混合云自适应资源管理方法、系统、设备及可读存储介质与流程

本技术涉及云资源管理，尤其涉及一种混合云自适应资源管理方法、系统、设备及可读存储介质。

背景技术：

1、随着科学技术的发展，云计算作为一种新的计算范式不断蓬勃发展，掀起了分布式计算社区新一轮的it技术变革。如今，云计算俨然已经成为互联网计算中的一项重要服务。基础设施及服务(infrastructure as a service，iaas)是云计算发展最快和最重要的领域之一。针对iaas的云计算中最紧迫的问题之一是资源管理。在实际应用过程中，常见的云平台调度系统，可以根据用户资源使用请求选择宿主机节点创建虚拟机，然而，在高并发请求场景中，云平台调度系统可能会同时出现部分宿主机资源分配过载，而其他宿主机资源分配过剩的现象。

2、传统的云调度算法一般是根据负载状态信息和资源状态信息，按照成本最小化的连接调度算法计算工作流资源优先级，从而进行云资源分配；或者通过对负载成本和闲置成本数学建模并博弈，寻求找到二者之间的纳什平衡点，从而更新优化当前的云资源分配策略。但是这些云资源分配算法仍存在资源调度不合理问题。因此，在实际应用过程中，亟需一种可以在高并发场景中合理分配资源，使各宿主机节点负载更加均衡，在减小云平台服务器开销和延迟，提高吞吐量的同时，也能最大限度提高系统服务质量的云资源调度算法。

技术实现思路

1、本技术旨在至少能解决上述的技术缺陷之一，有鉴于此，本技术提供了一种混合云自适应资源管理方法、系统、设备及可读存储介质，用于解决现有技术中云资源调度不合理的技术缺陷。

2、一种混合云自适应资源管理方法，该方法包括：

3、实时接收所有用户的虚拟机创建请求；

4、实时采集所有宿主机节点的资源信息，并依据所有宿主机节点的资源信息对所有用户的虚拟机创建请求总数量和所有宿主机节点总数量进行分组；

5、依据所有用户的虚拟机创建请求总数量以及所有宿主机节点总数量的分组结果，采用预设的自适应资源动态调度策略，确定对所有宿主机节点的资源的分配结果；

6、依据所有宿主机节点的资源的分配结果，采用预设的优化模型优化所有宿主机节点的资源的分配结果，得到所有宿主机节点的资源最终的分配方案，并依据所有宿主机节点的资源最终的分配方案，对所有宿主机节点的资源进行调度分配。

7、优选地，所述采集所有宿主机节点的资源信息，并依据所有宿主机节点的资源信息对所有用户的虚拟机创建请求总数量和所有宿主机节点总数量进行分组，包括：

8、实时采集当前所有宿主机节点的资源信息，其中，每个宿主机节点的资源信息包括每个宿主机节点的cpu资源信息和内存资源信息；

9、比较所有用户的虚拟机创建请求总数量与所有宿主机节点总数量之间的关系；

10、若所有用户的虚拟机创建请求总数量小于所有宿主机节点总数量，则确定当前全部宿主机节点的资源的可用情况，并依据当前全部宿主机节点的资源的可用情况，对所有宿主机节点的资源进行排序，再依据所有宿主机节点的资源的排序结果及所有用户的虚拟机创建请求，对所有用户的虚拟机创建请求总数量和所有宿主机节点总数量进行分组，得到所有用户的虚拟机创建请求数量与所有宿主机节点总数量对应的第一分组结果；

11、若所有用户的虚拟机创建请求总数量大于所有宿主机节点总数量，则以预设的第一长度阈值对所有用户的虚拟机创建请求总数量进行分组，并将长度等于或小于所有宿主机节点总数量的最后一组用户的虚拟机创建请求数量继续与所有宿主机节点总数量进行比较；

12、若长度等于或小于所有宿主机节点总数量的最后一组用户的虚拟机创建请求数量小于所有宿主机节点总数量，则执行所述确定当前全部宿主机节点的资源的可用情况，并依据当前全部宿主机节点的资源的可用情况，对所有宿主机节点的资源进行排序，再依据所有宿主机节点的资源的排序结果及所有用户的虚拟机创建请求，对所有用户的虚拟机创建请求总数量和所有宿主机节点总数量进行分组的操作，直至得到所有用户的虚拟机创建请求总数量与所有宿主机节点总数量对应的第二分组结果。

13、优选地，所述预设的自适应资源动态调度策略，包括：

14、若所有用户的虚拟机创建请求总数量小于所有宿主机节点总数量，则确定当前全部宿主机节点的资源的可用情况，并依据当前全部宿主机节点的资源的可用情况，对所有宿主机节点的资源进行排序，再依据所有宿主机节点的资源的排序结果以及所有用户的虚拟机创建请求数量与所有宿主机节点总数量对应的第一分组结果，依次将所有用户的虚拟机创建请求分别分配到可用情况最好的宿主机节点；

15、若所有用户的虚拟机创建请求总数量大于所有宿主机节点总数量，则依据所有用户的虚拟机创建请求数量与所有宿主机节点总数量对应的第二分组结果，分别将每组用户的虚拟机创建请求分配对应的每组宿主机节点。

16、优选地，所述依据所有用户的虚拟机创建请求总数量以及所有宿主机节点总数量的分组结果，采用预设的自适应资源动态调度策略，确定对所有宿主机节点的资源的分配结果，包括：

17、依据所有用户的虚拟机创建请求总数量以及所有宿主机节点总数量的分组结果，采用预设的自适应资源动态调度策略，确定当前场景下对所有用户的虚拟机创建请求对应的宿主机节点的资源的最优分配方案以及最差分配方案；

18、依据预设的损失函数以及预设的自适应权重系数，计算所有用户的虚拟机创建请求对应的宿主机节点的内存资源的最优分配方案与最差分配方案之间的余弦相似度；

19、依据所有用户的虚拟机创建请求对应的宿主机节点的内存资源的最优分配方案与最差分配方案之间的余弦相似度，确定对所有用户的虚拟机创建请求对应的宿主机节点的内存资源的分配结果；

20、依据预设的损失函数以及预设的自适应权重系数，计算所有用户的虚拟机创建请求对应的宿主机节点的cpu资源的最优分配方案与最差分配方案之间的余弦相似度；

21、依据所有用户的虚拟机创建请求对应的宿主机节点的cpu资源的最优分配方案与最差分配方案之间的余弦相似度，确定对所有用户的虚拟机创建请求对应的宿主机节点的cpu资源的分配结果；

22、依据预设的资源损失函数、对所有用户的虚拟机创建请求对应的宿主机节点的内存资源的分配结果以及对所有用户的虚拟机创建请求对应的宿主机节点的cpu资源的分配结果，确定对所有宿主机节点的资源的分配结果。

23、优选地，所述预设的损失函数，包括：

24、lmemory＝min{wn(sn-λn)-wp(sp-λp),0}

25、其中，

26、wn和wp分别表示平衡权重系数；

27、λn表示当前的宿主机节点资源分配结果与当前场景下对所有用户的虚拟机创建请求对应的宿主机节点的资源的最优分配方案的相似度的阈值；

28、λp表示当前的宿主机节点资源分配结果与当前场景下对所有用户的虚拟机创建请求对应的宿主机节点的资源的最差分配方案的相似度的阈值；

29、sn表示当前宿主机节点的资源分配结果与当前场景下对所有用户的虚拟机创建请求对应的宿主机节点的资源的最优分配方案的相似度；

30、sp表示当前的资源分配结果与当前场景下对所有用户的虚拟机创建请求对应的宿主机节点的资源的最差分配方案的相似度。

31、优选地，所述预设的资源总损失函数的计算公式，包括：

32、lt＝w1lmemory+w2lcpu

33、其中，

34、lt表示对所有的宿主机节点的资源的总损失；

35、lmemory表示对所有的宿主机节点的内存资源的总损失；

36、lcpu表示对所有的宿主机节点的cpu资源的总损失；

37、w1表示对所有的宿主机节点的内存资源的总损失对应的损失权重系数；

38、w2表示对所有的宿主机节点的cpu资源的总损失对应的损失权重系数。

39、优选地，所述预设的优化模型的创建过程，包括：

40、将训练的四元组数据作为训练样本，以所述训练的四元组数据中包括的所有宿主机节点的资源的最终分配方案作为训练标签，训练得到；

41、其中，

42、所述训练的四元组数据包括：训练的所有宿主机节点的资源最优分配方案、训练的所有宿主机节点的资源的最差分配方案、当前进行资源分配后宿主机节点的剩余资源数据、训练的用户的虚拟机创建请求。

43、一种混合云自适应资源管理系统，应用于前述介绍的任一项所述混合云自适应资源管理方法，该系统包括：资源信息采集模块、资源动态调度模块以及资源分配执行模块；

44、其中，

45、所述资源信息采集模块负责实时接收所有用户的虚拟机创建请求，并实时采集所有宿主机节点的资源信息，并依据所有宿主机节点的资源信息对所有用户的虚拟机创建请求总数量和所有宿主机节点总数量进行分组；

46、所述资源动态调度模块负责依据所有用户的虚拟机创建请求总数量以及所有宿主机节点总数量的分组结果，采用预设的自适应资源动态调度策略，确定对所有宿主机节点的资源的分配结果；

47、所述资源分配执行模块负责依据所有宿主机节点的资源的分配结果，采用预设的优化模型优化所有宿主机节点的资源的分配结果，得到所有宿主机节点的资源最终的分配方案，并依据所有宿主机节点的资源最终的分配方案，对所有宿主机节点的资源进行调度分配。

48、一种混合云自适应资源管理设备，包括：一个或多个处理器，以及存储器；

49、所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，实现如前述介绍中任一项所述混合云自适应资源管理方法的步骤。

50、一种可读存储介质，所述可读存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器实现如前述介绍中任一项所述混合云自适应资源管理方法的步骤。

51、从以上介绍的技术方案可以看出，在实际应用过程中，不同场景不同时刻，宿主机节点的资源可用情况不同，因此，当有多个用户进行虚拟机创建请求云资源，需要对宿主机节点的资源进行分配时，本技术实施例提供的方法可以实时接收用户的虚拟机创建请求，并实时采集所有宿主机节点的资源信息，并依据所有宿主机节点的资源信息对所有用户的虚拟机创建请求总数量和所有宿主机节点总数量进行分组，以便可以根据所有的宿主机节点的资源的可用情况，来按照对所有用户的虚拟机创建请求总数量和所有宿主机节点总数量的分组情况进行资源调度，因此，在对所有用户的虚拟机创建请求总数量和所有宿主机节点总数量进行分组之后，可以依据所有用户的虚拟机创建请求总数量以及所有宿主机节点总数量的分组结果，采用预设的自适应资源动态调度策略，确定对所有宿主机节点的资源的分配结果；在实际应用过程中，确定对所有宿主机节点的资源的分配结果可能会存在一些误差，因此，为了更好地输出最适合当前所有用户的虚拟机创建请求对应的宿主机节点的资源的分配方案，可以在确定对所有宿主机节点的资源的分配结果之后，进一步依据所有宿主机节点的资源的分配结果，采用预设的优化模型优化所有宿主机节点的资源的分配结果，得到所有宿主机节点的资源最终的分配方案，并依据所有宿主机节点的资源最终的分配方案，对所有宿主机节点的资源进行调度分配。

52、由此可见，采用本技术实施例提供的方法来进行云资源调度，可以接收用户的虚拟机创建请求，并实时采集并更新云资源信息，实现实时动态调整云资源的分配，进一步地，在获取实时云资源信息和用户请求的基础上，本技术实施例提供的方法能够自适应动态优化资源分配，能够迅速实时生成云资源的分配方案，能在高并发场景下减小资源分配延时，进一步地可以使各计算节点负载更加均衡，资源利用更加合理，大幅度提高了云平台稳定性和资源利用率，尤其可以适用在混合云场景下，对混合云的cpu和内存资源的负载均衡调度中，可以有效均衡分配混合云的cpu和内存资源，最高限度提升系统的性能。