CN113010576A - 云计算***容量评估的方法、装置、设备和存储介质 - Google Patents

云计算***容量评估的方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN113010576A
CN113010576A CN202110297121.7A CN202110297121A CN113010576A CN 113010576 A CN113010576 A CN 113010576A CN 202110297121 A CN202110297121 A CN 202110297121A CN 113010576 A CN113010576 A CN 113010576A
Authority
CN
China
Prior art keywords
server
analyzable
capacity
cloud computing
computing system
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
Application number
CN202110297121.7A
Other languages
English (en)
Inventor
王波
王志旻
杨贵垣
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.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
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 China Construction Bank Corp filed Critical China Construction Bank Corp
Priority to CN202110297121.7A priority Critical patent/CN113010576A/zh
Publication of CN113010576A publication Critical patent/CN113010576A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供一种云计算***容量评估的方法、装置、设备和存储介质，方法包括，获取云计算***中服务器的历史运行数据，具体包括历史时段内本服务器的CPU使用率峰值和数据量峰值；对可分析服务器(指成功获取历史运行数据的服务器)，读取根据其所属服务器类别设定的使用率区间，和根据总存储空间设定的数据量区间；利用可分析服务器的历史运行数据，使用率区间和数据量区间进行资源信息评估，得到服务器的评估结果；统计评估结果为容量正常的服务器所占比例，得到正常率，根据正常率确定云计算***的容量评估结果。本方案基于服务器的不同用途划分不同类别，为不同类别和存储空间的服务器设定不同容量评估标准，提高容量评估结果的准确度。

Description

云计算***容量评估的方法、装置、设备和存储介质
技术领域
本发明涉及计算机技术领域，特别涉及一种云计算***容量评估的方法、装置、设备和存储介质。
背景技术
云计算***是一种由多个服务器组成的大型计算***，可以用于执行大规模数据的分析处理任务。在云计算***实际运行的过程中，其实际需要处理的数据量可能会发生波动，例如，可能在某几个月数据量较大，之后的几个月数据量又显著减小。
为了应对数据量的波动，需要定期对云计算***进行容量评估，以检验云计算***的资源(一般包括处理器资源和存储资源)总量是否满足近期的处理需求，以便根据评估结果调整云计算***的资源总量。
现有的容量评估方法，一般是设置统一的资源阈值，当云计算***中大部分服务器最近使用的资源量超过资源阈值时，就认为云计算***需要扩容。
云计算***中各个服务器往往具有不同的用途，因而各服务器对资源的使用情况也不尽相同，所以现有的这种按统一标准评估云计算***的所有服务器的方法准确度较低。
发明内容
针对上述现有技术的缺点，本发明提供一种云计算***容量评估的方法、装置、设备和存储介质，以提高对云计算***进行容量评估的准确度。
本申请第一方面提供一种云计算***容量评估的方法，所述云计算***由多个服务器组成，所述方法包括：
获取所述云计算***中每一个服务器的历史运行数据；其中，服务器的历史运行数据，包括预设历史时段内本服务器的CPU使用率峰值和数据量峰值；
针对每一个可分析服务器，读取根据所述可分析服务器所属服务器类别而设定的使用率区间，以及根据所述可分析服务器总存储空间而设定的数据量区间；其中，所述可分析服务器指代所述云计算***中成功获取到历史运行数据的服务器；服务器类别包括网络服务器，数据库服务器，联机应用服务器，非联机应用服务器和数据分析服务器；
针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果；其中，评估结果包括容量过剩，容量正常和容量不足；
统计评估结果为容量正常的服务器在所述云计算***的所有可分析服务器中所占比例，得到所述云计算***的正常率；
根据所述云计算***的正常率确定所述云计算***的容量评估结果。
可选的，所述根据所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果，包括：
判断所述可分析服务器的CPU使用率峰值是否在所述使用率区间内，并判断所述可分析服务器的数据量峰值是否在所述数据量区间内；
若所述可分析服务器的CPU使用率峰值在所述使用率区间内，且所述可分析服务器的数据量峰值在所述数据量区间内，确定所述可分析服务器的评估结果为容量正常；
若所述可分析服务器的CPU使用率峰值大于所述使用率区间的上限，且所述可分析服务器的数据量峰值大于所述数据量区间的上限，确定所述可分析服务器的评估结果为容量不足；
若所述可分析服务器的CPU使用率峰值小于所述使用率区间的下限，且所述可分析服务器的数据量峰值小于所述数据量区间的下限，确定所述可分析服务器的评估结果为容量过剩。
可选的，所述获取所述云计算***中每一个服务器的历史运行数据之后，还包括：
针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据计算得到所述可分析服务器的负载指标；
针对每一个所述可分析服务器，根据所述可分析服务器的负载指标和性能指标计算得到所述可分析服务器的负载权值和负载冗余值；其中，所述可分析服务器的负载权值和负载冗余值作为所述云计算***中分配请求的依据。
可选的，所述针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果之后，还包括：
识别出评估结果为容量过剩的可分析服务器，并输出回收提示信息；其中，所述回收提示信息用于指示对评估结果为容量过剩的所述可分析服务器执行资源回收操作；
识别出评估结果为容量不足的可分析服务器，并输出扩容提示信息；其中，所述扩容提示信息用于指示对评估结果为容量过剩的所述可分析服务器执行资源扩容操作。
本申请第二方面提供一种云计算***容量评估的装置，所述云计算***由多个服务器组成，所述装置包括：
获取单元，用于获取所述云计算***中每一个服务器的历史运行数据；其中，服务器的历史运行数据，包括预设历史时段内本服务器的CPU使用率峰值和数据量峰值；
读取单元，用于针对每一个可分析服务器，读取根据所述可分析服务器所属服务器类别而设定的使用率区间，以及根据所述可分析服务器总存储空间而设定的数据量区间；其中，所述可分析服务器指代所述云计算***中成功获取到历史运行数据的服务器；服务器类别包括网络服务器，数据库服务器，联机应用服务器，非联机应用服务器和数据分析服务器；
评估单元，用于针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果；其中，评估结果包括容量过剩，容量正常和容量不足；
统计单元，用于统计评估结果为容量正常的服务器在所述云计算***的所有可分析服务器中所占比例，得到所述云计算***的正常率；
确定单元，用于根据所述云计算***的正常率确定所述云计算***的容量评估结果。
可选的，所述评估单元根据所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果时，具体用于：
判断所述可分析服务器的CPU使用率峰值是否在所述使用率区间内，并判断所述可分析服务器的数据量峰值是否在所述数据量区间内；
若所述可分析服务器的CPU使用率峰值在所述使用率区间内，且所述可分析服务器的数据量峰值在所述数据量区间内，确定所述可分析服务器的评估结果为容量正常；
若所述可分析服务器的CPU使用率峰值大于所述使用率区间的上限，且所述可分析服务器的数据量峰值大于所述数据量区间的上限，确定所述可分析服务器的评估结果为容量不足；
若所述可分析服务器的CPU使用率峰值小于所述使用率区间的下限，且所述可分析服务器的数据量峰值小于所述数据量区间的下限，确定所述可分析服务器的评估结果为容量过剩。
可选的，所述装置还包括：
第一计算单元，用于针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据计算得到所述可分析服务器的负载指标；
第二计算单元，用于针对每一个所述可分析服务器，根据所述可分析服务器的负载指标和性能指标计算得到所述可分析服务器的负载权值和负载冗余值；其中，所述可分析服务器的负载权值和负载冗余值作为所述云计算***中分配请求的依据。
可选的，所述评估单元还用于：
识别出评估结果为容量过剩的可分析服务器，并输出回收提示信息；其中，所述回收提示信息用于指示对评估结果为容量过剩的所述可分析服务器执行资源回收操作；
识别出评估结果为容量不足的可分析服务器，并输出扩容提示信息；其中，所述扩容提示信息用于指示对评估结果为容量过剩的所述可分析服务器执行资源扩容操作。
本申请第三方面提供一种计算机存储介质，用于存储计算机程序，所述计算机程序被执行时，具体用于实现如本申请第一方面任意一项所提供的云计算***容量评估的方法。
本申请第四方面提供一种电子设备，包括存储器和处理器；
其中，所述存储器用于存储计算机程序；
所述处理器用于执行所述计算机程序，具体用于实现如本申请第一方面任意一项所提供的云计算***容量评估的方法。
本申请提供一种云计算***容量评估的方法、装置、设备和存储介质，适用于云计算***，云计算***由多个服务器组成，方法包括，获取云计算***中每一个服务器的历史运行数据；其中，服务器的历史运行数据，包括预设历史时段内本服务器的CPU使用率峰值和数据量峰值；针对每一个可分析服务器，读取根据可分析服务器所属服务器类别而设定的使用率区间，以及根据可分析服务器总存储空间而设定的数据量区间；其中，可分析服务器指代云计算***中成功获取到历史运行数据的服务器；服务器类别包括网络服务器，数据库服务器，联机应用服务器，非联机应用服务器和数据分析服务器；针对每一个可分析服务器，利用可分析服务器的历史运行数据，使用率区间和数据量区间，对可分析服务器进行资源信息评估，得到可分析服务器的评估结果；其中，评估结果包括容量过剩，容量正常和容量不足；统计评估结果为容量正常的服务器在云计算***的所有可分析服务器中所占比例，得到云计算***的正常率；根据云计算***的正常率确定云计算***的容量评估结果。本方案基于服务器不同用途划分出不同类别，进而为不同类别，不同存储空间的服务器设定不同的容量评估的标准，从而提高容量评估的结果的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种云计算***的架构示意图；
图2为本申请实施例提供的一种云计算***容量评估的方法的流程图；
图3为本申请另一实施例提供的一种云计算***容量评估的方法的流程图；
图4为本申请实施例提供的一种云计算***容量评估的装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
随着计算机技术的发展，云计算***(云计算平台)被广泛应用于社会上各个涉及大规模数据处理的领域，如大型银行的数据中心就配置有云计算***。
大型银行数据中心的云计算***在运行过程中，由于部分***会存在计算资源和存储资源分配不均衡的情况，因此会导致能耗高、资源利用率低的问题。为了解决这一问题，经常需要对云计算***进行容量评估，并基于云计算***的容量评估结果对云计算***进行负载均衡。
现有的对云计算***进行容量评估的方法，一般将计算资源中所有服务器视为同一部署单元，从而设置统一的评估标准，例如设置一个容量阈值，然后按这一容量阈值对云计算***的所有服务器进行资源信息评估，最后结合所有服务器的评估结果，得到整个云计算***的容量评估结果，而并未对联机、非联机以及数据分析等不同场景下的服务器进行区分，与此同时，也不会对不同服务器所具有的存储空间大小不同的文件***进行区分，存在自适应性较差，准确度较低等问题，因而不能很好地应用于多***业务场景中。
针对如上问题，本发明提出一种云计算***容量评估的方法，通过提取一个月内***中各个服务器的资源使用率峰值数，利用资源信息采集、资源信息评估、资源负载均衡三个模块对云计算***在服务器级别和***级别进行容量评估、资源扩容或回收，能够为运维人员提供准确、快速的容量分析方案，使其可以对不同业务场景下的服务器和***进行合理的资源分配。
与传统的基于CPU和磁盘利用率的负载均衡算法相比，本专利提出的云计算***容量评估的方法可以快速生成容量评估结果，方便运维人员进行资源扩容或回收。
本申请所提供的容量评估的方法，可以适用于如图1所示的云计算***，如图1所示，该***自底而上分为CVM(CloudVirtualMachine，云虚拟机)、System(***)、Service(服务)三层，自左及右分为资源信息采集、资源信息评估、资源负载均衡三个模块，其中CVM层和System层构成云计算***的主体部分，云计算***收到的各个需要处理的计算任务均由CVM层中的云虚拟机(即图1所示的C1，C2……Ci，相当于云计算***中的服务器)处理，多个云虚拟机组成了云计算***中的计算机集群，即图1所示的S1，S2……Si。资源信息评估模块具体包括服务器模块和***模块。
在对云计算***多个***进行容量分析的过程中，分为四步。首先，资源信息采集模块采集上述云虚拟机层的各个服务器的历史运行数据。其次，资源信息评估模块中的服务器模块，根据服务器的类别(主要根据服务器的功能和在网络中所属层级确定)，利用指标阈值方法，选择CPU利用率、磁盘利用率作为容量指标，结合该服务器的指标阈值范围得出各个服务器的容量评估结果。进一步，资源信息评估模块中的***模块分析***所辖的所有服务器，汇总服务器容量评估结果，根据***评估的指标阈值范围得出***容量评估结果。最后，通过资源负载均衡模块，对服务器的计算资源和存储资源进行扩容或回收。
本专利通过三个层次和三大模块的有机结合，可以快速生成对服务器和***进行评估的容量分析模型。而现有基于负载均衡的算法，无法对***进行合理的容量评估，并且在对服务器资源调度方面存在一些不合理的问题，使得服务器资源不能有效的利用。
本专利采用改进的负载均衡算法，对不同用途的服务器以及***进行细粒度的容量评估，并最终形成了一套操作便捷、流程简单的容量分析模型框架。本专利作为后端算法模块，只需获取***所辖服务器一个月内CPU和磁盘利用率峰值数据，针对不同应用将服务器分为联机、非联机、数据分析等不同的部署单元，确定相应的指标阈值范围，就可以实时地将结果展现在前端界面供运维人员参考。
下面，结合图1所示的***架构，说明本申请所提供的云计算***容量评估的方法的具体实施过程。
请参考图2，本申请实施例提供的一种云计算***容量评估的方法具体可以包括如下步骤：
S201、获取云计算***中每一个服务器的历史运行数据。
其中，服务器的历史运行数据，包括预设历史时段内本服务器的CPU使用率峰值和数据量峰值。预设历史时段可以是最近一个月，也就是说，步骤S201可以是，获取云计算***中每一个服务器在过去一个月内的CPU使用率峰值和数据量峰值。
步骤S201可以由前述资源信息采集模块执行，资源信息采集模块是云计算平台的基础模块，提供服务器CPU和磁盘利用率的峰值数据，并对数据进行分析。
CPU使用率峰值，是指预设历史时段内最高的CPU使用率。数据量，是指服务器所存储的数据量，也就是服务器已使用的磁盘空间，数据量峰值，就是预设历史时段内服务器已使用的磁盘空间的最大值。
例如，服务器A在最近一个月内，CPU使用率最高曾达到70％，存储的数据量最多时达到3TB，则CPU使用率峰值就是70％，数据量峰值就是3TB。
资源信息采集模块具体可以包括请求(Request)，采集(Collection)和分析(Analysis)三个组件。
具体的，在执行步骤S201时，运维人员可以通过请求组件向云计算***中的各个服务器发送数据获取请求，从而利用相关的Shell脚本命令，或者通过可视化监控看板，获取服务器在最近一个月内的CPU使用率峰值，以及数据量峰值，也就是获取服务器的历史运行数据。随后，采集组件可以提供数据操作的相关接口，以便运维人员查看获取到的历史运行数据，同时可以将请求模块获取到的数据存储到数据库中。
分析组件则可以对获取到的各个服务器的历史运行数据进行初步的筛选和清洗，以便为后续的资源信息评估做准备。
例如，在获取历史运行数据时，可能有部分服务器由于记录缺失等原因无法获取到相应的历史运行数据，分析模块可以通过分析历史运行数据的有无，将云计算***中的服务器划分为可分析服务器和不可分析服务器，其中，可分析服务器是指成功获取到对应的历史运行数据的服务器，而不可分析服务器则是指未能获取到对应的历史运行数据的服务器。
进一步的，分析模块还可以基于预设的异常数据识别模型，例如预先训练的人工神经网络模型，对获取到的历史运行数据进行识别，从而发现并清除异常的历史运行数据。
也就是说，请求组件可以向服务器发送请求，将得到的一个月内服务器CPU和磁盘利用率的峰值数据存储到采集组件的数据库中，再利用分析组件对数据库中的数据进行分析，对有缺失值的数据进行剔除，分别得到CPU和磁盘利用率的数据，形成完整的数据采集和分析流程。
S202、读取根据可分析服务器所属服务器类别而设定的使用率区间，以及根据可分析服务器总存储空间而设定的数据量区间。
需要说明的是，步骤S202和后续的步骤S203均是针对每一个可分析服务器执行，也就是说，对于云计算***的每一个服务器，只要步骤S201中成功获取到该服务器的历史运行数据，就读取相应的区间，并对其进行资源信息评估。
其中，可分析服务器指代云计算***中成功获取到历史运行数据的服务器；服务器类别包括网络服务器，数据库服务器，联机应用服务器，非联机应用服务器和数据分析服务器。
云计算***中的服务器具体包括网络代理，应用和数据库三种用途，因此可以将云计算***中的服务器划分为网络(WEB)服务器，应用(Application，AP)服务器和数据库(Database，DB)服务器三种，其中，应用服务器又可以进一步划分为联机应用服务器，非联机应用服务器和数据分析服务器三种，不同用途的服务器对CPU和磁盘存储空间的使用情况不尽相同，因此，本方案基于上述分类基础，对不同类别的服务器设置了不同的数据量区间和使用率区间。
一般的，在CPU使用上，应用服务器的CPU使用率最高，网络服务器稍低，数据库服务器一般仅用于存取数据，CPU使用率最低。不同类别的服务器的使用率区间，就可以据此设定。
例如，可以设定联机应用服务器的使用率区间为85％至95％，非联机应用服务器的使用率区间为80％至90％，数据分析服务器的使用率区间设定为85％至95％，网络服务器的使用率区间设定为65％至80％。数据库服务器的使用率区间设定为55％至70％。当然，各个类别的使用率区间也可以根据具体情况设定，而不限于上述例子。
数据量区间则根据服务器的文件***的大小，也就是根据服务器的总存储空间的大小而设定，具体的，可以将总存储空间的大小划分出四个档位，分别是小于2TB，2TB至5TB，5TB至10TB，大于10TB，对每一个档位设置一个对应的数据量区间，例如：
小于2TB这一档位的，数据量区间为1TB至1.5TB；
2TB至5TB这一档位的，数据量区间为3.5TB至4TB；
5TB至10TB这一档位的，数据量区间为8TB至9TB；
大于10TB这一档位的，数据量区间为15TB至16TB。
在此基础上，针对每一个可分析服务器，可以确定该服务器的总存储空间属于上述哪一个档位，然后就以所属档位对应的数据量区间，作为对该服务器进行资源信息评估时所用的数据量区间。
同样的，上述档位的划分和每个档位的数据量区间的划分，也可以根据实际情况进行调整。
S203、利用可分析服务器的历史运行数据，使用率区间和数据量区间，对可分析服务器进行资源信息评估，得到可分析服务器的评估结果。
其中，评估结果包括容量过剩，容量正常和容量不足。
本申请的资源信息评估模块可以设置Accept()函数，通过该函数接收前述资源信息采集模块采集到的各个服务器的历史运行数据，利用这些历史运行数据进行资源信息评估。
也就是说，针对每一个可分析服务器，经过资源信息评估后，可能确定出该服务器容量过剩，容量正常或者容量不足。
一般的，若服务器的历史运行数据中的峰值位于相应的区间内，则认为该服务器容量正常，若历史运行数据低于相应区间的下限，则认为该服务器容量过剩，若历史运行数据高于相应区间的上限，则认为该服务器容量不足。
可以看出，上述使用率区间和数据量区间，相当于对一个服务器进行资源信息评估时的评估标准，也就是说，本方案实际上是为不同类别的服务器设置了不同的评估标准。
基于步骤S202中针对不同用途的服务器和服务器的不同存储空间而设定的区间，在步骤S203中，若一个可分析服务器属于数据库服务器，且总存储空间属于2TB至5TB这一档位，则采用55％至70％这一使用率区间，以及3.5TB至4TB这一数据量区间对其进行资源信息评估，若一个可分析服务器属于联机应用服务器，且总存储空间属于5TB至10TB这一档位，则采用使用率区间85％至95％，和数据量区间8TB至9TB对其进行资源信息评估。
S204、统计评估结果为容量正常的服务器在云计算***的所有可分析服务器中所占比例，得到云计算***的正常率。
例如，在步骤S201中，成功获取到云计算***中100个服务器的历史运行数据，即可分析服务器的数量为100，经过步骤S203的资源信息评估，发现有70个服务器的评估结果为容量正常，在所有可分析服务器中所占比例为70％，则云计算***的正常率就是70％。
S205、根据云计算***的正常率确定云计算***的容量评估结果。
如图1所示，本申请的资源信息评估模块具体可以包括服务器模块和***模块。
云计算***的容量评估结果具体可以包括优，良，中，差，一般的，可以规定正常率小于60％时云计算***的容量评估结果为差，正常率在60％到70％之间时云计算***的容量评估结果为中，正常率在70％到80％之间时，云计算***的容量评估结果为良，正常率大于80％时，云计算***的容量评估结果为优。
上述各个容量评估结果的判定标准可以根据实际情况进行变更。
如图1所示，本申请的资源信息评估模块具体包括服务器和***两个子模块，上述步骤中，步骤S202和S203可以由其中的服务器子模块执行，步骤S204和S205可以由其中的***子模块执行。
本方案在资源信息评估过程中，将不同用途的服务器进行区分，并指定不同的阈值，可以对各个服务器的计算资源和存储资源实现快速评估。针对容量评估正常的服务器，将其在实例总数中的百分比作为正常率，指定阈值进行***级别的容量分析，相关流程简单、易操作。并且，结合不同用途的服务器对CPU和存储空间的实际使用情况而设置不同的区间，可以使各个服务器的资源信息评估的结果更加准确，进而提高了对云计算***的容量评估的结果的准确度。
在上述实施例中，步骤S203，即对可分析服务器进行资源信息评估，其具体实施过程如下：
判断可分析服务器的CPU使用率峰值是否在使用率区间内，并判断可分析服务器的数据量峰值是否在数据量区间内；
若可分析服务器的CPU使用率峰值在使用率区间内，且可分析服务器的数据量峰值在数据量区间内，确定可分析服务器的评估结果为容量正常；
若可分析服务器的CPU使用率峰值大于使用率区间的上限，且可分析服务器的数据量峰值大于数据量区间的上限，确定可分析服务器的评估结果为容量不足；
若可分析服务器的CPU使用率峰值小于使用率区间的下限，且可分析服务器的数据量峰值小于数据量区间的下限，确定可分析服务器的评估结果为容量过剩。
举例来说，假设一个服务器的使用率区间为80％至90％，数据量区间为8TB至9TB，该服务器的历史运行数据中，CPU使用率峰值为85％，数据量峰值为8.4TB，两者均在对应的区间内，因此确定该服务器容量正常，若CPU使用率峰值为75％，数据量峰值为6.4TB，两者均小于对应区间的下限，则确定该服务器容量过剩，若CPU使用率峰值为96％，数据量峰值为9.6TB，两者均大于对应区间的上限，则确定该服务器容量不足。
如图1所示，本申请所提供的***还可以包括资源负载均衡模块，基于该模块，本申请实施例还提供如下的云计算***容量评估的方法，请参考图3，该方法可以包括如下步骤：
S301、获取云计算***中每一个服务器的历史运行数据。
S302、读取根据可分析服务器所属服务器类别而设定的使用率区间，以及根据可分析服务器总存储空间而设定的数据量区间。
S303、利用可分析服务器的历史运行数据，使用率区间和数据量区间，对可分析服务器进行资源信息评估，得到可分析服务器的评估结果。
S304、统计评估结果为容量正常的服务器在云计算***的所有可分析服务器中所占比例，得到云计算***的正常率。
S305、根据云计算***的正常率确定云计算***的容量评估结果。
步骤S301至步骤S305所述的过程，和步骤S201至步骤S205一致，此处不再详述。
S306、利用可分析服务器的历史运行数据计算得到可分析服务器的负载指标。
S307、根据可分析服务器的负载指标和性能指标计算得到可分析服务器的负载权值和负载冗余值。
其中，可分析服务器的负载权值和负载冗余值作为云计算***中分配请求的依据。
需要说明的是，步骤S306和步骤S307也是对针对每一个可分析服务器执行的，也就是说，每一个可分析服务器都可以计算得到对应的负载权值和负载冗余值。
步骤S306和步骤S307可以由本申请的***中的资源负载均衡模块执行。
具体的，资源负载均衡模块可以通过Accept()函数接收资源信息采集模块获取到的各个服务器的CPU使用率峰值和数据量峰值，然后利用Update()执行步骤S306和S307所述的计算过程，计算得到可分析服务器的负载权值和负载冗余值，最后，由Judgement()函数根据服务器的负载权值和负载冗余值进行负载均衡。
假设一个云计算***包括服务器C1，C2，Cn，对于其中的第i个服务器Ci，用P(Ci)表示该服务器的性能指标，F(Ci)表示该服务器的负载指标，其中，P(Ci)可以用如下公式计算：
P(Ci)＝[α1×PCPU(Ci)+α2×PMem(Ci)+(1-α1)×PCPU(Ci)2+(1-α2)×PCPU(Ci)2]÷2
上述公式中，PCPU(Ci)表示服务器Ci的CPU频率，PMem(Ci)表示服务器Ci的磁盘大小，也就是服务器Ci的总存储空间，α1和α2为预设的比重系数，且这两个比重系数的和的平方等于1。
服务器的负载指标F(Ci)可以按照下述公式计算：
F(Ci)＝[β1×FCPU(Ci)+β2×FMem(Ci)+(1-β1)×FCPU(Ci)2+(1-β2)×FCPU(Ci)2]÷2
上述公式中，FCPU(Ci)表示前述步骤获取到的服务器Ci的CPU使用率峰值，FMem(Ci)表示前述步骤获取到的服务器Ci的数据量峰值，β1和β2为预设的比重系数，且这两个比重系数的和的平方等于1。
利用CPU使用率和磁盘存储空间的高阶项计算得到的负载指标和性能指标，能更准确的反映服务器负载能力。
负载权值是根据服务器性能和负载能力来计算的,假设服务器Ci的负载权值为W(Ci)，其计算公式为：
W(Ci)＝F(Ci)÷P(Ci)。
服务器Ci的负载权值W(Ci)可以表示服务器的负载能力，W(Ci)值越大，表示当前服务器Ci所承担负载量大，因此，资源负载均衡模块总是把新的请求分配给W(Ci)值较小的服务器来处理。
负载冗余值的计算：
对于服务器Ci，用R(Ci)表示该服务器的负载冗余值，引入负载冗余值，利用负载冗余值来R(Ci)来表征服务器Ci可新增负载的能力，其计算公式为：判断某时刻某节点可新增负载的能力，计算公式为：
R(Ci)＝P(Ci)÷F(Ci)。
在***中，一般会设置一个最小的负载冗余值Rmin，当R(Ci)大于Rmin时，说明服务器Ci有能力能够处理新到达的请求。
可选的，在本申请任一实施例中，通过资源信息评估获得云计算***中每一个可分析服务器的评估结果之后，可以进一步执行如下步骤：
识别出评估结果为容量过剩的可分析服务器，并输出回收提示信息；其中，回收提示信息用于指示对评估结果为容量过剩的可分析服务器执行资源回收操作。具体来说，回收提示信息可以提示运维人员减少容量过剩的服务器的总存储空间，并降低其CPU频率。
识别出评估结果为容量不足的可分析服务器，并输出扩容提示信息；其中，扩容提示信息用于指示对评估结果为容量过剩的可分析服务器执行资源扩容操作。具体来说，扩容提示信息可以提示运维人员增大容量不足的服务器的总存储空间，并提高其CPU频率。
本专利采用资源信息采集、资源信息评估、资源负载均衡三个模块，通过对***服务器集群进行数据获取、数据分析、指定阈值，实现服务器级别和***级别的容量分析，最后根据服务器的评估结果对资源进行扩容或回收。
在资源信息评估过程中，将不同类型的服务器进行区分，并指定不同的阈值，可以对计算资源和存储资源实现快速的评估。针对容量评估正常的服务器，将其在实例总数中的百分比作为正常率，指定阈值进行***级别的容量分析，相关流程简单、易操作。
资源负载均衡利用服务器负载冗余值作为资源扩容或回收的依据，时效性强、自动生效，可以减少资源变更的次数，避免对实例不必要的开关机操作，提高***整体性能和资源利用率。
云计算平台在***运行时会产生不必要的资源浪费，如何高效地利用云计算平台的资源是当前云计算发展的重点研究对象之一。在传统的云计算多租户应用模式中，由于动态的负载变化会影响租户资源分配，可能会出现因负载过高而产生资源竞争或占用，导致对外提供计算服务的质量下降。一般的负载均衡算法不能很好地解决多***服务器集群的问题，已有的工作成果自适应性较差，而且在时效性方面有待提高。
然而，本专利的创新方法，是一种基于云计算平台的容量分析模型。在采集不同***服务器一个月内CPU和磁盘利用率峰值数据的基础上，通过资源信息采集、资源信息评估、资源负载均衡三个模块对计算资源和存储资源进行容量分析，根据服务器负载冗余值调整资源分配，实现对服务器计算资源和存储资源的管理。测试结果表明，利用该容量分析模型，可以有效地实现多***、多服务器集群的资源调整，能够适应任务集的大小动态提高云计算平台资源利用率和降低能耗，为云计算平台满足不断增长的业务需求提供了一种有效的解决方法。
本专利的提出与实现能够准确、快速地为运维人员提供容量分析方案，使其能够在不同业务场景下对服务器的资源进行合理分配，不仅能够提高运维的效率，而且可以有效地保障云计算平台对租户的服务质量，为多***容量分析奠定了坚实的基础。
结合本申请实施例提供的云计算***容量评估的方法，本申请实施例还提供一种云计算***容量评估的装置，请参考图4，该装置具体可以包括如下单元：
获取单元401，用于获取云计算***中每一个服务器的历史运行数据。
其中，服务器的历史运行数据，包括预设历史时段内本服务器的CPU使用率峰值和数据量峰值。
读取单元402，用于针对每一个可分析服务器，读取根据可分析服务器所属服务器类别而设定的使用率区间，以及根据可分析服务器总存储空间而设定的数据量区间。
其中，可分析服务器指代云计算***中成功获取到历史运行数据的服务器；服务器类别包括网络服务器，数据库服务器，联机应用服务器，非联机应用服务器和数据分析服务器。
评估单元403，用于针对每一个可分析服务器，利用可分析服务器的历史运行数据，使用率区间和数据量区间，对可分析服务器进行资源信息评估，得到可分析服务器的评估结果。
其中，评估结果包括容量过剩，容量正常和容量不足。
统计单元404，用于统计评估结果为容量正常的服务器在云计算***的所有可分析服务器中所占比例，得到云计算***的正常率。
确定单元405，用于根据云计算***的正常率确定云计算***的容量评估结果。
可选的，评估单元403根据可分析服务器的历史运行数据，使用率区间和数据量区间，对可分析服务器进行资源信息评估，得到可分析服务器的评估结果时，具体用于：
判断可分析服务器的CPU使用率峰值是否在使用率区间内，并判断可分析服务器的数据量峰值是否在数据量区间内；
若可分析服务器的CPU使用率峰值在使用率区间内，且可分析服务器的数据量峰值在数据量区间内，确定可分析服务器的评估结果为容量正常；
若可分析服务器的CPU使用率峰值大于使用率区间的上限，且可分析服务器的数据量峰值大于数据量区间的上限，确定可分析服务器的评估结果为容量不足；
若可分析服务器的CPU使用率峰值小于使用率区间的下限，且可分析服务器的数据量峰值小于数据量区间的下限，确定可分析服务器的评估结果为容量过剩。
可选的，装置还包括：
第一计算单元406，用于针对每一个可分析服务器，利用可分析服务器的历史运行数据计算得到可分析服务器的负载指标；
第二计算单元407，用于针对每一个可分析服务器，根据可分析服务器的负载指标和性能指标计算得到可分析服务器的负载权值和负载冗余值；其中，可分析服务器的负载权值和负载冗余值作为云计算***中分配请求的依据。
可选的，评估单元403还用于：
识别出评估结果为容量过剩的可分析服务器，并输出回收提示信息；其中，回收提示信息用于指示对评估结果为容量过剩的可分析服务器执行资源回收操作；
识别出评估结果为容量不足的可分析服务器，并输出扩容提示信息；其中，扩容提示信息用于指示对评估结果为容量过剩的可分析服务器执行资源扩容操作。
本申请实施例提供的云计算***容量评估的装置，其具体工作原理可以参考本申请实施例提供的云计算***容量评估的方法的相关步骤，此处不再详述。
本申请提供一种云计算***容量评估的装置，适用于云计算***，云计算***由多个服务器组成，该装置中，获取单元401获取云计算***中每一个服务器的历史运行数据；其中，服务器的历史运行数据，包括预设历史时段内本服务器的CPU使用率峰值和数据量峰值；读取单元402针对每一个可分析服务器，读取根据可分析服务器所属服务器类别而设定的使用率区间，以及根据可分析服务器总存储空间而设定的数据量区间；其中，可分析服务器指代云计算***中成功获取到历史运行数据的服务器；服务器类别包括网络服务器，数据库服务器，联机应用服务器，非联机应用服务器和数据分析服务器；评估单元403针对每一个可分析服务器，利用可分析服务器的历史运行数据，使用率区间和数据量区间，对可分析服务器进行资源信息评估，得到可分析服务器的评估结果；其中，评估结果包括容量过剩，容量正常和容量不足；统计单元404统计评估结果为容量正常的服务器在云计算***的所有可分析服务器中所占比例，得到云计算***的正常率；确定单元405根据云计算***的正常率确定云计算***的容量评估结果。本方案基于服务器不同用途划分出不同类别，进而为不同类别，不同存储空间的服务器设定不同的容量评估的标准，从而提高容量评估的结果的准确度。
本申请实施例还提供一种计算机存储介质，用于存储计算机程序，该计算机程序被执行时，具体用于实现本申请任一实施例所提供的云计算***容量评估的方法。
本申请实施例还提供一种电子设备，如图5所示，该设备具体包括存储器501和处理器502。
其中，存储器501用于存储计算机程序；
处理器502用于执行上述计算机程序，具体用于实现本申请任一实施例所提供的云计算***容量评估的方法。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种云计算***容量评估的方法，所述云计算***由多个服务器组成，其特征在于，所述方法包括：
获取所述云计算***中每一个服务器的历史运行数据；其中，服务器的历史运行数据，包括预设历史时段内本服务器的CPU使用率峰值和数据量峰值；
针对每一个可分析服务器，读取根据所述可分析服务器所属服务器类别而设定的使用率区间，以及根据所述可分析服务器总存储空间而设定的数据量区间；其中，所述可分析服务器指代所述云计算***中成功获取到历史运行数据的服务器；服务器类别包括网络服务器，数据库服务器，联机应用服务器，非联机应用服务器和数据分析服务器；
针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果；其中，评估结果包括容量过剩，容量正常和容量不足；
统计评估结果为容量正常的服务器在所述云计算***的所有可分析服务器中所占比例，得到所述云计算***的正常率；
根据所述云计算***的正常率确定所述云计算***的容量评估结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果，包括：
判断所述可分析服务器的CPU使用率峰值是否在所述使用率区间内，并判断所述可分析服务器的数据量峰值是否在所述数据量区间内；
若所述可分析服务器的CPU使用率峰值在所述使用率区间内，且所述可分析服务器的数据量峰值在所述数据量区间内，确定所述可分析服务器的评估结果为容量正常；
若所述可分析服务器的CPU使用率峰值大于所述使用率区间的上限，且所述可分析服务器的数据量峰值大于所述数据量区间的上限，确定所述可分析服务器的评估结果为容量不足；
若所述可分析服务器的CPU使用率峰值小于所述使用率区间的下限，且所述可分析服务器的数据量峰值小于所述数据量区间的下限，确定所述可分析服务器的评估结果为容量过剩。
3.根据权利要求1所述的方法，其特征在于，所述获取所述云计算***中每一个服务器的历史运行数据之后，还包括：
针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据计算得到所述可分析服务器的负载指标；
针对每一个所述可分析服务器，根据所述可分析服务器的负载指标和性能指标计算得到所述可分析服务器的负载权值和负载冗余值；其中，所述可分析服务器的负载权值和负载冗余值作为所述云计算***中分配请求的依据。
4.根据权利要求1所述的方法，其特征在于，所述针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果之后，还包括：
识别出评估结果为容量过剩的可分析服务器，并输出回收提示信息；其中，所述回收提示信息用于指示对评估结果为容量过剩的所述可分析服务器执行资源回收操作；
识别出评估结果为容量不足的可分析服务器，并输出扩容提示信息；其中，所述扩容提示信息用于指示对评估结果为容量过剩的所述可分析服务器执行资源扩容操作。
5.一种云计算***容量评估的装置，所述云计算***由多个服务器组成，其特征在于，所述装置包括：
获取单元，用于获取所述云计算***中每一个服务器的历史运行数据；其中，服务器的历史运行数据，包括预设历史时段内本服务器的CPU使用率峰值和数据量峰值；
读取单元，用于针对每一个可分析服务器，读取根据所述可分析服务器所属服务器类别而设定的使用率区间，以及根据所述可分析服务器总存储空间而设定的数据量区间；其中，所述可分析服务器指代所述云计算***中成功获取到历史运行数据的服务器；服务器类别包括网络服务器，数据库服务器，联机应用服务器，非联机应用服务器和数据分析服务器；
评估单元，用于针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果；其中，评估结果包括容量过剩，容量正常和容量不足；
统计单元，用于统计评估结果为容量正常的服务器在所述云计算***的所有可分析服务器中所占比例，得到所述云计算***的正常率；
确定单元，用于根据所述云计算***的正常率确定所述云计算***的容量评估结果。
6.根据权利要求5所述的装置，其特征在于，所述评估单元根据所述可分析服务器的历史运行数据，使用率区间和数据量区间，对所述可分析服务器进行资源信息评估，得到所述可分析服务器的评估结果时，具体用于：
判断所述可分析服务器的CPU使用率峰值是否在所述使用率区间内，并判断所述可分析服务器的数据量峰值是否在所述数据量区间内；
若所述可分析服务器的CPU使用率峰值在所述使用率区间内，且所述可分析服务器的数据量峰值在所述数据量区间内，确定所述可分析服务器的评估结果为容量正常；
若所述可分析服务器的CPU使用率峰值大于所述使用率区间的上限，且所述可分析服务器的数据量峰值大于所述数据量区间的上限，确定所述可分析服务器的评估结果为容量不足；
若所述可分析服务器的CPU使用率峰值小于所述使用率区间的下限，且所述可分析服务器的数据量峰值小于所述数据量区间的下限，确定所述可分析服务器的评估结果为容量过剩。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括：
第一计算单元，用于针对每一个所述可分析服务器，利用所述可分析服务器的历史运行数据计算得到所述可分析服务器的负载指标；
第二计算单元，用于针对每一个所述可分析服务器，根据所述可分析服务器的负载指标和性能指标计算得到所述可分析服务器的负载权值和负载冗余值；其中，所述可分析服务器的负载权值和负载冗余值作为所述云计算***中分配请求的依据。
8.根据权利要求5所述的装置，其特征在于，所述评估单元还用于：
识别出评估结果为容量过剩的可分析服务器，并输出回收提示信息；其中，所述回收提示信息用于指示对评估结果为容量过剩的所述可分析服务器执行资源回收操作；
识别出评估结果为容量不足的可分析服务器，并输出扩容提示信息；其中，所述扩容提示信息用于指示对评估结果为容量过剩的所述可分析服务器执行资源扩容操作。
9.一种计算机存储介质，其特征在于，用于存储计算机程序，所述计算机程序被执行时，具体用于实现如权利要求1至4任意一项所述的云计算***容量评估的方法。
10.一种电子设备，其特征在于，包括存储器和处理器；
其中，所述存储器用于存储计算机程序；
所述处理器用于执行所述计算机程序，具体用于实现如权利要求1至4任意一项所述的云计算***容量评估的方法。
CN202110297121.7A 2021-03-19 2021-03-19 云计算***容量评估的方法、装置、设备和存储介质 Pending CN113010576A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110297121.7A CN113010576A (zh) 2021-03-19 2021-03-19 云计算***容量评估的方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110297121.7A CN113010576A (zh) 2021-03-19 2021-03-19 云计算***容量评估的方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN113010576A true CN113010576A (zh) 2021-06-22

Family

ID=76403433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110297121.7A Pending CN113010576A (zh) 2021-03-19 2021-03-19 云计算***容量评估的方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN113010576A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108243030A (zh) * 2016-12-23 2018-07-03 航天星图科技（北京）有限公司 一种备份服务器选择管理方法
CN113568759A (zh) * 2021-09-27 2021-10-29 睿至科技集团有限公司 一种基于云计算的大数据处理方法及其***
CN114401195A (zh) * 2022-01-14 2022-04-26 中国建设银行股份有限公司 服务器的容量调整方法及装置、存储介质及电子设备
CN116048821A (zh) * 2023-04-03 2023-05-02 深圳市昊源诺信科技有限公司 高利用率的ai服务器及其资源分配方法
CN116566696A (zh) * 2023-05-22 2023-08-08 天津施维科技开发有限公司 一种基于云计算的安全性评估***及方法
CN116881106A (zh) * 2023-07-31 2023-10-13 招商基金管理有限公司 业务***容量运营分析管理方法、装置、存储介质及设备

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108243030A (zh) * 2016-12-23 2018-07-03 航天星图科技（北京）有限公司 一种备份服务器选择管理方法
CN113568759A (zh) * 2021-09-27 2021-10-29 睿至科技集团有限公司 一种基于云计算的大数据处理方法及其***
CN114401195A (zh) * 2022-01-14 2022-04-26 中国建设银行股份有限公司 服务器的容量调整方法及装置、存储介质及电子设备
CN116048821A (zh) * 2023-04-03 2023-05-02 深圳市昊源诺信科技有限公司 高利用率的ai服务器及其资源分配方法
CN116048821B (zh) * 2023-04-03 2023-06-16 深圳市昊源诺信科技有限公司 高利用率的ai服务器及其资源分配方法
CN116566696A (zh) * 2023-05-22 2023-08-08 天津施维科技开发有限公司 一种基于云计算的安全性评估***及方法
CN116566696B (zh) * 2023-05-22 2024-03-29 深圳市众志天成科技有限公司 一种基于云计算的安全性评估***及方法
CN116881106A (zh) * 2023-07-31 2023-10-13 招商基金管理有限公司 业务***容量运营分析管理方法、装置、存储介质及设备
CN116881106B (zh) * 2023-07-31 2024-03-08 招商基金管理有限公司 业务***容量运营分析管理方法、装置、存储介质及设备

Similar Documents

Publication Publication Date Title
CN113010576A (zh) 云计算***容量评估的方法、装置、设备和存储介质
CN106020715B (zh) 存储池容量管理
CN104462121B (zh) 数据处理方法、装置及***
US20060277206A1 (en) Automated reporting of computer system metrics
CN112860695B (zh) 监控数据查询方法、装置、设备、存储介质及程序产品
CN109981744B (zh) 数据的分发方法、装置、存储介质及电子设备
CN102667724A (zh) 利用加速器的、目标指向的工作负载性能管理
CN112162907A (zh) 基于监控指标数据的健康度评估方法
CN104182278B (zh) 一种判定计算机硬件资源繁忙程度的方法和装置
CN107291539A (zh) 基于资源重要程度的集群程序调度方法
CN105872061A (zh) 一种服务器集群管理方法、装置及***
CN114490078A (zh) 一种微服务的动态缩扩容方法、装置及设备
GB2613125A (en) Storage level load balancing
CN110096339B (zh) 一种基于***负载实现的扩缩容配置推荐***及方法
CN111338888A (zh) 一种数据统计方法、装置、电子设备及存储介质
CN114881508A (zh) 一种电网指标报表的数据处理方法、装置及设备
CN110471761A (zh) 服务器的控制方法、用户设备、存储介质及装置
CN115471215B (zh) 一种业务流程处理方法及装置
CN116820767A (zh) 一种云资源管理方法、装置、电子设备及存储介质
CN116594782A (zh) 基于智能运维***的勘探数据中心的资源管理方法及装置
CN115495231B (zh) 一种高并发任务复杂场景下的动态资源调度方法及***
CN107277143A (zh) 一种资源匹配管理方法及装置
CN116248676A (zh) 边缘云节点组合确定方法及装置
CN115168042A (zh) 监控集群的管理方法及装置、计算机存储介质、电子设备
CN115016890A (zh) 虚拟机资源分配方法、装置、电子设备及存储介质

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