[發明專利]一種非侵入式的虛擬機集群發現方法

有效

• 申請號: 201510685409.6
• 申請日: 2015-10-20
• 公開（公告）號: CN105630573B
• 公開（公告）日: 2018-12-07
• 發明（設計）人: 尹建偉;林鵬翔;趙新奎;李瑩;鄧水光;吳健;吳朝暉
• 申請（專利權）人: 浙江大學
• 主分類號: G06F9/455
• 分類號: G06F9/455;G06F9/48;G06F9/50
• 代理公司: 杭州宇信知識產權代理事務所(普通合伙) 33231
• 代理人: 張宇娟

本發明涉及云計算領域，公開了一種非侵入式的虛擬機集群發現方法，應用于同一個應用所運行的物理集群和云計算環境中的虛擬集群，包括如下步驟：數據收集，獲取表示系統性能的特征數據；數據預處理，將數據歸一化并進行基于熵的權重值計算；自動聚類，進行距離及類別數目識別，導出最優的類別。本發明的方法具有非侵入式的特點，不需要探測主機上具體運行的應用的數據或者所傳輸的數據具體內容，只需要系統基本的運行數據，如CPU使用情況、內存使用情況、硬盤讀寫情況和網絡進出流量，不會對用戶的隱私構成威脅。同時該方法自動完成聚類工作，不需要預選指定類別數目或者對數據進行標記聚類，有效提高效率。

技術領域

本發明涉及云計算技術領域，具體涉及一種非侵入式的虛擬機集群發現方法，尤其是能非侵入式并自動對同一個應用所占用的虛擬機集群進行聚類的技術。

背景技術

在云計算技術時代，云計算資源往往由專業的服務提供商提供給租用者使用。運用云計算資源后，租用者就只需關心其構造的應用的業務邏輯，而無需關心基礎設施的架構和維護。在對應用架構及部署方式完全未知的情況下，這對于提供商提高和優化云服務的質量帶來了挑戰。

從云計算優化的角度來看，對運行在各個虛擬機上的應用組件進行聚類將大有裨益，同類組件可以運用類似的優化方法，以優化包括各項運行指標。比如對于IO較頻繁的虛擬機部署于擁有更高效的存儲的物理機上，對于相互之間訪問頻繁的虛擬機部署于同一臺物理機或者同一個局域網內。

在聚類方法中，有三種粒度：分析源碼調用關系，分析包和服務的關聯，分析服務組件和應用。這些方法包括：

1)源碼分析：對部署的應用的進行源代碼級別的分析，分析進行得越細致，結果就越準確。這就將會給提供商帶來大量額外的工作，同時這也會引起租戶對于隱私的擔憂。

2)包與服務分析：對應用依賴包或服務進行分析，涉及到對源代碼更粗粒度的探測，雖然降低了對隱私數據的敏感度，但同樣會觸動租戶對隱私的敏感神經。

3)服務組件和應用分析：通過對組件或應用關聯關系的分析，獲取組件間的關聯關系，可以對網絡數據包的探測，或通過其他數據進行分析。

從運營商的角度來看，利用現有的系統監控內容(包括CPU，內存，硬盤的監控)是最合理的，這些數據都是最基本的運維監測數據，對租戶來說也不會造成隱私的泄露。同時，無需人工干預，能自動化地獲取聚類，將大大提高運營商的運維優化效率。

在這種情形下，如何以基本的系統監控數據，非侵入式地(不涉及租戶隱私)、自動化地、高精確度地進行虛擬機聚類成為本領域技術人員迫切解決的一個技術問題。

發明內容

針對現有技術的不足，及用戶的需求，本發明提供了基于關聯關系發現的非侵入式的虛擬機自動聚類方法，能避免對敏感數據的探測，并自動化完成聚類。

為了實現上述目的，本發明采用了如下技術方案：

一種非侵入式的虛擬機集群發現方法，應用于同一個應用所運行的物理集群和云計算環境中的虛擬集群，包括如下步驟：

S1、數據收集，獲取表示系統性能的特征數據；

S2、數據預處理，將數據歸一化并進行基于熵的權重值計算；

S3、自動聚類，進行距離及類別數目識別，導出最優的類別。

進一步的，步驟S1包括：

S11、進行系統監控，獲取系統運行監控數據，包括CPU使用情況，內存使用情況，硬盤使用情況及網絡使用情況；

S12、對所述監控數據進行篩選和計算，得到表示系統性能的特征數據，包括CPU的用戶級調用所占時間、系統級調用所占時間、內存使用量百分比、每秒硬盤讀/寫量以及每秒網絡收/發包數，每項指標的特征數據作為一組數據。