基于虚拟化平台的资源编排方法技术

本发明专利技术公开基于虚拟化平台的资源编排方法

【技术实现步骤摘要】
基于虚拟化平台的资源编排方法、系统、设备和存储介质


[0001]本专利技术涉及资源配置和调度领域，具体涉及一种基于虚拟化平台的资源编排方法
、
系统
、
设备和存储介质
。

技术介绍

[0002]资源编排优化技术是一种用于实现资源的最优化配置和调度的技术，旨在通过合理地组织和分配资源，实现高效率
、
低成本
、
高质量的工作流程
。
资源编排优化技术的背景可以追溯到
20
世纪初期的工业生产，当时的工厂需要在有限的资源条件下提高生产效率和质量，因此出现了生产排程技术和物料需求计划技术
。
这些技术主要基于数学模型和算法进行资源分配和调度，通过精细的计划和控制实现生产的优化
。
[0003]随着信息技术的发展和应用，资源编排优化技术得到了进一步的拓展和深化
。
在计算机科学领域，资源编排优化技术被广泛应用于分布式系统
、
云计算
、
物联网等领域，帮助企业实现资源共享和利用
。
同时，基于人工智能
、
机器学习等技术的资源编排算法不断涌现，能够更加智能化地处理资源调度和优化问题
。
[0004]在实际应用中，资源编排优化技术能够提高企业的生产效率和质量，降低成本和风险，推动企业数字化和智能化转型
。
例如，在物流配送领域，资源编排优化技术能够优化运输路径和运力分配，提高送货效率和满意度
。
在医疗领域，资源编排优化技术能够优化医院的病床安排和医疗资源分配，提高患者的治疗效果和满意度
。
[0005]资源编排优化技术是一种重要的技术手段，它在工业生产
、
计算机科学
、
物流配送
、
医疗等领域都有广泛应用和发展空间，对企业的发展和社会的进步具有重要意义
。
[0006]资源编排优化技术存在一些缺陷和不足，例如在复杂环境下难以精准地预测资源需求和生产情况
、
难以处理资源之间的冲突和依赖关系
、
无法适应实时变化的需求等
。
此外，资源编排算法还存在运算复杂度高
、
计算量大等问题
。

技术实现思路

[0007]本专利技术针对现有技术中的不足，提供一种基于虚拟化平台的资源编排方法
、
系统
、
设备和存储介质
。
[0008]为实现上述目的，本专利技术采用以下技术方案：
[0009]一种基于虚拟化平台的资源编排方法，包括：
[0010]将用户对资源的需求量划分为模糊集合，包括高需求
、
中等需求和低需求；将资源状态划分为模糊集合，包括忙碌
、
正常和空闲；使用隶属函数计算高需求
、
中等需求和低需求的隶属度，使用隶属函数计算忙碌
、
正常
、
空闲状态的隶属度；
[0011]构建模糊规则库来描述资源分配的决策规则，所述决策规则为根据需求量的隶属度和资源状态的隶属度来决策将资源分配给用户的量；将用户需求和资源状态抽象为图的节点，根据用户需求和资源状态之间的关系建立连接节点的边，形成有向图模型；节点表示不同程度的需求和资源状态，边表示资源分配的规则和约束；根据具体的优化目标建立目
标函数和约束条件，求解优化问题确定最佳的资源分配路径；
[0012]监控资源的使用情况和用户的反馈信息，根据实时用户需求和资源状态变化，重新计算最佳资源分配比例，并动态调整资源分配情况
。
[0013]为优化上述技术方案，采取的具体措施还包括：
[0014]进一步地，所述根据需求量的隶属度和资源状态的隶属度来决策将资源分配给用户的量具体为：
[0015]通过模糊逻辑来决策资源分配给用户的量，将用户需求量的隶属度和资源状态的隶属度相乘得到资源分配量：
[0016]资源分配量＝
μ
_demand(x)
×
μ
_status(y)
[0017]式中，
x
表示用户需求量，
y
表示资源状态，
μ
_demand(x)
表示用户需求量的隶属度，
μ
_status(y)
表示资源状态的隶属度；
[0018]将用户需求量的隶属度函数
μ
_demand(x)
和资源状态的隶属度函数
μ
_status(y)
选择为三角形隶属度函数；
[0019]用户需求量的隶属度函数
μ
_demand(x)
具体为：
[0020]当
0<
＝
x<
＝
10
时，表示低需求，
μ
_demand(x)
＝1‑
0.1x
；
[0021]当
10<
＝
x<
＝
30
时，表示中等需求，
μ
_demand(x)
＝
0.1x
‑1；
[0022]当
x>30
；表示高需求，
μ
_demand(x)
＝0；
[0023]资源状态的隶属度函数
μ
_status(y)
具体为：
[0024]当
0<
＝
y<
＝
10
，表示空闲，
μ
_status(y)
＝1‑
0.01y
，
[0025]当
10<
＝
y<
＝
100
，表示正常，
μ
_status(y)
＝
0.01y
‑1，
[0026]当
y>100
，表示忙碌，
μ
_status(y)
＝
0。
[0027]进一步地，所述将用户需求和资源状态抽象为图的节点，根据用户需求和资源状态之间的关系建立连接节点的边，形成有向图模型具体为：
[0028]令
G(V,E)
为一个有向图，其中
V
表示云平台中的资源集合，
E
表示资源之间的依赖关系，对于每条有向边
e∈E
，表示资源之间的依赖关系，若
e
＝
(u,v)
，则资源
u
依赖于资本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于虚拟化平台的资源编排方法，其特征在于，包括：将用户对资源的需求量划分为模糊集合，包括高需求
、
中等需求和低需求；将资源状态划分为模糊集合，包括忙碌
、
正常和空闲；使用隶属函数计算高需求
、
中等需求和低需求的隶属度，使用隶属函数计算忙碌
、
正常
、
空闲状态的隶属度；构建模糊规则库来描述资源分配的决策规则，所述决策规则为根据需求量的隶属度和资源状态的隶属度来决策将资源分配给用户的量；将用户需求和资源状态抽象为图的节点，根据用户需求和资源状态之间的关系建立连接节点的边，形成有向图模型；节点表示不同程度的需求和资源状态，边表示资源分配的规则和约束；根据具体的优化目标建立目标函数和约束条件，求解优化问题确定最佳的资源分配路径；监控资源的使用情况和用户的反馈信息，根据实时用户需求和资源状态变化，重新计算最佳资源分配比例，并动态调整资源分配情况
。2.
如权利要求1所述的基于虚拟化平台的资源编排方法，其特征在于，所述根据需求量的隶属度和资源状态的隶属度来决策将资源分配给用户的量具体为：通过模糊逻辑来决策资源分配给用户的量，将用户需求量的隶属度和资源状态的隶属度相乘得到资源分配量：资源分配量＝
μ
_demand(x)
×
μ
_status(y)
式中，
x
表示用户需求量，
y
表示资源状态，
μ
_demand(x)
表示用户需求量的隶属度，
μ
_status(y)
表示资源状态的隶属度；将用户需求量的隶属度函数
μ
_demand(x)
和资源状态的隶属度函数
μ
_status(y)
选择为三角形隶属度函数；用户需求量的隶属度函数
μ
_demand(x)
具体为：当0＜＝
x
＜＝
10
时，表示低需求，
μ
_demand(x)
＝1‑
0.1x
；当
10
＜＝
x
＜＝
30
时，表示中等需求，
μ
_demand(x)
＝
0.1x
‑1；当
x
＞
30
；表示高需求，
μ
_demand(x)
＝0；资源状态的隶属度函数
μ
_status(y)
具体为：当0＜＝
y
＜＝
10
，表示空闲，
μ
_status(y)
＝1‑
0.01y
，当
10
＜＝
y
＜＝
100
，表示正常，
μ
_status(y)
＝
0.01y
‑1，当
y
＞
100
，表示忙碌，
μ
_status(y)
＝
0。3.
如权利要求1所述的基于虚拟化平台的资源编排方法，其特征在于，所述将用户需求和资源状态抽象为图的节点，根据用户需求和资源状态之间的关系建立连接节点的边，形成有向图模型具体为：令
G(V
，
E)
为一个有向图，其中
V
表示云平台中的资源集合，
E
表示资源之间的依赖关系，对于每条有向边
e∈E
，表示资源之间的依赖关系，若
e
＝
(u
，
v)
，则资源
u
依赖于资源
v
；令
W
：
E
‑
＞
R+
为一个权重函数，用于表示资源之间的依赖程度，对于每条有向边
e∈E
，其权重
W(e)
表示从资源
u
到资源
v
的依赖强度；令
R
：
V
‑
＞
R+
为一个资源需求函数，用于表示每个资源的需求量，对于每个资源
v∈V
，其需求量为
R(v)。4.
如权利要求3所述的基于虚拟化平台的资源编排方法，其特征在于，所述优化目标为最小化资源的冲突和调度成本，同时最大化系统的稳定性和安全性；
定义目标函数如下：
minimize
：
∑(R(u)*R(v)*W((u
，
v...

【专利技术属性】
技术研发人员：张磊，段俊，陈兴斌，徐畅，刘畅，刘变红，
申请(专利权)人：中电信数智科技有限公司，
类型：发明
国别省市：