CN1936849A - 资源动态调整方法及设备 - Google Patents
资源动态调整方法及设备 Download PDFInfo
- Publication number
- CN1936849A CN1936849A CNA2005101048032A CN200510104803A CN1936849A CN 1936849 A CN1936849 A CN 1936849A CN A2005101048032 A CNA2005101048032 A CN A2005101048032A CN 200510104803 A CN200510104803 A CN 200510104803A CN 1936849 A CN1936849 A CN 1936849A
- Authority
- CN
- China
- Prior art keywords
- application
- resource
- resource occupation
- web
- request number
- 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
Images
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]
- G06F9/5061—Partitioning or combining of resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3433—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment for load management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3447—Performance evaluation by modeling
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/88—Monitoring involving counting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/508—Monitor
Abstract
本发明公开了一种资源动态调整方法,用于在同时运行的多个应用之间动态调整资源,该方法包括如下步骤:建立所述多个应用的请求数目和资源占用量之间的关系模型;在多个采样时刻处获取所述多个应用的各自的请求数目和资源占用量;计算所述多个应用各自的资源占用率;分析当前同时运行的多个应用的资源占用量。本发明还提供了一种实现上述方法的动态资源调整设备。利用上述方法和设备,可以在同时运行的多个应用之间实现资源的动态调整。
Description
技术领域
本发明主要涉及资源的动态调整,尤其涉及在同时运行的多个应用之间对资源进行动态调整的方法和设备。
背景技术
随着计算机和网络技术的发展,同时在一台电子设备上运行多个应用已司空见惯,例如,在一台计算机上同时运行多个应用程序或者在一台Web服务器上同时提供多个Web业务。
每个应用都需要占用电子设备中的资源,例如处理器(CPU)资源、存储器资源等。根据每个应用的不同特性,如时间复杂度以及空间复杂度等,每个应用所需要的资源量并不相同。因此,需要同时运行多个应用的电子设备往往面临着如何在各种应用之间合理调整资源的难题。
为了保证即使在最极端的情况下各个应用也能正常运行,通常的做法是为每个应用提供最大限度的资源。很显然,这样就会造成在正常运行的情况下一部分资源的闲置,因而会产生浪费现象。
Web业务是一种全新的分布计算环境,其基本思想是利用开放式的标准技术,在Internet上实现分布式软件开发、软件工程和软件使用。这里,“业务”指的是分布在Internet中的各种软件,无论是单位用户还是个人用户都可以根据业务需求,利用Web业务技术调用在网上已有的业务软件,构成自己的应用软件。不同单位的应用软件之间、单位和客户应用软件之间也可以通过Web业务技术互相调用,以支持电子商务、客户关系模型等应用。虽然它和只能提供数据服务的普通Web含义完全不同,然而采用的协议和接口依然属于已经广泛使用的Web技术。
Web业务的基础技术是XML,这是由W3C定义的用于描述数据的一种可扩展标记语言。和超文本链接标记语言(HTML)不同,XML描述的只是数据内容本身,并不涉及数据的显示,因此可以用来描述任何广义的内容。在Web业务中,就是用XML来描述远程调用操作及其执行结果。该描述装载在简单对象访问协议(SOAP)中,SOAP协议消息通常在最常用的HTTP中传送。由于XML文本描述和实现无关,因此采用不同操作系统、不同编程语言的平台之间都可以通过Web业务互相交互。Web业务本身的发布和描述也是用XML实现的。
Web业务提供商通常用业务级别协议(SLA)来为其客户限定合同业务义务。这些合同业务义务通常包括响应时间承诺。当上述业务义务没有履行时,客户有权减少向Web业务提供商所支付的费用。在这种情况下,Web业务提供商就会主动去完成在SLA中的承诺。
在Web业务提供商向客户静态提供资源的情况下,由于难以准确预计客户的需要,为了应付有些客户偶尔出现的“Web风暴”——即短时间内对资源的大量需求,要想满足SLA,通常需要提供额外的资源。例如,由于某个紧急事件,可能会收到针对某个Web业务的大量请求,此时,如果采用基于平均需求的资源静态提供方案,就会因无法应付这种局面而违反SLA。如果提供超大容量的资源,以使在各种突发情况下均能满足SLA,就需要付出很高的资源代价。这对于Web业务提供商来说,是难以接受的。
于是,需要对资源进行动态调整,即根据各个Web业务对资源的需求,动态调整对各个Web业务所分配的资源,从而实现对资源的合理调整。
现有的电子设备可以提供实时的对资源占用量的报告,但是只能以进程或任务为单位,提供整个进程所占用的资源总量。对于一个进程或任务中运行多个应用的情况,难以给出每个应用分别占用的资源。也就是说,现有技术只能获得几个应用共同占用的资源量,却难以掌握每个应用在该进程或该任务中所分别占用的资源比例——资源占用率。因而在此情况下,现有的电子设备无法基于对资源占用量的预测,在一个进程或一个任务中的各个应用之间动态调整资源。
此外,最近发展的网格技术允许企业组成“虚拟组织”采共享资源。也就是说,由可能在实际地理位置上相距遥远并且可能具有异构计算平台的企业共享其资源和业务以形成虚拟业务。由科研组织和商业组织(如IBM)联合开发的“开放网格业务架构”(OGSA)是网格技术的一种演进。OGSA使得网格可以向各企业提供由虚拟组织汇总的可扩展的一组业务。
近来出现的Web业务资源架构(WSRF)技术也是网格技术的一种演进。当Web业务的商业逻辑具有某个状态时,网格中的所有业务就成为具有WS资源的Web业务。因此,在本文中,将网格业务称为“Web业务”以表示网格中提供的业务。
和普通的计算非商业网格相比—这些非商业网格具有足够的资源,可满足所有同时使用的用户需求—商业网格的优势在于保持尽可能小的资源集而仍能满足用户需求。为此,商业网格必须有效地管理针对同一资源集的竞争性的需求。同时,由于商业网格的用户为所使用的资源支付费用,因此他们将无法忍受所申请的业务被拒绝或者被重新调度至不同时隙的情况发生,也就是说,无法忍受违反SLA的情况。这就需要Web业务提供商根据当前资源的占用情况和需求情况,能够在节点上动态地提供网格上所提供的Web业务。因此,当针对一个Web业务的请求上升至当前调整的资源无法满足的峰值时,该Web业务可以被远程复制到商业网格中其他可用的节点,从而得到额外的资源;当需求下降时,该Web业务可以从上述节点移除,从而将额外的资源释放给其他Web业务使用。这样,就需要观察或监视Web业务的资源占用量,以便进行管理,特别可用于满足SLA。
而现有的Web业务工具(如由AmberPoint公司开发的工具)主要着眼于SLA/QoS(业务质量)的测量,如性能和安全性的测量,而这些还不足以基于商业网格动态地提供Web业务。首先,SLA测量无法指示导致违反SLA的根本原因,这样就不能采取正确的补救措施。例如,SLA测量工具发现Web业务A的响应时间延迟,则会给Web业务A调度更多的资源。而实际上造成Web业务A的响应时间延迟的真正原因是Web业务A所需的资源已经被同一台电子设备/服务器上运行的Web业务B占用或消耗尽了。其次,即使检测出的违反SLA的信息可用于动态提供Web业务,SLA也已经无法满足了,此时用户在通过调整另外的资源提供时隙之前已经感受到业务质量的下降。
因此,应当测量Web业务的资源占用量,以便于动态地调整资源,即主动地确定何时以及哪一个Web业务将在商业网格中(通过远程复制或远程移动)被动态提供。
发明内容
本发明的一个目的是提供一种资源动态调整方法及设备,其能够在同时运行的多个应用之间进行资源的动态调整。
为此,根据本发明的一个方面,提供一种资源动态调整方法,用于在同时运行的多个应用之间动态调整资源,该方法包括如下步骤:建立所述多个应用的请求数目和资源占用量之间的关系模型;在多个采样时刻处获取所述多个应用的各自的请求数目和资源占用量;计算所述多个应用各自的资源占用率;并分析当前同时运行的多个应用的资源占用量。
此外,根据本发明的另一个方面,还提供一种资源动态调整设备,用于将资源在多个应用之间进行动态调整,该设备包括:模型建立装置,用于建立所述多个应用的请求数目和资源占用量之间的关系模型;第一检测装置,用于在多个采样时刻处获取所述多个应用的各自的请求数目;第二检测装置,用于在所述多个采样时刻处获取所述多个应用的资源占用量;模型学习装置,用于计算所述多个应用各自的资源占用率;以及分析装置,用于分析当前同时运行的多个应用的资源占用量。
通过本发明提供的方法和设备,可以获得同时运行的多个应用的资源占用率,并可根据所获得的资源占用率,进一步计算当前同时运行的各个应用的资源占用量,从而实现对资源的动态调整。
本发明尤其适用于对Web服务器上Web业务的管理,对于满足Web业务的业务级别协议(SLA)和对Web业务进行评价具有重要的意义。
通过以下结合附图所作的描述,本发明的其他特点和优点将显而易见,其中在其全部附图中相同标号指示相同或类似部分。
附图说明
附图构成本说明书的一部分,其用来说明本发明的实施方式,并且和文字描述一起,解释本发明的原理。
图1是根据本发明第一实施方式的资源动态调整方法的流程图;
图2是检测学习期间的请求数目的详细流程图;
图3是分析当前同时运行的多个应用的资源占用量的详细流程图;
图4示出根据本发明第二实施方式的资源动态调整设备的结构图;
图5是示出图4所示第一检测装置的内部结构示意图;
在附图中,相同的元件和部件由相同的参考标号表示,并且省略对其重复的描述。
具体实施方式
下面的讨论中,给出了多种特定细节以辅助对本发明的全面理解。但是,本领域的技术人员应该理解,不需要这些特定的细节也可以实现本发明。
下面将参照示出本发明优选实施方式的附图描述本发明。其中,以在Web服务器上运行n个(n≥2)Web业务为例来说明本发明的优选实施方式,其中可以测量出所述n个Web业务在Web服务器上的资源占用量。
图1是根据本发明第一实施方式的资源动态调整方法的流程图。
如图1所示,在步骤S101中,建立在Web服务器上运行的n个Web业务的请求数目和这些Web业务的资源占用量之间的关系的模型。这种关系模型简称为请求数目-资源占用关系模型,即RN-RC(RequestNumber Resource Consumption)关系模型。
在本实施方式中,以线性统计模型为例进行说明。线性统计模型以不同的资源占用率表示每个Web业务所占用资源的比例,如式(1)所示:
Q=As1*Rs1+As2*Rs2+...+Asi*Rsi+...+Asn*Rsn+A0 (1)
式(1)中,Q表示Web服务器上的n个Web业务的资源占用量,*表示相乘关系,Asi为第i个Web业务的资源占用率,其表示针对第i个Web业务的每个请求,第i个Web业务所占用的Web服务器上的资源的比率,i=1,2,...,n,其中n表示Web服务器上运行的Web业务的数目,Rsi表示针对第i个Web业务的请求数目,A0表示Web服务器的资源占用常数。
确定了上述RN-RC关系模型后,图1所示流程进入步骤S102。在步骤S102中,检测一个确定的时间段内多个时刻处针对每个Web业务的请求数目。并在步骤S103中检测上述确定的时间段内多个时刻处Web服务器相应的资源占用量情况。在本实施方式中,将上述确定的时间段称为学习期间,学习期间的多个时刻称为采样时刻。由于本实施方式中Web服务器上运行了n个Web业务,因此分别检测在n+1个采样时刻t1、t2、...、tn、t( n+1)处针对每个Web业务的请求数目并检测每个采样时刻处n个Web业务总共占用的资源占用量。关于步骤S102的具体流程将参照图2进行说明。
本领域的普通技术人员也可以理解,上述针对每个Web业务的请求数目和Web服务器中运行的n个Web业务的资源占用量情况也可以通过读取专门的学习序列数据获得,例如从度量数据缓存中读取事先已存储的学习数据。
之后,图1所示流程进入步骤S104。在步骤S104中,将在步骤S102中检测到的每个采样时刻处每个Web业务的请求数目以及在步骤S103中检测到的Web服务器中运行的n个Web业务的资源占用量分别代入式(1)中,得到对应于n+1个采样时刻t1、t2、...、tn、t(n+1)的n+1个等式:
Qt1=As1*Rs1t1+As2*Rs2t1+...Asi*Rsit1...+Asn*Rsnt1+A0
Qt2=As1*Rs1t2+As2*Rs2t2+...Asi*Rsit2...+Asn*Rsnt2+A0
...
Qt(n+1)=As1*Rs1t(n+1)+As2*Rs2t(n+1)+...Asi*Rsit(n+1)...+Asn*Rsnt(n+1)+A0 (2)
其中,*表示相乘关系,第一个式子中的Qt1表示在采样时刻t1处n个Web业务的资源占用量,第二个式子中的Qt2表示在采样时刻t2处n个Web业务的资源占用量,...,依次类推。Asi表示第i个Web业务的资源占用率,Rsit1表示在采样时刻t1处第i个Web业务的请求数目,Rsit2表示在采样时刻t2处第i个Web业务的请求数目,...,依次类推。
利用上述式(2),可以计算出各个Web业务的资源占用率Asi,其中i=1,2,...,n,由此得到每个Web业务所占用的资源以及n个Web业务的资源占用量:
Qsi=Asi*Rsit
Qt=As1*Rs1t+As2*Rs2t+...+Asi*Rsit+...+Asn*Rsnt+A0 (3)
其中,Qsi表示第i个Web业务所占用的资源,Qt表示n个Web业务在采样时刻t处占用Web服务器的资源占用量,*表示相乘关系,Asi表示第i个Web业务的资源占用率,Rsit表示在采样时刻t处第i个Web业务的请求数目。对于式(3)表示的资源占用量,每个Web业务的资源占用率Asi(i=1至n)是通过式(2)计算得到的已知数。
对所计算出的这些Web业务的资源占用率Asi,可以在步骤S105中进行检验。由于资源占用率Asi表示Web服务器上的每个Web业务所占用资源的比率,因此,其应该满足:
0≤Asi≤1 (4)
对于不满足上述条件的资源占用率Asi,图1所示流程将返回步骤S102和S103(图1中没有示出),重新检测学习期间每个采样时刻处的各个Web业务的请求数目和资源占用量,从而重新计算各个Web业务的资源占用率。上述资源占用率也可能因为系统配置的变化而发生变化,此时,也需要重新经过学习期间的学习得到对应的资源占用率。
当然,如果步骤S105没有必要,可以将其省去。
在资源占用率检验合格后,图1所示流程进入步骤S106。在步骤S106中,根据步骤S104中计算得到的资源占用率和当前检测到的针对每个Web业务的请求数目,分析当前在Web服务器中同时运行的多个Web业务的资源占用量并进行相应处理。当然,也可以根据步骤S104中计算得到的资源占用率和将要同时运行在Web服务器中的每一个Web业务的请求数目,分析将要同时运行在Web服务器中的多个Web业务的资源占用量并进行相应处理。
步骤S106将参照图3进行详细说明。
通过图1所示的方法,电子设备可以根据在学习期间获得的多个Web业务的资源占用率,对学习期间之后同时运行在Web服务器中的多个Web业务的资源占用量进行分析,从而根据分析结果进行处理,实现对资源的动态调整。
下面,参照图2详细说明图1中所示的步骤S102。
图1所示步骤S102可以分为步骤S1021、S1022和S1023。在步骤S1021中,在每个采样时刻处截取到达Web服务器的每一个简单目标访问协议(SOAP)消息,该消息作为针对每个Web业务的请求。具体地说,是在接收SOAP消息的引擎中加入SOAP路由句柄(SOAP RoutingHandler)。之后,在步骤S1022,对截取的SOAP消息进行解析。在该步骤S1022中,根据SOAP标准上述SOAP路由句柄解析部分SOAP协议(主要是SOAP首部)来获得SOAP所对应的端点。该端点即代表了一个具体的Web业务的名称及访问的地址。然后,在步骤S1023中,通过分别对每个Web业务的请求进行计数,得到针对每个Web业务的请求数目。
图1中步骤S106的具体流程如图3所示。图1步骤S105中得到经检验合格的各个Web业务的资源占用率后,在图3的步骤S1061中,对当前时刻t(n+2)针对Web业务的资源占用请求进行检测。当检测到上述资源占用请求时,则在步骤S1062中根据这些资源占用请求,检测当前针对各个Web业务的请求数目。该检测方法和图2所示的检测方法相同,此处不再赘述。之后,图3所示流程进入步骤S1063。在步骤S1063,根据前面步骤获得的当前针对各个Web业务的请求数目和每个Web业务的资源占用率,计算Web业务当前的资源占用量。具体地说,是将时刻t(n+2)处各个Web业务的请求数目代入式(3),就能够计算出时刻t(n+2)处各个Web业务的资源占用以及n个Web业务的资源占用量Qt(n+2)。当然,如果已知将来某一时刻同时运行的每一个Web业务的请求数目,也可以计算出该时刻处各个Web业务的资源占用以及多个Web业务的资源占用量。
完成资源占用量的计算后,图3所示流程进入步骤S1064。在步骤S1064中,将所计算的当前同时运行的多个Web业务的资源占用量与其预定的阈值相比较。当该资源占用量超过预定的阈值时,表示当前运行的多个Web业务的资源占用量将超出预定的资源使用范围,此时,图3所示流程进入步骤S1065。在步骤S1065中,重新调整资源,也就是重新调整各个Web业务对应的资源占用率。例如可以将请求数目多的Web业务的资源占用率调小,而将请求数目少的Web业务的资源占用率调大,从而令这些Web业务的资源占用量不会超出预定使用的资源范围。当在步骤S1064中预测的资源占用量未超过预定的阈值时,表示当前的资源可以满足各个Web业务的需求。
可以为n个Web业务的资源占用量设定一个预定的阈值,如100%,也可以为某个Web业务的资源占用设定一个预定的阈值,如30%,或者同时为两者设定阈值。应当理解,对该预定阈值数值的选择不构成对本发明的限制。
应当注意,可以根据需要建立不同的RN-RC关系模型,除了上述线性统计模型之外,还可以建立神经网络的非线性统计模型、遗传算法模型等。对具体的模型类型的选择并不构成对本发明的限制。
神经网络的非线性统计模型的CPU资源占用例如可表示为:
(CPUsi)=BP(((Rsitj),CPUtj,CPU0))|BP
其中,CPUsi表示第i个服务的CPU占用量,RSiti表示第i个服务在时刻tj处的请求数目,CPUtj表示时刻tj处的CPU占用量,CPU0表示Web服务器的CPU占用常数,BP为向后传播学习算法,用于令均方差∑(Δj2)最小化,i=1...n,j=1...N,n表示Web服务器上运行的服务的数目,N表示学习期间选取的采样时刻数目。其中
i=1...n,k=1...M,j=1...N,l=1...n,gki和plk为神经网络的参数,它们可以在学习过程中由向后传播学习算法调整,用于将均方差∑(Δj2)最小化。
本领域普通技术人员应该明白,根据本发明的第一实施方式的资源动态调整方法的各个步骤可具体体现在执行于与每个步骤相关联的处理系统上的计算机程序产品中。
为了实现图1所示的资源动态调整方法,还提供了一种资源动态调整设备。下面仍以Web服务器中运行n个(n≥2)Web业务为例进行说明。
图4示意性示出了根据本发明的第二实施方式的资源动态调整设备的结构。该资源动态调整设备400用于在只能得知多个Web业务的资源占用量的情况下,为每个Web业务动态地调整资源。该资源动态调整设备400可以直接集成于Web服务器中,也可以作为Web服务器外部的一个单独的设备。
图4所示资源动态调整设备400包括模型建立装置401、第一检测装置402、第二检测装置403、模型学习装置404、资源占用率检验装置405、分析装置406和度量数据存储装置407。
模型建立装置401用于建立Web服务器上同时运行的n个Web业务的资源占用量与各个Web业务的请求数目之间的关系的模型,即RN-RC关系模型。但是,应当理解,可以根据需要建立各种RN-RC关系模型,如线性统计模型、神经网络的非线性统计模型、遗传算法模型等。具体的模型类型的选择并不构成对本发明的限制。
线性统计模型以不同的资源占用率表示每个Web业务所占用资源的比例,如式(5)所示:
Q=As1*Rs1+As2*Rs2+...+Asi*Rsi+...+Asn*Rsn+A0 (5)
式(5)中,Q表示Web服务器上的n个Web业务的资源占用量,*表示相乘关系,Asi为第i个Web业务的资源占用率,其表征针对第i个Web业务的每个请求,第i个Web业务所占用的Web服务器上的资源的比率,i=1,2,...,n,其中n表示Web服务器上运行的Web业务的数目,Rsi表示第i个Web业务的请求数目,A0表示Web服务器的资源占用常数。
由第一检测装置402检测一个确定的时间段内多个时刻处针对每个Web业务的请求数目。第二检测装置403检测上述确定的时间段内多个时刻处Web服务器相应的资源占用量情况。本领域技术人员可以理解,第一检测装置402和第二检测装置403的功能可以由一个装置来实现。
由于本实施方式中Web服务器中同时运行了n个应用,因此分别检测在n+1个采样时刻t1、t2、...、tn、t(n+1)处针对每个Web业务的请求数目并检测每个采样时刻处n个Web业务总共占用的资源占用量。关于第一检测装置402的具体结构将参照图5进行说明。
本领域的普通技术人员也可以理解,上述针对每个Web业务的请求数目和Web服务器相应的资源占用量情况也可以通过读取专门的学习序列数据获得,例如从度量数据存储装置407中读取事先已存储的学习数据。
根据模型建立装置401建立的统计模型,模型学习装置404将第一检测装置402检测到的每个采样时刻处每个Web业务的请求数目以及第二检测装置403检测到的Web服务器中运行的n个Web业务的资源占用量分别代入式(5)中,得到对应于n+1个采样时刻t1、t2、...、tn、t(n+1)的n+1个等式:
Qt1=As1*Rs1t1+As2*Rs2t1+...Asi*Rsit1...+Asn*Rsnt1+A0
Qt2=As1*Rs1t2+As2*Rs2t2+...Asi*Rsit2...+Asn*Rsnt2+A0
Qt(n+1)=As1*Rs1t(n+1)+As2*Rs2t(n+1)+...Asi*Rsit(n+1)...+Asn*Rsnt(n+1)+A0 (6)
其中,*表示相乘关系,第一个式子中的Qt1表示在采样时刻t1处n个Web业务的资源占用量,第二个式子中的Qt2表示在采样时刻t2处n个Web业务的资源占用量,...,依次类推。Asi表示第i个Web业务的资源占用率,Rsit1表示在采样时刻t1处第i个Web业务的请求数目,Rsit2表示在采样时刻t2处第i个Web业务的请求数目,...,依次类推。
利用上述式(6),可以计算出各个Web业务的资源占用率Asi,其中i=1,2,...,n,并由此得到每个Web业务所占用的资源以及Web服务器的资源占用量:
Qsi=Asi*Rsit
Qt=As1*Rs1t+As2*Rs2t+...+Asi*Rsit+...+Asn*Rsnt+A0 (7)
其中,Qsi表示第i个Web业务所占用的资源,Qt表示n个Web业务在采样时刻t处占用Web服务器的资源占用量,*表示相乘关系,Asi表示第i个Web业务的资源占用率,Rsit表示在采样时刻t处第i个Web业务的请求数目。对于式(7)表示的资源占用量,每个Web业务的资源占用率Asi(i=1至n)是通过式(6)计算得到的已知数。
对所计算出的这些Web业务的资源占用率Asi,可以在资源占用率检验装置405中进行检验。由于资源占用率Asi表示Web服务器上的每个Web业务所占用资源的比率,因此,其应该满足:
0 ≤Asi ≤1 (8)
对于不满足上述条件的资源占用率Asi,资源占用率检验装置405将向第一检测装置402和第二检测装置403发送一个通知信号,令第一检测装置402和第二检测装置403重新检测一个学习期间的每个采样时刻处各个web业务的请求数目和在Web服务器中运行的n个Web业务的资源占用量,从而可以重新计算各个Web业务的资源占用率。
对于满足式(8)所示条件的资源占用率Asi,将由第一检测装置402检测当前针对每个Web业务的请求数目,由模型学习装置404计算当前同时运行在Web服务器中的n个Web业务的资源占用量,并在分析装置406中分析Web服务器的当前资源量是否满足当前运行的所有Web业务的需求,从而进行相应处理。
根据第一检测装置402检测到的当前时刻t(n+2)处针对每一个Web业务的请求数目和所计算出的每个Web业务的资源占用率,由模型学习装置404计算当前同时运行在Web服务器中的n个Web业务的资源占用量。具体说来,是将时刻t(n+2)处各个Web业务的请求数目代入式(7),计算出时刻t(n+2)处各个Web业务的资源占用以及n个Web业务的资源占用量Qt(n+2)。
分析装置406包括判断装置4061和调整装置4062。判断装置4061根据模型学习装置404所计算的当前同时运行的n个Web业务的资源占用量,判断Web服务器的当前资源量是否满足当前运行的所有Web业务的需求。
在本实施方式中,将当前同时运行的n个Web业务的资源占用量与预定的阈值相比较。当该资源占用量超过预定的阈值时,表示当前同时运行的n个Web业务的资源占用量将超出预定使用的资源范围,此时,由调整装置4062重新调整资源,也就是重新调整各个Web业务对应的资源占用率。例如可以将请求数目多的Web业务的资源占用率调小,而将请求数目少的Web业务的资源占用率调大,从而令这些Web业务的资源占用量不会超出预定使用的资源范围。但当前同时运行的n个Web业务的资源占用量未超过预定的阈值时,表示当前的资源分配可以满足各个Web业务的需求。
可以为n个Web业务的资源占用量设定一个预定的阈值,如100%,也可以为某个Web业务的资源占用设定一个预定的阈值,如30%,或者同时为两者设定阈值。应当理解,对该阈值的选择不构成对本发明的限制。
图5示意性示出图4中第一检测装置402的内部结构。第一检测装置402包括截取装置4021、解析装置4022和计数装置4023。
截取装置4021在每个采样时刻处截取到达Web服务器的每一个SOAP消息。具体地说,是在接收SOAP消息的引擎中加入SOAP路由句柄。之后,由解析装置4022对截取的SOAP消息进行解析。也就是说,根据SOAP标准,由上述SOAP路由句柄解析部分SOAP协议(主要是SOAP首部)来获得SOAP所对应的端点。该端点即代表了一个具体的Web业务的名称及访问的地址。然后,由计数装置4023通过分别对每个Web业务的请求进行计数,得到针对每个Web业务的请求数目。
上面以在Web服务器上同时运行多个Web业务的情况为例对本发明的优选实施方式进行了描述。然而,本发明不限于此,本发明还适用于在一个电子设备上同时运行多个应用的情况。前述一个进程中运行多个应用的情况只是一个示例。事实上,对于有些电子设备只运行一个任务,又已知该任务中运行的多个应用的资源占用量的情况也是适用的。
本发明在由网格技术所支持的计算机系统中也特别具有实用价值。由于网格技术允许多台计算机或者服务器共享它们的资源和服务,因此,根据需要在不同的计算机或者服务器之间为各个应用调整资源是一项非常有效地提高网络性能的措施。
上文提及的资源包括但不限于CPU资源和存储器资源。
根据本发明的一个实施方式的资源动态调整设备很容易在现有Web服务器中实现,而无需打断Web业务的工作。此外,该资源动态调整设备可以向Web业务管理员提供更多的信息,并且该资源动态调整方法和设备适用于各种Web业务和平台。本发明的资源动态调整方法和设备的实现与平台、编程语言、中间件和应用的实现无关。
虽然是特别针对Web服务器环境进行描述的,但要求保护的主题可以在任何信息技术系统中实现。计算领域普通技术人员可以了解,所公开的实施方式与所描述的多种计算环境有相关性。另外,所公开的本发明的方法可以在软件、硬件、或软件和硬件的结合中实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器,个人计算机(PC)或大型机来执行。
虽然已经参考目前考虑到的实施例描述了本发明,但是应该理解本发明不限于所公开的实施例。相反,本发明打算覆盖所附权利要求的精神和范围之内所包括的各种修改和等同布置。以下权利要求的范围符合最广泛解释,以便包含所有这样的修改及等同结构和功能。
Claims (20)
1.一种资源动态调整方法,用于在同时运行的多个应用之间动态调整资源,该方法包括如下步骤:
a)建立所述多个应用的请求数目和资源占用量之间的关系模型;
b)在多个采样时刻处获取所述多个应用的各自的请求数目和资源占用量;
c)计算所述多个应用各自的资源占用率;
d)分析同时运行的多个应用的资源占用量。
2.根据权利要求1所述的方法,其中所述请求数目和资源占用量之间的关系模型为线性统计模型,表示为:
Q=As1 *Rs1+As2 *Rs2+...+Asi *Rsi+...+Asn *Rsn+A0
其中,Q表示所述多个应用的资源占用量,*表示相乘关系,n表示同时运行的所述多个应用的数目,Asi为第i个应用的资源占用率,i=1,2,...,n,Rsi表示针对第i个应用的请求数目,A0表示资源占用常数。
3.根据权利要求1所述的方法,其中步骤b)包括如下步骤:
截取每一个简单目标访问协议消息;
对截取的所述消息进行解析,从而获取截取的所述消息所针对的应用的名称;以及
通过分别对所述消息进行计数,获取针对每一个所述应用的请求数目。
4.根据权利要求1所述的方法,其中在步骤b)中,通过读取专门的学习序列数据获取所述多个应用的各自的请求数目和资源占用量。
5.根据权利要求2所述的方法,其中在步骤c)中,将所述多个应用的各自的请求数目和资源占用量分别代入所述线性统计模型,计算所述资源占用率。
6.根据权利要求1所述的方法,其中步骤d)包括如下步骤:
获取当前时刻或将来某一时刻所述多个应用各自的请求数目;
计算所述多个应用的资源占用量;
将所述资源占用量与预定阈值相比较;
当所述资源占用量大于所述预定阈值时,调整所述多个应用的至少一部分应用的资源占用率。
7.根据权利要求1所述的方法,还包括检验所述资源占用率是否满足如下条件的步骤:
0≤资源占用率≤1。
8.根据权利要求1所述的方法,其中所述多个应用同时运行在一个电子设备中。
9.根据权利要求1所述的方法,其中所述多个应用同时运行在一个Web服务器中。
10.根据权利要求9所述的方法,其中所述应用是Web业务。
11.一种资源动态调整设备(400),用于将资源在同时运行的多个应用之间进行动态调整,该设备包括:
模型建立装置(401),用于建立所述多个应用的请求数目和资源占用量之间的关系模型;
第一检测装置(402),用于在多个采样时刻处获取所述多个应用的各自的请求数目;
第二检测装置(403),用于在所述多个采样时刻处获取所述多个应用的资源占用量;
模型学习装置(404),用于计算所述多个应用各自的资源占用率;以及
分析装置(406),用于分析同时运行的多个应用的资源占用量。
12.根据权利要求11所述的设备,其中所述请求数目和资源占用量之间的关系模型为线性统计模型,表示为:
Q=As1 *Rs1+As2 *Rs2+...+Asi *Rsi+...+Asn *Rsn+A0
其中,Q表示所述多个应用的资源占用量,*表示相乘关系,n表示同时运行的所述多个应用的数目,Asi为第i个应用的资源占用率,i=1,2,...,n,Rsi表示针对第i个应用的请求数目,A0表示资源占用常数。
13.根据权利要求11所述的设备,其中所述第一检测装置(402)包括:
截取装置(4021),用于截取每一个简单目标访问协议消息;
解析装置(4022),用于对截取的所述消息进行解析,从而获取截取的所述消息所针对的应用的名称;以及
计数装置(4023),用于通过分别对所述消息进行计数,获取针对每一个所述应用的请求数目。
14.根据权利要求11所述的设备,其中所述第一检测装置(402)通过读取专门的学习序列数据获取所述多个应用的各自的请求数目和资源占用量。
15.根据权利要求12所述的设备,其中所述模型学习装置(404)将所述多个应用的各自的请求数目和资源占用量分别代入所述线性统计模型,计算所述资源占用率。
16.根据权利要求11所述的设备,其中
所述第一检测装置(402)还用于获取当前时刻或将来某一时刻所述多个应用各自的请求数目,由所述模型学习装置(404)计算出所述多个应用所需的资源占用量,并且
所述分析装置(406)包括判断装置(4061)和调整装置(4062),所述判断装置(4061)用于将所述模型学习装置(404)计算出的所述多个应用所需的资源占用量与预定阈值相比较;所述调整装置(4062)用于当经所述判断装置(4061)判断所述资源占用量大于所述预定阈值时,在所述多个应用之间重新调整资源。
17.根据权利要求11所述的设备,还包括检验所述资源占用率是否满足如下条件的资源占用率检验装置(405):
0≤资源占用率≤1。
18.根据权利要求11所述的设备,其中所述多个应用同时运行在一个电子设备中。
19.根据权利要求11所述的设备,其中所述多个应用同时运行在一个Web服务器中。
20.根据权利要求19所述的设备,其中所述应用是Web业务。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2005101048032A CN1936849A (zh) | 2005-09-19 | 2005-09-19 | 资源动态调整方法及设备 |
US12/067,454 US7949756B2 (en) | 2005-09-19 | 2006-09-12 | Method and apparatus for monitoring web services resource utilization |
PCT/EP2006/066298 WO2007033922A2 (en) | 2005-09-19 | 2006-09-12 | Method and device for dynamically adjusting resources |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2005101048032A CN1936849A (zh) | 2005-09-19 | 2005-09-19 | 资源动态调整方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1936849A true CN1936849A (zh) | 2007-03-28 |
Family
ID=37728286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2005101048032A Pending CN1936849A (zh) | 2005-09-19 | 2005-09-19 | 资源动态调整方法及设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US7949756B2 (zh) |
CN (1) | CN1936849A (zh) |
WO (1) | WO2007033922A2 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008119650A2 (en) * | 2007-03-29 | 2008-10-09 | International Business Machines Corporation | Dynamic learning in redesigning a composition of web services |
CN102567055A (zh) * | 2010-12-23 | 2012-07-11 | 微软公司 | 满足应用依赖关系 |
WO2013091159A1 (zh) * | 2011-12-19 | 2013-06-27 | 北京瑞星信息技术有限公司 | 变频杀毒技术 |
US9098799B2 (en) | 2007-03-29 | 2015-08-04 | International Business Machines Corporation | Tooling for implementing business processes using web services |
CN106776041A (zh) * | 2016-12-30 | 2017-05-31 | 广东欧珀移动通信有限公司 | 一种数据处理方法及装置 |
CN109412829A (zh) * | 2018-08-30 | 2019-03-01 | 华为技术有限公司 | 一种资源配置的预测方法及设备 |
CN109614282A (zh) * | 2018-09-28 | 2019-04-12 | 东软集团股份有限公司 | 确定应用的系统资源使用信息的方法和装置 |
CN111858015A (zh) * | 2019-04-25 | 2020-10-30 | 中国移动通信集团河北有限公司 | 配置应用程序的运行资源的方法、装置及网关 |
CN111989653A (zh) * | 2018-04-19 | 2020-11-24 | 微软技术许可有限责任公司 | 使用两个阈值和一时间窗口的基于利用率的动态资源重新分配 |
CN112991628A (zh) * | 2021-02-04 | 2021-06-18 | 福建乐摩物联科技有限公司 | 一种动态调整共享按摩椅可占座时间的方法、系统和介质 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7665063B1 (en) | 2004-05-26 | 2010-02-16 | Pegasystems, Inc. | Integration of declarative rule-based processing with procedural programming |
US8924335B1 (en) | 2006-03-30 | 2014-12-30 | Pegasystems Inc. | Rule-based user interface conformance methods |
US7836092B2 (en) * | 2006-05-12 | 2010-11-16 | At&T Intellectual Property I, L.P. | Systems, methods, and computer-readable media for providing information regarding communication systems |
US8250525B2 (en) * | 2007-03-02 | 2012-08-21 | Pegasystems Inc. | Proactive performance management for multi-user enterprise software systems |
US20090070335A1 (en) * | 2007-09-06 | 2009-03-12 | Cozianu Costin V | System and method for web processing monitoring |
US8843435B1 (en) | 2009-03-12 | 2014-09-23 | Pegasystems Inc. | Techniques for dynamic data processing |
US8468492B1 (en) | 2009-03-30 | 2013-06-18 | Pegasystems, Inc. | System and method for creation and modification of software applications |
US8904394B2 (en) * | 2009-06-04 | 2014-12-02 | International Business Machines Corporation | System and method for controlling heat dissipation through service level agreement analysis by modifying scheduled processing jobs |
US9003416B2 (en) | 2010-09-29 | 2015-04-07 | International Business Machines Corporation | Predicting resource requirements for a computer application |
US8880487B1 (en) | 2011-02-18 | 2014-11-04 | Pegasystems Inc. | Systems and methods for distributed rules processing |
GB2494406A (en) * | 2011-09-06 | 2013-03-13 | Skype | System to detect protocol discrimination by network provider in the event of communication problems |
US9195936B1 (en) | 2011-12-30 | 2015-11-24 | Pegasystems Inc. | System and method for updating or modifying an application without manual coding |
WO2013116129A1 (en) * | 2012-01-31 | 2013-08-08 | Zte (Usa) Inc. | Method & system for managing multimedia quality of experience in a transport-independent fashion |
US9374314B2 (en) | 2012-02-26 | 2016-06-21 | Palo Alto Research Center Incorporated | QoS aware balancing in data centers |
CN102693395B (zh) * | 2012-06-07 | 2015-02-11 | 北京奇虎科技有限公司 | 一种用于拦截应用程序对服务的调用的方法和装置 |
CN104102541B (zh) * | 2013-04-08 | 2018-02-13 | 鸿富锦精密工业(深圳)有限公司 | 签核动态调整方法及系统 |
US9026652B1 (en) * | 2014-07-09 | 2015-05-05 | Fmr Llc | Web service asset management and web service information storage |
US10469396B2 (en) | 2014-10-10 | 2019-11-05 | Pegasystems, Inc. | Event processing with enhanced throughput |
US10698599B2 (en) | 2016-06-03 | 2020-06-30 | Pegasystems, Inc. | Connecting graphical shapes using gestures |
US10698647B2 (en) | 2016-07-11 | 2020-06-30 | Pegasystems Inc. | Selective sharing for collaborative application usage |
JP6710711B2 (ja) * | 2018-02-06 | 2020-06-17 | 日本電信電話株式会社 | 推定装置、推定方法及びプログラム |
US11048488B2 (en) | 2018-08-14 | 2021-06-29 | Pegasystems, Inc. | Software code optimizer and method |
US11567945B1 (en) | 2020-08-27 | 2023-01-31 | Pegasystems Inc. | Customized digital content generation systems and methods |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805599A (en) * | 1996-12-04 | 1998-09-08 | At&T Corp. | Adaptive channel allocation system for communication network |
US6282570B1 (en) * | 1998-12-07 | 2001-08-28 | International Business Machines Corporation | Monitoring a large parallel database through dynamic grouping and sequential sampling |
WO2003094024A1 (en) * | 2002-03-14 | 2003-11-13 | Unisys Corporation | System, and method for resource usage estimation |
WO2003105004A1 (en) * | 2002-06-06 | 2003-12-18 | Crescendo Networks Ltd. | System and method for connecting multiple slow connections to multiple fast connections |
JP4071668B2 (ja) * | 2003-04-16 | 2008-04-02 | 富士通株式会社 | システムの使用資源を調整する装置および方法 |
US7519173B2 (en) * | 2003-06-24 | 2009-04-14 | International Business Machines Corporation | Method for managing resources in a multi-channeled customer service environment |
US7523041B2 (en) * | 2003-09-18 | 2009-04-21 | International Business Machines Corporation | Method of displaying real-time service level performance, breach, and guaranteed uniformity with automatic alerts and proactive rebating for utility computing environment |
US20050177635A1 (en) * | 2003-12-18 | 2005-08-11 | Roland Schmidt | System and method for allocating server resources |
US7650344B2 (en) * | 2004-02-09 | 2010-01-19 | Coremetrics, Inc. | System and method of managing software product-line customizations |
TWI276322B (en) * | 2005-12-28 | 2007-03-11 | Ind Tech Res Inst | A system and a method of request scheduling using request classification and allowable server resource for the differentiated quality of service |
JP2007183883A (ja) * | 2006-01-10 | 2007-07-19 | Fujitsu Ltd | 資源計画作成プログラム、該プログラムを記録した記録媒体、資源計画作成装置、および資源計画作成方法 |
-
2005
- 2005-09-19 CN CNA2005101048032A patent/CN1936849A/zh active Pending
-
2006
- 2006-09-12 WO PCT/EP2006/066298 patent/WO2007033922A2/en active Application Filing
- 2006-09-12 US US12/067,454 patent/US7949756B2/en not_active Expired - Fee Related
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9098799B2 (en) | 2007-03-29 | 2015-08-04 | International Business Machines Corporation | Tooling for implementing business processes using web services |
WO2008119650A3 (en) * | 2007-03-29 | 2008-11-27 | Ibm | Dynamic learning in redesigning a composition of web services |
US7596583B2 (en) | 2007-03-29 | 2009-09-29 | International Business Machines Corporation | Dynamic learning in redesigning a composition of web services |
WO2008119650A2 (en) * | 2007-03-29 | 2008-10-09 | International Business Machines Corporation | Dynamic learning in redesigning a composition of web services |
US9384445B2 (en) | 2007-03-29 | 2016-07-05 | International Business Machines Corporation | Tooling for implementing business processes using web services |
US9977665B2 (en) | 2010-12-23 | 2018-05-22 | Microsoft Technology Licensing, Llc | Satisfying application dependencies |
US9354852B2 (en) | 2010-12-23 | 2016-05-31 | Microsoft Technology Licensing, Llc | Satisfying application dependencies |
CN102567055A (zh) * | 2010-12-23 | 2012-07-11 | 微软公司 | 满足应用依赖关系 |
CN102567055B (zh) * | 2010-12-23 | 2016-01-27 | 微软技术许可有限责任公司 | 满足应用依赖关系 |
WO2013091159A1 (zh) * | 2011-12-19 | 2013-06-27 | 北京瑞星信息技术有限公司 | 变频杀毒技术 |
CN106776041B (zh) * | 2016-12-30 | 2020-01-14 | Oppo广东移动通信有限公司 | 一种数据处理方法及装置 |
CN106776041A (zh) * | 2016-12-30 | 2017-05-31 | 广东欧珀移动通信有限公司 | 一种数据处理方法及装置 |
CN111989653A (zh) * | 2018-04-19 | 2020-11-24 | 微软技术许可有限责任公司 | 使用两个阈值和一时间窗口的基于利用率的动态资源重新分配 |
CN109412829B (zh) * | 2018-08-30 | 2020-11-17 | 华为技术有限公司 | 一种资源配置的预测方法及设备 |
CN109412829A (zh) * | 2018-08-30 | 2019-03-01 | 华为技术有限公司 | 一种资源配置的预测方法及设备 |
CN109614282A (zh) * | 2018-09-28 | 2019-04-12 | 东软集团股份有限公司 | 确定应用的系统资源使用信息的方法和装置 |
CN109614282B (zh) * | 2018-09-28 | 2022-06-03 | 东软集团股份有限公司 | 确定应用的系统资源使用信息的方法和装置 |
CN111858015A (zh) * | 2019-04-25 | 2020-10-30 | 中国移动通信集团河北有限公司 | 配置应用程序的运行资源的方法、装置及网关 |
CN111858015B (zh) * | 2019-04-25 | 2024-01-12 | 中国移动通信集团河北有限公司 | 配置应用程序的运行资源的方法、装置及网关 |
CN112991628A (zh) * | 2021-02-04 | 2021-06-18 | 福建乐摩物联科技有限公司 | 一种动态调整共享按摩椅可占座时间的方法、系统和介质 |
CN112991628B (zh) * | 2021-02-04 | 2022-07-26 | 福建乐摩物联科技有限公司 | 一种动态调整共享按摩椅可占座时间的方法、系统和介质 |
Also Published As
Publication number | Publication date |
---|---|
US7949756B2 (en) | 2011-05-24 |
WO2007033922A3 (en) | 2007-05-10 |
WO2007033922B1 (en) | 2007-06-21 |
WO2007033922A2 (en) | 2007-03-29 |
US20090100172A1 (en) | 2009-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1936849A (zh) | 资源动态调整方法及设备 | |
US7720955B1 (en) | Determining performance of an application based on transactions | |
US8234229B2 (en) | Method and apparatus for prediction of computer system performance based on types and numbers of active devices | |
RU2526711C2 (ru) | Диспетчер состояния предоставляемых услуг со связывающими обязательствами соглашениями об уровне обслуживания и схемами устранения последствий и самозащиты | |
US8296426B2 (en) | System and method for performing capacity planning for enterprise applications | |
EP2015510B1 (en) | Deployment planning of components in heterogeneous environments | |
US8171133B2 (en) | Management apparatus and management method for computer system | |
CN100391159C (zh) | 通过把推理用于it系统进行自动建模的方法和设备 | |
US7739099B2 (en) | Method and system for on-line performance modeling using inference for real production IT systems | |
CN102473132B (zh) | 监控软件应用的性能的方法 | |
CN114930293A (zh) | 预测性自动扩展和资源优化 | |
CN102664812B (zh) | 融合业务预测与实时负载的两阶段服务系统负载预测与均衡方法 | |
US20040181370A1 (en) | Methods and apparatus for performing adaptive and robust prediction | |
Wu et al. | Adaptive workload prediction of grid performance in confidence windows | |
US20110202387A1 (en) | Data Prediction for Business Process Metrics | |
KR20210023693A (ko) | 스파이크 검출 및 부하 분산 자원 관리 시스템 및 그 방법 | |
CN1493024A (zh) | 用于在分布式编程网络中自适应可靠性平衡的系统和方法 | |
US6473721B1 (en) | Factory traffic monitoring and analysis apparatus and method | |
Kumar et al. | Identifying and estimating technical debt for service composition in SaaS cloud | |
Casale et al. | Bound analysis of closed queueing networks with workload burstiness | |
Woodside | Scalability metrics and analysis of mobile agent systems | |
Liu et al. | Queueing-model-based adaptive control of multi-tiered web applications | |
Trihinas et al. | Improving rule-based elasticity control by adapting the sensitivity of the auto-scaling decision timeframe | |
Gilly et al. | Analysis of burstiness monitoring and detection in an adaptive web system | |
Zhang et al. | A comprehensive toolset for workload characterization, performance modeling, and online control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20070328 |