IaaS云環(huán)境下物理主機(jī)資源狀態(tài)預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及云平臺(tái)應(yīng)用技術(shù)領(lǐng)域，尤其是涉及IaaS云環(huán)境下物理主機(jī)資源狀態(tài) 預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 云環(huán)境下，提高資源利用率是能耗感知和負(fù)載均衡必須考慮的重要手段，而資源 利用率由虛擬機(jī)通過(guò)迀移操作改變物理主機(jī)的資源狀態(tài)來(lái)體現(xiàn)，因此，虛擬機(jī)迀移是IaaS 云資源調(diào)度的尤為重要關(guān)鍵技術(shù)。
[0003] 當(dāng)前，IaaS云資源調(diào)度策略研究中，違反SLA時(shí)或者物理主機(jī)過(guò)載是虛擬機(jī)迀移 的觸發(fā)因素，這勢(shì)必造成系統(tǒng)性能下降和額外的能耗成本，這是問(wèn)題出現(xiàn)后處理造成的后 果。這種"事后處理"的方式早已過(guò)時(shí)。
[0004] IaaS云平臺(tái)服務(wù)商為用戶提供高性能服務(wù)的同時(shí)，必須考慮如何在不違反 SLA(Service Level Agreement)的前提下，節(jié)約云平臺(tái)的能耗成本。而虛擬機(jī)迀移技術(shù)是 在物理服務(wù)器過(guò)載時(shí)，保證服務(wù)器性能的有效手段，也是考慮節(jié)能的關(guān)鍵技術(shù)之一。服務(wù)器 的過(guò)載和欠載是物理主機(jī)的兩個(gè)運(yùn)行狀態(tài)，過(guò)載會(huì)造成違反SLA的可能性，而欠載會(huì)造成 物理主機(jī)資源利用率低，造成額外的能耗浪費(fèi)。
[0005] 由此可見，目前沒有依據(jù)虛擬機(jī)迀移的能耗代價(jià)與物理主機(jī)與物理主機(jī)關(guān)機(jī)的電 能收益關(guān)系，降低IaaS云平臺(tái)的SLA違反率的目標(biāo)的方法，亟待進(jìn)一步改進(jìn)。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供一種IaaS云環(huán)境下物理主機(jī)資源狀態(tài)預(yù)測(cè)方法，其具有依 據(jù)虛擬機(jī)迀移的能耗代價(jià)與物理主機(jī)與物理主機(jī)關(guān)機(jī)的電能收益關(guān)系，降低IaaS云平臺(tái) 的SLA違反率，實(shí)現(xiàn)資源需求可控、綠色節(jié)能的效果。
[0007] 為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種IaaS云環(huán)境下物理主機(jī)資源狀態(tài)預(yù)測(cè)方 法，其包括以下步驟：
[0008] 步驟A:將IaaS云資源需求預(yù)測(cè)過(guò)程確立為隱式馬爾可夫過(guò)程；
[0009] 步驟B:確定物理主機(jī)資源的觀察狀態(tài)集合和隱式狀態(tài)集合；
[0010] 步驟C:構(gòu)建IaaS云平臺(tái)資源預(yù)測(cè)的隱式馬爾可夫過(guò)程模型；
[0011] 步驟D:根據(jù)該IaaS云平臺(tái)資源預(yù)測(cè)的隱式馬爾可夫過(guò)程模型的預(yù)測(cè)狀態(tài)，進(jìn)行 資源調(diào)度。
[0012] 本發(fā)明的一個(gè)實(shí)施例中，所述隱式馬爾可夫過(guò)程模型中，其通過(guò)Viterbi算法給 出一個(gè)場(chǎng)景的預(yù)測(cè)過(guò)程，以驅(qū)動(dòng)構(gòu)建該隱式馬爾可夫過(guò)程模型。
[0013] 本發(fā)明的一個(gè)實(shí)施例中，所述步驟A中的隱式馬爾可夫過(guò)程模型通過(guò)一個(gè)五元組 來(lái)描述：
[0014] λ = (N，M，A，B，Jr)
[0015] 其中：N是物理主機(jī)狀態(tài)的集合，M是觀察值的集合，A是狀態(tài)轉(zhuǎn)移概率矩陣，B是 觀察值的概率分布矩陣，π是初始狀態(tài)概率分布。
[0016] 本發(fā)明的一個(gè)實(shí)施例中，所述物理主機(jī)狀態(tài)的集合N為隱狀態(tài)集，N= (S1J2J3K 其中，其中，S1S物理主機(jī)欠載狀態(tài)；S2S物理主機(jī)正常狀態(tài)；S3S物理主機(jī)過(guò)載狀態(tài)；
[0017] 所述觀察值的集合M為明狀態(tài)集，M = {OUT，IN，NON}，其中，OUT為虛擬機(jī)迀出狀 態(tài)；IN為虛擬機(jī)迀入狀態(tài)；NON為虛擬機(jī)無(wú)迀出迀入狀態(tài)；
[0018] 其中，初始狀態(tài)概率：π = { π π 2, π 3};
[0019] 隱狀態(tài)轉(zhuǎn)移概率:A = (?J3x3，其中aij表示從狀態(tài)i到狀態(tài)j的轉(zhuǎn)移概率；
[0020] 觀察值分布概率：B = b (M)，其中b (M)為M中元素的分布概率。
[0021] 本發(fā)明的一個(gè)實(shí)施例中，所述隱狀態(tài)組成的狀態(tài)序列為Q= (qi，q2,…以，…七)， 其中每個(gè)qte N中的一個(gè)狀態(tài)，由初始狀態(tài)概率π和狀態(tài)轉(zhuǎn)移概率A決定；
[0022] 所述明狀態(tài)組成的觀察序列為0= (〇1，〇2，*"，〇，"，〇1)，其中每個(gè)〇#1中的一 個(gè)狀態(tài)，由狀態(tài)序列Q和各狀態(tài)的分布概率B決定。
[0023] 本發(fā)明的一個(gè)實(shí)施例中，所述步驟D中，隱式馬爾可夫過(guò)程模型的預(yù)測(cè)狀態(tài)與系 統(tǒng)的負(fù)載和資源狀態(tài)實(shí)時(shí)相關(guān)，并在下一個(gè)穩(wěn)定其到來(lái)之前對(duì)資源進(jìn)行整合。
[0024] 本發(fā)明的一個(gè)實(shí)施例中，所述步驟A中的隱式馬爾可夫過(guò)程模型通過(guò)資源需求預(yù) 測(cè)物理主機(jī)過(guò)載、安全和欠載狀態(tài)，作為虛擬機(jī)迀移時(shí)機(jī)選擇的基準(zhǔn)。
[0025] 本發(fā)明的一個(gè)實(shí)施例中，所述步驟A中的隱式馬爾可夫過(guò)程模型通過(guò)Viterbi算 法來(lái)驅(qū)動(dòng)構(gòu)建的。
[0026] 本發(fā)明的一個(gè)實(shí)施例中，所述Viterbi算法有效選擇最優(yōu)狀態(tài)序列，以實(shí)現(xiàn)物理 主機(jī)資源需求預(yù)測(cè)。
[0027] 本發(fā)明的有益效果為：
[0028] 本發(fā)明通過(guò)物理主機(jī)資源狀態(tài)預(yù)測(cè)很好地解決了虛擬機(jī)迀移時(shí)機(jī)的選擇問(wèn)題，降 低了 SLA違反率節(jié)約了能耗成本；本發(fā)明將IaaS云資源需求預(yù)測(cè)過(guò)程確立為隱式馬爾可夫 過(guò)程其為正確，有效的，根據(jù)該預(yù)測(cè)過(guò)程可以很好的實(shí)現(xiàn)資源需求的可控以及綠色節(jié)能的 目標(biāo)。
【附圖說(shuō)明】
[0029] 圖1為本發(fā)明的狀態(tài)序列與觀察序列關(guān)系圖；
[0030] 圖2為本發(fā)明的低負(fù)載狀態(tài)HMM模型狀態(tài)轉(zhuǎn)換圖；
[0031] 圖3為本發(fā)明的低負(fù)載計(jì)算路徑示意圖；
[0032] 圖4為本發(fā)明的中度負(fù)載狀態(tài)HMM模型狀態(tài)轉(zhuǎn)換圖；
[0033] 圖5為本發(fā)明的PM i處于中度負(fù)載，下一時(shí)刻向低負(fù)載轉(zhuǎn)化的計(jì)算路徑示意圖；
[0034] 圖6為本發(fā)明的PM i處于中度負(fù)載，下一時(shí)刻保持中度負(fù)載的計(jì)算路徑示意圖；
[0035] 圖7為本發(fā)明的PM i處于中度負(fù)載，下一時(shí)刻向高負(fù)載轉(zhuǎn)化的計(jì)算路徑示意圖；
[0036] 圖8為本發(fā)明的高負(fù)載狀態(tài)HMM模型狀態(tài)轉(zhuǎn)換圖；
[0037] 圖9為本發(fā)明的高負(fù)載計(jì)算路徑示意圖；
[0038] 圖10為本發(fā)明的負(fù)載正態(tài)分布采樣均值示意圖；
[0039] 圖11為本發(fā)明的一個(gè)周期內(nèi)物理主機(jī)狀態(tài)轉(zhuǎn)換與虛擬機(jī)迀移示意圖。
【具體實(shí)施方式】
[0040] 本發(fā)明IaaS云環(huán)境下物理主機(jī)資源狀態(tài)預(yù)測(cè)方法，其IaaS云平臺(tái)資源需求抽象， 進(jìn)行隱式馬爾可夫過(guò)程建模，通過(guò)資源需求預(yù)測(cè)物理主機(jī)過(guò)載、安全和欠載狀態(tài)，作為虛擬 機(jī)迀移時(shí)機(jī)選擇的基準(zhǔn)。
[0041] 本發(fā)明基于負(fù)載的異常特征預(yù)測(cè)，提出一種動(dòng)態(tài)調(diào)整閾值的算法，作為物理主機(jī) 欠載/過(guò)載狀態(tài)下迀移的依據(jù)，最終實(shí)現(xiàn)兩個(gè)目標(biāo)：①依據(jù)虛擬機(jī)迀移的能耗代價(jià)與物理 主機(jī)關(guān)機(jī)的電能收益的關(guān)系，達(dá)到降低能耗的目標(biāo)；②通過(guò)動(dòng)態(tài)調(diào)整閾值，使得系統(tǒng)具有違 反SLA的風(fēng)險(xiǎn)預(yù)測(cè)能力，達(dá)到降低IaaS云平臺(tái)的SLA違反率的目標(biāo)。
[0042] 建立IaaS云平臺(tái)資源需求預(yù)測(cè)模型是本發(fā)明的核心，是實(shí)現(xiàn)資源需求可控、綠色 節(jié)能目標(biāo)的關(guān)鍵所在。
[0043] 本發(fā)明的IaaS云環(huán)境下物理主機(jī)資源狀態(tài)預(yù)測(cè)方法，具體包括以下步驟：
[0044] 步驟一：分析IaaS云資源需求預(yù)測(cè)過(guò)程，將IaaS云資源需求預(yù)測(cè)過(guò)程確立為隱式 馬爾可夫過(guò)程；
[0045] 步驟二：確定物理主機(jī)資源的觀察狀態(tài)集合和隱式狀態(tài)集合；
[0046] 步驟三：構(gòu)建IaaS云平臺(tái)資源預(yù)測(cè)的隱式馬爾可夫過(guò)程模型并給出算法；
[0047] 步驟四：根據(jù)該IaaS云平臺(tái)資源預(yù)測(cè)的隱式馬爾可夫過(guò)程模型的預(yù)測(cè)狀態(tài)，進(jìn)行 資源調(diào)度。
[0048] IaaS云平臺(tái)資源分為物理主機(jī)資源和虛擬機(jī)資源兩部分，而關(guān)于能耗多少直接由 物理主機(jī)資源消耗狀態(tài)所反映，也就是說(shuō)物理主機(jī)資源是虛擬機(jī)資源的容器。
[0049] 本發(fā)明以IaaS云系統(tǒng)中物理主機(jī)的資源需求為研究對(duì)象。物理主機(jī)分為過(guò)載、欠 載和正常三種狀態(tài)，但是這三種狀態(tài)不是可以觀察到的明序列，是一個(gè)隱藏的狀態(tài)序列，稱 為隱式狀態(tài)集合。
[0050] 下面來(lái)分析觀察狀態(tài)序列，物理主機(jī)作為虛擬機(jī)的資源容器，在云環(huán)境下，或因?yàn)?性能，或因?yàn)槟芎脑?，虛擬機(jī)將在某一時(shí)刻在物理主機(jī)之間進(jìn)行迀移操作，將會(huì)發(fā)生虛擬