[发明专利]一种多级负载预测与云资源弹性配置方法与监控配置系统

说明书

技术领域

本发明涉及云计算中的云资源优化配置领域，更具体地说，涉及一种多级负载预测与云资源弹性配置方法，以及一种基于监控与预测的云资源弹性配置系统。

背景技术

云计算是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机和其他设备。云计算服务应当具备的特征有：按需的自助服务，随时随地的网络接入访问，具备多人共享的资源池，具备灵活度的快速重新部署机制，可以被监控和度量的服务，基于虚拟化技术的资源和服务，降低用户端的计算存储开销，降低用户入门的门槛。

随着云计算技术的不断发展，大规模云服务的应用逐渐成为现实。伴随而来的就是云计算数据中心服务器大规模部署，而服务器计算资源利用率较低，导致了高能耗的问题。云计算的主要特征之一是用户可以按需付费，提高资源利用率，从而降低能耗，节约经济成本。在保证服务质量的同时，最大限度的提高云资源利用率，需要一套完整的从资源监控到负载预测，直到云资源弹性配置的完整方案。

对于云监控系统，由于为了满足功能分离，模块化和可管理性，云是由若干层组成的复杂结构，所以对云监控系统的设计与实施提出了挑战。但云监控系统是实现提高云资源利用率的目标实现的基石。此外云监控系统对于容量和资源管理、性能管理、服务水平协议管理和安全管理也具有重要意义。

已有的云资源预测机制存在的问题有：已有的预测方法多采用模式匹配和神经网络的方法进行预测，其预测方法时间复杂度过高，会影响系统的整体性能，使得预测过程本身成为主要的系统资源开销；有的方法采用基于AR模型的进行预测，但其忽视了负载的周期性变化规律。

对于已有的关于云资源配置的方法，其存在的问题是没有提供一个完整的包括了云资源监控、负载预测和云资源弹性配置的方法，只是对预测或资源配置某一方面进行论述。

发明内容

本发明的目的在于克服现有技术的不足，提供一种降低了云资源监控系统的复杂度，同时减轻了单台监控服务器的负载压力的多级负载预测与云资源弹性配置方法，以及基于监控与预测的云资源弹性配置系统。

本发明的技术方案如下：

一种多级负载预测与云资源弹性配置方法，包括如下步骤：

1)负载预测：利用基于ARIMA模型的多级预测模型预测负载量，为云资源动态配置提供依据，步骤如下：

1.1)获取负载数据序列；

1.2)对负载数据序列进行平稳性检验；

1.3)进行ARIMA模型识别；

1.4)估计ARIMA模型中的未知参数，确定适合ARIMA模型的阶数；

1.5)检验ARIMA模型是否适合平稳性要求，如果是，则利用该模型预测下一时刻的负载；

2)云资源弹性配置：利用基于多级预测模型预测的负载量制定多级别的云资源动态配置策略，步骤如下：

2.1)利用计算下一时刻虚拟机的需求量，其中，α为额外分配的资源比例，L_max为单台虚拟机的平均最大负载量；

2.2)利用ΔS＝|S(T+1)-S(T)|计算得到虚拟机需要调整的数量，并根据S(T+1)和S(T)的关系调整虚拟机的供应量。

作为优选，各级别的负载预测与云资源弹性配置具体为：

a)从当前级别的负载监控数据中取出最近的个负载数据序列作为序列W，其中，C为负载周期，n为用于预测的样本周期数，T为预测的时间的时长；

b)使用ARIMA模型预测当前负载数据序列W的下一个负载P_w；对W进行差分运算，得到W'；使用ARIMA模型对W'进行预测得到P'w；再对P'w进行差分恢复，得到新的预测负载P_w；

c)计算下一时刻虚拟机的需求量若S(T+1)>S(T)，则准备ΔS个挂起的虚拟机备用；若S(T+1)<S(T)，则将备用的虚拟机中的ΔS个已挂起的虚拟机删除。

作为优选，负载预测与云资源弹性配置包括日级别、时级别、分级别；其中，日级别、时级别为周期性的序列，采用ARIMA模型预测负载；分级别采用ARMA模型预测负载。

作为优选，周期性的序列具有季节指数，季节指数为周期内各个时期季节性影响的相对数。

作为优选，季节指数的计算步骤如下：

3.1)计算各周期内的平均数，得到历史数据中该时间段的平均水平，具体为：

3.2)计算总平均数，具体为：

3.3)计算季节指数，具体为：