[发明专利]基于树回归的虚拟化云平台能耗测量方法及系统

说明书

技术领域

本发明涉及数据处理领域，尤其涉及基于树回归的虚拟化云平台能耗测量方法及系统。

背景技术

当前云计算迅速发展，各企业纷纷投入大量资金建起自己的数据中心。因此，能耗的细粒度监控和管理是当前急需解决的主要技术问题。传统的数据中心采用电表方式对各种设备的能耗进行监控，但仍然有诸多的数据中心调度策略依赖于实时获取服务器的能耗、其上运行的应用、以及虚拟机的能耗信息。尤其是对于虚拟化云平台的服务器能耗、其上运行的软件能耗、以及其上运行的虚拟机能耗，以软件方式实时获取对于构建未来数据中心的调度、节能、计费具有重要意义。已有技术如下：

(1)物理机的能耗采用了电表或者服务器内置电表来测量物理机能耗。

(2)对运行不同虚拟机的系统内部分别采集虚拟机内部的资源信息，利用各个虚拟机的几种资源总和与服务器电表值进行建模，特点是虚拟机内部安插一定的代理程序。获取相关数据进行建模，对于复杂多机情况没有考虑。

Eg：北京邮电大学提出了一种基于虚拟机内部资源监控的虚拟机能耗测量方法，不足之处是虚拟机内部显示的资源信息并不准确反映了虚拟机的真实物理资源使用情况，对于异构的虚拟机运行不同的程序来说就相对不实用，而且准确度也不够高。

(3)结合虚拟化底层的hypervisor，监控物理资源，包括CPU，内存，Disk，网络I/O情况，以及每个虚拟机在使用物理资源时候的一些特征信息的采集，结合能耗信息进行建模。首先建模，物理机资源和能耗的关系，然后通过获取各个虚拟机使用的各种物理资源情况来进行能效计算转换，难点在于提取物理硬件上的各个虚拟机分别执行的特征信息。

Eg：微软，中国电信，IBM等公司发表的专利采取了基于事件和基于资源对虚拟机划分的方式进行能耗分配计算模型评估虚拟机能耗，但仍然存在针对不同的场景下的模型效果误差大的情况，因此需要一种优化技术来对目前的单一模型采取自适应的方法以及对结果进行优化的解决方案从而提高虚拟机能耗评估的准确度。

(4)国外发表的相关论文在关于能耗测量技术方面采用了诸多的模型，其中典型的有线性模型、多项式模型、支持向量回归的方法。

专利列表如下：

目前的技术具有如下缺陷：

(1)当前数据中心的能耗监控主要是用电表监控数据中心的各种设备以及服务器的能耗，缺乏以模型的方法来对服务器及其上运行的软件和虚拟机能耗进行细粒度监控。

(2)虚拟机内部安插代理程序收集虚拟机的信息打破了安全假设，对用户的隐私造成了影响，在实际的虚拟机服务供应商上不可行。而且对虚拟机内部的资源使用率能耗建模不够准确。

(3)对各个虚拟机使用物理机资源划分的方式建立线性模型推断虚拟机能耗是目前比较好的解决方案，但纯粹的线性模型不够准确。

(4)已有技术的模型不够灵活，而且针对特定的benchmark不能够自适应，模型方法测量出的结果误差会随应用程序变化不一，既不稳定，其准确度也会有很大变化。

(5)不同的资源利用率面对的模型参数可能会不同，已有的线性方法采用的按分段方式分别训练参数的方法是以人为的方式进行简单的分段，不够客观。

(6)而采用的非线性方法中，计算复杂，对实时测量能耗，其模型参数并不能及时进行更新，导致误差较大。

发明内容

为了解决现有技术中的问题，本发明提供了一种基于树回归的虚拟化云平台能耗测量方法。

本发明提供了一种基于树回归的虚拟化云平台能耗测量方法，包括如下步骤：

信息采集步骤，物理机周期性地将采集到的信息发送给指定的控制节点，采集的信息包括物理机和虚拟机的资源信息、以及从测量计得到的能耗信息；

参数训练步骤，由控制节点负责使用树回归算法将数据集分段进行线性拟合，得到每个子集合中资源能耗模型参数α、γ；

能耗计算步骤，控制节点根据拟合的参数和虚拟机信息进行计算，得到虚拟机的能耗，并评估物理机能耗准确率。

作为本发明的进一步改进，该虚拟化云平台能耗测量方法还包括：

测量系统的基础功率步骤，当物理机处于空闲状态时，周期性地采集测量计的功率值，求得一段时间内的平均值作为基础功率。

作为本发明的进一步改进，在所述信息采集步骤中，通过在物理机内部署采集程序的黑盒方法，采集物理机和虚拟机的资源信息以及功率值。