一种超融合架构下网络资源分配及调度方法

摘要

本发明涉及通信技术领域，且公开了一种超融合架构下网络资源分配及调度方法，所述方法包括：S100，在超融合架构内对网络节点在一段时间内的总资源使用情况或各个节点的资源访问量数据进行检测及收集，随后将检测及收集到的数据传送到中心服务器内；S200,在超融合结构内通过构建机器学习或语义理解等流量分类的模型对该节点在未来一段时间内的资源访问量及资源需求进行预测；S300，在中心服务器内搭建时序预测模型对各个节点的网络资源进行分配；S400，在分配资源的过程中如若出现有节点资源任务无法满足的情况下通过构建调度模型对该节点处的部分任务进行重新分配，使其具备可对网络资源进行自主分配、自发的对资源无

权利要求

1.一种超融合架构下网络资源分配及调度方法，所述超融合架构包括：特征模型及监测程序，其特征在于，

S100，在超融合架构内对网络节点在一段时间内的总资源使用情况或各个节点的资源访问量数据进行检测及收集，随后将检测及收集到的数据传送到中心服务器内；

S200，在超融合结构内通过构建机器学习或语义理解流量分类的模型将某个节点或资源在一段时间内的访问情况进行构析，随后利用该模型对该节点在未来一段时间内的资源访问量及资源需求进行预测；

S300，在中心服务器内利用某个节点内资源的访问情况或资源的访问量、访问时长、访问频繁程度因素综合表征的方法，并以此来搭建时序预测模型对未来一段时间内各个节点的网络资源进行分配，所述时序预测模型为LSTM；

S400，在分配资源的过程中如若出现有节点资源任务无法满足的情况下通过构建调度模型对该节点处的部分任务进行重新分配，使该节点上的部分任务迁移到其他资源充足的网络节点内，直至所有节点上资源分配皆满足各自节点的资源需求；

所述S300步骤内中心服务器根据监测程序检测的各个节点内资源的访问量、访问时长、访问频繁程度因素综合表征的方法，搭建特征工程模型，并利用遗传算法对各个节点内资源使用的特征书数据进行分析，随后中心服务器利用该模型将网络资源根据各个节点的资源使用特征对网络资源进行分配；

在监测程序检测到有节点上的网络资源需求无法满足时，利用调度算法将该节点处的部分资源一一迁移到除该节点外的其他节点上，随后由监测程序对该节点外的其他节点的资源需求进行检测，如若在其他节点内若是发生资源任务无法满足的情况便将此节点内的部分资源再分配到除上一个节点外的所有节点，并再次对此节点与上个节点外的其他节点进行检测，以此类推直至所有节点上资源分配皆满足各自节点的资源需求，使得中心服务器能够有效地分配和调度网络资源，满足各个网络节点的需求。

2.根据权利要求1所述的一种超融合架构下网络资源分配及调度方法，其特征在于：所述S100步骤内在各个网络节点上通过安装资源监控程序及数据采集模块来实现，数据采集的内容包括：优化代码、增加硬件资源、改进网络配置、进行负载均衡、提高虚拟化效率，资源监控程序定期收集网络节点的资源使用情况，并将收集到的信息发送到中心服务器，以保证在S200步骤内可顺利利用收集信息构建预测算法模型来对各个节点在未来一段时间内的资源使用情况进行预测。

3.根据权利要求1所述的一种超融合架构下网络资源分配及调度方法，其特征在于：所述S200步骤内在中心服务器内通过S100所传输的各个节点的资源使用情况构建时序预测工程模型对各个节点在未来一段时间内的资源使用情况进行预测。

4.根据权利要求1所述的一种超融合架构下网络资源分配及调度方法，其特征在于：所述S400步骤内在监测程序检测到有节点上的网络资源需求无法满足时，将该节点处的部分网络资源利用调度算法及上述的特征模型将这部分网络资源分配到其他资源充足的节点，使得中心服务器能够有效地分配和调度网络资源，满足各个网络节点的需求。

说明书

一种超融合架构下网络资源分配及调度方法

技术领域

[0001] 本发明涉及通信技术领域，具体为一种超融合架构下网络资源分配及调度方法。

背景技术

[0002] 随着科技发展及人们生活水平的提升，云计算及大数据技术的应用场合液愈加广泛，在数据中心的规模日益增大的同时，对网络资源的需求也随之增加，云计算凭借其按需使用、按量付费的特点，以及通过虚拟化技术完成硬件资源和软件资源的融合，形成了资源池并提供统一调度接口为用户服务，极大地降低了成本并提升了易用性，极大的便利的用户的日常生活，然而如何有效地分配和调度网络资源，以满足各种应用的需求，成为了一个重要的问题。

[0003] 基于超融合架构的云计算釆用分布式存储，在一个单元设备内同时具有信息网络、信息存储以及虚拟化等诸多的资源和技术，降低服务器架构管理难度且多单元设备借助网络聚合来实现其自身模块化横向的扩展，已成为云计算架构的主流，然而，非法用户越权获取资源的云安全问题给云平台带来了很大的威胁，而访问控制技术正是解决非法越权的一项重要手段，然而当前的访问控制模型并不能满足云平台细粒度、动态性、易于管理性的需求，且在超融合架构下，由于各种资源的交互和依赖关系更加复杂，传统的网络资源分配和调度方法往往无法满足需求，一种新的网络资源分配方式及调度方法显得尤为重要。

发明内容

[0004] 针对现有技术当前的访问控制模型并不能满足云平台细粒度、动态性、易于管理性的需求，且在超融合架构下，由于各种资源的交互和依赖关系更加复杂，传统的网络资源分配和调度方法往往无法满足需求的不足，本发明提供了一种超融合架构下网络资源分配及调度方法，具备可对网络资源进行自主分配、自发的对资源无法满足的节点进行资源调度等优点。

[0005] 为实现上述目的，本发明提供如下技术方案：一种超融合架构下网络资源分配及调度方法，所述超融合架构包括：特征模型及监测程序，所述方法包括：

[0006] S100，在超融合架构内对网络节点在一段时间内的总资源使用情况或各个节点的资源访问量数据进行检测及收集，随后将检测及收集到的数据传送到中心服务器内；

[0007] S200,在超融合结构内通过构建机器学习或语义理解等流量分类的模型将某个节点或资源在一段时间内的访问情况进行构析，随后利用该模型对该节点在未来一段时间内的资源访问量及资源需求进行预测；

[0008] S300，在中心服务器内利用某个节点内资源的访问情况或资源的访问量、访问时长、访问频繁程度等因素综合表征的方法，并以此来搭建时序预测模型对未来一段时间内各个节点的网络资源进行分配，所述时序预测模型为LSTM；

[0009] S400，在分配资源的过程中如若出现有节点资源任务无法满足的情况下通过构建调度模型对该节点处的部分任务进行重新分配，使该节点上的部分任务迁移到其他资源充足的网络节点内，直至所有节点上资源分配皆满足各自节点的资源需求，使得中心服务器可以充分的满足各个节点内的资源使用情况的同时对节部分节点的资源无法满足的情况对该节点的部分资源进行调度，并将这部分资源迁移到其他资源充足的节点，便于用户使用。

[0010] 优选的，所述S100步骤内在各个网络节点上通过安装资源监控程序及数据采集模块来实现，数据采集的内容包括：优化代码、增加硬件资源、改进网络配置、进行负载均衡、提高虚拟化效率等等，资源监控程序定期收集网络节点的资源使用情况，并将收集到的信息发送到中心服务器，监测程序将一段时间T的不同时间段：t1、t2、t3……tn时各个节点：f1、f2、f3……fn内的资源使用情况：Xa、Xb、Xc……Xn等信息进行检测并收集，随后检测到的信息传输至中心服务器内，以保证在S200步骤内可顺利利用收集信息构建预测算法模型来对各个节点在未来一段时间内的资源使用情况进行预测，保证该分配及调度方法的正常进行。

[0011] 优选的，所述S200步骤内在中心服务器内通过S100所传输的各个节点的资源使用情况构建时序预测工程模型对各个节点在未来一段时间内的资源使用情况进行预测，在中心服务器内根据上述传输的在各个节点内时间（t1、t2、……、ty）及所使用资源（Xa、Xb、……、Xy）通过生成目标函数并构建预测工程模型来求得各个节点在对应时间T内所使用的资源X的速率并在此基础上对未来一段时间内各个节点的资源使用需求进行预测，以保证在中心服务器可初步对各个节点进行资源分配处理。

[0012] 优选的，所述S300步骤内中心服务器根据监测程序检测的各个节点内资源的访问量、访问时长、访问频繁程度等因素综合表征的方法，搭建特征工程模型，并利用遗传算法对各个节点内资源使用的特征书数据进行分析，随后中心服务器利用该模型将网络资源根据各个节点的资源使用特征对网络资源进行分配，在中心服务器内根据上述传输的各个节点f的资源使用情况构建遗传算法特征工程模型，中心服务器将网络资源X分配到f1节点上，f1节点内由遗传特征模型对网络资源X迁移到f1节点处进行筛选，筛选出来的网络资源XA将正常分配到f1节点上进行使用，筛选下来的其余网络资源（X‑XA）将迁移到f2节点处对XB资源进行筛选并以此类推，直至网络资源X全部分配到各个节点fn内，中心服务器对网络资源X的分配处理。

[0013] 优选的，所述S400步骤内在监测程序检测到有节点上的网络资源需求无法满足时，将该节点处的部分网络资源利用调度算法及上述的特征模型将这部分网络资源分配到其他资源充足的节点，使得中心服务器能够有效地分配和调度网络资源，满足各个网络节点的需求，在网络资源X全部分配完毕后，利用监测程序对各个网络节点上的实际分配资源XN与该节点fn原先预测模型所预测的资源使用Xn由中心处理器进行分析：若Xn大于等于XN，及该节点fn处资源使用充足；若Xn小于XN，及该节点fn的资源使用无法满足，随后可将fn处的部分资源由中心处理器迁移到其他监测程序检测的资源充足的节点上，以保证中心服务器可以及时对资源无法满足的节点上的网络资源进行再次分配以保证其正常运转，便于用户使用。

[0014] 优选的，所述上述的在监测程序检测到有节点上的网络资源需求无法满足时，亦可利用调度算法将该节点fn处的部分资源一一迁移到处该节点fn外的其他节点上，随后由监测程序对该节点fn外的其他节点的资源需求进行检测，如若在其他节点内若是发生资源任务无法满足的情况便将此节点fn‑1内的部分资源Xn‑1再分配到除上一个节点fn外的所有节点，并再次对此节点fn与上个节点fn‑1外的其他节点进行检测，以此类推直至所有节点上资源分配皆满足各自节点的资源需求，使得中心服务器能够有效地分配和调度网络资源，满足各个网络节点的需求。有益效果

[0015] 1、该一种超融合架构下网络资源分配及调度方法，通过S300步骤内中心服务器根据监测程序检测的各个节点内资源的访问量、访问时长、访问频繁程度等因素综合表征的方法，搭建特征工程模型，并利用遗传算法对各个节点内资源使用的特征书数据进行分析，以满足中心服务器利用该模型将网络资源根据各个节点的资源使用特征对网络资源进行分配。

[0016] 2、该一种超融合架构下网络资源分配及调度方法，通过S400步骤内在监测程序检测到有节点上的网络资源需求无法满足时，将该节点处的部分网络资源利用调度算法及上述的特征模型将这部分网络资源分配到其他资源充足的节点，使得中心服务器能够有效地分配和调度网络资源，满足各个网络节点的需求，以保证中心服务器可以及时对资源无法满足的节点上的网络资源进行再次分配以保证其正常运转，便于用户使用。

附图说明

[0017] 图1为本发明一种超融合架构下网络资源分配及调度方法总流程结构示意图；

[0018] 图2为本发明一种超融合架构下网络资源分配及调度方法S100及S200步骤结构示意图；

[0019] 图3为本发明一种超融合架构下网络资源分配及调度方法S300步骤结构示意图；

[0020] 图4为本发明一种超融合架构下网络资源分配及调度方法S400步骤结构示意图；

[0021] 图5为本发明一种超融合架构下网络资源分配及调度方法第二实施例结构示意图。

具体实施方式

[0022] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例一

[0023] 请参阅图1‑5，一种超融合架构下网络资源分配及调度方法，包括：特征模型及监测程序，所述方法包括：

[0024] S100，在超融合架构内对网络节点在一段时间内的总资源使用情况或各个节点的资源访问量数据进行检测及收集，随后将检测及收集到的数据传送到中心服务器内；

[0025] S200,在超融合结构内通过构建机器学习或语义理解等流量分类的模型将某个节点或资源在一段时间内的访问情况进行构析，随后利用该模型对该节点在未来一段时间内的资源访问量及资源需求进行预测；

[0026] S300，在中心服务器内利用某个节点内资源的访问情况或资源的访问量、访问时长、访问频繁程度等因素综合表征的方法，并以此来搭建时序预测模型，比如LSTM等来对未来一段时间内各个节点的网络资源进行分配；

[0027] S400，在分配资源的过程中如若出现有节点资源任务无法满足的情况下通过构建调度模型对该节点处的部分任务进行重新分配，使该节点上的部分任务迁移到其他资源充足的网络节点内，直至所有节点上资源分配皆满足各自节点的资源需求，使得中心服务器可以充分的满足各个节点内的资源使用情况的同时对节部分节点的资源无法满足的情况对该节点的部分资源进行调度，并将这部分资源迁移到其他资源充足的节点，便于用户使用。实施例二

[0028] 请参阅图1‑5，在实施例一的基础上进一步的，S100步骤内在各个网络节点上通过安装资源监控程序及数据采集模块来实现，数据采集的内容包括：优化代码、增加硬件资源、改进网络配置、进行负载均衡、提高虚拟化效率等等，资源监控程序定期收集网络节点的资源使用情况，并将收集到的信息发送到中心服务器，监测程序将一段时间T的不同时间段：t1、t2、t3……tn时各个节点：f1、f2、f3……fn内的资源使用情况：Xa、Xb、Xc……Xn等信息进行检测并收集，随后检测到的信息传输至中心服务器内，以保证在S200步骤内可顺利利用收集信息构建预测算法模型来对各个节点在未来一段时间内的资源使用情况进行预测，保证该分配及调度方法的正常进行。

[0029] S200步骤内在中心服务器内通过S100所传输的各个节点的资源使用情况构建时序预测工程模型对各个节点在未来一段时间内的资源使用情况进行预测，在中心服务器内根据上述传输的在各个节点内时间（t1、t2、……、ty）及所使用资源（Xa、Xb、……、Xy）通过生成目标函数并构建预测工程模型来求得各个节点在对应时间T内所使用的资源X的速率并在此基础上对未来一段时间内各个节点的资源使用需求进行预测，以保证在中心服务器可初步对各个节点进行资源分配处理。

[0030] S300步骤内中心服务器根据监测程序检测的各个节点内资源的访问量、访问时长、访问频繁程度等因素综合表征的方法，搭建特征工程模型，并利用遗传算法对各个节点内资源使用的特征书数据进行分析，随后中心服务器利用该模型将网络资源根据各个节点的资源使用特征对网络资源进行分配，在中心服务器内根据上述传输的各个节点f的资源使用情况构建遗传算法特征工程模型，中心服务器将网络资源X分配到f1节点上，f1节点内由遗传特征模型对网络资源X迁移到f1节点处进行筛选，筛选出来的网络资源XA将正常分配到f1节点上进行使用，筛选下来的其余网络资源（X‑XA）将迁移到f2节点处对XB资源进行筛选并以此类推，直至网络资源X全部分配到各个节点fn内，中心服务器对网络资源X的分配处理。

[0031] S400步骤内在监测程序检测到有节点上的网络资源需求无法满足时，将该节点处的部分网络资源利用调度算法及上述的特征模型将这部分网络资源分配到其他资源充足的节点，使得中心服务器能够有效地分配和调度网络资源，满足各个网络节点的需求，在网络资源X全部分配完毕后，利用监测程序对各个网络节点上的实际分配资源XN与该节点fn原先预测模型所预测的资源使用Xn由中心处理器进行分析：若Xn大于等于XN，及该节点fn处资源使用充足；若Xn小于XN，及该节点fn的资源使用无法满足，随后可将fn处的部分资源由中心处理器迁移到其他监测程序检测的资源充足的节点上，以保证中心服务器可以及时对资源无法满足的节点上的网络资源进行再次分配以保证其正常运转，便于用户使用。实施例三

[0032] 请参阅图1‑5，在实施例二的基础上进一步的，上述的在监测程序检测到有节点上的网络资源需求无法满足时，亦可利用调度算法将该节点fn处的部分资源一一迁移到处该节点fn外的其他节点上，随后由监测程序对该节点fn外的其他节点的资源需求进行检测，如若在其他节点内若是发生资源任务无法满足的情况便将此节点fn‑1内的部分资源Xn‑1再分配到除上一个节点fn外的所有节点，并再次对此节点fn与上个节点fn‑1外的其他节点进行检测，以此类推直至所有节点上资源分配皆满足各自节点的资源需求，使得中心服务器能够有效地分配和调度网络资源，满足各个网络节点的需求。

[0033] 需要说明的是，在实施例二内采用将资源无法满足的节点资源迁移到其他节点资源充足的节点处完成对资源的调度，中心服务器的分配及调配效率更高，而在实施例三内将资源无法满足的节点部分资源迁移到该节点外的所有节点上，并将该节点在中心服务器的调度范围内进行排除，随后由中心服务器及监测程序对除该节点外的其他节点进行检测及分析，直至资源全部进行分配，中心服务器对各个节点的资源分配更加准确，两种实施例之间可相互替换。

[0034] 工作原理：S100步骤内在各个网络节点上通过安装资源监控程序及数据采集模块来实现，数据采集的内容包括：优化代码、增加硬件资源、改进网络配置、进行负载均衡、提高虚拟化效率等等，资源监控程序定期收集网络节点的资源使用情况，并将收集到的信息发送到中心服务器，监测程序将一段时间T的不同时间段：t1、t2、t3……tn时各个节点：f1、f2、f3……fn内的资源使用情况：Xa、Xb、Xc……Xn等信息进行检测并收集，随后检测到的信息传输至中心服务器内，以保证在S200步骤内可顺利利用收集信息构建预测算法模型来对各个节点在未来一段时间内的资源使用情况进行预测，保证该分配及调度方法的正常进行。

[0035] S200步骤内在中心服务器内通过S100所传输的各个节点的资源使用情况构建时序预测工程模型对各个节点在未来一段时间内的资源使用情况进行预测，在中心服务器内根据上述传输的在各个节点内时间（t1、t2、……、ty）及所使用资源（Xa、Xb、……、Xy）通过生成目标函数并构建预测工程模型来求得各个节点在对应时间T内所使用的资源X的速率并在此基础上对未来一段时间内各个节点的资源使用需求进行预测，以保证在中心服务器可初步对各个节点进行资源分配处理。

[0036] S300步骤内中心服务器根据监测程序检测的各个节点内资源的访问量、访问时长、访问频繁程度等因素综合表征的方法，搭建特征工程模型，并利用遗传算法对各个节点内资源使用的特征书数据进行分析，随后中心服务器利用该模型将网络资源根据各个节点的资源使用特征对网络资源进行分配，在中心服务器内根据上述传输的各个节点f的资源使用情况构建遗传算法特征工程模型，中心服务器将网络资源X分配到f1节点上，f1节点内由遗传特征模型对网络资源X迁移到f1节点处进行筛选，筛选出来的网络资源XA将正常分配到f1节点上进行使用，筛选下来的其余网络资源（X‑XA）将迁移到f2节点处对XB资源进行筛选并以此类推，直至网络资源X全部分配到各个节点fn内，中心服务器对网络资源X的分配处理。

[0037] S400步骤内在监测程序检测到有节点上的网络资源需求无法满足时，将该节点处的部分网络资源利用调度算法及上述的特征模型将这部分网络资源分配到其他资源充足的节点，使得中心服务器能够有效地分配和调度网络资源，满足各个网络节点的需求，在网络资源X全部分配完毕后，利用监测程序对各个网络节点上的实际分配资源XN与该节点fn原先预测模型所预测的资源使用Xn由中心处理器进行分析：若Xn大于等于XN，及该节点fn处资源使用充足；若Xn小于XN，及该节点fn的资源使用无法满足，随后可将fn处的部分资源由中心处理器迁移到其他监测程序检测的资源充足的节点上，以保证中心服务器可以及时对资源无法满足的节点上的网络资源进行再次分配以保证其正常运转，便于用户使用。

[0038] 在监测程序检测到有节点上的网络资源需求无法满足时，亦可利用调度算法将该节点fn处的部分资源一一迁移到处该节点fn外的其他节点上，随后由监测程序对该节点fn外的其他节点的资源需求进行检测，如若在其他节点内若是发生资源任务无法满足的情况便将此节点fn‑1内的部分资源Xn‑1再分配到除上一个节点fn外的所有节点，并再次对此节点fn与上个节点fn‑1外的其他节点进行检测，以此类推直至所有节点上资源分配皆满足各自节点的资源需求，使得中心服务器能够有效地分配和调度网络资源，满足各个网络节点的需求。

[0039] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。