[发明专利]一种云计算中基于自适应阈值的动态加权负载评估方法

说明书

技术领域

本发明涉及一种云计算中基于自适应阈值的动态加权负载评估方法。

背景技术

现有关于能耗的研究主要从两个方面：一是通过动态调整服务器的电压或频率来节省电能；二是通过关闭闲置的服务器资源来实现节能。其中第二点是目前研究的热点，如京都大学高性能计算中心报告显示：仅仅采用不定期地关闭空闲节点的策略就实现了39％的能耗节约。

在目前云计算领域的能耗中，能耗的度量是一个难点，尤其是虚拟资源的能耗，虚拟资源的能耗无法通过硬件测量获取。对此有人提出了一个间接的虚拟机能耗测量机制，首先跟踪虚拟机使用的每个硬件部件的资源使用情况，然后通过一个资源能耗模型把资源使用率转换为能耗使用率。

另外关于能耗测量的精度问题也是一个挑战，在虚拟化云计算数据中心中，通常是通过评估当前虚拟机CPU的利用率来确定虚拟机的能耗情况，但是这些评估可能并不精确，因为测量出来的CPU利用率无法精确反映真实的CPU使用情况，它还包括了内存等待时间，因此不能真实反映功耗情况。统计显示在用于计算的服务器资源中，CPU能耗仅占43％，所以仅用CPU利用率来评估能耗有些片面。现有文献只是对能耗从实验角度进行模拟验证(如迁移过程所涉及的能耗)。

更多的研究是将资源负载情况与能耗结合的研究。现有研究中，有很多研究为最小化能耗，通过迁移实现了数据中心的虚拟资源的动态整合问题。但很多没有对资源的负载状态(是否过载、过闲等)进行评估，只是周期性优化虚拟资源分配。也有些采用一些方法来设置评判主机资源是否过载的阈值，超过这个阈值被判断为过载。但这些静态阈值的设置不能满足资源负载动态变化的需求，所以后来又有研究提出利用负载历史分析通过动态调整阈值来判断过载，并对过载资源应用一些资源迁移整合策略，以实现节能。但它们仅仅对资源负载的过载情况进行判断，没有对资源状态进行更详细的划分。另外在阈值设置方面，有些文献中有可调因子，但它只是对方法能耗与SLAV平衡的因子(该因子越低，能耗越少，但SLAV越高)，而且该因子具体如何量化并没有说明。

有研究提出了一个动态虚拟资源迁移策略，它根据资源利用率情况将资源分为热点、温点和冷点这三个状态，并根据一定策略将热点资源迁移以避免过载，将冷点释放以节省能耗。这种划分资源和节省能耗的方法采用的评测资源状态的阈值是固定的，而且没有对能耗节省情况进行验证。

总之，现有研究主要存在以下问题：

(1)现有评估方法仅仅使用CPU利用率这一指标作为资源整体使用情况，但实际上CPU利用率并不能完全代表资源的使用状态，它还包括了内存等待时间等，所以仅用CPU利用率来评估资源负载不够精确。

(2)现有评估方法仅仅对资源负载的过载情况进行判断，对于长期不可用或闲置资源并没有进行判断。

(3)现有资源评估对过载的判断等均使用固定的阈值，这无法适应云资源动态变化的特点。个别文献中虽有一个可调因子s，但它是对方法的能耗与性能进行修正(s越低，能耗越少，但SLAV越高)，而且s具体如何量化并没有说明。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种云计算中基于自适应阈值的动态加权负载评估方法，不涉及微分、积分运算，运算复杂度低，能够提高资源利用率并节省能耗。

为解决上述技术问题，本发明所采用的技术方案是：一种云计算中基于自适应阈值的动态加权负载评估方法，包括如下步骤：

步骤一：根据虚拟资源请求参数计算负载评估阈值λ₁、λ₂；

步骤二：计算归一化的相对负载值L[i]；

步骤三：状态分类：根据L[i]的值采用双阈值λ₁和λ₂将虚拟资源的负载状态划分为空闲、正常、过载三种状态；

步骤四：状态处理：

对于划分为过载状态的虚拟资源，将过载资源迁移，跳转至步骤五；

对于划分为闲置状态的虚拟资源，统计闲置次数，当闲置次数超过迁移阈值系数时，释放该虚拟资源，跳转至步骤五；

对于划分为正常状态的虚拟资源，不作处理，直接跳转至步骤五；

步骤五：自适应动态调节负载评估阈值λ₁和λ₂：如果本地请求平均值和虚拟资源数目发生变化，则在下一个评估周期，自适应动态调节负载评估阈值λ₁和λ₂；否则，直接退出。

负载评估阈值λ₁、λ₂的具体计算公式如下：