一种计算资源智能分配方法及系统技术方案

本发明专利技术公开了一种计算资源智能分配方法及系统，获取各计算资源的第一预测使用率并计算资源综合使用率，如果资源综合使用率不是最佳值，则利用预测模型将第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目，根据最优预测使用率、最优实例数目分配各计算资源到各计算业务；使用最优预测使用率、最优实例数目分配各计算资源到计算业务时可以满足各业务对计算资源的需要，同时可以使对应的资源综合使用率为最佳值，计算资源的成本得到更充分的使用，避免大量使用了廉价计算资源而闲置昂贵的计算资源。本发明专利技术的计算资源分配方法也可以用于指导计算资源预配置和计算资源采购计划，从根源上合理配置计算资源。

【技术实现步骤摘要】
一种计算资源智能分配方法及系统
本专利技术涉及计算机领域，尤其是涉及一种计算资源智能分配方法及系统。
技术介绍
互联网的一个显著特征就是网络流量激增，这主要原因是全球范围内宽带连接普及和多媒体流量增加，人工智能对算力有更高需求，需要根据计算资源使用情况进行资源调度、分配。按照现有的资源分配调度方法，在各种计算资源间进行动态分配，却没有考虑计算资源的成本，有可能多种低廉计算资源成为水桶最短的那块木板，表面看来某些资源已经获得最大限度的使用，其实导致大量使用低廉的计算资源，却将昂贵的计算资源闲置，导致了大量的成本浪费。
技术实现思路
本专利技术的目的在于克服上述技术不足，提出一种计算资源智能分配方法及系统，解决现有技术中的上述技术问题。为达到上述技术目的，本专利技术的技术方案提供一种计算资源智能分配方法，包括：S1、获取各计算资源的第一预测使用率；S2、根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total)，所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用，判断所述资源综合使用率R(Total)是否为最佳值；S3、如果所述资源综合使用率不是最佳值，则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目，根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值；S4、根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。本专利技术还提供一种计算资源智能分配系统，包括：预测使用率获取模块：获取各计算资源的第一预测使用率；判断模块：根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total)，所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用，判断所述资源综合使用率R(Total)是否为最佳值；调整模块：如果所述资源综合使用率不是最佳值，则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目，根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值；资源分配模块：根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。与现有技术相比，本专利技术的有益效果包括：获取各计算资源的第一预测使用率并计算资源综合使用率R(Total)，如果资源综合使用率R(Total)不是最佳值，则利用预测模型将第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目，根据最优预测使用率、最优实例数目分配各计算资源到各计算业务；最优预测使用率不低于第一预测使用率且根据最优预测使用率、最优实例数目计算的资源综合使用率为最佳值，使得使用最优预测使用率、最优实例数目分配各计算资源到计算业务时可以满足各业务对计算资源的需要，同时可以使对应的资源综合使用率为最佳值，由于R(Total)表征计算资源在以成本为考虑指标时是否得到充分使用，R(Total)为最佳值则计算资源的成本得到更充分的使用，避免大量使用了廉价计算资源而闲置昂贵的计算资源。附图说明图1是本专利技术提供的一种计算资源智能分配方法流程图；图2是本专利技术提供的一种计算资源智能分配系统结构框图。附图中：1、计算资源智能分配系统，11、预测使用率获取模块，12、判断模块，13、调整模块，14、资源分配模块。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供了一种计算资源智能分配方法，包括：S1、获取各计算资源的第一预测使用率；S2、根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total)，所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用，判断所述资源综合使用率R(Total)是否为最佳值；S3、如果所述资源综合使用率不是最佳值，则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目，根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值；S4、根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。本专利技术所述的计算资源智能分配方法，步骤S1中获取各计算资源的第一预测使用率的方法为：采集各计算资源的历史使用率，根据各计算资源的历史使用率计算并获取各计算资源未来的第一预测使用率；根据计算资源的历史使用率计算并获取各计算资源未来的预测使用率的方法，为现有技术，例如，可以采用聚类的方法对数据样本(各计算资源的历史使用率)进行聚类，以聚类获得的结果为依据确定预测使用率；又例如，可以对各计算资源的历史使用情况进行拟合的方式来获取预测使用率----专利CN201610752859.7一种资源分配方法及装置，“使用分别获取各个用户在当前时刻之前的第一预设的时间段内的历史运行数据；利用第一预设模型，分别对所述各个用户的历史运行数据进行拟合，预测所述各个用户下一时刻的资源使用量；根据所述各个用户下一时刻的资源使用量，调整下一时刻各个用户占有的资源量。”本实施例对获取各计算资源的第一预测使用率的方式不加以限制。本专利技术所述的计算资源智能分配方法，步骤S2中：资源综合使用率其中，SaaS0N表示一种计算业务，Bx表示一种计算资源，MN为计算业务SaaS0N的实例数目，ANx为计算业务SaaS0N对计算资源Bx的使用率，C(Bx)为计算资源Bx的购买成本，C(Total)为各计算资源的成本之和；资源综合使用率R(Total)的计算方式举例如下：假设计算资源Bx有CPU、MEM、GPU、BAND四种；SaaS01、SaaS02、SaaS03：代表计算业务1，计算业务2，计算业务3；C(Bx)：计算资源Bx的购买成本，假设每种资源使用率不应大于90％；M1、M2、M3为整数，分别为SaaS01业务的实例数目、SaaS02业务的实例数目、SaaS03业务的实例数目。下表为假设四种计算资源在某一业务中某一时间段内的使用率：则C(SaaS01)＝(10％*C(CPU)+20％*C(MEM)+30％*C(GPU)+5％*C(BAND))*M1C(SaaS02)＝(30％*C(CPU)+15％*C(MEM)+10％*C(GPU)+35％*C(BAND))*M2C(SaaS03)＝(10％*C(CPU)+10％*C(MEM)+10％*C(GPU)+10％*C(BAND))*M3各计算资源的成本之和C(Total)＝C(CPU)+C(MEM)+C(GPU)+C(BAND)那么，R(Total)＝(C(SaaS01)+C(SaaS02)+C(SaaS03))/C(Total)。本专利技术所述的计算资源智能分配方法，步骤S2中判断所述资源综合使用率R(Total)是否为最佳值的方法为：根据第二预测使用率和第二实例数目计算并获取多个R(Total)，第二预测使用率不低于第一预测使用率并动态调整，第二实例数目动态调整，获取的多个R(Total)组成对比集合，在对比集合中筛选掉高于预设标准值的R(Total)；判断S2中计算出的R(Total)是否小于或等于预设标准值且高于对比集合中的所有元素；如果是，则步骤本文档来自技高网...

【技术保护点】
1.一种计算资源智能分配方法，其特征在于，包括：S1、获取各计算资源的第一预测使用率；S2、根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total)，所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用，判断所述资源综合使用率R(Total)是否为最佳值；S3、如果所述资源综合使用率不是最佳值，则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目，根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值；S4、根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。

【技术特征摘要】
1.一种计算资源智能分配方法，其特征在于，包括：S1、获取各计算资源的第一预测使用率；S2、根据所述第一预测使用率及计算业务的第一实例数目计算资源综合使用率R(Total)，所述资源综合使用率表征计算资源在以成本为考虑指标时是否得到充分使用，判断所述资源综合使用率R(Total)是否为最佳值；S3、如果所述资源综合使用率不是最佳值，则利用预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目，根据所述最优预测使用率、最优实例数目计算的所述资源综合使用率R(Total)为最佳值；S4、根据所述最优预测使用率、最优实例数目分配各计算资源到各计算业务。2.如权利要求1所述的计算资源智能分配方法，其特征在于，步骤S2中：资源综合使用率其中，SaaS0N表示一种计算业务，Bx表示一种计算资源，MN为计算业务SaaS0N的实例数目，ANx为计算业务SaaS0N对计算资源Bx的使用率，C(Bx)为计算资源Bx的购买成本，C(Total)为各计算资源的成本之和。3.如权利要求1所述的计算资源智能分配方法，其特征在于，步骤S2中判断所述资源综合使用率R(Total)是否为最佳值的方法为：根据第二预测使用率和第二实例数目计算并获取多个R(Total)，第二预测使用率不低于第一预测使用率并动态调整，第二实例数目动态调整，获取的多个R(Total)组成对比集合，在对比集合中筛选掉高于预设标准值的R(Total)；判断S2中计算出的R(Total)是否小于或等于预设标准值且高于对比集合中的所有元素；如果是，则步骤S2计算出的R(Total)为最佳值，否则步骤S2计算出的R(Total)不为最佳值。4.如权利要求1所述的计算资源智能分配方法，其特征在于，步骤S1中获取各计算资源的所述第一预测使用率的方法为：采集各计算资源的历史使用率，根据各计算资源的历史使用率计算并获取各计算资源未来的所述第一预测使用率。5.如权利要求1所述的计算资源智能分配方法，其特征在于，步骤S3中所述预测模型为机器学习模型，在利用所述预测模型将所述第一预测使用率、第一实例数目调整成最优预测使用率、最优实例数目之前，还包括：根据第一预测使用率、对应的实际使用率计算该第一预测使用率对应的最优预测使用率，将多组第一预测使用率及第一预测使用率对应的实际...

【专利技术属性】
技术研发人员：章国良，
申请(专利权)人：武汉唯信兄弟科技有限公司，
类型：发明
国别省市：湖北,42