[发明专利]面向云软件服务的资源自学习与自适应分配方法

摘要

本发明公开了一种面向云软件服务的资源自学习与自适应分配方法，包括步骤：1）建立软件服务的QoS模型，使用历史数据的数据集作为学习数据通过机器学习算法训练QoS模型；2）构造软件服务资源分配计划的适应度函数；3）基于遗传算法搜索最优的资源分配计划，进行资源的在线自动分配决策。本发明操作简单，能在合理的水平上维护QoS值，提高资源利用率并有较好的性价比。

主权项

一种面向云软件服务的资源自学习与自适应分配方法，其特征在于，包括：步骤1：建立软件服务的QoS模型，使用历史数据的数据集作为学习数据通过机器学习算法训练QoS模型：Y＝Q(X)                        (1)其中，输入矩阵X包括工作负载的数量xi,0，不同类型的任务工作量的比例(xi,1,xi,2,…,xi,m)，分配的资源(xi,m+1,xi,m+2,…,xi,m+n)，其中xi,1+xi,2+…+xi,m＝1，xi,m+s表示第s类虚拟机的数量，s＝1,2,...，n，输出矩阵Y是QoS的预测值yi；步骤2：构造软件服务资源分配计划的适应度函数：fit=r1·1yi+r2·(CostL+CostD)---(2)]]>其中,fit是适应度值，CostL是虚拟机的租赁成本，CostD是虚拟机的停止成本，r1、r2是权重，根据不同系统的需求设置；步骤3：基于遗传算法搜索最优的资源分配计划，进行资源的在线自动分配决策。