一种基于云计算机系统的高峰访问的方法
【专利摘要】本发明公开了一种基于云计算机系统的高峰访问的方法。包括如下步骤：云计算机系统的入口处拦截所有的访问请求数据，并记录活动的虚拟机的运行数据；根据所述访问请求数据预测所述云计算机系统在0?24h内的访问量；云计算机系统输出访问请求数据，进入客户端。本发明通过对访问高峰的主动负载预测，云计算机系统能够在高峰访问到达之前开启足够的资源进行负载均衡，从被动模式转为主动模式，摆脱了系统产生的响应滞后、稳定性不足等情况，真正实现了资源调度的智能化和自动化；基于云计算机系统，对数据访问量进行增量判定的方式进行预测，提高了计算机服务器的资源分配和应急处理效果。
【专利说明】
一种基于云计算机系统的高峰访问的方法
技术领域
[0001]本发明属于计算机访问技术领域，特别是涉及一种基于云计算机系统的高峰访问的方法。
【背景技术】
[0002]云计算平台可以划分为3类:以数据存储为主的存储型云平台，以数据处理为主的计算型云平台以及计算和数据存储处理兼顾的综合云计算平台。现代计算机在社会生活中扮演着非常重要的角色，随着信息技术的发展，越来越大的集群应用系统投入到使用中，不同用户间需要实现统一存储、资源共享，这对数据存储系统提出了新的要求，不同用户可能在同一时间对同一个数据进行访问，探求一种对数据读写并发性以及网络流量的分担协调的机制，对现代大型集群满足多用户、高并发的访问需求具有重要的现实意义。
[0003]网站云调度的核心是虚拟机调度器，向下对各种资源的操作均通过虚拟机管理器来实现的，使用统一的管理接口和数据交换格式，主要实现对资源的状态收集、数据统计、监控等，向上提供所有可用的数据，由业务处理单元进行相关处理，并与Web控制台进行交互。一般而言，为了提高虚拟机的利用率，虚拟机管理器实时监控所有正在运行的虚拟机的状态，并且基于请求对所有活动的虚拟机的资源消耗最大的条件，选择得到目前最合适处理的虚拟机处理入口处的访问请求。然而，使用提高虚拟机的利用率的调度策略虽然可以有效提高虚拟机的利用率，但当云计算机系统进入的高峰访问期间，该策略就难以及时应答终端10的访问请求，出现“瘫痪”的状态。
【发明内容】
[0004]本发明的目的在于提供一种基于云计算机系统的高峰访问的方法，通过对访问高峰的主动负载预测，云计算机系统能够在高峰访问到达之前开启足够的资源进行负载均衡，从被动模式转为主动模式，摆脱了系统产生的响应滞后、稳定性不足等情况。
[0005]为解决上述技术问题，本发明是通过以下技术方案实现的:
[0006]本发明为一种基于云计算机系统的高峰访问的方法，包括如下步骤:
[0007]SSl云计算机系统的入口处拦截所有的访问请求数据，并记录活动的虚拟机的运行数据；
[0008]SS2根据所述访问请求数据预测所述云计算机系统在0_24h内的访问量；
[0009]SS3当访问请求数据大于或者等于一设定值I，则发出创建虚拟机的指令并且根据所述活动的虚拟机实例的运行数据选择资源占用最少的虚拟机实例作为处理请求的目标虚拟机返回给入口处进行处理;进行步骤SSl，并将设定值I加倍到设定值N;
[0010]其中，N=l，2，3……,N；
[0011]SS4当访问请求数据小于该设定值N时，则进行步骤SS5;
[0012 ] SS5云计算机系统输出访问请求数据，进入客户端。
[0013]优选地，所述SS2根据所述访问请求数据预测所述云计算机系统在0_24h内的访问量的具体步骤是:
[0014]步骤一，以IS为单位时间，在0-60S内的访问请求数据值为Ql，Q2，Q3，……，Q60;
[0015]步骤二，根据数值点的访问请求数据值的增量预测出云计算机系统在0_24h内的访问量。
[0016]优选地，所述步骤二，根据数值点的访问请求数据值的增量预测出云计算机系统在0-24h内的访问量中的增量为在0-60s内的时间梯度中，相邻两访问请求数据值的差值P1，P2，P3，……，P30的梯度增量。
[0017]优选地，所述梯度增量的距离越远，数据对应的权值越小;权值依据最小距离分类法进行选定O
[0018]本发明具有以下有益效果:
[0019]1、本发明通过对访问高峰的主动负载预测，云计算机系统能够在高峰访问到达之前开启足够的资源进行负载均衡，从被动模式转为主动模式，摆脱了系统产生的响应滞后、稳定性不足等情况，真正实现了资源调度的智能化和自动化。
[0020]2、本发明通过基于云计算机系统，对数据访问量进行增量判定的方式进行预测，提高了计算机服务器的资源分配和应急处理效果。
[0021]当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
【附图说明】
[0022]为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本发明的一种基于云计算机系统的高峰访问的方法的流程图。
【具体实施方式】
[0024]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0025]请参阅图1所示，本发明为一种基于云计算机系统的高峰访问的方法，包括如下步骤:
[0026]SSl云计算机系统的入口处拦截所有的访问请求数据，并记录活动的虚拟机的运行数据；
[0027]SS2根据所述访问请求数据预测所述云计算机系统在0_24h内的访问量;关于对访问量的预测，一般是通过样本出发寻找规律，并利用规律对未知数据进行预测，例如可以是SVM(Support Vector Machine，支持向量机)算法有效克服了样本分布、冗余特征、过度拟合等缺点，具有很好的泛化能力，在稳定性上占有优势。然而，令人失望的是，SVM在大数据集上的训练收敛速度较慢，需要大量的存储资源和强大计算能力成为其致命弱点。而贝叶斯、线性分类、决策树和KNN等方法能力相对较弱，但它们的模型简单、效率高。此外，也可以使用KNN(K最近邻分类算法)方法进行预测，优选使用带权KNN方法进行预测。
[0028]SS3当访问请求数据大于或者等于一设定值I，则发出创建虚拟机的指令并且根据所述活动的虚拟机实例的运行数据选择资源占用最少的虚拟机实例作为处理请求的目标虚拟机返回给入口处进行处理;进行步骤SSl，并将设定值I加倍到设定值N;
[0029]其中，N=l，2，3……,N；
[°03°] SS4当访问请求数据小于该设定值N时，则进行步骤SS5;
[0031 ] SS5云计算机系统输出访问请求数据，进入客户端。
[0032]其中，SS2根据所述访问请求数据预测所述云计算机系统在0_24h内的访问量的具体步骤是:
[0033]步骤一，以Is为单位时间，在0-60s内的访问请求数据值为Ql，Q2，Q3，……，Q60;
[0034]步骤二，根据数值点的访问请求数据值的增量预测出云计算机系统在0_24h内的访问量。
[0035]其中，步骤二，根据数值点的访问请求数据值的增量预测出云计算机系统在0_24h内的访问量中的增量为在0-60s内的时间梯度中，相邻两访问请求数据值的差值Pl，P2，P3，……，P30的梯度增量。
[0036]其中，梯度增量的距离越远，数据对应的权值越小;权值依据最小距离分类法进行选定。
[0037]值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0038]另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如R0M/RAM、磁盘或光盘等。
[0039]以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的【具体实施方式】。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
【主权项】
1.一种基于云计算机系统的高峰访问的方法，其特征在于，包括如下步骤: SSl云计算机系统的入口处拦截所有的访问请求数据，并记录活动的虚拟机的运行数据； SS2根据所述访问请求数据预测所述云计算机系统在0-24h内的访问量； SS3当访问请求数据大于或者等于一设定值I，则发出创建虚拟机的指令并且根据所述活动的虚拟机实例的运行数据选择资源占用最少的虚拟机实例作为处理请求的目标虚拟机返回给入口处进行处理;进行步骤SSl，并将设定值I加倍到设定值N; 其中，N=l，2，3……，N; SS4当访问请求数据小于该设定值N时，则进行步骤SS5 ； SS5云计算机系统输出访问请求数据，进入客户端。2.根据权利要求1所述的一种基于云计算机系统的高峰访问的方法，其特征在于，所述SS2根据所述访问请求数据预测所述云计算机系统在0-24h内的访问量的具体步骤是: 步骤一，以Is为单位时间，在0-60s内的访问请求数据值为Ql，Q2，Q3，……，Q60; 步骤二，根据数值点的访问请求数据值的增量预测出云计算机系统在0_24h内的访问量。3.根据权利要求2所述的一种基于云计算机系统的高峰访问的方法，其特征在于，所述步骤二，根据数值点的访问请求数据值的增量预测出云计算机系统在0_24h内的访问量中的增量为在0-60 s内的时间梯度中，相邻两访问请求数据值的差值PI，P2，P3，……，P30的梯度增量。4.根据权利要求3所述的一种基于云计算机系统的高峰访问的方法，其特征在于，所述梯度增量的距离越远，数据对应的权值越小;权值依据最小距离分类法进行选定。
【文档编号】H04L29/08GK106027685SQ201610624989
【公开日】2016年10月12日
【申请日】2016年8月2日
【发明人】李小伟
【申请人】合肥奇也信息科技有限公司