[发明专利]基于随机森林回归的虚拟机性能预测方法

说明书

本发明公开了一种基于随机森林回归的虚拟机性能预测方法，根据待预测的虚拟化环境的资源特点，从底层硬件特征、虚拟机软件特征、虚拟机资源配置特征、虚拟机运行时环境特征四个方面提取可能影响虚拟机性能的特征，配置不同虚拟机性能特征组合的虚拟机，通过运行基准测试程序来获取所需的性能指标值，获得数据样本集；根据数据样本集构建随机森林回归模型，采用随机森林回归模型对特定虚拟机性能特征配置的虚拟机进行性能预测。本发明采用随机森林回归模型来描述虚拟机性能特征与性能指标间的关系，从而有效预测特定配置下的虚拟机性能。

技术领域

本发明属于云计算技术领域，更为具体地讲，涉及一种基于随机森林回归的虚拟机性能预测方法。

背景技术

云计算服务的基础设施即服务模式，支持用户以虚拟机的形式按需租用具有一定级别计算能力的计算资源，用户按资源的性能和租用时间缴付租金，当用户需要租赁一个虚拟机时，需要选择一个资源提供商，并选择一种特定配置的虚拟机，这时，虚拟机的性能是影响决策的一个重要因素。因此，如何准确地评估虚拟机的性能成为一个关键问题。影响虚拟机性能的因素主要包括三类：一是虚拟化平台的软硬件参数及虚拟机配置等确定性的因素，如CPU微架构和主频、内存类型、硬盘类型、虚拟机监控器(Virtual MachineMonitor，VMM)类型、虚拟机的虚拟CPU(VCPU)个数、内存容量、I/O带宽等参数的取值等都会影响虚拟机性能；二是虚拟机运行时环境中的可变性因素，如多个虚拟机竞争底层资源会对虚拟机性能带来不确定性的影响；三是虚拟机上运行的应用的资源访问偏好因素，如分别运行内存密集或I/O密集的两类应用时，同一个虚拟机可能表现出不同的性能水平。当给定一个虚拟机的软硬件配置特征及运行时环境特征时，如果能较为准确地预测该虚拟机运行特定类型应用时的性能，可以帮助用户选择合适的虚拟机，并指导资源提供方优化虚拟机部署和资源分配。

目前的虚拟机性能评估研究主要从虚拟机在不同方面的性能表现来整体评估虚拟机性能。吕庆翰(<华南理工大学硕士论文>，2015)提出了一种基于模糊层次分析法和离差最大化方法的综合测评模型，将综合性能分为功能层和指标层，功能层中各要素的权重用模糊层次分析法进行分析；指标层的各要素的权重采用基于离差最大化方法来计算，从而根据各指标的评测结果来计算相同配置下虚拟机相对于物理机的综合性能百分比。车建华(<浙江大学博士论文>，2010)提出一种多粒度性能组合测试思想，将虚拟机的性能分为宏观性能、微观性能两种粒度，以黑盒方式测试虚拟机的宏观性能和微观性能；以白盒方式分析在两种粒度下的性能数据以刻画相应的性能特征；通过关联各种粒度的性能特征，鉴别虚拟机的性能瓶颈。这一类工作主要考查VMM层次为实现虚拟化引入的性能开销。

目前的虚拟机性能建模研究主要应用负载特征或部分硬件特征与性能的关系建模。余勇(<计算机科学>，2016)提出了两个负载类型相关的性能模型：通过分析Xen虚拟机系统处理网络I/O操作的CPU消耗规律，建立了CPU核共享和CPU核隔离两种情况下的普通虚拟机网络I/O操作请求次数计算模型；通过分析多个虚拟机并行执行计算密集型负载的平均性能与一个相同配置的虚拟机执行同样负载的性能之间的关系，建立了并行执行计算密集型负载的虚拟机平均性能分析模型。黎丰泽(<计算机系统应用>，2015)分析了影响虚拟机应用性能的关键参数，通过奇异值分解的特征拓展及非线性模型对运行于同一物理资源池上的虚拟机应用性能进行建模。以上对虚拟机上不同负载性能建模的研究主要考虑CPU、内存、网络等确定性的因素对虚拟机性能的影响，未考虑CPU微架构、VCPU与CPU核心的绑定方式、多虚拟机上同时运行的其他类型的负载对资源的竞争等因素对虚拟机性能的影响。