[发明专利]云计算环境下自动反馈调节的SLA系统框架及调节方法

权利要求书

1.一种云计算环境下自动反馈调节的SLA系统框架，其特征在于，包括

资源层，存储在云平台的各种资源；

执行层，对云服务消费者与云服务响应代理之间通过协商生成的SLA进行管理；

判断层，实时度量所述资源层的SLA参数，同预期的SLA阈值进行比较，如果没有超出阈值则继续度量SLA参数值，否则对SLA进行封装，发送给基于事例推理的检索分析层；

基于事例推理的检索分析层，接收来自所述判断层的参数超出阈值的SLA，根据云服务历史SLA中的相关服务的QoS参数值以及可能出现的SLA违例案例，找出相似的案例并按照相似度排序，选择相似度最大的案例交给执行层，判断层判断是否超过阈值，如果仍然超过阈值，则启动辅助人工蜂群修改器来修改案例。

2.根据权利要求1所述的云计算环境下自动反馈调节的SLA系统框架，其特征在于，所述执行层包括SLA执行器和服务资源部署器，所述SLA执行器接收来自基于事例推理的检索分析层的案例，所述服务资源部署器连接资源层。

3.根据权利要求1所述的云计算环境下自动反馈调节的SLA系统框架，其特征在于，所述判断层包括SLA参数感知器和比较器。

4.根据权利要求1所述的云计算环境下自动反馈调节的SLA系统框架，其特征在于，所述基于事例推理的检索分析层包括QoS知识库和修改器。

5.一种云计算环境下SLA的自动反馈调节方法，其特征在于，包括

步骤1、判断层中的SLA参数感知器每隔时间t获取一次SLA参数值，再将每隔时间t获取的SLA参数值和阈值进行比较；

步骤2、如果当前SLA参数值超出阈值，那么判断层判定在未来某个时间里将会出现SLA违例，并将SLA参数值、与SLA有关的服务信息以及服务使用的资源信息封装成案例发送给基于事例推理的检索分析层；如果没有超出阈值则继续进行SLA参数感知；

步骤3、基于事例推理的检索分析层接收到案例后在QoS知识库查找与当前案例类似的案例，如果找到的案例不止一个，则人工蜂群修改器采用相似性度量方法，将这些案例按相似度从大到小进行排序，得到相似案例列表；

步骤4、基于事例推理的检索分析层从相似案例列表中选择相似度最大的案例，交给执行层的SLA执行器执行后，负责监控的判断层返回结果；如果没超过阈值则判断层继续监控，如果超过阈值，则人工蜂群修改器选择出组合方案解；

步骤5、如果人工蜂群修改器选择出的组合方案解获得成功，则将该案例的数据写入QoS知识库；否则重复步骤1到步骤4。

6.根据权利要求5所述的云计算环境下SLA的自动反馈调节方法，其特征在于，步骤1中获取SLA参数值具体为：首先对资源度量，再映射到SLA参数。

7.根据权利要求5所述的云计算环境下SLA的自动反馈调节方法，其特征在于，步骤4中用人工蜂群修改器选择最佳组合方案的解具体过程为：

步骤401、初始化种群，设种群大小为SN，种群中每个蜜蜂代表一个用户在云平台中所需服务资源组合的可行解根据每个选择出对应的服务资源映射的SLA参数，计算出f即适应度，食物资源的初始化位置公式如下，

x i j = x min j + r a n d ( 0 , 1 ) ( x max j - x min j ) - - - ( 1 ) ]]>

其中，i∈(1,...,SN)、j∈(1,...,D)、D表示所需服务组合的数量，表示每种服务所对应的服务资源数量最小值，表示每种服务所对应服务资源数量最大值；

步骤402、引领蜂按照式(2)更新产生新解v_ij，R_ij是(-1,1)的随机数，计算其f值，与初始的种群f进行贪婪选择，

v_ij＝x_ij+R_ij(x_ij-x_kj) (2)

其中，x_kj表示第k个资源组合可行解；

步骤403、跟随蜂根据式(3)产生的概率P_i大小选择优质的引领蜂进行跟随，之后按照式(2)产生新解进行贪婪选择，

P i = f i Σ n = 1 S N f n - - - ( 3 ) ]]>

其中f_i表示适应度值，f_n表示种群中第n个体的适应度值；

步骤404、若经过多次迭代后某的f值得不到改善，则侦查蜂根据式(2)产生新解替代；

步骤405、重复步骤402到步骤404得到最好的解交给执行层。