CN111176834A - 自动伸缩策略运维方法、***和可读存储介质 - Google Patents
自动伸缩策略运维方法、***和可读存储介质 Download PDFInfo
- Publication number
- CN111176834A CN111176834A CN201911250556.5A CN201911250556A CN111176834A CN 111176834 A CN111176834 A CN 111176834A CN 201911250556 A CN201911250556 A CN 201911250556A CN 111176834 A CN111176834 A CN 111176834A
- Authority
- CN
- China
- Prior art keywords
- module
- information
- carrying capacity
- functional module
- function
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012423 maintenance Methods 0.000 title claims abstract description 27
- 230000008602 contraction Effects 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 19
- 230000003321 amplification Effects 0.000 claims abstract description 8
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 79
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000012827 research and development Methods 0.000 abstract 1
- 238000012216 screening Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000109539 Conchita Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及***框架研发领域,公开了一种自动伸缩策略运维方法、***和可读存储介质,其中方法包括:获取***的功能信息、功能模块信息和负载信息;根据所述功能信息,获取每个功能的影响因子;根据所述影响因子和负载信息计算对应功能模块的运载能力;判断所述运载能力是否满足预设的变更条件;若满足,则对功能模块进行节点扩增或收缩。通过模块影响因子和负载信息进行功能模块运载能力的计算,并根据运载能力进行动态的调整,可以使得资源更大化的合理利用。对模块的CPU等各种硬件进行使用率的获取,并通过不同的加权因子进行计算,得到运载能力值,可以更直接的反映出模块的运载能力,从而进行及时的调整。
Description
技术领域
本发明涉及计算机***框架研发领域,更具体的,涉及一种自动伸缩策略运维方法、***和可读存储介质。
背景技术
Docker是一个开源的应用容器引擎,让开发者可以打包应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux机器上,也可以实现虚拟化。容器是完全使用沙箱机制,相互之间不会有任何接口,几乎没有性能开销,可以很容易地在机器和数据中心中运行。Docker作为目前最流行的容器级虚拟化技术,其具有轻量、灵活、启动速度快等优点,天然的适合实现***弹性,目前很多数据中心已经通过将业务部署在Docker上来实现自动化的伸缩。
目前物理机器和Docker技术的运维基本只有两种:垂直扩张和水平扩展。这两种方式都不能够根据实际机器的使用情况来动态制定运维策略,在管理、调度过程中,很难兼顾集群的扩展性、资源利用率以及可靠性。在面对当前业务种类不断增加,突发访问量巨大等现实条件,这两种任务调度方法都存在着弹性较差的缺点,不能够根据业务请求量和负载进行动态调整。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种自动伸缩策略运维方法,包括:
获取***的功能信息、功能模块信息和负载信息;
根据所述功能信息,获取每个功能的影响因子;
根据每个功能的所述影响因子和获取的***的负载信息计算每个功能对应功能模块的运载能力,针对不同的功能设置不同的功能模块,功能模块包括物理的服务器或/和虚拟机实现的节点模块;
判断所述运载能力是否满足预设的变更条件;
若满足,在功能模块超载时,对功能模块进行节点扩增,在功能模块资源冗余浪费时,对功能模块进行节点收缩。
本方案中,所述根据所述影响因子和负载信息计算对应功能模块的运载能力的步骤包括:
所述负载信息包括功能模块的CPU、内存及磁盘的使用率,获取功能模块的CPU、内存及磁盘的使用率;
分别获取CPU、内存及磁盘的使用率的加权因子;
通过下述公式计算功能模块的运载能力:
S=w×(w1C+w2R+w3D)
其中,S为功能模块的运载能力值,w为功能模块的影响因子,w1为CPU使用率的加权因子,w2为内存使用率的加权因子,w3为磁盘使用率的加权因子,C为CPU的使用率,R为内存使用率,D为磁盘使用率,其中,w1+w2+w3=1。
本方案中,所述预设的变更条件包括:所述运载能力大于预警阈值和所述运载能力小于冗余阈值,当所述运载能力大于预警阈值时,则对功能模块进行节点扩增;当所述运载能力小于冗余阈值时,则对功能模块进行节点收缩。
本方案中,所述方法还包括:
接收模块启动或停止请求;
根据所述启动或停止请求,启动或停止模块的镜像,其中,针对不同的功能模块建立不同的镜像,每个镜像中配置对应的docker容器,功能模块通过docker容器运行。
本方案中,所述方法还包括:
获取功能模块的运行数量信息;
判断所述数量信息是否超过预设的数量范围;
若大于数量范围最大值,则停止功能模块运行,并发送报警信息至后台。
本方案中,对功能模块进行节点扩增或收缩的步骤包括:
获取功能模块扩增或收缩的步长;
根据所述步长,扩增或收缩对应的功能模块;
计算变更后的功能模块的运载能力;
判断所述变更后的功能模块的运载能力是否处于预设的变更条件;
若处于变更条件,则继续按照所述步长进行扩增或收缩;若不处于变更条件,则停止。
本方案中,在获取***的功能信息、功能模块信息和负载信息之前,所述方法还包括:
将原始***根据功能划分成不同的子***;
为每个子***制定镜像子***文件;
在应用容器引擎上部署***;
接收用户的选择指令,将公共云平台中预设的***资源加载至目标***中。
本方案中,在对功能模块进行节点扩增或收缩之后,所述方法还包括:
建立大数据平台,收集全国和/或区域的车队日常报案信息,并通过大数据对比、分析、建模得到相应的报表;
建立大数据车载监控***,可实施发送车队安全信息,并通过大数据平台分析出存在的危险,及时提醒车队;
建立车队安全报表存储平台,设置下载接口;
建立前端友好性的报表展示区域,根据不同特性报表数据分区域展示。
本发明第二方面还提供一种自动伸缩策略运维***,该***包括:存储器、处理器,所述存储器中包括自动伸缩策略运维程序,所述自动伸缩策略运维程序被所述处理器执行时,实现如上述任一项所述的自动伸缩策略运维方法的步骤。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括自动伸缩策略运维程序,所述自动伸缩策略运维程序被处理器执行时,实现如上述任一项所述的自动伸缩策略运维方法的步骤。
本发明公开的一种自动伸缩策略运维方法、***和可读存储介质,通过模块影响因子和负载信息进行功能模块运载能力的计算,并根据运载能力进行动态的调整,可以使得资源更大化的合理利用。对模块的CPU等各种硬件进行使用率的获取,并通过不同的加权因子进行计算,得到运载能力值,可以更直接的反映出模块的运载能力,从而进行及时的调整。本发明的不同模块间通信通过中间件进行联系,达到了松耦合的效果。
本发明的附加方面和优点将在下面的描述部分中给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1示出了本发明自动伸缩策略运维方法的流程图;
图2示出了本发明建立基于云计算平台的***架构的方法流程图;
图3示出了本发明判断满足预设变更条件的流程图;
图4示出了本发明功能模块扩增或收缩的流程图;
图5示出了本发明基于大数据分析车队安全报告的方法流程图;
图6示出了本发明自动伸缩策略运维***的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明自动伸缩策略运维方法的流程图。
如图1所示,本发明公开了一种自动伸缩策略运维方法,包括:
S102,获取***的功能信息、功能模块信息和负载信息;
S104,根据所述功能信息,获取每个功能的影响因子;
S106,根据所述影响因子和负载信息计算对应功能模块的运载能力;
S108,判断所述运载能力是否满足预设的变更条件;
S110,若满足,则对功能模块进行节点扩增或收缩。
需要说明的是,本发明针对不同的功能设置不同的功能模块,每个功能模块通过中间件进行通信和连接,所述的中间件可以为调度单元或者后台运营服务器等,其与每个功能模块连接,实现数据的收发并且可以进行资源的动态调度。每个功能模块可以物理的服务器也可以是虚拟机实现的节点模块,当采用物理服务器时,则每个物理服务器运行和处理模块的功能;当采用虚拟机节点时,可以在一台或多台物理服务器中部署多个虚拟机节点,每个虚拟机节点对应一个模块。虚拟机模块节点通过基于软件实现的任务调度,可以通过简单的增加通用服务器来实现***的扩展,甚至可以使用虚拟化技术来提升***的资源利用率。
具体的,本发明先获取***中的功能信息、功能模块信息和负载信息。所述的功能信息为***中可以实现的功能的相关信息,例如,功能信息可以包含大数据的处理、云计算、搜索查询等功能。功能模块信息为在***中已经存在的功能模块节点,较优的,本发明中的功能模块节点为虚拟机功能节点,获取功能模块信息包括虚拟机节点要实现的功能和运算能力等信息,例如,以大数据处理虚拟机为功能模块的功能是收集数据进行分析和处理,总结规律和趋势;其运算能力为较高等级,需要分配较多的资源。其中,所述负载信息为功能模块的CPU、内存及磁盘使用率等能够反映模块负载的相关信息。在获取了上述信息之后,根据所述影响因子和负载信息计算对应功能模块的运载能力。所述运载能力为功能模块当前的可处理能力,运载能力越大说明越接近于饱和,运载能力越小,则表明存在较多冗余资源。计算得到运载能力之后,判断所述运载能力是否满足预设的变更条件。其中,预设的变更条件可以为根据实时的物理资源进行动态变化的条件,也可以为工作人员预先进行设置的变更条件。所述变更条件为超出设定的运载能力的范围值,所述范围值由最小值和最大值组成,当运载能力值在范围值内时,说明功能模块的运行正常,可以不用变化;当运载能力值大于或小于范围值时,则说明功能模块可能存在超载或者资源冗余浪费的情形,需要进行动态的调整。优选的,运载能力的范围值为30%-90%,也就是说运载能力小于30%时,说明功能模块存在资源冗余和浪费;当运载能力超过90%时,说明功能模块存在超载。
如图2所示,在获取***的功能信息、功能模块信息和负载信息之前,还包括:
S202,将原始***根据功能划分成不同的子***;
S204,为每个子***制定镜像子***文件;
S206,在应用容器引擎上部署***;
S208,接收用户的选择指令,将公共云平台中预设的***资源加载至目标***中。
可以理解,一个***可以按照功能划分为:处理器管理子***、作业管理子***、存储器管理子***、设备管理子***、文件管理子***、网络管理子***和网络安全管理子***等。
需要说明的是,以Docker为例,Docker使用客户端-服务器(C/S)架构模式,使用远程API来管理和创建Docker容器。Docker容器通过Docker镜像来创建。容器与镜像的关系类似于面向对象编程中的对象与类。
Docker采用C/S架构Dockerdaemon作为服务端接受来自客户的请求,并处理这些请求(创建、运行、分发容器)。客户端和服务端既可以运行在一个机器上,也可通过socket或者RESTfulAPI来进行通信。Dockerdaemon一般在宿主主机后台运行,等待接收来自客户端的消息。Docker客户端则为用户提供一系列可执行命令,用户用这些命令实现跟Dockerdaemon交互。
需要说明的是,用户可以选择将全部或部分子***部署在应用容器引擎上。
根据本发明的实施例,在应用容器引擎上部署***,还包括如下步骤:
步骤一,获取目标脚本程序,基于所述目标脚本程序调用目标文件,其中,所述目标文件包括:各个子***的镜像文件,用于构建Docker容器的第一配置文件,用于对Docker容器进行初始化的第二配置文件,目标***的服务组件的配置文件,目标***的节点配置文件。
首先,获取目标脚本程序,基于所述目标脚本程序调用目标文件,然后,基于所述目标文件确定所述目标***的操作***、目标Docker容器和所述目标***的蓝图模板,最后,按照蓝图模板在目标数据平台上对标***、目标Docker容器和服务组件的配置文件对应的服务组件进行部署,得到目标大数据平台,由于在本实施例中,用户在进行大数据平台部署时,只要运行上述的目标脚本程序,目标脚本程序就能够自行对大数据平台进行部署,进而解决了现有的大数据平台的部署过程复杂且容易出错问题,从而简化了大数据平台的部署的操作过程,降低了出错的可能性。
基于所述目标脚本程序调用所述目标文件具体包括:基于所述目标脚本程序中第一子程序调用个子***的镜像文件;基于所述目标脚本程序中的第二子程序调用所述第一配置文件和所述第二配置文件;基于所述目标脚本程序中的第三子程序调用所述服务组件的配置文件和所述节点配置文件。
第一子程序用于调用用户在步骤S2完成的各子***的镜像文件(Dockerfile文件),各子***的镜像文件用于建立目标***的操作***,且各子***的镜像文件用于作为在Docer中部署目标***的基础组件。例如,目标***可以是centos6.8***,上述的基础组件包括sshd服务组件,ssl组件,ambari-server组件,ambari-agent组件等。
第二子程序用于调用用户编写的用于构建Docker容器的第一配置文件和用于对Docker容器进行初始化的第二配置文件。用于构建Docker容器的第一配置文件终包括大数据平台中ip网段地址配置信息,端口映射关系配置信息,CPU配置信息,内存分配配置信息等配置信息。用于对Docker容器进行初始化的第二配置文件包括对Docker容器进行初始化配置的配置信息。
第三子程序用于调用变成人员编写的目标***的服务组件的配置文件和目标***的节点配置文件。目标***的服务组件的配置文件中包括Datanode组件,Namenode组件,Zookeeper组件,Spark组件等组件的配置信息。目标***的节点配置文件中包括在Docker环境下,目标***中各个Docker节点,组件节点,宿主机节点等节点的配置信息。
步骤二,基于所述目标文件确定目标Docker容器和所述目标***的蓝图模板,其中,所述目标Docker容器为完成初始化配置的Docker容器。
上述步骤二具体还包括:基于所述第一配置文件和所述第二配置文件确定所述目标Docker容器;基于所述服务组件的配置文件和所述节点配置文件确定所述蓝图模板。
根据第一子程序获取到的各子***的镜像文件确定宿主机目录,通过对各子***的镜像文件进行一次确定过程,即可以确定宿主机目录,从而解决了现有的部署目标***方法需要对每一个服务组件编写一个子***的镜像文件,导致多个子***的镜像文件过大的问题。
根据第二子程序获取到的用于构建Docker容器的第一配置文件和用于对Docker容器进行初始化的第二配置文件构建完成初始化配置的Docker容器,完成初始化配置的Docker容器将挂载在操作***中的宿主机目录下。
用户可以根据实际情况对用于构建Docker容器的第一配置文件进行编写,从而达到了Docker容器IP可控制,且支持Docker容器ip的修改,自动控制Docker容器IP,防止网段冲突的技术效果。
根据第三子程序获取到的目标***的服务组件的配置文件和待部署大数据平台的节点配置文件构建目标***的蓝图模板,
用户可以根据一定策略,自动扩展和缩减目标***,例如,***用户可以根据实际情况对目标***的服务组件的配置文件进行编写,从而达到对目标***的动态扩容的技术效果。
步骤三,按照所述蓝图模板对各子***、所述目标Docker容器和所述服务组件的配置文件对应的服务组件进行部署,得到目标***。
基于所述第一配置文件和所述第二配置文件确定所述目标Docker容器,具体包括:基于所述第一配置文件确定Docker容器;基于所述第二配置文件对所述Docker容器进行初始化配置,得到所述目标Docker容器。
在目标脚本程序的控制下基于第一配置文件中的配置信息确定目标***所需的Docker容器,其中,Docker容器的数据量可以为一个或多个,可以根据实际情况,由用户对第一配置文件进行编写,从而确定Docker容器中的具体数量。接着,在目标程序脚本的控制下基于第二配置文件,对Docker容器进行初始化配置,进而得到完成初始化配置的Docker容器。
根据本发明的实施例,公共云平台中的***资源可以由供应商预先存储,也可以由每个具有权限的用户上传。本地用户可以根据实际需要在公共云平台中的选择需要的***资源,将该***资源加载到目标***中,实现资源的共享。
根据本发明实施例,所述根据所述影响因子和负载信息计算对应功能模块的运载能力具体为:
获取功能模块的CPU、内存及磁盘的使用率,所述负载信息包括功能模块的CPU、内存及磁盘的使用率;
分别获取CPU、内存及磁盘的使用率的加权因子;
通过下述公式计算功能模块的运载能力:
S=w×(w1C+w2R+w3D)
其中,S为功能模块的运载能力值,w为功能模块的影响因子,w1为CPU使用率的加权因子,w2为内存使用率的加权因子,w3为磁盘使用率的加权因子,C为CPU的使用率,R为内存使用率,D为磁盘使用率,其中,w1+w2+w3=1。
需要说明的是,获取功能模块的负载信息,包含有功能模块的CPU、内存及磁盘使用率等信息。其中,CPU、内存及磁盘使用率都对应有不同的加权因子,功能模块还对应有影响因子,当获取了使用率、加权因子和影响因子之后采用上述公式进行计算。其中,w1+w2+w3=1。较优的,w1取值为0.4,w2取值为0.4,w3取值为0.2。功能模块的影响因子代表每个模块的重要程度,也可以说是优先级的一种体现。不同的功能模块具备不同的影响因子,例如,大数据处理模块的影响因子为0.4,云计算模块的影响因子为0.3,搜索查询功能模块的影响因子为0.6。技术人员可以根据实际需要设置每个模块的影响因子,每个模块的影响因子总和可以不等于1,这样在功能需要增加的时候,不用变更其他模块的影响因子值。
图3示出了本发明判断满足预设变更条件的流程图。
如图3所示,根据本发明实施例,判断所述运载能力是否满足预设的变更条件,及满足预设变更条件后,功能模块的节点变化包括:
S302,判断所述运载能力是否大于预警阈值;
S304,若大于预警阈值,则对功能模块进行节点扩增;
S306,判断所述运载能力是否小于冗余阈值;
S308,若小于冗余阈值,则对功能模块进行节点收缩。
需要说明的是,所述变更条件为设定的运载能力的范围值,其由最小值和最大值组成,当运载能力值在范围值内时,说明功能模块的运行正常,可以不用变化;当运载能力值超出或降低至范围值外时,则说明功能模块可能存在超载或者资源冗余浪费的情形,需要进行动态的调整。其中,最大值便是预警阈值,超出预警阈值则说明功能模块已经接近饱和,如果运载能力继续加大,则可能会导致宕机,无法继续处理业务。其中,最小值便是冗余阈值,小于冗余阈值则说明功能模块此时有大量的资源未进行利用,存在资源冗余的情况,导致资源浪费。因此,判断所述运载能力是否大于预警阈值;若大于预警阈值时,则对功能模块进行节点扩增。判断所述运载能力是否小于冗余阈值;若小于冗余阈值时,则对功能模块进行节点收缩。通过对运载能力的判断,可以动态调整功能模块的资源,实现资源最大化的利用。
根据本发明实施例,还包括:
接收模块启动或停止请求;
根据所述启动或停止请求,启动或停止模块的镜像,其中,
针对不同的功能模块建立不同的镜像;
每个镜像中配置对应的docker容器;
功能模块通过docker容器运行。
需要说明的是,本发明的功能模块采用虚拟机节点,每个虚拟机节点都安装建立有不同的镜像,每个镜像中还将设置有对应的docker容器,功能模块在docker容器中运行。采用docker容器可以方便的进行功能的替换和变更,并且docker容器可以方便的进行删除和增加。当要启动功能模块时,则通过资源调度中间件去接收模块启动或停止请求;根据所述启动或停止请求,启动或停止模块的镜像。启动镜像之后,将加载docker容器,完成功能模块的运行。整个过程通过软件调度实现,可以更加快速和便捷,能够使得资源调度时间更短,效率更高。
根据本发明实施例,还包括:
获取功能模块的运行数量信息;
判断所述数量信息是否超过预设的数量范围;
若大于数量范围最大值,则停止功能模块运行,并发送报警信息至后台。
需要说明的是,本发明还可以对功能模块运行数量进行限制,由于功能模块过多可能会导致物理机的资源超载,不利于业务处理。所以对功能模块的数量进行限制,使其能够处于稳定的运行状态中是有必要的。首先,获取功能模块的运行数量信息,可以通过加载镜像或者加载docker容器的个数确定模块的数量。判断所述数量信息是否超过预设的数量范围;若大于数量范围最大值,则停止功能模块运行,并发送报警信息至后台。其中,预设的数量范围是物理机资源能够运行的最大模块的数量,优选的,所述数量范围为最大模块数量的85-95%,这样能够有足够的时间进行物理资源的扩展。
图4示出了本发明功能模块扩增或收缩的流程图。
如图4所示,根据本发明实施例,所述对功能模块进行节点扩增或收缩具体为:
S402,获取功能模块扩增或收缩的步长;
S404,根据所述步长,扩增或收缩对应的功能模块;
S406,计算变更后的功能模块的运载能力;
S408,判断所述变更后的功能模块的运载能力是否处于预设的变更条件;
S410,若处于变更条件,则继续按照所述步长进行扩增或收缩;若不处于变更条件,则停止。
需要说明的是,为了避免大规模的扩张或者搜索导致资源浪费的情况,本发明还设置了变更步长。其中,所述步长为扩容的单位资源的大小,将扩张和收缩通过量化的形式进行。在将功能模块进行变更时,首先,获取功能模块扩增或收缩的步长,所述步长可以为技术人员根据实际需要设置的,也可以是后台动态调整的。然后,根据所述步长,扩增或收缩对应的功能模块;计算变更后的功能模块的运载能力。判断所述变更后的功能模块的运载能力是否处于预设的变更条件;若处于变更条件,则继续按照所述步长进行扩增或收缩;若不处于变更条件,则停止。其中,计算运载能力和判断是否处于变更条件的步骤本发明已经在上述过程中详细描述,此处不再一一赘述。
优选的,所述步长可以设置为2或3,回撤步长设置为1。例如,扩张的时候采用步长为2进行扩张,若扩张之后未到达要求,则继续采用步长为2进行扩张。若满足了要求,但是发现资源存在冗余的情况,则可以采用回撤步长进行资源回撤,此时采用步长为1进行回撤。采用此种步长的设置方式,可以更快速的达到扩张和收缩的预期,并且能够进行快速的调整。
如图5所示,在对功能模块进行节点扩增或收缩之后,还包括:
S502,建立大数据平台,收集全国和/或区域的车队日常报案信息,并通过大数据对比、分析、建模得到相应的报表;
S504,建立大数据车载监控***,可实施发送车队安全信息,并通过大数据平台分析出存在的危险,及时提醒车队;
S506,建立车队安全报表存储平台,向外提供下载接口;
S508,建立前端友好性的报表展示区域,根据不同特性报表数据分区域展示。
通过建立大数据平台,将车队的安全报表数据作为输入数据传输至大数据平台,经过报表生成模块筛选数据、数据分析、生成报表及预警模块发出预警。
定义报表生成模块REPORTMODULE,该模块提供外部的初始化接口INIT,该接口包含数据存放地址参数以及筛选文件地址参数,其按照约定的数据请求方式通过请求数据存放地址获取数据输入,并通过筛选文件地址参数获取筛选数据,并将获取到的数据暂存做下一步处理。
其中,约定的数据请求方式是一种解决服务器重复加载数据的方法,区别于网络请求方式。服务器一次性加载的文件数视服务器性能决定,其存在物理限制,为了正确的文件数据加载,需要增加一个辅助标识以及约定的数据步长进行加载。一种可选的方式为,通过计算文件的总长度,根据服务器的最佳性能比计算出单次加载文件的最优数量,两者对比,获取最优的解,即每一次分析请求的文件数都为该最优的解,并根据该最优解计算出文件地址的偏移值,将请求地址根据偏移值进行计算保存用于下一次的加载使用。
其中,筛选数据的输入方式为外部独立文件的存储,通过该方式,具体的筛选数据不依托编码的实现,而可通过任何支持JSON文件的文件编辑器编辑生成,具备灵活的操作性以及友好的后期维护。
定义数据筛选接口DATASCREEN用于筛选数据以及输出筛选后的数据,该接口定义参数data以及参数dataScreen分别接受输入数据以及筛选数据。通过遍历data数据并根据筛选数据计算出每条数据中包含的因子数以及因子数的权重比,通过权重比的大小取大舍小,排除关联性较低的数据。其中,因子数指影响输出数据的影响因素,一个输出往往由多个因子综合影响而成,但每个因子造成的影响不尽相同,通过给因子定义合理的权重值,取所有的因子权重值的一个综合数值,根据该数值判定数据的关联程度,综合可综合考虑到该数据的实际权重作用,如天气是否下雨数据,可作为车队安全考量的一个因子,当车队车辆的轮胎的摩擦系数较低时,则天气对车队安全的影响较大,反之较少。
其中,因子权重的一种方法为,定义用户输入的筛选数据中包含的因子有限权重为最高,未输入筛选数据的因子根据输入数据在筛选过程中,并行计算该因子在该条数据中与输出结果的数据关联性,动态的调整其权重,通过维护一个动态权重索引数组,其记录了经过计算调整后的各个因子权重值,并将该值用作于下一次计算的筛选因子输入。
定义数据分析接口DATAANAS用于启动数据的分析流程,其接收来自筛选后的有效数据,并根据输出任务通过策略管理器执行对应的策略方案。本发明中,一个输出任务代表着一套独立的分析策略代码执行,为了方便管理,不同的分析策略之间由一个全局单例模式的策略管理器进行调度维护,策略管理器通过策略类的父级抽象接口进行维护即管理器不需要知道具体维护的策略对象类型,在操作时,利用类对象可向上转换的特性,自动转换为一个抽象的父级类对象。
本发明中,定义策略父级类strategy,该类为所有策略类的基类,后续的每套策略类均需继承该类,该类中定义公有的接口INIT用于策略代码执行入口,该接口作为策略管理器的公用调用方法,其具体实现由具体的策略类实现。通过该方式,可方便的扩展不同的策略且不影响其他的策略。
本发明中,通过DATAREPORT模块生成最终报表文件并存储在指定的服务器文件地址中,同时生成文件索引列表,存储该文件对应的服务器文件位置,文件索引列表的归类依照区域、月度时间区分,便于针对性的区域报表文件的检索。具体的,当DATAREPORT模块接收到报表请求时,根据请求附带的参数构建文件索引列表名,向服务器请求同名的文件索引文件,加载并解析出完整的文件索引结构即文件位于服务器的存放地址。该方式较传统的全地址请求方式更具备数据的保密性,例如当需要隐藏报表数据时,只需通过加密该文件索引列表的方式即可实现隐藏报表的作用,而无需逐报表的加密,避免了冗杂的加密解密过程,提高了不少性能。
本发明中,可检测车队的实时数据,并解析出实时的因子数,结合大数据平台的大量的数据运算,可计算出车队存在的安全隐患系数并对车队做出实时的相应警告。
本发明中,通过建立MONITOR模块,用于监听接收车队的实时报告数据,例如车队的车速、路况、温度、车胎摩擦系数等,其中,定义接口ACCEPT用于接收监听请求,该接口接收一系列的参数包括车队名,车辆编号,并开启一个新的监听进程,该在该进程中建立SOCKET变量_socket用于车队与大数据平台的信息交互包括接收信息、发送预警信息等。
在MONITOR模块中通过调用DATAANAS模块的估算接口ESIMATE用于评估车队当前所处的环境中因子数比重,其通过比较具有相同因子数的历史危险数据,计算出该因子数所占的比重,在大量计算的基础上,取平均值,若概率过大,则通过上述的_socket对象通知车队可能存在的安全隐患,例如当车队处于一个合理的高速运动状态时,大数据平台会获取车队当前处于的地段、该处的天气情况等数据,并获取包含相同因素的历史事故数据,比较各因素造成事故的比重,并通知车队可能发生安全事故的概率。
本发明中,通过建立报表存储服务器,存储大数据运算得出的各种报表文件,并定义接口GETREPROT用于外部获取需要的报表文件,报表使用者可使用该接口统一的下载报表文件,可取代不同使用者之间的互相传递方式。较传统的分散存储,该方式具备备份性、正确性,即可减少人为造成的数据丢失、在报表传递过程中人为造成的数据修改。报表使用者可通过该接口一次性获取所有对外开放的数据,包括所属区域之外以及全国的报表数据,该方式为车队安全报告提供了数据获取、数据原生友好性。
本发明中,使用友好的报表数据展示方式取代传统的无针对性散乱的报表数据展示方式,一种可选的方式为在前端交互界面分区域和全国报表数据展示、异常车队提醒区、优秀车队排名展示区,通过以下功能划分详细的展示区域,可较直观的了解到车队目前所处的安全情况。
本发明中,以块为一个展示单位,即一个数据展示区,该区通过定义类BOX实现,其定义变量_data用于存储需要渲染的数据。外部通过调用类BOX的实例对象接口BINDDATA绑定数据源,BINDATA接口接收一个任意类型的数据参数,并将该参数的值赋值给_data变量,并调用BOX的渲染接口RENDER把数据展示到界面上。
其中,RENDER接口依次遍历所有的渲染节点对象即用于展示数据的各种组件如文本显示框等,读取该渲染节点预设的变量datasource的值,该值对应_data的键名,根据键名从_data检索出相应的数据值,最终渲染展示,例如展示所有车队信息的列表项的datasource值为teamInfo,则取_data[teamInfo]的值,每一项的值对应列表项的每一行,依次赋值。
本发明中,设定图像展示区域用于数据车队安全报表的图形展示,当选中某分具体的报表时,前端展示区域根据选择的报表获取可操作的图形列表,当选中图形列表时,读取数据并制作成图形展示。定义SHADERSHOW类,该类继承BOX类,用于展示具体的图形。
SHADERSHOW提供为每一种图形提供绘制接口,如绘制柱状图接口DRAWBAR,其调用SHADERSHOW的成员变量_graphic绘制图形。SHADERSHOW定义接口SETDATA用于接收绘制所需要的数据,SETDATA在接受的数据后,首先对数据进行格式化即指为了便已绘制而按照约定的格式编排数据,当编排数据后,调用相应的绘制函数绘制图形。通过图形展示的报告方式,除了可更加直观的展示数据外,亦可在直观的进行比较,展示更加友好。
其中,SHADERSHOW数据格式化通过一个数据格式化类进行管理,该类提供所有的数据格式化接口输出,当需要一种新的编排数据时,可在该类扩展接口,满足当前的需求。该方式便于扩展,亦便已重复利用,减少代码的冗余。本发明中,定义类DATAFORMAT用于管理所有的数据编排接口,其通过单例变量_instance访问。
可以理解,本发明可对数据进行大数据运算,得出更精确的车队安全模型;可提供历史报表数据的下载;可直观的展示各报表数据表达的意义,并可分区域分析车队安全模型;同时,也可对车队安全进行实时的检测预警。
根据本发明的实施例,在对功能模块进行节点扩增或收缩之后,还包括:
获取数据信息,并对获取到的数据信息进行分类处理;
将对应的分类后所述的数据信息发送至对应的客户端。
需要说明的是,所述功能模块设置于云端设备(大数据平台),并为不同的客户端服务,因此云端设备可以接收到针对不同的客户端的数据信息。另外,对于针对同一个客户端,数据信息还可以针对客户端中不同的模块进行分类。进一步地,由于本申请中的模块已预先组件化,即每个模块还包括至少一个模块组件,因此数据信息还可以针对模块中不同的模块组件进行分类。
当然,为了便于分类,每份数据信息中包括了其对应客户端的身份信息,以及对应客户端中某一模块的格式信息。
根据本发明的实施例,对获取到的数据信息进行分类处理,具体包括:
根据所述数据信息的身份标识,首先确定出所述数据信息所属的客户端;
根据所述数据信息的格式标识,再次确定出所述数据信息在所属的客户端中所属的模块。
根据所述数据信息的组别标识,最终确定出所述数据信息在所属的模块中的模块组件。
还应当说明的是,当数据信息的分类完成后,云端设备可以在预设时刻将数据信息发送至对应的客户端。云端设备也可以先将分类后所述的数据信息以组别的形式暂存,即将对应同一个模块组件的数据信息分为一组,在接收到客户端的数据请求时,云端设备根据所述数据请求的具体内容,将对应组的数据信息发送至客户端。例如,某个客户端仅请求某个表格模块的数据信息,则云端设备将对应该表格模块的数据信息发送至该客户端。
根据本发明的实施例,在将对应的分类后所述的数据信息发送至对应的客户端之后,还包括:
确定出界面的模块配置信息;
接收对应的的数据信息,将数据信息的转换为预设格式;
根据所述模块配置信息以及转换格式后的所述数据信息,展示动态的界面信息。
可选地,客户端预先对模块进行分类。进一步地,由于本申请中的模块已预先组件化,每个功能模块还包括不同的模块组件。例如,客户端包括文本模块、表格模块、地图模块和图标模块。模块配置信息包括当前界面将要展示的模块类型、将要展示的模块需要配置的模块组件以及各模块在界面上的布局。当然,可以预先设置多个界面模板,每个界面模板包括至少一种模块组件,预设各模块组件的布局形式,用户可以选择一种界面模板来作为界面进行展示。另外,用户在可以选择一种界面模板后,还可以继续对该界面模板进行个性化的修改。可选地,界面模板可以为H5界面形式。
为了方便在对应的模块组件上展示对应的数据信息,可选地,将模块组件设置为仅匹配预设格式的数据信息。因此,客户端接收到对应的数据信息后,根据数据信息的格式标识,确定出该数据信息所属的模块组件,并将该数据信息转换为与所属的模块组件对应的预设格式。例如,文本模块中的文件格式统一为DOC格式,表格模块中的文件格式统一为XSL格式。
客户端根据模块配置信息,将对应类型的模块分别显示在界面的对应位置,且每个模块配置需要展示的模块组件,根据数据信息的格式标识,在每个模块组件上显示对应的数据信息。应当说明的是,模块组件显示信息的形式包括但不限于:文本形式、表格形式、图表形式(如折线图、扇形图或柱形图等)。应当说明的是,界面信息可以是实时变化的,即根据接收到的数据信息的不同,显示不同状态的界面。
还需要进一步说明的是,客户端可以根据预设的界面显示流程,向云端设备发送数据请求,根据接收到的数据信息的不同,显示不同状态的界面;当然,用户也可以根据实际的需要,通过客户端向云端设备发送数据请求,来获取期望的数据信息进行展示。客户端发送数据请求的频率根据实际需要而定,例如20毫秒为一个周期,若当前周期接收到的数据信息与上一个周期接收的数据信息一致,则保持当前的界面不变,若当前周期接收到的数据信息与上一个周期接收的数据信息不一致,则根据最新的数据信息刷新界面。当然,为了保证云端设备的工作效率,减轻云端设备的负荷,客户端每次接收到云端设备发送的数据信息后,立即切断客户端与云端设备直接的通信,以方便其他客户端接入云端设备。
图6示出了本发明一种自动伸缩策略运维***的框图。
如图6所示,本发明提供一种自动伸缩策略运维***6,该***包括:存储器61、处理器62,所述存储器中包括自动伸缩策略运维程序,所述自动伸缩策略运维程序被所述处理器执行时,实现如上述任一项所述的自动伸缩策略运维方法的步骤。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括自动伸缩策略运维程序,所述自动伸缩策略运维程序被处理器执行时,实现如上述任一项所述的自动伸缩策略运维方法的步骤。
本发明公开的一种自动伸缩策略运维方法、***和可读存储介质,通过模块影响因子和负载信息进行功能模块运载能力的计算,并根据运载能力进行动态的调整,可以使得资源更大化的合理利用。对模块的CPU等各种硬件进行使用率的获取,并通过不同的加权因子进行计算,得到运载能力值,可以更直接的反映出模块的运载能力,从而进行及时的调整。本发明的不同模块间通信通过中间件进行联系,达到了松耦合的效果。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
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或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计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种自动伸缩策略运维方法,其特征在于,包括:
获取***的功能信息、功能模块信息和负载信息;
根据所述功能信息,获取每个功能的影响因子;
根据每个功能的所述影响因子和获取的***的负载信息计算每个功能对应功能模块的运载能力,针对不同的功能设置不同的功能模块,功能模块包括物理的服务器或/和虚拟机实现的节点模块;
判断所述运载能力是否满足预设的变更条件;
若满足,在功能模块超载时,对功能模块进行节点扩增,在功能模块资源冗余浪费时,对功能模块进行节点收缩。
2.根据权利要求1所述的一种自动伸缩策略运维方法,其特征在于,所述根据所述影响因子和负载信息计算对应功能模块的运载能力的步骤包括:
所述负载信息包括功能模块的CPU、内存及磁盘的使用率,获取功能模块的CPU、内存及磁盘的使用率;
分别获取CPU、内存及磁盘的使用率的加权因子;
通过下述公式计算功能模块的运载能力:
S=w×(w1C+w2R+w3D)
其中,S为功能模块的运载能力值,w为功能模块的影响因子,w1为CPU使用率的加权因子,w2为内存使用率的加权因子,w3为磁盘使用率的加权因子,C为CPU的使用率,R为内存使用率,D为磁盘使用率,其中,w1+w2+w3=1。
3.根据权利要求1所述的一种自动伸缩策略运维方法,其特征在于,所述预设的变更条件包括:所述运载能力大于预警阈值和所述运载能力小于冗余阈值,当所述运载能力大于预警阈值时,则对功能模块进行节点扩增;当所述运载能力小于冗余阈值时,则对功能模块进行节点收缩。
4.根据权利要求1所述的一种自动伸缩策略运维方法,其特征在于,所述方法还包括:
接收模块启动或停止请求;
根据所述启动或停止请求,启动或停止模块的镜像,其中,针对不同的功能模块建立不同的镜像,每个镜像中配置对应的docker容器,功能模块通过docker容器运行。
5.根据权利要求1所述的一种自动伸缩策略运维方法,其特征在于,所述方法还包括:
获取功能模块的运行数量信息;
判断所述数量信息是否超过预设的数量范围;
若大于数量范围最大值,则停止功能模块运行,并发送报警信息至后台。
6.根据权利要求1所述的一种自动伸缩策略运维方法,其特征在于,对功能模块进行节点扩增或收缩的步骤包括:
获取功能模块扩增或收缩的步长;
根据所述步长,扩增或收缩对应的功能模块;
计算变更后的功能模块的运载能力;
判断所述变更后的功能模块的运载能力是否处于预设的变更条件;
若处于变更条件,则继续按照所述步长进行扩增或收缩;若不处于变更条件,则停止。
7.根据权利要求1所述的一种自动伸缩策略运维方法,其特征在于,在获取***的功能信息、功能模块信息和负载信息之前,所述方法还包括:
将原始***根据功能划分成不同的子***;
为每个子***制定镜像子***文件;
在应用容器引擎上部署***;
接收用户的选择指令,将公共云平台中预设的***资源加载至目标***中。
8.根据权利要求1所述的一种自动伸缩策略运维方法,其特征在于,在对功能模块进行节点扩增或收缩之后,所述方法还包括:
建立大数据平台,收集全国和/或区域的车队日常报案信息,并通过大数据对比、分析、建模得到相应的报表;
建立大数据车载监控***,可实施发送车队安全信息,并通过大数据平台分析出存在的危险,及时提醒车队;
建立车队安全报表存储平台,设置下载接口;
建立前端友好性的报表展示区域,根据不同特性报表数据分区域展示。
9.一种自动伸缩策略运维***,其特征在于,该***包括:存储器、处理器,所述存储器中包括自动伸缩策略运维程序,所述自动伸缩策略运维程序被所述处理器执行时,实现如权利要求1至8中任一项所述的自动伸缩策略运维方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括自动伸缩策略运维程序,所述自动伸缩策略运维程序被处理器执行时,实现如权利要求1至8中任一项所述的自动伸缩策略运维方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911250556.5A CN111176834A (zh) | 2019-12-09 | 2019-12-09 | 自动伸缩策略运维方法、***和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911250556.5A CN111176834A (zh) | 2019-12-09 | 2019-12-09 | 自动伸缩策略运维方法、***和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111176834A true CN111176834A (zh) | 2020-05-19 |
Family
ID=70648753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911250556.5A Pending CN111176834A (zh) | 2019-12-09 | 2019-12-09 | 自动伸缩策略运维方法、***和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111176834A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112328184A (zh) * | 2020-12-03 | 2021-02-05 | 北京联创信安科技股份有限公司 | 一种集群扩容方法、装置、设备及存储介质 |
CN112380009A (zh) * | 2020-11-12 | 2021-02-19 | 北京开物数智科技有限公司 | 基于docker弹性伸缩的大数据平台资源调度方法 |
CN112579287A (zh) * | 2020-12-16 | 2021-03-30 | 跬云(上海)信息科技有限公司 | 一种基于读写分离及自动伸缩的云编排***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106101176A (zh) * | 2016-05-27 | 2016-11-09 | 成都索贝数码科技股份有限公司 | 一种一体化的融媒体云生产发布***与方法 |
CN108829409A (zh) * | 2018-06-20 | 2018-11-16 | 泰华智慧产业集团股份有限公司 | 一种分布式***快速部署方法及*** |
CN109271171A (zh) * | 2018-09-17 | 2019-01-25 | 杭州安恒信息技术股份有限公司 | 一种基于Docker一键部署大数据平台的方法和装置 |
CN110442453A (zh) * | 2019-08-01 | 2019-11-12 | 佛山普瑞威尔科技有限公司 | 一种自动伸缩策略运维方法、***和可读存储介质 |
-
2019
- 2019-12-09 CN CN201911250556.5A patent/CN111176834A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106101176A (zh) * | 2016-05-27 | 2016-11-09 | 成都索贝数码科技股份有限公司 | 一种一体化的融媒体云生产发布***与方法 |
CN108829409A (zh) * | 2018-06-20 | 2018-11-16 | 泰华智慧产业集团股份有限公司 | 一种分布式***快速部署方法及*** |
CN109271171A (zh) * | 2018-09-17 | 2019-01-25 | 杭州安恒信息技术股份有限公司 | 一种基于Docker一键部署大数据平台的方法和装置 |
CN110442453A (zh) * | 2019-08-01 | 2019-11-12 | 佛山普瑞威尔科技有限公司 | 一种自动伸缩策略运维方法、***和可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380009A (zh) * | 2020-11-12 | 2021-02-19 | 北京开物数智科技有限公司 | 基于docker弹性伸缩的大数据平台资源调度方法 |
CN112328184A (zh) * | 2020-12-03 | 2021-02-05 | 北京联创信安科技股份有限公司 | 一种集群扩容方法、装置、设备及存储介质 |
CN112328184B (zh) * | 2020-12-03 | 2023-11-21 | 北京联创信安科技股份有限公司 | 一种集群扩容方法、装置、设备及存储介质 |
CN112579287A (zh) * | 2020-12-16 | 2021-03-30 | 跬云(上海)信息科技有限公司 | 一种基于读写分离及自动伸缩的云编排***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112199385B (zh) | 用于人工智能ai的处理方法、装置、电子设备和存储介质 | |
US7823023B2 (en) | Test framework for testing an application | |
US7788362B2 (en) | Method and apparatus for the dynamic introduction of new attributes into policies | |
CN112148494B (zh) | 用于算子服务的处理方法、装置、智能工作站和电子设备 | |
US11720825B2 (en) | Framework for multi-tenant data science experiments at-scale | |
CN112202899B (zh) | 用于工作流的处理方法、装置、智能工作站和电子设备 | |
CN112069205B (zh) | 用于业务应用的处理方法、装置、智能工作站和电子设备 | |
CN107844274B (zh) | 基于超融合存储***的硬件资源管理方法、装置及终端 | |
CN107908521A (zh) | 一种应用于云环境下的服务器性能以及节点上的容器性能的监控方法 | |
CN106100868B (zh) | 一种项目运维管理装置、***及方法 | |
CN110347375B (zh) | 用于虚拟试验的资源组合式虚拟综合自然环境架构与方法 | |
CN114791846B (zh) | 一种针对云原生混沌工程实验实现可观测性的方法 | |
CN111176834A (zh) | 自动伸缩策略运维方法、***和可读存储介质 | |
CN111338786A (zh) | 云平台资源的配额管理方法、装置和计算机设备 | |
CN114706690B (zh) | 一种Kubernetes容器共享GPU方法及*** | |
CN114826749A (zh) | 一种接口访问控制方法、装置、介质 | |
CN114356712B (zh) | 数据处理方法、装置、设备、可读存储介质及程序产品 | |
CN107453950A (zh) | 一种信息处理方法及监控*** | |
CN113326052A (zh) | 业务组件的升级方法、装置、计算机设备和存储介质 | |
JP4430908B2 (ja) | マルチウィンドウ表示制御装置およびこれを使用するコンピュータシステム | |
CN112785418A (zh) | 信贷风险建模方法、装置、设备及计算机可读存储介质 | |
CN112817635B (zh) | 一种模型处理方法和数据处理*** | |
CN102902825B (zh) | 一种数据库优化方法及装置 | |
CN116450465B (zh) | 数据处理方法、装置、设备及介质 | |
CN117573296B (zh) | 虚拟机设备直通管控方法、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 |