[發明專利]一種云計算系統中的資源分配方法

在審

• 申請號: 202110323323.4
• 申請日: 2021-03-26
• 公開（公告）號: CN112948122A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 李健
• 申請（專利權）人: 北京藍耘科技股份有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種云計算系統中的資源分配方法，包括以下步驟：獲取云計算系統中的各計算節點的節點參數，所述計算節點包括物理計算節點和虛擬計算節點，所述節點參數包括各資源的剩余量；根據用戶發出的任務請求獲取資源需求參數，所述資源需求參數包括所述任務請求對各資源的需求量；利用神經網絡，根據所述資源需求參數以及所述節點參數作出資源分配實時決策。實現了對各任務請求的動態資源分配，從而保證了在各任務請求對各資源的需求量能夠被滿足的情況下，系統中的資源能夠被充分的利用，同時系統在單位時間內通過有限的資源能夠執行的各任務請求數量也隨之增加，優化系統資源使用效率，進而提高云計算系統的處理性能。

技術領域

本發明涉及云計算系統的技術領域，具體來說，涉及一種云計算系統中的資源分配方法。

背景技術

云計算是一種新型的共享基礎架構，可以將巨大的系統池連接在一起，以運營商和客戶的方式，通過互聯網為用戶提供各種存儲資源和計算資源，其中，云計算資源分配是云計算技術的一個重要組成部分，其云計算資源分配效率直接影響整個云計算環境的工作性能，隨著虛擬化技術的發展，一臺物理服務器上，可以通過虛擬化軟件創建多臺虛擬服務器，當一個用戶的請求流量到達物理服務器上時，需要物理服務器虛擬化軟件做一些工作，能夠在不同虛擬服務器之間分配，實現同一臺物理服務器上虛擬服務器之間的負載均衡。

云計算系統中包含多種維度的資源，包括CPU、內存、網絡帶寬、本地磁盤帶寬等，這些資源處于不斷的動態變化中，對各資源的分配和管理影響著云計算系統的性能。在實現過程中，傳統的云計算系統的資源分配方案通常只考慮任務請求的完成時間，資源分配因素單一，從而限制了云計算系統資源利用效率。

針對相關技術中的問題，目前尚未提出有效的解決方案。

發明內容

針對相關技術中的上述技術問題，本發明提出一種云計算系統中的資源分配方法，可解決上述技術問題。

為實現上述技術目的，本發明的技術方案是這樣實現的：

一種云計算系統中的資源分配方法，包括以下步驟：

S1獲取云計算系統中的各計算節點的節點參數，所述計算節點包括物理計算節點和虛擬計算節點，所述節點參數包括各資源的剩余量；

S2根據用戶發出的任務請求獲取資源需求參數，所述資源需求參數包括所述任務請求對各資源的需求量；

S3利用神經網絡，根據所述資源需求參數以及所述節點參數作出資源分配實時決策，所述資源分配實時決策包括根據所述資源需求參數以及所述節點參數獲取各所述計算節點的匹配度，將各所述計算節點的匹配度按照從高到低排序，將所述任務請求分配給匹配度最高的所述計算節點執行。

進一步地，在S3中，所述計算節點的匹配度根據各資源的子匹配度得到；獲取所述子匹配度時，首先根據資源需求參數確定各資源的權重，然后根據各資源的所述權重得到各資源的所述子匹配度。

進一步地，所述計算節點的匹配度為該計算節點對應的各資源的所述子匹配度之和/或所述子匹配度的平均值。

進一步地，在S1中，所述節點參數還包括運行狀態參數和總體資源參數。

進一步地，在S3之前對所述神經網絡進行部署和訓練。

進一步地，對所述神經網絡進行部署具體包括以下步驟：

S01將云端服務器的每個計算機進程作為一個訓練節點，所述訓練節點為中心節點或模擬執行節點，所述中心節點共有一個，所述中心節點用于收集所有的所述模擬執行節點的模擬執行結果，并以此進行所述神經網絡的參數更新，所述模擬執行節點的數量有多個，所述模擬執行節點用于對實現模擬執行；

S02在每個所述訓練節點上部署一個所述神經網絡，每個所述神經網絡包括一個策略網絡和一個評估網絡。