一种计算资源调度方法、装置及存储介质制造方法及图纸

本申请提供一种计算资源调度方法、装置及存储介质，该计算资源调度方法包括：从日志数据中提取云计算平台业务服务的关键指标，获取承载所述业务服务的性能数据，将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构造处理资源预测模型和业务支撑能力指标模型，根据当前云计算平台的关键指标和性能数据，使用处理资源预测模型和业务支撑能力指标模型对云计算平台的计算资源进行分配和调度，避免了依靠人工经验判断进行资源调度产生的资源浪费和调度误差，降低了人力成本，提高了对云计算平台的管理效率，实现了云计算平台资源的动态自动调度，改善了资源利用率和分配的准确度。准确度。准确度。

【技术实现步骤摘要】
一种计算资源调度方法、装置及存储介质


[0001]本申请涉及互联网
，尤其涉及一种计算资源调度方法、装置及存储介质。

技术介绍

[0002]随着互联网技术的发展，通过设置云计算平台进行资源管辖的应用需求越来越多，目前行业内缺乏对云计算平台的自动化的智能化的控制和管理手段，其采用的常规控制和管理方法是通过首先由用户提出对云计算平台资源分配和调度的工作需求、再经过系统对需求申请进行审批，最后凭借管理人员根据自身的工作经验对云计算平台的计算资源的进行分配和调度，这种计算资源的分配和调度方式成本高，且缺乏可靠的评估标准，容易因经验不足是判断失误造成计算资源的浪费，制约了云计算平台对资源的管理效率，阻碍了对云计算平台管理水平的提高。

技术实现思路

[0003]有鉴于此，本申请实施例解决的技术问题之一在于计算资源调度方法、装置及存储介质，在降低调度成本的同时，通过同一的评估调度标准，实时的对云计算平台的计算资源实现智能化的控制和管理，以提高云计算平台的资源利用率和调度精确度，改善云计算平台的管理水平。
[0004]第一方面，本申请提供一种计算资源调度方法，包括：
[0005]从日志数据中提取云计算平台业务服务的关键指标，获取承载所述业务服务性能数据；其中，所述关键指标包括：业务量、API接口调用频次、用户请求数中的至少一种指标数据，所述性能数据包括业务负载、处理器负载、内存负载、磁盘负载、网络IO负载中的至少一种性能数据；
[0006]将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构建处理资源预测模型和业务支撑能力指标模型；
[0007]根据当前所述云计算平台的关键指标和性能数据，使用所述处理资源预测模型和业务支撑能力指标模型对云计算平台的计算资源进行分配和调度。
[0008]可选地，在本申请的一种实施例中，从日志数据中提取业务服务关键指标，包括：
[0009]配置正则表达式；
[0010]通过所述配置的正则表达式，从所述日志数据中提取所述业务服务的关键指标。
[0011]可选地，在本申请的一种实施例中，将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构造处理资源预测模型和业务支撑能力指标模型，包括：
[0012]对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果；
[0013]将所述聚类分析结果作为样本数据，使用机器学习算法，构造所述处理资源预测模型和业务支撑能力模型。
[0014]可选地，在本申请的一种实施例中，所述对提取的关键指标和性能数据进行聚类
分析，获取各关键指标和性能数据的聚类分析结果，包括：
[0015]对提取的关键指标和性能数据进行数据预处理，对所述预处理后的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果；
[0016]其中，所述预处理包括归一化处理和/或降维处理。
[0017]可选地，在本申请的一种实施例中，对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果，包括：
[0018]使用DBSCAN算法、Birch算法或K
‑
means算法中的一种算法，对所述提起的关键指标和性能数据进行聚类分析，获取所述关键指标和性能数据的聚类分析结果。
[0019]第二方面，本申请还提供一种计算资源调度装置，包括：获取模块、构建模块和预测模块；
[0020]所述获取模块用于从日志数据中提取云计算平台业务服务的关键指标，获取承载所述业务服务性能数据；其中，所述关键指标包括：业务量、API接口调用频次、用户请求数中的至少一种指标数据，所述性能数据包括业务负载、处理器负载、内存负载、磁盘负载、网络IO负载中的至少一种性能数据；
[0021]所述构建模块用于将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构造处理资源预测模型和业务支撑能力指标模型；
[0022]所述预测模块用于根据当前云计算平台的关键指标和性能数据，使用所述处理资源预测模型和业务支撑能力指标模型对云计算平台的计算资源进行分配和调度可选地，在本申请的一种实施例中，所述提取模块还用于配置正则表达式，通过所述配置的正则表达式，从所述日志数据中提取所述业务服务的关键指标。
[0023]可选地，在本申请的一种实施例中，所述构建模块还用于对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果，将所述聚类分析结果作为样本数据，使用机器学习算法，构造所述处理资源预测模型和业务支撑能力模型。
[0024]可选地，在本申请的一种实施例中，所述构建模块还包括预处理子模块；
[0025]所述预处理子模块用于对提取的关键指标和性能数据进行数据预处理，对所述预处理后的关键指标和性能数据进行聚类分析，获取所述关键指标和性能数据的聚类分析结果；
[0026]其中，所述预处理包括归一化处理和/或降维处理。
[0027]第三方面，本申请还提供一种存储介质，所述存储介质上存储有计算机程序，所述处理器执行所述存储介质上存储的计算机程序时，实现如本申请第一方面说书的任意一种计算资源调度方法。
[0028]本申请提供一种计算资源调度方法、装置及存储介质，所述计算资源调度方法包括：从日志数据中提取云计算平台业务服务的关键指标，获取承载所述业务服务的性能数据，所述关键指标包括业务量、API接口调用频次、用户请求数中的至少一种指标数据，性能数据包括业务负载、处理器负载、内存负载、磁盘负载、网络IO负载中的至少一种，将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构造处理资源预测模型和业务支撑能力指标模型，根据当前云计算平台的关键指标和性能数据，使用处理资源预测模型和业务支撑能力指标模型对云计算平台的计算资源进行分配和调度，通过本申请实施例提供的计算资源调度方法，基于日志数据中记录的业务服务的关键指标承载业务服务的性能数
据，通过机器学习算法进行数据学习和分析，构造处理资源预测模型和业务支撑能力指标模型，对云计算平台的计算资源进行调度，减少了依靠人工经验判断进行云平台计算资源调度产生的浪费，降低了人力成本，改善了管理效率，实现了云计算平台资源的动态自动调度，提高了资源利用率和分配的准确度。
附图说明
[0029]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实施例的一些具体实施例。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值绘制的。附图中：
[0030]图1为本申请实施例提供的一种计算资源调度方法的流程图；
[0031]图2为本申请实施例提供的一种计算资源调度装置的结构示意图。
具体实施方式
[0032]为了使本领域的人员更好地理解本申请实施例中的技术方案，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，所描述的实施例仅是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算资源调度方法，其特征在于，包括：从日志数据中提取云计算平台业务服务的关键指标，获取承载所述业务服务性能数据；其中，所述关键指标包括：业务量、API接口调用频次、用户请求数中的至少一种指标数据，所述性能数据包括：业务负载、处理器负载、内存负载、磁盘负载、网络IO负载中的至少一种性能数据；将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构建处理资源预测模型和业务支撑能力指标模型；根据当前所述云计算平台的关键指标和性能数据，使用所述处理资源预测模型和业务支撑能力指标模型对云计算平台的计算资源进行分配和调度。2.根据权利要求1所述的计算资源调度方法，其特征在于，从日志数据中提取业务服务关键指标，包括：配置正则表达式；通过所述配置的正则表达式，从所述日志数据中提取所述业务服务的关键指标。3.根据权利要求1所述的计算资源调度方法，其特征在于，将提取的关键指标和性能数据作为样本数据，通过机器学习算法，构造处理资源预测模型和业务支撑能力指标模型，包括：对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果；将所述聚类分析结果作为样本数据，使用机器学习算法，构造所述处理资源预测模型和业务支撑能力模型。4.根据权利要求3所述的计算资源调度方法，其特征在于，所述对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果，包括：对提取的关键指标和性能数据进行数据归一化处理和/或降维处理，对所述预处理后的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果。5.根据权利要求3所述的计算资源调度方法，其特征在于，对提取的关键指标和性能数据进行聚类分析，获取各关键指标和性能数据的聚类分析结果，包括：使用DBSCAN算法、Birch算法或K
‑
means算法中的一...

【专利技术属性】
技术研发人员：焦颉，韩瑞萍，郭延军，张励，陈学英，刘斌，文彦杰，刘宝丽，杨毛勇，何颖，任彦辉，芦睿珩，李学兰，唐俊，闫文贵，刘凯敏，
申请(专利权)人：中国电信股份有限公司甘肃分公司，
类型：发明
国别省市：