【技術實現步驟摘要】
本專利技術涉及云計算，尤其是涉及云網融合環境下的系統資源動態分配方法及優化系統。
技術介紹
1、隨著云計算和網絡的深度融合，云網融合環境已成為信息技術發展的重要趨勢。在此環境中，系統資源的分配與管理顯得尤為重要。當前，相關技術主要聚焦于靜態資源分配或基于簡單規則的動態分配，缺乏靈活性和智能化。。
2、現有的技術中，通常采用預設的資源分配策略，根據系統的實時負載進行一定程度的動態調整。然而，這種方法往往無法適應復雜多變的云網融合環境，導致資源利用率不高或服務質量下降。并且此方法缺乏全面的資源需求預測、精細化的資源分配策略以及實時的資源調整機制，難以在保障服務質量的同時最大化資源利用效率。
技術實現思路
1、針對現有技術存在的不足，本專利技術的目的是提供云網融合環境下的系統資源動態分配方法及優化系統，其解決了云網融合環境下系統資源分配不夠靈活、智能化程度低以及資源利用率和服務質量難以同時保障的問題。
2、本專利技術的上述專利技術目的是通過以下技術方案得以實現的：
3、云網融合環境下的系統資源動態分配方法，包括以下步驟：
4、步驟1、實時監測與數據收集，利用智能監控單元，實時捕捉云網融合環境中各節點的資源使用數據，包括cpu利用率、內存占用、網絡帶寬關鍵指標；
5、步驟2、數據分析與需求預測，對收集到的數據進行分析，識別資源使用的高峰期和低谷期，揭示資源需求的時空分布特征，采用機器學習算法，如時間序列分析或神經網絡，預測未來一段
6、步驟3、動態資源分配策略制定，基于數據分析與需求預測的結果，結合系統的資源總量和當前使用情況，制定資源分配策略；
7、步驟4、資源調整與優化執行，根據制定的資源分配策略，自動觸發資源的調整動作，如增加或減少節點的資源配額、優化資源的調度順序，確保資源能夠按需分配；
8、步驟5、反饋機制與持續優化，建立實時反饋機制，收集資源分配過程中的性能數據和用戶反饋，定期評估資源分配策略的有效性，根據反饋數據進行調整和優化，以適應系統負載的變化和用戶需求的變化。
9、作為本專利技術的進一步的技術方案：在所述步驟1中，所述智能監控單元包括資源使用監控模塊、性能指標監控模塊、日志分析模塊以及應用層監控模塊；
10、所述資源使用監控模塊通過部署監控代理，實時捕獲各計算節點、存儲節點和網絡節點的資源使用情況；
11、所述性能指標監控模塊針對關鍵性能指標，如響應時間、吞吐量、錯誤率進行監控，以確保系統性能達到預期；
12、所述日志分析模塊用于收集并分析系統日志，以發現潛在的問題、異常行為或性能瓶頸；
13、所述應用層監控模塊用于對運行在云網融合環境中的應用進行監控，包括應用狀態、服務可用性和事務處理。
14、作為本專利技術的進一步的技術方案：在所述步驟2中，利用機器學習算法進行資源需求預測具體包括以下步驟：收集歷史資源使用數據并構建訓練集，然后選擇長短期記憶網絡lstm的機器學習算法進行訓練，以建立資源使用與影響因素之間的模型，最后基于該模型進行未來資源需求的預測。
15、作為本專利技術的進一步的技術方案：在所述步驟3中，對處理監測數據進行動態分配策略訓練，從而獲取第一動態資源分配策略，對第一動態資源分配策略進行開銷平衡二次訓練，從而獲取第二動態資源分配策略，對第二動態資源分配策略進行多維指標平衡優化，從而獲取多維動態資源分配策略。
16、作為本專利技術的進一步的技術方案：所述步驟3包括以下步驟：
17、步驟s31：對處理監測數據進行節點性能衰減因素、衰減特征、資源占比分析，從而從而獲取資源利用率數據；
18、步驟s32：對負載變化特征比對數據以及資源利用率數據進行資源開銷趨勢分析，從而獲取資源開銷趨勢數據，并對資源開銷趨勢數據進行聚類區間劃分，從而獲取開銷趨勢區間數據；
19、步驟s33：對開銷趨勢區間數據進行動態分配策略訓練，從而獲取第一動態資源分配策略，對處理監測數據進行通信開銷分布分析，從而獲取通信開銷分布數據；
20、步驟s34：對通信開銷分布數據進行分布特性分析，從而獲取通信分布特性數據，根據通信分布特性數據對第一動態資源分配策略進行開銷平衡二次訓練，從而獲取第二動態資源分配策略，對第二動態資源分配策略進行多維指標平衡優化，從而獲取多維動態資源分配策略。
21、作為本專利技術的進一步的技術方案：所述步驟4具體包括以下步驟：資源監控模塊實時監控資源的使用情況和業務需求，策略引擎模塊根據預設或動態生成的資源分配策略，分析資源監控模塊收集的數據，并生成資源調整指令，動作執行模塊接收資源調整指令，自動觸發資源的調整動作，如增加或減少節點的資源配額、優化資源的調度順序，反饋學習模塊收集資源調整后的效果數據，并通過機器學習技術優化資源分配策略。
22、作為本專利技術的進一步的技術方案：所述資源分配策略的生成方法包括在確定針對目標對象的對象指標數據的監測結果滿足對象預設條件的情況下，確定所述目標對象中、資源指標數據滿足資源預設條件的目標資源指標數據，其中，所述目標對象包括至少一個目標資源，根據預設的資源指標數據和初始影響因子之間的因果關系圖，確定所述目標資源指標數據關聯的目標影響因子，根據所述目標影響因子，生成所述目標對象的資源分配策略。
23、作為本專利技術的進一步的技術方案：所述根據預設的資源指標數據和初始影響因子之間的因果關系圖，確定所述目標資源指標數據關聯的目標影響因子，包括：遍歷預設的資源指標數據和初始影響因子之間的因果關系圖，確定所述目標資源指標數據關聯的至少兩個初始影響因子，確定第一初始影響因子對于所述目標資源指標數據的影響值，并根據所述影響值從所述至少兩個初始影響因子中確定目標影響因子，所述第一初始影響因子為所述至少兩個初始影響因子之一。
24、本專利技術還公開了云網融合環境下的系統資源動態分配優化系統，包括：
25、監測模塊：實時收集并分析系統的資源使用情況和性能指標；
26、決策模塊：基于監測數據，結合預設的資源分配策略，動態生成資源調整方案；
27、執行模塊：根據決策模塊生成的資源調整方案，自動觸發資源的調整動作，包括增加或減少節點的資源配額、優化資源的調度順序；
28、反饋模塊：將執行結果反饋給決策模塊，以便實時調整資源分配策略。
29、綜上所述，本專利技術包括以下至少一種有益技術效果：
30、1.本專利技術公開了一種云網融合環境下的系統資源動態分配方法及優化系統，與現有技術相比，此方法通過引入智能化的資源需求預測和動態資源分配策略，本技術能夠更準確地預測未來的資源需求，并根據實際需求進行精細化的資源分配和調整。這不僅可以顯著提升資源利用率，降低運維成本，還能在保障服務質量的同時提升系統的靈活性和可擴展性。
31、2.本專利技術能夠實時響應系統的資源需求變化，本文檔來自技高網...
【技術保護點】
1.云網融合環境下的系統資源動態分配方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的云網融合環境下的系統資源動態分配方法，其特征在于，在所述步驟1中，所述智能監控單元包括資源使用監控模塊、性能指標監控模塊、日志分析模塊以及應用層監控模塊；
3.根據權利要求1所述的云網融合環境下的系統資源動態分配方法，其特征在于，在所述步驟2中，利用機器學習算法進行資源需求預測具體包括以下步驟：收集歷史資源使用數據并構建訓練集，然后選擇長短期記憶網絡LSTM的機器學習算法進行訓練，以建立資源使用與影響因素之間的模型，最后基于該模型進行未來資源需求的預測。
4.根據權利要求1所述的云網融合環境下的系統資源動態分配方法，其特征在于，在所述步驟3中，對處理監測數據進行動態分配策略訓練，從而獲取第一動態資源分配策略，對第一動態資源分配策略進行開銷平衡二次訓練，從而獲取第二動態資源分配策略，對第二動態資源分配策略進行多維指標平衡優化，從而獲取多維動態資源分配策略。
5.根據權利要求4所述的云網融合環境下的系統資源動態分配方法，其特征在于，所述步驟3包
6.根據權利要求1所述的云網融合環境下的系統資源動態分配方法，其特征在于，所述步驟4具體包括以下步驟：資源監控模塊實時監控資源的使用情況和業務需求，策略引擎模塊根據預設或動態生成的資源分配策略，分析資源監控模塊收集的數據，并生成資源調整指令，動作執行模塊接收資源調整指令，自動觸發資源的調整動作，如增加或減少節點的資源配額、優化資源的調度順序，反饋學習模塊收集資源調整后的效果數據，并通過機器學習技術優化資源分配策略。
7.根據權利要求6所述的云網融合環境下的系統資源動態分配方法，其特征在于，所述資源分配策略的生成方法包括在確定針對目標對象的對象指標數據的監測結果滿足對象預設條件的情況下，確定所述目標對象中、資源指標數據滿足資源預設條件的目標資源指標數據，其中，所述目標對象包括至少一個目標資源，根據預設的資源指標數據和初始影響因子之間的因果關系圖，確定所述目標資源指標數據關聯的目標影響因子，根據所述目標影響因子，生成所述目標對象的資源分配策略。
8.根據權利要求7所述的云網融合環境下的系統資源動態分配方法，其特征在于，所述根據預設的資源指標數據和初始影響因子之間的因果關系圖，確定所述目標資源指標數據關聯的目標影響因子，包括：遍歷預設的資源指標數據和初始影響因子之間的因果關系圖，確定所述目標資源指標數據關聯的至少兩個初始影響因子，確定第一初始影響因子對于所述目標資源指標數據的影響值，并根據所述影響值從所述至少兩個初始影響因子中確定目標影響因子，所述第一初始影響因子為所述至少兩個初始影響因子之一。
9.云網融合環境下的系統資源動態分配優化系統，其特征在于，包括：
...【技術特征摘要】
1.云網融合環境下的系統資源動態分配方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的云網融合環境下的系統資源動態分配方法，其特征在于，在所述步驟1中，所述智能監控單元包括資源使用監控模塊、性能指標監控模塊、日志分析模塊以及應用層監控模塊；
3.根據權利要求1所述的云網融合環境下的系統資源動態分配方法，其特征在于，在所述步驟2中，利用機器學習算法進行資源需求預測具體包括以下步驟：收集歷史資源使用數據并構建訓練集，然后選擇長短期記憶網絡lstm的機器學習算法進行訓練，以建立資源使用與影響因素之間的模型，最后基于該模型進行未來資源需求的預測。
4.根據權利要求1所述的云網融合環境下的系統資源動態分配方法，其特征在于，在所述步驟3中，對處理監測數據進行動態分配策略訓練，從而獲取第一動態資源分配策略，對第一動態資源分配策略進行開銷平衡二次訓練，從而獲取第二動態資源分配策略，對第二動態資源分配策略進行多維指標平衡優化，從而獲取多維動態資源分配策略。
5.根據權利要求4所述的云網融合環境下的系統資源動態分配方法，其特征在于，所述步驟3包括以下步驟：
6.根據權利要求1所述的云網融合環境下的系統資源動態分配方法，其特征在于，所述步驟4具體包括以下步驟：資源監控模塊實時監控資源的使用情況和業務需求，策略引擎模塊根據預設或動態生成的資源分配策略，分...
【專利技術屬性】
技術研發人員：康俊燕，
申請(專利權)人：中宇聯云計算服務上海有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。