資源調(diào)度處理方法和裝置制造方法
【專利摘要】本發(fā)明提供一種資源調(diào)度處理方法和裝置，包括：分別預(yù)測數(shù)據(jù)中心內(nèi)每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值；所述候選服務(wù)器的帶權(quán)能效值是相關(guān)于所述第一負(fù)載與所述候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾及所述候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾；根據(jù)各所述候選服務(wù)器的帶權(quán)能效值，確定最小的帶權(quán)能效值所對應(yīng)的候選服務(wù)器作為最優(yōu)服務(wù)器；調(diào)度所述最優(yōu)服務(wù)器承載所述第一負(fù)載。通過該資源調(diào)度處理方法調(diào)度最優(yōu)服務(wù)器承載第一負(fù)載時，可避免第一負(fù)載與第二負(fù)載之間出現(xiàn)的嚴(yán)重的性能干擾現(xiàn)象，不會影響各負(fù)載的服務(wù)質(zhì)量，利于提高數(shù)據(jù)中心的能效。
【專利說明】資源調(diào)度處理方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計算機(jī)信息【技術(shù)領(lǐng)域】，尤其涉及一種資源調(diào)度處理方法和裝置。
【背景技術(shù)】
[0002]隨著數(shù)據(jù)中心的迅速發(fā)展，許多大型的網(wǎng)絡(luò)公司，如Google、Facebook等在世界各地建立了多個數(shù)據(jù)中心以更好的支持網(wǎng)絡(luò)應(yīng)用服務(wù)。其中數(shù)據(jù)中心是由大量服務(wù)器通過通信設(shè)備相互連接，并形成具有一定拓?fù)浣Y(jié)構(gòu)的大型網(wǎng)絡(luò)，其中大量的服務(wù)器可進(jìn)行集中統(tǒng)一管理。目前，新一代的數(shù)據(jù)中心已采用虛擬化技術(shù)，即數(shù)據(jù)中心可向封裝在虛擬機(jī)中的負(fù)載提供資源，該資源具體可以為可承載負(fù)載的服務(wù)器，而合理的分配策略與數(shù)據(jù)中心提供的網(wǎng)絡(luò)應(yīng)用服務(wù)息息相關(guān)；舉例來說，建立數(shù)據(jù)中心的開銷巨大，服務(wù)器的花費(fèi)占到了總花費(fèi)的45%，其中包括服務(wù)器的軟硬件資源、冷卻和維護(hù)等。但在實際應(yīng)用中，服務(wù)器的資源利用率僅為5%-15%，造成資源的浪費(fèi)且增加維護(hù)成本，因此如何合理分配資源，提高數(shù)據(jù)中心的資源利用率并減少數(shù)據(jù)中心的能耗已成為目前研究的熱點問題。
[0003]在現(xiàn)有技術(shù)中，根據(jù)各個負(fù)載所需的資源的不同，動態(tài)地聚合多個負(fù)載至同一個服務(wù)器上，以提高資源利用率和能源使用效率。例如當(dāng)前負(fù)載A由一個服務(wù)器承載，負(fù)載B由另一個服務(wù)器承載，而負(fù)載A和負(fù)載B所需的CPlXCentral Processing Unit,中央處理器)資源總和遠(yuǎn)小于一個服務(wù)器可提供的CPU資源，因此，為了提高提高資源利用率和能源使用效率，可調(diào)度一個服務(wù)器同時承載負(fù)載A和負(fù)載B，并關(guān)閉另一個服務(wù)器。
[0004]但采用上述調(diào)度策略時發(fā)現(xiàn)，由于不同負(fù)載會競爭服務(wù)器內(nèi)的資源(例如不同負(fù)載搶占內(nèi)存資源)，從而不同負(fù)載之間會出現(xiàn)嚴(yán)重的性能干擾現(xiàn)象，造成嚴(yán)重的性能下降，影響了負(fù)載的服務(wù)質(zhì)量，還會極大地降低數(shù)據(jù)中心的能效。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種資源調(diào)度處理方法和裝置，該資源調(diào)度處理方法用于優(yōu)化面向負(fù)載的調(diào)度策略，避免服務(wù)器上不同負(fù)載之間出現(xiàn)嚴(yán)重的性能干擾現(xiàn)象，從而可優(yōu)化數(shù)據(jù)中心的能效。
[0006]第一方面，本發(fā)明提供一種資源調(diào)度處理方法，包括:
[0007]當(dāng)數(shù)據(jù)中心內(nèi)每一個服務(wù)器均承載至少一個第二負(fù)載時，分別預(yù)測數(shù)據(jù)中心內(nèi)每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值；所述候選服務(wù)器的帶權(quán)能效值是相關(guān)于所述第一負(fù)載與所述候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾及所述候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾；
[0008]根據(jù)各所述候選服務(wù)器的帶權(quán)能效值，確定最小的帶權(quán)能效值所對應(yīng)的候選服務(wù)器作為最優(yōu)服務(wù)器；
[0009]調(diào)度所述最優(yōu)服務(wù)器承載所述第一負(fù)載。
[0010]第二方面，本發(fā)明提供一種資源調(diào)度處理裝置，包括:
[0011]預(yù)測模塊，用于若數(shù)據(jù)中心內(nèi)每一個服務(wù)器均承載至少一個第二負(fù)載時，分別預(yù)測數(shù)據(jù)中心內(nèi)每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值；所述候選服務(wù)器的帶權(quán)能效值是相關(guān)于所述第一負(fù)載與所述候選服務(wù)器已承載各第二負(fù)載之間的性能干擾及所述候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾；
[0012]確定模塊，用于根據(jù)各所述候選服務(wù)器的帶權(quán)能效值，確定最小的帶權(quán)能效值所對應(yīng)的候選服務(wù)器作為最優(yōu)服務(wù)器；
[0013]調(diào)度模塊，用于調(diào)度所述最優(yōu)服務(wù)器承載所述第一負(fù)載。
[0014]通過本發(fā)明提供的資源調(diào)度處理方法和裝置，確定的最優(yōu)服務(wù)器是考慮了負(fù)載之間的性能干擾而確定的，從而調(diào)度該最優(yōu)服務(wù)器承載第一負(fù)載，可避免候選服務(wù)器承載第一負(fù)載后，該候選服務(wù)器上各個負(fù)載之間出現(xiàn)的嚴(yán)重的性能干擾現(xiàn)象，從而不會影響各負(fù)載的服務(wù)質(zhì)量，利于提高數(shù)據(jù)中心的能效。
【專利附圖】

【附圖說明】
[0015]圖1為本發(fā)明資源調(diào)度處理方法實施例一的流程圖；
[0016]圖2為本發(fā)明資源調(diào)度處理方法實施例二的流程圖；
[0017]圖3為本發(fā)明資源調(diào)度處理裝置實施例一的結(jié)構(gòu)圖；
[0018]圖4為本發(fā)明資源調(diào)度處理裝置實施例二的結(jié)構(gòu)圖。
【具體實施方式】
[0019]圖1為本發(fā)明資源調(diào)度處理方法實施例一的流程圖。如圖1所示，本實施例的方法可以由資源調(diào)度處理裝置來實現(xiàn)，該處理裝置可以采用硬件和/或軟件方式來實現(xiàn)，該處理裝置可優(yōu)選設(shè)置在數(shù)據(jù)中心內(nèi)具有數(shù)據(jù)處理能力的處理器中，以實現(xiàn)資源調(diào)度；該資源調(diào)度處理該方法包括:
[0020]S101、分別預(yù)測數(shù)據(jù)中心內(nèi)每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值。
[0021]當(dāng)數(shù)據(jù)中心內(nèi)每一個服務(wù)器均承載至少一個第二負(fù)載時，上述第一負(fù)載為待分配的負(fù)載，資源調(diào)度處理裝置在將該第一負(fù)載分配至數(shù)據(jù)中心內(nèi)的一個候選服務(wù)器中之前，需要預(yù)測各個候選服務(wù)器承載該第一負(fù)載之后出現(xiàn)的負(fù)載之間的性能干擾、候選服務(wù)器的能效損失等問題，具體的，由于第一負(fù)載與候選服務(wù)器內(nèi)已承載的各第二負(fù)載之間的性能干擾及候選服務(wù)器內(nèi)已承載的各第二負(fù)載之間的性能干擾，而導(dǎo)致的候選服務(wù)器能效損失等信息可通過帶權(quán)能效值體現(xiàn)，即該候選服務(wù)器的帶權(quán)能效值是相關(guān)于第一負(fù)載與候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾及候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾；其中，資源調(diào)度處理裝置可使用已建立的預(yù)測模型預(yù)測數(shù)據(jù)中心內(nèi)每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值，該預(yù)測模型是通過分析數(shù)據(jù)中心內(nèi)大量的歷史負(fù)載的相關(guān)數(shù)據(jù)，并采用合理的數(shù)據(jù)處理方式建立的。
[0022]S102、根據(jù)各候選服務(wù)器的帶權(quán)能效值，確定最小的帶權(quán)能效值所對應(yīng)的候選服務(wù)器作為最優(yōu)服務(wù)器。
[0023]若候選服務(wù)器的帶權(quán)能效值越小，則可表明若第一負(fù)載由該候選服務(wù)器承載后，該候選服務(wù)器上各個負(fù)載之間的性能干擾及候選服務(wù)器的能效損失偏低，因此該候選服務(wù)器承載第一負(fù)載后，可向該候選服務(wù)器上的各個負(fù)載提供較佳的資源并使各負(fù)載保持較佳的服務(wù)質(zhì)量。因此，在各所述候選服務(wù)器的帶權(quán)能效值中確定出最小的帶權(quán)能效值，隨即確定該最小的帶權(quán)能效值所對應(yīng)的候選服務(wù)器作為最優(yōu)服務(wù)器。
[0024]S103、調(diào)度最優(yōu)服務(wù)器承載第一負(fù)載。
[0025]本實施例中，在多個候選服務(wù)器中選擇承載第一負(fù)載的最優(yōu)服務(wù)器時，本實施例是通過預(yù)測數(shù)據(jù)中心內(nèi)每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值，并選擇帶權(quán)能效值最小的候選服務(wù)器作為最優(yōu)服務(wù)器，而該帶權(quán)能效值是與第一負(fù)載及候選服務(wù)器已承載的至少一個第二負(fù)載相關(guān)的；因此，最終確定的最優(yōu)服務(wù)器是考慮了負(fù)載之間的性能干擾而確定的，從而避免了調(diào)度該最優(yōu)服務(wù)器承載第一負(fù)載后各個負(fù)載之間出現(xiàn)的嚴(yán)重的性能干擾現(xiàn)象，并且不會影響各負(fù)載的服務(wù)質(zhì)量，利于提高數(shù)據(jù)中心的能效。
[0026]圖2為本發(fā)明資源調(diào)度處理方法實施例二的流程圖。如圖2所示，本實施例是在圖1所示的實施例一的基礎(chǔ)上，進(jìn)一步描述資源調(diào)度處理方法，該處理方法包括:
[0027]S201、學(xué)習(xí)數(shù)據(jù)中心內(nèi)各歷史負(fù)載的相關(guān)數(shù)據(jù)，建立負(fù)載分類規(guī)則并獲得模擬數(shù)據(jù)及第一預(yù)測模型和第二預(yù)測模型。
[0028]具體的，對數(shù)據(jù)中心內(nèi)各歷史負(fù)載的相關(guān)數(shù)據(jù)進(jìn)行聚類分析，該相關(guān)數(shù)據(jù)可具體包括負(fù)載執(zhí)行時間、負(fù)載CPU使用率、負(fù)載內(nèi)存使用率等，而進(jìn)行聚類分析時可以采用K-means算法；通過聚類分析可將負(fù)載分為大型負(fù)載L、中型負(fù)載M和小負(fù)載S(本實施例中的三種負(fù)載類別L、M和S僅用于舉例說明，在實際應(yīng)用中不以上述三種負(fù)載類別為限制)；隨后采用分類算法(例如決策樹算法)學(xué)習(xí)上述三種類別的負(fù)載，可確定用于分類的負(fù)載分類規(guī)則，基于該負(fù)載分類規(guī)則資源調(diào)度處理裝置可對負(fù)載進(jìn)行類別的分類；在對負(fù)載進(jìn)行類別的分類時，可建立一個負(fù)載分類模型，資源調(diào)度處理裝置使用該負(fù)載分類模型對負(fù)載進(jìn)行類別分類；例如分類規(guī)則規(guī)定當(dāng)一個負(fù)載的負(fù)載CPU使用率或其他相關(guān)數(shù)據(jù)大于一定的閾值，則認(rèn)為該負(fù)載的負(fù)載類別為L，從而負(fù)載分類模型基于該分類規(guī)則，可確定負(fù)載的類別；例如，一個負(fù)載的負(fù)載執(zhí)行時間為4536秒，負(fù)載CPU使用率為0.012%、負(fù)載內(nèi)存使用率為0.0011%及負(fù)載磁盤使用率為0.024%，則可根據(jù)負(fù)載分類模型設(shè)定的閾值確定該負(fù)載類別為L或M或S。
[0029]在建立負(fù)載分類規(guī)則之后，可基于負(fù)載分類規(guī)則，資源調(diào)度處理裝置可生成不同類別的模擬負(fù)載，例如負(fù)載分類規(guī)則規(guī)定負(fù)載的相關(guān)數(shù)據(jù)處于一定閾值范圍內(nèi)時，該負(fù)載的負(fù)載類別為M，則資源調(diào)度處理裝置可模擬生成一個相關(guān)數(shù)據(jù)處于負(fù)載類別M對應(yīng)的閾值范圍內(nèi)的模擬負(fù)載，且該模擬負(fù)載可在數(shù)據(jù)中心內(nèi)的服務(wù)器上運(yùn)行，從而可根據(jù)模擬負(fù)載進(jìn)行實驗承載，獲得模擬數(shù)據(jù)。具體的，對多個模擬負(fù)載進(jìn)行多種隨機(jī)組合獲得多個模擬負(fù)載組合，該多個模擬負(fù)載組合中的任意一個模擬負(fù)載組合中的負(fù)載個數(shù)為至少一個，且在該至少一個負(fù)載中負(fù)載的負(fù)載類別為至少一種；隨后在實驗服務(wù)器上實驗承載各個模擬負(fù)載組合，獲得各個模擬負(fù)載組合對應(yīng)的模擬數(shù)據(jù)；例如為滿足一定的準(zhǔn)確性，可在10 (根據(jù)實際需要也可以為20、30等)個模擬負(fù)載中隨機(jī)組合，并在實驗服務(wù)器上依次運(yùn)行各模擬負(fù)載組合，以獲取各模擬負(fù)載組合對應(yīng)的模擬數(shù)據(jù)；舉例來說，上述各模擬負(fù)載組合可以
為L、S、M、LL、MM、SS、LM、LS、MS、LMS、LLS, MLLLSS......，則在實驗服務(wù)器上依次實驗承載上
述各模擬負(fù)載組合并獲得各模擬數(shù)據(jù)；上述模擬數(shù)據(jù)包括各模擬負(fù)載組合的性能干擾對應(yīng)
的模擬負(fù)載組合的性能干擾值及實驗服務(wù)器的能效損失值；具體可采用公式
【權(quán)利要求】
1.一種資源調(diào)度處理方法，其特征在于，包括: 當(dāng)數(shù)據(jù)中心內(nèi)每一個服務(wù)器均承載至少一個第二負(fù)載時，分別預(yù)測數(shù)據(jù)中心內(nèi)每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值；所述候選服務(wù)器的帶權(quán)能效值是相關(guān)于所述第一負(fù)載與所述候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾及所述候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾； 根據(jù)各所述候選服務(wù)器的帶權(quán)能效值，確定最小的帶權(quán)能效值所對應(yīng)的候選服務(wù)器作為最優(yōu)服務(wù)器； 調(diào)度所述最優(yōu)服務(wù)器承載所述第一負(fù)載。
2.根據(jù)權(quán)利要求1所述的處理方法，其特征在于，預(yù)測每一個候選服務(wù)器承載所述第一負(fù)載時的帶權(quán)能效值，包括: 使所述第一負(fù)載及所述候選服務(wù)器已承載的各第二負(fù)載進(jìn)行兩兩組合，獲得< 個負(fù)載對，其中η為所述候選服務(wù)器承載的全部第二負(fù)載與所述第一負(fù)載的負(fù)載總數(shù)； 根據(jù)各所述負(fù)載對中兩個負(fù)載的負(fù)載類別，使用模擬數(shù)據(jù)確定各所述負(fù)載對的性能干擾值，所述模擬數(shù)據(jù)包括所述負(fù)載對與對應(yīng)于該負(fù)載對的所述負(fù)載對的性能干擾值； 根據(jù)各所述負(fù)載對的性能干擾值，確定所述候選服務(wù)器的帶權(quán)能效值。
3.根據(jù)權(quán)利要求2所述的處理方法，其特征在于，根據(jù)各所述負(fù)載對的性能干擾值，確定所述候選服務(wù)器的帶權(quán)能效值，包括: 將各所述負(fù)載對的性能干擾值相加，獲得預(yù)測性能干擾值； 根據(jù)所述預(yù)測性能干擾值，采用第一預(yù)測模型確定所述候選服務(wù)器的性能干擾值；根據(jù)所述候選服務(wù)器的性能干擾值，采用第二預(yù)測模型確定所述候選服務(wù)器的能效損失值； 將所述候選服務(wù)器的性能干擾值與所述候選服務(wù)器的能效損失值相乘，獲得所述候選服務(wù)器的帶權(quán)能效值。
4.根據(jù)權(quán)利要求3所述的處理方法，其特征在于，所述第一預(yù)測模型為CIS=0.505η+0.260pbCIS-0.004pbCIS2-0.269，其中CIS為所述候選服務(wù)器的性能干擾值，pbCIS為預(yù)測性能干擾值； 所述第二預(yù)測模型為Λ EE=0.310CIS+0.048CIS2+0.002CIS3+0.123，其中Λ EE 為所述候選服務(wù)器的能效損失值。
5.根據(jù)權(quán)利要求2所述的處理方法，其特征在于，分別預(yù)測每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值之前，所述處理方法還包括: 學(xué)習(xí)所述數(shù)據(jù)中心內(nèi)各歷史負(fù)載的相關(guān)數(shù)據(jù)，建立負(fù)載分類規(guī)則； 基于所述負(fù)載分類規(guī)則，生成不同類別的模擬負(fù)載； 根據(jù)所述模擬負(fù)載進(jìn)行實驗承載，獲得所述模擬數(shù)據(jù)； 根據(jù)所述模擬數(shù)據(jù)，建立所述第一預(yù)測模型和所述第二預(yù)測模型。
6.根據(jù)權(quán)利要求5所述的處理方法，其特征在于，在根據(jù)所述模擬數(shù)據(jù)，建立所述第一預(yù)測模型和所述第二預(yù)測模型之后，分別預(yù)測每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值之前，所述處理方法還包括: 采用所述負(fù)載分類規(guī)則，確定所述第一負(fù)載的負(fù)載類別。
7.根據(jù)權(quán)利要求1所述的處理方法，其特征在于，所述處理方法還包括: 當(dāng)所述候選服務(wù)器未承載所述第二負(fù)載，則調(diào)度該候選服務(wù)器作為所述最優(yōu)服務(wù)器，承載所述第一負(fù)載。
8.一種資源調(diào)度處理裝置，其特征在于，包括: 預(yù)測模塊，用于若數(shù)據(jù)中心內(nèi)每一個服務(wù)器均承載至少一個第二負(fù)載時，分別預(yù)測數(shù)據(jù)中心內(nèi)每一個候選服務(wù)器承載第一負(fù)載時的帶權(quán)能效值；所述候選服務(wù)器的帶權(quán)能效值是相關(guān)于所述第一負(fù)載與所述候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾及所述候選服務(wù)器已承載的各第二負(fù)載之間的性能干擾； 確定模塊，用于根據(jù)各所述候選服務(wù)器的帶權(quán)能效值，確定最小的帶權(quán)能效值所對應(yīng)的候選服務(wù)器作為最優(yōu)服務(wù)器； 調(diào)度模塊，用于調(diào)度所述最優(yōu)服務(wù)器承載所述第一負(fù)載。
9.根據(jù)權(quán)利要求8所述的處理裝置，其特征在于，所述預(yù)測模塊包括: 組合單元，用于使所述第一負(fù)載及所述候選服務(wù)器已承載的各第二負(fù)載進(jìn)行兩兩組合，獲得C個負(fù)載對，其中η為所述候選服務(wù)器承載的全部第二負(fù)載與所述第一負(fù)載的負(fù)載總數(shù)； 第一確定單元，用于根據(jù)各所述負(fù)載對中兩個負(fù)載的負(fù)載類別，使用模擬數(shù)據(jù)確定各所述負(fù)載對的性能干擾值，所述模擬數(shù)據(jù)包括所述負(fù)載對與對應(yīng)于該負(fù)載對的所述負(fù)載對的性能干擾值； 第二確定單元，用于根據(jù)各所述負(fù)載對的性能干擾值，確定所述候選服務(wù)器的帶權(quán)能效值。
10.根據(jù)權(quán)利要求9所述的處理裝置，其特征在于，所述第二確定單元具體用于將各所述負(fù)載對的性能干擾值相加，獲得預(yù)測性能干擾值； 根據(jù)所述預(yù)測性能干擾值，采用第一預(yù)測模型確定所述候選服務(wù)器的性能干擾值； 根據(jù)所述候選服務(wù)器的性能干擾值，采用第二預(yù)測模型確定所述候選服務(wù)器的能效損失值； 將所述候選服務(wù)器的性能干擾值與所述候選服務(wù)器的能效損失值相乘，獲得所述候選服務(wù)器的帶權(quán)能效值。
【文檔編號】H04L29/08GK103595763SQ201310482258
【公開日】2014年2月19日 申請日期:2013年10月15日 優(yōu)先權(quán)日:2013年10月15日
【發(fā)明者】徐潔, 楊任宇, 沃天宇, 康俊彬, 孫寶亞 申請人:北京航空航天大學(xué)