[发明专利]一种对象云存储系统响应时延预测方法

说明书

本发明公开了一种对象云存储系统响应时延分布预测方法，包括：对象云存储响应时延分布预测模型的参数采集方法；对象云存储系统后端进程响应时延分布预测方法；对象云存储系统后端进程上的请求在前端层上的响应时延分布预测方法；对象云存储系统总体响应时延分布预测方法。本发明提出一种基于排队论的操作合并方法，将对象云存储系统中请求处理过程中涉及的多种复杂操作整合成有利于使用排队论建模的操作，从而实现对象云存储系统响应时延分布的预测，本发明能提高对象云存储系统响应时延预测准确度，解决现有技术存在的时延预测误差大的技术问题。

技术领域

本发明属于对象云存储领域，更具体地，涉及一种对象云存储系统响应时延分布的预测方法。

背景技术

对象云存储系统是指使用对象方式(相对于以文件或者块的数据组织管理方式)进行数据组织管理的存储系统，例如，亚马逊Simple Storage Service，OpenStack Swift。对象云存储系统在现代网络应用中发挥十分重要的作用，通常对象云存储需要存储数百万甚至数十亿的数据对象，数据对象包括图片，视频，音频，文档等。

在需要存储海量数据的前提下，性价比是衡量对象云存储系统优劣的重要指标。能够准确的预测对象云存储系统响应时延的分布具有重要的意义。通常在对象云系统部署阶段都需要执行容量规划，即，根据对用户对响应时延的要求和期望的负载决定需要投入的资源数量。容量规划的目的是找出满足用户对响应时延的要求需要投入的最小资源(包括网络资源、计算资源和存储资源)数量。准确预测在不同数量资源投入的情况下，对象云存储系统的响应时延的分布是实现容量规划目的核心。

现有的预测对象云存储系统响应时延的方法可以被分为两类：基于分析的预测方法和基于模拟的预测方法。

基于分析的预测方法根据对象云存储系统处理请求的操作流程构建性能模型，根据性能模型预测响应时延。目前这类方法只能够预测平均响应时延，而不能够预测响应时延的分布。然而对于对象云存储系统而言，通常1％的访问请求也对应于大量的用户，因此预测响应时延分布相对与预测平均响应时延具有更大的价值。除此之外，在对象云存储系统存储海量小文件的情况下，其数据访问过程中需要多次访问磁盘，然而已有的基于分析的预测方法一般基于每次数据只访问一次磁盘的假设，这就导致已有的基于分析的预测方法不能准确预测对象云存储系统存储海量小文件时的响应时延。

基于模拟的预测方法通过多次实验分别测试小规模对象云存储系统在不同配置以及不同的负载时响应时延的分布，并以此推测大规模对象云存储系统在不同负载时响应时延的分布。这种方法的缺点是：对于实验过程中没有涉及的配置和负载，基于模拟的预测方法会导致巨大的预测误差。

发明内容

针对现有技术的以上缺陷，本发明提供一种对象云存储系统响应时延预测方法，将对象云存储系统处理请求涉及的多种操作进行合并，形成联合操作，提高预测准确度，解决现有技术存在的时延预测误差大的技术问题。

本发明合并请求处理过程中的多个不同种类的操作形成一个联合操作，并面向联合操作建立对象云存储系统的排队论模型。由于在很多应用场景下，对象云存储系统的请求以读为主(读请求占比大于95％)，因此本发明提出的响应时延分布预测方法只用于预测读请求的响应时延分布。

本发明提出的一种对象云存储系统响应时延分布预测方法，包括如下步骤：

(1)采集参数