[发明专利]一种基于模式转移的虚拟机混合备用动态可靠性评估方法有效
申请号: | 201910466719.7 | 申请日: | 2019-05-31 |
公开(公告)号: | CN110187990B | 公开(公告)日: | 2021-11-16 |
发明(设计)人: | 郭军;刘文凤;张斌;刘晨;侯帅;侯凯;李薇;柳波;王嘉怡;王馨悦;张瀚铎;张娅杰 | 申请(专利权)人: | 东北大学 |
主分类号: | G06F11/00 | 分类号: | G06F11/00;G06F9/455 |
代理公司: | 沈阳东大知识产权代理有限公司 21109 | 代理人: | 刘晓岚 |
地址: | 110819 辽宁*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 模式 转移 虚拟机 混合 备用 动态 可靠性 评估 方法 | ||
1.一种基于模式转移的虚拟机混合备用动态可靠性评估方法,其特征在于,具体步骤如下:
步骤1:采集资源和性能数据,并进行特性选择及标准化处理,具体步骤包括步骤1.1~步骤1.3:
步骤1.1:采集历史资源和性能数据,组成数据矩阵,依次包括:计算资源、存储资源、磁盘IO资源、网络资源;其中,计算资源包括:CPU空闲的百分比、CPU的运行时间、CPU使用率,存储资源包括:内存使用率、占用的最大内存、内存大小、内存最大使用率,磁盘IO资源包括:虚拟快设备I/O、吞吐量,网络资源包括:网络负载率、虚拟网络接受数据量、虚拟网络发送数据量、虚拟网络接收数据量比例、虚拟网络发送数据量比例;
步骤1.2:采用PCA方法对所采集的数据进行特征选择,具体包括步骤1.2.1~步骤1.2.7:
步骤1.2.1:针对采集的数据矩阵,计算各参数之间相关系数的协方差矩阵R;
步骤1.2.2:计算矩阵的特征值λi和特征向量αi;
步骤1.2.3:根据矩阵的特征值λi和特征向量αi,计算各参数贡献率κ和累计贡献率κsum,公式如下所示:
其中,r为数据指标的个数,t就是i的最大值;
步骤1.2.4:选取累计贡献率大于设定阈值q的数据为主成分;
步骤1.2.5:计算主成分载荷,主成分载荷lij表示主成分与原变量之间的关联大小,如下公式所示:
步骤1.2.6:计算主成分得分Z,即对主成分进行加权求和,权数为每个主成分的载荷;
步骤1.2.7:通过主成分分析得到对虚拟机失效率影响较大的参数为:CPU利用率、内存利用率、网络利用率和磁盘IO速度,即为采用PCA方法对所采集的数据选择的特征;
步骤1.3:采用预处理方法,分别基于历史数据与实时数据,对虚拟机失效率影响较大的参数进行标准化处理,得到标准化后历史数据与实时数据,具体包括步骤1.3.1~步骤1.3.2:
步骤1.3.1:针对历史数据,对CPU利用率、内存利用率、网络利用率和磁盘IO速度数据进行标准化处理,使结果降落到[0,1]区间,得到标准化后历史数据,公式如下所示:
其中,xi为第i个对虚拟机失效率影响较大的参数,xj为第j个对虚拟机失效率影响较大的参数;
步骤1.3.2:针对实时数据,根据虚拟机实时运行状态信息,得到虚拟机状态变化的时间序列数据{p1,p2,...,pn},采用Z-SCORE方法进行标准化,得到标准化后实时数据,计算公式如下:
其中,p'k为标准化后实时数据;
步骤2:对标准化后数据,预测基于HSMM的虚拟机失效概率;
步骤3:基于多值决策图的冷热备份云系统进行可靠性评估,具体为:根据步骤2的虚拟机失效率预测方法,得到每台操作模式和热模式虚拟机的失效概率,根据该预测的结果构建MDD,即基于多值决策图的冷热备份云系统,进行可靠性评估。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910466719.7/1.html,转载请声明来源钻瓜专利网。