基于組件服務副本增刪的云服務資源動態(tài)配置系統(tǒng)及方法
【專利摘要】一種基于組件服務副本增刪的云服務資源動態(tài)配置系統(tǒng)及方法，該系統(tǒng)包括注冊模塊、質(zhì)量參數(shù)生成模塊、監(jiān)測模塊、評價模塊和控制模塊。方法包括對SLA進行注冊；提取SLA中的信息，生成約定質(zhì)量參數(shù)；周期性采集云服務環(huán)境中的虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)并保存；得出各虛擬機資源信息、組件服務質(zhì)量、組件服務重要性、組件服務資源需求量；確定適合刪除最優(yōu)組件服務副本的虛擬機和適合部署瓶頸組件服務副本的虛擬機，得出組件服務副本增刪決策；進行組件服務增刪。本發(fā)明通過對歷史數(shù)據(jù)的學習，預測用戶的并發(fā)請求量，通過判斷瓶頸組件服務和最優(yōu)組件服務得出組件服務副本增刪策略，達到實現(xiàn)云服務的性能保證的效果。
【專利說明】基于組件服務副本增刪的云服務資源動態(tài)配置系統(tǒng)及方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及云服務【技術(shù)領(lǐng)域】，具體是一種基于組件服務副本增刪的云服務資源動 態(tài)配置系統(tǒng)及方法。

【背景技術(shù)】
[0002] 隨著云計算的發(fā)展，人們對云服務的要求逐漸體現(xiàn)在可復用的組件服務上，于是 云服務系統(tǒng)開始面向服務架構(gòu)提供服務，其服務以工作流形式描述，工作流中的每個任務 均綁定在相應的組件服務之上。云服務面向用戶提供服務，其對用戶而言是一個實現(xiàn)某 種業(yè)務的服務，也可稱為一個應用（Application),也可稱為一個服務業(yè)務流程（Service Business Process)。云服務系統(tǒng)的服務部署與運行的基本過程包括三個階段：初始部署階 段，運行階段，以及分析階段。
[0003] 初部署之后的云服務系統(tǒng)，在運行階段會面臨用戶請求并發(fā)數(shù)目的變化，或網(wǎng)絡 不可用和過載等狀況。在復雜多變的運行環(huán)境中，如何使一個基于服務業(yè)務流程的云服務 系統(tǒng)能夠自適應各種變化并有高可靠性，這是一個具有挑戰(zhàn)性的問題。云服務系統(tǒng)采用面 向服務的架構(gòu)，經(jīng)常被作為一個服務組合，例如BPEL流程。但服務組合只是一種服務模型， 當應用到云計算中時，為了使組件服務能在變化的環(huán)境中被使用，組件服務必須滿足云服 務系統(tǒng)的約束，例如功能特性、服務質(zhì)量QoS等，除此之外，還必須滿足與用戶之間的SLA協(xié) 議。鑒于這些約束，云服務系統(tǒng)必須隨著運行環(huán)境的變化而不斷優(yōu)化服務，以滿足系統(tǒng)約束 和用戶的需求，并保障服務性能。
[0004] 基于服務業(yè)務流程的云服務系統(tǒng)中的某一服務，如果其所具有的各個組件服務都 是唯一存在的，并且部署在同一個虛擬機上，那么為了最大可能的保障服務性能，可以對整 個云服務進行資源調(diào)整或?qū)ζ洳渴鸬奶摂M機進行調(diào)整等來優(yōu)化服務。但是，云組件服務經(jīng) 常需要部署多個副本（所有副本功能相同，位置不同）來提高服務的處理能力。為了充分 利用空間中的資源，云服務系統(tǒng)將組件服務的多個副本部署到不同的虛擬機節(jié)點上。如果 某一副本出現(xiàn)問題，或者其所在的某個虛擬機出現(xiàn)問題，那么可以利用其他虛擬機上的服 務副本來保證工作的順利進行?；诙喔北镜脑品针m然增進了服務的可靠性和靈活性， 但是管理起來更加復雜，尤其是對云服務系統(tǒng)進行基于多副本管理的服務性能保障。
[0005] 傳統(tǒng)的基于副本增量部署的服務性能保障方法中包括服務性能指標監(jiān)測、服務性 能狀態(tài)評估、瓶頸組件服務定位，以及副本部署的虛擬機選擇等方面。這些已經(jīng)在分布式應 用和服務組合等領(lǐng)域已經(jīng)得到了廣泛深入的研究，但是，當前一些研究成果如果運用到面 向多副本的云服務性能保障機制中可能有不足之處。因此，合適的基于副本調(diào)整的云服務 性能保障機制需要在目前研究現(xiàn)狀的基礎(chǔ)上進行改進。
[0006] 云服務系統(tǒng)中服務性能保障一直是國內(nèi)外學者研究的重點，目前已經(jīng)取得了較多 的學術(shù)成果。采用S0A構(gòu)架的云服務系統(tǒng)在許多大規(guī)模分布式應用服務中要求具有自適應 能力的，可以監(jiān)測系統(tǒng)變化，分析和控制各種服務質(zhì)量QoS之間的性能保障權(quán)衡，使服務配 置滿足多種QoS要求。所以ASQ(Activity-Stat e-Q〇S)模型被創(chuàng)建來獲得云服務系統(tǒng)中的 服務的動態(tài)變化、系統(tǒng)資源，以及服務質(zhì)量Q〇S，并在此研究基礎(chǔ)上采取服務性能保障措施， 使服務滿足系統(tǒng)約束和用戶需求。當前對云服務的性能保障主要關(guān)注三個方面：調(diào)整資源 (Resource Adjusting，RA)，服務遷移（Service Migrating，SM)，以及調(diào)整副本（Duplicate Adjusting，DA)。下面從國內(nèi)外研究現(xiàn)狀方面分別對這三個性能保障方法進行闡述。
[0007] 調(diào)整資源RA模式是指對支持服務運行的各種資源進行調(diào)整，例如增加虛擬機資 源池中的虛擬機，或刪除、停止某一虛擬機等。云服務系統(tǒng)一般有很大的用戶群，并且處理 大量的任務，則如何給這些任務分配硬件資源和虛擬機資源，以實現(xiàn)資源有效的動態(tài)配置 和共享使用，成為云計算領(lǐng)域研究的一個核心問題。研究人員提出多種資源動態(tài)提供和管 理方案，如Lu Huang等人總結(jié)了一些調(diào)整資源來提高性能的方法，其中包括基于失效率和 基于可信度的動態(tài)資源分配策略，基于蟻群算法的資源分配，基于閾值的動態(tài)調(diào)度算法，以 及具有對偶適應度函數(shù)的遺傳算法。文獻在對已有虛擬機分配算法進行研究、比較和總結(jié) 的基礎(chǔ)上，對虛擬機分配問題進行了建模，并提出了一種基于隨機規(guī)劃的虛擬機分配性能 保障算法。調(diào)整資源往往存在各種資源使用問題，例如，受當前資源的限制，在物理機上不 能無限的增加虛擬機來滿足服務需求，或者不能使虛擬機資源得到充分利用而造成資源浪 費等。當然，如果資源充足，完全可以通過增加資源來滿足服務的正常運行，這是比較簡單 的方法。
[0008] 服務遷移SM模式是指將組件服務從某個虛擬機遷移到其他虛擬機，來實現(xiàn)服務 性能保障或節(jié)省資源。對于云計算方面的遷移問題，已有很多研究，例如Binz等人將遷移 類型分為三類，分別是標準式遷移（如以VMware或Open Virtualization為標準格式）、組 件式遷移和整體遷移。整體遷移是將整個云服務中所有組件服務分別遷移，而組件服務遷 移則為這里所提到的服務遷移。Amoretti等人對SP2A中間件進行擴展，使對等云計算系統(tǒng) 被按需遷移的服務特征化，以應對變化的運行環(huán)境。Fan等人也提出一個在混合云中能自 動、智能地進行服務遷移的基于代理技術(shù)的框架。在文獻中，為了降低某私有云數(shù)據(jù)中心的 負載，Wang等人也提出自動將應用服務從私有云遷移到公共云的框架。而論文中，一個服 務遷移和重定位框架可以動態(tài)的把關(guān)鍵服務從一個遭受惡意攻擊或出現(xiàn)系統(tǒng)故障的平臺 遷移到健壯的平臺上，以保證服務的可靠性和持續(xù)性。服務遷移也存在影響服務正常運行 的一方面，即當進行服務遷移的時候，需要中止當前正在進行的服務，或者延遲響應服務請 求，等服務遷移的動作完成才能恢復服務。
[0009] RA與SM方式在無副本的云服務性能保障中應用較多，在基于多副本的云服務系 統(tǒng)中，鑒于以上兩種方式存在的若干不足，近年來更多研究人員關(guān)注調(diào)整副本DA方式：DA 模式是指為組件服務創(chuàng)建新的運行副本，并且部署到其他虛擬機上；或者減少組件服務的 運行副本。在大型分布式系統(tǒng)中，副本是提高系統(tǒng)冗余度，保障數(shù)據(jù)高可用性和提高數(shù)據(jù)訪 問效率的通用技術(shù)。針對區(qū)域云系統(tǒng)中跨地域分布的用戶網(wǎng)，有研究者提出了一種區(qū)域云 跨地域節(jié)點動態(tài)副本策略，減少對區(qū)域云跨地域節(jié)點間骨干網(wǎng)絡的帶寬消耗，提高數(shù)據(jù)訪 問的效率。文獻中根據(jù)教育領(lǐng)域中資源訪問的聚集性等特征，設(shè)計了副本熱度表征副本訪 問聚集性程度，實現(xiàn)了基于時空特征的副本相關(guān)數(shù)值計算；同時運用服務集概念和Hadoop 分布式文件系統(tǒng)（HDFS)的存儲機制提出了三方面的副本管理策略。趙少卡等人考慮了彈 性這一云服務的重要特性，提出了任務調(diào)度與彈性服務副本的匹配策略。Tsai等人也提出 了一個SLMR的新增服務副本方法，可以使云計算調(diào)整服務實例部署情況，以應對存在的和 預計的用戶請求負載。
[0010] 在DA模式中，當增加副本時，因為所有副本同時處理用戶請求，因此并發(fā)處理能 力高，從而改善組件服務的性能；當減少副本時，可以減少資源的使用代價。如果在設(shè)計云 服務系統(tǒng)時在自適應策略中包括DA模式，則必須同時指定需要創(chuàng)建副本的組件服務，并且 在初始部署階段部署副本的請求分配機制。在服務運行階段，隨著用戶請求數(shù)目的增大，云 組件服務被訪問次數(shù)不同，某些節(jié)點和鏈路可能成為訪問熱點，從而出現(xiàn)擁塞現(xiàn)象；而部分 節(jié)點由于服務任務較輕，或者沒有部署相應的服務會出現(xiàn)剩余資源現(xiàn)象。為了平衡系統(tǒng)負 載，提高系統(tǒng)性能，研究人員常常將處于擁塞狀態(tài)的云組件服務增量副本部署在空閑的資 源上，從而最大效能地利用資源并提供高效的服務。同時，隨著用戶請求的減少，可以適當 減少訪問熱點組件服務的副本數(shù)目，以節(jié)省資源。
[0011]目前解決擁塞問題的一個重要方法是對服務的增量部署，該方法通過每次增加部 署一個服務副本的方式，最大化地發(fā)揮新增副本的效用，有效解決分布式服務系統(tǒng)中面向 服務組合的服務性能保障問題。具體來說，該策略主要解決以下兩個方面的問題：
[0012] (1)定位瓶頸服務：瓶頸服務是指面向服務的分布式系統(tǒng)中嚴重影響系統(tǒng)性能的 那部分服務?？梢酝ㄟ^分析違背QoS的請求數(shù)量以及違背QoS的程度來評測某一服務是否 成為系統(tǒng)的瓶頸服務。瓶頸服務產(chǎn)生的原因如下：i)服務本身需要的資源量比較多（例如 具有計算復雜的服務需要消耗大量的CPU和內(nèi)存資源，或是相關(guān)數(shù)據(jù)量龐大的服務需要大 量的網(wǎng)絡帶寬）；ii)服務是訪問熱點（調(diào)用頻率較大，相對于其他組件服務來說是較為重 要的組件服務）導致服務任務過重；iii)服務的副本數(shù)過少，或副本所在的節(jié)點的可用容 量較低。
[0013] (2)確定副本增量部署的最優(yōu)化位置：由于受到節(jié)點可用資源，鏈路可用帶寬，組 合服務選擇與路由方式等多方面的制約，因此為副本尋找最合適，能夠最高效的提高系統(tǒng) QoS的部署節(jié)點，使得加入的副本充分利用空閑資源提供服務，是一個很重要的問題。


【發(fā)明內(nèi)容】

[0014] 針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供一種基于組件服務副本增刪的云服務資源 動態(tài)配置系統(tǒng)及方法。
[0015] 本發(fā)明的技術(shù)方案是：
[0016] 一種基于組件服務副本增刪的云服務資源動態(tài)配置系統(tǒng)，該系統(tǒng)在云服務的服務 器中實現(xiàn)；
[0017] 該系統(tǒng)包括注冊模塊、質(zhì)量參數(shù)生成模塊、監(jiān)測模塊、評價模塊和控制模塊。
[0018] 注冊模塊用于對云服務提供者與云服務使用者協(xié)商后的SLA進行注冊；
[0019] 質(zhì)量參數(shù)生成模塊用于提取SLA中的信息，生成約定質(zhì)量參數(shù)，包括組件服務平 均運行時延、虛擬機CPU資源利用率和虛擬機內(nèi)存資源利用率；
[0020] 監(jiān)控模塊用于周期性采集云服務環(huán)境中的虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù) 并保存；
[0021] 評價模塊用于分析虛擬機資源狀態(tài)、云服務性能狀態(tài)，得出各虛擬機資源信息、組 件服務質(zhì)量、組件服務重要性、組件服務資源需求量，并且結(jié)合云服務環(huán)境中虛擬機剩余資 源信息得出組件服務副本增刪決策；
[0022] 控制模塊用于根據(jù)副本增刪決策進行組件服務增刪。
[0023] 所述監(jiān)控模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)傳輸模塊、數(shù)據(jù)解析模塊、虛擬機資源狀態(tài) 庫和云服務性能狀態(tài)庫；
[0024] 數(shù)據(jù)采集模塊用于周期性采集云服務環(huán)境中各虛擬機資源狀態(tài)、云服務性能狀態(tài) 數(shù)據(jù)；
[0025] 數(shù)據(jù)傳輸模塊用于將采集到的數(shù)據(jù)以XML的形式進行封包并通過Sockets協(xié)議進 行傳輸；
[0026] 數(shù)據(jù)解析模塊用于對云服務環(huán)境中各虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)的 XML形式數(shù)據(jù)進行解析；
[0027] 虛擬機資源狀態(tài)庫用于存儲解析得到的虛擬機資源狀態(tài)數(shù)據(jù)；
[0028] 云服務性能狀態(tài)庫用于存儲虛擬機性能狀態(tài)和云服務性能狀態(tài)數(shù)據(jù)。
[0029] 采用所述的云服務資源動態(tài)配置系統(tǒng)的云服務資源動態(tài)配置方法，包括以下步 驟：
[0030] 步驟1 :對云服務提供者與云服務使用者協(xié)商后的SLA進行注冊；
[0031] 步驟2 :提取SLA中的信息，生成約定質(zhì)量參數(shù)，包括組件服務平均運行時延、虛擬 機CPU資源利用率和虛擬機內(nèi)存資源利用率；
[0032] 步驟3 :周期性采集云服務環(huán)境中的虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)并保 存；
[0033] 虛擬機資源狀態(tài)包括虛擬機CPU資源狀態(tài)和虛擬機內(nèi)存資源狀態(tài)，其中，虛擬機 (PU資源狀態(tài)包括虛擬機CPU資源總量和虛擬機CPU資源使用量，虛擬機內(nèi)存資源狀態(tài)包括 虛擬機內(nèi)存資源總量和虛擬機內(nèi)存資源使用量；
[0034] 云服務性能狀態(tài)數(shù)據(jù)包括組件服務調(diào)用頻率、組件服務業(yè)務執(zhí)行時間和網(wǎng)絡數(shù)據(jù) 傳輸時間；
[0035] 步驟4 :分析虛擬機資源狀態(tài)和云服務性能狀態(tài)數(shù)據(jù)，得出各虛擬機資源信息、組 件服務質(zhì)量、組件服務重要性、組件服務資源需求量；
[0036] 步驟5 :根據(jù)組件服務質(zhì)量、組件服務重要性、組件服務資源需求量和云平臺中虛 擬機剩余資源信息確定適合刪除最優(yōu)組件服務副本的虛擬機和適合部署瓶頸組件服務副 本的虛擬機，得出組件服務副本增刪決策，該決策包括刪除最優(yōu)組件服務副本和部署瓶頸 組件副本；
[0037] 步驟6 :根據(jù)組件服務副本增刪決策進行組件服務增刪。
[0038] 所述步驟3按以下步驟執(zhí)行：
[0039] 步驟3-1 :周期性采集云服務環(huán)境中各虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)；
[0040] 步驟3-2 :將采集到的數(shù)據(jù)以XML的形式進行封包；
[0041] 步驟3-3 :通過Sockets協(xié)議對封包后的數(shù)據(jù)進行傳輸；
[0042] 步驟3-4 :對云服務環(huán)境中各虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)的XML形式數(shù) 據(jù)進行解析；
[0043] 步驟3-5 :將解析得到的虛擬機資源狀態(tài)數(shù)據(jù)存入虛擬機資源狀態(tài)庫；
[0044] 步驟3-6 :將云服務性能狀態(tài)數(shù)據(jù)存入云服務性能狀態(tài)庫。
[0045] 所述步驟4按以下步驟執(zhí)行：
[0046] 步驟4-1 :分析云服務性能狀態(tài)數(shù)據(jù)，得出組件服務重要性、組件服務質(zhì)量、組件 服務資源需求量；
[0047] 步驟4-1-1 :通過組件服務性能指標數(shù)據(jù)，對組件服務質(zhì)量進行評估；組件服務性 能指標數(shù)據(jù)包括組件服務的平均數(shù)據(jù)量、組件服務及其副本擁有最大可用資源時的最小處 理時間、組件服務所能承擔的負載；
[0048] 步驟4-1-1-1 :計算組件服務運行時延，即組件服務業(yè)務的執(zhí)行時間和網(wǎng)絡數(shù)據(jù) 傳輸時間之和；
[0049] 步驟4-1-1-2 :利用組件服務的平均數(shù)據(jù)量DA(Ci)、組件服務及其副本擁有最大可 用資源時的最小處理時間MT( Ci)、組件服務所能承擔的負載ML(Ci)和組件服務當前的負載 CL(Ci)，計算組件服務平均運行時延；
[0050]

【權(quán)利要求】
1. 一種基于組件服務副本增刪的云服務資源動態(tài)配置系統(tǒng)，其特征在于：該系統(tǒng)在云 服務的服務器中實現(xiàn)； 該系統(tǒng)包括注冊模塊、質(zhì)量參數(shù)生成模塊、監(jiān)測模塊、評價模塊和控制模塊； 注冊模塊用于對云服務提供者與云服務使用者協(xié)商后的SLA進行注冊； 質(zhì)量參數(shù)生成模塊用于提取SLA中的信息，生成約定質(zhì)量參數(shù)，包括組件服務平均運 行時延、虛擬機CPU資源利用率和虛擬機內(nèi)存資源利用率； 監(jiān)控模塊用于周期性采集云服務環(huán)境中的虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)并保 存； 評價模塊用于分析虛擬機資源狀態(tài)、云服務性能狀態(tài)，得出各虛擬機資源信息、組件服 務質(zhì)量、組件服務重要性、組件服務資源需求量，并且結(jié)合云服務環(huán)境中虛擬機剩余資源信 息得出組件服務副本增刪決策； 控制模塊用于根據(jù)副本增刪決策進行組件服務增刪。
2. 根據(jù)權(quán)利要求1所述的基于組件服務副本增刪的云服務資源動態(tài)配置系統(tǒng)，其特征 在于：所述監(jiān)控模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)傳輸模塊、數(shù)據(jù)解析模塊、虛擬機資源狀態(tài)庫 和云服務性能狀態(tài)庫； 數(shù)據(jù)采集模塊用于周期性采集云服務環(huán)境中各虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù) 據(jù)； 數(shù)據(jù)傳輸模塊用于將采集到的數(shù)據(jù)以XML的形式進行封包并通過Sockets協(xié)議進行傳 輸； 數(shù)據(jù)解析模塊用于對云服務環(huán)境中各虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)的XML形 式數(shù)據(jù)進行解析； 虛擬機資源狀態(tài)庫用于存儲解析得到的虛擬機資源狀態(tài)數(shù)據(jù)； 云服務性能狀態(tài)庫用于存儲虛擬機性能狀態(tài)和云服務性能狀態(tài)數(shù)據(jù)。
3. 采用權(quán)利要求1所述的云服務資源動態(tài)配置系統(tǒng)的云服務資源動態(tài)配置方法，其特 征在于：包括以下步驟： 步驟1 :對云服務提供者與云服務使用者協(xié)商后的SLA進行注冊； 步驟2 :提取SLA中的信息，生成約定質(zhì)量參數(shù)，包括組件服務平均運行時延、虛擬機 (PU資源利用率和虛擬機內(nèi)存資源利用率； 步驟3 :周期性采集云服務環(huán)境中的虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)并保存； 虛擬機資源狀態(tài)包括虛擬機CPU資源狀態(tài)和虛擬機內(nèi)存資源狀態(tài)，其中，虛擬機CPU資 源狀態(tài)包括虛擬機CPU資源總量和虛擬機CPU資源使用量，虛擬機內(nèi)存資源狀態(tài)包括虛擬 機內(nèi)存資源總量和虛擬機內(nèi)存資源使用量； 云服務性能狀態(tài)數(shù)據(jù)包括組件服務調(diào)用頻率、組件服務業(yè)務執(zhí)行時間和網(wǎng)絡數(shù)據(jù)傳輸 時間； 步驟4 :分析虛擬機資源狀態(tài)和云服務性能狀態(tài)數(shù)據(jù)，得出各虛擬機資源信息、組件服 務質(zhì)量、組件服務重要性、組件服務資源需求量； 步驟5 :根據(jù)組件服務質(zhì)量、組件服務重要性、組件服務資源需求量和云平臺中虛擬機 剩余資源信息確定適合刪除最優(yōu)組件服務副本的虛擬機和適合部署瓶頸組件服務副本的 虛擬機，得出組件服務副本增刪決策，該決策包括刪除最優(yōu)組件服務副本和部署瓶頸組件 副本； 步驟6 :根據(jù)組件服務副本增刪決策進行組件服務增刪。
4. 根據(jù)權(quán)利要求3所述的云服務資源動態(tài)配置方法，其特征在于：所述步驟3按以下 步驟執(zhí)行： 步驟3-1 :周期性采集云服務環(huán)境中各虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)； 步驟3-2 :將采集到的數(shù)據(jù)以XML的形式進行封包； 步驟3-3 :通過Sockets協(xié)議對封包后的數(shù)據(jù)進行傳輸； 步驟3-4 :對云服務環(huán)境中各虛擬機資源狀態(tài)、云服務性能狀態(tài)數(shù)據(jù)的XML形式數(shù)據(jù)進 行解析； 步驟3-5 :將解析得到的虛擬機資源狀態(tài)數(shù)據(jù)存入虛擬機資源狀態(tài)庫； 步驟3-6 :將云服務性能狀態(tài)數(shù)據(jù)存入云服務性能狀態(tài)庫。
5. 根據(jù)權(quán)利要求3所述的云服務資源動態(tài)配置方法，其特征在于：所述步驟4按以下 步驟執(zhí)行： 步驟4-1 :分析云服務性能狀態(tài)數(shù)據(jù)，得出組件服務重要性、組件服務質(zhì)量、組件服務 資源需求量； 步驟4-1-1 :通過組件服務性能指標數(shù)據(jù)，對組件服務質(zhì)量進行評估；組件服務性能指 標數(shù)據(jù)包括組件服務的平均數(shù)據(jù)量、組件服務及其副本擁有最大可用資源時的最小處理時 間、組件服務所能承擔的負載； 步驟4-1-1-1 :計算組件服務運行時延，即組件服務業(yè)務的執(zhí)行時間和網(wǎng)絡數(shù)據(jù)傳輸 時間之和； 步驟4-1-1-2 :利用組件服務的平均數(shù)據(jù)量DA(Ci)、組件服務及其副本擁有最大可用 資源時的最小處理時間MT(Ci)、組件服務所能承擔的負載ML(Ci)和組件服務當前的負載 CL( Ci)，計算組件服務平均運行時延；
其中，表示組件服務i擁有的副本數(shù)量，4表示組件服務Ci的第k個副本； 步驟4-1-1-3 :將組件服務平均運行時延與約定質(zhì)量參數(shù)中的組件服務平均運行時延 進行比對，得到組件服務質(zhì)量； 步驟4-1-2 :通過組件服務調(diào)用關(guān)系及組件服務調(diào)用頻率，對組件服務重要性進行評 估； 步驟4-1-2-1 :通過一個周期內(nèi)組件服務調(diào)用次數(shù)來確定組件服務調(diào)用頻率，進而求 得組件服務c」被Ci調(diào)用的頻率Fij ; 組件服務Ci有ni個副本且有h個副本時，組件服務被Ci調(diào)用的頻率則可以通過 計算所有副本之間調(diào)用的頻率之和得到
?其中，為組件服務Ci的第h個 組件服務副本調(diào)用組件服務h的第k 2個組件服務副本的調(diào)用頻率； 步驟4-1-2-2 :根據(jù)組件服務調(diào)用關(guān)系和組件服務調(diào)用頻率，分別計算每個組件服務 相對其他所有組件服務的權(quán)值eij :
其中，η表示組件服務個數(shù)； 步驟4-1-2-3 :各個組件服務相對其他所有組件服務的權(quán)值構(gòu)成組件服務權(quán)值矩陣Ε， 其中每個組件服務相對其他所有組件的權(quán)值和為1 ; ^11 ,.2 …eiu e21 β22 …e2fi - I %l e2i …C3m S4l e24 >·· e4n 步驟4-1-2-4 :分別計算出每個組件服務的重要性值v(Ci):
其中：N(Ci)為各組件服務的下標集合，該集合中不包括組件服務Ci ;K是用來調(diào)整組件 服務自身重要性和其他組件服務對其重要性的影響的常數(shù)； 步驟4-1-2-5 :各組件服務的重要性值構(gòu)成向量矩陣，利用該向量矩陣調(diào)整權(quán)值，直到 各組件服務的重要性值都穩(wěn)定，即權(quán)值變化穩(wěn)定在誤差范圍內(nèi)；
步驟4-1-3 :根據(jù)各組件服務的重要性和各組件服務質(zhì)量，確定瓶頸組件服務和最優(yōu) 組件服務； 步驟4-1-3-1 :計算組件服務的綜合評估值CE(Ci)，即組件服務的重要性值v(Ci)與組 件服務平均運行時延DT(Ci)之積； 步驟4-1-3-2 :比較所有組件服務的綜合評估值CE (Ci)，組件服務綜合評估值最大的組 件服務為瓶頸組件服務； 步驟4-1-3-3 :比較所有組件服務的綜合評估值CE (Ci)，組件服務綜合評估值最小的組 件服務為最優(yōu)組件服務； 步驟4-1-4 :通過云服務性能狀態(tài)數(shù)據(jù)、組件服務并發(fā)請求量和虛擬機資源狀態(tài)數(shù)據(jù)， 得出組件服務資源需求量； 步驟4-1-4-1 :建立組件服務并發(fā)請求量和CPU資源需求量/內(nèi)存資源需求量之間的 關(guān)系丨吳型； y+y2+y3 = α 0+ α lX+ α 2χ2 其中，y表示CPU資源需求量/內(nèi)存資源需求量，Χ表示組件服務并發(fā)請求量，α ρ α i、 a 2分別為x的0次方至2次方的系數(shù)； 步驟4-1-4-2 :建立CPU資源需求量/內(nèi)存資源需求量誤差平方和SSE模型；
其中，yi表示組件服務i的CPU資源需求量/內(nèi)存資源需求量，Xi表示組件服務i的 組件服務并發(fā)請求量，樣本估計值式、成、?2分別為％、αι、α2的估計值； 步驟4-1-4-3 :建立關(guān)系模型對應的最小二乘方程；
步驟4-1-4-4 :極小化SSE的樣本估計值0。、么、么，求解最小二乘方程，得到關(guān)于樣 本估計值式、0,、.的線性方程，進而求得式、名、?2;
步驟4-1-4-5:將、在、?2作為α(ι、αι、α2代入關(guān)系模型，確定最終的關(guān)系模型； 步驟4-1-4-6 :計算新增組件服務副本的組件服務并發(fā)請求量ρ ;
其中，組件服務副本的并發(fā)請求量為Ρ ( Ρ ^ Ρ 2, . . .，Ρ η)，Ρ ^ Ρ 2, . . .，Ρ η均相等； 步驟4-1-4-7 :根據(jù)新增組件服務副本的組件服務并發(fā)請求量Ρ，利用組件服務并發(fā) 請求量和CPU資源需求量/內(nèi)存資源需求量之間的關(guān)系模型，求出新增服務副本所需的CPU 資源需求量SRc PU/內(nèi)存資源需求量SRMEM ; 步驟4-2 :分析各虛擬機資源狀態(tài)數(shù)據(jù)，得出各虛擬機剩余資源信息，包括CPU資源剩 余量和內(nèi)存資源剩余量； 步驟4-2-1 :分析虛擬機資源狀態(tài)數(shù)據(jù)，得到虛擬機CPU資源總量Repu、虛擬機內(nèi)存資源 總量RMEM、虛擬機CPU資源使用量URepu、虛擬機內(nèi)存資源使用量URMEM ; 步驟4-2-2 :根據(jù)虛擬機CPU資源總量、虛擬機CPU資源使用量，得到虛擬機CPU資源 利用率Uepu ; 步驟4-2-3 :通過SLA和虛擬機CPU資源利用率，求得虛擬機的SLA違背率fsu(VM):
其中，虛擬機q的CPU資源利用率，虛擬機CPU資源利用率不高于SLA約定的CPU 利用率閾值m ; 步驟4-2-4 :根據(jù)虛擬機CPU資源總量、虛擬機CPU資源使用量，求得虛擬機CPU資源 剩余量 LRGPU = Rgpu-URcpu ; 步驟4-2-5 :通過虛擬機內(nèi)存資源總量、虛擬機內(nèi)存資源使用量，求得虛擬機內(nèi)存資源 剩余量lrmem =妒?---。
6.根據(jù)權(quán)利要求3所述的云服務資源動態(tài)配置方法，其特征在于：所述步驟5按以下 步驟執(zhí)行： 步驟5-1 :根據(jù)最優(yōu)組件服務和虛擬機剩余資源信息，確定適合刪除最優(yōu)組件服務副 本的虛擬機; 步驟5-1-1 :計算部署有最優(yōu)組件服務的虛擬機集合VMs中各虛擬機資源體積V，即虛 擬機CPU資源利用率Uepu與虛擬機內(nèi)存資源利用率UMEM之積； v = Ucpu*u 腿； 步驟5-1-2 :比較所有部署有最優(yōu)組件服務的虛擬機的資源體積V，得出其中資源體積 最大的虛擬機VM。，即為適合刪除最優(yōu)組件服務副本的虛擬機； 步驟5-2 :根據(jù)瓶頸組件服務的資源需求量和虛擬機剩余資源信息，確定適合部署瓶 頸組件服務副本的虛擬機VMX ; 步驟5-2-1 :計算增量部署瓶頸組件服務副本后虛擬機的CPU資源利用率Uqepu ;
其中爲".<υξη、 步驟5-2-2 :根據(jù)增量部署瓶頸組件服務副本后虛擬機CPU資源利用率U^pu計算SLA 違背率fsu (VMq)，即虛擬機q的SLA違背率；
步驟5-2-3 :根據(jù)虛擬機資源剩余量、增量部署瓶頸組件服務所需的CPU資源需求量 SRePU和SLA違背率，求得虛擬機q的加權(quán)值，比較各虛擬機的加權(quán)值，加權(quán)值最大的虛擬機 VM X即為適合部署瓶頸組件服務的虛擬機VMX ;
其中，瑪凡< ，S/?廳 < ，kl、k2和k3是自定義的權(quán)重； 步驟5-3 :根據(jù)適合刪除最優(yōu)組件服務副本的虛擬機VM。和適合部署瓶頸組件服務的 虛擬機VMX，確定組件服務副本增刪決策，即在虛擬機VM。中刪除最優(yōu)組件服務副本和在VMX 上部署瓶頸組件副本。
【文檔編號】H04L29/08GK104301403SQ201410512536
【公開日】2015年1月21日 申請日期:2014年9月26日 優(yōu)先權(quán)日:2014年9月26日
【發(fā)明者】張斌, 郭軍, 劉宇, 楊麗春, 莫玉巖, 閆永明, 劉舒, 馬慶敏, 馬群, 李智, 李海濤 申請人:東北大學, 遼寧北方實驗室有限公司