一种基于服务等级协议约束的虚拟机需求预测实现方法.pdf

本发明涉及一种基于服务等级协议约束的虚拟机需求预测实现方法，对当前服务云中任务的SLA（服务等级协议）约束进行分析的方式，实现虚拟机资源需求的预测以方便资源的预留。通过对当前服务云资源端的预判、反馈预测与突破概率预测，实现虚拟机资源的需求预测，预留当前虚拟机所需资源，减少云资源端虚拟机调度的开销。本发明属于云计算和创新网络领域。本发明设计出的虚拟机需求预测方法，可以应用于服务云中资源提供端在IaaS（基础设施即服务）层上实现资源的预留，同时算法简单易于实现。

权利要求书
1.  一种基于服务等级协议约束的虚拟机需求预测实现方法，其特征在于使用对服务等级协议SLA的预测的方法实现服务云端资源的预留，该方法包括以下步骤：
步骤一：初始化当前资源端SLA阈值
该步骤通过服务云的资源端提交其SLA模板和阈值来建立需要预留资源建立虚拟机的背景数据，该数据是服务云提交的服务等级协议数据记为SLApub＝{p1,p2,…,pn}，其中pn表示公布的SLA所要达到的第n个服务等级目标，SLApub的上标pub表示服务云向网络上公布，该SLA向量看作云资源提供商给出的SLA警戒值，在超过该警戒值的时候，云资源提供商就需要对其虚拟机资源进行调整，以满足自己对任务给出的承诺；
同时，该SLA向量的度量Metric也形成了任务队列和反馈SLA的模板；
步骤二：通过曲线拟合方式预测当前资源预留需求

2.  1）、记向量Xi＝{x1,x2,…,xn},i∈(-∞,0)为第i个任务实测得到的SLA反馈，并将其记录，其中每一个度量与反馈SLA模板一一对应，即xn表示实测得到反馈的第n个服务等级目标的值，并记录当前任务的个性化需求为权重向量W＝(w1,w2,…,wn)，其中wn表示第n个服务等级目标的个性化权重；

2.  2）、使用式（1）计算第一层预测条件：
Q1:(X-1+X0)WT/2＞SLApubWT  （1）
其中X0表示刚刚反馈得到的SLA记录，X-1表示更前一次反馈得到的SLA记录，WT表示权重向量W的转秩，Q1表示第一层预测条件，

2.  3）、使用式（2）计算第一层预测条件：
Q2:((X-3+X-1)/2+X0)WT＞SLApubWT  （2）
其中Q2为第二层预测条件，X-3为往前推第4次反馈的得到的SLA记录；

2.  4）、使用式（3）计算第一层预测条件：
Q3:(AWT+BWT+CWT)＞SLApub
AWTBWTCWT5-1655-1655-25555-255979-1Σi=-50XiWTΣi=-50iXiWTΣi=-50i2XiWT---(3)]]>
其中Q3为第三层预测条件，本层预测需要6次反馈的数据；

2.  5）、通过以下条件进行虚拟机预留的预测：
满足Q1即增加虚拟机资源的预留；
当Q1不满足，同时满足Q2和Q3即增加虚拟机资源的预留；
步骤三：计算当前反馈与SLA间阈值的距离判定虚拟机资源的预留
记反馈向量Xi与SLApub之间的距离为其中的意义如下表1：
表1主要服务等级目标与SLA距离间的关系

则当前反馈与阈值间的距离为式（4）
d={f(xjpj),j∈[1,n]}WT---(4)]]>
其中SLApub为服务云提交的服务等级协议数据，下标j表示对应的服务等级协议的第j项；
当距离d>1成立时，表示这时系统提供的资源不足以满足任务计算需求，需要增加虚拟机资源的预留，同时距离d的大小也决定了需要增加虚拟机预留资源的多寡；当距离d<1的情况下，资源暂时满足任务的SLA需求，可以不做调整；
步骤四：突破点预测修正

4.  1）、当步骤二和步骤三得出的结论一致时，可以得出明确的决定是否增加当前预留的虚拟机资源；

4.  2）、若当前步骤二和步骤三得出的结论不一致时，则使用突破概率为式（5）：
BP=X0WTSLApubWT---(5)]]>
当该BP≥1时，表示当前X0已经超越SLApub，此时不考虑其他因素，应当立即增加虚拟机资源的预留；

4.  3）、当0≤BP＜1时，取n=90，m=30，当式（6）满足时，需要增加虚拟机资源的预留；
X0WT＞SLAmMAWT＞SLAnMAWT  （6）
其中表示总计n个反馈的平均向量值；

4.  4）、根据以上三步，满足其中之一，则预测有虚拟机的资源需求。

说明书一种基于服务等级协议约束的虚拟机需求预测实现方法
技术领域
本发明涉及一种虚拟机的需求进行预测的方法，对当前服务云中任务的SLA约束进行分析的方式，实现虚拟机资源需求的预测以方便资源的预留。通过对当前服务云资源端的预判、反馈预测与突破概率预测，实现虚拟机资源的需求预测，预留当前虚拟机所需资源，减少云资源端虚拟机调度的开销。本发明属于云计算和创新网络领域。
背景技术
服务云资源的预留是实现高效云资源服务的重要步骤。但是用户提出的服务目标具有一定的模糊性，服务云资源端提供的服务等级协议通常只能作为该服务云提供服务的最低实现阈值，系统无法直接使用这些数据对可能的资源请求情况进行预判，并进行有效服务云的资源调配。如何通过这些模糊化的服务目标，有针对性的对用户可能提出的资源请求进行预判，并进行资源预留，以实现最佳的资源配置，达到可实际应用的目的是本发明的目标。
发明内容
发明目的：本发明设计出的一种基于服务等级协议约束的虚拟机需求预测实现方法，可以应用于服务云中资源提供端在IaaS层上实现资源的预留，同时算法简单易于实现。
技术方案：本发明为实现上述发明目的，采用如下技术方案：
步骤一：初始化当前资源端SLA阈值
该步骤通过服务云的资源端提交其SLA模板和阈值来建立需要预留资源建立虚拟机的背景数据，该数据是服务云提交的服务等级协议数据记为SLApub＝{p1,p2,…,pn}，其中pn表示公布的SLA所要达到的第n个服务等级目标，SLApub的上标pub表示服务云向网络上公布，该SLA向量看作云资源提供商给出的SLA警戒值，在超过该警戒值的时候，云资源提供商就需要对其虚拟机资源进行调整，以满足自己对任务给出的承诺；
同时，该SLA向量的度量Metric也形成了任务队列和反馈SLA的模板；
步骤二：通过曲线拟合方式预测当前资源预留需求
2.1）、记向量Xi＝{x1,x2,…,xn},i∈(-∞,0)为第i个任务实测得到的SLA反馈，并将其记录，其中每一个度量与反馈SLA模板一一对应，即xn表示实测得到反馈的第n个服务等级目标的值，并记录当前任务的个性化需求为权重向量W＝(w1,w2,…,wm)，其中wn表示第n个服务等级目标的个性化权重；
2.2）、使用式（7）计算第一层预测条件：
Q1:(X-1+X0)WT/2＞SLApubWT  （7）
其中X0表示刚刚反馈得到的SLA记录，X-1表示更前一次反馈得到的SLA记录，WT表示权重向量W的转秩，Q1表示第一层预测条件，
2.3）、使用式（8）计算第一层预测条件：
Q2:((X-3+X-1)/2+X0)WT＞SLApubWT  （8）
其中Q2为第二层预测条件，X-3为往前推第4次反馈的得到的SLA记录；
2.4）、使用式（9）计算第一层预测条件：
Q3:(AWT+BWT+CWT)＞SLApub
AWTBWTCWT5-1655-1655-25555-255979-1Σi=-50XiWTΣi=-50iXiWTΣi=-50i2XiWT---(9)]]>
其中Q3为第三层预测条件，本层预测需要6次反馈的数据；
2.5）、通过以下条件进行虚拟机预留的预测：
满足Q1即增加虚拟机资源的预留；
当Q1不满足，同时满足Q2和Q3即增加虚拟机资源的预留；
步骤三：计算当前反馈与SLA间阈值的距离判定虚拟机资源的预留
记反馈向量Xi与SLApub之间的距离为其中的意义如下表2：
表2主要服务等级目标与SLA距离间的关系

则当前反馈与阈值间的距离为式（10）
d={f(xjpj),j&Element;[1,n]}WT---(10)]]>
其中SLApub为服务云提交的服务等级协议数据，下标j表示对应的服务等级协议的第j项；
当距离d>1成立时，表示这时系统提供的资源不足以满足任务计算需求，需要增加虚拟机资源的预留，同时距离d的大小也决定了需要增加虚拟机预留资源的多寡；当距离d<1的情况下，资源暂时满足任务的SLA需求，可以不做调整；
步骤四：突破点预测修正
4.1）、当步骤二和步骤三得出的结论一致时，可以得出明确的决定是否增加当前预留的虚拟机资源；
4.2）、若当前步骤二和步骤三得出的结论不一致时，则使用突破概率为式（11）：
BP=X0WTSLApubWT---(11)]]>
当该BP≥1时，表示当前X0已经超越SLApub，此时不考虑其他因素，应当立即增加虚拟机资源的预留；
4.3）、当0≤BP＜1时，取n=90，m=30，当式（12）满足时，需要增加虚拟机资源的预留；
X0WT＞SLAmMAWT＞SLAnMAWT  （12）
其中表示总计n个反馈的平均向量值；
4.4）、根据以上三步，满足其中之一，则预测有虚拟机的资源需求。
有益效果：在服务云环境中，用户应用通过服务云分配多个不同或相同的虚拟机来进行运算，在虚拟机分配的过程中，通过预测的方法可以提供资源给即将发生的资源需求，但预测机制并不能准确预测所有情况，这时就需要反馈控制来弥补预测不准的缺点，同时由于VM调度的动态性，在经过一段时间的调度以后，实体机的资源被分离得非常散碎，当需要创建较大资源的VM时，虽然整体上资源依然很充分，但可能无法找到足够资源的实体机来产生VM而造成应用失败。本设计发明了一种基于服务等级协议SLA约束的虚拟机预测机制，通过曲线拟合方式的预测、反馈与当前阈值的距离判定以及突破点预测修正三个步骤实现当前虚拟机需求预测，实际应用于服务云对于虚拟机的调度，同时方法简单易于实现。
附图说明
图1为服务等级协议约束的虚拟机需求预测算法的流程。
图2是服务等级协议约束的虚拟机需求预测的模块结构图。
每一个任务向虚拟机管理的模块提交服务等级协议SLA，拟合预测根据以往SLA的执行 情况预测下次可能需要的SLA作出虚拟机需求的判定，反馈预测根据当前反馈的执行SLA与当前阈值的比较确定当前虚拟机需求的判定，以上两次判定结果交预测修正模块进行进一步判定以修正最终的虚拟机需求判定的结果，并提交虚拟机（VM）管理模块虚拟机请求或释放的命令。图中VM即虚拟机（Virtual machine）。
具体实施方式
下面对技术方案的实施作进一步的详细描述：
步骤一：初始化当前资源端SLA阈值
该步骤通过服务云的资源端提交其SLA模板和阈值来建立需要预留资源建立虚拟机的背景数据，该数据是服务云提交的服务等级协议数据记为SLApub＝{p1,p2,…,pn}，其中pn表示公布的SLA所要达到的第n个服务等级目标，SLApub的上标pub表示服务云向网络上公布，该SLA向量看作云资源提供商给出的SLA警戒值，在超过该警戒值的时候，云资源提供商就需要对其虚拟机资源进行调整，以满足自己对任务给出的承诺；
同时，该SLA向量的度量（Metric）也形成了任务队列和反馈SLA的模板；
假设当前服务云提交的SLApub向量为{450ms,1700MIPS,2M,200M,$2}分别对应的度量分别为响应时间、CPU速度、内存大小、硬盘大小、费用；
步骤二：通过曲线拟合方式预测当前资源预留需求
2.1）、记向量Xi＝{x1,x2,…,xn},i∈(-∞,0)为第i个任务实测得到的SLA反馈，并将其记录，其中每一个度量与反馈SLA模板一一对应，即xn表示实测得到反馈的第n个服务等级目标的值，并记录当前任务的个性化需求为权重向量W＝(w1,w2,…,wm)，其中wn表示第n个服务等级目标的个性化权重；
假设当前任务的个性化需求的权重为：W=(0.7,0.05,0.1,0.05,0.1)，实测6次获得的SLA反馈分别为X0={412ms,1830MIPS,3M,225M,$1.73}，
X-1={373ms,2332MIPS,1.75M,180M,$1.03}，X-2={453ms,2219MIPS,1.03M,323M,$2.03}，
X-3={403ms,1433MIPS,1.3M,235M,$1.66}，X-4={432ms,1836MIPS,2.53M,233M,$1.87}，
X-5={407ms,1983MIPS,3.4M,283M,$1.89}。
2.2）、使用式（13）计算第一层预测条件：
Q1:(X-1+X0)WT/2＞SLApubWT  （13）
其中X0表示刚刚反馈得到的SLA记录，X-1表示更前一次反馈得到的SLA记录，WT表示权重向量W的转秩，Q1表示第一层预测条件，SLApub为服务云提交的服务等级协议数据；
2.3）、使用式（14）计算第一层预测条件：
Q2:((X-3+X-1)/2+X0)WT＞SLApubWT  （14）
其中Q2为第二层预测条件，SLApub为服务云提交的服务等级协议数据，X0表示刚刚反馈得到的SLA记录，X-1表示更前一次反馈得到的SLA记录，X-3为往前推第4次反馈的得到的SLA记录；
2.4）、使用式（15）计算第一层预测条件：
Q3:(AWT+BWT+CWT)＞SLApub
AWTBWTCWT5-1655-1655-25555-255979-1Σi=-50XiWTΣi=-50iXiWTΣi=-50i2XiWT---(15)]]>
其中Q3为第三层预测条件，SLApub为服务云提交的服务等级协议数据，Xi表示向前推i次反馈的得到的SLA记录，本层预测需要6次反馈的数据；
2.5）、通过以下条件进行虚拟机预留的预测：
●满足Q1即增加虚拟机资源的预留；
●当Q1不满足，同时满足Q2和Q3即增加虚拟机资源的预留；
以上算例中已经满足Q1，可以判断需要增加虚拟机资源的预留
步骤三：计算当前反馈与SLA间阈值的距离判定虚拟机资源的预留
记反馈向量Xi与SLApub之间的距离为其中的意义见表3，
表3主要服务等级目标与SLA距离间的关系

则当前反馈与阈值间的距离为式（16）
d={f(xjpj),j&Element;[1,n]}WT---(16)]]>
其中SLApub为服务云提交的服务等级协议数据，下标j表示对应的服务等级协议的第j项；
当距离d>1成立时，表示这时系统提供的资源不足以满足任务计算需求，需要增加虚拟机资源的预留，同时距离d的大小也决定了需要增加虚拟机预留资源的多寡；当距离d<1的情况下，资源暂时满足任务的SLA需求，可以不做调整；
以上算例中将X0代入求得d=0.8849<1，判定暂时不需要增加虚拟机资源预留；
步骤四：突破点预测修正
4.1）、当步骤二和步骤三得出的结论一致时，可以得出明确的决定是否增加当前预留的虚拟机资源；
由于以上算例中步骤二和步骤三得到的结论相悖，因此，需要进行进一步修正；
4.2）、若当前步骤二和步骤三得出的结论不一致时，则使用突破概率为式（17）：
BP=X0WTSLApubWT---(17)]]>
当该BP≥1时，表示当前X0已经超越SLApub，此时不考虑其他因素，应当立即增加虚拟机资源的预留；
以上算例中得到BP=0.9542<1，需要其他条件进行判断；
4.3）、当0≤BP＜1时，取n=90，m=30，当式（18）满足时，需要增加虚拟机资源的预留；
X0WT＞SLAmMAWT＞SLAnMAWT  （18）
其中表示总计n个反馈的平均向量值；
以上算例中，根据90次平均线和30次平均线的比较（数据较多在此省略），显示当前的资源曲线满足式（18），则预测需要增加虚拟机资源的预留；
4.4）、根据以上三步，满足其中之一，则预测有虚拟机的资源需求；
最后得到结论，以上算例中需要增加虚拟机资源的预留。