CN110262891A - 跨虚拟化平台自动化多功能资源循环利用*** - Google Patents
跨虚拟化平台自动化多功能资源循环利用*** Download PDFInfo
- Publication number
- CN110262891A CN110262891A CN201811272154.0A CN201811272154A CN110262891A CN 110262891 A CN110262891 A CN 110262891A CN 201811272154 A CN201811272154 A CN 201811272154A CN 110262891 A CN110262891 A CN 110262891A
- Authority
- CN
- China
- Prior art keywords
- resource
- module
- automation
- virtual platform
- reclaim
- 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
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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
-
- 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
- G06F2209/503—Resource availability
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了跨虚拟化平台自动化多功能资源循环利用***。包括:自动化资源报表产出模块,利用Paas资源指标***评估算法判定、运算及归类资源使用指标,产出资源评估报表;自动化资源回收模块,判定VM所拥有资源,采用各虚拟化平台不同的交互方式,归纳计算所需回收资源值,并完成资源的回收;自动化资源再分配模块,采集评估上一周期资源,为资源使用紧张的虚拟机进行再分配;采集评估上一周期约定资源,未达约定要求的资源自动进行调整。本发明解决混合虚拟化环境的资源管理难点,节省人工成本,提高流程效率。
Description
技术领域
本发明属于云计算技术领域,更具体地,涉及跨虚拟化平台自动化多功能资源循环利用***。
背景技术
大型私有云环境中普遍存在IT资源利用率低、资源周转缓慢等问题,而长期的资源效率低下会导致IT资源的浪费,IT运行成本的不可控攀升。现有的私有云普遍采用半自动化的资源回收及周转方式,通过人工或计划任务方式定期取得***资源使用情况,依据专业经验对资源使用情况进行判断,人工设置阈值后,手动登陆不同的虚拟化平台进行资源的调整,或半自动化的为不同的虚拟化平台布置计划任务来达到定期进行资源回收周转的效果。
大型私有云一般混合多种虚拟化平台,规模庞大,虚拟机(VM)数量众多,VM资源使用情况繁杂,因此采用手工或半自动化的资源回收及周转方式会存在以下问题:
(一)混合虚拟化平台(比如PowerVM虚拟化产品和Vmware虚拟化产品)交互方式不一,不同产品资源调整方法迥异,导致手工或半自动化的资源回收周转方式流程过多,人工及时间成本较大。
(二)VM资源使用情况依靠“专业经验”判断,资源指标阈值缺乏科学依据,不同时期阈值缺乏标准,纵观全局阈值判断不成体系。比如如何判定“低效资源”类型而选择回收,又如何判定“资源紧张”类型而决定再分配,每一循环周期类似的工作耗费人工及时间成本的同时,更缺乏说服力。
(三)当遇到复杂多样的VM环境情况及资源使用情况时,半自动化的资源回收及周转方式会遇到场景处理上的困难,更多时候需要人为干预来保证资源回收及周转的有序、准确。围绕一台VM,存在多种多样的信息,包括资源信息及环境信息等,当它们组合起来时,往往需要人工的指引处理,来确保每一次资源调整的动作不会发生错误,甚至造成混乱。而人工处理最终带来的是IT运行成本和管理成本的攀升。
(四)人工或半自动化的资源回收及周转方式相比于自动化程序,在流程闭环处理、校准动作及自我优化上有着天然的劣势。比如,前者在每一循环周期完成后,新的循环周期开始前,没有办法或者需要耗费大量的时间成本去检查资源回收清单,观察上一周期被回收的VM是否出现“资源紧张”情况,是否需要加入再分配清单等,来形成一个循环利用的闭环管理。前者也需要耗费更多的人工成本将上一周期出现错误或者需要调整的循环利用动作付诸实践。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了跨虚拟化平台自动化多功能资源循环利用***,其目的在于为生产适用于大型私有云环境的Paas资源自动化管理软件产品。
为实现上述目的,按照本发明的一个方面,提供了跨虚拟化平台自动化多功能资源循环利用***,包括:
自动化资源报表产出模块,所述自动化资源报表产出模块用于周期性采集资源使用数据,利用Paas资源指标***评估算法判定、运算及归类资源使用指标,产出、展示资源评估报表;
自动化资源回收模块,所述自动化资源回收模块依据资源评估报表反馈结果,判定VM所处虚拟化平台、VM所处宿主机、VM所拥有资源,采用各虚拟化平台不同的交互方式,归纳计算所需回收资源值,并完成资源的回收;
自动化资源再分配模块,所述自动化资源回收模块采集评估上一周期资源,为资源使用紧张的虚拟机进行再分配;采集评估上一周期约定资源,未达约定要求的资源自动进行调整。
根据本发明实施例,所述***还包括:
日志模块,所述日志模块记录自动化资源报表产出模块、自动化资源回收模块、自动化资源再分配模块各工作段处理成功或失败情况的日志,为产品使用者提供详细的诊断内容;
主动校准模块,所述主动校准模块通过自我优化策略、日志校准资源回收再分配动作,为下一周期及未来的资源循环利用提供预处理方法。
根据本发明实施例,所述***还包括:
增加约定/定制资源可交互模块,所述增加约定/定制资源可交互模块在自动化资源再分配模块中让资源使用者即时的更新约定以及定制资源。
根据本发明实施例,所述Paas资源指标***评估算法,基于真实数据模型进行数据拟合,得到描述因变量y“VM资源利用度”与自变量x1“CPU峰值”、x2“计算内存平均使用率”之间关系的拟合方程:
Paas资源指标***将Paas资源分为Paas资源回收、Paas资源周转,将Paas资源回收、Paas资源周转拟真测试数据的回归曲线对拟合方程进行二次拟合,得到指标阈值矩阵,获取“闲置资源回收指标阈值”和“富余资源回收指标阈值”的指示区间。
根据本发明实施例,所述自动化资源报表产出模块包括:
周期数据采集组件,所述周期数据采集组件周期性地从监控数据库获取VM的CPU、内存资源使用情况的原始数据,进行初步加工,得到带格式的资源使用列表;
指标***算法组件,所述指标***算法组件利用指标阈值矩阵,判定、运算、归类“闲置资源”与“富余资源”类型VM及其CPU、内存资源使用情况的详细信息;
展现平台组件,所述展现平台组件产出VM资源评估报表;
所述自动化资源报表产出模块以周期数据采集、利用指标阈值矩阵判定、运算及归类资源使用指标、产出展现VM资源评估报表顺序运行。
根据本发明实施例,所述自动化资源回收模块包括:
自适应复杂条件算法组件,对不同的资源环境信息、不同的需求情况进行运算,将运算值引导至正确的域内,从而实现针对不同的目标均执行对应程序工作段的功能;
跨虚拟化平台资源回收组件,根据资源评估报表的反馈结果,针对不同的虚拟化平台,不同的低效资源类别,利用专用的云管理中心,采取不同的方式方法进行回收;VMware平台采用Vmware Powercli语句进行回收,PowerVM采用hmc专用语句进行回收。
根据本发明实施例,所述自动化资源再分配模块包括:
周期数据采集组件,从监控数据库获取上一周期的虚拟机(VM)的CPU、内存资源使用情况的原始数据,进行初步加工,得到带格式的资源使用列表;
指标***算法组件,利用指标阈值矩阵,判定、运算、归类“资源紧张”类型VM及其CPU、内存的资源使用情况的详细信息;
自适应复杂条件算法组件,对不同的资源环境信息、不同的需求情况进行运算,将运算值引导至正确的域内,从而实现针对不同的目标均执行对应程序工作段的功能;
跨虚拟化平台资源回收组件,根据资源评估报表的反馈结果,针对不同的虚拟化平台,不同的低效资源类别,利用专用的云管理中心,采取不同的方式方法进行再分配;对资源使用紧张的VM再分配资源;对未达约定要求的资源打上新循环周期的“需回收”标记;VMware平台采用VmwarePowercli语句进行再分配,PowerVM采用hmc专用语句进行再分配。
根据本发明实施例,所述自动化资源回收模块与自动化资源再分配模块联动,均嵌套自适应复杂条件算法、跨虚拟化平台资源处理功能;所述自动化资源回收模块与自动化资源再分配模块中自适应复杂条件算法与自动化资源报表产出模块Paas资源指标***评估算法原理一致,为各程序工作段提供执行的先决条件,在设定的条件触发下,再采取工作方式相似的跨虚拟化平台资源回收再分配方法进行资源调整,并最终通过不同的校验方法完成“验收”。
根据本发明实施例,所述自适应复杂条件算法是联合awk的shell工具处理复杂条件,将实际情况具象为数组,预定义划分各个运算值、域,对数组进行运算,当触发关联值的对应域时,打开对应工作段的执行阀门。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,由于提供了跨虚拟化平台自动化多功能资源循环利用***,能够取得下列有益效果:
(1)跨虚拟化平台运作,解决混合虚拟化环境的资源管理难点,节省人工成本,提高流程效率。
(2)独有的指标***。利用经过数学模型演绎、实践检验的指标阈值矩阵区分、判定、组合、运算并归类“低效资源类型”及其指标区间。
(3)开放式的框架语言展现平台。通过松散耦合结构的展现平台,形成具有可视化、直观、清晰等特点的展现。
(4)自适应复杂条件算法。该算法结合不同情况的VM资源信息,适应繁杂多样的VM环境信息,为产品各工作段提供先决的执行条件运算,完成产品在不同情况下的精确导向。该算法广泛运用于本产品各部分,保证资源回收周转的有序、准确进行。
(5)面对不同的资源回收类型、资源回收情况,智能选择不同的自动化资源回收方法。
(6)新的循环周期开始前,自动完成对上一周期资源的“观察”、“思考”,智能结合使用情况进行资源的再分配动作。
(7)自我优化、校准资源回收再分配条件及动作,为下一周期的循环利用提供预处理方法。
附图说明
图1是跨虚拟化平台自动化多功能资源循环利用***结构图;
图2是跨虚拟化平台自动化多功能资源循环利用***模块图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,跨虚拟化平台自动化多功能资源循环利用***总体结构包括三大模块,自动化资源报表产出模块、自动化资源回收模块及自动化资源再分配模块,以及两大辅助***——记录完整事务日志的日志模块和自我优化策略的主动校准模块。
自动化资源报表产出模块,所述自动化资源报表产出模块用于周期性采集资源使用数据,利用Paas资源指标***评估算法判定、运算及归类资源使用指标,产出、展示资源评估报表。
自动化资源回收模块,所述自动化资源回收模块依据资源评估报表反馈结果,判定VM所处虚拟化平台、VM所处宿主机、VM所拥有资源,采用各虚拟化平台不同的交互方式,归纳计算所需回收资源值,并完成资源的回收。
自动化资源再分配模块,所述自动化资源回收模块采集评估上一周期资源,为资源使用紧张的虚拟机进行再分配;采集评估上一周期约定资源,未达约定要求的资源自动进行调整。
日志模块,所述日志模块记录自动化资源报表产出模块、自动化资源回收模块、自动化资源再分配模块各工作段处理成功或失败情况的日志,为产品使用者提供详细的诊断内容。
主动校准模块,所述主动校准模块通过自我优化策略、日志校准资源回收再分配动作,为下一周期及未来的资源循环利用提供预处理方法。
跨虚拟化平台自动化多功能资源循环利用***还包括:
增加约定/定制资源可交互模块,所述增加约定/定制资源可交互模块在自动化资源再分配模块中让资源使用者即时的更新约定以及定制资源。
本发明是为生产适用于大型私有云环境的Paas资源自动化管理软件产品,所起作用如下:
(1)Paas资源使用指标自动判定、运算及归类,利用《基于真实数据模型拟合的Paas资源循环利用指标***》完成资源使用指标的判定、运算、归类。
(2)Paas资源使用情况展现,通过开放式的框架语言展现平台产出资源评估报表,使私有云资源使用情况得到直观可视的表达。
(3)自动化自适应复杂条件并完成跨虚拟化平台的资源回收,根据产品本身所拥有的自适应复杂条件的智能算法,结合资源评估报表反馈结果,判定虚拟机(以下简称VM)所处虚拟化平台、VM所处宿主机、VM所拥有资源等情况,采用各虚拟化平台不同的交互方式,归纳计算所需回收资源值,并完成资源的精确回收。
(4)自动化完成对上一周期资源的“观察”、“思考”与再分配,在新的循环周期开始前,自动完成对上一周期资源的“观察”——重新采集、评估资源使用情况,自动完成对资源处理方式的“思考”——做出最佳的判断和选择,智能为上一周期中资源使用紧张的VM进行资源的再分配、为未达约定资源使用要求的VM进行资源的回收等,从而保证资源的高效率、快周转利用。
跨虚拟化平台自动化多功能资源循环利用***软件产品贯穿通用的Paas资源指标***——该***提供资源指标判定、运算及归类方法,一致的跨虚拟化平台资源回收再分配方法,原理相同的自适应复杂条件算法等。在这些方法的共同指导和作用下,各模块通过紧密的交互以及联动,有序、准确地完成私有云Paas资源的自动化回收及周转。
跨虚拟化平台自动化多功能资源循环利用***的核心部分Paas资源指标***评估算法,基于真实数据模型拟合的Paas资源循环利用指标***。
按照私有云资源需求方/使用方资源利用的低效程度,我们将需要回收的资源基本分为两类:一类是较长时间未被使用的整台VM(虚拟机,私有云基础对象中最小单元)——“闲置资源”,一类是被VM占有却未被高效利用的“富余资源”。
Paas资源循环利用指标***通过真实数据及拟真测试数据趋势曲线,论证选取“CPU峰值”及“计算内存平均使用率”为指标对象,并将指标对象的数据建模拟合,得到指标组合变量关系拟合方程。
指标组合变量关系拟合方程,利用最小二乘法原理及方法,基于真实数据模型进行数据拟合,得到描述因变量y“VM资源利用度”与自变量x1“CPU峰值”、x2“计算内存平均使用率”之间关系的拟合方程:
Paas资源循环利用指标***将Paas资源分为Paas资源回收、Paas资源周转,将Paas资源回收、Paas资源周转拟真测试数据的回归曲线对拟合方程进行二次拟合,得到指标阈值矩阵,获取“闲置资源回收指标阈值”和“富余资源回收指标阈值”的指示区间。
当阈值CPU峰值小于等于5%,计算内存平均使用率小于等于5%,判定为闲置资源,整台VM回收;
当阈值CPU峰值范围5%至20%,20%为达标点,计算内存平均使用率10%至50%,50%为达标点,判定为富余资源,资源低效部分进行回收,直至VM资源使用率达到达标点,保证资源充分利用;
所述Paas资源周转,当阈值CPU峰值超过20%,计算内存平均使用率超过50%,重新分配资源给VM,直至VM资源使用率返回达标点,满足资源需求方法的需求。
跨虚拟化平台自动化多功能资源循环利用***结构详解如下。
自动化资源报表产出模块包括:周期数据采集组件、指标***算法组件、展现平台组件。
周期数据采集组件,所述周期数据采集组件周期性地从监控数据库获取VM的CPU、内存资源使用情况的原始数据,进行初步加工,得到带格式的资源使用列表。
工作原理:结合IBM DB2监控数据库表分类,利用SQL语言导出定制del文件。
指标***算法组件,所述指标***算法组件利用指标阈值矩阵,判定、运算、归类“闲置资源”与“富余资源”类型VM及其CPU、内存资源使用情况的详细信息。
工作原理:采用awk组合语句实现结合到指标阈值矩阵的值的判定,运算与归类。
展现平台组件,所述展现平台组件产出直观的VM资源评估报表开放式的版式语言,允许后期进行不断的美观和调优。
工作原理:利用html框架形成展现。
自动化资源报表产出模块使用及操作方式:
自动化资源回收模块包括:自适应复杂条件算法组件、跨虚拟化平台资源回收组件。
自适应复杂条件算法组件,对不同的资源环境信息、不同的需求情况进行运算,将运算值引导至正确的域内,从而实现针对不同的目标均执行对应程序工作段的功能。
工作原理:联合awk等shell工具处理复杂条件;基本原理如下:将实际情况具象为数组,预定义划分各个运算值、域,对数组进行运算,当触发关联值的对应域时,打开对应工作段的执行阀门。通过该原理,实现各式各样的复杂条件算法处理功能。
跨虚拟化平台资源回收组件,根据资源评估报表的反馈结果,针对不同的虚拟化平台,不同的低效资源类别,利用专用的云管理中心,采取不同的方式方法进行回收。比如PowerVM与VMware运用不同的方法进行资源处理;“闲置资源”进行整体回收,“富余资源”进行部分回收等。
工作原理:利用专用的云管理中心与不同的虚拟化平台交互,采取不同的虚拟化资源回收方法,比如VMware平台采用Vmware Powercli语句进行回收,PowerVM采用hmc专用语句进行回收。
自动化资源回收模块使用及操作方式:
自动化资源再分配模块包括:周期数据采集组件、指标***算法组件、自适应复杂条件算法组件、跨虚拟化平台资源回收组件。
周期数据采集组件,从监控数据库获取上一周期的虚拟机(VM)的CPU、内存资源使用情况的原始数据,进行初步加工,得到带格式的资源使用列表。
工作原理:结合IBM DB2监控数据库表分类,利用SQL语言导出定制del文件。
指标***算法组件,利用指标阈值矩阵,判定、运算、归类“资源紧张”类型VM及其CPU、内存的资源使用情况的详细信息。
工作原理:采用awk组合语句实现结合到指标阈值矩阵的值的判定,运算与归类。
自适应复杂条件算法组件,对不同的资源环境信息、不同的需求情况进行运算,将运算值引导至正确的域内,从而实现针对不同的目标均执行对应程序工作段的功能。
工作原理:联合awk等shell工具处理复杂条件。基本原理如下:将实际情况具象为数组,预定义划分各个运算值、域,对数组进行运算,当触发关联值的对应域时,打开对应工作段的执行阀门。通过该原理,实现各式各样的复杂条件算法处理功能。
跨虚拟化平台资源回收组件,根据资源评估报表的反馈结果,针对不同的虚拟化平台,不同的低效资源类别,利用专用的云管理中心,采取不同的方式方法进行再分配;比如PowerVM与VMware运用不同的方法进行资源处理;对资源使用紧张的VM再分配资源;对未达约定要求的资源打上新循环周期的“需回收”标记。
工作原理:利用专用的云管理中心与不同的虚拟化平台交互,采取不同的虚拟化资源再分配方法,比如VMware平台采用Vmware Powercli语句进行再分配,PowerVM采用hmc专用语句进行再分配。
自动化资源再分配模块使用及操作方式:
如图2所示,自动化资源报表产出模块以周期数据采集、利用指标阈值矩阵判定、运算及归类资源使用指标、产出展现VM资源评估报表顺序运行。所述自动化资源报表产出模块以顺序运行模式为主;自动化资源回收模块与自动化资源再分配模块联动性较强,均嵌套自适应复杂条件算法、跨虚拟化平台资源处理功能,以实现两个模块在资源回收及再利用上的紧密配合。
跨虚拟化平台自动化多功能资源循环利用***以自动产出模块的产物为前提,自动化回收和再分配模块利用指导思想一致的自适应复杂条件算法,为各程序工作段提供执行的先决条件;在正确的条件触发下,再采取工作方式相似的跨虚拟化平台资源回收再分配方法进行资源调整,并最终通过不同的校验方法完成“验收”。
跨虚拟化平台自动化多功能资源循环利用***贯穿通用的Paas资源指标***——该***提供资源指标判定、运算及归类方法,一致的跨虚拟化平台资源回收再分配方法,原理相同的自适应复杂条件算法等。在这些方法的共同指导和作用下,各模块通过紧密的交互以及联动,有序、准确地完成私有云Paas资源的自动化回收及周转。
跨虚拟化平台自动化多功能资源循环利用***总体使用运作方式:
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.跨虚拟化平台自动化多功能资源循环利用***,其特征在于,包括:
自动化资源报表产出模块,所述自动化资源报表产出模块用于周期性采集资源使用数据,利用Paas资源指标***评估算法判定、运算及归类资源使用指标,产出、展示资源评估报表;
自动化资源回收模块,所述自动化资源回收模块依据资源评估报表反馈结果,判定VM所处虚拟化平台、VM所处宿主机、VM所拥有资源,采用各虚拟化平台不同的交互方式,归纳计算所需回收资源值,并完成资源的回收;
自动化资源再分配模块,所述自动化资源回收模块采集评估上一周期资源,为资源使用紧张的虚拟机进行再分配;采集评估上一周期约定资源,未达约定要求的资源自动进行调整。
2.根据权利要求1所述的跨虚拟化平台自动化多功能资源循环利用***,其特征在于,所述***还包括:
日志模块,所述日志模块记录自动化资源报表产出模块、自动化资源回收模块、自动化资源再分配模块各工作段处理成功或失败情况的日志,为产品使用者提供详细的诊断内容;
主动校准模块,所述主动校准模块通过自我优化策略、日志校准资源回收再分配动作,为下一周期及未来的资源循环利用提供预处理方法。
3.根据权利要求1所述的跨虚拟化平台自动化多功能资源循环利用***,其特征在于,所述***还包括:
增加约定/定制资源可交互模块,所述增加约定/定制资源可交互模块在自动化资源再分配模块中让资源使用者即时的更新约定以及定制资源。
4.根据权利要求1所述的跨虚拟化平台自动化多功能资源循环利用***,其特征在于,所述Paas资源指标***评估算法,基于真实数据模型进行数据拟合,得到描述因变量y“VM资源利用度”与自变量x1“CPU峰值”、x2“计算内存平均使用率”之间关系的拟合方程:
Paas资源指标***将Paas资源分为Paas资源回收、Paas资源周转,将Paas资源回收、Paas资源周转拟真测试数据的回归曲线对拟合方程进行二次拟合,得到指标阈值矩阵,获取“闲置资源回收指标阈值”和“富余资源回收指标阈值”的指示区间。
5.根据权利要求4所述的跨虚拟化平台自动化多功能资源循环利用***,其特征在于,所述自动化资源报表产出模块包括:
周期数据采集组件,所述周期数据采集组件周期性地从监控数据库获取VM的CPU、内存资源使用情况的原始数据,进行初步加工,得到带格式的资源使用列表;
指标***算法组件,所述指标***算法组件利用指标阈值矩阵,判定、运算、归类“闲置资源”与“富余资源”类型VM及其CPU、内存资源使用情况的详细信息;
展现平台组件,所述展现平台组件产出VM资源评估报表;
所述自动化资源报表产出模块以周期数据采集、利用指标阈值矩阵判定、运算及归类资源使用指标、产出展现VM资源评估报表顺序运行。
6.根据权利要求1所述的跨虚拟化平台自动化多功能资源循环利用***,其特征在于,所述自动化资源回收模块包括:
自适应复杂条件算法组件,对不同的资源环境信息、不同的需求情况进行运算,将运算值引导至正确的域内,从而实现针对不同的目标均执行对应程序工作段的功能;
跨虚拟化平台资源回收组件,根据资源评估报表的反馈结果,针对不同的虚拟化平台,不同的低效资源类别,利用专用的云管理中心,采取不同的方式方法进行回收;VMware平台采用Vmware Powercli语句进行回收,PowerVM采用hmc专用语句进行回收。
7.根据权利要求1所述的跨虚拟化平台自动化多功能资源循环利用***,其特征在于,所述自动化资源再分配模块包括:
周期数据采集组件,从监控数据库获取上一周期的虚拟机(VM)的CPU、内存资源使用情况的原始数据,进行初步加工,得到带格式的资源使用列表;
指标***算法组件,利用指标阈值矩阵,判定、运算、归类“资源紧张”类型VM及其CPU、内存的资源使用情况的详细信息;
自适应复杂条件算法组件,对不同的资源环境信息、不同的需求情况进行运算,将运算值引导至正确的域内,从而实现针对不同的目标均执行对应程序工作段的功能;
跨虚拟化平台资源回收组件,根据资源评估报表的反馈结果,针对不同的虚拟化平台,不同的低效资源类别,利用专用的云管理中心,采取不同的方式方法进行再分配;对资源使用紧张的VM再分配资源;对未达约定要求的资源打上新循环周期的“需回收”标记;VMware平台采用Vmware Powercli语句进行再分配,PowerVM采用hmc专用语句进行再分配。
8.根据权利要求6和7所述的跨虚拟化平台自动化多功能资源循环利用***,其特征在于,所述自动化资源回收模块与自动化资源再分配模块联动,均嵌套自适应复杂条件算法、跨虚拟化平台资源处理功能;所述自动化资源回收模块与自动化资源再分配模块中自适应复杂条件算法与自动化资源报表产出模块Paas资源指标***评估算法原理一致,为各程序工作段提供执行的先决条件,在设定的条件触发下,再采取工作方式相似的跨虚拟化平台资源回收再分配方法进行资源调整,并最终通过不同的校验方法完成“验收”。
9.根据权利要求6或7所述的跨虚拟化平台自动化多功能资源循环利用***,其特征在于,所述自适应复杂条件算法是联合awk的shell工具处理复杂条件,将实际情况具象为数组,预定义划分各个运算值、域,对数组进行运算,当触发关联值的对应域时,打开对应工作段的执行阀门。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811272154.0A CN110262891B (zh) | 2018-10-30 | 2018-10-30 | 跨虚拟化平台自动化多功能资源循环利用*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811272154.0A CN110262891B (zh) | 2018-10-30 | 2018-10-30 | 跨虚拟化平台自动化多功能资源循环利用*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110262891A true CN110262891A (zh) | 2019-09-20 |
CN110262891B CN110262891B (zh) | 2020-08-25 |
Family
ID=67911680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811272154.0A Active CN110262891B (zh) | 2018-10-30 | 2018-10-30 | 跨虚拟化平台自动化多功能资源循环利用*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110262891B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113079062A (zh) * | 2021-03-24 | 2021-07-06 | 广州虎牙科技有限公司 | 一种资源调整方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986274A (zh) * | 2010-11-11 | 2011-03-16 | 东软集团股份有限公司 | 一种私有云环境下资源调配***及资源调配方法 |
US20130047259A1 (en) * | 2011-08-15 | 2013-02-21 | Bank Of America Corporation | Method and apparatus for token-based virtual machine recycling |
CN103365700A (zh) * | 2013-06-28 | 2013-10-23 | 福建师范大学 | 一种面向云计算虚拟化环境的资源监测和调整*** |
CN104899095A (zh) * | 2014-03-03 | 2015-09-09 | 广达电脑股份有限公司 | 虚拟机器的资源调整方法及*** |
CN105607952A (zh) * | 2015-12-18 | 2016-05-25 | 航天恒星科技有限公司 | 一种虚拟化资源的调度方法及装置 |
CN105653370A (zh) * | 2015-12-29 | 2016-06-08 | ***股份有限公司 | 在PaaS平台上实现的获取虚拟机资源的***和方法 |
-
2018
- 2018-10-30 CN CN201811272154.0A patent/CN110262891B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986274A (zh) * | 2010-11-11 | 2011-03-16 | 东软集团股份有限公司 | 一种私有云环境下资源调配***及资源调配方法 |
US20130047259A1 (en) * | 2011-08-15 | 2013-02-21 | Bank Of America Corporation | Method and apparatus for token-based virtual machine recycling |
CN103365700A (zh) * | 2013-06-28 | 2013-10-23 | 福建师范大学 | 一种面向云计算虚拟化环境的资源监测和调整*** |
CN104899095A (zh) * | 2014-03-03 | 2015-09-09 | 广达电脑股份有限公司 | 虚拟机器的资源调整方法及*** |
CN105607952A (zh) * | 2015-12-18 | 2016-05-25 | 航天恒星科技有限公司 | 一种虚拟化资源的调度方法及装置 |
CN105653370A (zh) * | 2015-12-29 | 2016-06-08 | ***股份有限公司 | 在PaaS平台上实现的获取虚拟机资源的***和方法 |
Non-Patent Citations (1)
Title |
---|
郭燕鹏: "基于Xen的虚拟机资源动态优化算法研究及应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113079062A (zh) * | 2021-03-24 | 2021-07-06 | 广州虎牙科技有限公司 | 一种资源调整方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110262891B (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111259535B (zh) | 一种船舶管道生产线物流仿真***开发方法 | |
CN104834479A (zh) | 面向云平台的自动优化存储***配置的方法及*** | |
CN110533389A (zh) | 项目造价的确定方法及装置 | |
Nunamaker Jr | A methodology for the design and optimization of information processing systems | |
US20190303211A1 (en) | Allocation of Shared Computing Resources Using Source Code Feature Extraction and Machine Learning | |
CN104850411B (zh) | 存储***基准评测程序生成方法及装置 | |
CN110225055A (zh) | 一种基于knn半监督学习模型的网络流量异常检测方法与*** | |
CN110163269A (zh) | 基于深度学习的模型生成方法、装置和计算机设备 | |
Herodotou et al. | A What-if Engine for Cost-based MapReduce Optimization. | |
CN105511867A (zh) | 一种优化模式自动生成方法及优化装置 | |
CN102207902A (zh) | 用于分析包含校准值的软件的方法和设备 | |
CN110262891A (zh) | 跨虚拟化平台自动化多功能资源循环利用*** | |
CN106909454A (zh) | 一种规则处理方法和设备 | |
CN105373424A (zh) | 一种基于机器学习的推测多线程划分方法 | |
CN110377525B (zh) | 一种基于运行时特征和机器学习的并行程序性能预测*** | |
CN109308349A (zh) | 自动生成政策模板的方法及装置、计算机设备、存储介质 | |
CN117291655A (zh) | 基于实体、网络协同映射的消费者生命周期运营分析方法 | |
CN107256167A (zh) | 应用于应用***迁移的升级控制方法及升级控制设备 | |
CN105005210A (zh) | 机电一体化仿真***及使用其的方法 | |
CN101751607A (zh) | 工作效率评估***及方法 | |
CN108320109A (zh) | 一种关键指标确定方法和装置 | |
CN111523685B (zh) | 基于主动学习的降低性能建模开销的方法 | |
Fahringer | Using the P/sup 3/T to guide the parallelization and optimization effort under the Vienna Fortran compilation system | |
CN112199287A (zh) | 基于强化混合专家模型的跨项目软件缺陷预测方法 | |
CN110275773A (zh) | 基于真实数据模型拟合的Paas资源循环利用指标*** |
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 |