CN113238874B - 资源匹配方法及*** - Google Patents

资源匹配方法及*** Download PDF

Info

Publication number
CN113238874B
CN113238874B CN202110773207.2A CN202110773207A CN113238874B CN 113238874 B CN113238874 B CN 113238874B CN 202110773207 A CN202110773207 A CN 202110773207A CN 113238874 B CN113238874 B CN 113238874B
Authority
CN
China
Prior art keywords
evaluation
resource
target
component
storage
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.)
Active
Application number
CN202110773207.2A
Other languages
English (en)
Other versions
CN113238874A (zh
Inventor
涂锟
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.)
Chengfang Financial Technology Co ltd
Original Assignee
Chengfang Financial Technology Co ltd
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 Chengfang Financial Technology Co ltd filed Critical Chengfang Financial Technology Co ltd
Priority to CN202110773207.2A priority Critical patent/CN113238874B/zh
Publication of CN113238874A publication Critical patent/CN113238874A/zh
Application granted granted Critical
Publication of CN113238874B publication Critical patent/CN113238874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G06F9/5005—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
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Accounting & Taxation (AREA)
  • Technology Law (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供一种资源匹配方法及***，涉及信息技术领域，该方法包括：获取目标应用***的当前类型；其中，所述当前类型的目标应用***包括多个类型的待选计算资源及多个类型的待选存储资源；获取当前评估维度；基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选计算资源及待选存储资源分别进行评估，得到评估结果；基于所述评估结果，将所述待选计算资源和待选存储资源与所述当前类型的目标应用***进行匹配，以确定所述当前类型的目标应用***的第一目标计算资源及第一目标存储资源。本申请实施例提供的方法，能够实现技术资源与应用***的有效匹配。

Description

资源匹配方法及***
技术领域
本申请实施例涉及信息技术领域，尤其涉及一种资源匹配方法及***。
背景技术
目前，金融行业正在全面加速利用云计算等技术开展分布式架构实践，推进数字化转型。云平台作为重要的基础设施平台，在金融业的数字化转型过程中发挥着重要作用。部署在云平台上的大量金融应用***都存在不同倾向性的技术资源需求。为了实现金融科技技术资源的有效利用，同时满足各类***的技术资源需求，亟需在应用***与技术资源之间进行有效匹配，实现技术资源的按需分配。
发明内容
本申请实施例提供了一种资源匹配方法及***，以提供一种应用***与技术资源匹配的方式。
第一方面，本申请实施例提供了一种资源匹配方法，包括：
获取目标应用***的当前类型；其中，所述当前类型的目标应用***包括多个类型的待选计算资源及多个类型的待选存储资源；
获取当前评估维度；
基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选计算资源及待选存储资源分别进行评估，得到评估结果；
基于所述评估结果，将所述待选计算资源和待选存储资源与所述当前类型的目标应用***进行匹配，以确定所述当前类型的目标应用***的第一目标计算资源及第一目标存储资源。
其中一种可能的实现方式中，所述待选计算资源的类型包括X86虚拟机、X86裸机及小型机，所述待选存储资源的类型包括高端存储区域网络、中端存储区域网络、分布式存储及文件存储。
其中一种可能的实现方式中，所述评估维度包括遵从性、成本、可用性、性能及可维护性。
其中一种可能的实现方式中，所述当前类型的目标应用***包括多个组件，每个所述组件包括多个评价指标；所述基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选计算资源及待选存储资源分别进行评估，得到评估结果包括：
基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选计算资源对应的组件及评价指标进行评估，得到所述待选计算资源的评估结果；
基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选存储资源对应的组件的评价指标进行评估，得到所述待选存储资源的评估结果。
其中一种可能的实现方式中，所述基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选计算资源对应的组件及评价指标进行评估，得到所述待选计算资源的评估结果包括：
获取所述待选计算资源对应的组件的量化分值，基于所述待选计算资源对应的组件的量化分值构建组件比较矩阵；
获取所述待选计算资源对应的评价指标的量化分值，基于所述待选计算资源对应的评价指标的量化分值构建评价指标比较矩阵；
获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选计算资源的评估结果；
所述基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选存储资源对应的组件及评价指标进行评估，得到所述待选存储资源的评估结果包括：
获取所述待选存储资源对应的组件的量化分值，基于所述待选存储资源对应的组件的量化分值构建组件比较矩阵；
获取所述待选存储资源对应的评价指标的量化分值，基于所述待选存储资源对应的评价指标的量化分值构建评价指标比较矩阵；
获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选存储资源的评估结果。
其中一种可能的实现方式中，所述基于所述待选计算资源对应的评价指标的量化分值构建组件比较矩阵之后，所述方法还包括：
对所述待选计算资源的组件比较矩阵进行一致性检验；
所述基于所述待选存储资源对应的评价指标的量化分值构建组件比较矩阵之后，所述方法还包括：
对所述待选存储资源的组件比较矩阵进行一致性检验。
其中一种可能的实现方式中，所述基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选计算资源的评估结果包括：
基于所述待选计算资源的预设指标评价矩阵及所述待选计算资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选计算资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选计算资源的评估结果；
所述基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选存储资源的评估结果包括：
基于所述待选存储资源的预设指标评价矩阵及所述待选存储资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选存储资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选存储资源的评估结果。
其中一种可能的实现方式中，所述评估结果为评价分值；所述基于所述评估结果，将所述待选计算资源和待选存储资源与所述当前类型的目标应用***进行匹配，以确定所述当前类型的目标应用***的第一目标计算资源及第一目标存储资源包括：
将所述待选计算资源的评价分值中最高分值对应的待选计算资源确定为所述当前类型的目标应用***的第一目标计算资源；
将所述待选存储资源的评价分值中最高分值对应的待选存储资源确定为所述当前类型的目标应用***的第一目标存储资源。
其中一种可能的实现方式中，还包括：
对所述第一目标计算资源对应的组件的性能进行检测，根据检测结果为所述第一目标计算资源对应的每个组件确定第二目标计算资源；
对所述第一目标存储资源对应的组件的性能进行检测，根据检测结果为所述第一目标存储资源对应的每个组件确定第二目标存储资源。
其中一种可能的实现方式中，所述根据检测结果为所述第一目标计算资源对应的每个组件确定第二目标计算资源包括：
基于所述第一目标计算资源对应的组件比较矩阵进行归一化运算，得到所述第一目标计算资源对应的每个组件的权重系数；基于所述第一目标计算资源对应的每个组件的权重系数确定每个组件的第二目标计算资源；
基于所述第一存储资源对应的组件比较矩阵进行归一化运算，得到所述第一目标存储资源对应的每个组件的权重系数；基于所述第一目标存储资源对应的每个组件的权重系数确定每个组件的第二目标存储资源。
第二方面，本申请实施例提供一种资源匹配***，包括：
获取模块，用于获取目标应用***的当前类型；其中，所述当前类型的目标应用***包括多个类型的待选计算资源及多个类型的待选存储资源；获取当前评估维度；
评估模块，用于基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选计算资源及待选存储资源分别进行评估，得到评估结果；
匹配模块，用于基于所述评估结果，将所述待选计算资源和待选存储资源与所述当前类型的目标应用***进行匹配，以确定所述当前类型的目标应用***的第一目标计算资源及第一目标存储资源。
其中一种可能的实现方式中，所述当前类型的目标应用***包括多个组件，每个所述组件包括多个评价指标，所述评估模块还用于基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选计算资源对应的组件及评价指标进行评估，得到所述待选计算资源的评估结果；
基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选存储资源对应的组件的评价指标进行评估，得到所述待选存储资源的评估结果。
其中一种可能的实现方式中，所述评估模块还用于获取所述待选计算资源对应的组件的量化分值，基于所述待选计算资源对应的组件的量化分值构建组件比较矩阵；
获取所述待选计算资源对应的评价指标的量化分值，基于所述待选计算资源对应的评价指标的量化分值构建评价指标比较矩阵；
获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选计算资源的评估结果；
获取所述待选存储资源对应的组件的量化分值，基于所述待选存储资源对应的组件的量化分值构建组件比较矩阵；
获取所述待选存储资源对应的评价指标的量化分值，基于所述待选存储资源对应的评价指标的量化分值构建评价指标比较矩阵；
获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选存储资源的评估结果。
其中一种可能的实现方式中，所述评估模块还用于对所述待选计算资源的组件比较矩阵进行一致性检验；
对所述待选存储资源的组件比较矩阵进行一致性检验。
其中一种可能的实现方式中，所述评估模块还用于基于所述待选计算资源的预设指标评价矩阵及所述待选计算资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选计算资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选计算资源的评估结果；
基于所述待选存储资源的预设指标评价矩阵及所述待选存储资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选存储资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选存储资源的评估结果。
其中一种可能的实现方式中，所述评估结果为评价分值；所述匹配模块还用于将所述待选计算资源的评价分值中最高分值对应的待选计算资源确定为所述当前类型的目标应用***的第一目标计算资源；
将所述待选存储资源的评价分值中最高分值对应的待选存储资源确定为所述当前类型的目标应用***的第一目标存储资源。
其中一种可能的实现方式中，还包括：
确定模块，用于对所述第一目标计算资源对应的组件的性能进行检测，根据检测结果为所述第一目标计算资源对应的每个组件确定第二目标计算资源；
对所述第一目标存储资源对应的组件的性能进行检测，根据检测结果为所述第一目标存储资源对应的每个组件确定第二目标存储资源。
其中一种可能的实现方式中，所述确定模块还用于基于所述第一目标计算资源对应的组件比较矩阵进行归一化运算，得到所述第一目标计算资源对应的每个组件的权重系数；基于所述第一目标计算资源对应的每个组件的权重系数确定每个组件的第二目标计算资源；
基于所述第一存储资源对应的组件比较矩阵进行归一化运算，得到所述第一目标存储资源对应的每个组件的权重系数；基于所述第一目标存储资源对应的每个组件的权重系数确定每个组件的第二目标存储资源。
第三方面，本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行如第一方面所述的方法。
第四方面，本申请实施例提供一种计算机程序，当上述计算机程序被计算机执行时，用于执行第一方面所述的方法。
在一种可能的设计中，第四方面中的程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。
附图说明
图1为本申请实施例提供的资源匹配方法的流程示意图；
图2为本申请实施例提供的存储资源评估层级结构示意图；
图3为本申请实施例提供的计算资源评估层级结构示意图；
图4为本申请实施例提供的资源匹配装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。其中，在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
目前，金融行业正在全面加速利用云计算等技术开展分布式架构实践，推进数字化转型。云平台作为重要的基础设施平台，在金融业的数字化转型过程中发挥着重要作用。部署在云平台上的大量金融应用***都存在不同倾向性的技术资源需求。为了实现金融科技技术资源的有效利用，同时满足各类***的技术资源需求，亟需在应用***与技术资源之间进行有效匹配，实现技术资源的按需分配。
基于上述问题，本申请实施例提出了一种资源匹配方法。
现结合图1-图3对本申请实施例提供的资源匹配方法进行说明。
如图1所示为本申请实施例提供的资源匹配方法一个实施例的流程示意图，包括：
步骤101，获取目标应用***的当前类型。
具体地，上述目标应用***可以是待选取的应用***。该应用***可以包括多个类型的待选计算资源和多个类型的待选存储资源。该应用***的类型可以预先设定，示例性的，该应用***的类型在金融行业中可以包括交易类、渠道类、管理类、大数据类及移动终端类。可以理解的是，上述示例仅示例性的示出了金融行业的类型分类，并不构成对本申请实施例的限定，在一些实施例中，在其他行业中，上述应用***的类型还可以包括其他类型。
上述目标应用***可以包括多个组件，每个组件可以包括多个评价指标。
步骤102，获取当前评估维度。
具体地，当确定上述目标应用***的类型后，还可以确定当前评估维度。也就是说，可以从哪个维度进行评估，以确定目标应用***的目标计算资源和目标存储资源。在具体实现时，上述评估维度可以包括遵从性、成本、可用性、性能及可维护性等5个维度。
步骤103，基于评估维度及目标应用***的类型，对待选计算资源和待选存储资源进行评估，得到评估结果。
具体地，当确定评估维度后，可以根据上述评估维度，分别对待选计算资源和待选存储资源进行评估，由此可以获得待选计算资源的评估结果及待选存储资源的评估结果。其中，待选存储资源可以包括多个类型的资源，待选计算资源也可以包括多个类型的资源。在具体实现时，以待选存储资源为例，可以分别获取每个类型的待选存储资源的组件量化分数及指标量化分数，并可以根据上述组件量化分数及指标量化分数构建组件比较矩阵及指标比较矩阵。接着，可以基于上述组件比较矩阵及指标比较矩阵进行模糊运算，由此可以得到模糊运算结果，并可以根据上述模糊运算结果进行计算，得到每个类型的待选存储资源的评价分值。可以理解的是，上述每个类型的待选存储资源的评价分值就是待选存储资源的评估结果。
同样地，通过上述方式，可以计算得到每个类型的待选计算资源的评价分值，上述每个类型的待选计算资源的评价分值就是待选计算资源的评估结果。
步骤104，根据评估结果，将所述待选计算资源和待选存储资源与所述目标应用***进行匹配，以确定所述目标应用***的目标计算资源和目标存储资源。
具体地，当计算得到上述评估结果后，可以根据上述评估结果确定目标应用***的目标计算资源和目标存储资源。以存储资源为例，当计算得到每个类型的待选存储资源的评价分值后，可以将最高分值对应类型的待选存储资源作为目标存储资源。同样地，当计算得到每个类型的待选计算资源的评价分值后，可以将最高分值对应类型的待选计算资源作为目标计算资源。上述目标存储资源及目标计算资源也就是目标应用***确定的基础资源，由此可以实现应用***与技术资源的按需匹配。
下文以选取金融行业的应用***为例进行说明。
首先，根据IEEE-1471-2000标准，利用开放组织架构框架（The Open GroupArchitecture Framework，TOGAF）干系人分类模型，参考人民银行业务连续性保证标准中的业务分类（例如，交易处理类、业务信息类、综合管理类、决策分析类、技术服务类），建立基于业务视角构建支撑服务视角的特征模型，上述模型具体可以分为如下表1中的几个层次。
表1
Figure 450608DEST_PATH_IMAGE001
接着，根据上述架构和分层结果，可以将应用***预先按照业务类型和需求分为：交易类、渠道类、管理类、大数据类及移动终端类。其中，
交易类：主要包括银行交易类产品。
渠道类：主要包括渠道服务用户***。
管理类：主要包括办公、邮件等***。
大数据类：主要包括利用大数据来驱动业务运营的***。
移动终端类：主要指电信网络供客户接入银行服务的***。
假设本次选取的是交易类应用***，则该目标应用***的类型为交易类。由于交易类应用***侧重于性能方面，因此，在对基础资源进行评估时，可以从性能维度进行评估，因此，评估维度可以是性能。
在具体实现时，上述评估维度可以预先设置，示例性的，上述评估维度可以包括遵从性、性能、可用性、可维护性及成本。因此，在对上述交易类应用***进行评估时，除了从性能维度进行评估外，还可以从其他维度进行评估，示例性的，可以在性能维度提高权重，在其他维度上降低权重，本申请对此不作特殊限定。
此外，上述基础资源可以包括计算资源及存储资源。因此，在对上述基础资源进行评估时，可以分别对计算资源及存储资源进行评估。示例性的，在对计算资源进行评估时，可以分别从遵从性、性能、可用性、可维护性及成本进行评估；在对存储资源进行评估时，可以分别从遵从性、性能、可用性、可维护性及成本进行评估。
其中，计算资源的遵从性、性能、可用性、可维护性及成本等维度可以包括如下指标。表2为计算资源的遵从性指标。
表2
Figure 14444DEST_PATH_IMAGE002
表3为计算资源的性能指标。
表3
Figure 463880DEST_PATH_IMAGE003
表4为计算资源的可用性指标。
表4
Figure 161578DEST_PATH_IMAGE004
表5为计算资源的可维护性指标。
表5
Figure 380070DEST_PATH_IMAGE005
表6为计算资源的成本指标。
表6
Figure 645966DEST_PATH_IMAGE006
存储资源的遵从性、性能、可用性、可维护性及成本等维度可以包括如下指标。表7为存储资源的遵从性指标。
表7
Figure 582698DEST_PATH_IMAGE007
表8为存储资源的性能指标。
表8
Figure 84086DEST_PATH_IMAGE008
表9为存储资源的可用性指标。
表9
Figure 563609DEST_PATH_IMAGE009
表10为存储资源的可维护性指标。
表10
Figure 593882DEST_PATH_IMAGE010
表11为存储资源的成本指标。
表11
Figure 283490DEST_PATH_IMAGE011
接着，可以分别对计算资源及存储资源的性能维度进行评估，以确定本次待选取的交易类应用***所选取的计算资源和存储资源。在具体实现时，上述存储资源可以包括以下四种类型：高端存储区域网络（Storage Area Network，SAN）存储、中端SAN存储、分布式存储及文件存储。上述计算资源可以包括以下三种类型：X86虚拟机、X86裸机及小型机。可以理解的是，上述示例仅示例性的示出了存储资源及计算资源的类型，并不构成对本申请实施例的限定，在一些实施例中，还可以具有其他分类形式。
然后，通过图2对存储资源的性能评估方式进行说明。图2为存储资源评估层级结构图。如图2所示，上述层级结构包括四层，分别为：目标层、准则层、指标层及方案层。其中，目标层用于表征目标维度，在本申请实施例中，目标维度为性能。准则层用于表征组成应用***的各个组件，在本申请实施例中，准则层包括数据库层、应用服务层、数据采集层及分析层。指标层用于表征组件下的指标，在本申请实施例中，数据库层可以包括每秒交易量、数据库容量、日志写响应时间、IOPS、IO密度及存储部件利用率等指标；应用服务层可以包括并发连接数、请求响应时间、文件共享数据量及存储部件利用率等指标；数据采集层可以包括并发连接数、请求响应时间、存储数据量、数据压缩率及存储部件利用率等指标；分析层可以包括执行时间、分析数据量、吞吐量、节点数量及存储部件利用率。方案层用于表征待选取的存储资源，在本申请实施例中，方案层可以包括高端SAN存储、中端SAN存储、分布式存储及文件存储等存储资源类型。
接着，可以对上述准则层及指标层进行量化评估。在具体实现时，可以通过问卷调查的方式获取量化分数。示例性的，可以选取多个调查对象，该调查对象可以来自不同领域，例如，该调查对象可以是业务人员、技术专家、***维护工程师及科技管理人员等。因此，通过上述调查对象，可以分别从应用视角、技术视角、运维视角及监管视角进行打分。上述打分可以是一个元素对另一个元素的重要程度。以高端SAN存储为例，表12为高端SAN存储的准则层量化评估表。
表12
Figure 322990DEST_PATH_IMAGE012
其中，上述分值为准则层中一个组件相较于另一个组件的重要程度，也就是说，分值越高，说明一个组件比另一个组件的重要度越高。通过上述表2，可以构建准则层比较矩阵B。
Figure 391440DEST_PATH_IMAGE013
；
其中，上述比较矩阵B中的每个元素都是一个组件相较于另一个组件的分值。示例性的，上述比较矩阵B中的第一行为数据库层相较于数据库层、应用服务层、数据采集层及分析层的分值；上述比较矩阵B中的第二行为应用服务层相较于数据库层、应用服务层、数据采集层及分析层的分值；上述比较矩阵B中的第三行为数据采集层相较于数据库层、应用服务层、数据采集层及分析层的分值；上述比较矩阵B中的第二行为分析层相较于数据库层、应用服务层、数据采集层及分析层的分值。可以理解的是，应用服务层相较于数据库层的分值在表12中未直接获得，则可以由数据库层相较于应用服务层的分值获得，例如，应用服务层相较于数据库层的分值可以是数据库层相较于应用服务层的分值的倒数，其他组件相较于另一个组件的分值若没有在表12中直接给出，则可以通过上述方式获得，在此不再赘述。
表13-表16为高端SAN存储的指标层量化评估表。其中，表13为高端SAN存储的数据库层的指标量化评估表。
表13
Figure 858193DEST_PATH_IMAGE014
通过上述表13，可以构建数据库层比较矩阵B1。
Figure 35097DEST_PATH_IMAGE015
。
表14为高端SAN存储的应用服务层的指标量化评估表。
表14
Figure 347129DEST_PATH_IMAGE016
通过上述表14，可以构建应用服务层比较矩阵B2。
Figure 535665DEST_PATH_IMAGE017
。
表15为高端SAN存储的数据采集层的指标量化评估表。
表15
Figure 173320DEST_PATH_IMAGE018
通过上述表15，可以构建应数据采集层比较矩阵B3。
Figure 837519DEST_PATH_IMAGE019
。
表16为高端SAN存储的分析层的指标量化评估表。
表16
Figure 94188DEST_PATH_IMAGE020
通过上述表16，可以构建分析层比较矩阵B4。
Figure 267724DEST_PATH_IMAGE021
。
为了避免人为打分造成的误差，还可以对上述准则层比较矩阵B进行一致性检验。首先，可以对准则层比较矩阵B中的每一列向量进行归一化，由此可以得到准则层归一化比较矩阵B’；接着，可以根据上述准则层归一化比较矩阵B’进行计算，由此可以得到特征向量W，并可以将上述特征向量进行归一化，由此可以得到归一化特征向量
Figure 76280DEST_PATH_IMAGE022
。然后，可以根据上述归一化特征向量W’计算一致性指标CI。
Figure 696617DEST_PATH_IMAGE023
，其中，n为准则层中组件的总数；
Figure 616032DEST_PATH_IMAGE024
。
由上述公式可以得到λmax=4.2506，CI=0.08353。
接着，可以查找相应的平均随机一致性指标RI。其中，上述平均随机一致性指标RI可以预先设定，通过查表获得对应的RI的值。示例性的，表17为RI的预设值。
表17
Figure 513581DEST_PATH_IMAGE025
由于n=4，则可以由上述表17可以查表获得RI=0.8931。
然后，将CI与RI的比值CR与预设阈值进行比较，若CR小于或等于预设阈值，则一致性检验通过；若CR大于预设阈值，则一致性检验失败，需要重新进行打分。示例性的，上述预设阈值可以是0.1，若CR=<0.1，则一致性检验通过；若CR>0.1，则一致性检验失败。
若上述一致性检验成功，则可以进一步将上述归一化特征向量W’作为准则层权重WB=（0.5940，0.2305，0.1323，0.0432），其中，上述准则层权重WB中的每个数值用于表征准则层中每个组件的权重数值。示例性的，0.5940可以是数据库层的权重数值。
同样地，通过上述方式，可以计算获得指标层中的数据库层权重WB1=（0.2607，0.1291，0.0975，0.0514，0.0277，0.0277）、应用服务层权重WB2=（0.72，0.0720，0.0720，0.0144）、数据采集层权重WB3=（0.0429，0.0187，0.0311，0.0311，0.0086）及分析层权重WB4=（0.0230，0.0097，0.0034，0.0036，0.0036）。其中，上述数据库层权重WB1、应用服务层权重WB2、数据采集层权重WB3及分析层权重WB4中的每个数值用于表征组件中的每个指标的权重数值。具体过程可以参考计算WB的方式，在此不再赘述。
进一步地，通过图3对计算资源的性能评估方式进行说明。图3为计算资源评估层级结构图。如图3所示，上述层级结构包括四层，分别为：目标层、准则层、指标层及方案层。其中，目标层的目标维度为性能。准则层包括数据库层、应用服务层、数据采集层及分析层。指标层中，数据库层、应用服务层、数据采集层及分析层均可以包括IO密集处理、内存密集处理、计算密集处理、部件利用率及资源动态调配等指标。方案层包括小型机、X86裸机及X86虚拟机。
接着，以小型机为例，可以参考上述存储资源的打分方式，获取计算资源的小型机的的准则层量化评估表及指标层量化评估表。并可以根据上述计算资源的小型机的准则层量化评估表及指标层量化评估表构建计算资源的小型机的准则层比较矩阵D及小型机的指标层比较矩阵（例如，包括小型机的数据库层比较矩阵D1、小型机的应用服务层比较矩阵D2、小型机的数据采集层比较矩阵D3及小型机的分析层比较矩阵D4）。
示例性的，
Figure 758617DEST_PATH_IMAGE026
；
Figure 131830DEST_PATH_IMAGE027
；
Figure 730301DEST_PATH_IMAGE028
；
Figure 606990DEST_PATH_IMAGE029
；
Figure 22928DEST_PATH_IMAGE030
；
然后，参考上述存储资源的计算方式，可以计算得到计算资源的小型机的准则层权重WD=（0.3473，0.0549，0.4958，0.1021）、小型机的指标层中的数据库层权重WD1=（0.1440，0.1136，0.0772，0.0200，0.1410）、小型机的应用服务层权重WB2=（0.0839，0.0839，0.0839，0.0279，0.0676）、小型机的数据采集层权重WB3=（0.0078，0.0158，0.0309，0.0237，0.0237）及小型机的分析层权重WB4=（0.0133，0.0133，0.0133，0.0044，0.0107）。
接着，可以构建指标评价矩阵Ri。
Figure DEST_PATH_IMAGE031
。
其中，i为准则层中的所有组件的序号，示例性的，R1可以是数据库层的指标评价矩阵。m为一个组件中的所有指标的序号。r为隶属度，在具体实现时，上述隶属度r可以通过统计指标隶属于评级等级的频次确定，示例性的，
Figure 821120DEST_PATH_IMAGE032
；其中，p为任一指标评价为等级Vj的频次，q为专家总数。
需要说明的是，上述等级Vj可以预先设置，示例性的，等级Vj可以包括V1=高、V2=较高、V3=一般、V4=较低及V5=低等上述5个等级。上述5个等级中，每个等级都可以对应一个分值区间。例如，V1=（4,5]，V2=（3,4]，V3=（2,3]，V4=（1,2]，V5=（0,1]。
因此，通过对专家打分的统计，可以得到上述隶属度r。在上述指标评价矩阵Ri中，每一列为一个等级的隶属度，每一行为一个指标的隶属度。
接着，可以基于上述指标评价矩阵Ri分别对计算资源和存储资源进行第一次模糊运算。以高端SAN存储为例，存储资源的第一次模糊运算可以通过如下公式运算：
Figure DEST_PATH_IMAGE033
。
由于准则层共有4个组件，也就是说，i=4，则
Figure 675812DEST_PATH_IMAGE034
；其中，X为高端SAN存储的第一次模糊运算结果。
以小型机为例，计算资源的第一次模糊运算可以通过如下公式运算：
Figure DEST_PATH_IMAGE035
。则
Figure 610270DEST_PATH_IMAGE036
；其中，Y为小型机的第一次模糊运算结果。
接着，进行第二次模糊运算。其中，高端SAN存储的第二次模糊运算可以通过如下公式运算：
Figure DEST_PATH_IMAGE037
。
小型机的第二次模糊运算可以通过如下公式运算：
Figure 525005DEST_PATH_IMAGE038
。
然后，可以基于上述第二次模糊运算结果分别计算高端SAN存储和小型机的评价分值G1和C1。该评价分值G1和C1可以用于确定计算资源和存储资源的选取。其中，
Figure DEST_PATH_IMAGE039
；
其中，V可以预设，V中的每一个元素v用于表征等级的数值，示例性的，v1可以是上述等级V1-V5对应的分值区间中任意的数值。
Figure 669548DEST_PATH_IMAGE040
。
参照上述计算高端SAN存储的评价分值G1的方式，可以计算出中端SAN存储的评价分值G2、分布式存储的评价分值G3及文件存储的评价分值G4。
同样地，参照上述计算小型机的评价分值C1的方式，可以计算出X86裸机的评价分值C2及X86虚拟机的评价分值C3。
接着，可以根据G1、G2、G3及G4确定存储资源。示例性的，假设G1=4.8883，G2=3.9509，G3=3.0498，G4=2.0835。由于G1的数值最高，因此可以选取高端SAN存储作为本次目标应用***的存储资源。
同样地，可以根据C1、C2及C3确定计算资源。示例性的，假设C1=4.4113，C2=3.4580，C3=2.7101。由于C1的数值最高，因此可以选取小型机作为本次目标应用***的计算资源。
进一步地，当确定上述目标应用***的存储资源和计算资源后，上述目标应用***中的所有组件均会使用上述存储资源和计算资源，因此，可能存在资源过配以及资源浪费的问题。示例性的，当目标应用***中的所有组件均配置高端SAN存储时，若有些组件仅需配置中端SAN存储即可满足性能需求时，则会造成资源过配及资源浪费。因此，可以对准则层中的各个组件进行性能检测，并可以根据性能检测结果给每个组件分配存储资源及计算资源，由此可以避免资源过配及资源浪费。
以存储资源为例，从准则层权重WB=（0.5940，0.2305，0.1323，0.0432）可以看出，数据库层权重为0.5940，远高于应用服务层权重0.2305、数据采集层权重0.1323及分析层权重0.0432，因此，可以给数据库层配置高端SAN存储，给应用服务层、数据采集层及分析层配置中端SAN存储。
对各组件的计算资源进行性能检测的方式可以参考上述对各组件的存储资源进行性能检测的方式，在此不再赘述。
需要说明的是，上述示例仅示例性的示出了金融行业的应用场景，并不构成对本申请实施例的限定，在一些实施例中，也可以应用于其他行业。
图4为本申请资源匹配***一个实施例的结构示意图，如图4所示，上述资源匹配***40可以包括：获取模块41、评估模块42及匹配模块43；其中，
获取模块41，用于获取目标应用***的当前类型；其中，所述当前类型的目标应用***包括多个类型的待选计算资源及多个类型的待选存储资源；获取当前评估维度；
评估模块42，用于基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选计算资源及待选存储资源分别进行评估，得到评估结果；
匹配模块43，用于基于所述评估结果，将所述待选计算资源和待选存储资源与所述当前类型的目标应用***进行匹配，以确定所述当前类型的目标应用***的第一目标计算资源及第一目标存储资源。
其中一种可能的实现方式中，所述当前类型的目标应用***包括多个组件，每个所述组件包括多个评价指标，所述评估模块42还用于基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选计算资源对应的组件及评价指标进行评估，得到所述待选计算资源的评估结果；
基于所述目标应用***的当前类型及所述当前评估维度，对所述当前类型的目标应用***的待选存储资源对应的组件的评价指标进行评估，得到所述待选存储资源的评估结果。
其中一种可能的实现方式中，所述评估模块42还用于获取所述待选计算资源对应的组件的量化分值，基于所述待选计算资源对应的组件的量化分值构建组件比较矩阵；
获取所述待选计算资源对应的评价指标的量化分值，基于所述待选计算资源对应的评价指标的量化分值构建评价指标比较矩阵；
获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选计算资源的评估结果；
获取所述待选存储资源对应的组件的量化分值，基于所述待选存储资源对应的组件的量化分值构建组件比较矩阵；
获取所述待选存储资源对应的评价指标的量化分值，基于所述待选存储资源对应的评价指标的量化分值构建评价指标比较矩阵；
获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选存储资源的评估结果。
其中一种可能的实现方式中，所述评估模块42还用于对所述待选计算资源的组件比较矩阵进行一致性检验；
对所述待选存储资源的组件比较矩阵进行一致性检验。
其中一种可能的实现方式中，所述评估模块42还用于基于所述待选计算资源的预设指标评价矩阵及所述待选计算资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选计算资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选计算资源的评估结果；
基于所述待选存储资源的预设指标评价矩阵及所述待选存储资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选存储资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选存储资源的评估结果。
其中一种可能的实现方式中，所述评估结果为评价分值；所述匹配模块43还用于将所述待选计算资源的评价分值中最高分值对应的待选计算资源确定为所述当前类型的目标应用***的第一目标计算资源；
将所述待选存储资源的评价分值中最高分值对应的待选存储资源确定为所述当前类型的目标应用***的第一目标存储资源。
其中一种可能的实现方式中，还包括：
确定模块44，用于对所述第一目标计算资源对应的组件的性能进行检测，根据检测结果为所述第一目标计算资源对应的每个组件确定第二目标计算资源；
对所述第一目标存储资源对应的组件的性能进行检测，根据检测结果为所述第一目标存储资源对应的每个组件确定第二目标存储资源。
其中一种可能的实现方式中，所述确定模块44还用于基于所述第一目标计算资源对应的组件比较矩阵进行归一化运算，得到所述第一目标计算资源对应的每个组件的权重系数；基于所述第一目标计算资源对应的每个组件的权重系数确定每个组件的第二目标计算资源；
基于所述第一存储资源对应的组件比较矩阵进行归一化运算，得到所述第一目标存储资源对应的每个组件的权重系数；基于所述第一目标存储资源对应的每个组件的权重系数确定每个组件的第二目标存储资源。
可以理解的是，本申请实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对资源匹配***40的结构限定。在本申请另一些实施例中，资源匹配***40也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。
可以理解的是，上述资源匹配***40等为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请实施例的范围。
本申请实施例可以根据上述方法示例对上述资源匹配***40等进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，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。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请实施例各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本申请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或者该技术方案的全部或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）或处理器执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：快闪存储器、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种资源匹配方法，其特征在于，所述方法包括：
获取目标应用***的当前类型；其中，所述当前类型的目标应用***包括多个类型的待选计算资源及多个类型的待选存储资源；所述当前类型的目标应用***包括多个组件，每个所述组件包括多个评价指标；
获取当前评估维度；所述评估维度包括遵从性、成本、可用性、性能及可维护性；
基于所述目标应用***的当前类型及所述当前评估维度，获取所述待选计算资源对应的组件的量化分值，基于所述待选计算资源对应的组件的量化分值构建组件比较矩阵；获取所述待选计算资源对应的评价指标的量化分值，基于所述待选计算资源对应的评价指标的量化分值构建评价指标比较矩阵；获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选计算资源的评估结果；
基于所述目标应用***的当前类型及所述当前评估维度，获取所述待选存储资源对应的组件的量化分值，基于所述待选存储资源对应的组件的量化分值构建组件比较矩阵；获取所述待选存储资源对应的评价指标的量化分值，基于所述待选存储资源对应的评价指标的量化分值构建评价指标比较矩阵；获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选存储资源的评估结果；
基于所述待选计算资源的评估结果及所述待选存储资源的评估结果，将所述待选计算资源的类型和待选存储资源的类型与所述当前类型的目标应用***进行匹配，以确定所述当前类型的目标应用***的第一目标计算资源的类型及第一目标存储资源的类型。
2.根据权利要求1所述的方法，其特征在于，所述待选计算资源的类型包括X86虚拟机、X86裸机及小型机，所述待选存储资源的类型包括高端存储区域网络、中端存储区域网络、分布式存储及文件存储。
3.根据权利要求1所述的方法，其特征在于，所述基于所述待选计算资源对应的评价指标的量化分值构建组件比较矩阵之后，所述方法还包括：
对所述待选计算资源的组件比较矩阵进行一致性检验；
所述基于所述待选存储资源对应的评价指标的量化分值构建组件比较矩阵之后，所述方法还包括：
对所述待选存储资源的组件比较矩阵进行一致性检验。
4.根据权利要求1所述的方法，其特征在于，所述基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选计算资源的评估结果包括：
基于所述待选计算资源的预设指标评价矩阵及所述待选计算资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选计算资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选计算资源的评估结果；
所述基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选存储资源的评估结果包括：
基于所述待选存储资源的预设指标评价矩阵及所述待选存储资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选存储资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选存储资源的评估结果。
5.根据权利要求1所述的方法，其特征在于，所述待选计算资源的评估结果及所述待选存储资源的评估结果为评价分值；所述基于所述待选计算资源的评估结果及所述待选存储资源的评估结果，将所述待选计算资源的类型和待选存储资源的类型与所述当前类型的目标应用***进行匹配，以确定所述当前类型的目标应用***的第一目标计算资源的类型及第一目标存储资源的类型包括：
将所述待选计算资源的评价分值中最高分值对应的待选计算资源的类型确定为所述当前类型的目标应用***的第一目标计算资源的类型；
将所述待选存储资源的评价分值中最高分值对应的待选存储资源的类型确定为所述当前类型的目标应用***的第一目标存储资源的类型。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述第一目标计算资源对应的组件的性能进行检测，根据检测结果为所述第一目标计算资源对应的每个组件确定第二目标计算资源；
对所述第一目标存储资源对应的组件的性能进行检测，根据检测结果为所述第一目标存储资源对应的每个组件确定第二目标存储资源。
7.根据权利要求6所述的方法，其特征在于，所述根据检测结果为所述第一目标计算资源对应的每个组件确定第二目标计算资源包括：
基于所述第一目标计算资源对应的组件比较矩阵进行归一化运算，得到所述第一目标计算资源对应的每个组件的权重系数；基于所述第一目标计算资源对应的每个组件的权重系数确定每个组件的第二目标计算资源；
基于所述第一目标存储资源对应的组件比较矩阵进行归一化运算，得到所述第一目标存储资源对应的每个组件的权重系数；基于所述第一目标存储资源对应的每个组件的权重系数确定每个组件的第二目标存储资源。
8.一种资源匹配***，其特征在于，所述***包括：
获取模块，用于获取目标应用***的当前类型；其中，所述当前类型的目标应用***包括多个类型的待选计算资源及多个类型的待选存储资源；所述当前类型的目标应用***包括多个组件，每个所述组件包括多个评价指标；获取当前评估维度；所述评估维度包括遵从性、成本、可用性、性能及可维护性；
评估模块，用于基于所述目标应用***的当前类型及所述当前评估维度，获取所述待选计算资源对应的组件的量化分值，基于所述待选计算资源对应的组件的量化分值构建组件比较矩阵；获取所述待选计算资源对应的评价指标的量化分值，基于所述待选计算资源对应的评价指标的量化分值构建评价指标比较矩阵；获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选计算资源的评估结果；基于所述目标应用***的当前类型及所述当前评估维度，获取所述待选存储资源对应的组件的量化分值，基于所述待选存储资源对应的组件的量化分值构建组件比较矩阵；获取所述待选存储资源对应的评价指标的量化分值，基于所述待选存储资源对应的评价指标的量化分值构建评价指标比较矩阵；获取预设指标评价矩阵，基于所述预设指标评价矩阵、组件比较矩阵及评价指标比较矩阵进行模糊运算，得到所述待选存储资源的评估结果；
匹配模块，用于基于所述待选计算资源的评估结果及所述待选存储资源的评估结果，将所述待选计算资源的类型和待选存储资源的类型与所述当前类型的目标应用***进行匹配，以确定所述当前类型的目标应用***的第一目标计算资源的类型及第一目标存储资源的类型。
9.根据权利要求8所述的***，其特征在于，所述评估模块还用于对所述待选计算资源的组件比较矩阵进行一致性检验；对所述待选存储资源的组件比较矩阵进行一致性检验。
10.根据权利要求8所述的***，其特征在于，所述评估模块还用于基于所述待选计算资源的预设指标评价矩阵及所述待选计算资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选计算资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选计算资源的评估结果；或
基于所述待选存储资源的预设指标评价矩阵及所述待选存储资源的评价指标比较矩阵进行模糊运算得到第一运算结果；
基于所述第一运算结果及所述待选存储资源的组件比较矩阵进行模糊运算得到第二运算结果；
基于所述第二运算结果确定所述待选存储资源的评估结果。
11.根据权利要求8所述的***，其特征在于，所述待选计算资源的评估结果及所述待选存储资源的评估结果为评价分值；所述匹配模块还用于将所述待选计算资源的评价分值中最高分值对应的待选计算资源的类型确定为所述当前类型的目标应用***的第一目标计算资源的类型；
将所述待选存储资源的评价分值中最高分值对应的待选存储资源的类型确定为所述当前类型的目标应用***的第一目标存储资源的类型。
12.根据权利要求8所述的***，其特征在于，所述***还包括：
确定模块，用于对所述第一目标计算资源对应的组件的性能进行检测，根据检测结果为所述第一目标计算资源对应的每个组件确定第二目标计算资源；
对所述第一目标存储资源对应的组件的性能进行检测，根据检测结果为所述第一目标存储资源对应的每个组件确定第二目标存储资源。
13.根据权利要求12所述的***，其特征在于，所述确定模块还用于基于所述第一目标计算资源对应的组件比较矩阵进行归一化运算，得到所述第一目标计算资源对应的每个组件的权重系数；基于所述第一目标计算资源对应的每个组件的权重系数确定每个组件的第二目标计算资源；
基于所述第一目标存储资源对应的组件比较矩阵进行归一化运算，得到所述第一目标存储资源对应的每个组件的权重系数；基于所述第一目标存储资源对应的每个组件的权重系数确定每个组件的第二目标存储资源。
14.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在所述***上运行时，使得所述***执行如权利要求1-7中任一项所述的方法。
CN202110773207.2A 2021-07-08 2021-07-08 资源匹配方法及*** Active CN113238874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110773207.2A CN113238874B (zh) 2021-07-08 2021-07-08 资源匹配方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110773207.2A CN113238874B (zh) 2021-07-08 2021-07-08 资源匹配方法及***

Publications (2)

Publication Number Publication Date
CN113238874A CN113238874A (zh) 2021-08-10
CN113238874B true CN113238874B (zh) 2021-11-23

Family

ID=77141349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110773207.2A Active CN113238874B (zh) 2021-07-08 2021-07-08 资源匹配方法及***

Country Status (1)

Country Link
CN (1) CN113238874B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9229749B2 (en) * 2011-10-31 2016-01-05 Cisco Technology, Inc. Compute and storage provisioning in a cloud environment
CN108028850B (zh) * 2016-08-08 2021-03-26 深圳秦云网科技有限公司 私有云管理平台
CN109189553A (zh) * 2018-08-17 2019-01-11 烽火通信科技股份有限公司 网络服务与虚拟资源多目标匹配方法及***
CN111176836B (zh) * 2019-12-09 2023-04-28 中国联合网络通信集团有限公司 一种云渲染资源调度方法及装置

Also Published As

Publication number Publication date
CN113238874A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN107168995B (zh) 一种数据处理方法及服务器
CN111464583B (zh) 计算资源分配方法、装置、服务器及存储介质
CN111612039A (zh) 异常用户识别的方法及装置、存储介质、电子设备
WO2023098571A1 (zh) 一种企业数字中台的成熟状态评估方法和装置
CN111722806A (zh) 云盘分配方法、装置、电子设备及存储介质
CN112436992B (zh) 基于图卷积网络的虚拟网络映射方法及装置
CN113157922B (zh) 基于图的网络实体行为评估、可视化方法
WO2023103527A1 (zh) 一种访问频次的预测方法及装置
CN110852443A (zh) 特征稳定性检测方法、设备及计算机可读介质
CN113238874B (zh) 资源匹配方法及***
EP2541409B1 (en) Parallelization of large scale data clustering analytics
CN116737373A (zh) 负载均衡方法、装置、计算机设备、存储介质
Aravazhi Irissappane et al. Filtering unfair ratings from dishonest advisors in multi-criteria e-markets: a biclustering-based approach
CN114510405B (zh) 指标数据评估方法、装置、设备、存储介质及程序产品
CN111598390B (zh) 服务器高可用性评估方法、装置、设备和可读存储介质
CN115509853A (zh) 一种集群数据异常检测方法及电子设备
CN114529176A (zh) 用于招商引资的企业多维度评价方法及***
CN114092216A (zh) 企业信贷评级方法、装置、计算机设备和存储介质
Bayram et al. Improving reliability with dynamic syndrome allocation in intelligent software defined data centers
CN116069595B (zh) 一种基于日志的运维监控方法
CN112749724B (zh) 训练分类器、预测应用性能扩展性的方法、设备
CN114554536B (zh) 网络资源分配方法、装置以及电子设备
CN117809807B (zh) 基于交互平台的视觉训练方法、***及存储介质
US20210311795A1 (en) Method and apparatus for allocating database server
CN116737558A (zh) 测试脚本的筛选方法和装置、存储介质及电子装置

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