CN102004671B - 一种云计算环境下数据中心基于统计模型的资源管理方法 - Google Patents

一种云计算环境下数据中心基于统计模型的资源管理方法 Download PDF

Info

Publication number
CN102004671B
CN102004671B CN 201010543864 CN201010543864A CN102004671B CN 102004671 B CN102004671 B CN 102004671B CN 201010543864 CN201010543864 CN 201010543864 CN 201010543864 A CN201010543864 A CN 201010543864A CN 102004671 B CN102004671 B CN 102004671B
Authority
CN
China
Prior art keywords
resource
data
data center
cloud computing
application program
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.)
Expired - Fee Related
Application number
CN 201010543864
Other languages
English (en)
Other versions
CN102004671A (zh
Inventor
祝明发
王海燕
张振中
肖利民
阮利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Junesh Information Technology Co Ltd
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN 201010543864 priority Critical patent/CN102004671B/zh
Publication of CN102004671A publication Critical patent/CN102004671A/zh
Application granted granted Critical
Publication of CN102004671B publication Critical patent/CN102004671B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Debugging And Monitoring (AREA)

Abstract

本发明一种云计算环境下数据中心基于统计的资源管理方法机群，该方法有四大步骤：步骤一：收集工作负载、应用程序性能及资源使用状况信息；步骤二：输入模型，使用统计分析方法KCCA及远距离相关算法进行模型分析；步骤三：根据当前环境对工作模式进行分类，根据控制参数对资源分配进行调整；步骤四：根据控制器输出调整资源分配，同时更新资源状态。本发明首先考虑云计算环境下新型数据中心工作负载不断变化的特性，根据用户需求及资源使用情况对数据中心资源进行实时监控及弹性管理，以保证在系统性能不受影响的情况下整体资源消耗达到最小。它在云计算数据中心弹性资源管理技术领域里具有广泛地实用价值和应用前景。

Description

一种云计算环境下数据中心基于统计模型的资源管理方法
(一)技术领域
本发明涉及一种云计算环境下新型数据中心采用统计学习模型及机器学习的资源管理方法，尤其涉及一种云计算环境下数据中心基于统计模型的资源管理方法，它在线管理负载及资源分配方面，提升系统性能，属于云计算弹性资源管理领域。
(二)背景技术
目前，随着网络应用的飞速发展使得对计算能力的需求不断增加，现有的数据中心服务器数量不断增加，如何管理庞大的服务器集群成为大家关注的焦点。随着云计算的流行，越来越多的网络(Web)服务和商业应用被部署到云计算环境中，对于云计算数据中心中海量的服务器，如何有效管理云计算数据中心的资源，提升资源利用率同时使用成本达到最低成为当前云计算领域研究的热点。
除了从使用基准测试程序(benchmark)进行实验仿真外，通过建立资源及性能间的关系模型并通过模型对资源进行管理是目前常用的方法之一，即利用小型benchmark或部分服务器收集到的数据进行统计分析以此来衡量资源及性能间的关系，来对数据中心资源进行管理。这种方式下收集到的数据并不能代表生产运行环境中的整体数据，同时无法处理云计算环境下不断变化的工作负载。此方式对资源的管理不灵活，不能根据数据中心用户的实际需求，对资源及性能进行动态调整，有可能会在发生工作负载激增的情况下，系统性能大幅度下降。
如果采用动态控制技术，通过在线收集策略及统计模型，根据工作负载的变化自动对资源进行管理分配，可以避免上述静态管理所带来的缺点，并且可以是使系统满足弹性资源管理的需求，在云计算新型数据中心领域具有很重要的意义。
(三)发明内容
1、目的：有鉴于此，本发明的目的是提供一种云计算环境下数据中心基于统计模型的资源管理方法，它首先收集应用程序性能参数及资源使用状况，在满足资源需求及性能SLA的情况下对数据中心应用程序性能进行动态控制，从而达到使用最少的资源达到最大的性能这样一个目标。
为实现上述目的，本发明提出了云计算新型数据中心弹性资源管理实施方法，数据中心结构如图1所示。包括：主控节点通过网络适配器与数据网络互联，监控及控制多个节点及虚拟机，主控制器负责对下游借点控制器进行统一调配管理，包括添加、删除及迁移控制系统的任何数量的可读数据的物理驱动器和存储介质等操作，管理模型负责对收集到的负载及资源使用信息进行分析处理，然后交由控制器进行控制。计算节点包含任意数量的虚拟机，每一个节点内部包含一个节点控制器负责节点内部的虚拟机资源控制，资源驱动器负责资源的分配管理，多个包含应用程序资源使用监控器及性能监控器在内的虚拟机以及虚拟机监控器。
2、技术方案：为达到上述目的，本发明的技术方案是这样的：
如图2所示，一种云计算环境下数据中心基于统计模型的资源管理方法，它采用实时负载及资源监控方式，通过统计模型分析处理监控数据，生成理想分配数据，通过控制器结合实际情况进行处理，输出实际分配数据指导系统资源分配，其特征在于：该方法包括以下步骤：
步骤一：动态收集应用程序负载信息及数据中心资源使用信息；
步骤二：将收集到的信息作为输入数据输入至统计模型，主体采用KCCA算法及远
距离相关算法对数据进行分析及预测，按照输出调整资源分配；
步骤三：根据模型控制器中设计的四种工作模式，定义及调整控制参数，使用机器学习的方法调整资源分配数量以满足SLA；
步骤四：输出分析数据，指导系统进行资源分配，同时更新数据。
其中，步骤一所述的应用程序负载信息主要是每秒请求数，即在当前时段使用该应用程序的个数；根据不同的应用程序所需资源的不同，还需要收集CPU、I/O及内存的资源使用信息，根据使用状况及剩余资源评估虚拟机的最大容量，以满足应用程序性能需求，避免因资源分配时超过虚拟机最大容量而导致的性能下降，应用程序负载信息及数据中心资源使用信息的收集周期以0.8秒～1.2秒之间为最佳。
其中，步骤二所述的KCCA算法具有处理非线性数据的良好性能，主要根据输入数据预测未来5分钟内的负载状况，考虑节点位置、资源使用状况生成应用程序性能及资源模型，进一步计算出理想的资源分配情况，远距离相关算法通过相关参数计算应用程序资源需求间的相关程度，选取最小相关系数，保证分配的资源具有最小相关性，避免资源冲突，实现资源弹性有效供给，统计模型中的数据分析算法由管理员根据系统实际情况做相应的调整。
其中，步骤三所述的工作模式是根据现有的Web应用程序负载变化规律，分为昼夜模式、工作日/周末模式、重大假日模式及用户自主模式四种模式；控制器反映了被控变量即当前测量输出的性能参数和被处理变量即过去和当前的参考输入，分配的各种资源之间的动态关系；不同的工作模式下所需要的应用程序负载信息及数据中心资源使用信息的收集周期以及由于控制器震荡所引起的控制参数都会有所不同，从而优化虚拟资源和应用服务之间的映射关系，满足应用服务的应用服务级别目标SLO；上述工作模式由管理员根据系统实际情况做相应的调整。
其中，步骤四所述的分析数据是指通过统计模型及控制器策略后所得到的资源分配数据；该数据通过统计模型分析后加入控制参数，结合当前的实际情况进行分析，避免因系统情况估计不足所引发的资源冲突或有些应用无法获得足够的资源这种情况的发生，资源分配完成之后，更新剩余资源数据，实现一轮资源分配流程。
3、优点及功效：本发明一种云计算环境下数据中心基于统计模型的资源管理方法，它与现有技术比，其主要优点是：(1)提升原有的数据中心资源供应效率，节省开销。原有的数据中心为避免违反服务水平协议(SLA)而向用户支付赔偿金而采取过量供应机制，为数据中心带来很大的开销。本方法根据数据中心应用负载及性能进行动态调整，通过控制理论进一步保证了资源分配的准确性，确保了应用程序的性能去求；(2)将统计机器学习方法和控制理论到虚拟化计算系统的资源管理中，构建新的架构、模型和方法以解决计算资源针对应用负载和系统环境变化的自适应问题。(3)提出了控制器的典型控制模式，针对不同的模式使用不同的控制调节参数，实现使用最少的资源达到最优的性能这一目的。
(四)附图说明
图1本发明的云计算环境下新型数据中心结构模型示意图
图2基于统计机器学习的模型结构示意图
图3基于模型的资源管理流程示意图
图4控制器控制资源分配示意图
图5根据系统负载、性能及资源使用状况进行动态资源分配的流程示意图
图6统计模型分析模块示意图
其中图4中符号说明如下：
参考输入(x)：代表分配给虚拟机的资源，如CPU、内存、网络I/O等
测量输出(y)：代表系统希望达到的性能参数，如吞吐量、响应时间等SLA中所规定的参数指标
控制误差(e)：是控制精度(准确度)的一种度量，是控制系统的稳态性能指标。它依赖于参考输入(x)和测量输出(y)
滞后参数(α，β)：用来决定系统增加或删除资源的速度，其具体数值同上述四种模式相关，α值越大，表明添加资源的速度越快；β值越大，表明移除资源的速度越快。
(五)具体实施方式
为使本发明的目的、技术方案和优点表达得更加清楚明白，下面结合附图及具体实施例对本发明再作进一步详细的说明。
本发明在硬件条件方面，要求各结点同时支持共享存储。在软件条件方面，若操作系统采用的是Linux，要求其内核版本在2.6.18以上，以避免低版本内核在电源管理方面的缺陷。
本发明所需满足的设备条件见图1，该数据中心基础架构包括：主控节点通过网络适配器与数据网络互联，监控及控制多个节点及节点中的多个虚拟机，主控制器负责对下游节点控制器进行统一调配管理，包括添加、删除及迁移控制系统的任何数量的可读数据的物理驱动器和存储介质等操作，管理模型负责对收集到的负载及资源使用信息进行分析处理，然后交由控制器进行控制。计算节点包含任意数量的虚拟机，每一个虚拟机上安装一种应用程序(例如Web2.0)，每一个节点内部包含一个节点控制器负责节点内部的虚拟机资源控制，资源驱动器负责资源的分配管理，多个包含应用程序资源使用监控器及性能监控器在内的虚拟机以及虚拟机监控器。
基于统计的资源管理模型见图2，本发明采用实时负载及资源监控方式，通过统计模型分析处理监控数据，生成理想分配数据，通过控制器结合实际情况进行处理，输出实际分配数据指导系统资源分配，以保证在使用较少的资源情况下实现系统最大的性能，同时节省系统开销。
数据中心收集到的信息包括：数据中心相应的应用程序负载信息，以每秒请求数为例，分析用户对于该应用程序的需求；收集用户服务水平协议SLA中所涉及到的用户需求指标，如吞吐率及响应时间等，以此作为系统性能衡量指标；数据中心资源使用情况，如CPU使用率、I/O及网络带宽等数据，用来衡量系统使用状况及系统整体容量。需要实时收集上述信息，及时更新数据，保证数据中心服务质量。
下面以一实例进行说明，如图5所示，包括以下步骤：
步骤501：实时收集应用程序负载、性能及资源使用信息系统。同时记录所获取的信息，更新周期设为1.0秒。
步骤502：将上述步骤所收集到的信息作为输入，输入到统计模型模块中进行分析，主要分析应用程序负载、性能及资源使用间的关系，将其输出作为步骤503的输入。具体如图6统计模型分析模块所示。
步骤503：控制器模式分析。根据用户所需要的虚拟机资源，如CPU、内存等，利用上述统计模型给出的资源分配方案，考虑外界环境对系统产生的干扰(如系统的管理和维护需求)，根据当前分析的工作模式，采取不同的控制模式。在不同的模式下，控制器滞后参数是不同的，例如在重大假日模式中，设置α＝0.9可以对系统异常等进行快速反应，快速加入资源，β＝0.01保证系统在需要移除资源时可以更为保守的估计，不需要快速反应。该组参数适用于需要快速反应的模式。在其他模式下，适当调整该组参数，使其系统对工作负载的变化反应满足用户需求同时不需要消耗过多的资源。
步骤504：根据控制器输出的参数控制资源的分配。首先由主控制器分配任务给节点控制器，节点控制器根据具体应用需求分配满足要求的虚拟机。
其中统计模型分析模块流程如图6所示，包括以下步骤：
步骤601：在系统运行中，根据图5步骤501所收集到的信息，实时监控系统参数生成的曲线，观察曲线是否有突变点或不符合拟合曲线的异常值出现。若存在，则说明当前数据中心该应用出现尖峰时刻，则应采取步骤602进行处理；若不存在，则说明系统运行稳定，则进行步骤603。
步骤602：系统曲线出现异常值点，证明系统所需资源需要进行较大的变动。此时需要快速对系统资源使用状况进行分析，当系统资源达到最大容量时是否可以满足资源需求。因为是异常值点，当前所获参数不能代表整体的负载、性能及资源间的关系模型，但如果不及时处理的话会对系统的性能有很大的影响，所以需要及时对异常值点进行分析处理。若系统资源池资源满足当前需求，则直接交给控制器进行处理，快速解决当前异常值点；若当前系统资源达到最大容量时也无法满足应用程序性能需求，需要及时采取虚拟化技术，如虚拟机迁移等快速加入资源，满足用户资源需求。即按需供应，节省系统资源开销。将加入的资源放入系统资源池，通过控制器统一控制。
步骤603：使用简单的线性回归模型预测下一个5分钟的工作负载，即每秒应用程序请求数。简单的线性回归模型可以有效的捕捉工作负载随时间变化规律，即使是更为复杂的历史数据也可以很容易的归纳预测其负载。
步骤604：预测的工作负载作为模型的输入来评估现有的工作量所需的资源需求及系统可以达到的性能。许多复杂的因素都会影响应用程序的性能，例如混合负载、应用程序代码的改变等等，采用KCCA算法及远距离相关算法实现多元统计分析建模，同时分析多个影响因素对系统性能带来的影响，实时调整模型参数，生成理想资源分配数据。最后，将其输出作为图5步骤503的输入，跳转到控制器模式分析。
图3是本发明基于模型的资源管理流程示意图；图4是控制器控制资源分配示意图。
本实例中查看资源使用及工作负载等参数并进行相应的参数更新时在资源分配过程中依据资源采集周期循环执行的。采用上述弹性资源管理方法可以做到尽量保证在任何时刻系统使用较少的资源达到最大的性能，以满足用户的需求。
最后所应说明的是：以上实施例仅用以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种云计算环境下数据中心基于统计模型的资源管理方法，它采用实时负载及资源监控方式，通过统计模型分析处理监控数据，生成理想分配数据，通过控制器结合实际情况进行处理，输出实际分配数据指导系统资源分配，其特征在于：该方法包括以下步骤：
步骤一：动态收集应用程序负载信息及数据中心资源使用信息；
步骤二：将收集到的信息作为输入数据输入至统计模型，主体采用KCCA
算法及远距离相关算法对数据进行分析及预测，按照输出调整资源分配；
步骤三：根据模型控制器中设计的四种工作模式，定义及调整控制参数，
使用机器学习的方法调整资源分配数量以满足SLA；
步骤四：输出分析数据，指导系统进行资源分配，同时更新数据。
2.根据权利要求1所述的一种云计算环境下数据中心基于统计模型的资源管理方法，其特征在于：步骤一所述的应用程序负载信息主要是每秒请求数，即在当前时段使用该应用程序的个数；根据不同的应用程序所需资源的不同，还需要收集CPU、I/O及内存的资源使用信息，根据使用状况及剩余资源评估虚拟机的最大容量，以满足应用程序性能需求，避免因资源分配时超过虚拟机最大容量而导致的性能下降，应用程序负载信息及数据中心资源使用信息的收集周期以0.8秒～1.2秒之间为最佳。
3.根据权利要求1所述的一种云计算环境下数据中心基于统计模型的资源管理方法，其特征在于：步骤二所述的KCCA算法具有处理非线性数据的良好性能，主要根据输入数据预测未来5分钟内的负载状况，考虑节点位置、资源使用状况生成应用程序性能及资源模型，进一步计算出理想的资源分配情况，远距离相关算法通过相关参数计算应用程序资源需求间的相关程度，选取最小相关系数，保证分配的资源具有最小相关性，避免资源冲突，实现资源弹性有效供给，统计模型中的数据分析算法由管理员根据系统实际情况做相应的调整。
4.根据权利要求1所述的一种云计算环境下数据中心基于统计模型的资源管理方法，其特征在于：步骤三所述的工作模式是根据现有的Web应用程序负载变化规律，分为昼夜模式、工作日/周末模式、重大假日模式及用户自主模式四种模式；控制器反映了被控变量即当前测量输出的性能参数和被处理变量即过去和当前的参考输入，分配的各种资源之间的动态关系；不同的工作模式下所需要的应用程序负载信息及数据中心资源使用信息的收集周期以及由于控制器震荡所引起的控制参数都会有所不同，从而优化虚拟资源和应用服务之间的映射关系，满足应用服务的应用服务级别目标SLO；上述工作模式由管理员根据系统实际情况做相应的调整。
5.根据权利要求1所述的一种云计算环境下数据中心基于统计模型的资源管理方法，其特征在于：步骤四所述的分析数据是指通过统计模型及控制器策略后所得到的资源分配数据；该数据通过统计模型分析后加入控制参数，结合当前的实际情况进行分析，避免因系统情况估计不足所引发的资源冲突或有些应用无法获得足够的资源这种情况的发生，资源分配完成之后，更新剩余资源数据，实现一轮资源分配流程。
CN 201010543864 2010-11-15 2010-11-15 一种云计算环境下数据中心基于统计模型的资源管理方法 Expired - Fee Related CN102004671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010543864 CN102004671B (zh) 2010-11-15 2010-11-15 一种云计算环境下数据中心基于统计模型的资源管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010543864 CN102004671B (zh) 2010-11-15 2010-11-15 一种云计算环境下数据中心基于统计模型的资源管理方法

Publications (2)

Publication Number Publication Date
CN102004671A CN102004671A (zh) 2011-04-06
CN102004671B true CN102004671B (zh) 2013-03-13

Family

ID=43812049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010543864 Expired - Fee Related CN102004671B (zh) 2010-11-15 2010-11-15 一种云计算环境下数据中心基于统计模型的资源管理方法

Country Status (1)

Country Link
CN (1) CN102004671B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10084665B1 (en) 2017-07-25 2018-09-25 Cisco Technology, Inc. Resource selection using quality prediction
US10091070B2 (en) 2016-06-01 2018-10-02 Cisco Technology, Inc. System and method of using a machine learning algorithm to meet SLA requirements
US11892933B2 (en) 2018-11-28 2024-02-06 Oracle International Corporation Predicting application performance from resource statistics
US12050714B2 (en) 2018-06-07 2024-07-30 Cisco Technology, Inc. Hybrid cognitive system for AI/ML data privacy

Families Citing this family (89)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102164184A (zh) * 2011-04-22 2011-08-24 广州杰赛科技股份有限公司 云计算网络中计算机实体的接入和管理方法及云计算网络
CN102170474A (zh) * 2011-04-22 2011-08-31 广州杰赛科技股份有限公司 一种云计算网络中虚拟资源动态调度方法及系统
US20130019015A1 (en) * 2011-07-12 2013-01-17 International Business Machines Corporation Application Resource Manager over a Cloud
CN102958166B (zh) 2011-08-29 2017-07-21 华为技术有限公司 一种资源分配方法及资源管理平台
CN102331948A (zh) * 2011-09-01 2012-01-25 杭州湾云计算技术有限公司 一种基于资源状态的虚拟机结构调整方法和调整系统
CN102279771B (zh) * 2011-09-02 2013-07-10 北京航空航天大学 一种虚拟化环境中自适应按需资源分配的方法及系统
US8612599B2 (en) * 2011-09-07 2013-12-17 Accenture Global Services Limited Cloud service monitoring system
CN103024825B (zh) * 2011-09-26 2015-07-01 中国移动通信集团公司 终端多应用间网络资源分配方法及其设备
US8826277B2 (en) * 2011-11-29 2014-09-02 International Business Machines Corporation Cloud provisioning accelerator
CN102420869A (zh) * 2011-12-02 2012-04-18 浪潮集团有限公司 一种云数据中心安全监控方法
CN103178990A (zh) * 2011-12-20 2013-06-26 中国移动通信集团青海有限公司 一种网络设备性能监控方法及网络管理系统
CN102902344A (zh) * 2011-12-23 2013-01-30 同济大学 基于随机任务的云计算系统能耗优化方法
CN102520785B (zh) * 2011-12-27 2015-04-15 东软集团股份有限公司 一种云数据中心能耗管理方法及系统
CN102521715B (zh) * 2011-12-29 2016-04-13 上海华东电脑股份有限公司 一种控制应用系统资源分配的方法及系统
US8756609B2 (en) * 2011-12-30 2014-06-17 International Business Machines Corporation Dynamically scaling multi-tier applications vertically and horizontally in a cloud environment
CN102567080B (zh) * 2012-01-04 2015-03-04 北京航空航天大学 一种云计算环境中的面向负载均衡的虚拟机择位系统
US8732291B2 (en) * 2012-01-13 2014-05-20 Accenture Global Services Limited Performance interference model for managing consolidated workloads in QOS-aware clouds
US9509632B2 (en) 2012-04-25 2016-11-29 Empire Technology Development Llc Workload prediction for network-based computing
CN102724298A (zh) * 2012-05-25 2012-10-10 清华大学 一种云环境下存储参数的配置方法
US9635134B2 (en) * 2012-07-03 2017-04-25 Empire Technology Development Llc Resource management in a cloud computing environment
US8887056B2 (en) * 2012-08-07 2014-11-11 Advanced Micro Devices, Inc. System and method for configuring cloud computing systems
CN103577268B (zh) * 2012-08-07 2016-12-21 复旦大学 基于应用负载的自适应资源供应方法
CN102917031A (zh) * 2012-09-25 2013-02-06 浙江图讯科技有限公司 一种用于面向工矿企业的安全生产云服务平台的数据计算系统
CN102930394B (zh) * 2012-10-26 2016-12-21 安徽科大讯飞信息科技股份有限公司 一种教学设备与资源的监测方法及装置
JP2016505934A (ja) * 2012-12-07 2016-02-25 ヒューレット−パッカード デベロップメント カンパニー エル．ピー．Ｈｅｗｌｅｔｔ‐Ｐａｃｋａｒｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｃｏｍｐａｎｙ， Ｌ．Ｐ． ネットワークリソースの管理
CN103049309B (zh) * 2012-12-11 2017-09-29 华为技术有限公司 虚拟机的资源管理装置、方法和系统
CN103064744B (zh) * 2012-12-27 2016-06-29 北京仿真中心 一种基于SLA的面向多层Web应用的资源优化方法
CN103077079B (zh) * 2012-12-28 2016-06-08 华为技术有限公司 虚拟机迁移控制方法和装置
CN103092326A (zh) * 2013-01-25 2013-05-08 浪潮电子信息产业股份有限公司 一种基于时间的物理机节能方法
CN103078759B (zh) * 2013-01-25 2017-06-06 北京润通丰华科技有限公司 计算节点的管理方法及装置、系统
WO2014119719A1 (ja) * 2013-02-01 2014-08-07 日本電気株式会社 リソース制御システム、制御パターン生成装置、制御装置、リソース制御方法及びプログラム
CN104104551B (zh) * 2013-04-02 2018-03-23 中国移动通信集团公司 云资源需求评估方法及装置
CN103338241B (zh) * 2013-06-19 2016-08-10 合肥工业大学 一种新的公有云架构及其虚拟化资源自适应配置方法
CN103458055A (zh) * 2013-09-22 2013-12-18 广州中国科学院软件应用技术研究所 一种云计算平台
CN103544063B (zh) * 2013-09-30 2017-02-08 三星电子（中国）研发中心 应用于安卓平台的进程清除方法和装置
CN103559089B (zh) * 2013-10-30 2016-06-08 南京邮电大学 一种基于服务等级协议约束的虚拟机需求预测实现方法
CN103685563A (zh) * 2013-12-31 2014-03-26 湖南师范大学 一种基于移动通信网络的云计算系统及其资源管理方法
CN103763130B (zh) * 2013-12-31 2018-06-19 华为数字技术（苏州）有限公司 大规模集群的管理方法、装置和系统
WO2015130643A1 (en) * 2014-02-28 2015-09-03 Intel Corporation Technologies for cloud data center analytics
CN103986669B (zh) * 2014-05-07 2017-04-19 华东师范大学 一种云计算中资源分配策略的评估方法
US10027536B2 (en) * 2014-06-25 2018-07-17 Futurewei Technologies, Inc. System and method for affinity-based network configuration
US10091058B2 (en) 2014-11-10 2018-10-02 Futurewei Technologies, Inc. Method and apparatus for model-driven, affinity-based, network functions
CN105991667B (zh) * 2015-01-27 2019-05-28 华为软件技术有限公司 修正资源预测误差的方法和装置
CN104793993B (zh) * 2015-04-24 2017-11-17 江南大学 基于Levy飞行的人工蜂群粒子群算法的云计算任务调度方法
CN105607948A (zh) * 2015-12-18 2016-05-25 国云科技股份有限公司 一种基于sla的虚拟机迁移预测方法
CN105763367A (zh) * 2016-02-02 2016-07-13 四川长虹电器股份有限公司 一种基于虚拟化的数据中心的能耗管理方法
EP3420454B1 (en) * 2016-02-22 2022-05-25 Synopsys, Inc. Techniques for self-tuning of computing systems
CN105871618B (zh) 2016-04-13 2019-05-24 上海交通大学 云调度器中应对不确定需求的多资源调度方法
US10454877B2 (en) 2016-04-29 2019-10-22 Cisco Technology, Inc. Interoperability between data plane learning endpoints and control plane learning endpoints in overlay networks
US20170357910A1 (en) * 2016-06-10 2017-12-14 Apple Inc. System for iteratively training an artificial intelligence using cloud-based metrics
CN109416636B (zh) * 2016-06-17 2023-05-26 惠普发展公司，有限责任合伙企业 共享的机器学习数据结构
US10334334B2 (en) * 2016-07-22 2019-06-25 Intel Corporation Storage sled and techniques for a data center
CN106293872A (zh) * 2016-07-27 2017-01-04 云南电网有限责任公司信息中心 一种基于资源池化的sla资源均衡管控方法
CN106250206A (zh) * 2016-07-27 2016-12-21 云南电网有限责任公司信息中心 一种基于虚拟机的资源池化自动测算方法
WO2018053717A1 (en) * 2016-09-21 2018-03-29 Accenture Global Solutions Limited Dynamic resource allocation for application containers
CN108205469B (zh) * 2016-12-20 2023-12-15 华为技术有限公司 一种基于MapReduce的资源分配方法及服务器
US20180255122A1 (en) * 2017-03-02 2018-09-06 Futurewei Technologies, Inc. Learning-based resource management in a data center cloud architecture
US10963813B2 (en) 2017-04-28 2021-03-30 Cisco Technology, Inc. Data sovereignty compliant machine learning
US10477148B2 (en) 2017-06-23 2019-11-12 Cisco Technology, Inc. Speaker anticipation
CN107480027A (zh) * 2017-07-07 2017-12-15 上海诺悦智能科技有限公司 一种分布式深度学习运维系统
US10608901B2 (en) 2017-07-12 2020-03-31 Cisco Technology, Inc. System and method for applying machine learning algorithms to compute health scores for workload scheduling
US10782757B2 (en) * 2017-08-09 2020-09-22 Equinix, Inc. Rack level power control
CN107515779B (zh) * 2017-09-01 2020-08-07 周口师范学院 基于探测器的虚拟机性能干扰度量系统及方法
CN110019298B (zh) * 2017-10-31 2021-07-30 北京国双科技有限公司 数据处理方法和装置
CN107908459B (zh) * 2017-11-10 2020-06-09 山东劳动职业技术学院 一种云计算调度系统
CN108073457B (zh) * 2017-12-28 2021-12-21 深信服科技股份有限公司 一种超融合基础架构的分层资源管理方法、装置及系统
CN108446200B (zh) * 2018-02-07 2021-10-29 福建星瑞格软件有限公司 基于大数据机器学习的服务器智能运维方法及计算机设备
CN108322541B (zh) * 2018-02-09 2021-04-06 杭州顺网科技股份有限公司 一种自适应的分布式体系架构
CN108681964B (zh) * 2018-04-19 2020-08-28 腾讯科技（深圳）有限公司 一种交易结算系统及交易结算控制方法
US10446170B1 (en) 2018-06-19 2019-10-15 Cisco Technology, Inc. Noise mitigation using machine learning
CN109088747A (zh) * 2018-07-10 2018-12-25 郑州云海信息技术有限公司 云计算系统中资源的管理方法和装置
CN109032914A (zh) * 2018-09-06 2018-12-18 掌阅科技股份有限公司 资源占用数据预测方法、电子设备、存储介质
CN109446020B (zh) * 2018-09-21 2022-05-13 曙光云计算集团有限公司 云存储系统的动态评估方法以及装置
CN111143050B (zh) * 2018-11-02 2023-09-19 中移（杭州）信息技术有限公司 一种容器集群调度的方法和设备
CN111198650A (zh) * 2018-11-16 2020-05-26 龙芯中科技术有限公司 一种存储设备的控制方法和装置
EP3887922B1 (en) * 2018-11-28 2025-04-16 3M Innovative Properties Company Data center infrastructure optimization method based on causal learning
CN109510875B (zh) * 2018-12-14 2021-03-09 北京奇艺世纪科技有限公司 资源分配方法、装置及电子设备
CN109918170A (zh) * 2019-01-25 2019-06-21 西安电子科技大学 一种云数据中心虚拟机动态资源配置方法及系统
DE102019207342A1 (de) * 2019-05-20 2020-11-26 Robert Bosch Gmbh Konzept für eine Datenverarbeitung für ein zumindest teilautomatisiertes Führen eines Kraftfahrzeugs
CN110297715B (zh) * 2019-07-02 2021-09-14 北京工业大学 一种基于周期性特征分析的在线负载资源预测方法
CN111176835B (zh) * 2019-12-09 2023-06-16 南京理工大学 基于分级控制的软件自适应方法
CN111290354B (zh) * 2020-02-21 2021-02-02 镇江香江云动力科技有限公司 一种基于云计算的模块化数据中心余热高效利用控制管理系统
CN113804937A (zh) * 2020-06-16 2021-12-17 普源精电科技股份有限公司 多功能测量设备、资源配置方法、测量方法、装置及介质
CN112612717A (zh) * 2020-12-30 2021-04-06 吴江市景新纺织有限公司 一种智能设备参数调试管理系统
CN114035959A (zh) * 2021-11-16 2022-02-11 平安壹钱包电子商务有限公司 基于线性回归的资源分配方法、装置、设备及介质
CN114625544B (zh) * 2022-05-17 2022-08-30 银河麒麟软件(长沙)有限公司 基于虚拟机业务负载动态分配的内存气球管理方法和装置
CN115049470A (zh) * 2022-06-07 2022-09-13 中国工商银行股份有限公司 数据处理方法、装置、计算机设备、存储介质和程序产品
CN117116200B (zh) * 2023-10-23 2023-12-29 广州市惠正信息科技有限公司 一种led显示屏分辨率的调节方法及系统
CN117971474B (zh) * 2024-01-30 2024-11-15 新励成教育科技股份有限公司 一种自适应能效及资源动态配置的数据中心口才训练系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1538297A (zh) * 2003-04-16 2004-10-20 ��ʿͨ��ʽ���� 用于调节系统资源的使用的装置及其方法
CN101442807A (zh) * 2008-12-30 2009-05-27 北京邮电大学 通信系统中资源分配的方法及系统
CN101719082A (zh) * 2009-12-24 2010-06-02 中国科学院计算技术研究所 虚拟化计算平台中应用请求调度的方法及其系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003067480A1 (en) * 2002-02-07 2003-08-14 Thinkdynamics Inc. Method and system for managing resources in a data center

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1538297A (zh) * 2003-04-16 2004-10-20 ��ʿͨ��ʽ���� 用于调节系统资源的使用的装置及其方法
CN101442807A (zh) * 2008-12-30 2009-05-27 北京邮电大学 通信系统中资源分配的方法及系统
CN101719082A (zh) * 2009-12-24 2010-06-02 中国科学院计算技术研究所 虚拟化计算平台中应用请求调度的方法及其系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10091070B2 (en) 2016-06-01 2018-10-02 Cisco Technology, Inc. System and method of using a machine learning algorithm to meet SLA requirements
US10084665B1 (en) 2017-07-25 2018-09-25 Cisco Technology, Inc. Resource selection using quality prediction
US10091348B1 (en) 2017-07-25 2018-10-02 Cisco Technology, Inc. Predictive model for voice/video over IP calls
US10225313B2 (en) 2017-07-25 2019-03-05 Cisco Technology, Inc. Media quality prediction for collaboration services
US12050714B2 (en) 2018-06-07 2024-07-30 Cisco Technology, Inc. Hybrid cognitive system for AI/ML data privacy
US11892933B2 (en) 2018-11-28 2024-02-06 Oracle International Corporation Predicting application performance from resource statistics
US12235748B2 (en) 2018-11-28 2025-02-25 Oracle International Corporation Predicting application performance from resource statistics

Also Published As

Publication number Publication date
CN102004671A (zh) 2011-04-06

Similar Documents

Publication Publication Date Title
CN102004671B (zh) 一种云计算环境下数据中心基于统计模型的资源管理方法
CN109791532B (zh) 分散计算系统中的功率管理
Yang et al. A cost-aware auto-scaling approach using the workload prediction in service clouds
Guitart Toward sustainable data centers: a comprehensive energy management strategy
Zhang et al. Electricity bill capping for cloud-scale data centers that impact the power markets
Banerjee et al. Efficient resource utilization using multi-step-ahead workload prediction technique in cloud: S. Banerjee et al.
CN109491760B (zh) 一种高效能数据中心云服务器资源自主管理方法
CN105320559A (zh) 一种云计算系统的调度方法和装置
Masoumzadeh et al. An intelligent and adaptive threshold-based schema for energy and performance efficient dynamic VM consolidation
HoseinyFarahabady et al. Q-flink: A qos-aware controller for apache flink
CN104765642A (zh) 云环境下基于动态预测模型的虚拟机部署方法及系统
CN102339233A (zh) 云计算集中管理平台
CN114490049A (zh) 在容器化边缘计算中自动分配资源的方法及系统
Wang et al. Fuzzy modeling based resource management for virtualized database systems
Yoon et al. Adaptive data center activation with user request prediction
Faraji-Mehmandar et al. A self-learning approach for proactive resource and service provisioning in fog environment: M. Faraji-Mehmandar et al
CN105116987B (zh) 一种云计算中心的通用电源和性能管理系统
Faraji-Mehmandar et al. Fuzzy Q-learning approach for autonomic resource provisioning of IoT applications in fog computing environments
Shen et al. Tango: Harmonious optimization for mixed services in kubernetes-based edge clouds
Li et al. Load prediction-based automatic scaling cloud computing
Hewage et al. A framework for carbon-aware real-time workload management in clouds using renewables-driven cores
Ali et al. Profit-aware DVFS enabled resource management of IaaS cloud
Li et al. Taming the Chaos: Coordinated Autoscaling for Heterogeneous and Disaggregated LLM Inference
Werner et al. Environment, services and network management for green clouds
Ilager et al. Machine learning in energy and thermal-aware resource management of cloud data centers: A taxonomy and future directions

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: SHANGHAI SHICONG INFORMATION TECHNOLOGY CO., LTD.

Free format text: FORMER OWNER: BEIHANG UNIVERSITY

Effective date: 20150408

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 100191 HAIDIAN, BEIJING TO: 201401 FENGXIAN, SHANGHAI

TR01 Transfer of patent right

Effective date of registration: 20150408

Address after: 201401 Shanghai Fengxian District City Ring Road No. 2200 building 2128 room

Patentee after: Shanghai Shi Cong network information technology Co., Ltd

Address before: 100191 Beijing City, Haidian District Xueyuan Road No. 37 North College of computer

Patentee before: Beihang University

C56 Change in the name or address of the patentee
CP03 Change of name, title or address

Address after: 200233 room 202-35, Guiping Road, Shanghai, Xuhui District, 92

Patentee after: SHANGHAI JUNESH INFORMATION TECHNOLOGY CO., LTD.

Address before: 201401 Shanghai Fengxian District City Ring Road No. 2200 building 2128 room

Patentee before: Shanghai Shi Cong network information technology Co., Ltd

DD01 Delivery of document by public notice
DD01 Delivery of document by public notice

Addressee: SHANGHAI JUNESH INFORMATION TECHNOLOGY CO., LTD.

Document name: Notification to Pay the Fees

DD01 Delivery of document by public notice
DD01 Delivery of document by public notice

Addressee: SHANGHAI JUNESH INFORMATION TECHNOLOGY CO., LTD.

Document name: Notification of Termination of Patent Right

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130313

Termination date: 20181115