CN110633152A - 用于实现业务集群水平伸缩的方法和装置 - Google Patents
用于实现业务集群水平伸缩的方法和装置 Download PDFInfo
- Publication number
- CN110633152A CN110633152A CN201910894349.7A CN201910894349A CN110633152A CN 110633152 A CN110633152 A CN 110633152A CN 201910894349 A CN201910894349 A CN 201910894349A CN 110633152 A CN110633152 A CN 110633152A
- Authority
- CN
- China
- Prior art keywords
- cluster
- monitoring
- monitoring index
- resource pool
- service
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3287—Power saving characterised by the action undertaken by switching off individual functional units in the computer system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/329—Power saving characterised by the action undertaken by task scheduling
-
- 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
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- 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
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- 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
- G06F2209/5022—Workload threshold
-
- 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
- G06F2209/508—Monitor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Power Sources (AREA)
Abstract
本申请公开了一种用于实现业务集群水平伸缩的方法,该方法包括:由云平台分别将多个业务集群中的每个业务集群的监控指标与对应的预设的阈值进行比较;在监控指标超过预设的阈值的时候,在业务集群与受到云平台控制的备用资源池之间分配计算节点,以使监控指标不超过预设的阈值。还公开了对应的用于实现业务集群水平伸缩的装置。本申请提供的方法能够合理设置集群中的计算节点的资源利用率,并且使得未使用的计算节点关机或者待机以便节能减排,践行了云计算绿色环保、运行高效的宗旨。
Description
技术领域
本发明涉及服务器技术,尤指用于实现业务集群水平伸缩的方法和装置。
背景技术
随着信息技术的发展,云计算已经逐步成为了业界的发展热点,云计算技术也逐渐被应用到教育、科学、文化、公安、政府、卫生、高性能计算、电子商务、物联网等多个领域,随之而来的是云计算服务平台(简称“云平台”)的使用量和活跃度也与日俱增。随着云计算的发展,云计算集群越来越庞大,越来越复杂,***复杂度和运维难度呈指数型激增,运维难度极高,在实际的容器生产环境中,由于用户实际业务具有周期性,当业务量处于波峰时,需要投入大量的计算资源以提供容器服务,提供高效的业务服务,当业务量处于波谷时,大量的计算资源就会出现荒置的情况,不同业务的波峰波谷的周期又各不相同。有的业务波峰出现在白天,有的业务波峰出现在晚上,在大规模数据中心,往往不同的业务要求具有隔离性,不能划分在统一集群中,集群的计算资源之间的不共享导致了在某个时间段中,某些集群资源的极大浪费,为了满足业务波峰的要求,单个集群的计算资源是冗余的,因此使用了过多的计算资源,但往往业务的波峰持续的时间不长,部分计算资源利用率太低,这样就违背了云计算绿色环保、运行高效的宗旨。
发明内容
为了解决上述技术问题,本发明提供了一种用于实现业务集群水平伸缩的方法和装置,其能够合理设置集群中的计算节点的资源利用率,并且使得未使用的计算节点关机或者待机以便节能减排。
为了达到本发明目的,本发明实施例提供了一种用于实现业务集群水平伸缩的方法,该方法包括:
由云平台分别将多个业务集群中的每个业务集群的监控指标与对应的预设的阈值进行比较;
在监控指标超过预设的阈值的时候,在业务集群与受到云平台控制的备用资源池之间分配计算节点,以使监控指标不超过预设的阈值。
在一个可选的实施例中,在监控指标超过预设的阈值的时候,在业务集群与备用资源池之间分配计算节点,以使监控指标不超过预设的阈值为止的步骤包括:
当多个业务集群之中的第一集群的监控指标超过上限监控阈值时,异步调用备用资源池中的第一数量的计算节点运行;
当第一数量的计算节点响应时,将在第一集群的监控指标达到上限监控阈值时第一集群的计算节点所加载的一部分应用实例迁移到第一数量的计算节点,以由第一数量的计算节点来执行所迁移的应用实例,以使第一集群的监控指标低于上限监控阈值。
在一个可选的实施例中,在监控指标超过预设的阈值的时候,在业务集群与备用资源池之间分配计算节点,以使监控指标不超过预设的阈值为止的步骤包括:
当多个业务集群之中的第二集群的监控指标低于下限监控阈值时,将第二集群之中的第二数量的计算节点上执行的应用实例迁移到第二集群之中的其他计算节点;
在将第二数量的计算节点上执行的应用实例迁移到第二集群之中的其他计算节点之后,由接收迁移的应用实例的计算节点运行所迁移的应用实例,以使第二集群的监控指标高于下限监控阈值;
将第二数量的计算节点设置成在备用资源池中待机或者关机。
在一个可选的实施例中,将第二数量的计算节点设置成在备用资源池中待机或者关机的步骤包括:
云平台调用在备用资源池中的用于计算节点的开关机的接口,以使备用资源池中的计算节点关机或者待机。
在一个可选的实施例中,计算节点是裸机服务器,或者是虚拟化资源。
在一个可选的实施例中,监控指标包括CPU使用率以及内存使用率。
为了实现上述目的,本发明实施例提供了一种用于实现业务集群水平伸缩的装置,该装置包括存储器和处理器;
存储器用于存储计算机可读指令;
处理器用于执行计算机可读指令,以执行如下操作:
由云平台分别将多个业务集群中的每个业务集群的监控指标与对应的预设的阈值进行比较;
在监控指标超过预设的阈值的时候,在业务集群与受到云平台控制的备用资源池之间分配计算节点,以使监控指标不超过预设的阈值。
在一个可选的实施例中,在监控指标超过预设的阈值的时候,在业务集群与备用资源池之间分配计算节点,以使监控指标不超过预设的阈值为止的操作,包括:
当多个业务集群之中的第一集群的监控指标超过上限监控阈值时,异步调用备用资源池中的第一数量的计算节点运行;
当第一数量的计算节点响应时,将在第一集群的监控指标达到上限监控阈值时第一集群的计算节点所加载的一部分应用实例迁移到第一数量的计算节点,以由第一数量的计算节点来执行所迁移的应用实例,以使第一集群的监控指标低于上限监控阈值。
在一个可选的实施例中,在监控指标超过预设的阈值的时候,在业务集群与备用资源池之间分配计算节点,以使监控指标不超过预设的阈值为止的操作包括:
当多个业务集群之中的第二集群的监控指标低于下限监控阈值时,将第二集群之中的第二数量的计算节点上执行的应用实例迁移到第二集群之中的其他计算节点;
在将第二数量的计算节点上执行的应用实例迁移到第二集群之中的其他计算节点之后,由接收迁移的应用实例的计算节点运行所迁移的应用实例,以使第二集群的监控指标高于下限监控阈值;
将第二数量的计算节点设置成在备用资源池中待机或者关机。
在一个可选的实施例中,将第二数量的计算节点设置成在备用资源池中待机或者关机的操作包括:
云平台调用在备用资源池中的用于计算节点的开关机的接口,以使备用资源池中的计算节点关机或者待机。
由于本发明实施例提供的方案能够通过监控集群的监控指标,从而可以调整集群中的计算节点所运行的应用实例在各个计算节点之间的分配,合理地应用计算节点来运行应用实例,使得集群中的计算节点的运算能力能够与集群的负载状况匹配,计算节点的资源利用率处于合理状态,在此情况下使未加载应用实例的计算节点在备用资源池中关机或者待机从而节能降耗,从而达到了云计算绿色环保并且运行高效的目的。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1为本发明实施例提供的用于实现业务集群水平伸缩的方法的流程图;
图2为本发明的一个可选的实施例提供的步骤S103的流程图;
图3为本发明实施例提供的用于实现业务集群水平伸缩的装置的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
随着信息技术的发展,云计算已经逐步成为了业界的发展热点,云计算技术也逐渐被应用到教育、科学、文化、公安、政府、卫生、高性能计算、电子商务、物联网等多个领域,随之而来的是云计算服务平台(简称“云平台”)的使用量和活跃度也与日俱增。随着云计算的发展,云计算集群越来越庞大,越来越复杂,***复杂度和运维难度呈指数型激增,运维难度极高,在实际的容器生产环境中,由于用户实际业务具有周期性,当业务量处于波峰时,需要投入大量的计算资源以提供容器服务,提供高效的业务服务,当业务量处于波谷时,大量的计算资源就会出现荒置的情况,不同业务的波峰波谷的周期又各不相同。有的业务波峰出现在白天,有的业务波峰出现在晚上,在大规模数据中心,往往不同的业务要求具有隔离性,不能划分在统一集群中,集群的计算资源之间的不共享导致了在某个时间段中,某些集群资源的极大浪费,为了满足业务波峰的要求,单个集群的计算资源是冗余的,因此使用了过多的计算资源,但往往业务的波峰持续的时间不长,部分计算资源利用率太低,这样就违背了云计算绿色环保、运行高效的宗旨。
为了解决上述技术问题,本发明实施例提供了一种用于实现业务集群水平伸缩的方法,如图1所示,该方法包括步骤S101和步骤S103。
步骤S101,由云平台分别将多个业务集群中的每个业务集群的监控指标与对应的预设的阈值进行比较。
步骤S103,在监控指标超过预设的阈值的时候,在业务集群与受到云平台控制的备用资源池之间分配计算节点,以使监控指标不超过预设的阈值。
在此,云平台是以业务集群作为监控的单位,将业务集群的监控指标与预设的阈值进行比较,如果超出上限阈值或者超出下限阈值,则调整业务集群中的计算节点以及计算节点所运行的应用实例,从而使业务集群的监控指标不超过预设的阈值。其中,处于业务集群中的计算节点开机运行,耗电高;处于备用资源池之中的计算节点待机或者关机,耗电低。根据监控指标与阈值之间的比较,可以合理安排具备适当的计算能力的、适量的计算节点来运行应用实例,从而既能够高效率地完成业务集群的计算任务,又能够减少冗余的计算节点运行所造成的不必要的资源浪费。此外,与仅仅在计算节点之间迁移应用实例的方案相比,本发明实施例提供的方案由于是以运行应用实例的计算节点为单位进行控制,因此调控效率更高;并且通过调整运行应用实例的实际硬件设施——计算节点的运行与否,可以让在经调整后无需运行应用示例的计算节点在备用资源池中关机或者待机,因此能够节约计算节点的能耗。
在一个可选的实施例中,步骤S103包括:
当多个业务集群之中的第一集群的监控指标超过上限监控阈值时,异步调用备用资源池中的第一数量的计算节点运行;在此,“运行”是与“关机”或者“待机”对立的状态。
当第一数量的计算节点响应时,将在第一集群的监控指标达到上限监控阈值时第一集群的计算节点所加载的一部分应用实例迁移到第一数量的计算节点,以由第一数量的计算节点来执行所迁移的应用实例,以使第一集群的监控指标低于上限监控阈值。
其中,上述步骤是可以循环迭代地执行的,直到集群的监控指标降低到合理范围,集群的计算节点的资源利用率处于合理范围为止。
在一个可选的实施例中,如图2所示,步骤S103包括步骤S1031-步骤S1035。
步骤S1031,当多个业务集群之中的第二集群的监控指标低于下限监控阈值时,将第二集群之中的第二数量的计算节点上执行的应用实例迁移到第二集群之中的其他计算节点。
步骤S1033,在将第二数量的计算节点上执行的应用实例迁移到第二集群之中的其他计算节点之后,由接收迁移的应用实例的计算节点运行所迁移的应用实例,以使第二集群的监控指标高于下限监控阈值。
步骤S1035,将第二数量的计算节点设置成在备用资源池中待机或者关机。
其中,步骤S1033和步骤S0135是可以循环迭代地执行的,直到集群的监控指标上升到合理范围,集群的计算节点的资源利用率处于合理范围为止。
在一个可选的实施例中,步骤S1035包括:
云平台调用在备用资源池中的用于计算节点的开关机的接口,以使备用资源池中的计算节点关机或者待机。
在一个可选的实施例中,计算节点是裸机服务器,或者是虚拟化资源。例如,可以是以OpenStack、VMware、ICS方式组织起来的虚拟化资源。
在一个可选的实施例中,监控指标包括CPU使用率以及内存使用率。
这里所说的CPU使用率以及内存使用率是相对于整个Kubernetes集群来说的,也就是说,开源监控***Prometheus云平台监测的是整个Kubernetes集群的CPU使用率以及内存使用率。
由于本发明实施例提供的方案能够通过监控集群的监控指标,从而可以调整集群中的计算节点所运行的应用实例在各个计算节点之间的分配,合理地应用计算节点来运行应用实例,使得集群中的计算节点的运算能力能够与集群的负载状况匹配,计算节点的资源利用率处于合理状态,在此情况下使未加载应用实例的计算节点在备用资源池中关机或者待机从而节能降耗,从而达到了云计算绿色环保并且运行高效的目的。
为了解决上述技术问题,本发明实施例提供了一种用于实现业务集群水平伸缩的装置,如图3所示,包括存储器10和处理器20。
存储器10用于存储计算机可读指令;
处理器20用于执行计算机可读指令,以执行如下操作:
由云平台分别将多个业务集群中的每个业务集群的监控指标与对应的预设的阈值进行比较;
在监控指标超过预设的阈值的时候,在业务集群与受到云平台控制的备用资源池之间分配计算节点,以使监控指标不超过预设的阈值。
在此,云平台是以业务集群作为监控的单位,将业务集群的监控指标与预设的阈值进行比较,如果超出上限阈值或者超出下限阈值,则调整业务集群中的计算节点以及计算节点所运行的应用实例,从而使业务集群的监控指标不超过预设的阈值。其中,处于业务集群中的计算节点开机运行,耗电高;处于备用资源池之中的计算节点待机或者关机,耗电低。根据监控指标与阈值之间的比较,可以合理安排具备适当的计算能力的、适量的计算节点来运行应用实例,从而既能够高效率地完成业务集群的计算任务,又能够减少冗余的计算节点运行所造成的不必要的资源浪费。此外,与仅仅在计算节点之间迁移应用实例的方案相比,本发明实施例提供的方案由于是以运行应用实例的计算节点为单位进行控制,因此调控效率更高;并且通过调整运行应用实例的实际硬件设施——计算节点的运行与否,可以让在经调整后无需运行应用示例的计算节点在备用资源池中关机或者待机,因此能够节约计算节点的能耗。
在一个可选的实施例中,在监控指标超过预设的阈值的时候,在业务集群与备用资源池之间分配计算节点,以使监控指标不超过预设的阈值为止的操作,包括:
当多个业务集群之中的第一集群的监控指标超过上限监控阈值时,异步调用备用资源池中的第一数量的计算节点运行;
当第一数量的计算节点响应时,将在第一集群的监控指标达到上限监控阈值时第一集群的计算节点所加载的一部分应用实例迁移到第一数量的计算节点,以由第一数量的计算节点来执行所迁移的应用实例,以使第一集群的监控指标低于上限监控阈值。
在一个可选的实施例中,在监控指标超过预设的阈值的时候,在业务集群与备用资源池之间分配计算节点,以使监控指标不超过预设的阈值为止的操作,包括:
当多个业务集群之中的第二集群的监控指标低于下限监控阈值时,将第二集群之中的第二数量的计算节点上执行的应用实例迁移到第二集群之中的其他计算节点;
在将第二数量的计算节点上执行的应用实例迁移到第二集群之中的其他计算节点之后,由接收迁移的应用实例的计算节点运行所迁移的应用实例,以使第二集群的监控指标高于下限监控阈值;
将第二数量的计算节点设置成在备用资源池中待机或者关机。
在一个可选的实施例中,将第二数量的计算节点设置成在备用资源池中待机或者关机的操作包括:
云平台调用在备用资源池中的用于计算节点的开关机的接口,以使备用资源池中的计算节点关机或者待机。
由于本发明实施例提供的方案能够通过监控集群的监控指标,从而可以调整集群中的计算节点所运行的应用实例在各个计算节点之间的分配,合理地应用计算节点来运行应用实例,使得集群中的计算节点的运算能力能够与集群的负载状况匹配,计算节点的资源利用率处于合理状态,在此情况下使未加载应用实例的计算节点在备用资源池中关机或者待机从而节能降耗,从而达到了云计算绿色环保并且运行高效的目的。
虽然本发明所揭露的实施方式如上,但上述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种用于实现业务集群水平伸缩的方法,其特征在于,包括:
由云平台分别将多个业务集群中的每个业务集群的监控指标与对应的预设的阈值进行比较;
在所述监控指标超过预设的阈值的时候,在所述业务集群与受到所述云平台控制的备用资源池之间分配计算节点,以使所述监控指标不超过预设的阈值。
2.根据权利要求1所述的方法,其特征在于,所述在所述监控指标超过预设的阈值的时候,在所述业务集群与备用资源池之间分配计算节点,以使所述监控指标不超过预设的阈值为止的步骤,包括:
当所述多个业务集群之中的第一集群的监控指标超过上限监控阈值时,异步调用所述备用资源池中的第一数量的计算节点运行;
当所述第一数量的计算节点响应时,将在所述第一集群的监控指标达到上限监控阈值时所述第一集群的计算节点所加载的一部分应用实例迁移到所述第一数量的计算节点,以由所述第一数量的计算节点来执行所迁移的应用实例,以使所述第一集群的监控指标低于所述上限监控阈值。
3.根据权利要求1所述的方法,其特征在于,所述在所述监控指标超过预设的阈值的时候,在所述业务集群与备用资源池之间分配计算节点,以使所述监控指标不超过预设的阈值为止的步骤,包括:
当所述多个业务集群之中的第二集群的监控指标低于下限监控阈值时,将所述第二集群之中的第二数量的计算节点上执行的应用实例迁移到所述第二集群之中的其他计算节点;
在将所述第二数量的计算节点上执行的应用实例迁移到所述第二集群之中的其他计算节点之后,由接收迁移的应用实例的计算节点运行所迁移的应用实例,以使所述第二集群的监控指标高于所述下限监控阈值;
将所述第二数量的计算节点设置成在备用资源池中待机或者关机。
4.根据权利要求3所述的方法,其中,所述将所述第二数量的计算节点设置成在备用资源池中待机或者关机的步骤包括:
所述云平台调用在所述备用资源池中的用于计算节点的开关机的接口,以使所述备用资源池中的计算节点关机或者待机。
5.根据权利要求1所述的方法,其中,所述计算节点是裸机服务器,或者是虚拟化资源。
6.根据权利要求1所述的方法,其中,所述监控指标包括CPU使用率以及内存使用率。
7.一种用于实现业务集群水平伸缩的装置,其特征在于,包括存储器和处理器;
所述存储器用于存储计算机可读指令;
所述处理器用于执行所述计算机可读指令,以执行如下操作:
由云平台分别将多个业务集群中的每个业务集群的监控指标与对应的预设的阈值进行比较;
在所述监控指标超过预设的阈值的时候,在所述业务集群与受到所述云平台控制的备用资源池之间分配计算节点,以使所述监控指标不超过预设的阈值。
8.根据权利要求7所述的装置,其特征在于,所述在所述监控指标超过预设的阈值的时候,在所述业务集群与备用资源池之间分配计算节点,以使所述监控指标不超过预设的阈值为止的操作,包括:
当所述多个业务集群之中的第一集群的监控指标超过上限监控阈值时,异步调用所述备用资源池中的第一数量的计算节点运行;
当所述第一数量的计算节点响应时,将在所述第一集群的监控指标达到上限监控阈值时所述第一集群的计算节点所加载的一部分应用实例迁移到所述第一数量的计算节点,以由所述第一数量的计算节点来执行所迁移的应用实例,以使所述第一集群的监控指标低于所述上限监控阈值。
9.根据权利要求7所述的装置,其特征在于,所述在所述监控指标超过预设的阈值的时候,在所述业务集群与备用资源池之间分配计算节点,以使所述监控指标不超过预设的阈值为止的操作,包括:
当所述多个业务集群之中的第二集群的监控指标低于下限监控阈值时,将所述第二集群之中的第二数量的计算节点上执行的应用实例迁移到所述第二集群之中的其他计算节点;
在将所述第二数量的计算节点上执行的应用实例迁移到所述第二集群之中的其他计算节点之后,由接收迁移的应用实例的计算节点运行所迁移的应用实例,以使所述第二集群的监控指标高于所述下限监控阈值;
将所述第二数量的计算节点设置成在备用资源池中待机或者关机。
10.根据权利要求7所述的装置,其中,所述将所述第二数量的计算节点设置成在备用资源池中待机或者关机的操作包括:
所述云平台调用在所述备用资源池中的用于计算节点的开关机的接口,以使所述备用资源池中的计算节点关机或者待机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910894349.7A CN110633152A (zh) | 2019-09-20 | 2019-09-20 | 用于实现业务集群水平伸缩的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910894349.7A CN110633152A (zh) | 2019-09-20 | 2019-09-20 | 用于实现业务集群水平伸缩的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110633152A true CN110633152A (zh) | 2019-12-31 |
Family
ID=68972030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910894349.7A Withdrawn CN110633152A (zh) | 2019-09-20 | 2019-09-20 | 用于实现业务集群水平伸缩的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110633152A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274033A (zh) * | 2020-01-19 | 2020-06-12 | 北京达佳互联信息技术有限公司 | 一种资源部署方法、装置、服务器以及存储介质 |
CN111506390A (zh) * | 2020-03-31 | 2020-08-07 | 新浪网技术(中国)有限公司 | 一种基于容器化部署的视频转码调度方法及*** |
CN111562968A (zh) * | 2020-05-13 | 2020-08-21 | 苏州浪潮智能科技有限公司 | 一种实现ICS对Kata container管理的方法、装置、设备和介质 |
CN113923216A (zh) * | 2021-09-29 | 2022-01-11 | 阿里巴巴(中国)有限公司 | 一种分布式集群限流***及方法和分布式集群节点 |
CN114629821A (zh) * | 2020-12-10 | 2022-06-14 | 新智云数据服务有限公司 | 物联网用量数据生成方法、装置、设备和介质 |
-
2019
- 2019-09-20 CN CN201910894349.7A patent/CN110633152A/zh not_active Withdrawn
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274033A (zh) * | 2020-01-19 | 2020-06-12 | 北京达佳互联信息技术有限公司 | 一种资源部署方法、装置、服务器以及存储介质 |
CN111274033B (zh) * | 2020-01-19 | 2024-02-13 | 北京达佳互联信息技术有限公司 | 一种资源部署方法、装置、服务器以及存储介质 |
CN111506390A (zh) * | 2020-03-31 | 2020-08-07 | 新浪网技术(中国)有限公司 | 一种基于容器化部署的视频转码调度方法及*** |
CN111506390B (zh) * | 2020-03-31 | 2024-01-19 | 新浪技术(中国)有限公司 | 一种基于容器化部署的视频转码调度方法及*** |
CN111562968A (zh) * | 2020-05-13 | 2020-08-21 | 苏州浪潮智能科技有限公司 | 一种实现ICS对Kata container管理的方法、装置、设备和介质 |
CN111562968B (zh) * | 2020-05-13 | 2022-05-24 | 苏州浪潮智能科技有限公司 | 一种实现ICS对Kata container管理的方法、装置、设备和介质 |
CN114629821A (zh) * | 2020-12-10 | 2022-06-14 | 新智云数据服务有限公司 | 物联网用量数据生成方法、装置、设备和介质 |
CN114629821B (zh) * | 2020-12-10 | 2023-11-10 | 新智云数据服务有限公司 | 物联网用量数据生成方法、装置、设备和介质 |
CN113923216A (zh) * | 2021-09-29 | 2022-01-11 | 阿里巴巴(中国)有限公司 | 一种分布式集群限流***及方法和分布式集群节点 |
CN113923216B (zh) * | 2021-09-29 | 2023-12-15 | 阿里巴巴(中国)有限公司 | 一种分布式集群限流***及方法和分布式集群节点 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110633152A (zh) | 用于实现业务集群水平伸缩的方法和装置 | |
US20160077570A1 (en) | Distributed information technology infrastructure dynamic policy driven peak power management system | |
CN108023958B (zh) | 一种基于云平台资源监视的资源调度*** | |
Ali et al. | A study of efficient energy management techniques for cloud computing environment | |
CN104487912A (zh) | 在一组个人移动设备间虚拟化电池 | |
Li et al. | Opportunistic scheduling in clouds partially powered by green energy | |
CN103076870B (zh) | 数据中心中能耗驱动的应用融合调度和资源动态配置方法 | |
CN102624546B (zh) | 功耗封顶的控制方法、设备和*** | |
CN111625080B (zh) | 一种服务器节能方法、装置及电子设备和存储介质 | |
CN113672383A (zh) | 一种云计算资源调度方法、***、终端以及存储介质 | |
CN103645795A (zh) | 一种基于人工神经网络的云计算数据中心节能方法 | |
CN104050137A (zh) | 一种异构操作***中内核运行的方法及装置 | |
Peng et al. | Exploiting renewable energy and UPS systems to reduce power consumption in data centers | |
WO2016115956A1 (zh) | 基于云计算的业务***的调度方法及调度装置 | |
CN104077189A (zh) | 一种用于资源分配的方法和装置 | |
Fernández-Cerero et al. | Energy policies for data-center monolithic schedulers | |
CN103023802B (zh) | 一种面向web集群的低能耗调度***和方法 | |
Chen et al. | Using a task dependency job-scheduling method to make energy savings in a cloud computing environment | |
CN102088719A (zh) | 一种业务调度方法、***及设备 | |
CN109840141A (zh) | 基于云监控的线程控制方法、装置、电子设备及存储介质 | |
CN114138488A (zh) | 一种基于弹性高性能计算的云原生实现方法及*** | |
CN105549723A (zh) | 一种服务器节电控制方法、装置及电子设备节电控制装置 | |
CN107203256A (zh) | 一种网络功能虚拟化场景下的节能分配方法与装置 | |
CN103973784A (zh) | 一种云存储服务器资源有效利用方法 | |
CN115373860B (zh) | Gpu任务的调度方法、装置、设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191231 |
|
WW01 | Invention patent application withdrawn after publication |