[發明專利]一種云計算系統中虛擬機的性能預測方法及系統

有效

• 申請號: 201410842053.8
• 申請日: 2014-12-30
• 公開（公告）號: CN104536829B
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 貝振東;喻之斌;熊文;林棟;張慧玲;須成忠
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06F9/455
• 代理公司: 深圳中一專利商標事務所44237
• 代理人: 張全文

技術領域

本發明屬于計算機技術領域，尤其涉及一種云計算系統中虛擬機的性能預測方法及系統。

背景技術

憑借虛擬化技術的發展，云計算已成為一種日益重要的面向服務的計算模式，在云計算環境中，每個物理節點內都可能運行著多臺虛擬機，同一物理節點上不同的虛擬機中很可能運行著不同的任務，眾多的物理節點構成了多任務并行運行的大規模分布式虛擬機運行環境。對于運行中的虛擬機不存在一個單獨的最優資源配置以適應各種不同的工作負載和運行環境，因為在某個運行環境下最好的配置很可能會造成另一環境下應用性能的大幅衰減，同時，只針對同一個物理節點中的底層計算資源改變配置實現的性能提升有限，因為屬于同一個應用系統的多臺虛擬機資源和應用程序的子系統一般會分布式地部署在云端集群的不同物理節點之上。

改變多個分布式部署的虛擬機的配置會引起整個集群性能的變化，需要量化對于不同物理節點上不同虛擬機配置的變化引起的性能變化，也就是說需要解決部署在分布式計算資源之上的大規模虛擬機的性能預測問題，然而，運行在虛擬機之上的應用程序的各個模塊的可配置參數對性能的影響不是獨立的，這種多個參數之間相互依賴的關系復雜化了多元優化問題的求解，導致現有技術中對虛擬機進行性能預測的算法復雜度高，影響了虛擬機性能預測的效率。

發明內容

本發明實施例的目的在于提供一種云計算系統中虛擬機的性能預測方法及系統，旨在解決現有技術對云計算環境中分布式部署的虛擬機進行性能預設的算法復雜度高，影響了虛擬機性能預測的效率的問題。

本發明實施例是這樣實現的，一種云計算系統中虛擬機的性能預測方法，包括：

S1，虛擬機監控模塊根據預設的資源配置標準，隨機地對運行在云計算系統中不同物理節點上的每臺虛擬機進行資源配置；

S2，所述虛擬機監控模塊獲取經過了資源配置之后所述云計算系統的響應時間，將所述響應時間和當前為所述虛擬機配置的資源集合合并生成向量；

S3，所述虛擬機監控模塊判斷當前配置次數是否達到了預設的配置次數，若所述當前配置次數未達到所述預設的配置次數，重復執行所述S1和所述S2；若所述當前配置次數達到了所述預設的配置次數，則執行S4；

S4，所述虛擬機監控模塊將每次資源配置之后生成的向量均輸入支持向量機SVM算法執行模塊；

S5，所述SVM算法執行模塊根據輸入的向量生成性能預測模型，以根據所述性能預測模型預測在任一資源配置條件下所述云計算系統的響應時間。

本發明實施例的另一目的在于提供一種云計算系統中虛擬機的性能預測系統，包括虛擬機監控模塊和支持向量機SVM算法執行模塊，

虛擬機監控模塊用于根據預設的資源配置標準，隨機地對運行在云計算系統中不同物理節點上的每臺虛擬機進行資源配置；

所述虛擬機監控模塊還用于獲取經過了資源配置之后所述云計算系統的響應時間，將所述響應時間和當前為所述虛擬機配置的資源集合合并生成向量；

所述虛擬機監控模塊還用于判斷當前配置次數是否達到了預設的配置次數，若所述當前配置次數未達到所述預設的配置次數，重復執行所述虛擬機監控模塊；若所述當前配置次數達到了所述預設的配置次數，則所述虛擬機監控模塊還用于將每次資源配置之后生成的向量均輸入所述SVM算法執行模塊；

所述SVM算法用于執行模塊根據輸入的向量生成性能預測模型，以根據所述性能預測模型預測在任一資源配置條件下所述云計算系統的響應時間。

本發明實施例通過SVM算法實現了分布式部署的大規模虛擬機在指定資源配置條件下的性能預測，從而為虛擬機資源配置提供了準確的性能預測模型，提高了對云計算系統性能預測的效率。

附圖說明

圖1是本發明實施例提供的云計算系統中虛擬機的性能預測系統的總體架構圖；

圖2是本發明實施例提供的云計算系統中虛擬機的性能預測方法的實現流程圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

圖1示出了本發明實施例提供的云計算系統中虛擬機的性能預測系統的總體架構，為了便于說明，僅示出了與本實施例相關的部分。

參照圖1，基于云計算環境，該系統包括了虛擬機監控模塊和支持向量機(Support Vector Machine，SVM)算法執行模塊，其中：