[發明專利]上下文感知的虛擬機監視器衰退分析方法

在審

• 申請號: 201410214809.4
• 申請日: 2014-05-20
• 公開（公告）號: CN103984867A
• 公開（公告）日: 2014-08-13
• 發明（設計）人: 徐建;吳旺文;張宏;張琨;衷宜;馬超逸
• 申請（專利權）人: 南京理工大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06F9/455
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱顯國

1.一種上下文感知的虛擬機監視器衰退分析方法，其特征在于，包括以下步驟：

步驟1，關鍵衰退因子識別過程，過程如下：

給定由q個連續的等間隔采樣的訓練樣本，其特征空間為f₁,f₂,...,f_n,r₁,r₂,...,r_s，其中f₁,f₂,...,f_n為n個刻畫負載的特征和r₁,r₂,...,r_s為s個刻畫資源使用的特征；選取其中s個資源使用的特征刻畫虛擬機監視器VMM資源使用情況，采集VMM資源使用特征觀測樣本；以q個資源使用特征觀測樣本作為輸入，采取最大最小歸一化方法和滑動平均法對樣本數據進行預處理，采用主成分分析方法識別影響VMM性能的關鍵衰退因子，將任意資源使用特征觀測樣本轉化為由關鍵衰退因子表示的樣本；

步驟2，負載狀態劃分過程，過程如下：

給定與步驟1中相同的q個訓練樣本，選取其中n個負載特征刻畫VMM的負載，采集VMM負載特征觀測樣本，對q個負載特征觀測樣本采取最大最小歸一化方法和滑動平均法對樣本數據進行預處理；給定負載狀態的個數p,1≤p<q，對q個預處理后的負載特征觀測樣本采用經典的k-means聚類算法進行負載狀態劃分；將q個訓練樣本通過負載狀態劃分為p個子樣本集；

步驟3，上下文感知的衰退預測模型構建過程，過程如下：

遍歷p個子樣本集，對于每個子樣本集建立與負載狀態對應的基于自組織映射SOM的衰退預測模型；

步驟4，自適應的衰退分析過程，步驟如下：

給定h個待預測樣本，其特征空間與訓練樣本的特征空間完全相同；執行步驟1的最大最小歸一化方法和滑動平均法對樣本數據進行預處理，采用主成分分析方法將待預測樣本的資源使用特征轉化為關鍵衰退因子，提取待預測樣本中的資源使用特征觀測樣本；采集待預測樣本中的負載特征觀測樣本，采取最大最小歸一化方法和滑動平均法對待預測樣本中的負載特征觀測樣本數據進行預處理；計算預處理后的待預測樣本與步驟2中的負載狀態之間的歐幾里德距離，確定預處理后的待預測樣本所隸屬的負載狀態，從而確定使用衰退預測模型預測待預測樣本對應的VMM狀態；計算待預測樣本對應的資源使用觀測樣本與衰退預測模型中所有SOM神經元之間的歐幾里德距離，找出一個距離最近的神經元作為該樣本映射到的獲勝神經元；計算獲勝神經元的r-近鄰的區域大小，并給定r-近鄰的區域大小閾值，二者進行比較確定VMM系統的狀態。