CN117349037B - 在离线应用干扰消除方法、装置、计算机设备及存储介质 - Google Patents
在离线应用干扰消除方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117349037B CN117349037B CN202311660743.7A CN202311660743A CN117349037B CN 117349037 B CN117349037 B CN 117349037B CN 202311660743 A CN202311660743 A CN 202311660743A CN 117349037 B CN117349037 B CN 117349037B
- Authority
- CN
- China
- Prior art keywords
- application
- interfered
- cpu
- utilization rate
- interference
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000001629 suppression Effects 0.000 claims abstract description 36
- 230000008030 elimination Effects 0.000 claims abstract description 31
- 238000003379 elimination reaction Methods 0.000 claims abstract description 31
- 230000003068 static effect Effects 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000007906 compression Methods 0.000 claims description 43
- 230000006835 compression Effects 0.000 claims description 42
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 101100264195 Caenorhabditis elegans app-1 gene Proteins 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000003825 pressing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- G06F9/5038—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 execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Memory System Of A Hierarchy Structure (AREA)
Abstract
本申请涉及一种在离线应用干扰消除方法、装置、计算机设备以及存储介质。所述方法包括:采集***中的多层级指标数据,并获取受干扰应用;根据多层级指标数据判断受干扰应用的干扰类型,如果是缓存缺失类,筛选出N个缓存利用率最高的离线应用,对N个缓存利用率最高的离线应用的缓存利用率进行静态压制;如果是CPU争夺类,获取***中CPU利用率和内存利用率最高的N个离线应用,利用干扰消除算法结合受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据CPU压制策略对N个离线应用的CPU利用量进行动态压制。本申请能够提高干扰消除策略与实际情况的拟合度,并保护干扰消除的成功度以及最大化离线应用的吞吐率。
Description
技术领域
本申请属于云部署技术领域,特别涉及一种在离线应用干扰消除方法、装置、计算机设备以及存储介质。
背景技术
在传统的云原生应用部署模式中,每个应用通常都被独立地部署在专用的虚拟机或容器上,然而,随着云计算技术和虚拟容器技术的发展,资源利用率低的问题也出现在部署云原生应用的环境中。由于容器底层的资源隔离较传统虚拟机来说比较偏弱、以及不可避免的在混部应用时由于各种各样的资源争用所带来的干扰。另外,随着应用规模的增大,虚拟机或容器的数量会快速增加,导致管理和维护的复杂性上升,应用混部技术随之诞生并且迅速发展。
云原生应用混部下的资源争用所带来的干扰对于性能的影响极大,传统的干扰消除策略通常采用自适应的进程CPU资源限制方法,然而在应对工作负载复杂多样的混部集群的情况下,云原生环境混步情况下各个应用的优先级各不相同,CPU资源限制方法难以应对种类多样的混部场景,会严重影响LS(在线应用)的在线性能从而会影响用户的体验甚至不能达到SLO(服务级别目标,定义了一系列指标和阈值,用于衡量服务的响应时间、可靠性、可用性等各个方面要求),而且在干扰应用所需资源很大而坚持限制运行且后续调度分配CPUTIME来让应用继续运行所花费的调度时间和资源消耗依旧很大。
发明内容
本申请提供了一种在离线应用干扰消除方法、装置、计算机设备以及存储介质,旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本申请提供了如下技术方案:
一种在离线应用干扰消除方法,包括:
采集***中的多层级指标数据,并获取受干扰应用;
根据所述多层级指标数据判断受干扰应用的干扰类型,如果是缓存缺失类,从所述***中筛选出N个缓存利用率最高的离线应用,并根据设定的压制率对所述N个缓存利用率最高的离线应用的缓存利用率进行静态压制;如果是CPU争夺类,
获取所述受干扰应用的优先级等级,并获取***中CPU利用率和内存利用率最高的N个离线应用,利用干扰消除算法结合所述受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据所述CPU压制策略对所述N个离线应用的CPU利用量进行动态压制。
本申请实施例采取的技术方案还包括:所述采集***中的多层级指标数据,具体为:
使用性能检测工具采集***的多层级指标数据,并判断***是否存在干扰,如果存在,则获取受干扰应用;其中,所述多层级指标数据至少包括CPU利用率、CPI、缓存利用率以及内存利用率。
本申请实施例采取的技术方案还包括:所述根据所述多层级指标数据判断受干扰应用的干扰类型,具体为:
如果所述CPU利用率显著降低且降低比例达到第一比例阈值及以上、所述缓存利用率显著上升且上升比例达到第一比例阈值及以上,则判定所述受干扰应用的干扰类型为缓存缺失类;
如果所述CPI出现波峰且稳定上升比例达到第二比例阈值及以上,则判定所述受干扰应用的干扰类型为CPU争夺类。
本申请实施例采取的技术方案还包括:所述从所述***中筛选出N个缓存利用率最高的离线应用,并根据设定的压制率对所述N个缓存利用率最高的离线应用的缓存利用率进行静态压制,具体为:
假设N值为3,3个受干扰应用的缓存利用率依次为,则所述3个受干扰应用的压制率依次为:
本申请实施例采取的技术方案还包括:所述获取所述受干扰应用的优先级等级之后,还包括:
将所述优先级等级高于设定阈值的受干扰应用标注为LSE应用,所述LSE应用表示需要及时处理的独占式在线应用。
本申请实施例采取的技术方案还包括:所述利用干扰消除算法结合所述受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据所述CPU压制策略对所述N个离线应用的CPU利用量进行动态压制,具体为:
获取***未受干扰时的正常CPI指标以及当前的异常CPI指标;
获取***中CPU利用率和内存利用率最高的N个离线应用;
将所述正常CPI指标与异常CPI指标进行对比,判断计数器count是否为2,Count为计数器,如果count为2,根据设定的压制比例对所述N个离线应用的CPU利用量进行静态压制;否则,判断受干扰应用是否为LSE应用,如果是LSE应用,根据设定的压制比例对所述N个离线应用的CPU利用量进行静态压制;否则,
获取所述受干扰应用的优先级等级,根据所述优先级等级、当前的异常CPI指标以及受干扰应用的CPU利用率计算出所述N个离线应用可接受的CPU利用率阈值;
根据所述CPU利用率阈值、当前的异常CPI指标以及正常CPI指标计算出N个离线应用各自对应的压制水平指数,根据所述压制水平指数对所述N个离线应用的CPU利用量进行动态压制;
判断***干扰是否被消除,若被消除,使所述计数器count归零,结束干扰消除算法;否则,令所述计数器count+1,并重新执行干扰消除算法。
本申请实施例采取的技术方案还包括:所述CPU利用率阈值limit(CPU)的计算公式为:
[
其中为当前***中的总CPU利用量,/>为受干扰应用的CPU利用量,为***中的可分配的总CPU量;
所述压制水平指数计算公式为:
其中,app1、app2、app3分别表示CPU利用率和内存利用率最高的N个离线应用,、、/>分别为对受干扰离线应用app1、app2、app3进行CPU压制处理的压制水平指数,表示正常CPI指标,/>表示当前的异常CPI指标,/>为受干扰应用的CPU利用量,r(app1)、r(app2)、r(app3)分别为受干扰离线应用app1、app2、app3的CPU利用量,正态分布的累积分布函数,最后按照(1-/>)对离线应用app1、app2、app3的CPU利用量进行动态压制,直到干扰消除。
本申请实施例采取的另一技术方案为:一种在离线应用干扰消除装置,包括:
数据采集模块:用于采集***中的多层级指标数据,并获取受干扰应用;
干扰类型判断模块:用于根据所述多层级指标数据判断受干扰应用的干扰类型,所述干扰类型包括缓存缺失类和CPU争夺类;
第一干扰消除模块:用于在所述干扰类型为缓存缺失类时,从所述***中筛选出N个缓存利用率最高的离线应用,并根据设定的压制率对所述N个缓存利用率最高的离线应用的缓存利用率进行静态压制;
第二干扰消除模块:用于在所述干扰类型为CPU争夺类时,获取所述受干扰应用的优先级等级,并获取***中CPU利用率和内存利用率最高的N个离线应用,利用干扰消除算法结合所述受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据所述CPU压制策略对所述N个离线应用的CPU利用量进行动态压制。
本申请实施例采取的又一技术方案为:一种计算机设备,所述计算机设备包括处理器、与所述处理器耦接的存储器,其中,
所述存储器存储有用于实现所述在离线应用干扰消除方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以控制在离线应用干扰消除方法。
本申请实施例采取的又一技术方案为:一种存储介质,存储有处理器可运行的程序指令,所述程序指令用于执行所述在离线应用干扰消除方法。
相对于现有技术,本申请实施例产生的有益效果在于:本申请实施例的在离线应用干扰消除方法、装置、计算机设备以及存储介质结合云原生环境资源的使用情况与环境的实时分析,在检测到干扰时,将应用的优先级等级和CPI考虑进CPU压制策略中,基于应用的优先级等级动态计算CPU压制策略以达到消除干扰的目的。相对于现有技术,本申请实施例至少具有以下有益效果:
1. 使用动态压制策略而非应用静态压制策略对离线应用进行压制,可以提高干扰消除策略与实际情况的拟合度,并保护干扰消除的成功度以及最大化离线应用的吞吐率。
2.在干扰消除时引入了在线应用的优先级等级,分别对不同优先级等级的在线应用进行不同方式的干扰消除,可以增大压制水平从而以最快速度消除干扰并保证实时性应用的正常运行,保证实时性应用的最高效率,减少再次调度的开销。
3.在对一般等级的在线应用进行干扰消除时引入CPI并将静态压制指标变为可动态变化的动态指标,与实际的干扰情况更加吻合,可以更加深入的对干扰情况做出更正确的处理,在对离线应用进行压制时,可以根据干扰情况的不同最大可能保护离线应用的CPU利用量,从而在解决干扰的同时尽可能保持离线应用的吞吐量,让整个***的资源更加充分的利用,贴切混部提高利用率的初衷。
附图说明
图1是本申请实施例的在离线应用干扰消除方法的流程图;
图2是本申请实施例的干扰消除算法执行过程示意图;
图3为本申请实施例的在离线应用干扰消除装置结构示意图;
图4为本申请实施例的计算机设备结构示意图;
图5为本申请实施例的存储介质的结构示意图。
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清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”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”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或计算机设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或计算机设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1,是本申请实施例的在离线应用干扰消除方法的流程图。本申请第二实施例的在离线应用干扰消除方法包括以下步骤:
S100:使用性能检测工具采集***的多层级指标数据,并判断***是否存在干扰,如果存在,执行S110;
本步骤中,使用的性能检测工具包括但不限于perf(performance的缩写)等,所采集的多层级指标数据包括但不限于CPU利用率、CPI(Cycle Per Instructions,指令周期数)、缓存缺失率、缓存利用率、内存利用率、dTLB-load-misses(数据页表缺失率)、iTLB-load-misses(指令页表缺失率)、block_bio_bounce(linux***中内存反弹率) 、block_bio_complete(linux***中的I/O操作完成率)等指标数据。
S110:获取受干扰应用,并根据多层级指标数据判断受干扰应用的干扰类型,如果是缓存缺失类,执行S120;如果是CPU争夺类,执行S130;
本步骤中,干扰类型的判断方式具体为:如果CPU利用率显著降低且降低比例达到第一比例阈值及以上、缓存利用率显著上升且上升比例达到第一比例阈值及以上,则判定受干扰应用的干扰类型为缓存缺失类;如果CPI出现波峰且稳定上升比例达到第二比例阈值及以上,则判定受干扰应用的干扰类型为CPU争夺类。其中,所述第一比例阈值为20%,第二比例阈值为50%,具体比例数值可根据实际应用场景进行设定。
S120:从***中筛选出N个缓存利用率最高的离线应用,并根据设定的压制率对N个缓存利用率最高的离线应用的缓存利用率进行静态压制;
本步骤中,假设N值为3,即从***中筛选出的3个缓存利用率最高的受干扰应用,且3个受干扰应用的缓存利用率依次为,则对于3个受干扰应用设定的压制率依次为:
(1)
(2)
(3)
根据计算到的压制率分别对3个受干扰应用的缓存利用率进行静态压制,对***干扰进行消除。
S130:获取受干扰应用的优先级等级,并将优先级等级高于设定阈值的受干扰应用标注为需要及时处理的LSE应用;
本步骤中,LSE应用表示需要及时处理的独占式在线应用,本申请实施例中,当检测到***存在CPU争夺类干扰时,通过将优先级等级高于设定阈值的受干扰应用标注为LSE应用,将离线应用的利用率进行标准化处理,以便将不同指标的数据映射到相似尺度,避免某些指标数据对结果产生不合理影响。其中,所述设定阈值为100,具体数值可根据实际应用场景进行设定。
S140:利用干扰消除算法结合受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据CPU压制策略对离线应用的CPU利用量进行动态压制,直到***干扰消除;
本步骤中,请一并参阅图2,是本申请实施例的干扰消除算法执行过程示意图。所述干扰消除算法的具体执行过程包括以下步骤:
S141:获取***未受干扰时的正常CPI指标以及当前的异常CPI指标;
S142:获取***中CPU利用率和内存利用率最高的N个离线应用,并将其按CPU利用率从高到低排列为app1,app2,app3;
S143:将正常CPI指标与异常CPI指标进行对比,判断计数器count是否为2,如果count为2,执行S144;否则执行S145;
其中,Count为判断计数器,其初始值为0,如果两次干扰消除算法都没有解决掉***干扰问题,则认为超出制定的CPU压制策略,则在第三次干扰消除算法时直接销毁掉所述N个离线应用,以保证在线应用的性能且降低消除干扰的资源消耗。
S144:根据设定的压制比例对所述N个离线应用的CPU利用量进行静态压制;
其中,所述压制比例为50%,具体可根据实际应用场景进行设定;
S145:判断受干扰应用是否为LSE应用,如果是LSE应用,则执行S144;否则执行S146;
其中,LSE应用为预留资源以获得更好的确定性的在线应用,为了保护其优先调度,本申请实施例中直接采取静态压制策略。
S146:获取受干扰应用的优先级等级,根据优先级等级、当前的异常CPI指标以及受干扰应用的CPU利用率计算出N个离线应用可接受的CPU利用率阈值;
其中,CPU利用率阈值limit(CPU)的计算公式为:
[(4)
其中,其中为当前***中的总CPU利用量,/>为受干扰应用的CPU利用量,/>为***中的可分配的总CPU量,利用CPU利用率阈值可以计算出对N个离线应用的压制水平指数。
S147:根据CPU利用率阈值、当前的异常CPI指标以及正常CPI指标计算出N个离线应用各自对应的压制水平指数,根据压制水平指数对N个离线应用的CPU利用量进行动态压制;
其中,压制水平指数计算公式为:
(5)
(6)
(7)
其中,、/>、/>分别为对离线应用app1、app2、app3进行CPU压制处理的压制水平指数,/>表示正常CPI指标,/>表示当前的异常CPI指标,/>为受干扰应用的CPU利用量,r(app1)、r(app2)、r(app3)分别为离线应用app1、app2、app3的CPU利用量,正态分布的累积分布函数,最后按照(1-/>)对离线应用app1、app2、app3的CPU利用量进行动态压制,直到干扰消除。
S148:判断***干扰是否被消除,若被消除,执行S149;否则,执行S150;
S149:使计数器count归零,结束干扰消除算法;
S150:令计数器count+1,并重新执行S141。
基于上述,本申请实施例的在离线应用干扰消除方法结合云原生环境资源的使用情况与环境的实时分析,在检测到干扰时,将应用的优先级等级和CPI考虑进CPU压制策略中,基于应用的优先级等级动态计算CPU压制策略以达到消除干扰的目的。相对于现有技术,本申请实施例至少具有以下有益效果:
1.使用动态压制策略而非应用静态压制策略对离线应用进行压制,可以提高干扰消除策略与实际情况的拟合度,并保护干扰消除的成功度以及最大化离线应用的吞吐率。
2.在干扰消除时引入了在线应用的优先级等级,分别对不同优先级等级的在线应用进行不同方式的干扰消除,可以增大压制水平从而以最快速度消除干扰并保证实时性应用的正常运行,保证实时性应用的最高效率,减少再次调度的开销。
3.在对一般等级的在线应用进行干扰消除时引入CPI并将静态压制指标变为可动态变化的动态指标,与实际的干扰情况更加吻合,可以更加深入的对干扰情况做出更正确的处理,在对离线应用进行压制时,可以根据干扰情况的不同最大可能保护离线应用的CPU利用量,从而在解决干扰的同时尽可能保持离线应用的吞吐量,让整个***的资源更加充分的利用,贴切混部提高利用率的初衷。
请参阅图3,为本申请实施例的在离线应用干扰消除装置结构示意图。本申请实施例的在离线应用干扰消除装置40包括:
数据采集模块41:用于采集***中的多层级指标数据,并获取受干扰应用;
干扰类型判断模块42:用于根据所述多层级指标数据判断受干扰应用的干扰类型,所述干扰类型包括缓存缺失类和CPU争夺类;
第一干扰消除模块43:用于在所述干扰类型为缓存缺失类时,从所述***中筛选出N个缓存利用率最高的离线应用,并根据设定的压制率对所述N个缓存利用率最高的离线应用的缓存利用率进行静态压制;
第二干扰消除模块44:用于在所述干扰类型为CPU争夺类时,获取所述受干扰应用的优先级等级,并获取***中CPU利用率和内存利用率最高的N个离线应用,利用干扰消除算法结合所述受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据所述CPU压制策略对所述N个离线应用的CPU利用量进行动态压制。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例提供的装置可以应用在前述方法实施例中,详情参见上述方法实施例的描述,在此不再赘述。
请参阅图4,为本申请实施例的计算机设备结构示意图。该计算机设备50包括:
存储有可执行程序指令的存储器51;
与存储器51连接的处理器52;
处理器52用于调用存储器51中存储的可执行程序指令并执行以下步骤:采集***中的多层级指标数据,并获取受干扰应用;根据所述多层级指标数据判断受干扰应用的干扰类型,如果是缓存缺失类,从所述***中筛选出N个缓存利用率最高的离线应用,并根据设定的压制率对所述N个缓存利用率最高的离线应用的缓存利用率进行静态压制;如果是CPU争夺类,获取所述受干扰应用的优先级等级,并获取***中CPU利用率和内存利用率最高的N个离线应用,利用干扰消除算法结合所述受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据所述CPU压制策略对所述N个离线应用的CPU利用量进行动态压制。
其中,处理器52还可以称为CPU(Central Processing Unit,中央处理单元)。处理器52可能是一种集成电路芯片,具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
请参阅图5,为本申请实施例的存储介质的结构示意图。本申请实施例的存储介质存储有能够实现以下步骤的程序指令61:采集***中的多层级指标数据,并获取受干扰应用;根据所述多层级指标数据判断受干扰应用的干扰类型,如果是缓存缺失类,从所述***中筛选出N个缓存利用率最高的离线应用,并根据设定的压制率对所述N个缓存利用率最高的离线应用的缓存利用率进行静态压制;如果是CPU争夺类,获取所述受干扰应用的优先级等级,并获取***中CPU利用率和内存利用率最高的N个离线应用,利用干扰消除算法结合所述受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据所述CPU压制策略对所述N个离线应用的CPU利用量进行动态压制。其中,该程序指令61可以以软件产品的形式存储在上述存储介质中,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,或者网络计算机设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序指令的介质,或者是计算机、服务器、手机、平板等终端计算机设备。其中,服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的***实施例仅仅是示意性的,例如,单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请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。以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (4)
1.一种在离线应用干扰消除方法,其特征在于,包括:
采集***中的多层级指标数据,并获取受干扰应用;
根据所述多层级指标数据判断受干扰应用的干扰类型,如果是缓存缺失类,从所述***中筛选出N个缓存利用率最高的离线应用,并根据设定的压制率对所述N个缓存利用率最高的离线应用的缓存利用率进行静态压制,N=3;如果是CPU争夺类,
获取所述受干扰应用的优先级等级,并获取***中CPU利用率和内存利用率最高的N个离线应用,利用干扰消除算法结合所述受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据所述CPU压制策略对所述N个离线应用的CPU利用量进行动态压制;其中:
所述根据所述多层级指标数据判断受干扰应用的干扰类型,具体为:
如果所述CPU利用率显著降低且降低比例达到第一比例阈值及以上、所述缓存利用率显著上升且上升比例达到第一比例阈值及以上,则判定所述受干扰应用的干扰类型为缓存缺失类;
如果CPI出现波峰且稳定上升比例达到第二比例阈值及以上,则判定所述受干扰应用的干扰类型为CPU争夺类;
所述从所述***中筛选出N个缓存利用率最高的离线应用,并根据设定的压制率对所述N个缓存利用率最高的离线应用的缓存利用率进行静态压制,N=3,具体为:
3个受干扰应用的缓存利用率依次为,则所述3个受干扰应用的压制率依次为:
;
所述获取所述受干扰应用的优先级等级之后,还包括:
将所述优先级等级高于设定阈值的受干扰应用标注为LSE应用,所述LSE应用表示需要及时处理的独占式在线应用;
所述利用干扰消除算法结合所述受干扰应用的优先级等级以及多层级指标数据计算对应的CPU压制策略,根据所述CPU压制策略对所述N个离线应用的CPU利用量进行动态压制,具体为:
获取***未受干扰时的正常CPI指标以及当前的异常CPI指标;
获取***中CPU利用率和内存利用率最高的N个离线应用;
将所述正常CPI指标与异常CPI指标进行对比,判断计数器count是否为2,如果count为2,根据设定的压制比例对所述N个离线应用的CPU利用量进行静态压制;否则,判断受干扰应用是否为LSE应用,如果是LSE应用,根据设定的压制比例对所述N个离线应用的CPU利用量进行静态压制;否则,
获取所述受干扰应用的优先级等级,根据所述优先级等级、当前的异常CPI指标以及受干扰应用的CPU利用率计算出所述N个离线应用可接受的CPU利用率阈值;
根据所述CPU利用率阈值、当前的异常CPI指标以及正常CPI指标计算出N个离线应用各自对应的压制水平指数,根据所述压制水平指数对所述N个离线应用的CPU利用量进行动态压制;
判断***干扰是否被消除,若被消除,使所述计数器count归零,结束干扰消除算法;否则,令所述计数器count加1,并重新执行干扰消除算法;
所述CPU利用率阈值limit(CPU)的计算公式为:
其中为当前***中的总CPU利用量,/>为受干扰应用的CPU利用量,/>为***中的可分配的总CPU量;
所述压制水平指数计算公式为:
其中,app1、app2、app3分别表示CPU利用率和内存利用率最高的3个离线应用,、/>、分别为对受干扰离线应用app1、app2、app3进行CPU压制处理的压制水平指数,/>表示正常CPI指标,/>表示当前的异常CPI指标,/>为受干扰应用的CPU利用量,r(app1)、r(app2)、r(app3)分别为受干扰离线应用app1、app2、app3的CPU利用量,为正态分布的累积分布函数,最后按照(1-/>)、(1-/>)、(1-/>)分别对离线应用app1、app2、app3的CPU利用量进行动态压制,直到干扰消除。
2.根据权利要求1所述的在离线应用干扰消除方法,其特征在于,所述采集***中的多层级指标数据,具体为:
使用性能检测工具采集***的多层级指标数据,并判断***是否存在干扰,如果存在,则获取受干扰应用;其中,所述多层级指标数据至少包括CPU利用率、CPI、缓存利用率以及内存利用率。
3.一种计算机设备,其特征在于,所述计算机设备包括处理器、与所述处理器耦接的存储器,其中,
所述存储器存储有用于实现权利要求1-2任一项所述的在离线应用干扰消除方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以控制在离线应用干扰消除方法。
4.一种存储介质,其特征在于,存储有处理器可运行的程序指令,所述程序指令用于执行权利要求1至2任一项所述在离线应用干扰消除方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311660743.7A CN117349037B (zh) | 2023-12-06 | 2023-12-06 | 在离线应用干扰消除方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311660743.7A CN117349037B (zh) | 2023-12-06 | 2023-12-06 | 在离线应用干扰消除方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117349037A CN117349037A (zh) | 2024-01-05 |
CN117349037B true CN117349037B (zh) | 2024-04-19 |
Family
ID=89371498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311660743.7A Active CN117349037B (zh) | 2023-12-06 | 2023-12-06 | 在离线应用干扰消除方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117349037B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023035750A1 (zh) * | 2021-09-08 | 2023-03-16 | 中国电信股份有限公司 | 干扰优化方法及装置、存储介质及电子设备 |
CN117032977A (zh) * | 2023-08-18 | 2023-11-10 | 中国科学院深圳先进技术研究院 | 混部应用资源分配方法、装置、计算机设备及存储介质 |
-
2023
- 2023-12-06 CN CN202311660743.7A patent/CN117349037B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023035750A1 (zh) * | 2021-09-08 | 2023-03-16 | 中国电信股份有限公司 | 干扰优化方法及装置、存储介质及电子设备 |
CN117032977A (zh) * | 2023-08-18 | 2023-11-10 | 中国科学院深圳先进技术研究院 | 混部应用资源分配方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117349037A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106095532B (zh) | 一种云环境中虚拟机负载均衡安全调度方法 | |
CN108132827B (zh) | 一种网络切片资源映射方法、相关设备及*** | |
CN111708642B (zh) | Vr***中处理器性能优化方法、装置及vr设备 | |
CN107102889B (zh) | 一种虚拟机资源调整方法及装置 | |
CN109041255A (zh) | 一种接入方法和ue | |
CN117349037B (zh) | 在离线应用干扰消除方法、装置、计算机设备及存储介质 | |
CN117032977A (zh) | 混部应用资源分配方法、装置、计算机设备及存储介质 | |
CN111475251A (zh) | 一种集群容器调度方法、***、终端及存储介质 | |
CN111124669A (zh) | 一种分布式SaaS软件的运营方法、***、终端及存储介质 | |
CN115098272A (zh) | Gpu资源调度方法、调度器、电子设备和存储介质 | |
CN115454574A (zh) | 容器的部署方法、装置及电子设备 | |
CN110879748A (zh) | 一种共享资源分配方法、装置和设备 | |
CN110138521A (zh) | eNB物理下行控制信道的资源分配方法、装置及eNB | |
CN116841720A (zh) | 资源配置方法、装置、计算机设备、存储介质及程序产品 | |
CN114116228A (zh) | 一种任务分配方法、装置、设备及存储介质 | |
CN112000462A (zh) | 一种基于共享外设资源的数据处理方法及装置 | |
CN103106103B (zh) | 请求信息分类方法及装置 | |
CN112231066A (zh) | 一种基于jvm内存使用的优化处理方法及*** | |
CN116700999B (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN111467796B (zh) | 分布式物理结算方法和装置 | |
CN112506672B (zh) | 面向虚拟gpu的云手机在线调度与迁移的方法及装置 | |
CN117785486B (zh) | 环境资源调配方法、装置、设备和介质 | |
CN115373862B (zh) | 基于数据中心的动态资源调度方法、***及存储介质 | |
CN116225685A (zh) | 一种调度物理核心的方法及装置 | |
CN109101188B (zh) | 一种数据处理方法和装置 |
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 |