基于组件服务副本增删的云服务资源动态配置系统及方法

基于组件服务副本增删的云服务资源动态配置系统及方法
【专利摘要】一种基于组件服务副本增删的云服务资源动态配置系统及方法，该系统包括注册模块、质量参数生成模块、监测模块、评价模块和控制模块。方法包括对SLA进行注册；提取SLA中的信息，生成约定质量参数；周期性采集云服务环境中的虚拟机资源状态、云服务性能状态数据并保存；得出各虚拟机资源信息、组件服务质量、组件服务重要性、组件服务资源需求量；确定适合删除最优组件服务副本的虚拟机和适合部署瓶颈组件服务副本的虚拟机，得出组件服务副本增删决策；进行组件服务增删。本发明通过对历史数据的学习，预测用户的并发请求量，通过判断瓶颈组件服务和最优组件服务得出组件服务副本增删策略，达到实现云服务的性能保证的效果。
【专利说明】基于组件服务副本增删的云服务资源动态配置系统及方法

【技术领域】
[0001] 本发明涉及云服务【技术领域】，具体是一种基于组件服务副本增删的云服务资源动 态配置系统及方法。

【背景技术】
[0002] 随着云计算的发展，人们对云服务的要求逐渐体现在可复用的组件服务上，于是 云服务系统开始面向服务架构提供服务，其服务以工作流形式描述，工作流中的每个任务 均绑定在相应的组件服务之上。云服务面向用户提供服务，其对用户而言是一个实现某 种业务的服务，也可称为一个应用（Application),也可称为一个服务业务流程（Service Business Process)。云服务系统的服务部署与运行的基本过程包括三个阶段：初始部署阶 段，运行阶段，以及分析阶段。
[0003] 初部署之后的云服务系统，在运行阶段会面临用户请求并发数目的变化，或网络 不可用和过载等状况。在复杂多变的运行环境中，如何使一个基于服务业务流程的云服务 系统能够自适应各种变化并有高可靠性，这是一个具有挑战性的问题。云服务系统采用面 向服务的架构，经常被作为一个服务组合，例如BPEL流程。但服务组合只是一种服务模型， 当应用到云计算中时，为了使组件服务能在变化的环境中被使用，组件服务必须满足云服 务系统的约束，例如功能特性、服务质量QoS等，除此之外，还必须满足与用户之间的SLA协 议。鉴于这些约束，云服务系统必须随着运行环境的变化而不断优化服务，以满足系统约束 和用户的需求，并保障服务性能。
[0004] 基于服务业务流程的云服务系统中的某一服务，如果其所具有的各个组件服务都 是唯一存在的，并且部署在同一个虚拟机上，那么为了最大可能的保障服务性能，可以对整 个云服务进行资源调整或对其部署的虚拟机进行调整等来优化服务。但是，云组件服务经 常需要部署多个副本（所有副本功能相同，位置不同）来提高服务的处理能力。为了充分 利用空间中的资源，云服务系统将组件服务的多个副本部署到不同的虚拟机节点上。如果 某一副本出现问题，或者其所在的某个虚拟机出现问题，那么可以利用其他虚拟机上的服 务副本来保证工作的顺利进行。基于多副本的云服务虽然增进了服务的可靠性和灵活性， 但是管理起来更加复杂，尤其是对云服务系统进行基于多副本管理的服务性能保障。
[0005] 传统的基于副本增量部署的服务性能保障方法中包括服务性能指标监测、服务性 能状态评估、瓶颈组件服务定位，以及副本部署的虚拟机选择等方面。这些已经在分布式应 用和服务组合等领域已经得到了广泛深入的研究，但是，当前一些研究成果如果运用到面 向多副本的云服务性能保障机制中可能有不足之处。因此，合适的基于副本调整的云服务 性能保障机制需要在目前研究现状的基础上进行改进。
[0006] 云服务系统中服务性能保障一直是国内外学者研究的重点，目前已经取得了较多 的学术成果。采用S0A构架的云服务系统在许多大规模分布式应用服务中要求具有自适应 能力的，可以监测系统变化，分析和控制各种服务质量QoS之间的性能保障权衡，使服务配 置满足多种QoS要求。所以ASQ(Activity-Stat e-Q〇S)模型被创建来获得云服务系统中的 服务的动态变化、系统资源，以及服务质量Q〇S，并在此研究基础上采取服务性能保障措施， 使服务满足系统约束和用户需求。当前对云服务的性能保障主要关注三个方面：调整资源 (Resource Adjusting，RA)，服务迁移（Service Migrating，SM)，以及调整副本（Duplicate Adjusting，DA)。下面从国内外研究现状方面分别对这三个性能保障方法进行阐述。
[0007] 调整资源RA模式是指对支持服务运行的各种资源进行调整，例如增加虚拟机资 源池中的虚拟机，或删除、停止某一虚拟机等。云服务系统一般有很大的用户群，并且处理 大量的任务，则如何给这些任务分配硬件资源和虚拟机资源，以实现资源有效的动态配置 和共享使用，成为云计算领域研究的一个核心问题。研究人员提出多种资源动态提供和管 理方案，如Lu Huang等人总结了一些调整资源来提高性能的方法，其中包括基于失效率和 基于可信度的动态资源分配策略，基于蚁群算法的资源分配，基于阈值的动态调度算法，以 及具有对偶适应度函数的遗传算法。文献在对已有虚拟机分配算法进行研究、比较和总结 的基础上，对虚拟机分配问题进行了建模，并提出了一种基于随机规划的虚拟机分配性能 保障算法。调整资源往往存在各种资源使用问题，例如，受当前资源的限制，在物理机上不 能无限的增加虚拟机来满足服务需求，或者不能使虚拟机资源得到充分利用而造成资源浪 费等。当然，如果资源充足，完全可以通过增加资源来满足服务的正常运行，这是比较简单 的方法。
[0008] 服务迁移SM模式是指将组件服务从某个虚拟机迁移到其他虚拟机，来实现服务 性能保障或节省资源。对于云计算方面的迁移问题，已有很多研究，例如Binz等人将迁移 类型分为三类，分别是标准式迁移（如以VMware或Open Virtualization为标准格式）、组 件式迁移和整体迁移。整体迁移是将整个云服务中所有组件服务分别迁移，而组件服务迁 移则为这里所提到的服务迁移。Amoretti等人对SP2A中间件进行扩展，使对等云计算系统 被按需迁移的服务特征化，以应对变化的运行环境。Fan等人也提出一个在混合云中能自 动、智能地进行服务迁移的基于代理技术的框架。在文献中，为了降低某私有云数据中心的 负载，Wang等人也提出自动将应用服务从私有云迁移到公共云的框架。而论文中，一个服 务迁移和重定位框架可以动态的把关键服务从一个遭受恶意攻击或出现系统故障的平台 迁移到健壮的平台上，以保证服务的可靠性和持续性。服务迁移也存在影响服务正常运行 的一方面，即当进行服务迁移的时候，需要中止当前正在进行的服务，或者延迟响应服务请 求，等服务迁移的动作完成才能恢复服务。
[0009] RA与SM方式在无副本的云服务性能保障中应用较多，在基于多副本的云服务系 统中，鉴于以上两种方式存在的若干不足，近年来更多研究人员关注调整副本DA方式：DA 模式是指为组件服务创建新的运行副本，并且部署到其他虚拟机上；或者减少组件服务的 运行副本。在大型分布式系统中，副本是提高系统冗余度，保障数据高可用性和提高数据访 问效率的通用技术。针对区域云系统中跨地域分布的用户网，有研究者提出了一种区域云 跨地域节点动态副本策略，减少对区域云跨地域节点间骨干网络的带宽消耗，提高数据访 问的效率。文献中根据教育领域中资源访问的聚集性等特征，设计了副本热度表征副本访 问聚集性程度，实现了基于时空特征的副本相关数值计算；同时运用服务集概念和Hadoop 分布式文件系统（HDFS)的存储机制提出了三方面的副本管理策略。赵少卡等人考虑了弹 性这一云服务的重要特性，提出了任务调度与弹性服务副本的匹配策略。Tsai等人也提出 了一个SLMR的新增服务副本方法，可以使云计算调整服务实例部署情况，以应对存在的和 预计的用户请求负载。
[0010] 在DA模式中，当增加副本时，因为所有副本同时处理用户请求，因此并发处理能 力高，从而改善组件服务的性能；当减少副本时，可以减少资源的使用代价。如果在设计云 服务系统时在自适应策略中包括DA模式，则必须同时指定需要创建副本的组件服务，并且 在初始部署阶段部署副本的请求分配机制。在服务运行阶段，随着用户请求数目的增大，云 组件服务被访问次数不同，某些节点和链路可能成为访问热点，从而出现拥塞现象；而部分 节点由于服务任务较轻，或者没有部署相应的服务会出现剩余资源现象。为了平衡系统负 载，提高系统性能，研究人员常常将处于拥塞状态的云组件服务增量副本部署在空闲的资 源上，从而最大效能地利用资源并提供高效的服务。同时，随着用户请求的减少，可以适当 减少访问热点组件服务的副本数目，以节省资源。
[0011]目前解决拥塞问题的一个重要方法是对服务的增量部署，该方法通过每次增加部 署一个服务副本的方式，最大化地发挥新增副本的效用，有效解决分布式服务系统中面向 服务组合的服务性能保障问题。具体来说，该策略主要解决以下两个方面的问题：
[0012] (1)定位瓶颈服务：瓶颈服务是指面向服务的分布式系统中严重影响系统性能的 那部分服务。可以通过分析违背QoS的请求数量以及违背QoS的程度来评测某一服务是否 成为系统的瓶颈服务。瓶颈服务产生的原因如下：i)服务本身需要的资源量比较多（例如 具有计算复杂的服务需要消耗大量的CPU和内存资源，或是相关数据量庞大的服务需要大 量的网络带宽）；ii)服务是访问热点（调用频率较大，相对于其他组件服务来说是较为重 要的组件服务）导致服务任务过重；iii)服务的副本数过少，或副本所在的节点的可用容 量较低。
[0013] (2)确定副本增量部署的最优化位置：由于受到节点可用资源，链路可用带宽，组 合服务选择与路由方式等多方面的制约，因此为副本寻找最合适，能够最高效的提高系统 QoS的部署节点，使得加入的副本充分利用空闲资源提供服务，是一个很重要的问题。


【发明内容】

[0014] 针对现有技术存在的问题，本发明提供一种基于组件服务副本增删的云服务资源 动态配置系统及方法。
[0015] 本发明的技术方案是：
[0016] 一种基于组件服务副本增删的云服务资源动态配置系统，该系统在云服务的服务 器中实现；
[0017] 该系统包括注册模块、质量参数生成模块、监测模块、评价模块和控制模块。
[0018] 注册模块用于对云服务提供者与云服务使用者协商后的SLA进行注册；
[0019] 质量参数生成模块用于提取SLA中的信息，生成约定质量参数，包括组件服务平 均运行时延、虚拟机CPU资源利用率和虚拟机内存资源利用率；
[0020] 监控模块用于周期性采集云服务环境中的虚拟机资源状态、云服务性能状态数据 并保存；
[0021] 评价模块用于分析虚拟机资源状态、云服务性能状态，得出各虚拟机资源信息、组 件服务质量、组件服务重要性、组件服务资源需求量，并且结合云服务环境中虚拟机剩余资 源信息得出组件服务副本增删决策；
[0022] 控制模块用于根据副本增删决策进行组件服务增删。
[0023] 所述监控模块包括数据采集模块、数据传输模块、数据解析模块、虚拟机资源状态 库和云服务性能状态库；
[0024] 数据采集模块用于周期性采集云服务环境中各虚拟机资源状态、云服务性能状态 数据；
[0025] 数据传输模块用于将采集到的数据以XML的形式进行封包并通过Sockets协议进 行传输；
[0026] 数据解析模块用于对云服务环境中各虚拟机资源状态、云服务性能状态数据的 XML形式数据进行解析；
[0027] 虚拟机资源状态库用于存储解析得到的虚拟机资源状态数据；
[0028] 云服务性能状态库用于存储虚拟机性能状态和云服务性能状态数据。
[0029] 采用所述的云服务资源动态配置系统的云服务资源动态配置方法，包括以下步 骤：
[0030] 步骤1 :对云服务提供者与云服务使用者协商后的SLA进行注册；
[0031] 步骤2 :提取SLA中的信息，生成约定质量参数，包括组件服务平均运行时延、虚拟 机CPU资源利用率和虚拟机内存资源利用率；
[0032] 步骤3 :周期性采集云服务环境中的虚拟机资源状态、云服务性能状态数据并保 存；
[0033] 虚拟机资源状态包括虚拟机CPU资源状态和虚拟机内存资源状态，其中，虚拟机 (PU资源状态包括虚拟机CPU资源总量和虚拟机CPU资源使用量，虚拟机内存资源状态包括 虚拟机内存资源总量和虚拟机内存资源使用量；
[0034] 云服务性能状态数据包括组件服务调用频率、组件服务业务执行时间和网络数据 传输时间；
[0035] 步骤4 :分析虚拟机资源状态和云服务性能状态数据，得出各虚拟机资源信息、组 件服务质量、组件服务重要性、组件服务资源需求量；
[0036] 步骤5 :根据组件服务质量、组件服务重要性、组件服务资源需求量和云平台中虚 拟机剩余资源信息确定适合删除最优组件服务副本的虚拟机和适合部署瓶颈组件服务副 本的虚拟机，得出组件服务副本增删决策，该决策包括删除最优组件服务副本和部署瓶颈 组件副本；
[0037] 步骤6 :根据组件服务副本增删决策进行组件服务增删。
[0038] 所述步骤3按以下步骤执行：
[0039] 步骤3-1 :周期性采集云服务环境中各虚拟机资源状态、云服务性能状态数据；
[0040] 步骤3-2 :将采集到的数据以XML的形式进行封包；
[0041] 步骤3-3 :通过Sockets协议对封包后的数据进行传输；
[0042] 步骤3-4 :对云服务环境中各虚拟机资源状态、云服务性能状态数据的XML形式数 据进行解析；
[0043] 步骤3-5 :将解析得到的虚拟机资源状态数据存入虚拟机资源状态库；
[0044] 步骤3-6 :将云服务性能状态数据存入云服务性能状态库。
[0045] 所述步骤4按以下步骤执行：
[0046] 步骤4-1 :分析云服务性能状态数据，得出组件服务重要性、组件服务质量、组件 服务资源需求量；
[0047] 步骤4-1-1 :通过组件服务性能指标数据，对组件服务质量进行评估；组件服务性 能指标数据包括组件服务的平均数据量、组件服务及其副本拥有最大可用资源时的最小处 理时间、组件服务所能承担的负载；
[0048] 步骤4-1-1-1 :计算组件服务运行时延，即组件服务业务的执行时间和网络数据 传输时间之和；
[0049] 步骤4-1-1-2 :利用组件服务的平均数据量DA(Ci)、组件服务及其副本拥有最大可 用资源时的最小处理时间MT( Ci)、组件服务所能承担的负载ML(Ci)和组件服务当前的负载 CL(Ci)，计算组件服务平均运行时延；
[0050]

【权利要求】
1. 一种基于组件服务副本增删的云服务资源动态配置系统，其特征在于：该系统在云 服务的服务器中实现； 该系统包括注册模块、质量参数生成模块、监测模块、评价模块和控制模块； 注册模块用于对云服务提供者与云服务使用者协商后的SLA进行注册； 质量参数生成模块用于提取SLA中的信息，生成约定质量参数，包括组件服务平均运 行时延、虚拟机CPU资源利用率和虚拟机内存资源利用率； 监控模块用于周期性采集云服务环境中的虚拟机资源状态、云服务性能状态数据并保 存； 评价模块用于分析虚拟机资源状态、云服务性能状态，得出各虚拟机资源信息、组件服 务质量、组件服务重要性、组件服务资源需求量，并且结合云服务环境中虚拟机剩余资源信 息得出组件服务副本增删决策； 控制模块用于根据副本增删决策进行组件服务增删。
2. 根据权利要求1所述的基于组件服务副本增删的云服务资源动态配置系统，其特征 在于：所述监控模块包括数据采集模块、数据传输模块、数据解析模块、虚拟机资源状态库 和云服务性能状态库； 数据采集模块用于周期性采集云服务环境中各虚拟机资源状态、云服务性能状态数 据； 数据传输模块用于将采集到的数据以XML的形式进行封包并通过Sockets协议进行传 输； 数据解析模块用于对云服务环境中各虚拟机资源状态、云服务性能状态数据的XML形 式数据进行解析； 虚拟机资源状态库用于存储解析得到的虚拟机资源状态数据； 云服务性能状态库用于存储虚拟机性能状态和云服务性能状态数据。
3. 采用权利要求1所述的云服务资源动态配置系统的云服务资源动态配置方法，其特 征在于：包括以下步骤： 步骤1 :对云服务提供者与云服务使用者协商后的SLA进行注册； 步骤2 :提取SLA中的信息，生成约定质量参数，包括组件服务平均运行时延、虚拟机 (PU资源利用率和虚拟机内存资源利用率； 步骤3 :周期性采集云服务环境中的虚拟机资源状态、云服务性能状态数据并保存； 虚拟机资源状态包括虚拟机CPU资源状态和虚拟机内存资源状态，其中，虚拟机CPU资 源状态包括虚拟机CPU资源总量和虚拟机CPU资源使用量，虚拟机内存资源状态包括虚拟 机内存资源总量和虚拟机内存资源使用量； 云服务性能状态数据包括组件服务调用频率、组件服务业务执行时间和网络数据传输 时间； 步骤4 :分析虚拟机资源状态和云服务性能状态数据，得出各虚拟机资源信息、组件服 务质量、组件服务重要性、组件服务资源需求量； 步骤5 :根据组件服务质量、组件服务重要性、组件服务资源需求量和云平台中虚拟机 剩余资源信息确定适合删除最优组件服务副本的虚拟机和适合部署瓶颈组件服务副本的 虚拟机，得出组件服务副本增删决策，该决策包括删除最优组件服务副本和部署瓶颈组件 副本； 步骤6 :根据组件服务副本增删决策进行组件服务增删。
4. 根据权利要求3所述的云服务资源动态配置方法，其特征在于：所述步骤3按以下 步骤执行： 步骤3-1 :周期性采集云服务环境中各虚拟机资源状态、云服务性能状态数据； 步骤3-2 :将采集到的数据以XML的形式进行封包； 步骤3-3 :通过Sockets协议对封包后的数据进行传输； 步骤3-4 :对云服务环境中各虚拟机资源状态、云服务性能状态数据的XML形式数据进 行解析； 步骤3-5 :将解析得到的虚拟机资源状态数据存入虚拟机资源状态库； 步骤3-6 :将云服务性能状态数据存入云服务性能状态库。
5. 根据权利要求3所述的云服务资源动态配置方法，其特征在于：所述步骤4按以下 步骤执行： 步骤4-1 :分析云服务性能状态数据，得出组件服务重要性、组件服务质量、组件服务 资源需求量； 步骤4-1-1 :通过组件服务性能指标数据，对组件服务质量进行评估；组件服务性能指 标数据包括组件服务的平均数据量、组件服务及其副本拥有最大可用资源时的最小处理时 间、组件服务所能承担的负载； 步骤4-1-1-1 :计算组件服务运行时延，即组件服务业务的执行时间和网络数据传输 时间之和； 步骤4-1-1-2 :利用组件服务的平均数据量DA(Ci)、组件服务及其副本拥有最大可用 资源时的最小处理时间MT(Ci)、组件服务所能承担的负载ML(Ci)和组件服务当前的负载 CL( Ci)，计算组件服务平均运行时延；
其中，表示组件服务i拥有的副本数量，4表示组件服务Ci的第k个副本； 步骤4-1-1-3 :将组件服务平均运行时延与约定质量参数中的组件服务平均运行时延 进行比对，得到组件服务质量； 步骤4-1-2 :通过组件服务调用关系及组件服务调用频率，对组件服务重要性进行评 估； 步骤4-1-2-1 :通过一个周期内组件服务调用次数来确定组件服务调用频率，进而求 得组件服务c」被Ci调用的频率Fij ; 组件服务Ci有ni个副本且有h个副本时，组件服务被Ci调用的频率则可以通过 计算所有副本之间调用的频率之和得到
?其中，为组件服务Ci的第h个 组件服务副本调用组件服务h的第k 2个组件服务副本的调用频率； 步骤4-1-2-2 :根据组件服务调用关系和组件服务调用频率，分别计算每个组件服务 相对其他所有组件服务的权值eij :
其中，η表示组件服务个数； 步骤4-1-2-3 :各个组件服务相对其他所有组件服务的权值构成组件服务权值矩阵Ε， 其中每个组件服务相对其他所有组件的权值和为1 ; ^11 ,.2 …eiu e21 β22 …e2fi - I %l e2i …C3m S4l e24 >·· e4n 步骤4-1-2-4 :分别计算出每个组件服务的重要性值v(Ci):
其中：N(Ci)为各组件服务的下标集合，该集合中不包括组件服务Ci ;K是用来调整组件 服务自身重要性和其他组件服务对其重要性的影响的常数； 步骤4-1-2-5 :各组件服务的重要性值构成向量矩阵，利用该向量矩阵调整权值，直到 各组件服务的重要性值都稳定，即权值变化稳定在误差范围内；
步骤4-1-3 :根据各组件服务的重要性和各组件服务质量，确定瓶颈组件服务和最优 组件服务； 步骤4-1-3-1 :计算组件服务的综合评估值CE(Ci)，即组件服务的重要性值v(Ci)与组 件服务平均运行时延DT(Ci)之积； 步骤4-1-3-2 :比较所有组件服务的综合评估值CE (Ci)，组件服务综合评估值最大的组 件服务为瓶颈组件服务； 步骤4-1-3-3 :比较所有组件服务的综合评估值CE (Ci)，组件服务综合评估值最小的组 件服务为最优组件服务； 步骤4-1-4 :通过云服务性能状态数据、组件服务并发请求量和虚拟机资源状态数据， 得出组件服务资源需求量； 步骤4-1-4-1 :建立组件服务并发请求量和CPU资源需求量/内存资源需求量之间的 关系丨吴型； y+y2+y3 = α 0+ α lX+ α 2χ2 其中，y表示CPU资源需求量/内存资源需求量，Χ表示组件服务并发请求量，α ρ α i、 a 2分别为x的0次方至2次方的系数； 步骤4-1-4-2 :建立CPU资源需求量/内存资源需求量误差平方和SSE模型；
其中，yi表示组件服务i的CPU资源需求量/内存资源需求量，Xi表示组件服务i的 组件服务并发请求量，样本估计值式、成、?2分别为％、αι、α2的估计值； 步骤4-1-4-3 :建立关系模型对应的最小二乘方程；
步骤4-1-4-4 :极小化SSE的样本估计值0。、么、么，求解最小二乘方程，得到关于样 本估计值式、0,、.的线性方程，进而求得式、名、?2;
步骤4-1-4-5:将、在、?2作为α(ι、αι、α2代入关系模型，确定最终的关系模型； 步骤4-1-4-6 :计算新增组件服务副本的组件服务并发请求量ρ ;
其中，组件服务副本的并发请求量为Ρ ( Ρ ^ Ρ 2, . . .，Ρ η)，Ρ ^ Ρ 2, . . .，Ρ η均相等； 步骤4-1-4-7 :根据新增组件服务副本的组件服务并发请求量Ρ，利用组件服务并发 请求量和CPU资源需求量/内存资源需求量之间的关系模型，求出新增服务副本所需的CPU 资源需求量SRc PU/内存资源需求量SRMEM ; 步骤4-2 :分析各虚拟机资源状态数据，得出各虚拟机剩余资源信息，包括CPU资源剩 余量和内存资源剩余量； 步骤4-2-1 :分析虚拟机资源状态数据，得到虚拟机CPU资源总量Repu、虚拟机内存资源 总量RMEM、虚拟机CPU资源使用量URepu、虚拟机内存资源使用量URMEM ; 步骤4-2-2 :根据虚拟机CPU资源总量、虚拟机CPU资源使用量，得到虚拟机CPU资源 利用率Uepu ; 步骤4-2-3 :通过SLA和虚拟机CPU资源利用率，求得虚拟机的SLA违背率fsu(VM):
其中，虚拟机q的CPU资源利用率，虚拟机CPU资源利用率不高于SLA约定的CPU 利用率阈值m ; 步骤4-2-4 :根据虚拟机CPU资源总量、虚拟机CPU资源使用量，求得虚拟机CPU资源 剩余量 LRGPU = Rgpu-URcpu ; 步骤4-2-5 :通过虚拟机内存资源总量、虚拟机内存资源使用量，求得虚拟机内存资源 剩余量lrmem =妒?---。
6.根据权利要求3所述的云服务资源动态配置方法，其特征在于：所述步骤5按以下 步骤执行： 步骤5-1 :根据最优组件服务和虚拟机剩余资源信息，确定适合删除最优组件服务副 本的虚拟机; 步骤5-1-1 :计算部署有最优组件服务的虚拟机集合VMs中各虚拟机资源体积V，即虚 拟机CPU资源利用率Uepu与虚拟机内存资源利用率UMEM之积； v = Ucpu*u 腿； 步骤5-1-2 :比较所有部署有最优组件服务的虚拟机的资源体积V，得出其中资源体积 最大的虚拟机VM。，即为适合删除最优组件服务副本的虚拟机； 步骤5-2 :根据瓶颈组件服务的资源需求量和虚拟机剩余资源信息，确定适合部署瓶 颈组件服务副本的虚拟机VMX ; 步骤5-2-1 :计算增量部署瓶颈组件服务副本后虚拟机的CPU资源利用率Uqepu ;
其中爲".<υξη、 步骤5-2-2 :根据增量部署瓶颈组件服务副本后虚拟机CPU资源利用率U^pu计算SLA 违背率fsu (VMq)，即虚拟机q的SLA违背率；
步骤5-2-3 :根据虚拟机资源剩余量、增量部署瓶颈组件服务所需的CPU资源需求量 SRePU和SLA违背率，求得虚拟机q的加权值，比较各虚拟机的加权值，加权值最大的虚拟机 VM X即为适合部署瓶颈组件服务的虚拟机VMX ;
其中，瑪凡< ，S/?廳 < ，kl、k2和k3是自定义的权重； 步骤5-3 :根据适合删除最优组件服务副本的虚拟机VM。和适合部署瓶颈组件服务的 虚拟机VMX，确定组件服务副本增删决策，即在虚拟机VM。中删除最优组件服务副本和在VMX 上部署瓶颈组件副本。
【文档编号】H04L29/08GK104301403SQ201410512536
【公开日】2015年1月21日 申请日期:2014年9月26日 优先权日:2014年9月26日
【发明者】张斌, 郭军, 刘宇, 杨丽春, 莫玉岩, 闫永明, 刘舒, 马庆敏, 马群, 李智, 李海涛 申请人:东北大学, 辽宁北方实验室有限公司