资源调度方法技术

本申请实施例提供一种资源调度方法

【技术实现步骤摘要】
资源调度方法、装置及电子设备


[0001]本申请属于计算机领域，涉及资源管控技术，尤其涉及一种资源调度方法
、
装置及电子设备
。

技术介绍

[0002]随着云计算技术的发展，计算机集群的应用越来越广泛，对计算机集群的运营要求也越来越高
。
计算机集群通常包括多个计算机，部署有各种类型的计算服务，例如周期型计算服务
、
脉冲型计算服务
、
稳定性计算服务等
。
不同类型的计算服务对于计算资源的需求通常是动态变化的，在计算机集群的资源利用率超过上限阈值时，触发调度系统扩容机制，在资源利用率低于下限阈值时，触发调度系统缩容机制
。
然而，不同类型的计算服务对于资源的需求程度不一致，若所有类型的计算服务都根据资源利用率的维度进行阈值设置和资源调度，容易降低资源利用率，从而导致浪费计算资源
。

技术实现思路

[0003]有鉴于此，本申请实施例提供一种资源调度方法
、
装置及电子设备，以解决所有类型的计算服务都根据资源利用率的维度进行阈值设置和资源调度，容易降低资源利用率并导致浪费计算资源的问题
。
[0004]第一方面，本申请实施例提供一种资源调度方法，所述方法包括：利用服务预测模型对常规资源池提供的计算服务进行预测，判断所述常规资源池是否包括稳定低负载服务，其中，稳定低负载服务为运行时资源利用率小于预设阈值的计算服务；若所述常规资源池包括所述稳定低负载服务，建立稳定低负载资源池，并将所述稳定低负载服务调度至所述稳定低负载资源池；设置所述稳定低负载资源池的资源调度参数；采集所述稳定低负载资源池的资源利用率，根据所述资源调度参数和采集的所述资源利用率对所述稳定低负载资源池中的计算资源进行调度
。
[0005]在一种可能的实现方式中，所述方法还包括：采集所述常规资源池中的计算服务的历史数据，根据所述历史数据建立训练特征集；初始化预设分类模型，设置所述预设分类模型的超参数；将所述训练特征集输入所述预设分类模型，利用预设分类模型输出预测结果；若所述预测结果为所述稳定低负载服务，确定所述预设分类模型训练完成，将训练完成的所述预设分类模型确定为所述服务预测模型；或若所述预测结果不是所述稳定低负载服务，调整所述预设分类模型的超参数，继续对所述预设分类模型进行训练
。
[0006]在一种可能的实现方式中，所述采集所述常规资源池中的计算服务的历史数据，根据所述历史数据建立训练特征集，包括：确定所述常规资源池中所有计算服务的基础信息；根据所有计算服务的基础信息采集所有计算服务的历史数据；对所有计算服务的历史数据进行样本标签设置；对样本标签设置后的历史数据进行数据转换，得到所有计算服务的特征数据；对所述特征数据进行筛选，得到所述训练特征集
。
[0007]在一种可能的实现方式中，所述根据所有类型的计算服务的基础信息采集所有类
型的计算服务的历史数据，包括：根据预设步频采集预设时间段内所述常规资源池中所有计算服务的时序数据，其中，所有计算服务的时序数据为所述常规资源池中的多个计算机设备的硬件状态数据
。
[0008]在一种可能的实现方式中，所述对所有计算服务的历史数据进行样本标签设置，包括：设置每种硬件状态数据的标签值和标签权重，并根据每种硬件状态数据的标签值和标签权重计算每个计算服务的标签值；将所述标签值大于或等于标签阈值的计算服务对应的历史数据确定为所述稳定低负载服务的特征样本，将所述标签值小于所述标签阈值的计算服务对应的历史数据确定为所述常规负载服务的特征样本
。
[0009]在一种可能的实现方式中，所述对所述特征数据进行筛选，得到所述训练特征集，包括：根据所述特征数据的缺失值对所述特征数据进行特征过滤；计算所述特征数据的特征信息值，并根据所述特征信息值对所述特征数据进行特征过滤
。
[0010]在一种可能的实现方式中，所述将所述稳定低负载服务调度至所述稳定低负载资源池，包括：获取所述服务预测模型的输出数据，所述输出数据包括服务模型预测分数和服务模型预测类型；根据所述服务模型预测分数和所述服务模型预测类型确定所述常规资源池中的稳定低负载服务，并将所述稳定低负载服务调度至所述稳定低负载资源池
。
[0011]在一种可能的实现方式中，所述常规资源池进行计算资源扩容的资源利用率上限阈值为第一上限阈值，所述常规资源池进行计算资源缩容的资源利用率下限阈值为第一下限阈值，所述设置所述稳定低负载资源池的资源调度参数，包括：将所述稳定低负载资源池进行计算资源扩容的资源利用率上限阈值设置为第二上限阈值，所述第二上限阈值大于所述第一上限阈值；将所述稳定低负载资源池进行计算资源缩容的资源利用率下限阈值设置为第二下限阈值，所述第二下限阈值大于所述第一下限阈值
。
[0012]第二方面，本申请实施例提供一种资源调度装置，所述资源调度装置包括：预测模块，用于利用服务预测模型对常规资源池提供的计算服务进行预测，判断所述常规资源池是否包括稳定低负载服务，其中，稳定低负载服务为运行时资源利用率小于预设阈值的计算服务；建立模块，用于若所述常规资源池包括所述稳定低负载服务，建立稳定低负载资源池，并将所述稳定低负载服务调度至所述稳定低负载资源池；设置模块，用于设置所述稳定低负载资源池的资源调度参数；调度模块，用于采集所述稳定低负载资源池的资源利用率，根据所述资源调度参数和采集的所述资源利用率对所述稳定低负载资源池中的计算资源进行调度
。
[0013]第三方面，本申请实施例提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储指令，所述处理器用于调用所述存储器中的指令，使得所述电子设备执行上述的资源调度方法
。
[0014]本申请实施例提供的资源调度方法
、
装置及电子设备通过服务预测模型对常规资源池中的服务类型进行预测，并在判定常规资源池包括稳定低负载服务时，建立将稳定低负载服务对应的资源池，将稳定低负载服务调度至稳定低负载资源池，并适应性设置稳定低负载资源池的资源调度参数，根据适应性设置的资源调度参数对稳定低负载资源池的资源进行调度，从而提高计算资源的利用率，节约资源，提高资源池的效能
。
附图说明
[0015]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图
。
[0016]图1为本申请一实施例提供的资源调度方法的应用环境示意图
。
[0017]图2为本申请一实施例提供的电子设备的硬件结构示意图
。
[0018]图3为本申请另一实施例提供的资源调度方法的流程图
。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种资源调度方法，其特征在于，所述方法包括：利用服务预测模型对常规资源池提供的计算服务进行预测，判断所述常规资源池是否包括稳定低负载服务，其中，所述稳定低负载服务为运行时资源利用率小于预设阈值的计算服务；若所述常规资源池包括所述稳定低负载服务，建立稳定低负载资源池，并将所述稳定低负载服务调度至所述稳定低负载资源池；设置所述稳定低负载资源池的资源调度参数；采集所述稳定低负载资源池的资源利用率，根据所述资源调度参数和采集的所述资源利用率对所述稳定低负载资源池中的计算资源进行调度
。2.
如权利要求1所述的资源调度方法，其特征在于，所述方法还包括：采集所述常规资源池中的计算服务的历史数据，根据所述历史数据建立训练特征集；初始化预设分类模型，设置所述预设分类模型的超参数；将所述训练特征集输入所述预设分类模型，利用所述预设分类模型输出预测结果；若所述预测结果为所述稳定低负载服务，确定所述预设分类模型训练完成，将训练完成的所述预设分类模型确定为所述服务预测模型；或若所述预测结果不是所述稳定低负载服务，调整所述预设分类模型的超参数，继续对所述预设分类模型进行训练
。3.
如权利要求2所述的资源调度方法，其特征在于，所述采集所述常规资源池中的计算服务的历史数据，根据所述历史数据建立训练特征集，包括：确定所述常规资源池中所有计算服务的基础信息；根据所有计算服务的基础信息采集所有计算服务的历史数据；对所有计算服务的历史数据进行样本标签设置；对样本标签设置后的所述历史数据进行数据转换，得到所有计算服务的特征数据；对所述特征数据进行筛选，得到所述训练特征集
。4.
如权利要求3所述的资源调度方法，其特征在于，所述根据所有类型的计算服务的基础信息采集所有类型的计算服务的历史数据，包括：根据预设步频采集预设时间段内所述常规资源池中所有计算服务的时序数据，其中，所有计算服务的时序数据为所述常规资源池中的多个计算机设备的硬件状态数据
。5.
如权利要求4所述的资源调度方法，其特征在于，所述对所有计算服务的历史数据进行样本标签设置，包括：设置每种硬件状态数据的标签值和标签权重，并根据每种硬件状态数据的标签值和标签权重计算每个计算服务的标签值；将所述标签值大于或等于标签阈值的计算服务对应的历史数据确定为所述稳定低负载服务...

【专利技术属性】
技术研发人员：麦志深，
申请(专利权)人：广州商耘网络科技有限公司，
类型：发明
国别省市：