[发明专利]一种面向交互式工作负载的数据中心粗粒度动态服务器预留算法

说明书

技术领域

本发明属于数据中心服务器调度与分配技术领域，特别涉及一种面向交互式工作负载的数据中心粗粒度动态服务器预留算法。

背景技术

随着云计算技术的成熟，出现了基础设施即服务(IaaS,Infrastructure as a Service)的服务模式，使得互联网服务提供商不再需要自己购置硬件设备，而只需要从云提供商处租用相应的虚拟硬件资源即可。

云计算数据中心的系统架构如附图1所示。数据中心内部安放有许多物理服务器，根据物理服务器资源容量的大小，将一台服务器分为一台或多台虚拟机(VM，Virtual Machine)(附图1中仅标出虚拟机)。云用户向云服务提供商租赁虚拟机，以满足其终端用户的计算需求。为了降低任务请求响应时间，数据中心通常采用共享队列结构。

传统服务质量(QoS，Quality of Service)描述方式主要是以期望为基础的，如某个QoS指标的期望不能超过某一阈值。然而，人们逐渐发现仅仅基于期望的QoS描述是不够的，原因在于互联网流量显示出很强的自相似性，在不同时间尺度上存在与不同程度的突发，方差较大。因此，目前普遍采用的QoS描述形式是

Pr(r>th)<x (1)

其中，r为请求的QoS指标，th与x由服务等级协议(SLA，Service Level Agreement)规定，分别为QoS指标的阈值与违约概率阈值。对于一个排队系统，目前只有泊松到达/泊松服务的排队系统中推导出了类似于公式(1)的解析表达式，而当终端用户到达为自相似过程时，还没有有效的方法对其进行描述。

目前主流的云提供商都支持不同级别的IaaS服务。例如，IaaS服务可分为两个层次：第一层为长期预留级，即云用户需与数据中心运营商签订长期服务器租赁合同(通常时间粒度为年)，第二层为短期预留级，即云用户可以小时为单位租赁服务器。仅使用长期预留的方式会产生极大的资源浪费，使资源租赁成本升高。而资源短期租用的单位成本又比长期租用高。因此，采用长期/短期资源租用相结合的方式可有效地降低资源租赁成本，减少资源浪费。从云用户的观点来看，资源租赁问题主要涉及两个方面：第一方面是确定每个时段中在满足SLA约束前提下的资源需求量，难点在于形式化描述具有自相似特征的SLA约束条件。第二方面是确定长期/短期租赁的资源数，需要找出一种算法，在尽量少的时间内找到可最小化总体资源租用成本的长期/短期混合资源租赁策略。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种面向交互式工作负载的数据中心粗粒度动态服务器预留算法，在交互式工作负载的数据中心中，从云用户的角度出发，长期/短期混合实现粗粒度动态服务器租用，在百分比延迟的服务质量约束下，最大幅度的减少云用户的服务器租赁成本。

为了实现上述目的，本发明采用的技术方案是：

一种面向交互式工作负载的数据中心粗粒度动态服务器预留算法，建立长期/短期虚拟服务器租用问题通用优化模型如下：

约束条件：

其中，k₀为长期虚拟服务器租用数量，k_i,i≠0为阶段i租用的短期虚拟服务器数量，N为决策阶段数量，C_L为长期租赁一台虚拟服务器所需的单位时间成本，C_S为短期租赁一台虚拟服务器所需的单位时间成本，d_i为阶段i的响应时间，D为阈值，x为违约概率，Pr(d_i>D)表示系统响应时间大于某个阈值D的概率；

通过求解该模型函数，实现总体资源租用成本的最小化。

具体地，采用资源需求学习算法，用随机梯度法建立资源数/违约概率映射表VP_table；然后采用动态服务器租用算法，得到长期虚拟机租用数量M和各个阶段的短期虚拟机租用数量m[N]，从而求解所述模型函数。

所述资源需求学习算法包括：

A.建立VP_table，记该表中每个表项为VP_table[i][j]，含义为时段i内资源数量为j的前提下关于SLA需求的违约概率；