CN117221250A - 资源利用率的确定方法、装置和计算机设备 - Google Patents

Abstract

本申请涉及一种资源利用率的确定方法、装置和计算机设备。所述方法包括：获取账户对应的云服务器的资源使用的指标数据；根据预设的指标评估条件以及指标数据，从云服务器中筛选出满足指标评估条件的目标云服务器；其中，指标评估条件基于同一个云服务器的至少两个指标数据进行评估；基于云服务器的数量和目标云服务器的数量，确定云服务器的资源利用率。采用本方法能够及时、准确地确定云服务器的资源利用率。

Description

资源利用率的确定方法、装置和计算机设备

技术领域

本申请涉及数据分析技术领域，特别是涉及一种资源利用率的确定方法、装置和计算机设备。

背景技术

随着计算机技术的不断发展，越来越多的用户选择通过网络接入云服务器、使用云服务器提供的资源，实现基于远程访问的计算和存储。

为避免资源浪费，一般通过Hadoop（分布式***基础架构）、Spark（分布式内存计算引擎）等数据分析平台，分析云服务器中资源使用的指标数据（如：CPU利用率、内存大小等），根据指标数据，确定资源的利用率或闲置率，进而优化云服务器中的资源配置。然而上述确定资源利用率或闲置率的方法不够准确，导致了资源浪费。

发明内容

基于此，有必要针对上述技术问题，提供一种能够及时、准确地确定云服务器的资源利用率的资源利用率的确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种资源利用率的确定方法，包括：

获取账户对应的云服务器的资源使用的指标数据；

根据预设的指标评估条件以及所述指标数据，从所述云服务器中筛选出满足所述指标评估条件的目标云服务器；其中，所述指标评估条件基于同一个云服务器的至少两个所述指标数据进行评估；

基于所述云服务器的数量和所述目标云服务器的数量，确定所述云服务器的资源利用率。

在其中一个实施例中，所述指标数据至少包括：中央处理单元使用率、内存使用率、数据交换率；所述指标评估条件的评估逻辑包括下述中的至少一个：

在所述中央处理单元使用率低于预设的第一阈值，所述内存使用率低于预设的第二阈值的情况下，确定所述云服务器满足所述指标评估条件；

在所述中央处理单元使用率大于预设的第三阈值，所述数据交换率小于预设的第四阈值的情况下，确定所述云服务器满足所述指标评估条件。

在其中一个实施例中，所述方法还包括：

根据预设的优化条件以及所述目标云服务器的指标数据，从所述目标云服务器中筛选出满足所述优化条件的待优化云服务器；其中，所述优化条件根据所述账户的资源需求量确定。

在其中一个实施例中，所述账户对应至少一个标识信息，所述获取账户对应的云服务器的资源使用的指标数据，包括：

调用数据访问接口；

基于所述数据访问接口和所述标识信息，获取云服务器的指标数据，所述云服务器与所述标识信息相对应。

在其中一个实施例中，所述获取账户对应的云服务器的资源使用的指标数据，还包括：

间隔预设时段，周期性获取所述获取账户对应的云服务器的资源使用的指标数据。

在其中一个实施例中，所述获取账户对应的云服务器的资源使用的指标数据，之后还包括：

发送所述指标数据至监控平台，所述监控平台被配置为用于存储所述指标数据。

在其中一个实施例中，所述方法还包括：

获取存储于所述监控平台的总的指标数据；

对所述总的指标数据进行预处理，得到预处理后的指标数据；

发送所述预处理后的指标数据至预先创建的数据库，所述数据库被配置为基于所述指标评估条件筛选所述数据库中的指标数据。

在其中一个实施例中，所述获取存储于所述监控平台的总的指标数据，包括：

获取预设时间范围内的指标数据；

确定所述预设时间范围内的指标数据的平均值；

所述对所述总的指标数据进行预处理，得到预处理后的指标数据，包括：

对所述平均值进行预处理，得到预处理后的指标数据。

第二方面，本申请还提供了一种资源利用率的确定装置，包括：

获取模块，用于获取账户对应的云服务器的资源使用的指标数据；

筛选模块，用于根据预设的指标评估条件以及所述指标数据，从所述云服务器中筛选出满足所述指标评估条件的目标云服务器；其中，所述指标评估条件基于同一个云服务器的至少两个所述指标数据进行评估；

确定模块，用于基于所述云服务器的数量和所述目标云服务器的数量，确定所述云服务器的资源利用率。

第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时上述任一项所述的方法的步骤。

上述资源利用率的确定方法、装置和计算机设备，通过实时获取云服务器的资源使用的指标数据、综合至少两个指标数据评估云服务器是否闲置，建立了云服务器的多个指标数据与资源使用情况的对应关系，实现了及时、准确地确定云服务器的资源利用率。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关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申请的一些实施例，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为一个实施例中资源利用率的确定方法的应用环境图；

图2为一个实施例中资源利用率的确定方法的流程示意图；

图3为另一个实施例中资源利用率的确定方法的流程示意图；

图4为一个实施例中资源利用率的确定装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的资源利用率的确定方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104可以包括云服务器。云服务器可以通过将物理服务器资源分割成多个虚拟机实例来实现。通过将数据处理任务分发至多个云服务器进行处理，可以实现分布式计算。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。

在一个示例性的实施例中，如图2所示，提供了一种资源利用率的确定方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤210、步骤220、步骤230。其中：

步骤210，获取账户对应的云服务器的资源使用的指标数据。

其中，账户对应的云服务器可以是单个云服务器，也可以是多个云服务器。云服务器可以提供计算、存储、网络等资源。通过网络连接云服务器，可以获取和使用云服务器提供的资源。在一种可能的实现方式中，云服务器可以提供一个或多个虚拟机实例，每个虚拟机实例可以包括独立的CPU（Central Processing Unit）、内存、操作***、磁盘等计算组件。

云服务器的资源使用的指标数据为度量云服务器的各种资源的使用情况的底层数据。指标数据可以包括CPU使用率、内存使用率、数据交换率、磁盘使用率、网络流入量、网络流出量等。在一种可能的实现方式中，可以在云服务器上安装监控工具，通过监控工具获取指标数据。在另一种可能的实现方式中，可以定期对云服务器进行性能测试，生成指标数据，通过编写自定义脚本获取生成的指标数据。

示例性地，服务器104可以响应于账户的数据获取请求，调用预设的数据访问接口，接收数据访问接口返回的指标数据。在一种可能的实现方式中，数据访问接口可以通过编写自定义接口程序实现。在另一种可能的实现方式中，数据访问接口可以由部署云服务器的云平台提供。

可选地，服务器104在响应账户的数据获取请求之后，还可以获取账户的设置信息，根据设置信息获取指定的指标数据。在一种可能的实现方式中，服务器104可以响应于账户的设置修改请求，更改账户的指标信息，使得调用预设的数据访问接口之后，接收数据访问接口返回不同的指标数据。这样，能够避免获取的指标数据的数据量过大，造成的信息过载的问题。

步骤220，根据预设的指标评估条件以及指标数据，从云服务器中筛选出满足指标评估条件的目标云服务器。

其中，指标评估条件基于同一个云服务器的至少两个指标数据评估该云服务器是否闲置。需要说明的是，指标评估条件为基于同一时间点，或者同一时间段获取的指标数据进行评估。可以理解的是，在同一时间点，同一个云服务器的指标数据的种类可以为多个，指标评估条件基于同一个云服务器的至少两个不同种类的指标数据进行评估。在一种可能的实现方式中，上述指标评估条件可以由处理任务量小，或者长期未响应的云服务器的指标数据确定。

示例性地，服务器104可以基于预设的指标评估语句，遍历获取到的指标数据，得到满足指标评估条件的指标数据，基于满足指标评估条件的指标数据确定对应的云服务器。在一种可能的实现方式中，上述指标评估语句可以由结构化查询语言（StructuredQuery Language，SQL）编写；上述指标评估语句也可以由其它编程语言编写，本实施例对此不做限定。

可选地，服务器104在得到满足指标评估条件的指标数据之后，可以将满足评估条件的指标数据存储于预设的数据库，用于进一步的分析。

步骤230，基于云服务器的数量和目标云服务器的数量，确定云服务器的资源利用率。

例如，当云服务器的数量为n，闲置的目标云服务器的数量为m，可以确定云服务器的资源闲置率为m/n，云服务器的资源利用率为（n-m）/n。

上述资源利用率的确定方法中，通过实时获取云服务器的资源使用的指标数据、综合至少两个指标数据评估云服务器是否闲置，建立了云服务器的多个指标数据与资源使用情况的对应关系，实现了及时、准确地确定云服务器的资源利用率。

在一个示例性的实施例中，指标数据至少包括：中央处理单元使用率、内存使用率、数据交换率；指标评估条件的评估逻辑包括下述中的至少一个：

在中央处理单元使用率低于预设的第一阈值，内存使用率低于预设的第二阈值的情况下，确定云服务器满足指标评估条件。

示例性地，第一阈值可以等于第二阈值。在一种可能的实现方式中，第一阈值和第二阈值均可以为20%。可以理解的是，第一阈值也可以不等于第二阈值，也即是，第一阈值也可以大于第二阈值，或者第一阈值也可以小于第二阈值。在一种可能的实现方式中，第一阈值可以为20%，第二阈值可以为50%

在中央处理单元使用率大于预设的第三阈值，数据交换率小于预设的第四阈值的情况下，确定云服务器满足指标评估条件。

在一种可能的实现方式中，第三阈值可以为40%，第四阈值可以为1000bit/s（比特每秒）。此时，可以认为该云服务器可以正常调度，但没有正常进行数据处理。在另一种可能的实现方式中，第三阈值也可以在一定范围内取值，例如，第三阈值的取值范围也可以是25%至50%。

可选地，指标评估条件的评估逻辑还可以包括：在中央处理单元使用率属于预设的第一范围，内存使用率属于预设的第二范围的情况下，确定云服务器满足指标评估条件；在中央处理单元使用率属于预设的第三范围，数据交换率属于预设的第四范围的情况下，确定云服务器满足指标评估条件。

本实施例中，通过比较多个指标数据与预设的阈值的大小关系，筛选出满足指标评估条件的指标数据，实现了基于多个指标数据快速地评估云服务器是否闲置。

相关技术中，通常通过监控工具展示全部的指标数据，导致对指标数据的分析较为复杂。在一个示例性的实施例中，账户对应至少一个标识信息，上述步骤210可以包括：

步骤211A，调用数据访问接口。

其中，数据访问接口的实现方式可以参考上述步骤210。

步骤212A，基于数据访问接口和标识信息，获取云服务器的指标数据，云服务器与标识信息相对应。

其中，标识信息可以是云服务器的标识码、云服务器的名称、云服务器的所属部门的信息、云服务器所属用户的信息。一个账户可以对应多个云服务器的标识码、多个云服务器的名称、多个所属部门的信息和/或多个所属用户的信息。

示例性地，服务器104可以基于账户选择的标识信息，获取与标识信息相对应的云服务器的资源使用的指标数据。比如，账户选择的标识信息可以为某些云服务器的标识码，服务器104可以基于这些标识码获取对应的云服务器的指标数据。又如，账户选择的标识信息可以为某个所属部门的信息，服务器104可以基于该所属部门的信息获取该部门对应的云服务器的指标数据。在一种可能的实现方式中，账户及其对应的标识信息可以预先存储于服务器104。

本实施例中，基于账户的标识信息，能够多维度地获取不同云服务器的指标数据，进而确定不同云服务器集群的资源利用率。

为保证用于确定资源利用率的指标数据的准确性，在一个示例性的实施例中，上述步骤210还可以包括：

步骤211B，间隔预设时段，周期性获取账户对应的云服务器的资源使用的指标数据。

示例性的，服务器104可以间隔24小时，周期性获取账户对应的云服务器的资源使用的指标数据。可以理解的是，预设时段也可以根据云服务器的优化需求适应性调整，本实施例对此不做限定。

在一个示例性的实施例中，上述资源利用率的确定方法还可以包括：

步骤240，发送指标数据至监控平台，监控平台被配置为用于存储指标数据。

在一种可能的实现方式中，监控平台可以是Prometheus，指标数据可以存储于Prometheus的功能组件Pushgateway中，其中，Prometheus是一个开源的***监控工具。

在另一种可能的实现方式中，指标数据也可以存储于服务器104的缓存区。

本实施例中，通过将获取的指标数据存储于监控平台，使得基于监控平台能够实现指标数据的快速获取。

在一个示例性的实施例中，上述资源利用率的确定方法还可以包括：

步骤250，获取存储于监控平台的总的指标数据。

步骤260，对总的指标数据进行预处理，得到预处理后的指标数据。

具体的，预处理可以包括检查并删除无关数据、重复数据、空数据，以及噪声处理、缺失值处理等。

步骤270，发送预处理后的指标数据至预先创建的数据库，数据库被配置为基于指标评估条件筛选数据库中的指标数据。

在一种可能的实现方式中，上述预先创建的数据库可以是MySQL（关系型数据库管理***）数据库。可以理解的是，上述预先创建的数据库也可是其它类型的数据库，例如，上述预先创建的数据库也可以是Elasticsearch（搜索分析引擎），本实例对此不做限定。

本实施例中，通过将预处理后的数据存储于预先创建的数据库，降低了处理指标数据的复杂性。

在一个示例性的实施例中，如图3所示，上述步骤250可以包括：

步骤251，获取预设时间范围内的指标数据。

示例性地，预设时间范围可以是一周。可以理解的是，预设时间范围也可以根据云服务器的优化需求适应性调整，本实施例对此不做限定。

步骤252，确定预设时间范围内的指标数据的平均值。

在一种可能的实现方式中，可以通过Prometheus提供的PromeQuery函数定义一个查询语句，该查询语句被配置为返回一定时间范围内的指标数据的平均值。

在另一种可能的实现方式中，也可以通过编写自定义脚本确定预设时间范围内的指标数据的平均值。

此时，上述步骤260可以包括：

步骤261，对平均值进行预处理，得到预处理后的指标数据。

本实施例中，通过对指标数据进行求平均值处理，基于一定时间范围内指标数据的平均值确定云服务器的资源利用率，进一步提升了资源利用率的准确性。

在一个示例性的实施例中，上述资源利用率的确定方法还包括：

步骤280，根据预设的优化条件以及目标云服务器的指标数据，从目标云服务器中筛选出满足优化条件的待优化云服务器；其中，优化条件根据账户的资源需求量确定。

示例性地，可以通过比较目标云服务器多个的指标数据与预设的阈值的大小关系，筛选出满足优化条件的目标云服务器。预设的阈值可以根据账户的资源需求量适应性调整。比如，优化条件的优化逻辑可以为：在中央处理单元使用率低于预设的第五阈值，内存使用率低于预设的第六阈值的情况下，确定云服务器满足优化条件。在账户的资源需求量增大时，可以适应性增大第五阈值和第六阈值。

本实施例中，通过预设的优化条件，实现了基于账户的资源需求量对筛选出的目标云服务器进行再次筛选，提升了云服务器的资源优化的效率。

上述资源利用率的确定方法中，通过实时获取云服务器的资源使用的指标数据、综合至少两个指标数据评估云服务器是否闲置，建立了云服务器的多个指标数据与资源使用情况的对应关系，实现了及时、准确地确定云服务器的资源利用率。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的资源利用率的确定方法的资源利用率的确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个资源利用率的确定装置实施例中的具体限定可以参见上文中对于资源利用率的确定方法的限定，在此不再赘述。

在一个示例性的实施例中，如图4所示，提供了一种资源利用率的确定装置300，包括：第一获取模块310、第一筛选模块320和确定模块330，其中：

第一获取模块310，用于获取账户对应的云服务器的资源使用的指标数据。

第一筛选模块320，用于根据预设的指标评估条件以及指标数据，从云服务器中筛选出满足指标评估条件的目标云服务器；其中，指标评估条件基于同一个云服务器的至少两个指标数据进行评估。

确定模块330，用于基于云服务器的数量和目标云服务器的数量，确定云服务器的资源利用率。

在一个实施例中，上述指标数据至少包括：中央处理单元使用率、内存使用率、数据交换率；上述指标评估条件的评估逻辑包括下述中的至少一个：

在中央处理单元使用率低于预设的第一阈值，内存使用率低于预设的第二阈值的情况下，确定云服务器满足指标评估条件。

在中央处理单元使用率大于预设的第三阈值，数据交换率小于预设的第四阈值的情况下，确定云服务器满足指标评估条件。

在一个实施例中，上述资源利用率的确定装置300还包括：

第二筛选模块，用于根据预设的优化条件以及目标云服务器的指标数据，从目标云服务器中筛选出满足优化条件的待优化云服务器；其中，优化条件根据账户的资源需求量确定。

在一个实施例中，上述账户对应至少一个标识信息，上述第一获取模块310包括：

调用子模块，用于调用数据访问接口。

第一获取子模块，用于基于数据访问接口和标识信息，获取云服务器的指标数据，云服务器与标识信息相对应。

在一个实施例中，上述第一获取模块310还包括：

第二获取子模块，用于间隔预设时段，周期性获取账户对应的云服务器的资源使用的指标数据。

在一个实施例中，上述资源利用率的确定装置300还包括：

第一发送模块，用于发送指标数据至监控平台，监控平台被配置为用于存储指标数据。

在一个实施例中，上述资源利用率的确定装置300还包括：

第二获取模块，用于获取存储于监控平台的总的指标数据。

预处理模块，用于对总的指标数据进行预处理，得到预处理后的指标数据。

第二发送模块，用于发送预处理后的指标数据至预先创建的数据库，数据库被配置为基于指标评估条件筛选数据库中的指标数据。

在一个实施例中，上述第二获取模块包括：

第三获取子模块，用于获取预设时间范围内的指标数据。

平均值确定子模块，用于确定预设时间范围内的指标数据的平均值。

上述预处理模块，包括：

平均值预处理子模块，用于对平均值进行预处理，得到预处理后的指标数据。

上述资源利用率的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过***总线连接，通信接口通过输入/输出接口连接到***总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储指标数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种资源利用率的确定方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述任一方法所述的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一方法所述的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方法所述的步骤。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种资源利用率的确定方法，其特征在于，所述方法包括：

获取账户对应的云服务器的资源使用的指标数据；

根据预设的指标评估条件以及所述指标数据，从所述云服务器中筛选出满足所述指标评估条件的目标云服务器；其中，所述指标评估条件基于同一个云服务器的至少两个所述指标数据进行评估；

基于所述云服务器的数量和所述目标云服务器的数量，确定所述云服务器的资源利用率。

2.根据权利要求1所述的方法，其特征在于，所述指标数据至少包括：中央处理单元使用率、内存使用率、数据交换率；所述指标评估条件的评估逻辑包括下述中的至少一个：

在所述中央处理单元使用率低于预设的第一阈值，所述内存使用率低于预设的第二阈值的情况下，确定所述云服务器满足所述指标评估条件；

在所述中央处理单元使用率大于预设的第三阈值，所述数据交换率小于预设的第四阈值的情况下，确定所述云服务器满足所述指标评估条件。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据预设的优化条件以及所述目标云服务器的指标数据，从所述目标云服务器中筛选出满足所述优化条件的待优化云服务器；其中，所述优化条件根据所述账户的资源需求量确定。

4.根据权利要求1所述的方法，其特征在于，所述账户对应至少一个标识信息，所述获取账户对应的云服务器的资源使用的指标数据，包括：

调用数据访问接口；

基于所述数据访问接口和所述标识信息，获取云服务器的指标数据，所述云服务器与所述标识信息相对应。

5.根据权利要求1所述的方法，其特征在于，所述获取账户对应的云服务器的资源使用的指标数据，还包括：

间隔预设时段，周期性获取所述获取账户对应的云服务器的资源使用的指标数据。

6.根据权利要求1所述的方法，其特征在于，所述获取账户对应的云服务器的资源使用的指标数据，之后还包括：

发送所述指标数据至监控平台，所述监控平台被配置为用于存储所述指标数据。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取存储于所述监控平台的总的指标数据；

对所述总的指标数据进行预处理，得到预处理后的指标数据；

发送所述预处理后的指标数据至预先创建的数据库，所述数据库被配置为基于所述指标评估条件筛选所述数据库中的指标数据。

8.根据权利要求7所述的方法，其特征在于，所述获取存储于所述监控平台的总的指标数据，包括：

获取预设时间范围内的指标数据；

确定所述预设时间范围内的指标数据的平均值；

所述对所述总的指标数据进行预处理，得到预处理后的指标数据，包括：

对所述平均值进行预处理，得到预处理后的指标数据。

9.一种资源利用率的确定装置，其特征在于，所述装置包括：

获取模块，用于获取账户对应的云服务器的资源使用的指标数据；

筛选模块，用于根据预设的指标评估条件以及所述指标数据，从所述云服务器中筛选出满足所述指标评估条件的目标云服务器；其中，所述指标评估条件基于同一个云服务器的至少两个所述指标数据进行评估；

确定模块，用于基于所述云服务器的数量和所述目标云服务器的数量，确定所述云服务器的资源利用率。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。