一种仿真机器调整方法和装置、自动扩缩器及存储介质与流程

1.本技术涉及自动驾驶技术领域，尤其是涉及一种仿真机器调整方法和装置、自动扩缩器及存储介质。


背景技术：

2.基于云平台的自动驾驶仿真平台每天要处理数十万的仿真任务，对于仿真机器的需求是非常大的。同时自动驾驶仿真任务存在着明显的波峰以及波谷，也就是上班时间任务量大而下班时间任务量少，因此，对于仿真机器的需求也是一样。
3.亚马逊云平台提供接口可以让人们将仿真机器加入或者退出集群，同时按仿真机器的使用时间收费。
4.所以，一般需要使用一个自动扩缩器按照仿真任务的多少控制亚马逊云平台上仿真机器的开启及关闭，以达到节约仿真机器使用费用的目的。
5.现有的自动扩缩器，当集群中有容器由于资源(例如，cpu)不足而无法在任何当前的仿真机器上创建时，将从亚马逊开启新的仿真机器加入到集群之中。同时，在一台仿真机器的cpu利用率低于50％且超过一段时间后，关闭对应的仿真机器并退出集群。
6.但是，现有的自动扩缩器方案存在以下问题：
7.现有的自动扩缩器对扩容响应缓慢，因为它依赖于创建容器来触发扩容。但是，现有的自动扩缩器在执行扩容操作前，是无法准确获知需要在亚马逊云平台上增加仿真机器的具体数量，所以，无法在创建容器之前触发仿真机器的扩展。


技术实现要素：

8.为此，本技术的实施例所解决的技术问题在于提供一种仿真机器调整方法和装置、自动扩缩器及存储介质，其能在执行扩容操作前，准确获知需要在亚马逊云平台上增加仿真机器的具体数量，从而在创建容器之前触发仿真机器的扩展。
9.为了解决上述技术问题，本技术采用的技术方案内容具体如下：
10.第一方面，本技术实施例提供一种仿真机器调整方法，包括：
11.获取本地仿真平台的实际资源量和预仿真任务数量；
12.根据所述预仿真任务数量，计算预期需求资源量；
13.根据所述本地仿真平台的实际资源量和预期需求资源量，得到实际与预期资源量差异度；
14.根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量。
15.进一步地，根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量，包括：
16.当实际与预期资源量差异度大于0时，发出控制指令，所述控制指令用于控制云平台减少云平台仿真机器的数量；
17.当实际与预期资源量差异度小于0时，发出控制指令，所述控制指令用于控制云平台增加云平台仿真机器的数量。
18.或者，进一步地，在根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量之前，还包括：
19.获取云平台仿真机器资源均价排序；
20.在资源使用率相同的前提下，根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量，包括：
21.根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于控制云平台增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者控制云平台减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
22.优选地，获取云平台仿真机器资源均价排序，包括：
23.(1)获取云平台仿真机器的所有类型；
24.(2)获取对应某个机器类型的云平台仿真机器的资源量和总价；
25.(3)根据对应总价与资源量的比值，得到资源在某个机器类型的云平台仿真机器中的资源平均价格；
26.(4)遍历云平台仿真机器中的所有机器类型，重复(2)至(3)，得到资源在不同机器类型的云平台仿真机器中的资源平均价格；
27.(5)根据资源平均价格的数值，按从小到大的顺序对不同机器类型的云平台仿真机器进行排序，得到云平台仿真机器资源均价排序。
28.更优选地，获取对应某个机器类型的云平台仿真机器的资源量，包括：
29.获取对应某个机器类型的云平台仿真机器的资源总量；
30.获取对应某个机器类型的云平台仿真机器的资源预留量；
31.根据资源总量与资源预留量的差值，得到对应某个机器类型的云平台仿真机器的资源量。
32.优选地，根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于控制云平台增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者控制云平台减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量，包括：
33.当资源量差异度小于0时，发出控制指令，所述控制指令用于控制云平台增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量；
34.当资源量差异度与实际资源量的比值大于预设阈值时，发出控制指令，所述控制指令用于控制云平台减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
35.更优选地，根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量，包括：
36.按照云平台仿真机器资源均价排序，对云平台仿真机器进行排序；
37.根据实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加云平台仿真机器资源均价排序中排名最前的云平台仿真机器或用于控制云平台减少云
平台仿真机器资源均价排序中排名最后的云平台仿真机器。
38.第二方面，本技术实施例提供一种仿真机器调整装置，包括：
39.获取模块，用于获取本地仿真平台的实际资源量和预仿真任务数量；
40.第一处理模块，用于根据所述预仿真任务数量，计算预期需求资源量；
41.第二处理模块，用于根据所述本地仿真平台的实际资源量和预期需求资源量，得到实际与预期资源量差异度；
42.第三处理模块，用于根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量。
43.第三方面，本技术实施例提供一种仿真机器调整方法，包括：
44.获取本地仿真平台的实际资源量和预仿真任务数量；
45.根据所述预仿真任务数量，计算预期需求资源量；
46.根据所述本地仿真平台的实际资源量和预期需求资源量，得到实际与预期资源量差异度；
47.根据所述实际与预期资源量差异度，增加或减少云平台仿真机器的数量。
48.进一步地，在根据所述实际与预期资源量差异度，增加或减少云平台仿真机器的数量之前，还包括：
49.获取云平台仿真机器资源均价排序；
50.在资源使用率相同的前提下，根据所述实际与预期资源量差异度，增加或减少云平台仿真机器的数量，包括：
51.根据实际与预期资源量差异度和云平台仿真机器资源均价排序，增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
52.进一步地，根据实际与预期资源量差异度和云平台仿真机器资源均价排序，增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量，包括：
53.当资源量差异度小于0时，增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量；
54.当资源量差异度与实际资源量的比值大于预设阈值时，减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
55.根据实际与预期资源量差异度和云平台仿真机器资源均价排序，增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
56.第四方面，本技术实施例提供一种自动扩缩器，包括存储器、处理器以及存储在所述存储器中并能在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述的仿真机器调整方法的步骤。
57.第五方面，本技术实施例提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的仿真机器调整方法的步骤。
58.综上所述，与现有技术相比，本技术实施例提供的技术方案带来的有益效果至少包括：
59.1.本技术的实施例，采用获取本地仿真平台的实际与预期资源量差异度，然后根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量的技术方案，通过本地仿真平台的实际与预期资源量差异度在执行扩容操作前，可以准确获知需要在云平台上增加仿真机器的具体数量，从而在创建容器之前触发仿真机器的扩展，满足使用者的使用需求。
60.2.本技术的实施例，在资源使用率相同的前提下，通过根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量的技术手段，在资源使用率的基础上，引入了仿真机器的价格以及机型来配置云平台的仿真机器，考虑了整个集群的情况，使得仿真机器的使用策略得到更好的优化。
附图说明
61.图1是本技术第一个示例性实施例提供的仿真机器调整方法的流程示意图。
62.图2是本技术第五个示例性实施例提供的仿真机器调整方法的部分流程示意图。
63.图3是本技术第九个示例性实施例提供的仿真机器调整装置的结构示意图。
64.图4是本技术第十一个示例性实施例提供的自动扩缩器的结构示意图。
具体实施方式
65.本具体实施例仅仅是对本技术的解释，其并不是对本技术的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本技术的权利要求范围内都受到专利法的保护。
66.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
67.本技术的说明书和权利要求书中的术语“包括”以及它的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
68.在本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
69.本技术中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。
70.下面结合说明书附图对本技术实施例作进一步详细描述。
71.图1是本技术的第一个示例性实施例提供的一种仿真机器调整方法，包括：
72.获取本地仿真平台的实际资源量和预仿真任务数量；
73.根据所述预仿真任务数量，计算预期需求资源量；
74.根据所述本地仿真平台的实际资源量和预期需求资源量，得到实际与预期资源量差异度；
75.根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量。
76.本技术的第一个示例性实施例，采用获取本地仿真平台的实际与预期资源量差异度，然后根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量的技术方案，通过本地仿真平台的实际与预期资源量差异度在执行扩容操作前，可以准确获知需要在云平台上增加仿真机器的具体数量，从而在创建容器之前触发仿真机器的扩展，满足使用者的使用需求。
77.需要说明的是，本技术第一个示例性实施例所述的云平台为亚马逊云平台或者为亚马逊云平台之外可以为本地仿真平台提供仿真机器的其他公有云平台。
78.本技术的第二个示例性实施例提供的一种仿真机器调整方法，其是在上述第一个示例性实施例的基础上作出进一步改进的方案，其与上述第一个示例性实施例的区别点在于：
79.根据所述本地仿真平台实际资源量与预期需求资源量，得到所述实际与预期资源量差异度，包括：
80.根据所述本地仿真平台实际资源量与预期需求资源量的差值，得到所述实际与预期资源量差异度。
81.本技术的第二个示例性实施例，通过本地仿真平台实际资源量与预期需求资源量的差值，可以快速、准确地实际与预期资源量差异度，提高了实际与预期资源量差异度的运算效率，进而提高控制云平台增加或减少云平台仿真机器的数量的工作效率。
82.本技术的第三个示例性实施例提供的一种仿真机器调整方法，其是在上述第一个示例性实施例的基础上作出进一步改进的方案，其与上述第一个示例性实施例的区别点在于：
83.根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量，包括：
84.当实际与预期资源量差异度大于0时，发出控制指令，所述控制指令用于控制云平台减少云平台仿真机器的数量；
85.当实际与预期资源量差异度小于0时，发出控制指令，所述控制指令用于控制云平台增加云平台仿真机器的数量。
86.本技术的第四个示例性实施例，通过以0为分界点，当实际与预期资源量差异度大于0时，说明本地仿真平台实际资源量满足仿真需求，所以无需额外从云平台上调用仿真机器；而当实际与预期资源量差异度小于0时，说明本地仿真平台实际资源量不能满足仿真需求，所以需要额外从云平台上调用仿真机器。
87.发明人在实施上述实施例的过程中还发现：现有的自动扩缩器，只考虑资源利用率来进行操作，但是还有很多其他的因素需要考虑，比如当前某台仿真机器的价格以及机器类型。例如，使用者在从亚马逊云平台获取仿真机器的时候会更加的偏爱大资源量的仿真机器，因为大资源量的仿真机器的资源平均价格会更低。
88.为此，本技术的第五个示例性实施例提供一种仿真机器调整方法，其是在上述第一个示例性实施例的基础上作出进一步改进的方案，如图2所示，其与上述第二个示例性实施例的区别点在于：
89.在根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量之前，还包括：
90.获取云平台仿真机器资源均价排序；
91.在资源利用率相同的前提下，根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量，包括：
92.根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于控制云平台增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者控制云平台减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
93.本技术的第五个示例性实施例，在资源使用率相同的前提下，通过根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量的技术手段，在资源使用率的基础上，引入了仿真机器的价格以及机型来配置云平台的仿真机器，考虑了整个集群的情况，使得仿真机器的使用策略得到更好的优化。
94.具体地，获取云平台仿真机器资源均价排序，包括：
95.(1)获取云平台仿真机器的所有类型；
96.(2)获取对应某个机器类型的云平台仿真机器的资源量和总价；
97.(3)根据对应总价与资源量的比值，得到资源在某个机器类型的云平台仿真机器中的资源平均价格；
98.(4)遍历云平台仿真机器中的所有机器类型，重复(2)至(3)，得到资源在不同机器类型的云平台仿真机器中的资源平均价格；
99.(5)根据资源平均价格的数值，按从小到大的顺序对不同机器类型的云平台仿真机器进行排序，得到云平台仿真机器资源均价排序。
100.具体地，所述根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于控制云平台增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者控制云平台减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量，包括：
101.当资源量差异度小于0时，发出控制指令，所述控制指令用于控制云平台增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量；
102.当资源量差异度与实际资源量的比值大于预设阈值时，发出控制指令，所述控制指令用于减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
103.例如，采用本技术的第五个示例性实施例，可以实现八台资源使用率为70％的仿真机器应该被七台资源使用率为80％的仿真机器所替换，而按照现有的自动扩缩器缩减仿真机器使用策略是不能实现这个功能的。
104.需要说明的是，所述预设阈值的具体数值是由使用者根据实际使用情况进行设定。另外，发明人在实施上述实施例的过程中还进一步发现：因为每台仿真机器都需要保留
一些资源给系统任务，而小仿真机器的资源数量本来就不多，相对来讲保留的资源量占比更大。
105.为此，本技术的第六个示例性实施例提供一种仿真机器调整方法，其是在上述第六个示例性实施例的基础上作出进一步改进的方案，其与上述第六个示例性实施例的区别点在于：
106.具体地，获取对应某个机器类型的云平台仿真机器的资源量，包括：
107.获取对应某个机器类型的云平台仿真机器的资源总量；
108.获取对应某个机器类型的云平台仿真机器的资源预留量；
109.根据资源总量与资源预留量的差值，得到对应某个机器类型的云平台仿真机器的资源量。
110.本技术的第六个示例性实施例，通过优化资源量以优化在不同机器类型的云平台仿真机器中的资源平均价格，实现了云平台仿真机器资源均价排序的优化。
111.本技术的第七个和第八个示例性实施例提供一种仿真机器调整方法，其分别是在上述第五个和第六个示例性实施例的基础上作出进一步改进的方案，其与上述第五个和第六个示例性实施例的区别点在于：
112.根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量，包括：
113.按照云平台仿真机器资源均价排序，对云平台仿真机器进行排序；
114.根据实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加云平台仿真机器资源均价排序中排名最前的云平台仿真机器或用于控制云平台减少云平台仿真机器资源均价排序中排名最后的云平台仿真机器。
115.本技术的第七个和第八个示例性实施例，首先根据实际与预期资源量差异度判断当前需要增加云平台仿真机器还是需要减少云平台仿真机器。同时根据云平台仿真机器资源均价排序，在当判断结果是当前需要增加云平台仿真机器时，优先扩展排名最前的云平台仿真机器，在当判断结果是当前需要减少云平台仿真机器时，优先缩减排名最后的云平台仿真机器。
116.图3是本技术第九个示例性实施例提供一种仿真机器调整装置，包括：
117.获取模块，用于获取本地仿真平台的实际资源量和预仿真任务数量；
118.第一处理模块，用于根据所述预仿真任务数量，计算预期需求资源量；
119.第二处理模块，用于根据所述本地仿真平台的实际资源量和预期需求资源量，得到实际与预期资源量差异度；
120.第三处理模块，用于根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量。
121.进一步地，所述仿真机器调整装置还包括：资源均价排序获取模块，用于获取云平台仿真机器资源均价排序；
122.作为第三处理模块的进一步改进，所述第三处理模块用于在资源使用率相同的前提下，根据所述实际与预期资源量差异度，发出控制指令，所述控制指令用于控制云平台增加或减少云平台仿真机器的数量，具体是：根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于增加在云平台仿真机器资源均价排序
之中排名靠前的云平台仿真机器或者减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器。
123.作为第三处理模块的再进一步改进，所述第三处理模块用于根据实际与预期资源量差异度和云平台仿真机器资源均价排序，发出控制指令，所述控制指令用于控制云平台增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者控制云平台减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量，具体为：
124.当资源量差异度小于0时，发出控制指令，所述控制指令用于控制云平台增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量；
125.当资源量差异度与实际资源量的比值大于预设阈值时，发出控制指令，所述控制指令用于减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
126.上述的仿真机器调整装置各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
127.本技术的第十个示例性实施例提供一种仿真机器调整方法，包括：
128.获取本地仿真平台的实际资源量和预仿真任务数量；
129.根据所述预仿真任务数量，计算预期需求资源量；
130.根据所述本地仿真平台的实际资源量和预期需求资源量，得到实际与预期资源量差异度；
131.根据所述实际与预期资源量差异度，增加或减少云平台仿真机器的数量。
132.进一步地，在根据所述实际与预期资源量差异度，增加或减少云平台仿真机器的数量之前，还包括：
133.获取云平台仿真机器资源均价排序；
134.在资源使用率相同的前提下，根据所述实际与预期资源量差异度，增加或减少云平台仿真机器的数量，包括：
135.根据实际与预期资源量差异度和云平台仿真机器资源均价排序，增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
136.进一步地，根据实际与预期资源量差异度和云平台仿真机器资源均价排序，增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量，包括：
137.当资源量差异度小于0时，增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量；
138.当资源量差异度与实际资源量的比值大于预设阈值时，减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
139.更进一步地，根据实际与预期资源量差异度和云平台仿真机器资源均价排序，增加在云平台仿真机器资源均价排序之中排名靠前的云平台仿真机器的数量或者减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量，包括：
140.当资源量差异度小于0时，增加在云平台仿真机器资源均价排序之中排名靠前的
云平台仿真机器的数量；
141.当资源量差异度与实际资源量的比值大于预设阈值时，减少在云平台仿真机器资源均价排序之中排名靠后的云平台仿真机器的数量。
142.下面以资源为cpu为例子，来说明上述各个实施例的具体工作流程：
143.获取集群中所要进行的的仿真任务数量；
144.根据仿真任务数量获取预期需要cpu数量；
145.根据本地仿真平台的实际cpu数量与预期需要cpu数量之间的差异，向亚马逊云平台进行交互，进行扩展或缩减操作，调整仿真机器数量以满足使用者的使用需求，具体为：当整个集群的预期需要cpu数量大于本地仿真平台的实际cpu数量时，进行扩展操作；当整个集群的预期需要cpu数量小于本地仿真平台的实际cpu数量时，进行缩减操作。
146.其中，使用者通过boto3接口可以知道目前集群中每种类型的仿真机器所拥有的cpu数量以及每种类型的仿真机器的价格信息。
147.使用者根据cpu均价按从小到大的顺序对不同机器类型的仿真机器进行排序，形成cpu均价排序以进行扩展或缩减亚马逊云平台上的仿真机器数量。其中，优先扩展cpu均价低(即cpu均价排序中排名较前)的仿真机器或缩减cpu均价高(即cpu均价排序中排名较后)的仿真机器。为了获得更低的使用成本，更优先扩展cpu均价最低(即cpu均价排序中排名最前)的仿真机器或缩减cpu均价高(即cpu均价排序中排名最后)的仿真机器。
148.同时，在仿真任务执行过程中，还需要为系统进程预留一些cpu。所以，在计算每台仿真机器的cpu均价时，还需要考虑到cpu预留量。在这种情况下，使用者会更偏好cpu量大的仿真机器类型，因为这种机器类型的cpu均价更低。
149.而当检测到集群内cpu未使用率大于预设阈值，触发缩减，关闭云平台仿真机器，从而实现从整个集群内部cpu使用率来增加或减少云平台仿真机器的数量，使得仿真机器的使用策略得到优化。
150.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将本技术所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
151.图4是本技术的第十一个示例性实施例提供的一种自动扩缩器，所述自动扩缩器可以是服务器；所述服务器可以为本地仿真平台的服务器，也可以为云平台的服务器。该自动扩缩器包括通过系统总线连接的处理器、存储器和通信接口。其中，该设备的处理器用于提供计算和控制能力。该设备的存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，易失性或非易失性存储设备包括但不限于：磁盘，光盘，eeprom，eprom，sram，rom，磁存储器，快闪存储器，以及prom。该设备的存储器为存储于其内部的操作系统和计算机程序的运行提供环境。该设备的通信接口为网络接口，该网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时实现上述实施例所述的云平台仿真机器调整方法步骤。
152.本技术的第十二个示例性实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例所述的云平台仿真机器调整步骤。所述存储介质包括但不限于：rom，ram，cd-rom，磁盘，以及软盘。
153.上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。