[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

摘要

本发明提出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，包括：采集资源和性能数据，并进行特性选择及标准化处理；对标准化后数据，预测基于HSMM的虚拟机失效概率；基于多值决策图的冷热备份云系统进行可靠性评估；为了达到准确的对系统的可靠性进行定量评估，本发明简化MDD的终端值，将从根节点到1的所有路径的发生概率的总和作为系统的可靠性。并将虚拟机分成三种不同模式即操作模式、冷备份模式和热备份模式，采用模式转移，使备用虚拟机在需要时替换失效的工作虚拟机来维持系统的运行，采用多值决策图进行可靠性评估。通过三组对比试验，验证得到本发明的平均响应时间和失效率低，可靠性高，从侧面验证本发明方法的正确性。

主权项

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λ_i和特征向量α_i；步骤1.2.3：根据矩阵的特征值λ_i和特征向量α_i，计算各参数贡献率κ和累计贡献率κ_sum，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l_ij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，x_i为第i个对虚拟机失效率影响较大的参数，x_j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,...,p_n}，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。