使用预测容量使用情况对虚拟机工作负载进行装箱的制作方法

技术特征：
1.一种计算机实现的方法，其包括：识别与服务提供商网络的一个或多个用户相关联的第一计算工作负载和第二计算工作负载；获得指示计算实例池的用于执行所述第一计算工作负载的计算实例的数量的历史数据，所述计算实例池表示可用于与所述一个或多个用户相关联的计算工作负载的计算容量的量；基于所述历史数据，生成在未来时间点将用于执行所述第一计算工作负载的计算实例的预测数量；以及基于在所述未来时间点将用于执行所述第一计算工作负载的计算实例的所述预测数量，缩放在所述未来时间点之前所述计算实例池中可供第二计算工作负载使用的计算实例的数量。2.根据权利要求1所述的计算机实现的方法，其中所述第一计算工作负载与自动缩放组相关联，并且其中所述自动缩放组响应于所述第一计算工作负载的资源使用的变化自动确定所述计算实例池的多少计算实例可供所述第一计算工作负载使用。3.根据权利要求1或2中任一项所述的计算机实现的方法，其中所述计算实例池包括固定数量的计算实例，并且其中所述第一计算工作负载随时间推移使用所述计算实例池的周期性变化的数量的计算实例。4.根据权利要求1至3中任一项所述的计算机实现的方法，其中所述第一计算工作负载的执行由批处理服务、容器执行服务、映射规约服务和队列服务中的一者管理。5.根据权利要求1至4中任一项所述的计算机实现的方法，其中指示所述计算实例池的用于执行所述第一计算工作负载的计算实例的数量的所述历史数据是第一历史数据，并且其中在所述未来时间点将用于执行所述第一计算工作负载的计算实例的所述预测数量是使用基于与所述计算实例池相关的第二历史数据训练的循环神经网络(rnn)生成的。6.根据权利要求1至5中任一项所述的计算机实现的方法，其中所述第二计算工作负载与预期执行持续时间和执行期限相关联，并且其中所述方法还包括增加所述计算实例池中可供所述第二计算工作负载在一时间点使用的计算实例的数量，所述时间点是基于所述预期执行持续时间、所述执行期限和用于在所述未来时间点执行所述第一计算工作负载的计算实例的所述预测数量确定的。7.根据权利要求1至6中任一项所述的计算机实现的方法，其中所述计算实例池包括多个虚拟机(vm)实例或多个容器实例。8.根据权利要求1至7中任一项所述的计算机实现的方法，其中缩放所述计算实例池中可供所述第二计算工作负载使用的计算实例的数量的时间部分地由指示与所述第一计算工作负载相关联的预热时间量的信息确定。9.根据权利要求1至8中任一项所述的计算机实现的方法，其还包括引起图形用户界面(gui)显示，所述gup显示所述历史数据的表示，所述历史数据的表示指示计算实例池的用于执行所述第一计算工作负载的计算实例的数量。10.一种系统，其包括：由第一一个或多个电子装置实现的容量预测和调度服务，所述容量预测和调度服务包括指令，所述指令在执行时使所述容量预测和调度服务：
识别与服务提供商网络的一个或多个用户相关联的第一计算工作负载和第二计算工作负载；获得指示计算实例池的用于执行所述第一计算工作负载的计算实例的数量的历史数据，所述计算实例池表示可用于与一个或多个用户相关联的计算工作负载的计算容量的量；在特定时间点确定所述计算实例池的当前未使用的计算实例的数量；向硬件虚拟化服务发送第一指令以基于当前未使用的计算实例的数量来分配所述计算实例池的可用于由与所述一个或多个用户相关联的所述第二计算工作负载使用的自动缩放组的计算实例的数量；基于所述历史数据，生成在未来时间点将由所述第一计算工作负载使用的计算实例的预测数量；以及向所述硬件虚拟化服务发送第二指令以基于在所述未来时间点将由所述第一计算工作负载使用的计算实例的所述预测数量来减少在所述未来时间点之前所述计算实例池的可用于由所述第二计算工作负载使用的所述自动缩放组的计算实例的数量；以及由第二一个或多个电子装置实现的硬件虚拟化服务，所述硬件虚拟化服务包括指令，所述指令在执行时使所述硬件虚拟化服务：基于所述第一指令，增加所述计算实例池的可用于由第二计算工作负载使用的自动缩放组的计算实例的数量；以及减少所述计算实例池的可用于由所述第二计算工作负载使用的所述自动缩放组的计算实例的数量。11.根据权利要求10所述的系统，其中所述计算实例池包括固定数量的计算实例，并且其中所述第一计算工作负载随时间推移使用所述计算实例池的周期性变化的数量的计算实例。12.根据权利要求10或11中任一项所述的系统，其中所述第一计算工作负载的执行由批处理服务、容器执行服务、映射规约服务和队列服务中的一者管理。13.根据权利要求10至12中任一项所述的系统，其中指示所述计算实例池的用于执行所述第一计算工作负载的计算实例的数量的所述历史数据是第一历史数据，并且其中在一个或多个未来时间点将用于所述第一计算工作负载的计算实例的所述预测数量是使用基于与所述计算实例池相关的第二历史数据训练的循环神经网络(rnn)生成的。14.根据权利要求10至13中任一项所述的系统，其中所述第二计算工作负载与预期执行持续时间和执行期限相关联，并且其中所述指令在执行时还使所述容量预测和调度服务增加在一时间点所述计算实例池中的计算实例的数量，所述时间点是基于所述预期执行持续时间、所述执行期限和在所述一个或多个未来时间点将用于所述第一计算工作负载的计算实例的所述预测数量来确定的。15.根据权利要求10至14中任一项所述的系统，其中所述计算实例池包括多个虚拟机(vm)实例或多个容器实例。

技术总结
描述了用于优化在与服务提供商网络的用户或用户组相关联的计算工作负载之间由服务提供商网络提供的计算资源(例如，诸如虚拟机(VM)实例、容器、独立服务器的计算资源以及可能地其他类型的计算资源)的分配的技术。服务提供商网络提供各种工具和界面以帮助企业和其他组织优化组织从服务提供商网络获得的计算资源池的利用率，包括在具有不同资源需求、使用模式、相对优先级、执行期限或其组合的工作负载之间有效调度资源使用的能力。服务提供商网络还提供各种图形用户界面(GUI)以帮助用户根据用户偏好可视化和管理用户工作负载对计算资源的历史和调度使用。计算资源的历史和调度使用。计算资源的历史和调度使用。


技术研发人员：J
受保护的技术使用者：亚马逊技术股份有限公司
技术研发日：2020.02.27
技术公布日：2021/11/5