[发明专利]一种基于分布式数据确定最优资源策略的方法及系统

说明书

本发明涉及一种基于分布式数据确定最优资源策略的方法及系统，该方法包括：采集当前资源信息，并建立智能训练模型；然后计算当前任一时间段内每个微服务器的使用资源增长速率,并对智能训练模型进行优化；接着计算出在未来任一时间段内每个微服务器需要使用的资源量；重复上述过程直至计算出当前的使用资源增长速率与上一次的使用资源增长速率相等；其次确定最优化的微服务器的节点分布策略方案；最后生成控制指令，对节点资源进行实时调整。还涉及一种系统。通过本发明能够根据实时获取资源信息，并根据资源信息自动化，智能化地计算出最优分配策略，根据最优的策略来分配微服务所需的资源,让资源使用最大化，为企业节省资源成本。

技术领域

本发明属于微服务器领域，尤其涉及一种基于分布式数据确定最优资源策略的方法及系统。

背景技术

当前现有的微服务系统具有相对独立性，没有形成一整套的服务网络，没有以调用频率，监控服务状态，计算服务流量的大量信息来从而进行智能化，得出实时的最优资源调度使用策略，且无法根据最优的策略来分配微服务所需的资源,让资源使用最大化，为企业节省资源成本。

发明内容

本发明所要解决的技术问题是：现有微服务系统无法得出实时的最优资源调度使用策略，且无法根据最优的策略来分配微服务器所需的资源,让资源使用最大化，为企业节省资源成本。

为解决上面的技术问题，本发明提供了一种基于分布式数据确定最优资源策略的方法，该方法包括：

S1，采集至少2个微服务器的当前资源信息，并建立智能训练模型；

S2，根据所述当前资源信息和所述智能训练模型，计算当前任一时间段内每个微服务器的使用资源增长速率,并根据所述使用资源增长速率,对所述智能训练模型进行优化；

S3，根据所述使用资源增长速率和优化后的所述智能训练模型，计算出在未来任一时间段内每个微服务器需要使用的资源量；

S4，重复执行步骤S1-S3，直至计算出当前的所述使用资源增长速率与上一次的所述使用资源增长速率相等，则执行步骤S5；

S5，根据优化后的所述智能训练模型和所述每个微服务器需要使用的资源量，确定最优化的微服务器的节点分布策略方案；

S6，根据所述节点分布策略方案，生成控制指令，同时根据所述控制指令对所述至少2个微服务器的节点资源进行实时调整。

本发明的有益效果：通过上述的方法，能够根据实时获取资源信息，并根据资源信息自动化，智能化地计算出最优分配策略，根据最优的策略来分配微服务器所需的资源,让资源使用最大化，为企业节省资源成本。

进一步地，所述当前资源信息包括：每个微服务器的ip资源、cpu和内存、负载压力和网络流量信息、占用的资源量和实际负载量sf。

进一步地，在智能训练模型中预设所述至少2个微服务器的总资源量和每个微服务器的负载量yf。

进一步地，所述S3中包括：当所述实际负载量sf与所述负载量yf的比值大于0.8时，则根据所述使用资源增长速率和优化后的所述智能训练模型，计算出在未来任一时间段内每个微服务器需要使用的资源量。

进一步地，所述S3中还包括：当所述实际负载量sf与所述负载量yf的比值小于0.2时，则根据所述使用资源增长速率和优化后的所述智能训练模型，计算在未来任一时间段内每个微服务器的回收资源或者释放资源的资源量，其中所述回收资源是指在当前自身提供的资源量不足时，获取其他的微服务器释放的资源；所述释放资源是指在当前自身提供的资源量过多时，释放资源给其他的微服务器。

上述进一步地有益效果：根据使用资源增长速率和优化后的智能训练模型，确定每个微服务器的回收资源或者释放资源的资源量，这样有利于后续根据节点分布策略方案对资源进行调配。