CN111211998A - 可弹性扩容的资源配给方法、装置和电子设备 - Google Patents
可弹性扩容的资源配给方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111211998A CN111211998A CN201911271350.0A CN201911271350A CN111211998A CN 111211998 A CN111211998 A CN 111211998A CN 201911271350 A CN201911271350 A CN 201911271350A CN 111211998 A CN111211998 A CN 111211998A
- Authority
- CN
- China
- Prior art keywords
- resource
- capacity
- demand
- capacity expansion
- providing
- 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 43
- 238000013468 resource allocation Methods 0.000 title claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000003860 storage Methods 0.000 claims description 25
- 238000013507 mapping Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 23
- 238000005192 partition Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 238000002939 conjugate gradient method Methods 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/80—Actions related to the user profile or the type of traffic
- H04L47/805—QOS or priority aware
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种可弹性扩容的资源配给方法、装置和电子设备,包括:构建资源配给网络,所述资源配给网络中包括一个常用资源提供节点及多个扩容资源提供集群,所述扩容资源提供集群包括至少一个资源提供节点;实时获取资源需求方当前资源需求;监控所述常用资源提供节点资源可供给能力;设置扩容规则,当所述当前资源需求与所述资源可供给能力满足所述扩容规则时,调用所述扩容资源提供集群提供资源以满足所述资源需求方的所述当前资源需求。本发明通过实时监测资源需求,动态调整资源配给,使得资源提供能满足不同环境下需求方的需求,低延迟向用户提供服务,给用户更好的使用体验。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种可弹性扩容的资源配给方法、装置、电子设备及计算机可读介质。
背景技术
随着互联网技术的快速发展和智能移动客户端的迅速普及,越来越多的任务需求由原先的线下转为线上,服务模式创新带来了更好的用户体验。线上用户的增多,对网络中资源提供方的提供能力也提出了极大的挑战,资源提供方往往通过扩容的方式满足日益增多的用户需求。但是在实际生活中,用户的资源需求往往不是平稳的,随着时间的波动变化出现短时大量需求申请,例如双十一期间单个交易平台的交易峰值高达每秒32.5万笔、支付峰值每秒25.6万笔;在2015年春运高峰日火车票购买平台的PV值达297亿,流量增加1000倍。对于这种短期高并发的情况,仍使用与平时同样数量的资源提供方式会导致资源提供网络负载过高,大量资源需求无法获得满足,从而降低用户的使用体验;而按最高并发资源需求进行扩容又会导致日常资源并发需求下资源提供的闲置,增加了成本。
发明内容
本发明的目的在于,提供一种可弹性扩容的资源配给方法、装置和电子设备,旨在通过实时监测资源需求,动态调整资源配给,使得资源提供能满足不同环境下需求方的需求,低延迟向用户提供服务,给用户更好的使用体验。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
为实现上述目的,本发明一方面提供可弹性扩容的资源配给方法,其特征在于,包括:
构建资源配给网络,所述资源配给网络中包括一个常用资源提供节点及多个扩容资源提供集群,其中,所述扩容资源提供集群包括至少一个资源提供节点;
实时获取资源需求方当前资源需求;
监控所述常用资源提供节点资源可供给能力;
设置扩容规则,当所述当前资源需求与所述资源可供给能力满足所述扩容规则时,调用所述扩容资源提供集群提供资源以满足所述资源需求方的所述当前资源需求。
根据本发明的一种优选实施方式,所述扩容规则进一步可包括:设置扩容阈值,当监测到所述当前资源需求与所述资源可供给能力的比值超过所述阈值时,发出供给扩容信号。
根据本发明的一种优选实施方式,进一步包括,响应于所述供给扩容信号,分析所述当前资源需求;基于所述当前资源需求、所述扩容资源提供集群可供给能力,制定资源配给方案;根据所述资源配给方案调用所述扩容资源提供集群提供资源。
根据本发明的一种优选实施方式,所述基于所述当前资源需求、所述扩容资源提供集群可供给能力,制定资源配给方案步骤进一步包括根据所述当前资源需求、所述扩容资源提供集群可供给能力,确定由一个或多个所述扩容资源提供集群提供资源。
根据本发明的一种优选实施方式,当由多个所述扩容资源提供集群提供资源时进一步包括将所述当前资源需求分解为多个资源分需求;形成各所述资源分需求与各所述扩容资源提供集群的分配映射规则;基于所述映射规则,由相应的扩容资源提供集群提供资源。
根据本发明的一种优选实施方式,所述分配映射规则是基于平均分配、按序分配或由机器学习生成的分配模型进行分配中任意一种方式形成。
根据本发明的一种优选实施方式,进一步包括接收到所述资源分需求的所述扩容资源提供集群向对应的资源需求方直接提供资源。
根据本发明的一种优选实施方式,进一步包括将接收到所述资源分需求的所述扩容资源提供集群提供的相应资源合并后提供给资源需求方。
根据本发明的一种优选实施方式,所述当前资源需求包括一个资源需求节点的资源需求或多个资源需求节点的资源需求。
本发明的第二方面提供了一种可弹性扩容的资源配给装置,包括:
资源配给网络,所述资源配给网络中包括一个常用资源提供节点及多个扩容资源提供集群,其中,所述扩容资源提供集群包括至少一个资源提供节点;
需求获取模块,实时获取资源需求方当前资源需求;
供给能力监测模块,用于监控所述常用资源提供节点资源可供给能力;
规则模块,用于设置扩容规则;
需求分配模块,用于当所述当前资源需求与所述资源可供给能力满足所述扩容规则时,调用所述扩容资源提供集群提供资源以满足所述资源需求方的所述当前资源需求。
根据本发明的一种优选实施方式,所述规则模块进一步包括阈值设置单元,用于设置设置扩容阈值;触发单元,用于当监测到所述当前资源需求与所述资源可供给能力的比值超过所述阈值时,发出供给扩容信号。
根据本发明的一种优选实施方式,所述需求分配模块进一步包括分析单元,用于响应于所述供给扩容信号,分析所述当前资源需求;配给方案制定单元,用于基于所述当前资源需求、所述扩容资源提供集群可供给能力,制定资源配给方案;资源配给单元,用于根据所述资源配给方案调用所述扩容资源提供集群提供资源。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明本发明示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是根据一示例性实施例示出的一种可弹性扩容的资源配给方法的流程图。
图2是基于本发明的高并发任务环境下弹性扩容的资源提供方法的流程图。
图3是根据一示例性实施例示出的可弹性扩容的资源配给装置的框图。
图4是根据一示例性实施例示出的规则模块的框图。
图5是根据一示例性实施例示出的需求分配模块的框图。
图6是根据一示例性实施例示出的资源配给单元的框图。
图7是根据一示例性实施例示出的一种电子设备的框图。
图8是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如,第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
图1是根据一示例性实施例示出的一种可弹性扩容的资源配给方法的流程图。可弹性扩容的资源配给方法至少包括步骤S101至S106。
如图1所示,在步骤S101中,构建资源配给网络
构建资源配给网络,所述资源配给网络中包括一个常用资源提供节点及多个扩容资源提供集群,其中,所述扩容资源提供集群包括至少一个资源提供节点。
在一个实施例中,所述资源提供节点可以为计算机等提供运算能力的类似装置或者是提供满足服务需求的服务提供节点。
在一个实施例中,所述资源配给网络可以是多个计算机或者服务器通过局域网或者公用网构成的计算机网络,其中,一个计算机作为常用资源提供节点,其他包括多个计算机集群,每个集群中包含至少一个计算机作为资源提供节点。作为常用资源提供节点的计算机与所述其他计算机集群通过路由相连接。在日常使用中,仅使用作为常用资源提供节点的计算机作为资源提供方,其他计算机集群处于休眠状态。
在一个实施例中,所述资源配给网络可以由云计算平台组成。所述常用资源提供节点可以是云计算平台中的虚拟机或者可以提供算力、服务能力的云计算模块,其他包括多个类似的虚拟机集群或云计算模块集群,每一个虚拟机集群或云计算模块集群包括至少一个虚拟机或者云计算模块作为资源提供节点。在日常使用中,仅使用作为常用资源提供节点的虚拟机或云计算模块。
在步骤S102中,获取当前资源需求。
实时获取资源需求方当前资源需求,在一个实施例中,所述资源需求方的资源需求包括对算力的需求、对服务需求的满足、对存储空间的需求等。
进一步的,所述当前资源请求来自一个或者多个资源需求方。
在步骤S103中,监测可供给能力。
获取常用资源提供节点的资源提供能力。
在步骤S104中,扩容判定。
比较步骤S102获取的资源需求和步骤S103获取的常用资源提供节点的资源提供能力是否满足扩容条件。
若不符合扩容条件,即常用资源提供节点的资源提供能力能满足当前资源需求,则由常用资源提供节点向资源需求方提供相应资源。
若符合扩容条件,则发出扩容信号。
在一个实施例中,所述扩容条件具体可包括设置扩容阈值,当所述当前资源需求与所述资源可供给能力的比值超过所述阈值时,则可以判定为符合扩容条件。
在步骤S105中,生成扩容配给方案。
响应于步骤S104的扩容信号,分析所述当前资源需求,基于所述资源需求及扩容资源提供集群的资源可供给能力,制定资源配给方案。
在一个实施例中,分析模块根据所述当前资源需求、所述扩容资源提供集群可供给能力,确定由一个或多个所述扩容资源提供集群提供资源。进一步的,将当前资源需求分解为多个资源分需求,根据扩容资源提供集群的资源提供能力将所述资源分需求对应至一个或多个扩容资源提供集群形成分配映射规则。更进一步的,所述分配映射规则可以包括平均分配、按序分配或由机器学习生成的分配模型进行所述分需求分配。
平均分配:根据所述扩容资源提供集群的数量,将当前资源需求平均分为相应分需求,分别赋予每个扩容资源提供集群。
按序分配:根据集群编号,将资源需求提供给扩容资源提供集群。当前一编号扩容资源提供集群达到饱和资源提供时,分配给下一编号的扩容资源提供集群。
由机器学习生成的分配模型进行所述分需求分配:在根据已有数据集训练获取寻找最优解方案中,监督式机器学习算法具有较为广泛的应用。监督式学习算法接受已知的输入数据集合(训练集)和已知的对数据的响应(输出),然后训练一个模型,为新输入数据的响应生成合理的预测。将各扩容资源提供集群的供给优先级、性能等级、供给及需求的历史数据作为训练数据,采用机器学习的方式获取各资源提供集群分需求分配的最优配置,以确保每个扩容资源提供集群的资源提供任务与其性能、优先级、历史状况相匹配。更具体而言,机器监督式机器学习的算法可以是梯度下降法、共轭梯度法、Momentum算法及其变体、牛顿法和拟牛顿法、AdaGrad算法、Adadelta算法、RMSprop算法、Adam算法及其变体、Nadam算法。上述各算法均为监督式机器学习常用算法,故不作详细描述。
在步骤S106中,扩容资源供给。
根据S105制定的扩容配给方案,将各分需求信息发送至相应的扩容资源提供集群,所述扩容资源提供集群执行相应的资源提供任务。
在步骤S107中,提供资源。
执行步骤S106的扩容资源供给后,将所述资源发送给资源需求方。
在一个实施例中,接收到所述资源分需求的所述扩容资源提供集群向对应的资源需求方直接提供资源。
在另一个实施中,将接收到所述资源分需求的所述扩容资源提供集群提供的相应资源合并后提供给资源需求方。
采用本发明所述之方法,通过实时监测资源需求,动态调整资源配给,使得资源提供能满足不同环境下需求方的需求,低延迟向用户提供服务,给用户更好的使用体验。
示例
图2是基于本发明的高并发任务环境下弹性扩容的资源提供方法的流程图。
如图2所示,在整个资源提供网络中包括日常业务处理的节点和高并发任务环境下可用于扩容的分区。步骤S201中,短时间内发起大量服务调用请求,步骤S202中,根据当前资源提供能力判断是否需要分区提供服务,如判断为不需要分区服务,则执行步骤一S203,由当前业务处理节点处理相应业务,在步骤S204中,将业务处理结果反馈至业务需求方。
当判断为当前的业务处理需求需要分区提供服务时,则将所述业务需求分配至分区。进一步的,可以通过路由或虚拟接口的形式将所述业务处理需求推送至分区处理器。
在所述分区处理器,在步骤S206中,判断所述业务处理需求是都需要调用多分区。若判断为不需要,则执行步骤S207,由单分区处理业务需求并将业务处理结果进行反馈。
若判断为需要进行多分区调用,则执行步骤S208,多分区调用处理相关业务需求。多分区处理相关业务需求后,执行步骤S209,判断处理结果是否需要进行合并处理,若为否则将处理结果直接反馈,若为是,则执行步骤S210,先进行处理结果合并,再将合并后的处理结果进行反馈。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
下面描述本发明的装置实施例,该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节,应视为对于上述方法实施例的补充;对于在本发明装置实施例中未披露的细节,可以参照上述方法实施例来实现。
图3是根据一示例性实施例示出的可弹性扩容的资源配给装置的框图。
如图3所示,可弹性扩容的资源配给装置具体可包括资源配给网络S301、需求获取模块302、供给能力监测模块303、规则模块304和需求分配模块305.
资源配给网络301用于向资源需求方提供资源,所述资源配给网络中包括一个常用资源提供节点及多个扩容资源提供集群,其中,所述扩容资源提供集群包括至少一个资源提供节点。
在一个实施例中,所述资源提供节点可以为计算机等提供运算能力的类似装置或者是提供满足服务需求的服务提供节点。
在一个实施例中,所述资源配给网络可以是多个计算机或者服务器通过局域网或者公用网构成的计算机网络,其中,一个计算机作为常用资源提供节点,其他包括多个计算机集群,每个集群中包含至少一个计算机作为资源提供节点。作为常用资源提供节点的计算机与所述其他计算机集群通过路由相连接。在日常使用中,仅使用作为常用资源提供节点的计算机作为资源提供方,其他计算机集群处于休眠状态。
在一个实施例中,所述资源配给网络可以由云计算平台组成。所述常用资源提供节点可以是云计算平台中的虚拟机或者可以提供算力、服务能力的云计算模块,其他包括多个类似的虚拟机集群或云计算模块集群,每一个虚拟机集群或云计算模块集群包括至少一个虚拟机或者云计算模块作为资源提供节点。在日常使用中,仅使用作为常用资源提供节点的虚拟机或云计算模块。
需求获取模块302,实时获取资源需求方当前资源需求。在一个实施例中,所述资源需求方的资源需求包括对算力的需求、对服务需求的满足、对存储空间的需求等。进一步的,所述当前资源请求来自一个或者多个资源需求方。
供给能力监测模块303,用于监控所述常用资源提供节点资源可供给能力。
如图4,规则模块304,用于设置扩容规则,进一步包括阈值设置单元401和触发单元402。
阈值设置单元401,用于设置设置扩容阈值;
触发单元402,用于当监测到所述当前资源需求与所述资源可供给能力的比值超过所述阈值时,发出供给扩容信号。
更具体的,比较需求获取模块302获取的资源需求和供给能力监测模块303获取的常用资源提供节点的资源提供能力是否满足扩容条件。
若不符合扩容条件,即常用资源提供节点的资源提供能力能满足当前资源需求,则由常用资源提供节点向资源需求方提供相应资源。
若符合扩容条件,则发出扩容信号。
在一个实施例中,所述扩容条件具体可包括设置扩容阈值,当所述当前资源需求与所述资源可供给能力的比值超过所述阈值时,则可以判定为符合扩容条件。
需求分配模块305,用于当所述当前资源需求与所述资源可供给能力满足所述扩容规则时,调用所述扩容资源提供集群提供资源以满足所述资源需求方的所述当前资源需求。需求分析模块305包括分析单元501、配给方案制定单元502和资源配给单元503。
分析单元501,用于响应于所述供给扩容信号,分析所述当前资源需求。
配给方案制定单元502,用于基于所述当前资源需求、所述扩容资源提供集群可供给能力,制定资源配给方案;
资源配给单元503,用于根据所述资源配给方案调用所述扩容资源提供集群提供资源。如图6所示,资源配给单元503包括需求分解组件601、分配映射规则制定组件602、资源调配组件603、汇总组件604、发送组件605。
需求分解组件601,用于将所述当前资源需求分解为多个资源分需求;
分配映射规则制定组件602,用于形成各所述资源分需求与各所述扩容资源提供集群的分配映射规则;
资源调配组件603,用于基于所述映射规则,从相应的扩容资源提供集群提供资源。
响应于规则模块304发出的扩容信号,分析单元501分析所述当前资源需求,基于所述资源需求及扩容资源提供集群的资源可供给能力,方案制订单元502制定资源配给方案。
在一个实施例中,分析单元501根据所述当前资源需求、所述扩容资源提供集群可供给能力,确定由一个或多个所述扩容资源提供集群提供资源。需求分解组件601将当前资源需求分解为多个资源分需求,分配映射规则制定组件602根据扩容资源提供集群的资源提供能力将所述资源分需求对应至一个或多个扩容资源提供集群形成分配映射规则。更进一步的,所述分配映射规则可以包括平均分配、按序分配或由机器学习生成的分配模型进行所述分需求分配。
平均分配:根据所述扩容资源提供集群的数量,将当前资源需求平均分为相应分需求,分别赋予每个扩容资源提供集群。
按序分配:根据集群编号,将资源需求提供给扩容资源提供集群。当前一编号扩容资源提供集群达到饱和资源提供时,分配给下一编号的扩容资源提供集群。
由机器学习生成的分配模型进行所述分需求分配:在根据已有数据集训练获取寻找最优解方案中,监督式机器学习算法具有较为广泛的应用。监督式学习算法接受已知的输入数据集合(训练集)和已知的对数据的响应(输出),然后训练一个模型,为新输入数据的响应生成合理的预测。将各扩容资源提供集群的供给优先级、性能等级、供给及需求的历史数据作为训练数据,采用机器学习的方式获取各资源提供集群分需求分配的最优配置,以确保每个扩容资源提供集群的资源提供任务与其性能、优先级、历史状况相匹配。更具体而言,机器监督式机器学习的算法可以是梯度下降法、共轭梯度法、Momentum算法及其变体、牛顿法和拟牛顿法、AdaGrad算法、Adadelta算法、RMSprop算法、Adam算法及其变体、Nadam算法。上述各算法均为监督式机器学习常用算法,故不作详细描述。
资源调配组件603按照所述映射规则从各扩容资源提供集群调配资源,并通过发送组件601发送至资源需求方。
在一个实施例中,接收到所述资源分需求的所述扩容资源提供集群向对应的资源需求方经发送组件601直接提供资源。
在另一个实施中,将接收到所述资源分需求的所述扩容资源提供集群提供的相应资源经汇总组件604合并后经发送组件601提供给资源需求方。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图7是根据一示例性实施例示出的一种电子设备的框图。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于:至少一个处理单元710、至少一个存储单元720、连接不同***组件(包括存储单元720和处理单元710)的总线730、显示单元740等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元710执行,使得所述处理单元710执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元710可以执行如图2,图4中所示的步骤。
所述存储单元720可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202,还可以进一步包括只读存储单元(ROM)7203。
所述存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204,这样的程序模块7205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备800(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备700交互的设备通信,和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且,电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器760可以通过总线730与电子设备700的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备700使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法。
所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
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详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,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 (10)
1.一种可弹性扩容的资源配给方法,其特征在于,包括:
构建资源配给网络,所述资源配给网络中包括一个常用资源提供节点及多个扩容资源提供集群,其中,所述扩容资源提供集群包括至少一个资源提供节点;
实时获取资源需求方当前资源需求;
监控所述常用资源提供节点资源可供给能力;
设置扩容规则,当所述当前资源需求与所述资源可供给能力满足所述扩容规则时,调用所述扩容资源提供集群提供资源以满足所述资源需求方的所述当前资源需求。
2.根据权利要求1所述的方法,其特征在于,所述扩容规则进一步可包括:
设置扩容阈值,当监测到所述当前资源需求与所述资源可供给能力的比值超过所述阈值时,发出供给扩容信号。
3.根据权利要求1-2所述的方法,其特征在于,进一步包括:
响应于所述供给扩容信号,分析所述当前资源需求;
基于所述当前资源需求、所述扩容资源提供集群可供给能力,制定资源配给方案;
根据所述资源配给方案调用所述扩容资源提供集群提供资源。
4.根据权利要求1-3所述的方法,其特征在于,所述基于所述当前资源需求、所述扩容资源提供集群可供给能力,制定资源配给方案步骤进一步包括:
根据所述当前资源需求、所述扩容资源提供集群可供给能力,确定由一个或多个所述扩容资源提供集群提供资源。
5.根据权利要求1-4所述的方法,其特征在于,当由多个所述扩容资源提供集群提供资源时进一步包括:
将所述当前资源需求分解为多个资源分需求;
形成各所述资源分需求与各所述扩容资源提供集群的分配映射规则;
基于所述映射规则,由相应的扩容资源提供集群提供资源。
6.根据权利要求1-5所述的方法,其特征在于,所述分配映射规则是基于平均分配、按序分配或由机器学习生成的分配模型进行分配中任意一种方式形成。
7.根据权利要求1-6所述的方法,其特征在于:
接收到所述资源分需求的所述扩容资源提供集群向对应的资源需求方直接提供资源。
8.一种可弹性扩容的资源配给装置,其特征在于,包括:
资源配给网络,所述资源配给网络中包括一个常用资源提供节点及多个扩容资源提供集群,其中,所述扩容资源提供集群包括至少一个资源提供节点;
需求获取模块,实时获取资源需求方当前资源需求;
供给能力监测模块,用于监控所述常用资源提供节点资源可供给能力;
规则模块,用于设置扩容规则;
需求分配模块,用于当所述当前资源需求与所述资源可供给能力满足所述扩容规则时,调用所述扩容资源提供集群提供资源以满足所述资源需求方的所述当前资源需求。
9.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911271350.0A CN111211998A (zh) | 2019-12-12 | 2019-12-12 | 可弹性扩容的资源配给方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911271350.0A CN111211998A (zh) | 2019-12-12 | 2019-12-12 | 可弹性扩容的资源配给方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111211998A true CN111211998A (zh) | 2020-05-29 |
Family
ID=70786989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911271350.0A Pending CN111211998A (zh) | 2019-12-12 | 2019-12-12 | 可弹性扩容的资源配给方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111211998A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115208893A (zh) * | 2022-05-23 | 2022-10-18 | 中国银行股份有限公司 | 资源调度方法及装置 |
CN116089477A (zh) * | 2023-04-10 | 2023-05-09 | 荣耀终端有限公司 | 分布式训练方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140012995A1 (en) * | 2011-03-11 | 2014-01-09 | Huawei Technologies Co., Ltd. | Resource management method, resource management system and resource manager |
CN106126338A (zh) * | 2016-06-21 | 2016-11-16 | 浪潮(北京)电子信息产业有限公司 | 一种虚拟机集群伸缩配置的方法及装置 |
WO2017011938A1 (zh) * | 2015-07-17 | 2017-01-26 | 华为技术有限公司 | 虚拟网络功能扩容的方法和装置 |
CN107360202A (zh) * | 2016-05-09 | 2017-11-17 | 腾讯科技(深圳)有限公司 | 一种终端的接入调度方法和装置 |
CN107733676A (zh) * | 2016-08-12 | 2018-02-23 | ***通信集团浙江有限公司 | 一种弹性调度资源的方法及*** |
CN109343965A (zh) * | 2018-10-31 | 2019-02-15 | 北京金山云网络技术有限公司 | 资源调整方法、装置、云平台和服务器 |
CN109857518A (zh) * | 2019-01-08 | 2019-06-07 | 平安科技(深圳)有限公司 | 一种网络资源的分配方法及设备 |
-
2019
- 2019-12-12 CN CN201911271350.0A patent/CN111211998A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140012995A1 (en) * | 2011-03-11 | 2014-01-09 | Huawei Technologies Co., Ltd. | Resource management method, resource management system and resource manager |
WO2017011938A1 (zh) * | 2015-07-17 | 2017-01-26 | 华为技术有限公司 | 虚拟网络功能扩容的方法和装置 |
CN107360202A (zh) * | 2016-05-09 | 2017-11-17 | 腾讯科技(深圳)有限公司 | 一种终端的接入调度方法和装置 |
CN106126338A (zh) * | 2016-06-21 | 2016-11-16 | 浪潮(北京)电子信息产业有限公司 | 一种虚拟机集群伸缩配置的方法及装置 |
CN107733676A (zh) * | 2016-08-12 | 2018-02-23 | ***通信集团浙江有限公司 | 一种弹性调度资源的方法及*** |
CN109343965A (zh) * | 2018-10-31 | 2019-02-15 | 北京金山云网络技术有限公司 | 资源调整方法、装置、云平台和服务器 |
CN109857518A (zh) * | 2019-01-08 | 2019-06-07 | 平安科技(深圳)有限公司 | 一种网络资源的分配方法及设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115208893A (zh) * | 2022-05-23 | 2022-10-18 | 中国银行股份有限公司 | 资源调度方法及装置 |
CN115208893B (zh) * | 2022-05-23 | 2024-04-16 | 中国银行股份有限公司 | 资源调度方法及装置 |
CN116089477A (zh) * | 2023-04-10 | 2023-05-09 | 荣耀终端有限公司 | 分布式训练方法及*** |
CN116089477B (zh) * | 2023-04-10 | 2023-08-08 | 荣耀终端有限公司 | 分布式训练方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111181770B (zh) | 一种资源分配方法、***、电子设备和存储介质 | |
CN109117252B (zh) | 基于容器的任务处理的方法、***及容器集群管理*** | |
Mechalikh et al. | PureEdgeSim: A simulation framework for performance evaluation of cloud, edge and mist computing environments | |
CN110795233B (zh) | 分布式资源配给方法、装置和电子设备 | |
Grandinetti et al. | An approximate ϵ-constraint method for a multi-objective job scheduling in the cloud | |
CN109214543B (zh) | 数据处理方法及装置 | |
Bolodurina et al. | Approach to the effective controlling cloud computing resources in data centers for providing multimedia services | |
Shruthi et al. | The resource allocation using weighted greedy knapsack based algorithm in an educational fog computing environment | |
CN111211998A (zh) | 可弹性扩容的资源配给方法、装置和电子设备 | |
CN107342929B (zh) | 一种新消息通知的发送方法、装置及*** | |
Jain et al. | Optimal task offloading and resource allotment towards fog-cloud architecture | |
Mukherjee et al. | Utilising condor for data parallel analytics in an IoT context—An experience report | |
US11770305B2 (en) | Distributed machine learning in edge computing | |
CN114301980A (zh) | 容器集群的调度方法、装置、***及计算机可读介质 | |
Imdoukh et al. | Optimizing scheduling decisions of container management tool using many‐objective genetic algorithm | |
CN111010453B (zh) | 服务请求处理方法、***、电子设备及计算机可读介质 | |
CN111681032B (zh) | 一种配置附加资源的方法、装置和电子设备 | |
CN115629853A (zh) | 一种任务调度的方法和装置 | |
CN111681093B (zh) | 一种展示资源页面的方法、装置和电子设备 | |
CN113743425A (zh) | 一种生成分类模型的方法和装置 | |
Panigrahi et al. | Green Cloud Computing: An Emerging Trend of GIT in Cloud Computing | |
CN113938422B (zh) | 一种流量分配方法、装置和电子设备 | |
Li et al. | Cost-and time-based data deployment for improving scheduling efficiency in distributed clouds | |
Malti et al. | QoS based task scheduling algorithm in cloud computing | |
Rebbah et al. | Toward A Performing Resource Provisioning Model for Hybrid Cloud |
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 |