CN104348887A

CN104348887A - 云管理平台中的资源分配方法与装置

Info

Publication number: CN104348887A
Application number: CN201310345031.6A
Authority: CN
Inventors: 冯明; 秦润锋; 赖培源; 何晓武; 樊勇兵; 丁圣勇; 李巧玲; 刘艺
Original assignee: China Telecom Corp Ltd
Current assignee: China Telecom Corp Ltd
Priority date: 2013-08-09
Filing date: 2013-08-09
Publication date: 2015-02-11
Anticipated expiration: 2033-08-09
Also published as: CN104348887B

Abstract

本公开涉及一种云管理平台中的资源分配方法与装置。该方法包括内置各应用服务器的分析参数，基于分析参数监控各应用服务器在不同时段的资源使用状况；将监控到的各应用服务器在不同时段的资源使用状况与设置的相应分析参数门限值进行比较；根据比较结果确定对各应用服务器在不同时段对其使用的资源进行相应的增加或缩减；基于所确定的各应用服务器的资源配置在相应时段为各应用服务器进行相应的资源配置。本公开可以为各应用服务器预先进行最优的资源配置。

Description

云管理平台中的资源分配方法与装置

技术领域

本公开涉及云计算领域，特别地，涉及一种云管理平台中的资源分配方法与装置。

背景技术

目前IaaS（Infrastructure as a Service，基础设施即服务）云管理平台用户申请资源开通可以通过两种方式进行：一种是通过***预制模板，一种是自定义定制资源。其中***预制模板涵盖不同级别的虚拟机、存储、网络资源服务模板，用户可根据业务应用的需求选择不同级别的模板；而自定义定制资源则是用户可针对业务应用自定义选择所需的资源。

由于不同IaaS云管理平台的虚拟机与实际相同配置的物理服务器在性能上有不同差别，用户在业务***部署之前并不清楚自身业务量的需求以及运营之后的真实业务量，所以通常自定义也是一个评估，因此，***预制模板和自定义定制资源均无法真正实现大多数用户资源的最优化配置。

一个业务的上线，由于不可预知其用户量、业务量以及数据量，往往只能提供估算值，因此，大多数用户所定制的资源无法准确匹配自身所承载的业务，造成资源利用率过低，浪费资源与投资，或者造成资源利用率超限，形成业务瓶颈，甚至宕机；再者，由于不同业务应用在不同时刻所消耗的资源也不相同，即使选择了最佳的固定资源配置模板，但也会造成在某个时段内的资源浪费。

发明内容

本公开鉴于以上问题中的至少一个提出了新的技术方案。

本公开在其一个方面提供了一种云管理平台中的资源分配方法，其可以为各应用服务器预先进行最优的资源配置。

本公开在其另一方面提供了一种云管理平台中的资源分配装置，其可以为各应用服务器预先进行最优的资源配置。

根据本公开，提供一种云管理平台中的资源分配方法，包括：

内置各应用服务器的分析参数，基于分析参数监控各应用服务器在不同时段的资源使用状况；

将监控到的各应用服务器在不同时段的资源使用状况与设置的相应分析参数门限值进行比较；

根据比较结果确定对各应用服务器在不同时段对其使用的资源进行相应的增加或缩减；

基于所确定的各应用服务器的资源配置在相应时段为各应用服务器进行相应的资源配置。

在本公开的一些实施例中，各应用服务器的分析参数包括CPU利用率、内存利用率、网卡速率、存储网络速率、***响应速度、丢包率、硬盘读写速率与应用进程数量中的至少一个。

在本公开的一些实施例中，各应用服务器包括邮件服务器、网站服务器、数据库服务器与应用服务器。

在本公开的一些实施例中，设置的相应分析参数门限值包括相应分析参数的最高门限值与最低门限值。

根据本公开，还提供了一种云管理平台中的资源分配装置，包括：

分析参数设置单元，用于内置各应用服务器的分析参数，基于分析参数监控各应用服务器在不同时段的资源使用状况；

比较单元，用于将监控到的各应用服务器在不同时段的资源使用状况与设置的相应分析参数门限值进行比较；

资源控制单元，用于根据比较结果确定对各应用服务器在不同时段对其使用的资源进行相应的增加或缩减；

资源配置单元，用于基于所确定的各应用服务器的资源配置在相应时段为各应用服务器进行相应的资源配置。

本公开的技术方案与现有技术中的***预制模板和自定义定制资源方案相比，由于其根据监控到的各应用服务器对各种物理资源的实际使用状况来动态调整对各应用服务器的资源配置，因此，可以使得各应用服务器能够在各个时段都处于最佳运行状态，既不浪费***资源也能够使得各应用服务器获得所需的***资源。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分。在附图中：

图1是本公开一个实施例的云管理平台中的资源分配方法的流程示意图。

图2是本公开一个实施例的云管理平台中的资源分配装置的结构示意图。

具体实施方式

下面将参照附图描述本公开。要注意的是，以下的描述在本质上仅是解释性和示例性的，决不作为对本公开及其应用或使用的任何限制。除非另外特别说明，否则，在实施例中阐述的部件和步骤的相对布置以及数字表达式和数值并不限制本公开的范围。另外，本领域技术人员已知的技术、方法和装置可能不被详细讨论，但在适当的情况下意在成为说明书的一部分。

本公开下述实施例设计了一种基于记忆分析的快速资源分配方法，通过在IaaS云管理平台中内置各应用服务器的分析参数，监控各应用服务器的参数性能，根据设定的分析条件裁决得出用户的各应用服务器在不同时段所对应的最佳资源配置，并根据确定的不同时段的最佳资源配置结果自动修改用户的虚拟机等资源配置，使得用户的相关应用在各个时段内使用最佳的资源配置，避免造成资源浪费或形成业务瓶颈。

如图1所示，该实施例可以包括以下步骤：

S102，内置各应用服务器的分析参数，基于分析参数监控各应用服务器在不同时段的资源使用状况；

具体地，各应用服务器的分析参数可以包括但不限于CPU利用率、内存利用率、网卡速率、存储网络速率、***响应速度、丢包率、硬盘读写速率与应用进程数量中的至少一个。

由于每个应用服务器的瓶颈点不同，例如，有些应用服务器的瓶颈点可能是CPU，而另外一些应用服务器的瓶颈点又可能是内存，还有些应用服务器的瓶颈点可能同时包括CPU和丢包率等。因此，可以根据应用不同为各个应用服务器分别设置自身的分析参数。

由于时段不同，同一应用的资源使用状况可能不同，不同应用的资源使用状况也可能不同，因此，监控设备根据每种应用所需监控的参数，实时获取各应用服务器在各个时段的资源使用状况。

S104，将监控到的各应用服务器在不同时段的资源使用状况与设置的相应分析参数门限值进行比较；

其中，设置的相应分析参数门限值可以包括相应分析参数的最高门限值与最低门限值。

具体地，分析参数门限值可以包括：CPU利用率的最高门限值与CPU利用率的最低门限值；内存利用率的最高门限值与内存利用率的最低门限值；网卡速率的最高门限值与网卡速率的最低门限值；存储网络速率的最高门限值与存储网络速率的最低门限值；***响应速率的最高门限值与***响应速率的最低门限值；丢包率的最高门限值与丢包率的最低门限值；硬盘读写速率的最高门限值与硬盘读写速率的最低门限值；应用进程数量的最高门限值与应用进程数量的最低门限值。

S106，根据比较结果确定对各应用服务器在不同时段对其使用的资源进行相应的增加或缩减；

一般情况下，当实时监控到的资源使用状况介于相应分析参数的最高门限值与最低门限值之间时，认为该分析参数对应的资源处于最佳使用状态，即，其利用率等达到最佳值。

如果某个分析参数对应的资源使用状况不介于其最高门限值与最低门限值之间，则认为相应资源的使用状况未达到最佳状态，可以根据监测到的实时状况与各门限值之间的关系对相应的资源进行增加或缩减。

以CPU利用率为例进行说明：

如果监测到某个应用服务器的当前CPU利用率高于为该应用服务器设定的最高门限值，则表明为该应用服务器分配的CPU不足，因此，可以在相同时段到达之前，为该应用服务器配置增加CPU的配置粒度，例如，可以逐个颗粒地增加CPU，还可以根据监测出的实时CPU利用率与最高门限值的差来决定所选取的CPU的主频，如果差值较大，则增加一个主频较高的CPU，如果差值较小，则增加一个主频较低的CPU，以避免资源的浪费。

仍以CPU利用率为例，假设监测到的某个应用服务器的当前CPU利用率低于为该应用服务器设定的最低门限值，则表明为该应用服务器分配的CPU过剩，因此，可以在相同时段到达之前，降低为该应用服务器分配的CPU粒度，例如，可以逐个颗粒地减少CPU，还可以根据监测出的实时CPU利用率与最低门限值的差来决定所缩减的CPU的主频，如果差值较大，则减少其中主频较高的一个CPU，如果差值较小，则减少其中主频较低的一个CPU，以避免资源的浪费。

再以内存为例进行说明：

如果监测到某个应用服务器的当前内存利用率高于为该应用服务器设定的最高门限值，则表明为该应用服务器分配的内存不足，因此，可以在相同时段到达之前，为该应用服务器配置增加内存的配置粒度，例如，可以逐个颗粒地增加内存，还可以根据监测出的实时内存利用率与最高门限值的差来决定所选取的内存的大小，如果差值较大，则增加一个较大的接近差值的内存，如果差值较小，则增加一个较小的接近差值的内存，以避免资源的浪费。

例如，监控到用户的某个应用虚拟机的内存使用率在下午3点至4点时段超过了设定的最高门限值60％，此时监控***给出告警，IaaS云管理平台重新确定对该虚拟机在该时段的资源配置，决定进行内存扩容，以满足业务量的发展需求，以后在每天的该时段均通过记忆分析方法提前为该虚拟机预配置号资源，以解决业务瓶颈问题。

仍以内存利用率为例，假设监测到的某个应用服务器的当前内存利用率低于为该应用服务器设定的最低门限值，则表明为该应用服务器分配的内存过剩，因此，可以在相同时段到达之前，降低为该应用服务器分配的内存粒度，例如，可以逐个颗粒地减少内存，还可以根据监测出的实时内存利用率与最低门限值的差来决定所缩减的内存的大小，例如，可以减少其中与差值较接近的一个内存条，以避免资源的浪费。

其中，该相同时段可以以一天中的某几个小时为单位，也可以为一个月中的某几天为单位，还可以是一年中的某几个月或某些天为单位，该时间段设置根据各服务器承载应用的不同而单独设置。

其他分析参数类似，在此就不再逐一进行说明。

S108，基于所确定的各应用服务器的资源配置在相应时段为各应用服务器进行相应的资源配置，以使各应用服务器的资源在各个时段都可以达到最高利用率。

在该实施例中，由于其根据监控到的各应用服务器对各种物理资源的实际使用状况来动态调整对各应用服务器的资源配置，因此，可以使得各应用服务器能够在各个时段都处于最佳运行状态，既不浪费***资源也能够使得各应用服务器获得所需的***资源。

其中，上述实施例中的各应用服务器可以包括但不限于邮件服务器、网站服务器、数据库服务器与应用服务器。

举例说明，假设IaaS云管理平台通过性能数据监控探针对以后A的所有虚拟机进行性能监控，发现以后A的虚拟机X的CPU和内存使用率均达到90％，远超出CPU与内存的上限，因此确定在将来的相同时段到来之前为用户A的虚拟机X的再增加1GHz的CPU计算能力以及2G的内存容量。然后，IaaS云管理平台中的资源配置单元将配置结果转发给其中的资源开通单元，资源开通单元根据配置结果形成最优化的资源配置模板，并自动应用到用户A的虚拟机X上，用户能够在界面上获得虚拟机X变更的信息。

需要指出的是，各个应用服务器的资源使用状况不仅随时间段的不同而变化，而且各个应用服务器的资源使用状况还可能会随监控地点的不同而变化。

例如，同一应用在各个省份的使用状况可能存在不同，因此，还可以根据不同地点设置不同的门限值，即，设置的门限值可以考虑时间段和/或地点因素。

进一步地，在上述实施例中，针对各应用服务器在各个时段的资源配置所采用的方法是根据所监控的实时参数进行调整。如果实时参数在相同时段波动较大，则对各应用服务器的资源配置调整幅度也较大。但是，从长期来看，各应用服务器在各个时段的资源使用状况一般还是比较稳定的，因此可以通过递归方法稳定地调整各个应用服务器在不同时段的资源配置。

例如，针对同一时间段、同一地点可以通过下述递归方法确定是否对各应用服务器所使用的资源进行增加或缩减。

cpu_usage(n,t1,p1)=cpu_usage((n-1),t1,p1)*(1-α)+cpu_temp*α（1）

其中，α为递归因子，取值范围为[0,1]，cpu_temp为在p1点当前的t1时段所测得的cpu利用率，cpu_usage((n-1),t1,p1)为在p1点上一个t1时段递归计算得出的cpu利用率，cpu_usage(n,t1,p1)为在p1点当前t1时段递归计算得出的cpu利用率。

前述实施例在判断是否对应用服务器的资源进行增加或缩减时所根据的参数是cpu_temp，为了使得预测越来越准确，在该实例中，在判断是否对应用服务器的资源进行增加或缩减时所根据的参数是cpu_usage(n,t1,p1)，其不仅体现了当前的实测值cpu_temp，而且也体现了历史监测信息cpu_usage((n-1),t1,p1)。

本领域普通技术人员可以理解，实现上述方法实施例的全部和部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算设备可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤，而前述的存储介质可以包括ROM、RAM、磁碟和光盘等各种可以存储程序代码的介质。

如图2所示，该实施例中的装置20可以包括分析参数设置单元202、比较单元204、资源控制单元206和资源配置单元208。其中，

分析参数设置单元202，用于内置各应用服务器的分析参数，基于分析参数监控各应用服务器在不同时段的资源使用状况；

比较单元204，用于将监控到的各应用服务器在不同时段的资源使用状况与设置的相应分析参数门限值进行比较；

资源控制单元206，用于根据比较结果确定对各应用服务器在不同时段对其使用的资源进行相应的增加或缩减；

资源配置单元208，用于基于所确定的各应用服务器的资源配置在相应时段为各应用服务器进行相应的资源配置。

进一步地，各应用服务器的分析参数可以包括但不限于CPU利用率、内存利用率、网卡速率、存储网络速率、***响应速度、丢包率、硬盘读写速率与应用进程数量中的至少一个。

进一步地，各应用服务器可以包括但不限于邮件服务器、网站服务器、数据库服务器与应用服务器。

例如，CPU利用率的最高门限值与CPU利用率的最低门限值；内存利用率的最高门限值与内存利用率的最低门限值；网卡速率的最高门限值与网卡速率的最低门限值；存储网络速率的最高门限值与存储网络速率的最低门限值；***响应速率的最高门限值与***响应速率的最低门限值；丢包率的最高门限值与丢包率的最低门限值；硬盘读写速率的最高门限值与硬盘读写速率的最低门限值；应用进程数量的最高门限值与应用进程数量的最低门限值。

进一步地，针对各应用服务器在各个时段的资源配置所采用的方法是根据所监控的实时参数进行调整。如果实时参数在相同时段波动较大，则对各应用服务器的资源配置调整幅度也较大。但是，从长期来看，各应用服务器在各个时段的资源使用状况一般还是比较稳定的，因此云管理平台中的资源分配装置还可以包括递归单元，用于通过递归算法计算递归后的各应用服务器在不同时段的资源使用状况，以通过递归方法稳定地调整各个应用服务器在不同时段的资源配置。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同和相似的部分可以相互参见。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处可以参见方法实施例部分的说明。

虽然已参照示例性实施例描述了本公开，但应理解，本公开不限于上述的示例性实施例。对于本领域技术人员显然的是，可以在不背离本公开的范围和精神的条件下修改上述的示例性实施例。所附的权利要求的范围应被赋予最宽的解释，以包含所有这样的修改以及等同的结构和功能。

Claims

1.一种云管理平台中的资源分配方法，其特征在于，包括：

内置各应用服务器的分析参数，基于所述分析参数监控所述各应用服务器在不同时段的资源使用状况；

将监控到的所述各应用服务器在不同时段的资源使用状况与设置的相应分析参数门限值进行比较；

根据比较结果确定对所述各应用服务器在不同时段对其使用的资源进行相应的增加或缩减；

基于所确定的各应用服务器的资源配置在相应时段为所述各应用服务器进行相应的资源配置。

2.根据权利要求1所述的云管理平台中的资源分配方法，其特征在于，所述各应用服务器的分析参数包括CPU利用率、内存利用率、网卡速率、存储网络速率、***响应速度、丢包率、硬盘读写速率与应用进程数量中的至少一个。

3.根据权利要求1所述的云管理平台中的资源分配方法，其特征在于，所述各应用服务器包括邮件服务器、网站服务器、数据库服务器与应用服务器。

4.根据权利要求1所述的云管理平台中的资源分配方法，其特征在于，所述设置的相应分析参数门限值包括相应分析参数的最高门限值与最低门限值。

5.一种云管理平台中的资源分配装置，其特征在于，包括：

分析参数设置单元，用于内置各应用服务器的分析参数，基于所述分析参数监控所述各应用服务器在不同时段的资源使用状况；

比较单元，用于将监控到的所述各应用服务器在不同时段的资源使用状况与设置的相应分析参数门限值进行比较；

资源控制单元，用于根据比较结果确定对所述各应用服务器在不同时段对其使用的资源进行相应的增加或缩减；

资源配置单元，用于基于所确定的各应用服务器的资源配置在相应时段为所述各应用服务器进行相应的资源配置。

6.根据权利要求5所述的云管理平台中的资源分配装置，其特征在于，所述各应用服务器的分析参数包括CPU利用率、内存利用率、网卡速率、存储网络速率、***响应速度、丢包率、硬盘读写速率与应用进程数量中的至少一个。

7.根据权利要求5所述的云管理平台中的资源分配装置，其特征在于，所述各应用服务器包括邮件服务器、网站服务器、数据库服务器与应用服务器。

8.根据权利要求5所述的云管理平台中的资源分配装置，其特征在于，所述设置的相应分析参数门限值包括相应分析参数的最高门限值与最低门限值。