本技術(shù)屬于服務(wù)器負載優(yōu)化，具體涉及一種基于arma利用相似度算法實現(xiàn)服務(wù)遷移的方法。

背景技術(shù)：

1、眾多中小企業(yè)在運行軟件服務(wù)的過程中，缺乏統(tǒng)一的服務(wù)器資源管理平臺。通用的技術(shù)方案是運維人員依據(jù)經(jīng)驗手動對各服務(wù)器進行監(jiān)控、部署、分配服務(wù)器資源。在服務(wù)器資源有限的情況下，運維人員需要對不同種類的服務(wù)采用混合方式進行部署，這就導(dǎo)致多種服務(wù)混合部署與同一臺服務(wù)器時，服務(wù)器之間會出現(xiàn)資源相互競爭的現(xiàn)象。當上述現(xiàn)象出現(xiàn)時，運維人員需要達到準確優(yōu)化、人工監(jiān)控、預(yù)估資源等一系列步驟才能保證服務(wù)的準確運行。進而，當服務(wù)器資源出現(xiàn)瓶頸，需要進行服務(wù)遷移時，運維人員還需要通過服務(wù)器指令查看服務(wù)器實時狀態(tài)以對目標服務(wù)器進行選擇。

2、現(xiàn)有的服務(wù)遷移方式主要存在兩個方面的不足：（1）目標服務(wù)器的選擇存在偶然性，即目標服務(wù)器的選取缺乏實際數(shù)據(jù)支撐；（2）服務(wù)遷移后仍是依靠運維人員的經(jīng)驗進行管理，沒有排除遷移前的隱患。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種基于arma利用相似度算法實現(xiàn)服務(wù)遷移的方法，解決了服務(wù)遷移缺少數(shù)據(jù)支撐而不可控、依賴人工經(jīng)驗而不可靠的問題。

2、本技術(shù)的技術(shù)方案如下：一種基于arma利用相似度算法實現(xiàn)服務(wù)遷移的方法，包括以下步驟：

3、s1）以時間序列并按照固定頻率采集處于運行狀態(tài)的服務(wù)器負載數(shù)據(jù)和其所運行的服務(wù)負載數(shù)據(jù)；

4、s2）以任意兩個采集日中相同時段的服務(wù)器負載數(shù)據(jù)和需求配置為輸入，采用相似度算法輸出應(yīng)用場景下的各服務(wù)器與需求配置之間的相似度，選擇相似度最高的服務(wù)器作為源服務(wù)器進行服務(wù)遷移；

5、本步驟中的相似度算法模型為：

6、；

7、式中， l i為第一采集日的服務(wù)器負載數(shù)據(jù)； l j為在第二采集日的服務(wù)器負載數(shù)據(jù)； u i、 u j分別為 l i、 l j所在時段的需求配置； c為乘積系數(shù)； d為常數(shù)系數(shù)；

8、其中，表示兩個采集日中服務(wù)器負載數(shù)據(jù)的核心屬性；表示兩個采集日中需求配置的核心屬性；表示兩個采集日中服務(wù)器負載數(shù)據(jù)的全部屬性；表示兩個采集日中需求配置的全部屬性；

9、s3）以s2）選取的兩個采集日中，源服務(wù)器的服務(wù)負載數(shù)據(jù)和源服務(wù)器負載數(shù)據(jù)為輸入，采用相似度算法輸出源服務(wù)器與各服務(wù)之間的相似度，選擇相似度最高的服務(wù)作為遷移服務(wù)；

10、本步驟中的相似度算法模型為：

11、；

12、式中， a i為第一采集日的服務(wù)負載數(shù)據(jù)； a j為在第二采集日的服務(wù)負載數(shù)據(jù)； b i、 b j分別為 a i、 a j所在時段的源服務(wù)器負載數(shù)據(jù)； e為乘積系數(shù)； f為常數(shù)系數(shù)；

13、s4）源服務(wù)器和待遷移服務(wù)確定后，其他服務(wù)器為目標服務(wù)器；以各目標服務(wù)器的剩余配置和待遷移服務(wù)的負載數(shù)據(jù)為輸入，采用相似度算法輸出各目標服務(wù)器和待遷移服務(wù)之間的相似度，選擇相似度最高的目標服務(wù)器作為遷移服務(wù)器；

14、本步驟中的相似度算法模型為：

15、；

16、式中， m i為第一采集日的目標服務(wù)器剩余配置； m j為在第二采集日的目標服務(wù)器剩余配置； s i 、s j為與 m i、 m j對應(yīng)的待遷移服務(wù)的負載數(shù)據(jù)， g為乘積系數(shù)； h為常數(shù)系數(shù)；

17、s5）將服務(wù)負載數(shù)據(jù)輸入至arma時序預(yù)測模型中，輸出服務(wù)預(yù)測負載數(shù)據(jù)；將遷移服務(wù)器的剩余配置數(shù)據(jù)輸入至arma時序預(yù)測模型中，輸出剩余配置預(yù)測數(shù)據(jù)。

18、以預(yù)測負載數(shù)據(jù)和剩余配置預(yù)測數(shù)據(jù)為輸入，采用相似度算法輸出預(yù)測負載數(shù)據(jù)和剩余配置預(yù)測數(shù)據(jù)相似度，根據(jù)相似度結(jié)果判斷遷移服務(wù)器是否可容納遷移服務(wù)；

19、本步驟中的相似度算法模型為：

20、；

21、式中， t i為未來第 i天目標服務(wù)器剩余配置預(yù)測數(shù)據(jù)； t j為未來第 j天目標服務(wù)器剩余配置預(yù)測數(shù)據(jù)； r i為待遷移服務(wù)未來第 i天的預(yù)測負載數(shù)據(jù)； r j為待遷移服務(wù)未來第 j天的預(yù)測負載數(shù)據(jù)； i≠ j； p為乘積系數(shù)； q為常數(shù)系數(shù)。

22、進一步地，步驟s1）中，服務(wù)器負載數(shù)據(jù)和服務(wù)負載數(shù)據(jù)均包括內(nèi)存消耗、磁盤消耗、cpu負載消耗以及網(wǎng)絡(luò)帶寬消耗。

23、進一步地，步驟s2）中，需求配置包括服務(wù)器的內(nèi)存配置、cpu配置、磁盤io配置以及網(wǎng)絡(luò)網(wǎng)絡(luò)配置總額。

24、進一步地，步驟s5）中，arma時序預(yù)測模型如下：

25、 y_t?=?c?+?φ1 *y_(t-1 )?+?φ2 *y_(t-2 )?+?...?+?φ_p*y_(t-p)?+?ε_t?+?θ1 *ε_ (t-1 )?+

26、 θ2 *ε_(t-2 )?+?...?+?θ_q*ε_(t-q)；

27、式中， t表示時間； y_t為時間 t的觀測值；c為常數(shù)項； φ 1 ，φ 2 ，…，φ_p為自回歸系數(shù)，表示 t-1， t-2，…， t- p時刻 y值對 t時刻 y值的線性影響； ε_ t是時間 t的誤差項； θ1， θ2，…， θ_ q是移動平均系數(shù)，表示 t-1, t-2,…, t-q時刻的誤差對 t時刻 y值的影響。

28、由于采用了上述技術(shù)方案，本技術(shù)的有益效果如下：

29、1.本技術(shù)為服務(wù)遷移過程中的各個步驟均提供了數(shù)據(jù)支撐，能顯著提高各個服務(wù)器的資源利用效率，使服務(wù)遷移能夠標準化、程序化、經(jīng)驗實體化。

30、2.本技術(shù)能顯著提高服務(wù)向其他服務(wù)器遷移后的可控性，由于服務(wù)器資源占用率呈現(xiàn)隨時間波動的特點，因此，本技術(shù)能靈活調(diào)整服務(wù)器中的運行服務(wù)以實現(xiàn)服務(wù)控制，既有助于保障服務(wù)的正常運行，也能緩解服務(wù)器資源不合理占用的情況。