利用率预测方法、装置、计算设备、存储介质及程序产品制造方法及图纸

本申请涉及一种加载资源文件的方法、装置、计算机设备及存储介质，通过响应于应用页面中预设标签上发生的操作指令，获取预设标签所对应的页面内容；操作指令携带有页面路由地址，并指示服务器根据页面路由地址查找对应的资源文件标识和资源文件配置参数；在获取页面内容的过程中，根据资源文件标识加载对应的资源文件，并根据资源文件配置参数将资源文件显示在应用页面中；在资源文件完成显示后，将预设标签所对应的页面内容显示在应用页面中。在应用页面内容的加载过程中，利用资源文件代替传统技术中的进度展示，并根据资源文件配置参数将资源文件显示在应用页面中以改善显示内容固定单一的问题。

Utilization prediction methods, devices, computing equipment, storage media and program products

【技术实现步骤摘要】
利用率预测方法、装置、计算设备、存储介质及程序产品
本申请涉及计算机
，特别是涉及一种集群资源利用率的预测方法、装置、计算设备、存储介质及程序产品。
技术介绍
随着云计算、大数据等新型技术的发展，集群(cluster)技术作为一种较新的技术在付出较低成本的情况下即可获得在性能、可靠性、灵活性各方面均相对较高的收益。为了向用户提供高性能的计算平台，可以在集群上部署若干高性能计算软件，包括化学、生物、材料、物理、工业仿真、流体计算、影视渲染等多个学科，以提供全方位、多层次的计算服务。且任务调度模块是计算平台的关键组成部分。但是，在传统技术中，计算平台的任务调度存在资源浪费且资源利用率较低的技术问题。
技术实现思路
本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。根据本申请的一个方面，提供了一种集群资源利用率的预测方法，所述方法包括：监控所述集群的资源使用情况；根据所述资源使用情况，获取多个已执行任务量分别所对应的资源利用率；根据所述多个已执行任务量及所述多个已执行任务量分别所对应的资源利用率进行回归分析，建立资源利用率的预测模型；通过所述资源利用率的预测模型，对待执行任务量所需的资源利用率进行预测。可选地，所述已执行任务量包括已执行作业时长，所述待执行任务量包括待执行作业时长；所述根据所述资源使用情况，获取多个已执行任务量分别所对应的资源利用率，包括：根据所述资源使用情况，获取多个已执行作业时长分别所对应的资源利用率；所述根据所述多个已执行任务量及所述多个已执行任务量分别所对应的资源利用率进行回归分析，建立资源利用率的预测模型，包括：根据所述多个已执行作业时长及所述多个已执行作业时长分别所对应的资源利用率进行回归分析，建立所述资源利用率的预测模型；所述通过所述资源利用率的预测模型，对待执行任务量所需的资源利用率进行预测，包括：将待执行作业时长输入所述资源利用率的预测模型，对所述待执行任务量所需的资源利用率进行预测。可选地，所述资源利用率包括CPU利用率和内存利用率；所述根据所述多个已执行作业时长及所述多个已执行作业时长分别所对应的资源利用率进行回归分析，建立所述资源利用率的预测模型，包括：根据所述多个已执行作业时长及所述多个已执行作业时长分别所对应的CPU利用率进行回归分析，建立所述CPU利用率的预测模型；根据所述多个已执行作业时长及所述多个已执行作业时长分别所对应的内存利用率进行回归分析，建立所述内存利用率的预测模型；所述将待执行作业时长输入所述资源利用率的预测模型，对所述待执行任务量所需的资源利用率进行预测，包括：将待执行作业时长输入所述CPU利用率的预测模型，对所述待执行任务量所需的CPU利用率进行预测；将待执行作业时长输入所述内存利用率的预测模型，对所述待执行任务量所需的内存利用率进行预测。可选地，所述资源利用率的预测模型采用经验回归方程；所述根据所述多个已执行作业时长及所述多个已执行作业时长分别所对应的资源利用率进行回归分析，建立所述资源利用率的预测模型，包括：计算所述多个已执行作业时长的平均作业时长；计算所述多个已执行作业时长分别所对应的资源利用率的平均利用率；根据所述平均作业时长和所述平均利用率，通过所述资源利用率的联合密度函数确定第一常数的极大似然估计值和第二常数的极大似然估计值；根据所述第一常数的极大似然估计值和所述第二常数的极大似然估计值确定所述经验回归方程。可选地，所述方法还包括：获取所述资源利用率的真实值；根据所述资源利用率的真实值和所述资源利用率的预测值，对所述预测模型的预测精度进行检测。可选地，所述根据所述资源利用率的真实值和所述资源利用率的预测值，对所述预测模型的预测精度进行检测，包括：计算所述资源利用率的真实值和所述资源利用率的预测值之间的残差平方和；根据所述残差平方和对所述预测模型的预测精度进行检测。根据本申请的另一个方面，提供了一种集群资源利用率的预测装置，所述装置包括：监控模块，用于监控所述集群的资源使用情况；获取模块，用于根据所述资源使用情况，获取多个已执行任务量分别所对应的资源利用率；分析模块，用于根据所述多个已执行任务量及所述多个已执行任务量分别所对应的资源利用率进行回归分析，建立资源利用率的预测模型；预测模块，用于通过所述资源利用率的预测模型，对待执行任务量所需的资源利用率进行预测。根据本申请的另一个方面，提供了一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述任一实施例中所述的方法。根据本申请的另一个方面，提供了一种计算机可读存储介质，优选为非易失性可读存储介质，其内存储有计算机程序，所述计算机程序在由处理器执行时实现上述任一实施例中所述的方法。根据本申请的另一个方面，提供了一种计算机程序产品，包括计算机可读代码，当所述计算机可读代码由计算机设备执行时，导致所述计算机设备执行上述任一实施例中所述的方法。本申请提供的集群资源利用率的预测方法、装置、计算设备、存储介质及程序产品，由于通过监控所述集群的资源使用情况；根据所述资源使用情况，获取多个已执行任务量分别所对应的资源利用率；根据所述多个已执行任务量及所述多个已执行任务量分别所对应的资源利用率进行回归分析，建立资源利用率的预测模型；通过所述资源利用率的预测模型，对待执行任务量所需的资源利用率进行预测。因此基于预测的结果可以合理地进行任务调度，解决传统技术中计算平台的任务调度存在资源浪费且资源利用率较低的技术问题。根据下文结合附图对本申请的具体实施例的详细描述，本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。附图说明后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：图1为一个实施例中集群资源利用率的预测方法的流程示意图；图2为一个实施例中集群资源利用率的预测方法的流程示意图；图3a至3b为一个实施例中集群资源利用率的预测方法的流程示意图；图4为一个实施例中集群资源利用率的预测方法的流程示意图；图5为一个实施例中集群资源利用率的预测方法的流程示意图；图6为一个实施例中集群资源利用率的预测装置的结构框图；图7为一个实施例中计算机设备的结构图；图8为一个实施例中计算机可读存储介质的结构图。具体实施方式如
技术介绍
所述，为了向用户提供高性能的计算平台，可以在集群上部署若干高性能计算软件，包括化学、生物、材料、物理、工业仿真、流体计算、影视渲染等多个学科，以提供全方位、多层次的计算本文档来自技高网...

【技术保护点】
1.一种集群资源利用率的预测方法，其特征在于，所述方法包括：/n监控所述集群的资源使用情况；/n根据所述资源使用情况，获取多个已执行任务量分别所对应的资源利用率；/n根据所述多个已执行任务量及所述多个已执行任务量分别所对应的资源利用率进行回归分析，建立资源利用率的预测模型；/n通过所述资源利用率的预测模型，对待执行任务量所需的资源利用率进行预测。/n

【技术特征摘要】
1.一种集群资源利用率的预测方法，其特征在于，所述方法包括：
监控所述集群的资源使用情况；
根据所述资源使用情况，获取多个已执行任务量分别所对应的资源利用率；
根据所述多个已执行任务量及所述多个已执行任务量分别所对应的资源利用率进行回归分析，建立资源利用率的预测模型；
通过所述资源利用率的预测模型，对待执行任务量所需的资源利用率进行预测。


2.根据权利要求1所述的方法，其特征在于，所述已执行任务量包括已执行作业时长，所述待执行任务量包括待执行作业时长；所述根据所述资源使用情况，获取多个已执行任务量分别所对应的资源利用率，包括：
根据所述资源使用情况，获取多个已执行作业时长分别所对应的资源利用率；
所述根据所述多个已执行任务量及所述多个已执行任务量分别所对应的资源利用率进行回归分析，建立资源利用率的预测模型，包括：
根据所述多个已执行作业时长及所述多个已执行作业时长分别所对应的资源利用率进行回归分析，建立所述资源利用率的预测模型；
所述通过所述资源利用率的预测模型，对待执行任务量所需的资源利用率进行预测，包括：
将待执行作业时长输入所述资源利用率的预测模型，对所述待执行任务量所需的资源利用率进行预测。


3.根据权利要求2所述的方法，其特征在于，所述资源利用率包括CPU利用率和内存利用率；所述根据所述多个已执行作业时长及所述多个已执行作业时长分别所对应的资源利用率进行回归分析，建立所述资源利用率的预测模型，包括：
根据所述多个已执行作业时长及所述多个已执行作业时长分别所对应的CPU利用率进行回归分析，建立所述CPU利用率的预测模型；
根据所述多个已执行作业时长及所述多个已执行作业时长分别所对应的内存利用率进行回归分析，建立所述内存利用率的预测模型；
所述将待执行作业时长输入所述资源利用率的预测模型，对所述待执行任务量所需的资源利用率进行预测，包括：
将待执行作业时长输入所述CPU利用率的预测模型，对所述待执行任务量所需的CPU利用率进行预测；
将待执行作业时长输入所述内存利用率的预测模型，对所述待执行任务量所需的内存利用率进行预测。


4.根据权利要求2所述的方法，其特征在于，所述资源利用率的预测模型采用...

【专利技术属性】
技术研发人员：赵琉涛，
申请(专利权)人：北京北科融智云计算科技有限公司，
类型：发明
国别省市：北京;11