专利名称：一种云计算资源池的模型及性能分析方法
技术领域：
本发明属于云计算领域，具体地说是一种云计算资源池的模型及性能分析方法。
背景技术：
自从2007年IBM和Google联合推出云计算以来，云计算已经成为工业界和学术 界都关注的热点问题，云计算已成为分布式计算未来发展方向。资源虚拟化是云计算中的代表性技术，云计算将一台物理机器切分成多个虚拟资 源，来自多个物理机器的虚拟资源形成一个巨大的资源池，资源池中的虚拟资源可被动态 分配和动态调整。云计算资源池大幅度地增加了资源利用率，降低了管理成本，提高了使用灵活性、 安全性、可扩展性以及互操作性。此消彼长，资源池固然能为云计算平台带来上述几方面的 优势，但是，目前却鲜有研究者对资源池如何影响云计算系统的性能进行建模和分析，也未 曾有研究表明针对特定数量的用户请求，资源池应当集成多少个资源就能满足用户需求， 却不造成资源浪费。
发明内容
本发明的目的是提供一种云计算资源池的模型，该模型通过对服务时间满足指数 分布和重尾分布两种情况进行性能分析，从而揭示出云计算资源池集成资源的数量和用户 请求平均等待时间之间的关系，并确定近似最优资源量算法。本发明的目的是通过以下技术方案来实现的
一种云计算资源池的模型，其特征在于该模型包括排队等待区和资源池，一组用户请 求在排队等待区内经过服务时间后进入资源池内并供用户选择使用；服务时间若满足指数 分布，排队模型就符合M|M| c ；服务时间若满足重尾分布，则排队模型符合M|G| c ；两种模型 的平均等待时间计算公式统一表示为
其中为服务时间的一阶矩，为服务时间的二阶矩，为用户请求到达速率，c是资源池 集成的资源数量。本发明根据平均等待时间的计算公式，利用MATLAB分析出刻画资源池集成
的资源数量和平均等待时间之间关系的曲线，得到云计算资源池只需集成适中数量的 资源就足以使平均等待时间维持在用户可以忍受的范围之内，而不造成资源的浪费。平均等待时间计算公式的拐点就是资源池的最优资源量。由于平均等待时间计算 公式是非连续函数，无法对其求导，即无法精确确定资源池的最优资源量；因此，采用近似 最优资源量确定算法，根据用户提供的平均等待时间下降幅度为阈值确定资源池应当集成 的近最优资源数量。本发明通过建立云计算资源池的数学模型，得到资源池集成的资源数量和平均等 待时间关系的分析与结论，以及近似最优资源量确定算法。本发明对服务时间满足指数分布和重尾分布两种情况进行性能分析，揭示出云计其中j为服务时间的一阶矩，A2为服务时间的二阶矩，；I为用户请求到达速率，c是
资源池集成的资源数量。
据统计，Web服务器上的文件大小、Unix/Linux系统中的文件大小、一般计算环境的I/ 0接口的数据流量都满足重尾分布，云计算资源池完成用户请求与其所访问文件和I/O接 口有着密切关联，因此，利用重尾分布刻画服务时间(即计算任务的大小)更符合实际情况。2、资源池集成的资源数量和平均等待时间关系的分析与结论
在平均等待时间计算公式中，服务时间的一阶矩和二阶矩是由服务时间服从的分布决 定的，λ表示了单位时间到达的用户请求。利用MATLAB分析了服务时间满足指数分布和重 尾分布两种情况下，平均等待时间随着资源池集成资源数量的变化趋势，如附图2和附图3 所示，它们都呈现出类似的趋势
(1) 平均等待时间随着集成资源数量的增大而减小，当集成资源数量比较小的时候， 平均等待时间下降幅度很快，随着集成资源数量的增大，平均等待时间下降幅度不断减小。 因此，资源池集成适量的资源就能有效降低平均等待时间，而过量地集成资源降低平均等 待时间的幅度却不明显。
算资源池集成资源的数量和用户请求平均等待时间之间的关系，并确定近似最优资源量算 法，通过本发明可知云计算资源池只需集成适中数量的资源就足以使平均等待时间维持 在用户可以忍受的范围之内，从而增加了资源利用率，降低了管理成本。
图1为本发明所述的云计算资源池模型；
图2为本发明指数分布情况下平均等待时间随着资源池集成资源数量的变化趋势； 图3为本发明重尾分布情况下平均等待时间随着资源池集成资源数量的变化趋势； 图4为本发明近似最优资源量确定算法流程图。
具体实施例方式一种本发明所述的云计算资源池的模型，该模型包括排队等待区和资源池，一组 多个用户请求在排队等待区内经过服务时间后进入资源池内并供用户选择使用。1、云计算资源池的数学模型
云计算资源池可用图1来描述，资源池需要同时接受多个用户请求，用户请求到达后， 需要经过排队等待，再进入资源池，排队等待时间即服务时间直接关系到响应时间。云计算 资源池的数学模型利用排队论对用户请求的平均等待时间建模。服务时间，即用户请求占用虚拟资源的时间，若满足指数分布，排队模型就
符合MlMlc0但是，更符合实际情况的是，服务时间满足重尾分布，此时排队模型符合 M|G|c。事实上，M|M|c只是M|G|c的特例，两种模型的平均等待时间计算公式可以统一表 示为
(2) 如果资源池需要维持相同的服务性能(平均等待时间)，服务时间的方差越 大，资源池需要集成越多的资源，而服务时间方差大表示资源性能动态波动幅度大，因此， 资源池可以通过聚合更多的资源以消除由资源动态波动幅度增大所带来的服务性能的下 降。3、近似最优资源量确定算法
由附图2和附图3可看出，图中曲线的拐点就是最优资源量，即资源量从1增加到最优 资源量时，平均等待时间下降极快。当资源量超过最优资源量时，平均等待时间下降缓慢。 但是，平均等待时间计算公式是非连续函数，附图2和附图3的曲线是描点得出的，因此，无 法对平均等待时间计算公式求二阶导数，从而得出拐点值。近似最优资源量确定算法用于在服务时间一阶矩、二阶矩和请求到达速率确定的 情况下，计算出近似最优资源量。该算法以平均等待时间的下降幅度为阈值，当向资源池中 增加一个资源，平均等待时间的下降幅度小于阈值时，就将当前资源池集成的资源量作为 近似最优资源量返回，阈值越小说明资源池将提供更优越的服务性能。算法流程图如附图 4所示，算法伪代码如下
近似最优资源量确定算法
输入服务时间一阶矩石，二阶矩 2,请求到达速率入
输出近似最优资源量c c — 2
while (AWT(A P 'K c-1)- AWTCA P 'K c)threshold) do c 一 c+1 end while returnc
本发明对服务时间满足指数分布和重尾分布两种情况进行性能分析，揭示出云计算资 源池集成资源的数量和用户请求平均等待时间之间的关系，并确定近似最优资源量算法， 增加了资源利用率，降低了管理成本。
权利要求
一种云计算资源池的模型，其特征在于该模型包括排队等待区和资源池，一组用户请求在排队等待区内经过服务时间后进入资源池内并供用户选择使用；服务时间若满足指数分布，排队模型就符合M|M|c；服务时间若满足重尾分布，则排队模型符合M|G|c；两种模型的平均等待时间计算公式统一表示为 其中为服务时间的一阶矩，为服务时间的二阶矩，为用户请求到达速率，c是资源池集成的资源数量。258716dest_path_image001.jpg,678284dest_path_image002.jpg,77036dest_path_image003.jpg,883711dest_path_image004.jpg
2.根据权利要求1所述的云计算资源池的模型，其特征在于根据平均等待时间的计 算公式，利用MATLAB分析出刻画资源池集成的资源数量和平均等待时间之间关系的曲线， 得到云计算资源池只需集成适中数量的资源就足以使平均等待时间维持在用户可以忍受 的范围之内，而不造成资源的浪费。
3.根据权利要求1所述的云计算资源池的模型，其特征在于平均等待时间计算公式 的拐点就是资源池的最优资源量。
4.根据权利要求3所述的云计算资源池的模型，其特征在于由于平均等待时间计算 公式是非连续函数，无法对其求导，即无法精确确定资源池的最优资源量；因此，采用近似 最优资源量确定算法，根据用户提供的平均等待时间下降幅度为阈值确定资源池应当集成 的近最优资源数量。
全文摘要
本发明公开了一种云计算资源池的模型，该模型包括排队等待区和资源池，一组用户请求在排队等待区内经过服务时间后进入资源池内并供用户选择使用；服务时间若满足指数分布，排队模型就符合M|M|c；服务时间若满足重尾分布，则排队模型符合M|G|c。本发明揭示了资源池集成的资源数量和平均等待时间之间的关系，并得出云计算资源池只需集成适中数量的资源就足以使平均等待时间维持在用户可以忍受的范围之内这一结论。最后提出近似最优资源量确定算法，根据用户提供的平均等待时间下降幅度为阈值确定资源池应当集成的近似最优资源数量。
文档编号G06F9/50GK101968752SQ20101052416
公开日2011年2月9日 申请日期2010年10月29日 优先权日2010年10月29日
发明者伍之昂, 张圣, 方小红, 曹杰, 王有全 申请人:南京财经大学