍼니 리미티드 filed Critical 엔비전 디지털 인터내셔널 피티이 리미티드
Publication of KR20220118560A publication Critical patent/KR20220118560A/ko
Application granted granted Critical
Publication of KR102529038B1 publication Critical patent/KR102529038B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24568—Data stream processing; Continuous queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2365—Ensuring data consistency and integrity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • G06F16/244—Grouping and aggregation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 개시내용은 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체를 개시하며, 컴퓨터 및 사물인터넷 기술 분야에 속한다. 방법은 리소스의 메타데이터를 획득하는 단계; 집계 전략에 따라 집계된 메타데이터를 획득하기 위해 메타데이터를 집계하는 단계; 및 집계된 메타데이터를 기반으로 시계열 데이터베이스의 리소스를 관리 및 제어하는 단계를 포함한다. 본 개시내용의 실시예에서 제공하는 기술적 해결방안에서, 집계된 메타데이터는 다중 데이터 세트일 수 있으며, 각각은 메타데이터의 유형일 수 있으므로 대용량 메타데이터가 다중 세트로 집계될 수 있고, 메타데이터의 분류된 저장을 실현함으로써 분석 및 처리에 필요한 메타데이터의 빠른 검색을 용이하게 한다. 또한, 본 개시내용의 실시예에서는 리소스 관리 및 제어 방법이 시계열 데이터베이스에 적용된다. 시계열 데이터베이스 자체는 저장 효율성이 높고 강력한 휴대성의 특성을 가지고 있기 때문에 리소스 관리 및 제어의 효율성이 향상되고 리소스는 서로 다른 요구에 맞게 다르게 관리된다.

Description

리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체
본 발명의 실시예는 컴퓨터 및 사물 인터넷 기술 분야에 관한 것으로, 특히 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체에 관한 것이다.
하이브리드 클라우드의 급속한 발전으로 기업이 하이브리드 클라우드를 사용하는 시나리오가 점점 더 많아지고 있다. 대용량 데이터는 기업에 의해 실시간으로 하이브리드 클라우드에서 관리하고, 하이브리드 클라우드가 기업에 의해 널리 사용됨에 따라 하이브리드 클라우드의 리소스 관리에도 문제가 발생한다.
관련 기술에 있어서 기존의 리소스 관리는 관계형 데이터베이스가 주로 사용되는 하이브리드 클라우드의 리소스 관리에 적용되고, 관계형 데이터베이스는 기업에서 업로드한 완전한 콘텐츠와 특정 형식으로 데이터를 저장한다. 관계형 데이터베이스를 개발하기 위한 기존 리소스 관리의 목적은 영구적이고 안정적인 데이터를 처리하는 것이다.
기존의 리소스 관리에 있어서 관계형 데이터베이스는 데이터의 완전성과 일관성 유지를 강조하므로 기업의 개별 요구에 따라 데이터를 다르게 처리하기 어렵다.
본 발명의 실시예는 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체를 제공하며, 관련 기술에서 관계형 데이터베이스가 데이터의 완전성과 일관성 유지를 강조하는 기술적 문제를 해결하기 위해 사용될 수 있으므로, 기업의 개별 요구 사항에 따라 데이터를 다르게 처리하기 어렵다. 기술적 해결방안은 다음과 같다.
일 양태에서, 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법은 본 개시내용의 일 실시예에 의해 제공되고, 상기 방법은 다음을 포함한다:
리소스의 메타데이터를 획득하는 단계로서, 상기 메타데이터는 상기 리소스의 획득 메트릭(metric)을 참조하고;
집계 전략에 따라 집계된 메타데이터를 획득하기 위해 상기 메타데이터를 집계하는 단계로서, 상기 집계 전략은 상기 메타데이터의 데이터 메트릭을 기반으로 상기 메타데이터를 집계하도록 구성되고; 및
상기 집계된 메타데이터를 기반으로 상기 시계열 데이터베이스의 상기 리소스를 관리 및 제어하는 단계를 포함한다.
다른 양태에서, 시계열 데이터베이스를 기반으로 리소스를 관리 및 제어하기 위한 장치는 본 개시내용의 일 실시예에 의해 제공되고, 상기 장치는 다음을 포함한다:
상기 리소스의 메타데이터를 획득하도록 구성되는 데이터 획득 모듈로서, 상기 메타데이터는 상기 리소스의 획득 메트릭을 참조하고;
집계 전략에 따라 집계된 메타데이터를 획득하기 위해 상기 메타데이터를 집계하도록 구성되는 집계 모듈로서, 상기 집계 전략은 상기 메타데이터의 데이터 메트릭을 기반으로 상기 메타데이터를 집계하도록 구성되고; 및
상기 집계된 메타데이터를 기반으로 상기 시계열 데이터베이스의 리소스를 관리 및 제어하도록 구성되는 리소스 관리 및 제어 모듈을 포함한다.
또 다른 양태에서, 컴퓨터 장치가 본 개시내용의 일 실시예에 의해 제공되고, 여기서 상기 컴퓨터 장치는 프로세서 및 메모리를 포함하고, 상기 메모리는 상기 프로세서에 의해 로드 및 실행될 때, 상기 프로세서가 시계열 데이터베이스를 기반으로 리소스를 관리하고 제어하는 방법을 구현하도록 한다.
또 다른 양태에서, 비일시적 컴퓨터 판독가능 저장매체는 본 개시내용의 일 실시예에 의해 제공되고, 상기 비일시적 컴퓨터 판독가능 저장매체는 컴퓨터 프로그램을 저장하고, 여기서 상기 컴퓨터 프로그램은 프로세서에 의해 실행될 때 상기 프로세서가 시계열 데이터베이스를 기반으로 상기 리소스를 관리 및 제어하는 방법을 구현한다.
또 다른 양태에서, 컴퓨터 프로그램 제품은 본 개시내용의 일 실시예에 의해 제공되고, 여기서 상기 컴퓨터 프로그램 제품은 프로세서에 의해 실행될 때 상기 프로세서가 상기 시계열 데이터베이스를 기반으로 상기 리소스를 관리 및 제어하는 방법을 구현하도록 구성된다.
본 발명의 실시예에서 제공하는 기술적 해결방안은 시계열 데이터베이스를 기반으로 리소스의 메타데이터를 획득함에 의해 리소스를 관리 및 제어하는 방법을 제공하고, 집계 전략에 따라 상기 집계된 메타데이터를 획득하기 위해 상기 메타데이터를 집계하며, 상기 집계된 메타데이터를 기반으로 상기 시계열 데이터베이스의 상기 리소스를 추가로 관리 및 제어한다. 또한, 본 개시내용의 실시예에서, 상기 집계된 메타데이터는 다중 데이터 세트일 수 있고, 각각은 메타데이터의 유형일 수 있으므로, 본 개시내용의 실시예에서 상기 메타데이터를 집계함으로써 대용량 메타데이터가 상기 다중 세트로 집계될 수 있고, 상기 메타데이터의 분류된 저장을 실현함으로써 분석 및 처리에 필요한 메타데이터의 빠른 검색을 용이하게 한다. 또한, 본 개시내용의 실시예에서 상기 시계열 데이터베이스에 상기 리소스를 관리 및 제어하는 방법이 적용된다. 상기 시계열 데이터베이스 자체는 저장 효율성이 높고 이동성이 강한 특성을 가지고 있기 때문에 리소스 관리 및 제어의 효율성이 향상되고 상기 리소스도 서로 다른 요구에 맞게 다르게 관리될 수 있다.
본 개시내용의 실시예에서의 기술적 해결방안을 보다 명확하게 설명하기 위하여, 이하에서는 실시예를 설명하는데 필요한 첨부 도면을 간략히 소개한다. 명백하게, 다음 설명에서 첨부된 도면은 단지 본 개시내용의 일부 실시예이고, 당업자는 창조적인 노력 없이 이들 첨부된 도면으로부터 다른 도면을 도출할 수도 있다.
도 1은 본 개시내용의 일 실시예에 따른 구현 환경의 개략도이다;
도 2는 본 개시내용의 일 실시예에 따른 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법의 흐름도이다;
도 3은 본 개시내용의 다른 실시예에 따른 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법의 흐름도이다;
도 4는 본 개시내용의 일 실시예에 따른 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 장치의 블록도이다;
도 5는 본 개시내용의 다른 실시예에 따른 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 장치의 블록도이다; 및
도 6은 본 개시내용의 일 실시예에 따른 컴퓨터 장치의 구조적 블록도이다.
본 개시내용의 목적, 기술적 해결방안 및 이점에 대한 보다 명확한 설명을 위하여, 첨부된 도면과 함께 본 개시내용의 이행을 상세히 설명하면 다음과 같다.
본 개시내용의 일 실시예와 관련된 구현 환경의 개략도를 도시하는 도 1을 참조한다. 구현 환경은 획득을 위한 컴퓨터 디바이스(10) 및 처리를 위한 컴퓨터 디바이스(20)를 포함할 수 있다.
컴퓨터 디바이스는 계산 능력을 갖는 서버, 휴대폰, 태블릿과 같은 단말기, 멀티미디어 재생 디바이스, 웨어러블 디바이스 또는 다른 컴퓨터 디바이스 등과 같이 데이터 획득 및 데이터 처리 기능을 갖는 디바이스를 말한다. 선택적으로, 컴퓨터 디바이스가 서버인 경우, 컴퓨터 디바이스는 서버, 다중 서버로 구성된 서버 클러스터, 또는 클라우드 계산 서비스 센터일 수 있다.
획득용 컴퓨터 디바이스(10)는 데이터 획득 기능을 갖고, 메타데이터를 획득하기 위해 미리 설정된 획득 메트릭을 기반으로 리소스를 획득할 수 있다. 선택적으로, 획득을 위한 컴퓨터 디바이스(10)는 자신의 소프트웨어 및 하드웨어뿐만 아니라 외부 하드웨어 디바이스에 대한 메타데이터를 획득할 수 있으며, 이는 본 개시내용의 실시예에서 제한되지 않는다. 예를 들어, 획득용 컴퓨터 디바이스(10)는 중앙 프로세서의 성능에 대한 메타데이터를 획득할 수 있고, 네트워크 디바이스, 방화벽, 라우터 등과 같은 다양한 하드웨어 디바이스의 성능에 대한 메타데이터도 획득할 수 있다. 선택적으로, 획득용 다중 컴퓨터 디바이스(10)는 상이한 지역, 상이한 위치 및 상이한 디바이스에 대한 시계열 데이터를 획득하기 위해 사용될 수 있다. 선택적으로, 획득 단말은 획득용 컴퓨터 디바이스(10)에 장착되고, 획득 단말은 메타데이터를 획득하도록 구성된다. 본 개시내용의 실시예에서 획득 단말은 퍼블릭 클라우드에서 메타데이터를 획득할 수 있을 뿐만 아니라 프라이빗 클라우드에서도 메타데이터를 획득할 수 있다. 즉, 획득 단말은 하이브리드 클라우드에서 메타데이터를 획득할 수 있다. 본 개시내용의 실시예에서, 획득용 컴퓨터 디바이스(10)는 획득된 메타데이터를 서버(30)에 보낼 수 있고, 서버(30)는 처리를 위해 메타데이터를 컴퓨터 디바이스(20)에 보낼 수 있고; 획득용 컴퓨터 디바이스(10)는 또한 프로세싱을 위해 메타데이터를 컴퓨터 디바이스(20)에 직접 보낼 수 있다. 도 1은 일 예로서 메타데이터를 먼저 서버(30)에 전송하는 획득용 컴퓨터 디바이스(10)를 취함으로써만 도시된다.
처리용 컴퓨터 디바이스(20)는 데이터 처리 기능을 갖고, 메타데이터에 대한 다양한 처리를 수행하여 리소스를 관리 및 제어할 수 있다. 선택적으로, 처리용 컴퓨터 디바이스(20)는 메타데이터에 대해 형식 변환, 정보 확장, 데이터 집계 등과 같은 처리를 수행할 수 있으며, 이는 본 개시내용의 실시예에서 제한되지 않는다. 선택적으로, 처리용 컴퓨터 디바이스(20)에서 실행되는 시계열 데이터베이스가 있고, 시계열 데이터베이스는 획득한 메타데이터를 저장 및 분석할 수 있습니다. 시계열 데이터베이스는 시계열 데이터를 저장하는 데이터베이스, 즉 시계열 데이터를 저장하는 데이터베이스이다. 시계열 데이터베이스 자체는 높은 저장 효율성과 강력한 휴대성을 가지고 있다. 실시간으로 많은 양의 데이터를 쓸 수 있고 데이터 집계 전략과 같은 다양한 전략을 사용하여 데이터를 처리하여 기업의 개별 요구를 충족시킬 수 있다.
본 개시내용의 실시예에서, 획득용 컴퓨터 디바이스(10)와 처리용 컴퓨터 디바이스(20)는 네트워크를 통해 서로 통신할 수 있다. 네트워크는 유선 네트워크 또는 무선 네트워크일 수 있다. 예시적으로, 획득용 컴퓨터 디바이스(10)는 네트워크를 통해 처리용 컴퓨터 디바이스(20)에 획득된 메타데이터를 보낼 수 있고, 처리용 컴퓨터 디바이스(20)는 리소스의 관리 및 제어를 완료하기 위해 메타데이터를 분석 및 처리할 수 있다.
도 2는 본 개시내용의 일 실시예에 따른 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법의 흐름도이다. 방법은 구현 환경의 전술한 실시예에서 설명된 처리용 컴퓨터 디바이스와 같은 컴퓨터 디바이스에 적용될 수 있다. 방법은 다음 단계(210 내지 230)를 포함할 수 있다.
단계(210)에서 리소스의 메타데이터가 획득된다.
리소스의 메타데이터는 리소스의 획득 메트릭을 의미한다. 예를 들어, 리소스가 컴퓨터의 CPU 메모리인 경우 리소스의 메타데이터, 즉 리소스의 획득 메트릭은 CPU 4.0(메모리는 4.0G)일 수 있다; 리소스가 컴퓨터 메모리의 사용률인 경우 메타데이터는 cpu.busy 0.55일 수 있다(메모리 사용률은 0.55임); 리소스가 컴퓨터 메모리의 유휴 속도(idle rate)인 경우 메타데이터는 memory.free.percent 0.71일 수 있다(메모리의 유휴 속도는 0.71임); 리소스가 컴퓨터 자기 디스크의 유휴 속도인 경우 메타데이터는 df.bytes.free.percent 0.34 일 수 있다(자기 디스크의 유휴 속도는 0.34임); 그리고 리소스가 컴퓨터의 캐시 사용량인 경우 메타데이터는 redis.memory.used 10.2일 수 있다(캐시 사용량은 10.2G).
선택적으로, 획득 단말은 획득용 컴퓨터 디바이스에 장착되고, 획득 단말은 메타데이터를 획득하고 처리용 컴퓨터 디바이스에 메타데이터를 보낼 수 있으며, 메타데이터는 처리를 위해 컴퓨터 디바이스에서 실행되는 시계열 데이터베이스에 의해 저장된다. 획득 단말은 데이터 획득을 위한 다양한 디바이스를 지원하는 클라이언트 단말이다. 획득 단말은 시계열 데이터베이스 생태계에서 기존의 모니터링 프로그램을 2차 개발하여 획득할 수도 있고, 개발자가 직접 작성 및 설계하여 획득할 수도 있으며, 이는 본 개시내용의 실시예에 제한되지 않는다. 실제 응용에서는 시계열 데이터베이스 생태에서 모니터링 프로그램의 2차 개발에서 얻은 획득 단말을 사용하여 다른 유형 또는 다른 디바이스의 메타데이터에 빠르게 액세스할 수 있다. 시계열 데이터베이스 생태계에는 다양한 응용 시나리오에 대한 다양한 모니터링 프로그램이 있으며, 개발자는 자신의 응용 시나리오와 일치하는 모니터링 프로그램을 찾은 다음 모니터링 프로그램을 약간 수정할 수 있고, 즉, 2차 개발을 수행하여 자체 응용 시나리오에 적용하고 자체 응용 시나리오에서 획득 단말이 된다.
본 개시내용의 실시예에서, 획득용 컴퓨터 디바이스의 획득 단말은 메타데이터를 획득한 후 처리용 컴퓨터 디바이스에 주도적으로 메타데이터를 보낼 수 있거나, 처리용 컴퓨터 디바이스가 획득 요청을 할 때 처리용 컴퓨터 디바이스에 메타데이터를 보낼 수 있다. 선택적으로, 획득용 컴퓨터 디바이스는 미리 설정된 시간마다 처리하기 위해 메타데이터를 컴퓨터 디바이스에 보낼 수 있거나, 메타데이터가 획득되는 즉시 처리를 위해 컴퓨터 디바이스에 메타데이터를 보낼 수 있고; 처리용 컴퓨터 디바이스는 미리 정해진 시간마다 획득용 컴퓨터 디바이스로부터 메타데이터를 획득할 수 있거나, 메타데이터가 획득용 컴퓨터 디바이스에 의해 획득되는 즉시 획득용 컴퓨터 디바이스로부터 메타데이터를 획득할 수 있으며, 이는 본 개시내용의 실시예에 제한되지 않는다.
단계(220)에서, 메타데이터는 집계 전략에 따라 집계된 메타데이터를 획득하기 위해 집계된다.
집계 전략은 메타데이터의 데이터 메트릭을 기반으로 메타데이터를 집계하도록 구성된다. 선택적으로, 처리용 컴퓨터 디바이스에서 실행되는 시계열 데이터베이스는 집계된 메타데이터를 획득하기 위해 특정 집계 전략에 따라 메타데이터를 집계할 수 있고, 집계된 메타데이터를 시계열 데이터베이스에 추가로 저장할 수 있다. 선택적으로, 시계열 데이터베이스 생태계에는 다양한 집계 기능이 있으며, 집계 전략은 시계열 데이터베이스의 집계 기능 및 실제 응용 시나리오에 대한 요구 사항과 결합하여 개발자가 공식화(formulate)할 수 있다.
본 개시내용의 실시예에서, 처리용 컴퓨터 디바이스는 메타데이터를 집계한 후에 집계된 메타데이터를 획득한다. 집계된 메타데이터는 각각 메타데이터 유형일 수 있는 다중 데이터 세트일 수 있습니다. 대용량 메타데이터는 메타데이터를 집계하여 다중 세트로 집계할 수 있으므로, 메타데이터의 분류된 저장을 실현하고 분석 및 처리에 필요한 메타데이터의 빠른 검색을 용이하게 한다.
단계(230)에서, 리소스는 집계된 메타데이터를 기반으로 시계열 데이터베이스에서 관리 및 제어된다.
처리용 컴퓨터 디바이스는 집계된 메타데이터를 획득한 후에 리소스를 관리 및 제어할 수 있다. 예를 들어 집계된 메타데이터는 리소스 분석 및 처리를 위한 리소스 보고서를 생성하는 데 사용된다. 선택적으로, 컴퓨터 디바이스의 처리 오버헤드가 고려되지 않거나 보다 정확하고 포괄적인 분석 결과를 얻기 위해 처리용 컴퓨터 디바이스는 처리 전 메타데이터를 기반으로 리소스를 관리 및 제어할 수도 있고, 본 개시내용의 실시예들에 제한되지 않는다.
가능한 구현에서, 전술한 단계(210) 이후에, 방법은 메타데이터가 미리 설정된 형식인지 여부를 결정하는 단계를 더 포함하고; 메타데이터가 미리 설정된 형식이 아닌 경우, 미리 설정된 형식의 메타데이터를 획득하기 위해 메타데이터에 대해 형식 변환이 수행되고, 미리 설정된 형식의 메타데이터는 집계된 메타데이터를 획득하기 위해 집계되도록 구성된다.
본 개시내용의 실시예에서, 메타데이터는 처리용 컴퓨터 디바이스에서 실행되는 시계열 데이터베이스에 저장되고, 메타데이터도 시계열 데이터베이스에 의해 집계되기 때문에, 메타데이터의 형식은 특정 요구사항을 충족해야 하는데, 즉, 메타데이터는 시계열 데이터베이스에서 쉽게 읽고 분석할 수 있도록 미리 설정된 형식이어야 한다. 미리 설정된 형식은 시계열 데이터베이스에서 읽고 분석할 수 있는 데이터 형식이다. 예를 들어, 미리 설정된 형식은 키-값 형식일 수 있다. 전술한 획득 단말이 시계열 데이터베이스 생태학의 모니터링 프로그램을 기반으로 2차 개발에서 얻은 경우, 획득 단말이 획득한 메타데이터는 미리 설정된 형식이며 메타데이터에 대한 형식 변환을 수행할 필요가 없다; 전술한 획득 단말이 개발자가 직접 작성 및 설계하여 얻은 경우 시계열 데이터베이스에서 그 형식을 읽거나 분석하지 못할 수 있다. 이때 메타데이터를 미리 설정된 형식의 메타데이터로 변환하기 위해 메타데이터에 대한 형식 변환을 수행해야 한다.
다른 가능한 구현에서, 전술한 단계(210) 후에, 방법은 확장 전략을 획득하는 단계; 확장된 메타데이터를 획득하기 위해 확장 전략에 따라 메타데이터에 대한 정보 확장을 수행하는 단계를 더 포함하고, 여기서 확장된 메타데이터는 집계된 메타데이터를 획득하기 위해 집계되도록 구성된다.
메타데이터를 획득한 후, 처리용 컴퓨터 디바이스는 확장 전략에 따라 메타데이터에 대한 정보 확장을 수행할 수 있고, 그 다음 확장된 메타데이터는 집계를 위해 사용될 수 있다. 이러한 방식으로 메타데이터에 대해 비즈니스 정보 확장을 수행하여 리소스의 심층 분석 및 처리를 용이하게 할 수 있다. 본 개시내용의 실시예에서, 확장 전략은 메타데이터의 데이터 태그에 대한 정보 확장을 수행하도록 구성되고, 데이터 태그는 메타데이터의 속성 정보를 나타내도록 구성된다. 선택적으로, 처리용 컴퓨터 디바이스가 획득한 메타데이터는 메트릭, 값, 타임스탬프 및 [<tag1:v1>, <tag2:v2>, …형식입니다. 메타데이터에 대한 정보 확장은 확장 메타데이터의 태그를 확장하는 것이다.
예를 들어, 처리용 컴퓨터 디바이스에 의해 초기에 획득된 메타데이터는 다음과 같다:
Cpu,4.0,1575970265,[<ip:127.0.0.1>, <idc:beijing>]; 및
Cpu,8.0,1575970355,[<ip:127.1.0.0>, <idc:shenzhen>].
전술한 메타데이터를 획득한 후, 처리용 컴퓨터 디바이스는 실제 응용 시나리오에 대한 요구사항에 따라 전술한 메타데이터에 대한 정보 확장을 수행하고 메타데이터의 데이터 태그를 추가한다. 예를 들어, 처리용 컴퓨터 디바이스는 메타데이터에 해당하는 리소스의 사용 환경 및 브랜드 유형을 추가한다. 선택적으로, 처리용 컴퓨터 디바이스가 메타데이터에 대한 정보 확장을 수행한 후 획득된 확장 메타데이터는 다음과 같다.
Cpu,4.0,1575970265,[<ip:127.0.0.1>, <idc:beijing>, <env:prod>, <tra:lenovo>]; 및
Cpu,8.0,1575970355,[<ip:127.1.0.0>, <idc:shenzhen>, <env:beta>, <tra:dell>].
요약하면, 본 개시내용의 실시예에서 제공하는 기술적 해결방안은 리소스의 메타데이터를 획득함에 의해 시계열 데이터베이스를 기반으로 리소스를 관리 및 제어하는 방법을 제공하고, 집계 전략에 따라 집계된 메타데이터를 획득하기 위해 메타데이터를 집계하며, 집계된 메타데이터를 기반으로 시계열 데이터베이스의 리소스를 추가로 관리 및 제어한다. 또한, 본 개시내용의 실시예에서, 집계된 메타데이터는 다중 데이터 세트일 수 있고, 각각은 메타데이터의 유형일 수 있으므로, 본 개시내용의 실시예에서 메타데이터를 집계함으로써 대용량 메타데이터가 다중 세트로 집계될 수 있으며, 메타데이터의 분류된 저장을 실현하고 분석 및 처리에 필요한 메타데이터의 빠른 검색을 용이하게 한다. 또한, 본 개시내용의 실시예에서 리소스를 관리 및 제어하는 방법은 시계열 데이터베이스에 적용된다. 시계열 데이터베이스 자체는 저장 효율성이 높고 강력한 휴대성을 가지고 있기 때문에 리소스 관리 및 제어의 효율성이 향상되고 리소스도 서로 다른 요구에 맞게 다르게 관리될 수 있다.
또한, 본 개시내용의 실시예에서 제공하는 기술적 해결방안에서, 형식 변환은 메타데이터가 미리 설정된 형식이 아닌 경우 미리 설정된 형식의 메타데이터를 획득하기 위해 메타데이터에 대해 수행되고; 그 다음 미리 설정된 형식의 메타데이터는 시계열 데이터베이스에 의한 메타데이터의 읽기 및 분석을 용이하게 하기 위해 집계되는 데 사용된다.
또한, 본 개시내용의 실시예에 의해 제공되는 기술적 해결방안에서, 정보 확장은 확장된 메타데이터를 획득하기 위해 특정 확장 전략에 따라 메타데이터에 대해 수행되고; 그 다음 확장된 메타데이터는 집계에 사용됨으로써 비즈니스 정보 확장은 리소스의 심층 분석 및 처리를 용이하게 하기 위해 메타데이터에 대하여 수행될 수 있다.
가능한 구현에서, 전술한 단계(230)는 리소스 관리 및 제어 모델을 호출하고, 집계된 메타데이터를 기반으로 리소스에 대응하는 리소스 보고서를 출력하는 단계를 포함한다.
리소스 관리 및 제어 모델은 메타데이터와 리소스 보고서 사이에 대응하는 관계를 설정하도록 구성된다. 본 개시내용의 실시예에서, 리소스 관리 및 제어 모델은 재사용이 가능하고, 즉, 리소스 관리 및 제어 모델이 설정된 후 다음 시간에 리소스 보고서를 출력해야 할 때 더 이상 리소스 관리 및 제어 모델을 재설정할 필요가 없다. 설정된 리소스 관리 및 제어 모델만 사용하면 된다. 예를 들어, 리소스 관리 및 제어 모델을 사용하여 매월 리소스 보고서를 출력해야 하는 경우 첫 달에 리소스 관리 및 제어 모델을 설정하기만 하면 된다. 이후 매월 리소스 관리 및 제어 모델에서 입력된 메타데이터를 대체하여 해당 월의 리소스 보고서를 자동으로 출력할 수 있다. 본 개시내용의 실시예는 리소스 관리 및 제어 모델의 특정 형태를 제한하지 않는다. 선택적으로, 리소스 관리 및 제어 모델은 리소스 관리 기능, 기계 학습 모델, 딥 러닝 모델, 신경망 모델 등을 포함한다.
예시적으로, 리소스 관리 및 제어 모델의 형태가 리소스 관리 기능인 경우, 리소스 관리 기능의 종속 변수는 리소스 보고서를 포함하고, 리소스 관리 기능의 독립 변수는 다음 중 적어도 하나를 포함한다: 데이터 소스 속성, 메트릭 유형, 관리 차원 및 보고서 기간.
데이터 소스 속성은 리소스 관리 및 제어 모델의 호출자, 즉 리소스 관리 및 제어 모델을 사용하여 리소스 보고서를 출력하는 사용자를 의미한다. 예를 들어 회사에 각각 사업부, 연구개발(R&D) 부서, 운영 부서의 3개 부서가 있고 회사에 리소스 관리 및 제어 모델, 즉 리소스 관리 기능이 있는 경우 리소스 관리 기능의 데이터 소스 속성, 즉 리소스 관리 및 제어 모델의 호출자는 비즈니스 부서, R&D 부서 및 운영 부서이다; 메트릭 유형은 메타데이터의 유형, 즉 df.bytes.free.percent, cpu.busy, memory.free.percent, redis.memory.used와 같은 메타데이터의 메트릭을 나타낸다; 관리 차원(manage_tag)은 메타데이터의 데이터 태그, 즉 idc, env, tra 등과 같은 메타데이터의 태그를 나타낸다; 그리고 보고서 기간(간격)은 리소스 관리 및 제어 모델을 호출하는 기간, 즉 리소스 관리 및 제어 모델을 사용하여 리소스 보고서를 출력하는 기간을 나타내고, 예를 들어, 리소스 관리 및 제어 모델이 한 달에 한 번 리소스 보고서를 출력하기 위해 사용되는 경우 보고서 기간은 한 달이다.
예시적으로, 리소스 관리 기능의 구체적인 형태는 다음과 같을 수 있다:
Func(소스, [metric1, metric2, …간격, [<tag1:v1>, <tag2:v2>, ……
예시적으로, 전술한 리소스 관리 기능이 사용되는 경우, 출력 리소스 보고서는 다음과 같을 수 있다:
소스 메트릭 간격 값 tag1 tag2 tagn
비즈니스 부서 cpu.busy 2 months value1 idc env ……
R&D 부서 cpu 1 month value2 tra env ……
운영 부서 df.bytes.free.percent 3 months value3 idc tra ……
요약하면, 본 개시내용의 실시예에서 제공하는 기술적 해결방안은 리소스 관리 및 제어 모델을 호출하고 집계된 메타데이터를 기반으로 리소스에 대응하는 리소스 보고서를 출력함으로써, 시계열 데이터베이스를 기반으로 리소스를 관리 및 제어하는 구체적인 방법을 제공한다. 리소스 관리 및 제어 모델은 재사용이 가능하므로 리소스 관리 및 제어의 효율성이 향상된다. 또한, 본 개시내용의 실시예에서 제공하는 기술적 해결방안에서, 리소스 관리 및 제어 모델은 리소스 관리 기능을 포함하고, 리소스 관리 및 제어 모델의 구체적인 구현 방법이 제공된다.
가능한 구현에서, 전술한 집계 전략은 계산 집계 전략을 포함하고, 전술한 단계(220)는 계산 집계 전략에 따라 메타데이터의 기대값을 계산하는 단계; 및 집계된 메타데이터를 획득하기 위해 메타데이터의 데이터 메트릭으로서 예상 값을 취하는 단계를 포함한다.
기대값은 메타데이터의 데이터 메트릭을 계산 집계 전략에 따라 처리하여 획득된 값이다. 계산 집계 전략은 동일한 메트릭으로 메타데이터 값을 집계하는 것을 나타낸다. 선택적으로, 계산 집계 전략은 논리적 집계, 통계적 집계 및 하이브리드 집계를 포함한다. 논리적 집계는 메타데이터의 데이터 메트릭을 처리하고 메타데이터의 데이터 메트릭의 최대값 또는 최소값 등을 취하는 것을 포함하고; 통계적 집계는 메타데이터 데이터의 데이터 메트릭을 처리하고 메타데이터의 데이터 메트릭의 평균값 또는 합계 등을 취하는 것을 포함하고; 하이브리드 집계는 계산 집계와 통계 집계의 하이브리드를 포함한다.
예를 들어, 컴퓨터의 메모리 사용량은 10초마다 획득될 수 있지만, 이제는 획득된 데이터를 집계하여 분당 메모리 사용량을 획득할 필요가 있다. 처리용 컴퓨터 디바이스에 의해 초기에 획득된 메타데이터의 데이터 메트릭이 30%, 50%, 60%, 20%, 45% 및 55%라고 가정하면 메타데이터의 데이터 메트릭은 계산적으로 집계되고, 즉, 컴퓨터의 분당 메모리 사용률이 집계된다. 집계는 60%를 얻기 위해 최대값의 집계와 같은 논리적 집계; 또는 43%인 평균값의 집계와 같은 통계적 집계; 또는 하이브리드 집계일 수 있다. 선택적으로, 다양한 비즈니스 요구 사항에 따라 실제 응용에서 다양한 계산 집계 전략이 선택된다.
다른 가능한 구현에서, 전술한 집계 전략은 차원 집계 전략을 포함하고; 전술한 단계(220)는 차원 집계 전략에 따라 m 유형의 메타데이터를 획득하기 위해 메타데이터를 분류하는 단계(m은 양의 정수임); m 유형의 메타데이터 중 nth 유형의 메타데이터에 대해, nth 유형의 메타데이터의 데이터 메트릭을 집계하는 단계(n은 양의 정수임); 및 집계된 메타데이터를 획득하기 위해 집계된 데이터 메트릭을 nth 유형의 메타데이터의 데이터 메트릭으로 취하는 단계를 포함한다.
차원 집계 전략은 메타데이터의 데이터 태그를 기반으로 동일한 유형의 메타데이터의 데이터 메트릭에 대한 집계를 나타낸다. 처리용 컴퓨터 디바이스는 먼저 데이터 태그를 기반으로 메타데이터를 분류한 다음 차원 집계 전략에 따라 각 유형의 메타데이터의 데이터 메트릭을 집계한다.
예를 들어, 정보 확장이 컴퓨터 메모리의 사용률을 획득한 메타데이터에 수행될 때, 브랜드의 데이터 태그가 추가될 수 있다. 컴퓨터 메모리의 사용률이 차원 집계 전략에 따라 처리용 컴퓨터 디바이스에 의해 집계될 때 동일한 브랜드의 메타데이터는 브랜드의 데이터 태그를 기반으로 먼저 함께 집계될 수 있다. 예를 들어 레노보(Lenovo)의 메타데이터는 함께 집계되고 델(Dell)의 메타데이터는 함께 집계된다. 그 다음 각 브랜드의 메타데이터에 대한 데이터 메트릭이 집계된다. 예를 들어, 레노보의 메타데이터의 경우 모든 메타데이터의 메모리 사용률이 집계되고 델의 메타데이터의 경우 모든 메타데이터의 메모리 사용률이 집계된다.
또 다른 가능한 구현에서, 집계 전략은 하이브리드 집계 전략을 더 포함하고, 하이브리드 집계 전략은 계산 집계 전략과 차원 집계 전략의 하이브리드이다.
요약하면, 본 개시내용의 실시예에서 제공하는 기술적 해결방안에서 집계 전략은 계산 집계 전략, 차원 집계 전략 및 하이브리드 집계 전략을 포함한다. 메타데이터는 집계된 메타데이터를 얻기 위해 계산, 차원 또는 하이브리드 집계 전략에 의해 집계되고 집계의 특정 구현 방법이 제공된다.
도 3은 본 개시내용의 일 실시예에 따른 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법의 흐름도이다. 방법은 컴퓨터 디바이스에 적용될 수 있다. 방법은 다음 단계(310 내지 370)를 포함할 수 있다.
단계(310)에서, 획득용 컴퓨터 디바이스의 획득 단말에 의해 메타데이터를 획득하기 위해 리소스의 데이터를 획득하고; 획득 단말은 획득용 컴퓨터 디바이스에 장착되고, 획득 단말은 메타데이터를 획득하고 처리용 컴퓨터 디바이스에 메타데이터를 보낼 수 있으며, 메타데이터는 처리용 컴퓨터 디바이스에서 실행되는 시계열 데이터베이스에 의해 저장된다;
단계(320)에서, 메타데이터가 처리용 컴퓨터 디바이스에 의해 미리 설정된 형식인지 여부를 결정하고; 그렇다면, 다음 단계(340)를 수행하고; 아니라면 다음 단계(330)를 수행하고; 메타데이터가 처리용 컴퓨터 디바이스에서 실행되는 시계열 데이터베이스에 저장되고 메타데이터도 시계열 데이터베이스에 의해 집계된다는 사실 때문에 메타데이터의 형식은 특정 요구사항을 충족시켜야 하며, 즉, 메타데이터는 시계열 데이터베이스에서 쉽게 읽고 분석할 수 있도록 미리 설정된 형식이어야 한다;
단계(330)에서, 메타데이터의 형식 변환은 처리용 컴퓨터 디바이스에 의해 수행되고; 위에서 설명한 획득 단말이 개발자가 직접 작성하고 설계하여 얻은 경우 시계열 데이터베이스에서 형식을 읽거나 분석하지 못할 수 있다. 이때 메타데이터에 대한 형식 변환을 수행하여 메타데이터를 미리 설정된 형식의 메타데이터로 변환해야 할 필요가 있다;
단계(340)에서, 메타데이터의 정보 확장은 처리용 컴퓨터 디바이스에 의해 수행되고; 본 개시내용의 실시예에서, 처리용 컴퓨터 디바이스는 확장 전략에 따라 메타데이터의 데이터 태그에 대한 정보 확장을 수행하고, 여기서 데이터 태그는 메타데이터의 속성 정보를 나타내도록 구성되어, 메타데이터의 데이터 태그를 확장하여 리소스를 심층 분석하고 처리가 용이하게 한다;
단계(350)에서, 메타데이터는 처리용 컴퓨터 디바이스에 의해 집계되고; 메타데이터는 특정 집계 전략에 따라 집계된 메타데이터를 획득하기 위한 처리용 컴퓨터 디바이스에서 실행되는 시계열 데이터베이스에 의해 집계되고 집계된 메타데이터는 시계열 데이터베이스에 추가로 저장된다;
단계(360)에서, 처리용 컴퓨터 디바이스에 의해 리소스 관리 및 제어 모델이 설정되고; 리소스 관리 및 제어 모델이 처음으로 리소스 보고서를 출력하는 데 사용되는 경우 처리용 컴퓨터 장치는 리소스 관리 및 제어 모델을 설정할 필요가 있고 리소스 관리 및 제어 모델은 재사용 가능하며, 즉, 다음에 리소스 보고서를 출력할 때 직접 사용될 수 있고 리소스 관리 및 제어의 효율성을 향상시킨다; 그리고
단계(370)에서, 리소스 관리 및 제어 모델은 처리용 컴퓨터 디바이스에 의해 호출되고, 리소스의 리소스 보고서는 집계된 메타데이터를 기반으로 출력된다.
다음은 본 개시내용의 방법 실시예를 구현하는 데 사용될 수 있는 본 개시내용의 장치 실시예이다. 본 개시내용의 장치 실시예에서 개시되지 않은 세부사항은 본 개시내용의 방법 실시예를 참조한다.
도 4는 본 개시내용의 일 실시예에 따른 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 장치의 블록도를 도시한다. 장치(400)는 전술한 방법 실시예를 구현하는 기능을 가지며, 그 기능은 하드웨어로 구현되거나, 해당 소프트웨어를 하드웨어로 실행하여 구현될 수 있다. 장치(400)는 위에서 소개된 컴퓨터 디바이스일 수 있다. 장치(400)는 데이터 획득 모듈(410), 집계 모듈(420), 리소스 관리 및 제어 모듈(430)을 포함할 수 있다.
데이터 획득 모듈(410)은 리소스의 메타데이터를 획득하도록 구성되고, 메타데이터는 리소스의 획득 메트릭을 참조한다.
집계 모듈(420)은 집계 전략에 따라 집계된 메타데이터를 획득하기 위해 메타데이터를 집계하도록 구성되고, 집계 전략은 메타데이터의 데이터 메트릭을 기반으로 메타데이터를 집계하도록 구성된다.
리소스 관리 및 제어 모듈(430)은 집계된 메타데이터를 기반으로 시계열 데이터베이스의 리소스를 관리 및 제어하도록 구성된다.
선택적으로, 리소스 관리 및 제어 모듈(430)은 리소스 관리 및 제어 모델을 호출하고, 집계된 메타데이터를 기반으로 리소스에 대응하는 리소스 보고서를 출력하도록 구성되며, 리소스 관리 및 제어 모델은 메타데이터와 리소스 보고서 간의 해당 관계 설정하도록 구성된다.
선택적으로, 리소스 관리 및 제어 모델은 리소스 관리 기능을 포함하고; 리소스 관리 기능의 종속 변수는 리소스 보고서를 포함하고, 리소스 관리 기능의 독립 변수는 데이터 소스 속성, 메트릭 유형, 관리 차원 및 보고 기간 중 적어도 하나를 포함하며, 여기서 데이터 소스 속성은 리소스 관리 및 제어 모델의 호출자, 메트릭 유형은 메타데이터의 유형, 관리 차원은 메타데이터의 데이터 태그, 보고 기간은 리소스 관리 및 제어 모델을 호출하는 기간을 나타낸다.
선택적으로, 도 5에 도시된 바와 같이, 장치(400)는 메타데이터가 미리 설정된 형식인지 여부를 결정하도록 구성된 형식 결정 모듈(440); 및 메타데이터가 미리 설정된 형식이 아닌 경우 미리 설정된 형식의 메타데이터를 획득하기 위해 메타데이터에 대한 형식 변환을 수행하도록 구성된 형식 변환 모듈(450)을 포함하고, 미리 설정된 형식의 메타데이터는 집계된 메타데이터를 획득하기 위해 집계되도록 구성된다.
선택적으로, 도 5에 도시된 바와 같이, 장치(400)는 메타데이터의 데이터 태그에 대한 정보 확장을 수행하도록 구성된 확장 전략을 획득하도록 구성되고, 데이터 태그 메타데이터의 속성 정보를 나타내도록 구성되는 전략 획득 모듈(460); 및 확장된 메타데이터를 획득하기 위해 확장 전략에 따라 메타데이터에 대한 정보 확장을 수행하도록 구성되고, 확장된 메타데이터는 집계된 메타데이터를 획득하기 위해 집계되도록 구성되는 정보 확장 모듈(470)을 포함한다.
선택적으로, 집계 전략은 계산 집계 전략을 포함한다. 집계 모듈(420)은 계산 집계 전략에 따라 메타데이터의 예상 값을 계산하고, 여기서 기대 값은 계산 집계 전략에 따라 메타데이터의 데이터 메트릭을 처리함으로써 획득된 값이고; 집계된 메타데이터를 획득하기 위해 메타데이터의 데이터 메트릭으로서 예상 값을 취한다.
선택적으로, 집계 전략은 차원 집계 전략을 포함한다; 집계 모듈(420)은 차원 집계 전략에 따라 메타데이터를 분류하여 m 유형의 메타데이터를 획득하도록 구성되고(m은 양의 정수); m 유형의 메타데이터에서 nth 유형의 메타데이터는 nth 유형의 메타데이터의 데이터 메트릭을 집계하고(n은 양의 정수임); 집계된 데이터 메트릭은 집계된 메타데이터를 획득하기 위해 nth 유형의 메타데이터의 데이터 메트릭으로서 취한다.
요약하면, 본 개시내용의 실시예에서 제공하는 기술적 해결방안 리소스의 메타데이터를 획득함에 의해 시계열 데이터베이스를 기반으로 리소스를 관리 및 제어하는 방법을 제공하고, 집계 전략에 따라 집계된 메타데이터를 획득하기 위해 메타데이터를 집계하며, 집계된 메타데이터를 기반으로 리소스를 추가로 관리 및 제어한다. 또한, 본 개시내용의 실시예에서, 집계된 메타데이터는 다중 데이터 세트일 수 있고, 각각은 메타데이터의 유형일 수 있으므로, 본 개시내용의 실시예에서 메타데이터를 집계함으로써 대용량 메타데이터가 다중 세트로 집계될 수 있고, 메타데이터의 분류된 저장을 실현하고 분석 및 처리에 필요한 메타데이터의 빠른 검색을 용이하게 한다. 또한, 본 개시내용의 실시예에서는 시계열 데이터베이스에 리소스를 관리 및 제어하는 방법이 적용된다. 시계열 데이터베이스 자체는 저장 효율성이 높고 강력한 휴대성을 가지고 있기 때문에 리소스 관리 및 제어의 효율성이 향상되고 리소스도 서로 다른 요구에 맞게 다르게 관리될 수 있다.
또한, 본 개시내용의 실시예에서 제공하는 기술적 해결방안에서, 형식 변환은 메타데이터가 미리 설정된 형식이 아닌 경우 미리 설정된 형식의 메타데이터를 획득하기 위해 메타데이터에 대해 수행되고; 그 다음 미리 설정된 형식의 메타데이터는 시계열 데이터베이스에 의한 메타데이터의 읽기 및 분석을 용이하게 하기 위해 집계되는 데 사용된다.
또한, 본 개시내용의 실시예에 의해 제공되는 기술적 해결방안에서, 정보 확장은 확장 메타데이터를 획득하기 위해 특정 확장 전략에 따라 메타데이터에 대해 수행되고; 그 다음 확장된 메타데이터는 집계에 사용되어 메타데이터에 대해 비즈니스 정보 확장을 수행하여 리소스에 대한 심층 분석 및 처리를 용이하게 할 수 있다.
본 개시내용의 실시예들에 의해 제공되는 장치는 장치의 기능들이 구현될 때, 전술한 기능 모듈들의 분할을 예로 들어 도시되었을 뿐이라는 점에 유의해야 한다. 실제 응용에서 상술한 기능은 필요에 따라 서로 다른 기능 모듈에 할당되어 완성될 수 있고, 즉, 장치의 내부 구조는 상술한 기능의 전부 또는 일부를 완성하기 위해 서로 다른 기능 모듈로 분할된다. 또한, 상술한 실시예에서 제공하는 장치 및 방법 실시예는 동일한 개념에 속하며, 구체적인 구현 과정은 방법 실시예에서 상세히 설명하므로 여기서는 중복 설명을 생략한다.
도 6은 본 개시내용의 일 실시예에 따른 컴퓨터 디바이스의 구조적 블록도를 도시한다. 컴퓨터 디바이스는 전술한 실시예에 따른 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법을 구현하도록 구성될 수 있다. 예를 들어, 컴퓨터 디바이스는 도 1에 구체적으로 도시된 구현 환경에서 처리하기 위한 컴퓨터 디바이스일 수 있다.
컴퓨터 디바이스(600)는 처리 장치(예: 중앙 처리 장치(CPU), 그래픽 처리 장치(GPU), 필드 프로그램 가능 게이트 어레이(FPGA) 등)(601), 랜덤 액세스 메모리(RAM)(602) 및 읽기 전용 메모리(ROM)(603), 및 시스템 메모리(604)와 중앙 처리 장치(601)을 연결하는 시스템 버스(605)를 포함하는 시스템 메모리(604)를 포함한다. 컴퓨터 디바이스(600)는 서버 내의 다양한 구성요소들 간의 정보 전송을 돕는 입출력 시스템(I/O 시스템, 기본 입출력 시스템)(606), 및 운영 시스템(613), 애플리케이션(614) 및 기타 프로그램 모듈(615)을 저장하기 위한 대용량 저장 디바이스(607)를 더 포함한다.
I/O 시스템(606)은 정보를 표시하기 위한 디스플레이(608) 및 사용자에 의해 정보를 입력하기 위한 마우스, 키보드 등과 같은 입력 디바이스(609)를 포함한다. 디스플레이(608) 및 입력 디바이스(609)는 모두 시스템 버스(605)에 연결된 입출력 컨트롤러(610)에 의해 중앙 처리 장치(601)에 연결된다. I/O 시스템(606)은 키보드, 마우스 또는 전자 스타일러스와 같은 복수의 다른 디바이스로부터의 입력을 수신 및 처리하기 위한 입출력 컨트롤러(610)를 더 포함할 수 있다. 유사하게, 입출력 제어기(610)는 디스플레이 스크린, 프린터 또는 다른 유형의 출력 디바이스에 출력을 더 제공한다.
대용량 저장 디바이스(607)는 시스템 버스(605)에 연결된 대용량 저장 컨트롤러(미도시)에 의해 중앙 처리 장치(601)에 연결된다. 대용량 저장 디바이스(607) 및 그것의 관련 컴퓨터 판독 가능 매체는 컴퓨터 디바이스(600)에 대한 비휘발성 저장 장치를 제공한다. 다시 말해서, 대용량 저장 디바이스(607)는 하드 디스크 또는 드라이브와 같은 컴퓨터 판독 가능 매체(미도시), 또는 컴팩트 디스크 읽기 전용 메모리(CD-ROM)를 포함할 수 있다.
보편성(generality)의 손실 없이, 컴퓨터 판독 가능 매체는 컴퓨터 저장매체 및 통신 매체를 포함할 수 있다. 컴퓨터 저장매체는 휘발성 및 비휘발성 매체, 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈, 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현되는 이동식 및 비이동식 매체를 포함한다. 컴퓨터 저장매체는 RAM, ROM, 소거 가능 프로그램 가능 읽기 전용 메모리(EPROM), 전기적 소거 가능 프로그램 가능 읽기 전용 메모리(EEPROM), 플래시 메모리 또는 기타 솔리드 스테이트 저장 기술, CD-ROM, 디지털 비디오 디스크(DVD) 또는 기타 광학 저장 장치, 테이프 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치를 포함한다. 물론, 컴퓨터 저장매체가 상술한 유형에 제한되지 않음은 당업자라면 잘 알 것이다. 전술한 시스템 메모리(604)와 대용량 저장 디바이스(607)는 통칭하여 메모리라고 할 수 있다.
본 개시내용의 실시예에 따르면, 컴퓨터 디바이스(600)는 또한 인터넷과 같은 네트워크를 통해 네트워크 상의 원격 컴퓨터에 연결되어 동작될 수 있다. 즉, 컴퓨터 디바이스(600)는 시스템 버스(605)에 연결된 네트워크 인터페이스 유닛(611)에 의해 네트워크(612)에 연결될 수 있거나, 즉, 컴퓨터 디바이스(600)는 또한 네트워크 인터페이스 유닛(611)을 사용하여 다른 유형의 네트워크 또는 원격 컴퓨터 시스템(미도시)에 연결될 수 있다.
메모리는 메모리에 저장되고, 하나 또는 그 이상의 프로세서에 의해 실행되고 하나 또는 그 이상의 프로세서가 시계열 데이터베이스를 기반으로 리소스를 관리 및 제어하는 방법을 구현하도록 구성된 컴퓨터 프로그램을 더 포함한다.
본 개시내용의 실시예에서, 비일시적 컴퓨터 판독가능 저장매체가 추가로 제공되고, 비일시적 컴퓨터 판독가능 저장매체는 그 위에 컴퓨터 프로그램을 저장하며, 컴퓨터 프로그램은 프로세서에 의해 실행될 때, 프로세서가 시계열 데이터베이스를 기반으로 리소스를 관리하고 제어하는 방법을 구현한다.
본 개시내용의 예시적인 일 실시예에서, 컴퓨터 프로그램 제품이 더 제공되며, 컴퓨터 프로그램 제품은 프로세서에 의해 실행될 때 프로세서가 시계열 데이터베이스를 기반으로 리소스를 관리 및 제어하기 위한 방법을 구현하도록 구성된다.
본 명세서에 언급된 "다수"는 둘 또는 그 이상을 지칭하는 것으로 이해되어야 한다. "및/또는"은 연관된 객체의 연관 관계를 설명하며, 예를 들어 A 및/또는 B와 같은 세 가지 관계가 있을 수 있음을 나타낸다: A가 단독으로 존재함, A 및 B가 동시에 존재함, B가 단독으로 존재함. 문자 "/"는 일반적으로 문맥적 개체가 "또는" 관계에 있음을 나타낸다.
위의 설명은 본 개시내용의 예시적인 실시예일 뿐이며, 본 개시내용을 제한하는 데 사용되지 않는다. 본 개시내용의 사상과 원리 내에서 이루어진 어떠한 수정, 균등한 대체 또는 개선은 모두 본 개시내용의 보호 범위에 포함되어야 한다.

Claims (10)

  1. 시계열 데이터베이스를 기반으로 하는 리소스 관리 및 제어 방법으로서, 상기 방법은:
    리소스의 메타데이터를 획득하는 단계로서, 상기 메타데이터는 리소스의 획득 메트릭(metric)을 참조하고;
    상기 메타데이터의 데이터 태그에 대한 정보 확장을 수행하도록 구성되고, 상기 데이터 태그는 상기 메타데이터의 속성 정보를 나타내도록 구성되는 확장 전략을 획득하는 단계;
    상기 확장 전략에 따라 확장된 메타데이터를 획득하기 위해 상기 메타데이터에 대한 상기 정보 확장을 수행하는 단계;
    집계(aggregation) 전략에 따라 집계된 메타데이터를 획득하기 위해 상기 확장된 메타데이터를 집계하는 단계로서, 상기 집계 전략은 상기 메타데이터의 데이터 메트릭을 기반으로 상기 확장된 메타데이터를 집계하도록 구성되며; 및
    리소스 관리 및 제어 모델을 호출하고, 상기 집계된 메타데이터를 기반으로 상기 리소스에 해당하는 리소스 보고서를 출력하는 단계를 포함하며, 상기 리소스 관리 및 제어 모델은 상기 메타데이터와 상기 리소스 보고서 간의 해당 관계를 설정하도록 구성되고;
    상기 리소스 관리 및 제어 모델은 리소스 관리 기능을 포함하고, 상기 리소스 관리 기능의 종속 변수는 상기 리소스 보고서를 포함하고, 상기 리소스 관리 기능의 독립 변수는 데이터 소스 속성, 메트릭 유형, 관리 차원 및 보고 기간 중 적어도 하나를 포함하며, 상기 데이터 소스 속성은 상기 리소스 관리 및 제어 모델의 호출자(invoker)를 나타내고, 상기 메트릭 유형은 상기 메타데이터의 유형을 나타내고, 상기 관리 차원은 상기 메타데이터의 데이터 태그를 나타내고, 상기 보고 기간은 상기 리소스 관리 및 제어 모델을 호출하는 기간을 나타내는 방법.
  2. 제1항에 있어서, 상기 리소스의 상기 메타데이터를 획득한 후, 상기 방법은:
    상기 메타데이터가 미리 설정된 형식인지 여부를 결정하는 단계; 및
    상기 메타데이터가 상기 미리 설정된 형식이 아닌 경우 상기 미리 설정된 형식의 상기 메타데이터를 획득하기 위해 상기 메타데이터에 대한 형식 변환을 수행하는 단계를 더 포함하고,
    상기 미리 설정된 형식의 상기 메타데이터는 상기 집계된 메타데이터를 얻기 위해 집계되도록 구성되는 방법.
  3. 제1항에 있어서, 상기 집계 전략은 계산(computational) 집계 전략을 포함하고,
    상기 집계 전략에 따라 상기 집계된 메타데이터를 획득하기 위해 상기 확장된 메타데이터를 집계하는 단계는:
    상기 계산 집계 전략에 따라 상기 확장된 메타데이터의 예상 값을 계산하는 단계로서, 상기 예상 값은 상기 계산 집계 전략에 따라 상기 확장된 메타데이터의 상기 데이터 메트릭을 처리하여 얻은 값이고; 및
    상기 집계된 메타데이터를 획득하기 위해 상기 확장된 메타데이터의 상기 데이터 메트릭으로서 상기 예상 값을 취하는 단계를 포함하는 방법.
  4. 제1항에 있어서, 상기 집계 전략은 차원 집계 전략을 포함하고,
    상기 집계 전략에 따라 상기 집계된 메타데이터를 획득하기 위해 상기 확장된 메타데이터를 집계하는 단계는:
    상기 차원 집계 전략에 따라 m 유형의 메타데이터를 획득하기 위해 상기 확장된 메타데이터를 분류하는 단계(m은 양의 정수임);
    상기 m 유형의 메타데이터에서 nth 유형의 메타데이터에 대해 상기 nth 유형의 메타데이터의 데이터 메트릭을 집계하는 단계(n은 양의 정수임); 및
    상기 집계된 메타데이터를 획득하기 위해 상기 nth 유형의 메타데이터의 상기 데이터 메트릭으로서 상기 집계된 데이터를 취하는 단계를 포함하는 방법.
  5. 리소스 관리 및 제어 장치로서, 상기 장치는:
    상기 리소스의 메타데이터를 획득하도록 구성된 데이터 획득 모듈로서, 상기 메타데이터는 상기 리소스의 획득 메트릭을 참조하고, 상기 메타데이터의 데이터 태그에 대한 정보 확장을 수행하도록 구성되고, 상기 데이터 태그는 상기 메타데이터의 속성 정보를 나타내도록 구성되는 확장 전략을 획득하고, 상기 확장 전략에 따라 확장된 메타데이터를 획득하기 위해 상기 메타데이터에 대한 상기 정보 확장을 수행하고,
    집계 전략에 따라 집계된 메타데이터를 획득하기 위해 상기 확장된 메타데이터를 집계하도록 구성되는 집계 모듈로서, 상기 집계 전략은 상기 메타데이터의 데이터 메트릭을 기반으로 상기 확장된 메타데이터를 집계하도록 구성되고; 및
    리소스 관리 및 제어 모듈을 포함하고,
    리소스 관리 및 제어 모델을 호출하고 상기 집계된 메타데이터를 기반으로 상기 리소스에 해당하는 리소스 보고서를 출력하도록 구성되며, 상기 리소스 관리 및 제어 모델은 상기 메타데이터와 상기 리소스 보고서 간의 해당 관계를 설정하도록 구성되고;
    상기 리소스 관리 및 제어 모델은 리소스 관리 기능을 포함하고, 상기 리소스 관리 기능의 종속 변수는 상기 리소스 보고서를 포함하고, 상기 리소스 관리 기능의 독립 변수는 데이터 소스 속성, 메트릭 유형, 관리 차원 및 보고 기간 중 적어도 하나를 포함하며, 상기 데이터 소스 속성은 상기 리소스 관리 및 제어 모델의 호출자(invoker)를 나타내고, 상기 메트릭 유형은 상기 메타데이터의 유형을 나타내고, 상기 관리 차원은 상기 메타데이터의 데이터 태그를 나타내고, 상기 보고 기간은 상기 리소스 관리 및 제어 모델을 호출하는 기간을 나타내는 장치.
  6. 프로세서 및 메모리를 포함하는 컴퓨터 디바이스로서, 상기 메모리는 상기 프로세서에 의해 로드 및 실행될 때 상기 프로세서로 하여금 제1항 내지 제4항 중 어느 한 항에 따른 방법을 구현하게 하는 컴퓨터 프로그램을 내부에 저장하는 컴퓨터 디바이스.
  7. 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장매체로서, 상기 컴퓨터 프로그램은 프로세서에 의해 실행될 때 상기 프로세서로 하여금 제1항 내지 제4항 중 어느 한 항에 따른 방법을 구현하게 하는 저장매체.
  8. 삭제
  9. 삭제
  10. 삭제
KR1020227028156A 2020-01-20 2021-01-15 리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체 KR102529038B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202010066236.0A CN111274256B (zh) 2020-01-20 2020-01-20 基于时序数据库的资源管控方法、装置、设备及存储介质
CN202010066236.0 2020-01-20
PCT/SG2021/050027 WO2021150165A1 (en) 2020-01-20 2021-01-15 Method and apparatus for managing and controlling resource, device and storage medium

Publications (2)

Publication Number Publication Date
KR20220118560A KR20220118560A (ko) 2022-08-25
KR102529038B1 true KR102529038B1 (ko) 2023-05-08

Family

ID=70999017

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227028156A KR102529038B1 (ko) 2020-01-20 2021-01-15 리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체

Country Status (12)

Country Link
US (1) US11954133B2 (ko)
EP (1) EP4094161A4 (ko)
JP (1) JP7330393B2 (ko)
KR (1) KR102529038B1 (ko)
CN (1) CN111274256B (ko)
AU (1) AU2021210357A1 (ko)
BR (1) BR112022014315A2 (ko)
CA (1) CA3168857A1 (ko)
MX (1) MX2022008932A (ko)
MY (1) MY197185A (ko)
WO (1) WO2021150165A1 (ko)
ZA (1) ZA202209295B (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111858555B (zh) * 2020-07-15 2021-03-16 杭州数云信息技术有限公司 依托元数据进行数据管理的方法
CN111858589A (zh) * 2020-07-16 2020-10-30 北京金和网络股份有限公司 一种时序数据的采集传输方法和装置及系统
CN112307057A (zh) * 2020-10-27 2021-02-02 北京健康之家科技有限公司 数据的处理方法及装置、电子设备、计算机存储介质
CN112711614B (zh) * 2021-01-15 2024-05-17 腾讯科技（深圳）有限公司 业务数据管理方法、装置
CN113761021A (zh) * 2021-08-17 2021-12-07 杭州涂鸦信息技术有限公司 时序指标数据降精度处理方法、装置和计算机设备
CN117579480B (zh) * 2023-11-20 2024-07-12 上海直真君智科技有限公司 一种云际分布式资源数据模型拓展和标注方法和系统
CN118277208A (zh) * 2024-05-30 2024-07-02 苏州元脑智能科技有限公司 设备监控方法、装置、设备、存储介质及计算机程序产品

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107491458A (zh) * 2016-06-13 2017-12-19 阿里巴巴集团控股有限公司 一种存储时间序列数据的方法和装置以及系统
US20180131761A1 (en) * 2015-06-26 2018-05-10 Amazon Technologies, Inc. Datastore for aggregated measurements for metrics

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6684207B1 (en) * 2000-08-01 2004-01-27 Oracle International Corp. System and method for online analytical processing
US7487239B2 (en) 2004-03-25 2009-02-03 International Business Machines Corporation Composite resource models
JP7023113B2 (ja) * 2014-10-08 2022-02-21 スプランク インコーポレイテッド ソフトウェアの計測に基づいたリアルタイム報告
US20170163565A1 (en) 2015-12-04 2017-06-08 Bank Of America Corporation System for analysis of resource usage and availability
US10776374B2 (en) * 2015-12-28 2020-09-15 Salesforce.Com, Inc. Self-monitoring time series database system based on monitored rate of change
WO2018006023A1 (en) 2016-06-30 2018-01-04 Referentia Systems, Inc. Time series data query engine
CN106776967B (zh) 2016-12-05 2020-03-27 哈尔滨工业大学（威海） 基于时序聚合算法的海量小文件实时存储方法及装置
US10169486B2 (en) 2017-02-10 2019-01-01 Johnson Controls Technology Company Building management system with timeseries processing
WO2018207350A1 (ja) * 2017-05-12 2018-11-15 三菱電機株式会社 時系列データ処理装置、時系列データ処理システムおよび時系列データ処理方法
CN107391744B (zh) * 2017-08-10 2020-06-16 东软集团股份有限公司 数据存储、读取方法、装置及其设备
US11397726B2 (en) * 2017-11-15 2022-07-26 Sumo Logic, Inc. Data enrichment and augmentation
CN108664603B (zh) * 2018-05-09 2022-06-03 北京奇艺世纪科技有限公司 一种修复时序数据的异常聚合值的方法及装置
CN109164980B (zh) * 2018-08-03 2024-02-02 北京涛思数据科技有限公司 一种时序数据的聚合优化处理方法
US11226964B1 (en) * 2018-09-28 2022-01-18 Splunk Inc. Automated generation of metrics from log data
US10805180B2 (en) * 2018-10-24 2020-10-13 EMC IP Holding Company LLC Enterprise cloud usage and alerting system
CN109542895B (zh) * 2018-10-25 2019-12-06 北京开普云信息科技有限公司 一种基于元数据自定义扩展的资源管理方法及系统
CN110109923B (zh) * 2019-04-04 2021-07-06 北京市天元网络技术股份有限公司 时序数据的存储方法、分析方法及装置
CN110046183A (zh) * 2019-04-16 2019-07-23 北京易沃特科技有限公司 一种时序数据聚合检索方法、设备及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180131761A1 (en) * 2015-06-26 2018-05-10 Amazon Technologies, Inc. Datastore for aggregated measurements for metrics
CN107491458A (zh) * 2016-06-13 2017-12-19 阿里巴巴集团控股有限公司 一种存储时间序列数据的方法和装置以及系统

Also Published As

Publication number Publication date
KR20220118560A (ko) 2022-08-25
MX2022008932A (es) 2022-10-18
BR112022014315A2 (pt) 2022-12-20
AU2021210357A1 (en) 2022-08-18
JP2023501005A (ja) 2023-01-17
MY197185A (en) 2023-05-31
CN111274256A (zh) 2020-06-12
CA3168857A1 (en) 2021-07-29
ZA202209295B (en) 2023-03-29
EP4094161A1 (en) 2022-11-30
EP4094161A4 (en) 2023-03-08
US11954133B2 (en) 2024-04-09
WO2021150165A1 (en) 2021-07-29
CN111274256B (zh) 2023-09-12
JP7330393B2 (ja) 2023-08-21
US20230144100A1 (en) 2023-05-11

Similar Documents

Publication Publication Date Title
KR102529038B1 (ko) 리소스 관리 및 제어 방법 및 장치, 디바이스 및 저장매체
US10394693B2 (en) Quantization of data streams of instrumented software
WO2020244239A1 (zh) 一种基于业务标识的索引创建方法、装置及设备
US10909114B1 (en) Predicting partitions of a database table for processing a database query
Jeong et al. Anomaly teletraffic intrusion detection systems on hadoop-based platforms: A survey of some problems and solutions
US20200210410A1 (en) Service identifier-based data indexing
CN108363741B (zh) 大数据统一接口方法、装置、设备及存储介质
US20230024345A1 (en) Data processing method and apparatus, device, and readable storage medium
CN111061758B (zh) 数据存储方法、装置及存储介质
CN107943846B (zh) 数据处理方法、装置及电子设备
CN112685499A (zh) 一种工作业务流的流程数据同步方法、装置及设备
CN110297820B (zh) 一种数据处理方法、装置、设备和存储介质
US10552419B2 (en) Method and system for performing an operation using map reduce
CN115982133A (zh) 数据处理方法及装置
CN115048458A (zh) 基于区块链的数据处理方法、装置、设备、介质和程序产品
CN109902067B (zh) 文件处理方法、装置、存储介质及计算机设备
CN113590372A (zh) 基于日志的链路追踪方法、装置、计算机设备及存储介质
CN109582718B (zh) 数据处理方法、装置及存储介质
Sun The Current Situation and Future Development Trend of Computer and Chip Applications in the Era of Big Data
WO2020078395A1 (zh) 数据存储方法、装置及存储介质
CN114020731A (zh) 一种数据质量校验方法、装置、存储介质及电子设备
CN113239243A (zh) 基于多计算平台的图数据分析方法、装置和计算机设备
CN116680263A (zh) 数据清洗方法、装置、计算机设备及存储介质
CN115168507A (zh) 一种数据处理方法和装置
CN116880927A (zh) 规则管理方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right