本發(fā)明屬于虛擬化服務(wù)器負(fù)載響應(yīng)，具體而言，涉及一種虛擬化服務(wù)器負(fù)載響應(yīng)模型建立方法、介質(zhì)及系統(tǒng)。

背景技術(shù)：

1、虛擬化技術(shù)作為實(shí)現(xiàn)云計(jì)算、容器化等新型it架構(gòu)的基礎(chǔ),在當(dāng)前信息技術(shù)領(lǐng)域扮演著日益重要的角色。通過(guò)將物理計(jì)算資源抽象為虛擬資源,虛擬化技術(shù)使得it系統(tǒng)的資源利用率和靈活性得到大幅提升,廣泛應(yīng)用于web服務(wù)、數(shù)據(jù)庫(kù)、大數(shù)據(jù)處理等眾多應(yīng)用場(chǎng)景之中。但是,在虛擬化環(huán)境中,物理服務(wù)器資源如cpu、內(nèi)存、存儲(chǔ)和網(wǎng)絡(luò)等必須被多個(gè)虛擬機(jī)共享。這就會(huì)導(dǎo)致虛擬機(jī)之間產(chǎn)生激烈的資源競(jìng)爭(zhēng),從而影響各自的性能表現(xiàn)。同時(shí),由于虛擬化層本身的開(kāi)銷以及物理資源向虛擬資源的轉(zhuǎn)換效率問(wèn)題,虛擬機(jī)的實(shí)際資源使用量和性能指標(biāo)與物理服務(wù)器存在一定差距。因此,如何準(zhǔn)確建模和預(yù)測(cè)虛擬化服務(wù)器在不同工作負(fù)載下的資源使用情況和性能表現(xiàn),成為當(dāng)前急需解決的一個(gè)關(guān)鍵技術(shù)挑戰(zhàn)。

2、針對(duì)上述問(wèn)題,現(xiàn)有技術(shù)主要利用基于指標(biāo)監(jiān)控的方法:通過(guò)部署監(jiān)控代理,實(shí)時(shí)采集虛擬機(jī)和物理機(jī)的cpu、內(nèi)存、存儲(chǔ)和網(wǎng)絡(luò)等資源使用情況,并借助可視化工具對(duì)其進(jìn)行分析和預(yù)測(cè)。這種方法能夠直觀反映虛擬化環(huán)境的資源使用狀況,但難以深入分析各類因素對(duì)性能的影響機(jī)理，建立的服務(wù)器負(fù)載響應(yīng)模型準(zhǔn)確度不夠高。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種虛擬化服務(wù)器負(fù)載響應(yīng)模型建立方法、介質(zhì)及系統(tǒng)，能夠解決現(xiàn)有技術(shù)建立的服務(wù)器負(fù)載響應(yīng)模型準(zhǔn)確度不夠高的技術(shù)問(wèn)題。

2、本發(fā)明是這樣實(shí)現(xiàn)的：

3、本發(fā)明的第一方面提供一種虛擬化服務(wù)器負(fù)載響應(yīng)模型建立方法，其中，包括以下步驟：

4、s10、設(shè)定初的始測(cè)試條件，對(duì)虛擬化服務(wù)器進(jìn)行負(fù)載測(cè)試，獲取測(cè)試數(shù)據(jù)；

5、s20、多次變更測(cè)試條件，進(jìn)行多組負(fù)載測(cè)試，獲取不同條件下的測(cè)試數(shù)據(jù)，并將每組測(cè)試條件和對(duì)應(yīng)的測(cè)試數(shù)據(jù)合并為虛擬化服務(wù)器負(fù)載數(shù)據(jù)集；

6、s30、建立包含所述虛擬化服務(wù)器負(fù)載數(shù)據(jù)集中全部參數(shù)的負(fù)載響應(yīng)特性方程組；

7、s40、將所述虛擬化服務(wù)器負(fù)載數(shù)據(jù)集對(duì)負(fù)載響應(yīng)特性方程組進(jìn)行擬合，得到擬合后的方程組；

8、s50、根據(jù)物理服務(wù)器與虛擬服務(wù)器之間的資源映射關(guān)系，建立資源轉(zhuǎn)換模型；

9、s60、基于同一物理服務(wù)器內(nèi)部多個(gè)虛擬服務(wù)器之間的資源競(jìng)爭(zhēng)和干擾關(guān)系，建立資源競(jìng)爭(zhēng)模型；

10、s70、整合資源轉(zhuǎn)換模型和資源競(jìng)爭(zhēng)模型，對(duì)擬合后的方程組進(jìn)行求解，得到虛擬化服務(wù)器負(fù)載響應(yīng)特性的數(shù)值解矩陣；

11、s80、基于數(shù)值解矩陣，構(gòu)建虛擬化服務(wù)器負(fù)載響應(yīng)模型，用于描述不同負(fù)載條件下虛擬服務(wù)器的資源使用情況和性能表現(xiàn)。

12、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明的一種虛擬化服務(wù)器負(fù)載響應(yīng)模型建立方法還可以做如下改進(jìn):

13、其中，所述測(cè)試條件包括物理服務(wù)器配置、虛擬化平臺(tái)類型、虛擬機(jī)數(shù)量、業(yè)務(wù)類型、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和初始資源分配。

14、進(jìn)一步的，所述測(cè)試數(shù)據(jù)包括cpu使用率、內(nèi)存占用、存儲(chǔ)i/o、網(wǎng)絡(luò)吞吐量、響應(yīng)時(shí)間和能耗。

15、進(jìn)一步的，負(fù)載響應(yīng)特性方程組，包括計(jì)算資源方程、存儲(chǔ)資源方程、網(wǎng)絡(luò)資源方程、業(yè)務(wù)性能方程、能耗方程、虛擬化開(kāi)銷方程和資源調(diào)度方程。

16、計(jì)算資源方程：

17、式中，cu為cpu使用率；vcpu為虛擬cpu核心數(shù)；pcpu為物理cpu核心數(shù)；l為負(fù)載強(qiáng)度；n為虛擬機(jī)數(shù)量；α1,α2,α3為待定系數(shù)；ε1為誤差項(xiàng)。

18、存儲(chǔ)資源方程：

19、式中，io為存儲(chǔ)i/o速率；vstorage為虛擬存儲(chǔ)容量；pstorage為物理存儲(chǔ)容量；r為讀取操作頻率；w為寫(xiě)入操作頻率；β1,β2,β3為待定系數(shù)；ε2為誤差項(xiàng)。

20、網(wǎng)絡(luò)資源方程：

21、式中，tp為網(wǎng)絡(luò)吞吐量；vbandwidth為虛擬網(wǎng)絡(luò)帶寬；pbandwidth為物理網(wǎng)絡(luò)帶寬；ps為發(fā)送數(shù)據(jù)包數(shù)量；pr為接收數(shù)據(jù)包數(shù)量；γ1,γ2,γ3為待定系數(shù)；ε3為誤差項(xiàng)。

22、業(yè)務(wù)性能方程：rt＝δ1·cu+δ2·io+δ3·tp+δ4·q+ε4；

23、式中，rt為響應(yīng)時(shí)間；q為并發(fā)請(qǐng)求數(shù)；δ1,δ2,δ3,δ4為待定系數(shù)；ε4為誤差項(xiàng)。

24、能耗方程：ec＝η1·cu+η2·io+η3·tp+η4·t+ε5；

25、式中，ec為能耗；t為運(yùn)行時(shí)間；η1,η2,η3,η4為待定系數(shù)；ε5為誤差項(xiàng)。

26、虛擬化開(kāi)銷方程：

27、式中，ov為虛擬化開(kāi)銷；vtotal為總虛擬資源；ptotal為總物理資源；sf為資源切換頻率；θ1,θ2,θ3為待定系數(shù)；ε6為誤差項(xiàng)。

28、資源調(diào)度方程：

29、式中，se為調(diào)度效率；ar為已分配資源；rr為請(qǐng)求資源；br為資源平衡度；mt為遷移次數(shù)；λ1,λ2,λ3為待定系數(shù)；ε7為誤差項(xiàng)。

30、進(jìn)一步的，將所述虛擬化服務(wù)器負(fù)載數(shù)據(jù)集對(duì)負(fù)載響應(yīng)特性方程組進(jìn)行擬合的方法為最小二乘法。

31、進(jìn)一步的，所述資源轉(zhuǎn)換模型用于描述物理資源向虛擬資源的轉(zhuǎn)換過(guò)程及其效率。

32、進(jìn)一步的，所述資源競(jìng)爭(zhēng)模型用于描述虛擬服務(wù)器間的相互影響。

33、資源轉(zhuǎn)換模型：vr＝φ(pr,ht,vo)＝κ1·pr·(1-ht)-κ2·vo+ε8；

34、式中，vr為虛擬資源；pr為物理資源；ht為虛擬化層開(kāi)銷比例；vo為資源虛擬化損耗；κ1,κ2為轉(zhuǎn)換系數(shù)；ε8為誤差項(xiàng)。

35、資源競(jìng)爭(zhēng)模型：cf＝ψ(rd,il,pc)＝μ1·rd+μ2·il+μ3·pc+ε9；

36、式中，cf為競(jìng)爭(zhēng)因子；rd為資源需求度；il為干擾級(jí)別；pc為優(yōu)先級(jí)系數(shù)；μ1,μ2,μ3為權(quán)重系數(shù)；ε9為誤差項(xiàng)。

37、數(shù)值解矩陣：數(shù)值解矩陣m具體表示如下：

38、

39、式中，n為測(cè)試數(shù)據(jù)組數(shù)；每一行代表一組測(cè)試數(shù)據(jù)的負(fù)載響應(yīng)特性。該矩陣用于描述不同負(fù)載條件下虛擬化服務(wù)器的性能表現(xiàn)和資源使用情況。

40、虛擬化服務(wù)器負(fù)載響應(yīng)模型：

41、pm＝f(l,r,e,c)＝ω1·l+ω2·r+ω3·e+ω4·c+ε10；

42、式中，pm為性能指標(biāo)；l為負(fù)載向量；r為資源向量；e為環(huán)境向量；c為配置向量；ω1,ω2,ω3,ω4為權(quán)重系數(shù)；ε10為誤差項(xiàng)。

43、參數(shù)獲取方法：

44、負(fù)載向量l：通過(guò)負(fù)載發(fā)生器模擬不同類型和強(qiáng)度的工作負(fù)載，記錄cpu、內(nèi)存、存儲(chǔ)和網(wǎng)絡(luò)的使用情況。

45、資源向量r：通過(guò)監(jiān)控工具實(shí)時(shí)采集虛擬機(jī)和物理機(jī)的資源使用數(shù)據(jù)。

46、環(huán)境向量e：包括虛擬化平臺(tái)類型、網(wǎng)絡(luò)拓?fù)涞刃畔?，通過(guò)配置文件或系統(tǒng)api獲取。

47、配置向量c：包括虛擬機(jī)數(shù)量、資源分配策略等，通過(guò)虛擬化管理平臺(tái)接口獲取。

48、權(quán)重系數(shù)ω1,ω2,ω3,ω4的確定步驟：

49、步驟1：收集大量實(shí)驗(yàn)數(shù)據(jù)，包括不同負(fù)載、資源、環(huán)境和配置條件下的性能指標(biāo)。

50、步驟2：使用多元線性回歸分析方法，基于收集的數(shù)據(jù)計(jì)算各個(gè)向量對(duì)性能指標(biāo)的影響程度。

51、步驟3：通過(guò)最小二乘法求解回歸方程，得到權(quán)重系數(shù)的最優(yōu)估計(jì)值。

52、步驟4：使用交叉驗(yàn)證方法評(píng)估模型的準(zhǔn)確性和泛化能力，必要時(shí)調(diào)整權(quán)重系數(shù)。

53、進(jìn)一步的，所述整合資源轉(zhuǎn)換模型和資源競(jìng)爭(zhēng)模型，對(duì)擬合后的方程組進(jìn)行求解，具體是：將資源轉(zhuǎn)換模型和資源競(jìng)爭(zhēng)模型嵌入到擬合后的負(fù)載響應(yīng)特性方程組中進(jìn)行求解。

54、具體而言，所述步驟s10包括以下子步驟：

55、步驟101、確定物理服務(wù)器的cpu、內(nèi)存、存儲(chǔ)和網(wǎng)絡(luò)等硬件資源的規(guī)格參數(shù)，作為初始條件輸入。

56、步驟102、選擇使用的虛擬化平臺(tái)類型，如vmware、hyper-v或kvm等，并記錄這一信息。

57、步驟103、決定初始部署的虛擬機(jī)數(shù)量，通常從1臺(tái)開(kāi)始，逐步增加至合理范圍內(nèi)，以覆蓋不同的負(fù)載強(qiáng)度。

58、步驟104、確定業(yè)務(wù)類型，如web服務(wù)、數(shù)據(jù)庫(kù)服務(wù)或大數(shù)據(jù)應(yīng)用等，這決定了工作負(fù)載的特點(diǎn)。

59、步驟105、描述虛擬化環(huán)境的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，包括虛擬機(jī)與物理機(jī)之間的連接方式。

60、步驟106、設(shè)定初始的資源分配策略，如固定分配、動(dòng)態(tài)分配或優(yōu)先級(jí)分配等。

61、步驟107、使用專門(mén)的負(fù)載測(cè)試工具，為虛擬化服務(wù)器施加各種類型和強(qiáng)度的工作負(fù)載，持續(xù)記錄cpu使用率、內(nèi)存占用、存儲(chǔ)i/o、網(wǎng)絡(luò)吞吐量、響應(yīng)時(shí)間和能耗等指標(biāo)。

62、具體而言，所述步驟s20包括以下子步驟：

63、步驟201、保持物理服務(wù)器配置不變，逐步調(diào)整虛擬化平臺(tái)類型、虛擬機(jī)數(shù)量、業(yè)務(wù)類型和初始資源分配策略等參數(shù)。

64、步驟202、根據(jù)測(cè)試需要，適當(dāng)擴(kuò)大或縮小負(fù)載強(qiáng)度的范圍，以涵蓋不同的工作負(fù)載情況。

65、步驟203、對(duì)于每組測(cè)試條件，重復(fù)執(zhí)行負(fù)載測(cè)試，收集cpu使用率、內(nèi)存占用、存儲(chǔ)i/o、網(wǎng)絡(luò)吞吐量、響應(yīng)時(shí)間和能耗等指標(biāo)數(shù)據(jù)。

66、步驟204、將每組測(cè)試條件和對(duì)應(yīng)的測(cè)試數(shù)據(jù)合并為一個(gè)虛擬化服務(wù)器負(fù)載數(shù)據(jù)集，記錄每個(gè)數(shù)據(jù)集的具體參數(shù)配置。

67、具體而言，所述步驟s30包括以下子步驟：

68、步驟301、根據(jù)收集的測(cè)試數(shù)據(jù)，分析虛擬化服務(wù)器的關(guān)鍵性能指標(biāo)與各種資源指標(biāo)之間的關(guān)系。

69、步驟302、針對(duì)cpu使用率、內(nèi)存占用、存儲(chǔ)i/o、網(wǎng)絡(luò)吞吐量、響應(yīng)時(shí)間和能耗等指標(biāo)，分別建立計(jì)算資源方程、存儲(chǔ)資源方程、網(wǎng)絡(luò)資源方程、業(yè)務(wù)性能方程、能耗方程和虛擬化開(kāi)銷方程。

70、步驟303、在這些方程中，引入影響因子如虛擬cpu核心數(shù)、物理cpu核心數(shù)、負(fù)載強(qiáng)度、虛擬機(jī)數(shù)量、讀寫(xiě)操作頻率、并發(fā)請(qǐng)求數(shù)、運(yùn)行時(shí)間等。

71、步驟304、使用多元線性回歸分析方法，對(duì)每個(gè)方程中的待定系數(shù)進(jìn)行估計(jì)。

72、步驟305、在資源調(diào)度方程中，考慮已分配資源、請(qǐng)求資源、資源平衡度和遷移次數(shù)等因素，描述虛擬化服務(wù)器的資源調(diào)度效率。

73、具體而言，所述步驟s40包括以下子步驟：

74、步驟401、采用最小二乘法對(duì)前述方程組進(jìn)行參數(shù)擬合，利用從測(cè)試數(shù)據(jù)集中獲取的各項(xiàng)指標(biāo)數(shù)據(jù)作為自變量和因變量。

75、步驟402、通過(guò)迭代優(yōu)化算法，求解各個(gè)方程中的待定系數(shù)，使得方程組能夠最佳地?cái)M合整個(gè)負(fù)載數(shù)據(jù)集。

76、步驟403、對(duì)擬合結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)，包括檢驗(yàn)擬合度、顯著性水平和殘差分布等指標(biāo)，確保方程組的預(yù)測(cè)能力。

77、步驟404、必要時(shí)可以進(jìn)一步調(diào)整方程形式或引入其他影響因子，以提高擬合效果。

78、具體而言，所述步驟s50包括以下子步驟：

79、步驟501、分析物理資源如cpu、內(nèi)存、存儲(chǔ)和網(wǎng)絡(luò)帶寬等如何轉(zhuǎn)換為虛擬資源供虛擬機(jī)使用。

80、步驟502、考慮虛擬化層的資源消耗因素，以及由于虛擬化技術(shù)自身的限制而造成的資源損失。

81、步驟503、建立資源轉(zhuǎn)換模型vr＝φ(pr,ht,vo)，其中vr為虛擬資源，pr為物理資源，ht為虛擬化層開(kāi)銷比例，vo為資源虛擬化損耗。

82、步驟504、確定轉(zhuǎn)換系數(shù)κ1和κ2，描述物理資源向虛擬資源的轉(zhuǎn)換過(guò)程及其效率。

83、具體而言，所述步驟s60包括以下子步驟：

84、步驟601、分析虛擬機(jī)之間由于資源需求競(jìng)爭(zhēng)而產(chǎn)生的干擾效應(yīng)。

85、步驟602、引入資源需求度、干擾級(jí)別和優(yōu)先級(jí)系數(shù)等因素，描述虛擬機(jī)之間的資源競(jìng)爭(zhēng)情況。

86、步驟603、建立資源競(jìng)爭(zhēng)模型cf＝ψ(rd,il,pc)，其中cf為競(jìng)爭(zhēng)因子，rd為資源需求度，il為干擾級(jí)別，pc為優(yōu)先級(jí)系數(shù)。

87、步驟604、確定權(quán)重系數(shù)μ1、μ2和μ3，定量描述虛擬機(jī)之間的相互影響。

88、具體而言，所述步驟s70包括以下子步驟：

89、步驟701、將資源轉(zhuǎn)換模型和資源競(jìng)爭(zhēng)模型嵌入到各個(gè)負(fù)載響應(yīng)特性方程中。

90、步驟702、利用newton-raphson法或迭代法等數(shù)值求解方法，對(duì)方程組進(jìn)行聯(lián)合求解。

91、步驟703、在求解過(guò)程中需要考慮各方程之間的耦合關(guān)系和約束條件。

92、步驟704、最終得到一個(gè)包含cpu使用率、存儲(chǔ)i/o、網(wǎng)絡(luò)吞吐量、響應(yīng)時(shí)間、能耗、虛擬化開(kāi)銷和資源調(diào)度效率等指標(biāo)的數(shù)值解矩陣m。

93、具體而言，所述步驟s80包括以下子步驟：

94、步驟801、根據(jù)數(shù)值解矩陣m中記錄的各項(xiàng)指標(biāo)數(shù)據(jù)，分析它們與負(fù)載特征之間的關(guān)系。

95、步驟802、建立虛擬化服務(wù)器負(fù)載響應(yīng)模型pm＝f(l,r,e,c)，其中pm為性能指標(biāo)，l為負(fù)載向量，r為資源向量，e為環(huán)境向量，c為配置向量。

96、步驟803、采用多元線性回歸分析方法，確定各個(gè)向量對(duì)性能指標(biāo)的影響程度，即權(quán)重系數(shù)ω1、ω2、v3和v4。

97、步驟804、通過(guò)最小二乘法求解回歸方程，得到權(quán)重系數(shù)的最優(yōu)估計(jì)值。

98、步驟805、使用交叉驗(yàn)證方法評(píng)估模型的準(zhǔn)確性和泛化能力，必要時(shí)調(diào)整權(quán)重系數(shù)。

99、本發(fā)明的第二方面提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有程序指令，所述程序指令在計(jì)算機(jī)中運(yùn)行時(shí)，用于執(zhí)行上述的一種虛擬化服務(wù)器負(fù)載響應(yīng)模型建立方法。

100、本發(fā)明的第三方面提供一種虛擬化服務(wù)器負(fù)載響應(yīng)模型建立系統(tǒng)，其中，包含上述的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

101、與現(xiàn)有技術(shù)相比較，本發(fā)明提供的一種虛擬化服務(wù)器負(fù)載響應(yīng)模型建立方法、介質(zhì)及系統(tǒng)的有益效果是：

102、1.全面性:本發(fā)明建立了包含cpu使用率、內(nèi)存占用、存儲(chǔ)i/o、網(wǎng)絡(luò)吞吐量、響應(yīng)時(shí)間、能耗、虛擬化開(kāi)銷和資源調(diào)度效率等關(guān)鍵性能指標(biāo)的方程組,能夠全面描述虛擬化服務(wù)器在不同負(fù)載條件下的資源消耗和性能表現(xiàn)。

103、2.準(zhǔn)確性:發(fā)明方法通過(guò)大量實(shí)測(cè)數(shù)據(jù)的擬合優(yōu)化,確定了各項(xiàng)性能指標(biāo)與影響因子之間的定量關(guān)系,能夠準(zhǔn)確預(yù)測(cè)虛擬化服務(wù)器的負(fù)載響應(yīng)特性。

104、3.可解釋性:發(fā)明方法基于資源轉(zhuǎn)換模型和資源競(jìng)爭(zhēng)模型,深入分析了虛擬化環(huán)境中物理資源向虛擬資源的映射關(guān)系,以及虛擬機(jī)之間資源競(jìng)爭(zhēng)的內(nèi)在機(jī)理,具有較強(qiáng)的可解釋性。

105、4.適應(yīng)性:發(fā)明方法僅需收集少量虛擬化環(huán)境的配置信息和性能數(shù)據(jù),即可構(gòu)建出針對(duì)性的負(fù)載響應(yīng)模型,適應(yīng)性強(qiáng),易于應(yīng)用于實(shí)際的虛擬化系統(tǒng)管理和優(yōu)化中。

106、5.實(shí)用性:基于構(gòu)建的負(fù)載響應(yīng)模型,可以為虛擬化系統(tǒng)的動(dòng)態(tài)資源調(diào)度、性能預(yù)測(cè)和瓶頸診斷等提供有力支撐,在云計(jì)算、容器化等新型it架構(gòu)中具有廣泛應(yīng)用前景。

107、總的來(lái)說(shuō),本發(fā)明提出的虛擬化服務(wù)器負(fù)載響應(yīng)模型建立方法,能夠有效彌補(bǔ)現(xiàn)有技術(shù)的不足，解決了現(xiàn)有技術(shù)建立的服務(wù)器負(fù)載響應(yīng)模型準(zhǔn)確度不夠高的技術(shù)問(wèn)題。