CN106648867B - 基于云数据中心的智能平滑重启方法及装置 - Google Patents

基于云数据中心的智能平滑重启方法及装置 Download PDF

Info

Publication number
CN106648867B
CN106648867B CN201611179918.2A CN201611179918A CN106648867B CN 106648867 B CN106648867 B CN 106648867B CN 201611179918 A CN201611179918 A CN 201611179918A CN 106648867 B CN106648867 B CN 106648867B
Authority
CN
China
Prior art keywords
restart
matrix
application
module
data
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.)
Active
Application number
CN201611179918.2A
Other languages
English (en)
Other versions
CN106648867A (zh
Inventor
刘鹏
孙红涛
慕世勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Xingshu Technology Co ltd
Original Assignee
Hangzhou Xingshu Technology Co ltd
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 Hangzhou Xingshu Technology Co ltd filed Critical Hangzhou Xingshu Technology Co ltd
Priority to CN201611179918.2A priority Critical patent/CN106648867B/zh
Publication of CN106648867A publication Critical patent/CN106648867A/zh
Application granted granted Critical
Publication of CN106648867B publication Critical patent/CN106648867B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提供了基于云数据中心的智能平滑重启方法，包括以下步骤：响应于应用重启请求信号，进行弹性调度；采集部署应用实例的数据指标；分析数据指标对于***的整体需求和重要程度，得出重启策略；选择相应重启策略，进行重启。通过采用本发明的方法，在进行重启时不会造成用户感知能力强和数据中心的资源耗尽的缺陷，提高了数据中心的稳健性保证了业务的连续性。本发明综合考虑了应用的访问和各实例所使用的各项资源情况，并加以分析计算，使数据中心能够准确快速响应外部重启请求，具有很强的实用性和扩展性，便于推广应用。

Description

基于云数据中心的智能平滑重启方法及装置
技术领域
本发明涉及云计算技术领域，特别涉及基于云数据中心的智能平滑重启方法。
背景技术
一般情况下，随着云计算技术的快速发展和容器的快速崛起，传统的数据中心已经向云数据中心转变，同时融合容器技术，可以快速方便的部署和恢复业务，提高业务的高可用性。在容器云时代，通过先启动部分新的实例，然后关闭老的实例，达到灰度发布应用的效果。这种方式可以保证在不影响业务连续性的前提下对应用进行升级、回滚等操作。由于业务扩展需要，业务***往往会存在添加功能或删除功能的需求，在发布应用新版本时，需要重新启动应用实例，在重启过程中需要保证业务的连续性。当集群中实例个数过多，如果在保证老实例不关闭的情况下，启动新的实例，会出现资源不足的现象，进行动态扩容底层资源，造成资源浪费。业内通常的做法是首先根据现有业务的类型，对应用实例进行选择性的关闭，再启动新实例来保障业务的连续性。
如图1所示，当进行业务更新时，要对实例中的代码包进行替换，替换之后，为了保证业务的连续，需要对实例进行灰度的重启。策略一般为先启动新的实例，再关闭老的实例，这样就可以保证应用的高可用性。在以下情况会导致数据中心的业务的连续性出现故障：1）核心应用的实例个数较多，当先启动新的实例时，会瞬时占用过多的***资源，导致启动不成功；2）没有考虑当前业务的使用情况，不能智能的选择对应的策略进行业务的重启操作。在生产环境中，业务的需要重启的情况较多，不当的重启操作和重启策略会影响业务的连续性，影响用户的感知。在发生以上问题时，由于重启过程不能被打断，在发生故障后，只能做被动的故障处理，重新修改策略。严重时，导致业务***宕机，需要重新启动主机，这对于核心***来说是不可接受的。
发明内容
为解决的不当的重启操作和重启策略会影响业务的连续性，影响用户的感知的技术问题，本发明提出了基于云数据中心的智能平滑重启方法及装置来实现。
基于云数据中心的智能平滑重启方法，包括以下步骤：
响应于应用重启请求信号，进行弹性调度；
采集部署应用实例的数据指标；
分析数据指标对于***的整体需求和重要程度，得出重启策略；
选择相应重启策略，进行重启。
作为一种可实施方式，所述分析数据指标对于***的整体需求和重要程度，得出重启策略，包括以下步骤：
根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值
根据权重值和权重值所对应的指标值，得到总的资源使用情况；
结合总的资源使用情况，根据应用的实际运行状况和运维经验，得到重启策略。
作为一种可实施方式，所述根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值，过程如下：构建判断矩阵，对判断矩阵进行转换，得到转换后的矩阵，将转换后的矩阵的每一行进行归一化处理，得出归一化处理后的矩阵，归一化处理后的矩阵中的每行数据值代表各个指标对应的权重值；
检验判断矩阵构建的好坏程度，对转换后的矩阵进行一致性检验；一致性检验的计算公式如下，
Figure 743603DEST_PATH_IMAGE001
其中，
Figure 457481DEST_PATH_IMAGE002
表示一致性指标，
Figure 768377DEST_PATH_IMAGE003
表示一致性比率，
Figure 694744DEST_PATH_IMAGE004
是转换后的矩阵的最大 特征根，
Figure 40275DEST_PATH_IMAGE005
是比
Figure 128317DEST_PATH_IMAGE004
小的最大整数，
Figure 660929DEST_PATH_IMAGE006
是随机一致性指标；
当一致性比率CR小于0.1时，满足条件，选取权重值。
作为一种可实施方式，所述采集部署应用实例的数据指标是指请求队列长度、CPU使用率和内存的使用率中的至少一种。
作为一种可实施方式，所述应用重启请求信号为出现问题重新发布和应用更新中的至少一种。
一种云数据中心的智能平滑重启的装置，包括重启请求模块、智能重启调度模块和重启应用模块，所述智能重启调度模块包括数据采集模块和数据分析模块；
所述重启请求模块用于响应于应用重启请求信号，进行弹性调度；
所述数据采集模块用于采集部署应用实例的数据指标；
所述数据分析模块用于分析数据指标对于***的整体需求和重要程度，得出重启策略；
所述重启应用模块选择相应重启策略，进行重启。
作为一种可实施方式，所述数据分析模块设置为：根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值；
根据权重值和权重值所对应的指标值，得到总的资源使用情况；
结合总的资源使用情况，根据应用的实际运行状况和运维经验，得到重启策略。
作为一种可实施方式，所述根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值，过程如下：构建判断矩阵：构建判断矩阵，对判断矩阵进行转换，得到转换后的矩阵，将转换后的矩阵的每一行进行归一化处理，得出归一化处理后的矩阵，归一化处理后的矩阵中的每行数据值代表各个指标对应的权重值；
检验判断矩阵构建的好坏程度，对转换后的矩阵进行一致性检验；一致性检验的计算公式如下，
Figure 390988DEST_PATH_IMAGE007
其中，
Figure 325446DEST_PATH_IMAGE002
表示一致性指标，
Figure 584389DEST_PATH_IMAGE003
表示一致性比率，
Figure 604297DEST_PATH_IMAGE004
是转换后的矩阵的最大 特征根，
Figure 606889DEST_PATH_IMAGE005
是比
Figure 395853DEST_PATH_IMAGE004
小的最大整数，
Figure 91277DEST_PATH_IMAGE006
是随机一致性指标；
当一致性比率CR小于0.1时，满足条件，选取权重值。
作为一种可实施方式，所述数据采集模块设置为：所述采集部署应用实例的数据指标是指请求队列长度、CPU使用率和内存的使用率中的至少一种。
作为一种可实施方式，所述重启请求模块设置为：所述应用重启请求信号为出现问题重新发布和应用更新中的至少一种。
本发明相比于现有技术的有益效果在于：
本发明的基于云数据中心的智能平滑重启方法，包括以下步骤：响应于应用重启请求信号，进行弹性调度；采集部署应用实例的数据指标；分析数据指标对于***的整体需求和重要程度，得出重启策略；选择相应重启策略，进行重启。通过采用本发明的方法，在进行重启时不会造成用户感知能力强和数据中心的资源耗尽的缺陷，提高了数据中心的稳健性保证了业务的连续性。本发明综合考虑了应用的访问和各实例所使用的各项资源情况，并加以分析计算，使数据中心能够准确快速响应外部重启请求，具有很强的实用性和扩展性，便于推广应用。
附图说明
图1为现有技术的整体流程示意图；
图2为本发明的整体流程示意图；
图3为本发明的分析数据指标对于***的整体需求和重要程度的流程示意图；
图4为本发明的应用场景流程示意图；
图5为本发明的整体结构示意图；
图6为本发明的智能重启调度模块的结构示意图；
图7为智能重启调度模块的工作过程示意图。
具体实施方式
以下结合附图，对本发明上述的和另外的技术特征和优点进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的部分实施例，而不是全部实施例。
本领域技术人员知道，本发明的实施方式可以实现为一种***、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
发明概述
本发明基于云数据中心的智能平滑重启方法，包括以下步骤：
S1，响应于应用重启请求信号，进行弹性调度；
S2，采集部署应用实例的数据指标；
S3，分析数据指标对于***的整体需求和重要程度，得出重启策略；
S4，选择相应重启策略，进行重启。
进一步地，参照附图3，所述分析数据指标对于***的整体需求和重要程度，得出重启策略，包括以下步骤：
S21，根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值
S22，根据权重值和权重值所对应的指标值，得到总的资源使用情况；
S23，结合总的资源使用情况，根据应用的实际运行状况和运维经验，得到重启策略。
通过采用本发明的方法，在进行重启时不会造成用户感知能力强和数据中心的资源耗尽的缺陷，提高了数据中心的稳健性保证了业务的连续性。本发明综合考虑了应用的访问和各实例所使用的各项资源情况，并加以分析计算，使数据中心能够准确快速响应外部重启请求，具有很强的实用性和扩展性，便于推广应用。
下面结合具体实施例来说明本发明的方法和装置。
实施例1
参照附图2，本发明基于云数据中心的智能平滑重启方法，包括以下步骤：
S1，响应于应用重启请求信号，进行弹性调度；
S2，采集部署应用实例的数据指标；
S3，分析数据指标对于***的整体需求和重要程度，得出重启策略；
S4，选择相应重启策略，进行重启。
进一步地，参照附图3，在步骤S3中，具体包括以下步骤：
S31，根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值
S32，根据权重值和权重值所对应的指标值，得到总的资源使用情况；
S33，结合总的资源使用情况，根据应用的实际运行状况和运维经验，得到重启策略。
步骤S31的具体实现方式如下：
构建判断矩阵：
Figure 598481DEST_PATH_IMAGE008
其中，A表示判断矩阵，B表示判断矩阵经过转换后的矩阵，
Figure 404763DEST_PATH_IMAGE009
表示指标
Figure 313813DEST_PATH_IMAGE010
对于数据 指标
Figure 914559DEST_PATH_IMAGE011
的重要程度，将矩阵B的每一行进行归一化处理，可以得出i行1列的矩阵，i行1列的矩 阵中的每行数据值代表各个指标对应的权重值；
检验判断矩阵构建的好坏程度，对矩阵B进行一致性检验；一致性检验的计算公式如下，
Figure 909060DEST_PATH_IMAGE001
其中，
Figure 253453DEST_PATH_IMAGE002
表示一致性指标，
Figure 17010DEST_PATH_IMAGE003
表示一致性比率，
Figure 54236DEST_PATH_IMAGE004
是矩阵B的最大特征根，
Figure 536033DEST_PATH_IMAGE005
是比
Figure 684118DEST_PATH_IMAGE004
小的最大整数，
Figure 302181DEST_PATH_IMAGE006
是随机一致性指标；
当一致性比率CR小于0.1时，矩阵B满足条件。
下附随机一致性指标RI值，参见表1
表1 随机一致性指标RI值
n 1 2 3 4 5 6 7 8 9 10 11
RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51
应用场景示例，如图4所示，当有外部请求需要重启时，开始采集应用的资源和使用情况包括请求队列长度、CPU使用率和内存的使用率，并且对数据进行分析，分析数据指标对于***的整体需求和重要程度，选取重启策略，执行重启动作，重启的同时还可以通过策略维护模块进行策略的查询和变更维护。
一种云数据中心的智能平滑重启的装置，包括重启请求模块1、智能重启调度模块2和重启应用模块3，智能重启调度模块2包括数据采集模块21和数据分析模块22；
重启请求模块1用于响应于应用重启请求信号，进行弹性调度；
数据采集模块21用于采集部署应用实例的数据指标；
数据分析模块22用于分析数据指标对于***的整体需求和重要程度，得出重启策略；
重启应用模块3选择相应重启策略，进行重启。
附图6是智能重启调度模块的工作示意图，数据采集模块21采集数据中心应用集群实例（包括CPU、内存、带宽和硬盘）的CPU使用率，请求队列长度以及内存的使用率，计算总的资源使用情况，根据总的资源使用情况选择合适的重启策略。
数据分析模块22设置为：根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值；
根据权重值和权重值所对应的指标值，得到总的资源使用情况；
结合总的资源使用情况，根据应用的实际运行状况和运维经验，得到重启策略。
根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值，过程如下：构建判断矩阵：
Figure 510308DEST_PATH_IMAGE008
其中，A表示判断矩阵，B表示判断矩阵经过转换后的矩阵，
Figure 213822DEST_PATH_IMAGE009
表示指标
Figure 900018DEST_PATH_IMAGE010
对于数据 指标
Figure 638167DEST_PATH_IMAGE011
的重要程度，将矩阵B的每一行进行归一化处理，可以得出i行1列的矩阵，i行1列的矩 阵中的每行数据值代表各个指标对应的权重值；
检验判断矩阵构建的好坏程度，对矩阵B进行一致性检验；一致性检验的计算公式如下，
Figure 282775DEST_PATH_IMAGE007
其中，
Figure 473585DEST_PATH_IMAGE002
表示一致性指标，
Figure 963472DEST_PATH_IMAGE003
表示一致性比率，
Figure 290549DEST_PATH_IMAGE004
是矩阵B的最大特征根，
Figure 840479DEST_PATH_IMAGE005
是比
Figure 518585DEST_PATH_IMAGE004
小的最大整数，
Figure 77742DEST_PATH_IMAGE006
是随机一致性指标；
当一致性比率CR小于0.1时，矩阵B满足条件。
数据采集模块22设置为：采集部署应用实例的数据指标是指请求队列长度、CPU使用率和内存的使用率中的至少一种。
重启请求模块22设置为：应用重启请求信号为出现问题重新发布和应用更新中的至少一种。
智能重启调度模块2还包括了策略维护模块23，策略维护包括以下内容：
1） 新重启实例个数1个，上浮重启实例个数2个。
2） 新重启实例个数3个，上浮重启实例个数5个。
3） 新重启实例个数4个，上浮重启实例个数5个。
4） 新重启实例个数X个，上浮重启实例个数M个。
其中，策略维护模块可以根据运维人员和应用人员的经验进行对X和M进行调整。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.基于云数据中心的智能平滑重启方法，其特征在于，包括以下步骤：
响应于应用重启请求信号，进行弹性调度，所述应用重启请求信号为出现问题重新发布和应用更新中的至少一种；
采集部署应用实例的数据指标，所述数据指标是指请求队列长度、CPU使用率和内存的使用率中的至少一种；
分析数据指标对于***的整体需求和重要程度，得出重启策略；
其中，所述分析数据指标对于***的整体需求和重要程度，得出重启策略，包括以下步骤：
根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值，过程如下：
构建判断矩阵，对判断矩阵进行转换，得到转换后的矩阵，将转换后的矩阵的每一行进行归一化处理，得出归一化处理后的矩阵，归一化处理后的矩阵中的每行数据值代表各个指标对应的权重值；
检验判断矩阵构建的好坏程度，对判断转换后的矩阵进行一致性检验；一致性检验的计算公式如下，
Figure DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
表示一致性指标，
Figure DEST_PATH_IMAGE003
表示一致性比率，
Figure DEST_PATH_IMAGE004
是转换后的矩阵的最大特征 根，
Figure DEST_PATH_IMAGE005
是比
Figure 411389DEST_PATH_IMAGE004
小的最大整数，
Figure DEST_PATH_IMAGE006
是随机一致性指标；
当一致性比率CR小于0.1时，满足条件，选取权重值；
根据权重值和权重值所对应的指标值，得到总的资源使用情况；
结合总的资源使用情况，根据应用的实际运行状况和运维经验，得到重启策略；
选择重启策略，进行重启，进行重启策略的查询和变更维护。
2.一种云数据中心的智能平滑重启的装置，其特征在于，包括重启请求模块、智能重启调度模块和重启应用模块，所述智能重启调度模块包括数据采集模块和数据分析模块；
所述重启请求模块用于响应于应用重启请求信号，进行弹性调度，所述应用重启请求信号为出现问题重新发布和应用更新中的至少一种；
所述数据采集模块用于采集部署应用实例的数据指标，所述数据指标是指请求队列长度、CPU使用率和内存的使用率中的至少一种；
所述数据分析模块用于分析数据指标对于***的整体需求和重要程度，得出重启策略；
其中，所述数据分析模块设置为：根据数据指标对于***的整体需求和重要程度，构建判断矩阵，计算权重值，过程如下：构建判断矩阵，对判断矩阵进行转换，得到转换后的矩阵，将转换后的矩阵的每一行进行归一化处理，得出归一化处理后的矩阵，归一化处理后的矩阵中的每行数据值代表各个指标对应的权重值；
检验判断矩阵构建的好坏程度，对转换后的矩阵进行一致性检验；一致性检验的计算公式如下，
Figure DEST_PATH_IMAGE007
其中，
Figure 569008DEST_PATH_IMAGE002
表示一致性指标，
Figure 817586DEST_PATH_IMAGE003
表示一致性比率，
Figure 681637DEST_PATH_IMAGE004
是转换后的矩阵的最大特征 根，
Figure 964851DEST_PATH_IMAGE005
是比
Figure 242773DEST_PATH_IMAGE004
小的最大整数，
Figure 683375DEST_PATH_IMAGE006
是随机一致性指标；
当一致性比率CR小于0.1时，满足条件，选取权重值；
根据权重值和权重值所对应的指标值，得到总的资源使用情况；
结合总的资源使用情况，根据应用的实际运行状况和运维经验，得到重启策略；
所述重启应用模块选择相应重启策略，进行重启；
所述智能重启调度模块还包括策略维护模块，所述策略维护模块进行重启策略的查询和变更维护。
CN201611179918.2A 2016-12-19 2016-12-19 基于云数据中心的智能平滑重启方法及装置 Active CN106648867B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611179918.2A CN106648867B (zh) 2016-12-19 2016-12-19 基于云数据中心的智能平滑重启方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611179918.2A CN106648867B (zh) 2016-12-19 2016-12-19 基于云数据中心的智能平滑重启方法及装置

Publications (2)

Publication Number Publication Date
CN106648867A CN106648867A (zh) 2017-05-10
CN106648867B true CN106648867B (zh) 2020-07-10

Family

ID=58833852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611179918.2A Active CN106648867B (zh) 2016-12-19 2016-12-19 基于云数据中心的智能平滑重启方法及装置

Country Status (1)

Country Link
CN (1) CN106648867B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109992374A (zh) * 2017-12-29 2019-07-09 中移互联网有限公司 一种应用实例的管理方法、装置及计算机可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2869197A1 (en) * 2013-10-31 2015-05-06 Sap Se Automated procedure for kernel change

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104216771B (zh) * 2013-05-30 2018-01-23 华为技术有限公司 软件程序的重启方法及装置
CN105577457B (zh) * 2016-03-09 2019-02-01 上海天玑科技股份有限公司 一种数据中心资源智能弹性调度***及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2869197A1 (en) * 2013-10-31 2015-05-06 Sap Se Automated procedure for kernel change

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"面向云数据中心的工作流自动化***设计与实现";吴国龙;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160615;第I138-495页 *

Also Published As

Publication number Publication date
CN106648867A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
US12039307B1 (en) Dynamically changing input data streams processed by data stream language programs
CN102694868B (zh) 一种集群***实现及任务动态分配方法
US9405589B2 (en) System and method of optimization of in-memory data grid placement
CN107357730B (zh) 一种***故障诊断修复方法及装置
JP6205066B2 (ja) ストリームデータ処理方法、ストリームデータ処理装置及び記憶媒体
JP2017500641A5 (zh)
TW201535266A (zh) 虛擬機器之資源調整方法及系統
EP3200076A1 (en) System and method for load estimation of virtual machines in a cloud environment and serving node
CN114637650B (zh) 一种基于Kubernetes集群的弹性伸缩方法
WO2021058020A1 (zh) 一种有状态应用的实例创建方法、装置、设备及介质
US9336504B2 (en) Eliminating execution of jobs-based operational costs of related reports
CN105786682A (zh) 一种规避软件性能故障的实施***及方法
CN112099937A (zh) 一种资源治理方法和装置
CN106648867B (zh) 基于云数据中心的智能平滑重启方法及装置
CN105389201B (zh) 一种基于高性能计算集群的进程管理方法及其***
CN116468967B (zh) 样本图像筛选方法、装置、电子设备及存储介质
US8677003B1 (en) Distributed processing of streaming data on an event protocol
CN108183870B (zh) 一种基于云成熟度的云数据中心资源调度共享方法及***
WO2023103349A1 (zh) 负载调节方法、管理节点以及存储介质
US11212231B2 (en) Data processing system and method of controlling the same
CN115883357A (zh) 一种软负载服务器处理方法、装置、电子设备及介质
CN112052087B (zh) 动态资源调整与迁移的深度学习训练***及方法
CN114706893A (zh) 故障检测方法、装置、设备及存储介质
US20240045784A1 (en) Hybrid neural network for preventing system failure
US20140214875A1 (en) Node search system and method using publish-subscribe communication middleware

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