CN102004671B - 一种云计算环境下数据中心基于统计模型的资源管理方法 - Google Patents
一种云计算环境下数据中心基于统计模型的资源管理方法 Download PDFInfo
- Publication number
- CN102004671B CN102004671B CN 201010543864 CN201010543864A CN102004671B CN 102004671 B CN102004671 B CN 102004671B CN 201010543864 CN201010543864 CN 201010543864 CN 201010543864 A CN201010543864 A CN 201010543864A CN 102004671 B CN102004671 B CN 102004671B
- Authority
- CN
- China
- Prior art keywords
- resource
- data
- data center
- cloud computing
- application program
- 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.)
- Expired - Fee Related
Links
- 238000007726 management method Methods 0.000 title abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000009826 distribution Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 27
- 238000013179 statistical model Methods 0.000 claims description 27
- 238000013468 resource allocation Methods 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000007423 decrease Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 238000010219 correlation analysis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 208000007542 Paresis Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000012318 pareses Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Abstract
本发明一种云计算环境下数据中心基于统计的资源管理方法机群，该方法有四大步骤：步骤一：收集工作负载、应用程序性能及资源使用状况信息；步骤二：输入模型，使用统计分析方法KCCA及远距离相关算法进行模型分析；步骤三：根据当前环境对工作模式进行分类，根据控制参数对资源分配进行调整；步骤四：根据控制器输出调整资源分配，同时更新资源状态。本发明首先考虑云计算环境下新型数据中心工作负载不断变化的特性，根据用户需求及资源使用情况对数据中心资源进行实时监控及弹性管理，以保证在***性能不受影响的情况下整体资源消耗达到最小。它在云计算数据中心弹性资源管理技术领域里具有广泛地实用价值和应用前景。
Description
(一)技术领域
本发明涉及一种云计算环境下新型数据中心采用统计学习模型及机器学习的资源管理方法，尤其涉及一种云计算环境下数据中心基于统计模型的资源管理方法，它在线管理负载及资源分配方面，提升***性能，属于云计算弹性资源管理领域。
(二)背景技术
目前，随着网络应用的飞速发展使得对计算能力的需求不断增加，现有的数据中心服务器数量不断增加，如何管理庞大的服务器集群成为大家关注的焦点。随着云计算的流行，越来越多的网络(Web)服务和商业应用被部署到云计算环境中，对于云计算数据中心中海量的服务器，如何有效管理云计算数据中心的资源，提升资源利用率同时使用成本达到最低成为当前云计算领域研究的热点。
除了从使用基准测试程序(benchmark)进行实验仿真外，通过建立资源及性能间的关系模型并通过模型对资源进行管理是目前常用的方法之一，即利用小型benchmark或部分服务器收集到的数据进行统计分析以此来衡量资源及性能间的关系，来对数据中心资源进行管理。这种方式下收集到的数据并不能代表生产运行环境中的整体数据，同时无法处理云计算环境下不断变化的工作负载。此方式对资源的管理不灵活，不能根据数据中心用户的实际需求，对资源及性能进行动态调整，有可能会在发生工作负载激增的情况下，***性能大幅度下降。
如果采用动态控制技术，通过在线收集策略及统计模型，根据工作负载的变化自动对资源进行管理分配，可以避免上述静态管理所带来的缺点，并且可以是使***满足弹性资源管理的需求，在云计算新型数据中心领域具有很重要的意义。
(三)发明内容
1、目的：有鉴于此，本发明的目的是提供一种云计算环境下数据中心基于统计模型的资源管理方法，它首先收集应用程序性能参数及资源使用状况，在满足资源需求及性能SLA的情况下对数据中心应用程序性能进行动态控制，从而达到使用最少的资源达到最大的性能这样一个目标。
为实现上述目的，本发明提出了云计算新型数据中心弹性资源管理实施方法，数据中心结构如图1所示。包括：主控节点通过网络适配器与数据网络互联，监控及控制多个节点及虚拟机，主控制器负责对下游借点控制器进行统一调配管理，包括添加、删除及迁移控制***的任何数量的可读数据的物理驱动器和存储介质等操作，管理模型负责对收集到的负载及资源使用信息进行分析处理，然后交由控制器进行控制。计算节点包含任意数量的虚拟机，每一个节点内部包含一个节点控制器负责节点内部的虚拟机资源控制，资源驱动器负责资源的分配管理，多个包含应用程序资源使用监控器及性能监控器在内的虚拟机以及虚拟机监控器。
2、技术方案：为达到上述目的，本发明的技术方案是这样的：
如图2所示，一种云计算环境下数据中心基于统计模型的资源管理方法，它采用实时负载及资源监控方式，通过统计模型分析处理监控数据，生成理想分配数据，通过控制器结合实际情况进行处理，输出实际分配数据指导***资源分配，其特征在于：该方法包括以下步骤：
步骤一：动态收集应用程序负载信息及数据中心资源使用信息；
步骤二：将收集到的信息作为输入数据输入至统计模型，主体采用KCCA算法及远
距离相关算法对数据进行分析及预测，按照输出调整资源分配；
步骤三：根据模型控制器中设计的四种工作模式，定义及调整控制参数，使用机器学习的方法调整资源分配数量以满足SLA；
步骤四：输出分析数据，指导***进行资源分配，同时更新数据。
其中，步骤一所述的应用程序负载信息主要是每秒请求数，即在当前时段使用该应用程序的个数；根据不同的应用程序所需资源的不同，还需要收集CPU、I/O及内存的资源使用信息，根据使用状况及剩余资源评估虚拟机的最大容量，以满足应用程序性能需求，避免因资源分配时超过虚拟机最大容量而导致的性能下降，应用程序负载信息及数据中心资源使用信息的收集周期以0.8秒～1.2秒之间为最佳。
其中，步骤二所述的KCCA算法具有处理非线性数据的良好性能，主要根据输入数据预测未来5分钟内的负载状况，考虑节点位置、资源使用状况生成应用程序性能及资源模型，进一步计算出理想的资源分配情况，远距离相关算法通过相关参数计算应用程序资源需求间的相关程度，选取最小相关系数，保证分配的资源具有最小相关性，避免资源冲突，实现资源弹性有效供给，统计模型中的数据分析算法由管理员根据***实际情况做相应的调整。
其中，步骤三所述的工作模式是根据现有的Web应用程序负载变化规律，分为昼夜模式、工作日/周末模式、重大假日模式及用户自主模式四种模式；控制器反映了被控变量即当前测量输出的性能参数和被处理变量即过去和当前的参考输入，分配的各种资源之间的动态关系；不同的工作模式下所需要的应用程序负载信息及数据中心资源使用信息的收集周期以及由于控制器震荡所引起的控制参数都会有所不同，从而优化虚拟资源和应用服务之间的映射关系，满足应用服务的应用服务级别目标SLO；上述工作模式由管理员根据***实际情况做相应的调整。
其中，步骤四所述的分析数据是指通过统计模型及控制器策略后所得到的资源分配数据；该数据通过统计模型分析后加入控制参数，结合当前的实际情况进行分析，避免因***情况估计不足所引发的资源冲突或有些应用无法获得足够的资源这种情况的发生，资源分配完成之后，更新剩余资源数据，实现一轮资源分配流程。
3、优点及功效：本发明一种云计算环境下数据中心基于统计模型的资源管理方法，它与现有技术比，其主要优点是：(1)提升原有的数据中心资源供应效率，节省开销。原有的数据中心为避免违反服务水平协议(SLA)而向用户支付赔偿金而采取过量供应机制，为数据中心带来很大的开销。本方法根据数据中心应用负载及性能进行动态调整，通过控制理论进一步保证了资源分配的准确性，确保了应用程序的性能去求；(2)将统计机器学习方法和控制理论到虚拟化计算***的资源管理中，构建新的架构、模型和方法以解决计算资源针对应用负载和***环境变化的自适应问题。(3)提出了控制器的典型控制模式，针对不同的模式使用不同的控制调节参数，实现使用最少的资源达到最优的性能这一目的。
(四)附图说明
图1本发明的云计算环境下新型数据中心结构模型示意图
图2基于统计机器学习的模型结构示意图
图3基于模型的资源管理流程示意图
图4控制器控制资源分配示意图
图5根据***负载、性能及资源使用状况进行动态资源分配的流程示意图
图6统计模型分析模块示意图
其中图4中符号说明如下：
参考输入(x)：代表分配给虚拟机的资源，如CPU、内存、网络I/O等
测量输出(y)：代表***希望达到的性能参数，如吞吐量、响应时间等SLA中所规定的参数指标
控制误差(e)：是控制精度(准确度)的一种度量，是控制***的稳态性能指标。它依赖于参考输入(x)和测量输出(y)
滞后参数(α，β)：用来决定***增加或删除资源的速度，其具体数值同上述四种模式相关，α值越大，表明添加资源的速度越快；β值越大，表明移除资源的速度越快。
(五)具体实施方式
为使本发明的目的、技术方案和优点表达得更加清楚明白，下面结合附图及具体实施例对本发明再作进一步详细的说明。
本发明在硬件条件方面，要求各结点同时支持共享存储。在软件条件方面，若操作***采用的是Linux，要求其内核版本在2.6.18以上，以避免低版本内核在电源管理方面的缺陷。
本发明所需满足的设备条件见图1，该数据中心基础架构包括：主控节点通过网络适配器与数据网络互联，监控及控制多个节点及节点中的多个虚拟机，主控制器负责对下游节点控制器进行统一调配管理，包括添加、删除及迁移控制***的任何数量的可读数据的物理驱动器和存储介质等操作，管理模型负责对收集到的负载及资源使用信息进行分析处理，然后交由控制器进行控制。计算节点包含任意数量的虚拟机，每一个虚拟机上安装一种应用程序(例如Web2.0)，每一个节点内部包含一个节点控制器负责节点内部的虚拟机资源控制，资源驱动器负责资源的分配管理，多个包含应用程序资源使用监控器及性能监控器在内的虚拟机以及虚拟机监控器。
基于统计的资源管理模型见图2，本发明采用实时负载及资源监控方式，通过统计模型分析处理监控数据，生成理想分配数据，通过控制器结合实际情况进行处理，输出实际分配数据指导***资源分配，以保证在使用较少的资源情况下实现***最大的性能，同时节省***开销。
数据中心收集到的信息包括：数据中心相应的应用程序负载信息，以每秒请求数为例，分析用户对于该应用程序的需求；收集用户服务水平协议SLA中所涉及到的用户需求指标，如吞吐率及响应时间等，以此作为***性能衡量指标；数据中心资源使用情况，如CPU使用率、I/O及网络带宽等数据，用来衡量***使用状况及***整体容量。需要实时收集上述信息，及时更新数据，保证数据中心服务质量。
下面以一实例进行说明，如图5所示，包括以下步骤：
步骤501：实时收集应用程序负载、性能及资源使用信息***。同时记录所获取的信息，更新周期设为1.0秒。
步骤502：将上述步骤所收集到的信息作为输入，输入到统计模型模块中进行分析，主要分析应用程序负载、性能及资源使用间的关系，将其输出作为步骤503的输入。具体如图6统计模型分析模块所示。
步骤503：控制器模式分析。根据用户所需要的虚拟机资源，如CPU、内存等，利用上述统计模型给出的资源分配方案，考虑外界环境对***产生的干扰(如***的管理和维护需求)，根据当前分析的工作模式，采取不同的控制模式。在不同的模式下，控制器滞后参数是不同的，例如在重大假日模式中，设置α＝0.9可以对***异常等进行快速反应，快速加入资源，β＝0.01保证***在需要移除资源时可以更为保守的估计，不需要快速反应。该组参数适用于需要快速反应的模式。在其他模式下，适当调整该组参数，使其***对工作负载的变化反应满足用户需求同时不需要消耗过多的资源。
步骤504：根据控制器输出的参数控制资源的分配。首先由主控制器分配任务给节点控制器，节点控制器根据具体应用需求分配满足要求的虚拟机。
其中统计模型分析模块流程如图6所示，包括以下步骤：
步骤601：在***运行中，根据图5步骤501所收集到的信息，实时监控***参数生成的曲线，观察曲线是否有突变点或不符合拟合曲线的异常值出现。若存在，则说明当前数据中心该应用出现尖峰时刻，则应采取步骤602进行处理；若不存在，则说明***运行稳定，则进行步骤603。
步骤602：***曲线出现异常值点，证明***所需资源需要进行较大的变动。此时需要快速对***资源使用状况进行分析，当***资源达到最大容量时是否可以满足资源需求。因为是异常值点，当前所获参数不能代表整体的负载、性能及资源间的关系模型，但如果不及时处理的话会对***的性能有很大的影响，所以需要及时对异常值点进行分析处理。若***资源池资源满足当前需求，则直接交给控制器进行处理，快速解决当前异常值点；若当前***资源达到最大容量时也无法满足应用程序性能需求，需要及时采取虚拟化技术，如虚拟机迁移等快速加入资源，满足用户资源需求。即按需供应，节省***资源开销。将加入的资源放入***资源池，通过控制器统一控制。
步骤603：使用简单的线性回归模型预测下一个5分钟的工作负载，即每秒应用程序请求数。简单的线性回归模型可以有效的捕捉工作负载随时间变化规律，即使是更为复杂的历史数据也可以很容易的归纳预测其负载。
步骤604：预测的工作负载作为模型的输入来评估现有的工作量所需的资源需求及***可以达到的性能。许多复杂的因素都会影响应用程序的性能，例如混合负载、应用程序代码的改变等等，采用KCCA算法及远距离相关算法实现多元统计分析建模，同时分析多个影响因素对***性能带来的影响，实时调整模型参数，生成理想资源分配数据。最后，将其输出作为图5步骤503的输入，跳转到控制器模式分析。
图3是本发明基于模型的资源管理流程示意图；图4是控制器控制资源分配示意图。
本实例中查看资源使用及工作负载等参数并进行相应的参数更新时在资源分配过程中依据资源采集周期循环执行的。采用上述弹性资源管理方法可以做到尽量保证在任何时刻***使用较少的资源达到最大的性能，以满足用户的需求。
最后所应说明的是：以上实施例仅用以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种云计算环境下数据中心基于统计模型的资源管理方法，它采用实时负载及资源监控方式，通过统计模型分析处理监控数据，生成理想分配数据，通过控制器结合实际情况进行处理，输出实际分配数据指导***资源分配，其特征在于：该方法包括以下步骤：
步骤一：动态收集应用程序负载信息及数据中心资源使用信息；
步骤二：将收集到的信息作为输入数据输入至统计模型，主体采用KCCA
算法及远距离相关算法对数据进行分析及预测，按照输出调整资源分配；
步骤三：根据模型控制器中设计的四种工作模式，定义及调整控制参数，
使用机器学习的方法调整资源分配数量以满足SLA；
步骤四：输出分析数据，指导***进行资源分配，同时更新数据。
2.根据权利要求1所述的一种云计算环境下数据中心基于统计模型的资源管理方法，其特征在于：步骤一所述的应用程序负载信息主要是每秒请求数，即在当前时段使用该应用程序的个数；根据不同的应用程序所需资源的不同，还需要收集CPU、I/O及内存的资源使用信息，根据使用状况及剩余资源评估虚拟机的最大容量，以满足应用程序性能需求，避免因资源分配时超过虚拟机最大容量而导致的性能下降，应用程序负载信息及数据中心资源使用信息的收集周期以0.8秒～1.2秒之间为最佳。
3.根据权利要求1所述的一种云计算环境下数据中心基于统计模型的资源管理方法，其特征在于：步骤二所述的KCCA算法具有处理非线性数据的良好性能，主要根据输入数据预测未来5分钟内的负载状况，考虑节点位置、资源使用状况生成应用程序性能及资源模型，进一步计算出理想的资源分配情况，远距离相关算法通过相关参数计算应用程序资源需求间的相关程度，选取最小相关系数，保证分配的资源具有最小相关性，避免资源冲突，实现资源弹性有效供给，统计模型中的数据分析算法由管理员根据***实际情况做相应的调整。
4.根据权利要求1所述的一种云计算环境下数据中心基于统计模型的资源管理方法，其特征在于：步骤三所述的工作模式是根据现有的Web应用程序负载变化规律，分为昼夜模式、工作日/周末模式、重大假日模式及用户自主模式四种模式；控制器反映了被控变量即当前测量输出的性能参数和被处理变量即过去和当前的参考输入，分配的各种资源之间的动态关系；不同的工作模式下所需要的应用程序负载信息及数据中心资源使用信息的收集周期以及由于控制器震荡所引起的控制参数都会有所不同，从而优化虚拟资源和应用服务之间的映射关系，满足应用服务的应用服务级别目标SLO；上述工作模式由管理员根据***实际情况做相应的调整。
5.根据权利要求1所述的一种云计算环境下数据中心基于统计模型的资源管理方法，其特征在于：步骤四所述的分析数据是指通过统计模型及控制器策略后所得到的资源分配数据；该数据通过统计模型分析后加入控制参数，结合当前的实际情况进行分析，避免因***情况估计不足所引发的资源冲突或有些应用无法获得足够的资源这种情况的发生，资源分配完成之后，更新剩余资源数据，实现一轮资源分配流程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010543864 CN102004671B (zh) | 2010-11-15 | 2010-11-15 | 一种云计算环境下数据中心基于统计模型的资源管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010543864 CN102004671B (zh) | 2010-11-15 | 2010-11-15 | 一种云计算环境下数据中心基于统计模型的资源管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102004671A CN102004671A (zh) | 2011-04-06 |
| CN102004671B true CN102004671B (zh) | 2013-03-13 |
Family
ID=43812049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010543864 Expired - Fee Related CN102004671B (zh) | 2010-11-15 | 2010-11-15 | 一种云计算环境下数据中心基于统计模型的资源管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102004671B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10084665B1 (en) | 2017-07-25 | 2018-09-25 | Cisco Technology, Inc. | Resource selection using quality prediction |
| US10091070B2 (en) | 2016-06-01 | 2018-10-02 | Cisco Technology, Inc. | System and method of using a machine learning algorithm to meet SLA requirements |
| US11892933B2 (en) | 2018-11-28 | 2024-02-06 | Oracle International Corporation | Predicting application performance from resource statistics |
Families Citing this family (86)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102164184A (zh) * | 2011-04-22 | 2011-08-24 | 广州杰赛科技股份有限公司 | 云计算网络中计算机实体的接入和管理方法及云计算网络 |
| CN102170474A (zh) * | 2011-04-22 | 2011-08-31 | 广州杰赛科技股份有限公司 | 一种云计算网络中虚拟资源动态调度方法及*** |
| US20130019015A1 (en) * | 2011-07-12 | 2013-01-17 | International Business Machines Corporation | Application Resource Manager over a Cloud |
| CN102958166B (zh) | 2011-08-29 | 2017-07-21 | 华为技术有限公司 | 一种资源分配方法及资源管理平台 |
| CN102331948A (zh) * | 2011-09-01 | 2012-01-25 | 杭州湾云计算技术有限公司 | 一种基于资源状态的虚拟机结构调整方法和调整*** |
| CN102279771B (zh) * | 2011-09-02 | 2013-07-10 | 北京航空航天大学 | 一种虚拟化环境中自适应按需资源分配的方法及*** |
| US8612599B2 (en) * | 2011-09-07 | 2013-12-17 | Accenture Global Services Limited | Cloud service monitoring system |
| CN103024825B (zh) * | 2011-09-26 | 2015-07-01 | ***通信集团公司 | 终端多应用间网络资源分配方法及其设备 |
| US8826277B2 (en) * | 2011-11-29 | 2014-09-02 | International Business Machines Corporation | Cloud provisioning accelerator |
| CN102420869A (zh) * | 2011-12-02 | 2012-04-18 | 浪潮集团有限公司 | 一种云数据中心安全监控方法 |
| CN103178990A (zh) * | 2011-12-20 | 2013-06-26 | ***通信集团青海有限公司 | 一种网络设备性能监控方法及网络管理*** |
| CN102902344A (zh) * | 2011-12-23 | 2013-01-30 | 同济大学 | 基于随机任务的云计算***能耗优化方法 |
| CN102520785B (zh) * | 2011-12-27 | 2015-04-15 | 东软集团股份有限公司 | 一种云数据中心能耗管理方法及*** |
| CN102521715B (zh) * | 2011-12-29 | 2016-04-13 | 上海华东电脑股份有限公司 | 一种控制应用***资源分配的方法及*** |
| US8756609B2 (en) | 2011-12-30 | 2014-06-17 | International Business Machines Corporation | Dynamically scaling multi-tier applications vertically and horizontally in a cloud environment |
| CN102567080B (zh) * | 2012-01-04 | 2015-03-04 | 北京航空航天大学 | 一种云计算环境中的面向负载均衡的虚拟机择位*** |
| US8732291B2 (en) * | 2012-01-13 | 2014-05-20 | Accenture Global Services Limited | Performance interference model for managing consolidated workloads in QOS-aware clouds |
| US9509632B2 (en) | 2012-04-25 | 2016-11-29 | Empire Technology Development Llc | Workload prediction for network-based computing |
| CN102724298A (zh) * | 2012-05-25 | 2012-10-10 | 清华大学 | 一种云环境下存储参数的配置方法 |
| WO2014005277A1 (en) * | 2012-07-03 | 2014-01-09 | Empire Technology Development Llc | Resource management in a cloud computing environment |
| CN103577268B (zh) * | 2012-08-07 | 2016-12-21 | 复旦大学 | 基于应用负载的自适应资源供应方法 |
| US8887056B2 (en) * | 2012-08-07 | 2014-11-11 | Advanced Micro Devices, Inc. | System and method for configuring cloud computing systems |
| CN102917031A (zh) * | 2012-09-25 | 2013-02-06 | 浙江图讯科技有限公司 | 一种用于面向工矿企业的安全生产云服务平台的数据计算*** |
| CN102930394B (zh) * | 2012-10-26 | 2016-12-21 | 安徽科大讯飞信息科技股份有限公司 | 一种教学设备与资源的监测方法及装置 |
| CN104838690A (zh) * | 2012-12-07 | 2015-08-12 | 惠普发展公司，有限责任合伙企业 | 网络资源管理 |
| CN103049309B (zh) * | 2012-12-11 | 2017-09-29 | 华为技术有限公司 | 虚拟机的资源管理装置、方法和*** |
| CN103064744B (zh) * | 2012-12-27 | 2016-06-29 | 北京仿真中心 | 一种基于SLA的面向多层Web应用的资源优化方法 |
| CN103077079B (zh) * | 2012-12-28 | 2016-06-08 | 华为技术有限公司 | 虚拟机迁移控制方法和装置 |
| CN103092326A (zh) * | 2013-01-25 | 2013-05-08 | 浪潮电子信息产业股份有限公司 | 一种基于时间的物理机节能方法 |
| CN103078759B (zh) * | 2013-01-25 | 2017-06-06 | 北京润通丰华科技有限公司 | 计算节点的管理方法及装置、*** |
| CN104981782B (zh) * | 2013-02-01 | 2019-03-26 | 日本电气株式会社 | 用于控制资源的***、控制模式生成装置 |
| CN104104551B (zh) * | 2013-04-02 | 2018-03-23 | ***通信集团公司 | 云资源需求评估方法及装置 |
| CN103338241B (zh) * | 2013-06-19 | 2016-08-10 | 合肥工业大学 | 一种新的公有云架构及其虚拟化资源自适应配置方法 |
| CN103458055A (zh) * | 2013-09-22 | 2013-12-18 | 广州中国科学院软件应用技术研究所 | 一种云计算平台 |
| CN103544063B (zh) * | 2013-09-30 | 2017-02-08 | 三星电子（中国）研发中心 | 应用于安卓平台的进程清除方法和装置 |
| CN103559089B (zh) * | 2013-10-30 | 2016-06-08 | 南京邮电大学 | 一种基于服务等级协议约束的虚拟机需求预测实现方法 |
| CN103763130B (zh) * | 2013-12-31 | 2018-06-19 | 华为数字技术（苏州）有限公司 | 大规模集群的管理方法、装置和*** |
| CN103685563A (zh) * | 2013-12-31 | 2014-03-26 | 湖南师范大学 | 一种基于移动通信网络的云计算***及其资源管理方法 |
| CN105940636B (zh) * | 2014-02-28 | 2020-11-06 | 英特尔公司 | 用于为数据中心的工作负荷生成分析模型的方法及服务器 |
| CN103986669B (zh) * | 2014-05-07 | 2017-04-19 | 华东师范大学 | 一种云计算中资源分配策略的评估方法 |
| US10027536B2 (en) | 2014-06-25 | 2018-07-17 | Futurewei Technologies, Inc. | System and method for affinity-based network configuration |
| US10091058B2 (en) | 2014-11-10 | 2018-10-02 | Futurewei Technologies, Inc. | Method and apparatus for model-driven, affinity-based, network functions |
| CN105991667B (zh) * | 2015-01-27 | 2019-05-28 | 华为软件技术有限公司 | 修正资源预测误差的方法和装置 |
| CN104793993B (zh) * | 2015-04-24 | 2017-11-17 | 江南大学 | 基于Levy飞行的人工蜂群粒子群算法的云计算任务调度方法 |
| CN105607948A (zh) * | 2015-12-18 | 2016-05-25 | 国云科技股份有限公司 | 一种基于sla的虚拟机迁移预测方法 |
| CN105763367A (zh) * | 2016-02-02 | 2016-07-13 | 四川长虹电器股份有限公司 | 一种基于虚拟化的数据中心的能耗管理方法 |
| WO2017147131A1 (en) * | 2016-02-22 | 2017-08-31 | The Joan and Irwin Jacobs Technion-Cornell Institute | Techniques for self-tuning of computing systems |
| CN105871618B (zh) * | 2016-04-13 | 2019-05-24 | 上海交通大学 | 云调度器中应对不确定需求的多资源调度方法 |
| US10454877B2 (en) | 2016-04-29 | 2019-10-22 | Cisco Technology, Inc. | Interoperability between data plane learning endpoints and control plane learning endpoints in overlay networks |
| US20170357910A1 (en) * | 2016-06-10 | 2017-12-14 | Apple Inc. | System for iteratively training an artificial intelligence using cloud-based metrics |
| US11797459B2 (en) | 2016-06-17 | 2023-10-24 | Hewlett-Packard Development Company, L.P. | Shared machine-learning data structure |
| US10034407B2 (en) * | 2016-07-22 | 2018-07-24 | Intel Corporation | Storage sled for a data center |
| CN106250206A (zh) * | 2016-07-27 | 2016-12-21 | 云南电网有限责任公司信息中心 | 一种基于虚拟机的资源池化自动测算方法 |
| CN106293872A (zh) * | 2016-07-27 | 2017-01-04 | 云南电网有限责任公司信息中心 | 一种基于资源池化的sla资源均衡管控方法 |
| CN109791504B (zh) * | 2016-09-21 | 2023-04-18 | 埃森哲环球解决方案有限公司 | 针对应用容器的动态资源配置 |
| CN108205469B (zh) * | 2016-12-20 | 2023-12-15 | 华为技术有限公司 | 一种基于MapReduce的资源分配方法及服务器 |
| US20180255122A1 (en) * | 2017-03-02 | 2018-09-06 | Futurewei Technologies, Inc. | Learning-based resource management in a data center cloud architecture |
| US10963813B2 (en) | 2017-04-28 | 2021-03-30 | Cisco Technology, Inc. | Data sovereignty compliant machine learning |
| US10477148B2 (en) | 2017-06-23 | 2019-11-12 | Cisco Technology, Inc. | Speaker anticipation |
| CN107480027A (zh) * | 2017-07-07 | 2017-12-15 | 上海诺悦智能科技有限公司 | 一种分布式深度学习运维*** |
| US10608901B2 (en) | 2017-07-12 | 2020-03-31 | Cisco Technology, Inc. | System and method for applying machine learning algorithms to compute health scores for workload scheduling |
| US10782757B2 (en) * | 2017-08-09 | 2020-09-22 | Equinix, Inc. | Rack level power control |
| CN107515779B (zh) * | 2017-09-01 | 2020-08-07 | 周口师范学院 | 基于探测器的虚拟机性能干扰度量***及方法 |
| CN110019298B (zh) * | 2017-10-31 | 2021-07-30 | 北京国双科技有限公司 | 数据处理方法和装置 |
| CN107908459B (zh) * | 2017-11-10 | 2020-06-09 | 山东劳动职业技术学院 | 一种云计算调度*** |
| CN108073457B (zh) * | 2017-12-28 | 2021-12-21 | 深信服科技股份有限公司 | 一种超融合基础架构的分层资源管理方法、装置及*** |
| CN108446200B (zh) * | 2018-02-07 | 2021-10-29 | 福建星瑞格软件有限公司 | 基于大数据机器学习的服务器智能运维方法及计算机设备 |
| CN108322541B (zh) * | 2018-02-09 | 2021-04-06 | 杭州顺网科技股份有限公司 | 一种自适应的分布式体系架构 |
| CN108681964B (zh) * | 2018-04-19 | 2020-08-28 | 腾讯科技（深圳）有限公司 | 一种交易结算***及交易结算控制方法 |
| US10867067B2 (en) | 2018-06-07 | 2020-12-15 | Cisco Technology, Inc. | Hybrid cognitive system for AI/ML data privacy |
| US10446170B1 (en) | 2018-06-19 | 2019-10-15 | Cisco Technology, Inc. | Noise mitigation using machine learning |
| CN109088747A (zh) * | 2018-07-10 | 2018-12-25 | 郑州云海信息技术有限公司 | 云计算***中资源的管理方法和装置 |
| CN109032914A (zh) * | 2018-09-06 | 2018-12-18 | 掌阅科技股份有限公司 | 资源占用数据预测方法、电子设备、存储介质 |
| CN109446020B (zh) * | 2018-09-21 | 2022-05-13 | 曙光云计算集团有限公司 | 云存储***的动态评估方法以及装置 |
| CN111143050B (zh) * | 2018-11-02 | 2023-09-19 | 中移（杭州）信息技术有限公司 | 一种容器集群调度的方法和设备 |
| CN111198650A (zh) * | 2018-11-16 | 2020-05-26 | 龙芯中科技术有限公司 | 一种存储设备的控制方法和装置 |
| CN113039506B (zh) * | 2018-11-28 | 2023-09-08 | 3M创新有限公司 | 基于因果学习的数据中心基础结构优化方法 |
| CN109510875B (zh) * | 2018-12-14 | 2021-03-09 | 北京奇艺世纪科技有限公司 | 资源分配方法、装置及电子设备 |
| CN109918170A (zh) * | 2019-01-25 | 2019-06-21 | 西安电子科技大学 | 一种云数据中心虚拟机动态资源配置方法及*** |
| CN110297715B (zh) * | 2019-07-02 | 2021-09-14 | 北京工业大学 | 一种基于周期性特征分析的在线负载资源预测方法 |
| CN111176835B (zh) * | 2019-12-09 | 2023-06-16 | 南京理工大学 | 基于分级控制的软件自适应方法 |
| CN111290354B (zh) * | 2020-02-21 | 2021-02-02 | 镇江香江云动力科技有限公司 | 一种基于云计算的模块化数据中心余热高效利用控制管理*** |
| CN113804937A (zh) * | 2020-06-16 | 2021-12-17 | 普源精电科技股份有限公司 | 多功能测量设备、资源配置方法、测量方法、装置及介质 |
| CN112612717A (zh) * | 2020-12-30 | 2021-04-06 | 吴江市景新纺织有限公司 | 一种智能设备参数调试管理*** |
| CN114625544B (zh) * | 2022-05-17 | 2022-08-30 | 银河麒麟软件(长沙)有限公司 | 基于虚拟机业务负载动态分配的内存气球管理方法和装置 |
| CN117116200B (zh) * | 2023-10-23 | 2023-12-29 | 广州市惠正信息科技有限公司 | 一种led显示屏分辨率的调节方法及*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1538297A (zh) * | 2003-04-16 | 2004-10-20 | ��ʿͨ��ʽ���� | 用于调节***资源的使用的装置及其方法 |
| CN101442807A (zh) * | 2008-12-30 | 2009-05-27 | 北京邮电大学 | 通信***中资源分配的方法及*** |
| CN101719082A (zh) * | 2009-12-24 | 2010-06-02 | 中国科学院计算技术研究所 | 虚拟化计算平台中应用请求调度的方法及其*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2476314A1 (en) * | 2002-02-07 | 2003-08-14 | Think-Dynamics Inc. | Method and system for managing resources in a data center |
-
2010
- 2010-11-15 CN CN 201010543864 patent/CN102004671B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1538297A (zh) * | 2003-04-16 | 2004-10-20 | ��ʿͨ��ʽ���� | 用于调节***资源的使用的装置及其方法 |
| CN101442807A (zh) * | 2008-12-30 | 2009-05-27 | 北京邮电大学 | 通信***中资源分配的方法及*** |
| CN101719082A (zh) * | 2009-12-24 | 2010-06-02 | 中国科学院计算技术研究所 | 虚拟化计算平台中应用请求调度的方法及其*** |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10091070B2 (en) | 2016-06-01 | 2018-10-02 | Cisco Technology, Inc. | System and method of using a machine learning algorithm to meet SLA requirements |
| US10084665B1 (en) | 2017-07-25 | 2018-09-25 | Cisco Technology, Inc. | Resource selection using quality prediction |
| US10091348B1 (en) | 2017-07-25 | 2018-10-02 | Cisco Technology, Inc. | Predictive model for voice/video over IP calls |
| US10225313B2 (en) | 2017-07-25 | 2019-03-05 | Cisco Technology, Inc. | Media quality prediction for collaboration services |
| US11892933B2 (en) | 2018-11-28 | 2024-02-06 | Oracle International Corporation | Predicting application performance from resource statistics |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102004671A (zh) | 2011-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102004671B (zh) | 一种云计算环境下数据中心基于统计模型的资源管理方法 | |
| Zhang et al. | Electricity bill capping for cloud-scale data centers that impact the power markets | |
| Wang et al. | Fuzzy modeling based resource management for virtualized database systems | |
| CN104991830A (zh) | 基于服务等级协议的yarn资源分配和节能调度方法及*** | |
| CN109491760B (zh) | 一种高效能数据中心云服务器资源自主管理方法 | |
| US20130339759A1 (en) | Method and system for automated application layer power management solution for serverside applications | |
| Guitart | Toward sustainable data centers: a comprehensive energy management strategy | |
| Masoumzadeh et al. | An intelligent and adaptive threshold-based schema for energy and performance efficient dynamic VM consolidation | |
| Banerjee et al. | Efficient resource utilization using multi-step-ahead workload prediction technique in cloud | |
| CN102339233A (zh) | 云计算集中管理平台 | |
| CN103581333A (zh) | 基于前馈和反馈控制的运行时虚拟资源动态分配方法和*** | |
| HoseinyFarahabady et al. | Q-flink: A qos-aware controller for apache flink | |
| US10054997B2 (en) | Multivariable control for power-latency management to support optimization of data centers or other systems | |
| Chen et al. | Using a task dependency job-scheduling method to make energy savings in a cloud computing environment | |
| Mehta et al. | Energy conservation in cloud infrastructures | |
| Li et al. | Dynamic virtual machine consolidation algorithm based on balancing energy consumption and quality of service | |
| Li et al. | Load prediction-based automatic scaling cloud computing | |
| Nesmachnow et al. | Controlling datacenter power consumption while maintaining temperature and QoS levels | |
| Vu et al. | Predictive hybrid autoscaling for containerized applications | |
| Wang et al. | Adaptive performance control of computing systems via distributed cooperative control: Application to power management in computing clusters | |
| CN105116987B (zh) | 一种云计算中心的通用电源和性能管理*** | |
| CN113225994A (zh) | 一种面向数据中心的智能空调控制方法 | |
| Ali et al. | Profit-aware DVFS enabled resource management of IaaS cloud | |
| CN113632132A (zh) | 计算机辅助的能量管理方法和能量管理*** | |
| Zhou et al. | AHPA: adaptive horizontal pod autoscaling systems on alibaba cloud container service for kubernetes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: SHANGHAI SHICONG INFORMATION TECHNOLOGY CO., LTD. Free format text: FORMER OWNER: BEIHANG UNIVERSITY Effective date: 20150408 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 100191 HAIDIAN, BEIJING TO: 201401 FENGXIAN, SHANGHAI |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20150408 Address after: 201401 Shanghai Fengxian District City Ring Road No. 2200 building 2128 room Patentee after: Shanghai Shi Cong network information technology Co., Ltd Address before: 100191 Beijing City, Haidian District Xueyuan Road No. 37 North College of computer Patentee before: Beihang University |
|
| C56 | Change in the name or address of the patentee | ||
| CP03 | Change of name, title or address |
Address after: 200233 room 202-35, Guiping Road, Shanghai, Xuhui District, 92 Patentee after: SHANGHAI JUNESH INFORMATION TECHNOLOGY CO., LTD. Address before: 201401 Shanghai Fengxian District City Ring Road No. 2200 building 2128 room Patentee before: Shanghai Shi Cong network information technology Co., Ltd |
|
| DD01 | Delivery of document by public notice |
Addressee: SHANGHAI JUNESH INFORMATION TECHNOLOGY CO., LTD. Document name: Notification to Pay the Fees |
|
| DD01 | Delivery of document by public notice | ||
| DD01 | Delivery of document by public notice |
Addressee: SHANGHAI JUNESH INFORMATION TECHNOLOGY CO., LTD. Document name: Notification of Termination of Patent Right |
|
| DD01 | Delivery of document by public notice | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130313 Termination date: 20181115 |