[發明專利]云計算資源的調度方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202010881117.0
• 申請日: 2020-08-27
• 公開（公告）號: CN111985831A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 王鈞鋒
• 申請（專利權）人: 北京華勝天成科技股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;H04L29/08;G06N20/00;G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種云計算資源的調度方法，包括：采用機器學習算法根據測試數據集訓練資源調度模型；測試數據集包含表征應用程序的當前資源滿足合適資源用量的特征信息；將當前應用服務對應所需的特征信息輸入訓練好的資源調度模型中，獲取應用服務所需的合適資源用量；根據合適資源用量和當前應用服務的當前資源用量進行調度。本發明實施例提供的云計算資源的調度方法，可以實現自動化地對云計算資源進行合理分配，這與現有技術需要人為調度或編排的方式相比，對技術人員的要求低、省時且調度準確度高。

技術領域

本發明涉及云計算領域，尤其涉及一種云計算資源的調度方法、裝置、計算機設備及存儲介質。

背景技術

在云平臺或云管平臺上，目前通常是由技術人員根據需要，按照一些策略算法，為應用系統分配計算、存儲、網絡資源，從而保證系統連續、可靠地運行。但是目前的人工調度方式或編排方式依賴于技術人員經驗水平，可能出現反應滯后、資源分配不均衡以及資源浪費等問題。

發明內容

本發明實施例提供了一種云計算資源的調度方法、裝置、計算機設備及存儲介質，可以實現對云計算資源的合理分配。

第一方面，本發明實施例提供了一種云計算資源的調度方法，包括：

采用機器學習算法根據測試數據集訓練資源調度模型；所述測試數據集包含表征應用程序的當前資源滿足合適資源用量的特征信息；

將當前應用服務對應所需的所述特征信息輸入訓練好的所述資源調度模型中，獲取所述應用服務所需的合適資源用量；

根據所述合適資源用量和當前應用服務的當前資源用量進行調度。

進一步地，所述采用機器學習算法根據測試數據集訓練資源調度模型，包括：

預設初始測試環境；

在預設初始測試環境中對至少一個應用服務進行測試，在測試過程中調整所述預設初始測試環境能夠滿足當前應用服務的所述合適資源用量，并記錄當前數據作為測試數據集。

進一步地，所述特征信息包括：訪問壓力、響應壓力和服務強度。

進一步地，所述根據所述合適資源用量和當前應用服務的當前資源用量進行調度，包括：

若所述合適資源用量大于所述當前資源用量，則追加當前應用服務的資源用量；

若所述合適資源用量小于所述當前資源用量，則回收當前應用服務的資源用量。

進一步地，所述合適資源用量為：最少資源用量。

進一步地，所述采用機器學習算法根據測試數據集訓練資源調度模型，包括：

將當前應用服務的所述特征信息輸入至當前資源調度模型，獲得訓練資源用量；根據所述訓練資源用量和當前應用服務對應測試數據集中的所述合適資源用量來調整所述資源調度模型，直至所述訓練資源用量和所述合適資源用量的精確度滿足要求，得到已訓練好的所述資源調度模型。

第二方面，本發明實施例還提供了一種云計算資源的調度裝置，包括：

資源調度模型訓練模塊，用于采用機器學習算法根據測試數據集訓練資源調度模型；所述測試數據集包含表征應用程序的當前資源滿足合適資源用量的特征信息；

合適資源用量獲取模塊，用于將當前應用服務對應所需的所述特征信息輸入訓練好的所述資源調度模型中，獲取所述應用服務所需的合適資源用量；

調度模塊，用于根據所述合適資源用量和當前應用服務的當前資源用量進行調度。

可選的，所述資源調度模型訓練模塊還用于：

預設初始測試環境；