CN105700955A - 服务器系统的资源分配方法 - Google Patents
服务器系统的资源分配方法 Download PDFInfo
- Publication number
- CN105700955A CN105700955A CN201410707966.9A CN201410707966A CN105700955A CN 105700955 A CN105700955 A CN 105700955A CN 201410707966 A CN201410707966 A CN 201410707966A CN 105700955 A CN105700955 A CN 105700955A
- Authority
- CN
- China
- Prior art keywords
- virtual machine
- threshold value
- application flow
- resource
- server system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45562—Creating, deleting, cloning virtual machine instances
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
服务器系统的资源分配方法包含利用类神经网络演算法预测应用流程的资源使用量,当应用流程的资源使用量大于应用流程的可用虚拟机资源门槛值时,开启虚拟机以供应用流程使用,并将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值及虚拟机的资源量的和。
Description
技术领域
本发明有关于一种服务器系统的资源分配方法,尤指一种可根据应用流程分配系统资源的方法。
背景技术
随着因特网发展及云端运算的崛起,网络资源的使用及管理也日渐复杂,数据中心(Datacenter)为了使网络资源的分配更有效率,即开始运用虚拟机的概念。在数据中心的服务器系统中可包含多个虚拟机,并只在有需要时才根据需要在服务器系统中将虚拟机实体化;如此一来,同一台服务器的硬件资源,亦可用来执行不同的操作系统,而有助于增加硬件资源使用上的弹性。
过去在服务器系统中常见的资源分配方法是通过侦测服务器的负载多寡来决定是否可提供更多资源,根据这种资源分配方法,服务器系统并无法得知所处理的应用流程为何,因此为了使每个不同的应用流程皆能满足通讯商与客户之间的服务水平协议(ServiceLevelAgreement,SLA),如于反应时间(responsetime)完成服务,服务器系统可能必须开放额外的硬件资源供用户使用,以确保服务器系统能满足服务水平协议,而导致硬件资源的浪费;且当应用流程所需的资源减少时,若无法迅速释放硬件资源给其他的应用流程或用户,亦可能导致服务器系统的硬件资源短缺。由于现今的云端数据中心所处理的应用程序的资源需求量变动非常大,因此如何有效的配置与管理资源即成为一个重要的议题。
发明内容
本发明的一实施例提供一种服务器系统的资源分配方法包含:利用类神经网络演算法预测应用流程的资源使用量,及当应用流程的资源使用量大于应用流程的可用虚拟机资源门槛值时,于服务器系统开启虚拟机以供应用流程使用,并将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值及虚拟机的资源量的和。
本发明的另一实施例提供一种服务器系统的资源分配方法包含:利用类神经网络演算法预测应用流程的资源使用量,及当应用流程的资源使用量小于应用流程的可用虚拟机资源门槛值与虚拟机的资源量的差时,于服务器系统关闭虚拟机,并将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值减去虚拟机的资源量。
附图说明
图1为本发明一实施例的服务器系统的示意图。
图2为本发明一实施例的图1的服务器系统的资源分配方法流程图。
图3为本发明另一实施例的图1的服务器系统的资源分配方法流程图。
图4为本发明另一实施例的图1的服务器系统的资源分配方法流程图。
图5为本发明另一实施例的图1的服务器系统的资源分配方法流程图。
组件标号说明:
100服务器系统
110主机
112虚拟机
120开放分组转送控制器
130结合输入及交叉点队列交换机
200、300、400、500资源分配方法
S210-S250步骤
S310-S350步骤
S410-S480步骤
S510-S600步骤
具体实施方式
图1为本发明一实施例的服务器系统100的示意图。服务器系统100包含至少一个主机110,而每一个主机110可提供至少一个虚拟机112。在本发明的一实施例中,服务器系统100可包含开放分组转送(OpenFlow)控制器120及结合输入及交叉点队列(CombinedInputandCrossbarQueue,CICQ)交换机130。开放分组转送控制器120可用于根据软件自定义网络(software-DefinedNetworks,SDN)为基础实作服务器系统100的网络层以转送多个分组。而结合输入及交叉点队列交换机130则可用于对多个分组排程。在本发明的一实施例中,可在开放分组转送控制器120所转送的每一个分组上加上应用流程标头,如此一来开放分组转送控制器120即可根据每个分组上的应用流程标头来辨识出每个分组所对应的应用流程。
图2为服务器系统100的资源分配方法200的流程图。在本发明的一实施例中,服务器系统100可被用来执行不同的应用流程,例如搜索引擎、3D游戏、社群网站、影像传输、电子邮件…等,而服务器系统100即可根据每个应用流程所需资源的特性来分配系统的资源。资源分配方法200包含步骤S210-S250:
S210:利用类神经网络演算法预测应用流程的资源使用量;
S220:当应用流程的资源使用量大于应用流程的可用虚拟机资源门槛值(VMallocationthreshold)时,进入步骤S230,否则进入步骤S250;
S230:于服务器系统100中开启虚拟机以供应用流程使用;
S240:将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值及虚拟机的资源量的和;
S250:结束。
在步骤S210中,服务器系统100可利用类神经网络演算法预测每个应用流程的资源使用量,并可根据每个应用流程的中央处理器(centralprocessingunit,CPU)、内存、绘图处理器(graphicprocessingunit,GPU)、硬盘输入输出(I/O)及网络带宽的资源使用量作为类神经网络演算法的输入参数。此外,由于用户于不同时间使用各种应用流程的机率可能不同,因此在本发明的一实施例中,亦将时间戳(timestamp)作为类神经网络演算法的输入参数。
在步骤S220中,服务器系统100可判断每个应用流程的资源使用量是否大于其应用流程的可用虚拟机资源门槛值,当应用流程的资源使用量大于其可用虚拟机资源门槛值时,表示现有的硬件资源不足以执行其应用流程,因此可进入步骤S230并开启一个新的虚拟机以供其应用流程使用,亦即将一个虚拟机于服务器系统100中实体化,且被实体化的虚拟机将只用于执行对应的应用流程。在本发明的一实施例中,每一个虚拟机用于运算的资源量可皆相同,因此在开启新的虚拟机之后,于步骤S240中,可将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值及虚拟机的资源量的和,如此一来,即可通过每个应用流程的可用虚拟机资源门槛值表示出每个应用流程目前可用的虚拟机资源已提升了一个虚拟机的资源量。
图3为当服务器系统100的资源分配方法300的流程图。资源分配方法300包含步骤S310-S350:
S310:利用类神经网络演算法预测应用流程的资源使用量;
S320:当应用流程的资源使用量小于应用流程的可用虚拟机资源门槛值与虚拟机的资源量的差时,进入步骤S330,否则进入步骤S350;
S330:于服务器系统100关闭虚拟机;
S340:将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值减去虚拟机的资源量;
S350:结束。
在步骤S310预测应用流程的资源使用量之后,在步骤S320中,可判断应用流程的资源使用量是否小于应用流程的可用虚拟机资源门槛值与虚拟机的资源量的差,当应用流程的资源使用量小于应用流程的可用虚拟机资源门槛值与虚拟机的资源量的差时,表示其应用流程可用的虚拟机资源已足以供其应用流程使用,且即便再关闭一台虚拟机也足够,因此于步骤S330中,可于服务器系统100中关闭一台供其应用流程所使用的虚拟机,如此即可将不必要的资源释放给其他的应用流程使用,并节省服务器系统100的能源消耗。而在步骤S340当中则可将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值减去虚拟机的资源量,以使可用虚拟机资源门槛值能持续表示其应用流程目前可用的资源量。
此外,在本发明的一实施例中,服务器系统100亦可同时利用方法200及300中的判断条件及步骤来分配硬件资源。图4为服务器系统100的资源分配方法400的流程图。资源分配方法400包含步骤S410-S480:
S410:利用类神经网络演算法预测应用流程的资源使用量;
S420:当应用流程的资源使用量大于应用流程的可用虚拟机资源门槛值时,进入步骤S430,否则进入步骤S450;
S430:于服务器系统100开启虚拟机以供应用流程使用;
S440:将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值及虚拟机的资源量的和;跳至步骤S480;
S450:当应用流程的资源使用量小于应用流程的可用虚拟机资源门槛值与虚拟机的资源量的差时,进入步骤S460,否则进入步骤S480;
S460:于服务器系统100关闭虚拟机;
S470:将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值减去虚拟机的资源量;
S480:结束。
方法400包含方法200及300中的判断条件,其操作原理亦相似,在此不另赘述。然而,虽然在图4中,步骤S450在步骤S420之后,然而本发明并不以此为限;例如,在本发明的其他实施例中,亦可优先判断步骤S450中的条件,亦即当应用流程的资源使用量小于应用流程的可用虚拟机资源门槛值与虚拟机的资源量的差时,进行步骤S460及S470的动作,否则再进入步骤S420并判断步骤S420的条件是否被满足以决定是否进行步骤S430-S440。
根据上述的资源分配方法200、300及400,服务器系统100即可通过预估应用流程的资源使用量来分配硬件资源,而只在应用流程有必要时,开启虚拟机,并可在应用流程不必要时,关闭虚拟机,使得服务器系统100的硬件资源分配更有弹性及效率,并可节省服务器系统100的能源消耗。
此外,为了确保用户的权益,服务器系统的提供者与用户之间常会有服务水平协议(ServiceLevelAgreement,SLA),常见的服务水平协议包含了服务器系统需于响应时间(Responsetime)内完成用户所需的服务,为使服务器系统100于分配资源时仍能满足服务水平协议的条件,在本发明的一实施例中,服务器系统100亦可根据执行应用流程的时间来调整开启或关闭虚拟机的机率。
图5为本发明一实施例的服务器系统100的资源分配方法500的流程图。资源分配方法500包含以下步骤S510-S600:
S510:利用类神经网络演算法预测应用流程的资源使用量;
S520:当应用流程的资源使用量大于应用流程的可用虚拟机资源门槛值时,进入步骤S530,否则进入步骤S550;
S530:于服务器系统100开启虚拟机以供应用流程使用;
S540:将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值及虚拟机的资源量的和;跳至步骤S580;
S550:当应用流程的资源使用量小于应用流程的可用虚拟机资源门槛值与虚拟机的资源量的差时,进入步骤S560,否则进入步骤S580;
S560:于服务器系统100关闭虚拟机;
S570:将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值减去虚拟机的资源量;
S580:当服务器系统100执行应用流程的时间大于服务器系统100的服务水平协议所定义的响应时间时,进入步骤S585,否则进入步骤S590;
S585:减少可用虚拟机资源门槛值;跳至步骤S600;
S590:当服务器系统100执行应用流程的时间小于响应时间与预定值的乘积时,进入步骤S595,否则进入步骤S600;
S595:增加可用虚拟机资源门槛值;
S600:结束。
步骤S510-S570与步骤S410-S470的操作原理相似,在此不另赘述。在步骤S580中,当服务器系统100执行应用流程的时间大于服务器系统100的服务水平协议所定义的响应时间时,表示服务器系统100需要更多的硬件资源以满足服务水平协议所定义的响应时间,此时步骤S585即可减少可用虚拟机资源门槛值,如此一来,当下次服务器系统100评估是否需要开启新的虚拟机以供应用流程使用时,即会因为应用流程的可用虚拟机资源门槛值下降,导致有更高的机率会开启新的虚拟机以满足反应时间。在本发明的一实施例中,步骤S585可将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值与服务水平协议权重(WSLA)的乘积,且服务水平协议权重的大小介于0与1之间。若服务器系统100须严格符合服务水平协议的要求,则服务水平协议权重可设为较接近0,使得可用虚拟机资源门槛值下降较快,而开启虚拟机的条件将较容易被满足;反之,若允许违反服务水平协议的次数较多,则服务水平协议权重可设为较接近1,使得可用虚拟机资源门槛值下降较慢,开启虚拟机的条件将较不容易被满足,而可避免硬件资源的浪费。
在步骤S590中,其预定值小于1,亦即当服务器系统100执行应用流程的时间小于响应时间与预定值的乘积时,表示应用流程于服务器系统100中现有的硬件资源已经可以满足服务水平协议所定义的响应时间,此时即可通过步骤S595增加可用虚拟机资源门槛值;如此一来,下次服务器系统100评估是否需要关闭虚拟机时,即会因为应用流程的可用虚拟机资源门槛值增加,导致有更高的机率会关闭虚拟机以减少不必要的系统资源浪费。
在本发明的一实施例中,预定值可设为0.5,在本发明的其他实施例中,预定值的大小亦可根据服务水平协议的严格与否来加以调整,如服务水平协议需被严格执行时,则预定值可设定得较小,例如为0.4;反之,若服务水平协议可允许的违反次数较多,则预定值可设定得较大,例如为0.75。而在步骤S595中,亦可将可用虚拟机资源门槛值调整为可用虚拟机资源门槛值与电能使用权重(Wp)的乘积,且电能使用权重的大小介于1与2之间。若服务器系统100须严格符合服务水平协议的要求,则可电能使用权重设为较接近1,使得可用虚拟机资源门槛值增加较慢,而关闭虚拟机的条件将较不容易被满足;反之,则电能使用权重设为较接近2,使得可用虚拟机资源门槛值增加较快,关闭虚拟机的条件将较容易被满足,而可更积极地避免硬件资源的浪费以节省电能。
此外,虽然在图5中,步骤S590在步骤S580之后,然而本发明并不以此为限;例如,在本发明的其他实施例中,亦可优先判断步骤S590中的条件,亦即当服务器系统100执行应用流程的时间小于响应时间与预定值的乘积时,进行步骤S595,否则才进入步骤S580并判断步骤S580的条件是否被满足以决定是否进行步骤S585。
根据上述的资源分配方法500,服务器系统100即可通过预估应用流程的资源使用量以及服务水平协议中的要求来分配硬件资源,而可在满足服务水平协议的情况下,只在应用流程有必要时,开启虚拟机,并可在应用流程不必要,关闭虚拟机,使得服务器系统100的硬件资源分配更有弹性及效率,并可节省服务器系统100的能源消耗。
综上所述,根据本发明实施例所提供的服务器系统的资源分配方法,服务器系统即可通过预估应用流程的资源使用量以及服务水平协议中的要求来分配硬件资源,并可在满足服务水平协议的情况下,只在应用流程有必要时,开启虚拟机,并可在应用流程不必要,关闭虚拟机,使得服务器系统的硬件资源分配更有弹性及效率,并可节省服务器系统的能源消耗。
以上所述仅为本发明的较佳实施例,凡依本发明权利要求所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (10)
1.一种服务器系统的资源分配方法,其特征为,所述方法包含:
利用类神经网络演算法预测一应用流程的一资源使用量;及
当所述应用流程的所述资源使用量大于所述应用流程的一可用虚拟机资源门槛值时:
于所述服务器系统开启一虚拟机以供所述应用流程使用;及
将所述可用虚拟机资源门槛值调整为所述可用虚拟机资源门槛值及所述虚拟机的资源量的和。
2.一种服务器系统的资源分配方法,其特征为,所述方法包含:
利用类神经网络演算法预测一应用流程的一资源使用量;及
当所述应用流程的所述资源使用量小于所述应用流程的一可用虚拟机资源门槛值与一虚拟机的资源量的差时:
于所述服务器系统关闭所述虚拟机;及
将所述可用虚拟机资源门槛值调整为所述可用虚拟机资源门槛值减去所述虚拟机的资源量。
3.如权利要求1或2所述的方法,其特征为,所述方法还包含:
当所述服务器系统执行所述应用流程的时间大于所述服务器系统的服务水平协议所定义的一响应时间时,减少所述可用虚拟机资源门槛值。
4.如权利要求3所述的方法,其特征为,减少所述可用虚拟机资源门槛值为将所述可用虚拟机资源门槛值调整为所述可用虚拟机资源门槛值与一服务水平协议权重的乘积,且所述服务水平协议权重的大小介于0与1之间。
5.如权利要求1或2所述的方法,其特征为,所述方法还包含:
当所述服务器系统执行所述应用流程的时间小于所述响应时间与一预定值的乘积时,增加所述可用虚拟机资源门槛值,其中所述预定值小于1。
6.如权利要求5所述的方法,其特征为,所述预定值为0.5。
7.如权利要求5所述的方法,其特征为,增加所述可用虚拟机资源门槛值为将所述可用虚拟机资源门槛值调整为所述可用虚拟机资源门槛值与一电能使用权重的乘积,且所述电能使用权重的大小介于1与2之间。
8.如权利要求1或2所述的方法,其特征为,利用类神经网络演算法预测所述应用流程的所述资源使用量以所述应用流程的中央处理器、内存、绘图处理器、硬盘输入输出(I/O)及网络带宽的资源使用量以及时间戳作为类神经网络演算法的输入参数。
9.如权利要求1或2所述的方法,其特征为,所述服务器系统包含:
一开放分组转送控制器,用于根据软件自定义网络为基础实作所述服务器系统的网络层以转送多个分组;及
一结合输入及交叉点队列交换机,用于排程所述分组。
10.如权利要求9所述的方法,其特征为,所述开放分组转送控制器所转送的每一个分组包含一应用流程标头以标记所述分组所对应的应用流程。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410707966.9A CN105700955A (zh) | 2014-11-28 | 2014-11-28 | 服务器系统的资源分配方法 |
US14/672,252 US20160154676A1 (en) | 2014-11-28 | 2015-03-30 | Method of Resource Allocation in a Server System |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410707966.9A CN105700955A (zh) | 2014-11-28 | 2014-11-28 | 服务器系统的资源分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105700955A true CN105700955A (zh) | 2016-06-22 |
Family
ID=56079274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410707966.9A Pending CN105700955A (zh) | 2014-11-28 | 2014-11-28 | 服务器系统的资源分配方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20160154676A1 (zh) |
CN (1) | CN105700955A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389816A (zh) * | 2018-04-20 | 2019-10-29 | 伊姆西Ip控股有限责任公司 | 用于资源调度的方法、装置以及计算机程序产品 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10162684B2 (en) * | 2015-10-15 | 2018-12-25 | International Business Machines Corporation | CPU resource management in computer cluster |
KR20180051987A (ko) | 2016-11-09 | 2018-05-17 | 삼성전자주식회사 | 인공 신경망의 연산 처리 경로 관리 방법 |
US10203991B2 (en) * | 2017-01-19 | 2019-02-12 | International Business Machines Corporation | Dynamic resource allocation with forecasting in virtualized environments |
US10318350B2 (en) * | 2017-03-20 | 2019-06-11 | International Business Machines Corporation | Self-adjusting environmentally aware resource provisioning |
WO2019031783A1 (en) * | 2017-08-09 | 2019-02-14 | Samsung Electronics Co., Ltd. | ON-DEMAND FUNCTION SUPPLY SYSTEM (FAAS), AND METHOD OF OPERATING THE SYSTEM |
CN109445935B (zh) * | 2018-10-10 | 2021-08-10 | 杭州电子科技大学 | 云计算环境下一种高性能大数据分析系统自适应配置方法 |
US20200403935A1 (en) * | 2019-06-18 | 2020-12-24 | Tmrw Foundation Ip & Holding S. À R.L. | Software engine virtualization and dynamic resource and task distribution across edge and cloud |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101911047A (zh) * | 2007-11-06 | 2010-12-08 | 瑞士信贷证券(美国)有限责任公司 | 根据服务水平协议预测并管理资源分配 |
CN102722413A (zh) * | 2012-05-16 | 2012-10-10 | 上海兆民云计算科技有限公司 | 一种桌面云集群使用的分布式资源调度方法 |
CN103812911A (zh) * | 2012-11-14 | 2014-05-21 | 中兴通讯股份有限公司 | 一种控制使用PaaS云计算平台服务资源的方法和系统 |
CN103823718A (zh) * | 2014-02-24 | 2014-05-28 | 南京邮电大学 | 一种面向绿色云计算的资源配置方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6125105A (en) * | 1997-06-05 | 2000-09-26 | Nortel Networks Corporation | Method and apparatus for forecasting future values of a time series |
US6985937B1 (en) * | 2000-05-11 | 2006-01-10 | Ensim Corporation | Dynamically modifying the resources of a virtual server |
US8291411B2 (en) * | 2007-05-21 | 2012-10-16 | International Business Machines Corporation | Dynamic placement of virtual machines for managing violations of service level agreements (SLAs) |
US8245234B2 (en) * | 2009-08-10 | 2012-08-14 | Avaya Inc. | Credit scheduler for ordering the execution of tasks |
US9176788B2 (en) * | 2011-08-16 | 2015-11-03 | Esds Software Solution Pvt. Ltd. | Method and system for real time detection of resource requirement and automatic adjustments |
US8756609B2 (en) * | 2011-12-30 | 2014-06-17 | International Business Machines Corporation | Dynamically scaling multi-tier applications vertically and horizontally in a cloud environment |
-
2014
- 2014-11-28 CN CN201410707966.9A patent/CN105700955A/zh active Pending
-
2015
- 2015-03-30 US US14/672,252 patent/US20160154676A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101911047A (zh) * | 2007-11-06 | 2010-12-08 | 瑞士信贷证券(美国)有限责任公司 | 根据服务水平协议预测并管理资源分配 |
CN102722413A (zh) * | 2012-05-16 | 2012-10-10 | 上海兆民云计算科技有限公司 | 一种桌面云集群使用的分布式资源调度方法 |
CN103812911A (zh) * | 2012-11-14 | 2014-05-21 | 中兴通讯股份有限公司 | 一种控制使用PaaS云计算平台服务资源的方法和系统 |
CN103823718A (zh) * | 2014-02-24 | 2014-05-28 | 南京邮电大学 | 一种面向绿色云计算的资源配置方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389816A (zh) * | 2018-04-20 | 2019-10-29 | 伊姆西Ip控股有限责任公司 | 用于资源调度的方法、装置以及计算机程序产品 |
CN110389816B (zh) * | 2018-04-20 | 2023-05-23 | 伊姆西Ip控股有限责任公司 | 用于资源调度的方法、装置以及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
US20160154676A1 (en) | 2016-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105700955A (zh) | 服务器系统的资源分配方法 | |
Zhou | QoE-driven delay announcement for cloud mobile media | |
CN110851429B (zh) | 一种基于影响力自适应聚合的边缘计算可信协同服务方法 | |
Garg et al. | SLA-based virtual machine management for heterogeneous workloads in a cloud datacenter | |
Wei et al. | QoS-aware resource allocation for video transcoding in clouds | |
Scoca et al. | Scheduling latency-sensitive applications in edge computing | |
Huang et al. | When backpressure meets predictive scheduling | |
CN104901989B (zh) | 一种现场服务提供系统及方法 | |
Xu et al. | Learning-based dynamic resource provisioning for network slicing with ensured end-to-end performance bound | |
Kliazovich et al. | CA-DAG: Communication-aware directed acyclic graphs for modeling cloud computing applications | |
Ren et al. | Efficient resource provisioning and rate selection for stream mining in a community cloud | |
El Khoury et al. | Energy-aware placement and scheduling of network traffic flows with deadlines on virtual network functions | |
CN105302641A (zh) | 虚拟化集群中进行节点调度的方法及装置 | |
Yang et al. | Optimal task scheduling in communication-constrained mobile edge computing systems for wireless virtual reality | |
Cheng et al. | Proscale: Proactive autoscaling for microservice with time-varying workload at the edge | |
TWI546681B (zh) | 伺服器系統的資源分配方法 | |
Guo et al. | IEEE SA Industry Connections-IEEE 802 Nendica Report: Intelligent Lossless Data Center Networks | |
Liu et al. | ScaleFlux: Efficient stateful scaling in NFV | |
Liu et al. | On-line real-time service allocation and scheduling for distributed data centers | |
Tseng et al. | Coflow deadline scheduling via network-aware optimization | |
Fang et al. | Latency aware online tasks scheduling policy for edge computing system | |
Liu et al. | Influence analysis for celebrities via public cloud and social platform | |
Bensalem et al. | Towards optimal serverless function scaling in edge computing network | |
Al-Musawi et al. | Optimized energy aware resource allocation algorithm using software defined network technology | |
Shukla et al. | Low latency and energy efficient sensor selection for IoT services |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160622 |
|
WD01 | Invention patent application deemed withdrawn after publication |