CN115292146B - 一种***容量预估方法、***、设备及存储介质 - Google Patents
一种***容量预估方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN115292146B CN115292146B CN202210599572.0A CN202210599572A CN115292146B CN 115292146 B CN115292146 B CN 115292146B CN 202210599572 A CN202210599572 A CN 202210599572A CN 115292146 B CN115292146 B CN 115292146B
- Authority
- CN
- China
- Prior art keywords
- historical
- operation index
- time
- real
- tps
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3433—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment for load management
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的一个实施例公开了一种***容量预估方法、***、设备及存储介质,所述方法包括:获取目标集群的应用实例的历史运行指标数据,并根据所述历史运行指标数据计算历史TPS,其中,所述历史运行指标数据包括所述历史运行指标峰值;根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系;获取目标集群的应用实例的实时运行指标数据,并根据所述实时运行指标数据计算实时TPS,根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值;根据所述预估的实时运行指标峰值判断所述目标集群是否需要扩容。本发明简化了容量评估流程,降低容量评估过程的复杂度,提升容量评估效率。
Description
技术领域
本发明涉及计算机技术领域。更具体地,涉及一种***容量预估方法、***、设备及存储介质。
背景技术
目前,在互联网行业中,为了确定软件服务的硬件资源的配置与数量,通常需要对资源进行容量规划,现有的容量规划方案主要包括经验论、创建模型以及压力测试三种形式。例如,在中国专利文件中,一名为《压力测试方法、***以及服务器压力测试***》申请号为CN 201811403940.X,介绍了一种压力测试方法,用于压力机,包括:获取被测试服务器的负载参数;将所述负载参数与所述被测试服务器的预设阈值进行比较;当所述负载参数小于所述预设阈值与波动值的差值时,调整输出的压测TPS数值;将所述压测TPS数值发送至所述被测试服务器。该发明虽然克服了现阶段压测TPS数值手动调节的弊端,进而减少了服务器压力测试过程中测试人员的参与度,但是无法将压力测试与实际业务相结合,从而降低了压力测试的准确性。
例如,在中国专利文件中,一名为《一种压力测试方法和***》申请号为CN201510425487.2,介绍了一种压力测试方法,包括:设置业务模型,对所述业务模型中的每个业务场景分别进行模型测试;按照所述模型测试对业务模型进行准确度校验,当准确度校验通过时将所述业务模型作为压测业务模型;按照所述压测业务模型选取业务场景,依据所述业务场景发送业务请求;依据所述业务请求生成数据库请求,对数据库进行压力测试。该发明虽然基于业务模型执行压力测试,实现了通过业务驱动压力测试的执行,使得测试与实际环境更接近,提高了压力测试的准确性,但是无法根据测试结果对资源进行容量规划。
发明内容
有鉴于此,本发明的第一个实施例提供一种***容量预估方法,包括:
获取目标集群的应用实例的历史运行指标数据,并根据所述历史运行指标数据计算历史TPS,其中,所述历史运行指标数据包括所述历史运行指标峰值;
根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系;
获取目标集群的应用实例的实时运行指标数据,并根据所述实时运行指标数据计算实时TPS,根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值;
根据所述预估的实时运行指标峰值判断所述目标集群是否需要扩容。
在一个具体实施例中,根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系包括:
根据所述历史运行指标峰值和历史TPS之间的关系进行建模,获得用于表征应用实例的所述历史运行指标峰值和历史TPS之间的关系的线性回归模型。
在一个具体实施例中,所述获取目标集群的应用实例的历史运行指标数据包括:
从时序数据库中,获取所述目标集群所运行的多个应用实例、在历史时间段内的多个预设时间点的运行指标数据,所述历史时间段为距当前时间点相近的预定时间段。
在一个具体实施例中,判断所述目标集群是否需要扩容包括:
根据所述实时TPS和所述预估的实时运行指标峰值,计算实时水位;
定期检测所述实时水位是否超过预设的第一阈值,若超过则对所述目标集群扩容。
在一个具体实施例中,所述预估方法还包括:通过可视化操作界面呈现所述实时水位、所述预估的实时运行指标峰值、实时TPS和所述历史运行指标峰值。
本发明的第二个实施例提供一种***容量预估***,包括:
获取历史数据模块用于获取目标集群的应用实例的历史运行指标数据,并根据所述历史运行指标数据计算历史TPS,其中,所述历史运行指标数据包括所述历史运行指标峰值;
获取对应关系模块用于根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系;
获取实时数据模块,用于获取目标集群的应用实例的实时运行指标数据,并根据所述实时运行指标数据计算实时TPS,其中,所述实时运行指标数据包括所述实时运行指标峰值;
计算模块用于根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值;
判断模块根据所述预估的实时运行指标峰值判断所述目标集群是否需要扩容。
在一个具体实施例中,所述获取对应关系模块还用于根据所述历史运行指标峰值和历史TPS之间的关系进行建模,获得用于表征应用实例的所述历史运行指标峰值和历史TPS之间的关系的线性回归模型。
在一个具体实施例中,所述获取历史数据模块还用于从时序数据库中,获取所述目标集群所运行的多个应用实例、在历史时间段内的多个预设时间点的运行指标数据,所述历史时间段为距当前时间点相近的预定时间段。
本发明的第三个实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一个实施例所述的方法。
本发明的第四个实施例提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一个实施例中所述的方法。
本发明的有益效果如下:
本发明提供了一种***容量预估方法、***、设备及存储介质,通过获取所述历史运行指标数据和历史TPS并获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系,从而可以根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值,以判断所述目标集群是否需要扩容,从而避免现有因依赖人工进行压测而导致容量评估过程复杂度高、以因压测流程无法覆盖所有需要压测的服务、压测数据容易滞后、失真、不准确等导致容量评估结果不准确的问题,简化了容量评估流程,降低容量评估过程的复杂度,提升容量评估效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1示出根据本发明一个实施例的***容量预估方法流程示意图;
图2示出根据本发明一个实施例的可视化操作界面示意图;
图3示出根据本发明一个实施例的***容量预估***的结构示意图;
图4示出本发明的另一个实施例所述的一种计算机设备的结构示意图。
具体实施方式
为使本发明的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
现有的针对服务进行流量预估、并结合服务压测数据输出***容量评估结果的典型场景中,测试人员对***进行服务压测,得到压测数据,再由运营人员预计流量高峰或促销活动的流量,运维人员根据压测数据和预计的流量进行容量评估,并基于容量评估结果购买宿主机、增加应用实例数量。
然而,上述方式存在以下缺陷:
现有的压测流程对于人工严重依赖,在海量服务类别的情况下,将无法覆盖所有需要压测的服务;服务每次构建后的性能指标可能不同,在服务版本频繁迭代的情况下,压测数据容易滞后、失真,导致容量评估结果不准确。最后,在生产环境与测试环境中,应用实例的CPU和内存配置不同,会导致压测数据不准确,进而导致容量评估结果不准确。在该情况下,在宿主机扩容后,如果预计流量小于实际流量,会导致宿主机资源浪费,如果预计流量大于实际流量,则会影响服务稳定性。
为了解决上述问题,本发明的一个实施例提供一种***容量预估方法,包括:
获取目标集群的应用实例的历史运行指标数据,并根据所述历史运行指标数据计算历史TPS,其中,所述历史运行指标数据包括所述历史运行指标峰值;
根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系;
获取目标集群的应用实例的实时运行指标数据,并根据所述实时运行指标数据计算实时TPS,其中,所述实时运行指标数据包括所述实时运行指标峰值;
根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值;
根据所述预估的实时运行指标峰值判断所述目标集群是否需要扩容。
在本实施例中,通过获取所述历史运行指标数据和历史TPS并获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系,从而可以根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值,以判断所述目标集群是否需要扩容,从而避免现有因依赖人工进行压测而导致容量评估过程复杂度高、以因压测流程无法覆盖所有需要压测的服务、压测数据容易滞后、失真、不准确等导致容量评估结果不准确的问题,简化了容量评估流程,降低容量评估过程的复杂度,提升容量评估效率。
在一个具体实施例中,对上述***容量预估方法进行进一步说明:
首先,获取目标集群的应用实例的历史运行指标数据,并根据所述历史运行指标数据计算历史TPS,其中,所述历史运行指标数据包括所述历史运行指标峰值;
在本实施例中,通过获取目标集群的应用实例的历史运行指标数据,并发送到kafka消息队列中,kafka streaming在从kafka中获取所述历史运行指标数据,从而计算得到历史TPS,其中,TPS(Transactions Per Second,每秒传输的事物处理个数,即服务器每秒处理的事务数)值,还可通过监控对应的日志来获取,以便后续获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系。
所述目标集群即为集群化部署的服务***,目标集群的应用实例为运行在该服务***的一组共享存储空间和运行选项的容器。上述应用实例的历史运行指标数据指的是:目标集群在某个历史事件段内、其包含的应用实例的运行指标数据,该运行指标数据用于表征应用实例资源使用率指标,例如容器CPU使用率、内存利用率、磁盘、网络资源等。所述历史运行指标峰值是指目标集群在某个历史事件段内、其包含的应用实例的运行指标数据的最大值,例如容器CPU使用率的最大值。
在本实施例中,上述历史运行指标数据具体可以是指:目标集群所运行的多个应用实例(可以为所有应用实例)、在历史时间段内(例如当前时间的前一天)的多个预设时间点(预定时间间隔对应的时间点,例如,每5秒获取一次监测数据)的CPU使用率,所述历史时间段为距当前时间点相近的预定时间段,例如当前时间点之前的一天或两天;所述历史运行指标峰值是指历史运行指标数据的最大值,例如当前时间点之前的一天或两天里CPU使用率的最大值。
在一个具体实施例中,所述获取目标集群的应用实例的历史运行指标数据进一步包括:从时序数据库中,获取所述目标集群所运行的多个应用实例、在历史时间段内的多个预设时间点的运行指标数据,所述历史时间段为距当前时间点相近的预定时间段。
在本实施例中,服务以容器化的形式部署在目标集群中,目标集群能监测到服务所对应的历史运行指标数据标(CPU、内存等)并将其保存到时序数据库,以便后续获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系,从而可以根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值,以判断所述目标集群是否需要扩容,从而避免现有因依赖人工进行压测而导致容量评估过程复杂度高、以因压测流程无法覆盖所有需要压测的服务、压测数据容易滞后、失真、不准确等导致容量评估结果不准确的问题。
其次,根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系;
在一个具体实施例中,根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系进一步包括:
根据所述历史运行指标峰值和历史TPS之间的关系进行建模,获得用于表征应用实例的所述历史运行指标峰值和历史TPS之间的关系的线性回归模型。
在本实施例中,根据所述历史运行指标峰值和历史TPS之间的关系进行建模,获得用于表征应用实例的所述历史运行指标峰值和历史TPS之间的关系的线性回归模型。该对应关系可使用一条直线表示,该种回归分析称为一元线性回归分析。线性回归是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析,例如,可以通过最小二乘法拟合出表征上述CPU使用率与QPS之间的对应关系的线性方程,例如,计算出对于y=bx+a的直线,该方程即为表征应用实例的运行指标数据与应用指标数据之间的关系的线性回归模型。
再次,获取目标集群的应用实例的实时运行指标数据,并根据所述实时运行指标数据计算实时TPS,根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值;
在本实施例中,获取目标集群的应用实例的实时运行指标数据,并发送到kafka消息队列中,kafka streaming在从kafka中获取所述实时运行指标数据,从而计算得到实时TPS,例如计算得到实时TPS为134;
根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值,具体的,将实时TPS为134代入上述线性回归方程,求得的运行指标峰值为预估的实时运行指标峰值,即为3660。
最后,根据所述预估的实时运行指标峰值判断所述目标集群是否需要扩容。
在一个具体实施例中,判断所述目标集群是否需要扩容进一步包括:
根据所述实时TPS和所述预估的实时运行指标峰值,计算实时水位;
定期检测所述实时水位是否超过预设的第一阈值,若超过则对所述目标集群扩容。
在本实施例中,将所述实时TPS除以所述预估的实时运行指标峰值,计算实时水位,例如当实时TPS为134,预估的实时运行指标峰值为3660时,实时水位为3.602%。定期检测所述实时水位是否超过预设的第一阈值,若超过则对所述目标集群扩容,例如将第一阈值设置为90%,当实时水位是否超过90%时,则对所述目标集群扩容。
如图2所示,所述方法还包括:通过可视化操作界面呈现所述实时水位、所述预估的实时运行指标峰值、实时TPS和所述历史运行指标峰值。
在本实施例中,通过可视化操作界面呈现所述实时水位、所述预估的实时运行指标峰值、实时TPS和所述历史运行指标峰值,其中,所述历史运行指标峰值可以为距当前时间点相近的预定时间段内历史运行指标数据的最大值,例如当前时间点之前的一天或两天内历史运行指标数据的最大值,工作人员可以根据可视化操作界面呈现的内容对所述目标集群进行调整,从而简化了容量评估流程,降低容量评估过程的复杂度,提升容量评估效率。
与上述实施例提供的***容量预估方法相对应,如图3所示,本申请的一个实施例还提供一种***容量预估***,包括:
获取历史数据模块用于获取目标集群的应用实例的历史运行指标数据,并根据所述历史运行指标数据计算历史TPS,其中,所述历史运行指标数据包括所述历史运行指标峰值;
获取对应关系模块用于根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系;
获取实时数据模块,用于获取目标集群的应用实例的实时运行指标数据,并根据所述实时运行指标数据计算实时TPS,其中,所述实时运行指标数据包括所述实时运行指标峰值;
计算模块用于根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值;
判断模块根据所述预估的实时运行指标峰值判断所述目标集群是否需要扩容。
在本实施例中,通过获取历史数据模块获取所述历史运行指标数据和历史TPS,通过获取对应关系模块获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系,从而可以利用计算模块根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值,以判断所述目标集群是否需要扩容,从而避免现有因依赖人工进行压测而导致容量评估过程复杂度高、以因压测流程无法覆盖所有需要压测的服务、压测数据容易滞后、失真、不准确等导致容量评估结果不准确的问题,简化了容量评估流程,降低容量评估过程的复杂度,提升容量评估效率。
在一个具体实施例中,所述获取对应关系模块还用于根据所述历史运行指标峰值和历史TPS之间的关系进行建模,获得用于表征应用实例的所述历史运行指标峰值和历史TPS之间的关系的线性回归模型。
在一个具体实施例中,所述获取历史数据模块还用于从时序数据库中,获取所述目标集群所运行的多个应用实例、在历史时间段内的多个预设时间点的运行指标数据,所述历史时间段为距当前时间点相近的预定时间段。
由于本申请实施例提供的***容量预估***与上述几种实施例提供的***容量预估方法相对应,因此在前实施方式也适用于本实施例提供的***容量预估***,在本实施例中不再详细描述。
本发明的另一个实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现:获取目标集群的应用实例的历史运行指标数据,并根据所述历史运行指标数据计算历史TPS,其中,所述历史运行指标数据包括所述历史运行指标峰值;根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系;获取目标集群的应用实例的实时运行指标数据,并根据所述实时运行指标数据计算实时TPS,根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值;根据所述预估的实时运行指标峰值判断所述目标集群是否需要扩容。
在实际应用中,所述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、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。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。
计算机可读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、电线、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或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
如图4所示,本发明的另一个实施例提供的一种计算机设备的结构示意图。图4显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42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。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,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22进行。并且,计算机设备12还可以通过网络适配器20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。如图4所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图4中未示出,可以结合计算机设备12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。
处理器单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种移动端产品的接入方法。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (8)
1.一种***容量预估方法,其特征在于,包括:
获取目标集群的应用实例的历史运行指标数据,并根据所述历史运行指标数据计算历史TPS,其中,所述历史运行指标数据包括所述历史运行指标峰值;
根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系;
获取目标集群的应用实例的实时运行指标数据,并根据所述实时运行指标数据计算实时TPS,根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值;
根据所述预估的实时运行指标峰值判断所述目标集群是否需要扩容;
根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系包括:
根据所述历史运行指标峰值和历史TPS之间的关系进行建模,获得用于表征应用实例的所述历史运行指标峰值和历史TPS之间的关系的线性回归模型。
2.根据权利要求1所述的方法,其特征在于,所述获取目标集群的应用实例的历史运行指标数据包括:
从时序数据库中,获取所述目标集群所运行的多个应用实例、在历史时间段内的多个预设时间点的运行指标数据,所述历史时间段为距当前时间点相近的预定时间段。
3.根据权利要求1所述的方法,其特征在于,判断所述目标集群是否需要扩容包括:
根据所述实时TPS和所述预估的实时运行指标峰值,计算实时水位;
定期检测所述实时水位是否超过预设的第一阈值,若超过则对所述目标集群扩容。
4.根据权利要求3所述的方法,其特征在于,所述预估方法还包括:通过可视化操作界面呈现所述实时水位、所述预估的实时运行指标峰值、实时TPS和所述历史运行指标峰值。
5.一种***容量预估***,其特征在于,包括:
获取历史数据模块用于获取目标集群的应用实例的历史运行指标数据,并根据所述历史运行指标数据计算历史TPS,其中,所述历史运行指标数据包括所述历史运行指标峰值;
获取对应关系模块用于根据所述历史运行指标数据和历史TPS,获得应用实例的所述历史运行指标峰值和历史TPS之间的对应关系;
获取实时数据模块,用于获取目标集群的应用实例的实时运行指标数据,并根据所述实时运行指标数据计算实时TPS,其中,所述实时运行指标数据包括所述实时运行指标峰值;
计算模块用于根据所述对应关系和所述实时TPS,计算出预估的实时运行指标峰值;
判断模块根据所述预估的实时运行指标峰值判断所述目标集群是否需要扩容;
所述获取对应关系模块还用于根据所述历史运行指标峰值和历史TPS之间的关系进行建模,获得用于表征应用实例的所述历史运行指标峰值和历史TPS之间的关系的线性回归模型。
6.根据权利要求5所述的***,其特征在于,所述获取历史数据模块还用于从时序数据库中,获取所述目标集群所运行的多个应用实例、在历史时间段内的多个预设时间点的运行指标数据,所述历史时间段为距当前时间点相近的预定时间段。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210599572.0A CN115292146B (zh) | 2022-05-30 | 2022-05-30 | 一种***容量预估方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210599572.0A CN115292146B (zh) | 2022-05-30 | 2022-05-30 | 一种***容量预估方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115292146A CN115292146A (zh) | 2022-11-04 |
CN115292146B true CN115292146B (zh) | 2023-04-11 |
Family
ID=83821273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210599572.0A Active CN115292146B (zh) | 2022-05-30 | 2022-05-30 | 一种***容量预估方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115292146B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104978232A (zh) * | 2014-04-09 | 2015-10-14 | 阿里巴巴集团控股有限公司 | 用于实时流式计算的计算资源扩容、释放方法及其装置 |
CN107231264A (zh) * | 2017-07-25 | 2017-10-03 | 北京百度网讯科技有限公司 | 用于管理云服务器的容量的方法和装置 |
CN108845881A (zh) * | 2018-05-30 | 2018-11-20 | 有米科技股份有限公司 | 服务器容量动态调整的方法及装置 |
CN108897673B (zh) * | 2018-07-05 | 2022-04-12 | 京东科技控股股份有限公司 | ***容量评估方法与装置 |
CN114154668A (zh) * | 2020-09-08 | 2022-03-08 | ***通信集团河北有限公司 | It***扩容预测方法及装置 |
CN113407426A (zh) * | 2021-06-17 | 2021-09-17 | 北京字跳网络技术有限公司 | 服务器集群容量评估方法、装置、电子设备及存储介质 |
CN114356577A (zh) * | 2022-01-08 | 2022-04-15 | 时时同云科技(成都)有限责任公司 | 一种***容量预估方法以及装置 |
-
2022
- 2022-05-30 CN CN202210599572.0A patent/CN115292146B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115292146A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110968985B (zh) | 集成电路修补算法确定方法及装置、存储介质、电子设备 | |
CN107341098B (zh) | 软件性能测试方法、平台、设备及存储介质 | |
CN112436968B (zh) | 一种网络流量的监测方法、装置、设备及存储介质 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN111563014A (zh) | 接口服务性能测试方法、装置、设备和存储介质 | |
CN110647447B (zh) | 用于分布式***的异常实例检测方法、装置、设备和介质 | |
CN113268403B (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
CN110941553A (zh) | 一种代码检测方法、装置、设备及可读存储介质 | |
CN108897673B (zh) | ***容量评估方法与装置 | |
CN113868214A (zh) | 日志的存储方法、装置、电子设备及计算机可读介质 | |
CN115292146B (zh) | 一种***容量预估方法、***、设备及存储介质 | |
CN110033242B (zh) | 工作时间确定方法、装置、设备和介质 | |
CN115344495A (zh) | 批量任务测试的数据分析方法、装置、计算机设备及介质 | |
CN115269315A (zh) | 一种异常检测方法、装置、设备、介质 | |
CN115525392A (zh) | 容器监控方法、装置、电子设备及存储介质 | |
CN113656391A (zh) | 数据检测方法及装置、存储介质及电子设备 | |
CN115293735A (zh) | 一种无人工厂工业互联网平台监测管理方法及*** | |
CN111741046B (zh) | 数据上报方法、获取方法、装置、设备及介质 | |
CN113127362A (zh) | 对象测试方法、对象测试装置、电子设备及可读存储介质 | |
CN112181750A (zh) | 工控网络设备的稳定性的测试方法、装置及介质 | |
CN111047433A (zh) | 用户数异常原因的分析方法、装置、服务器和存储介质 | |
CN116882724B (zh) | 一种业务流程优化方案的生成方法、装置、设备及介质 | |
CN115604091A (zh) | 数据处理方法、装置、基板控制管理***及电子设备 | |
CN115269356A (zh) | 数据处理方法及装置、电子设备和计算机可读存储介质 | |
CN114237856A (zh) | 运算类型识别方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |