【技术实现步骤摘要】
本专利技术涉及服务器，尤其是涉及一种服务器筛选方法及装置、介质、设备。
技术介绍
1、随着云计算、大数据等技术的迅猛发展，服务器资源的合理配置与优化成为企业运营中的重要环节。传统的服务器选择方法往往基于单一或少数几个性能指标，难以反映服务器的综合性能和应用适应性。因此开发一种有效的服务器筛选方案，对于提高资源利用效率、降低运营成本具有重要意义。
技术实现思路
1、针对以上至少一个技术问题，本专利技术实施例提供一种服务器筛选方法及装置、介质、设备。
2、根据第一方面，本专利技术实施例提供的服务器筛选方法包括：
3、根据服务器集群中的各个服务器各自的采集策略，定期对各个服务器进行性能指标采集；其中，每一个服务器的采集策略为预先根据该服务器的角色和应用需求而制定；
4、确定各个性能指标各自的初始权重值；
5、利用机器学习算法，在各个性能指标各自的初始权重值的基础上对各个性能指标进行权重调整，得到各个性能指标各自的优化权重值；
6、对所述各个性能指标进行标准化处理；
7、根据标准化处理后的各个性能指标以及各个性能指标各自的优化权重值，计算各个服务器各自的综合评分值；
8、根据各个服务器各自的综合评分值，将各个服务器划分到多个优先级队列中；其中，不同的优先级队列中的服务器用于处理不同优先级任务；
9、在接收到应用程序的资源请求任务时，根据所述资源请求任务的优先级，从对应的优先级队列中筛选出符合所述
10、在一个实施例中，每一个服务器的采集策略中设置的需要采集的性能指标包括cpu使用率、内存占用、磁盘i/o速率、网络带宽使用率、cpu缓存命中率、内存交换率、网络延迟和磁盘响应时间中的至少一项。
11、在一个实施例中，所述对所述各个性能指标进行标准化处理，包括：
12、对所述各个性能指标是否在各自预设合理范围内进行校验；
13、在通过校验后，对所述各个性能指标进行清洗处理；其中，所述清洗处理包括处理异常值和去除缺失值；
14、将清洗处理后不同量纲的性能指标转换为统一尺度下的标准分数。
15、在一个实施例中，所述方法还包括：
16、根据所述各个服务器各自的性能指标，采用资源预测模型，预测每一个服务器在未来预设时间段内的资源需求；
17、根据各个服务器在未来预设时间段内的资源需求和各个服务器的当前资源分配情况，对各个服务器的资源分配和调度策略进行调整。
18、在一个实施例中，所述根据各个服务器各自的综合评分值，将各个服务器划分到多个优先级队列中，包括：
19、按照各个服务器的综合评分值从高到低的顺序，将各个服务器进行排序；
20、将排序结果中前n1个服务器放置在第一优先级队列中，将排序结果中后n2个服务器放置在第三优先级队列中，将剩余的各个服务器放置在第二优先级队列中；其中，所述第一优先级队列中的服务器用于处理第一优先级的资源请求任务，所述第二优先级队列中的服务器用于处理第二优先级的资源请求任务，所述第三优先级队列中的服务器用于处理第三优先级的资源请求任务；所述第一优先级、所述第二优先级和所述第三优先级的优先级从高到低，n1和n2为预设的正整数。
21、在一个实施例中，所述计算各个服务器各自的综合评分值之前，所述方法还包括：
22、获取预先针对各种业务场景而配置的权重配置模板；
23、确定所述服务器集群的当前状态，确定所述服务器集群对应的当前业务场景；
24、根据所述当前业务场景，确定对应的权重配置模板；
25、根据所述当前业务场景对应的权重配置模板，再次对各个性能指标进行优化。
26、在一个实施例中，所述方法还包括：
27、监测各个服务器上应用程序的运行效果；
28、评估用户对各个服务器上应用程序的运行效果的满意度；
29、根据所述满意度，对所述机器学习算法进行调整。
30、根据第二方面，本专利技术实施例提供的服务器筛选装置包括：
31、指标采集模块，用于根据服务器集群中的各个服务器各自的采集策略，定期对各个服务器进行性能指标采集；其中，每一个服务器的采集策略为预先根据该服务器的角色和应用需求而制定；
32、初始值确定模块，用于确定各个性能指标各自的初始权重值；
33、权重调整模块，用于利用机器学习算法，在各个性能指标各自的初始权重值的基础上对各个性能指标进行权重调整，得到各个性能指标各自的优化权重值；
34、指标标准化模块，用于对所述各个性能指标进行标准化处理；
35、评分计算模块，用于根据标准化处理后的各个性能指标以及各个性能指标各自的优化权重值，计算各个服务器各自的综合评分值；
36、服务器划分模块，用于根据各个服务器各自的综合评分值，将各个服务器划分到多个优先级队列中；其中，不同的优先级队列中的服务器用于处理不同优先级任务；
37、服务器筛选模块，用于在接收到应用程序的资源请求任务时，根据所述资源请求任务的优先级，从对应的优先级队列中筛选出符合所述资源请求任务的需求的综合评分值最高的服务器。
38、根据第三方面，本专利技术实施例提供计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现第一方面提供的方法。
39、根据第四方面，本专利技术实施例提供的计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面提供的方法。
40、本专利技术实施例提供的服务器筛选方法及装置、介质、设备，基于各个服务器各自的采集策略，定期对各个服务器进行性能指标采集，利用机器学习算法，在各个性能指标各自的初始权重值的基础上对各个性能指标进行权重调整，得到各个性能指标各自的优化权重值。在对所述各个性能指标进行标准化处理后根据标准化处理后的各个性能指标以及各个性能指标各自的优化权重值，计算各个服务器各自的综合评分值，进而依据综合评分值将各个服务器划分到多个优先级队列中。当有资源请求任务时，从对应的优先级队列中筛选出符合所述资源请求任务的需求的综合评分值最高的服务器。可见，本专利技术实施例通过采集策略来配置各个服务器需要采集的性能指标，实现个性化的指标采集，避免冗余指标对后续评分的影响。而且结合机器学习算法对各个性能指标的权重进行调整，得到优化权重值，从而依据优化权重值计算各个服务器的综合评分值，再依据综合评分值将各个服务器划分到队列中，有利于后续为任务分配到最适合的服务器。可见，随着性能指标数据的定期更新和权重的动态调整，定期重新计算服务器的综合评分，并定期更新各个优先级队列中的服务器以及排序，使得在筛选所需的服务器时始终能够选择出最适合的服务器进行使用，有利于提高服务器的资源利用效率和降低运本文档来自技高网...
【技术保护点】
1.一种服务器筛选方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，每一个服务器的采集策略中设置的需要采集的性能指标包括CPU使用率、内存占用、磁盘I/O速率、网络带宽使用率、CPU缓存命中率、内存交换率、网络延迟和磁盘响应时间中的至少一项。
3.根据权利要求1所述的方法，其特征在于，所述对所述各个性能指标进行标准化处理，包括：
4.根据权利要求1所述的方法，其特征在于，还包括：
5.根据权利要求1所述的方法，其特征在于，所述根据各个服务器各自的综合评分值，将各个服务器划分到多个优先级队列中，包括：
6.根据权利要求1所述的方法，其特征在于，所述计算各个服务器各自的综合评分值之前，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，还包括：
8.一种服务器筛选装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现权利要求1～7中的任一项所述的方法。
10.一种计算设
...【技术特征摘要】
1.一种服务器筛选方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，每一个服务器的采集策略中设置的需要采集的性能指标包括cpu使用率、内存占用、磁盘i/o速率、网络带宽使用率、cpu缓存命中率、内存交换率、网络延迟和磁盘响应时间中的至少一项。
3.根据权利要求1所述的方法，其特征在于，所述对所述各个性能指标进行标准化处理，包括：
4.根据权利要求1所述的方法，其特征在于，还包括：
5.根据权利要求1所述的方法，其特征在于，所述根据各个服务器各自的综合评分值，将各个服务器划分到多个优先级队列中，包...
【专利技术属性】
技术研发人员：李志谱，周庆勇，王振峰，禚先林，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。