專利名稱：虛擬環(huán)境下細(xì)粒度的cpu資源使用預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及虛擬環(huán)境下細(xì)粒度的CPU資源使用預(yù)測(cè)方法。
背景技術(shù)：
隨著計(jì)算規(guī)模的不斷擴(kuò)大，許多企業(yè)和數(shù)據(jù)中心都出現(xiàn)了服務(wù)器蔓延(serversprawl)的現(xiàn)象，即服務(wù)器數(shù)量不斷增加，但資源平均利用率過低。相關(guān)調(diào)查表明，大多數(shù)企業(yè)和數(shù)據(jù)中心服務(wù)器的資源利用率僅在5%到20%之間。而云計(jì)算可以利用虛擬化技術(shù)，通過虛擬機(jī)遷移(migration)和整合(consolidation),關(guān)閉部分閑置服務(wù)器，從而解決服務(wù)器蔓延的問題。為了實(shí)現(xiàn)這種計(jì)算資源的按需分配，必須提供準(zhǔn)確的系統(tǒng)資源分析與預(yù)測(cè)方法。系統(tǒng)資源分析與預(yù)測(cè)主要是指在特定系統(tǒng)配置情況下，根據(jù)負(fù)載強(qiáng)度預(yù)測(cè)系統(tǒng)對(duì)各個(gè)軟硬件資源的需求。常用的系統(tǒng)資源分析與預(yù)測(cè)方法包括排隊(duì)網(wǎng)絡(luò)模型，機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)方法等。雖然排隊(duì)網(wǎng)絡(luò)模型可以直觀的描述各類系統(tǒng)，但是很多復(fù)雜模型的求解難度較大。因此，排隊(duì)網(wǎng)絡(luò)模型不適合用于云計(jì)算等這類復(fù)雜系統(tǒng)的性能分析。而近年來基于機(jī)器學(xué)習(xí)或統(tǒng)計(jì)學(xué)習(xí)的性能預(yù)測(cè)方法則得到了更加廣泛的關(guān)注。對(duì)于云計(jì)算系統(tǒng)而言，現(xiàn)有的資源分析與預(yù)測(cè)方法主要存在以下幾個(gè)不足之處:I)忽略負(fù)載特征對(duì)性能的影響。負(fù)載突發(fā)性強(qiáng)度的不同，會(huì)對(duì)系統(tǒng)性能產(chǎn)生不同的影響。相關(guān)研究還發(fā)現(xiàn)突發(fā)性負(fù)載可能導(dǎo)致經(jīng)典的負(fù)載均衡算法失效。2)只計(jì)算資源利用率的平均值(即粗粒度)。而一些研究指出，在服務(wù)器整合時(shí)，需要考慮資源利用率的概率分布情況(細(xì)粒度)，從而減小整合可能帶來的風(fēng)險(xiǎn)，如資源競(jìng)爭(zhēng)導(dǎo)致的性能惡化等。3)沒有考慮虛擬化技術(shù)產(chǎn)生的資源消耗。一般性能分析與預(yù)測(cè)模型只在負(fù)載與資源利用率之間的建立映射關(guān)系。但是，在云環(huán)境中，虛擬技術(shù)的使用需要消耗額外的資源。相關(guān)研究發(fā)現(xiàn)虛擬機(jī)(VM)之間的競(jìng)爭(zhēng)將導(dǎo)致額外CPU消耗，更高的二級(jí)緩存失效率和指令中斷。

發(fā)明內(nèi)容
針對(duì)上述技術(shù)缺陷，本發(fā)明提出虛擬環(huán)境下細(xì)粒度的CPU資源使用預(yù)測(cè)方法。為了解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下:虛擬環(huán)境下細(xì)粒度的CPU資源使用預(yù)測(cè)方法，包括如下步驟:11)虛擬機(jī)管理器調(diào)度的額外CPU消耗預(yù)測(cè)步驟:使用兩個(gè)不同層次的性能監(jiān)控工具Sar和Xenmon收集CPU使用數(shù)據(jù)，所述性能監(jiān)控工具Sar收集Uos和Uapp兩個(gè)部分，所述Xenmon記錄各個(gè)虛擬機(jī)的資源使用情況,利用Xenmon與Sar的差值,采用統(tǒng)計(jì)學(xué)習(xí)的方法預(yù)測(cè)Uvm,具體預(yù)測(cè)函數(shù)如下:Uvm = aU2+bU+c.公式(a)所述U為CPU利用率，由應(yīng)用系統(tǒng)Uapp、操作系統(tǒng)Uos和虛擬機(jī)管理器調(diào)度Uvm三部分組成:
權(quán)利要求
1.虛擬環(huán)境下細(xì)粒度的CPU資源使用預(yù)測(cè)方法，其特征在于，包括如下步驟:11)虛擬機(jī)管理器調(diào)度的額外CPU消耗預(yù)測(cè)步驟:使用兩個(gè)不同層次的性能監(jiān)控工具Sar和Xenmon收集CPU使用數(shù)據(jù),所述性能監(jiān)控工具Sar收集Uos和Uapp兩個(gè)部分,所述Xenmon記錄各個(gè)虛擬機(jī)的資源使用情況，利用Xenmon與Sar的差值，采用統(tǒng)計(jì)學(xué)習(xí)的方法預(yù)測(cè)Uvm,具體預(yù)測(cè)函數(shù)如下:
全文摘要
本發(fā)明公開了虛擬環(huán)境下細(xì)粒度的CPU資源使用預(yù)測(cè)方法，該方法基于Xenmon與Sar兩種系統(tǒng)性能監(jiān)控工具收集的CPU利用率的差值，采用統(tǒng)計(jì)學(xué)習(xí)方法，提出虛擬機(jī)管理器調(diào)度的額外CPU消耗預(yù)測(cè)模型。在此基礎(chǔ)上，針對(duì)突發(fā)性和非突發(fā)性兩種不同負(fù)載特征提出相應(yīng)的CPU使用概率密度函數(shù)預(yù)測(cè)方法。這種細(xì)粒度的CPU資源使用預(yù)測(cè)方法為系統(tǒng)資源優(yōu)化配置提供了良好的基礎(chǔ)。
文檔編號(hào)G06F9/455GK103150215SQ20131004342
公開日2013年6月12日 申請(qǐng)日期2013年2月4日 優(yōu)先權(quán)日2013年2月4日
發(fā)明者尹建偉, 陳韓瑋, 鄧水光, 孫小華, 彭勇, 吳朝暉 申請(qǐng)人:浙江大學(xué)