[發明專利]基于隨機森林回歸的虛擬機性能預測方法

有效

• 申請號: 201710075720.8
• 申請日: 2017-02-13
• 公開（公告）號: CN106897109B
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 王娟;張彬彬;岳昆;郝佳;武浩
• 申請（專利權）人: 云南大學
• 主分類號: G06F9/455
• 分類號: G06F9/455
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平;陳靚靚

本發明公開了一種基于隨機森林回歸的虛擬機性能預測方法，根據待預測的虛擬化環境的資源特點，從底層硬件特征、虛擬機軟件特征、虛擬機資源配置特征、虛擬機運行時環境特征四個方面提取可能影響虛擬機性能的特征，配置不同虛擬機性能特征組合的虛擬機，通過運行基準測試程序來獲取所需的性能指標值，獲得數據樣本集；根據數據樣本集構建隨機森林回歸模型，采用隨機森林回歸模型對特定虛擬機性能特征配置的虛擬機進行性能預測。本發明采用隨機森林回歸模型來描述虛擬機性能特征與性能指標間的關系，從而有效預測特定配置下的虛擬機性能。

技術領域

本發明屬于云計算技術領域，更為具體地講，涉及一種基于隨機森林回歸的虛擬機性能預測方法。

背景技術

云計算服務的基礎設施即服務模式，支持用戶以虛擬機的形式按需租用具有一定級別計算能力的計算資源，用戶按資源的性能和租用時間繳付租金，當用戶需要租賃一個虛擬機時，需要選擇一個資源提供商，并選擇一種特定配置的虛擬機，這時，虛擬機的性能是影響決策的一個重要因素。因此，如何準確地評估虛擬機的性能成為一個關鍵問題。影響虛擬機性能的因素主要包括三類：一是虛擬化平臺的軟硬件參數及虛擬機配置等確定性的因素，如CPU微架構和主頻、內存類型、硬盤類型、虛擬機監控器(Virtual MachineMonitor，VMM)類型、虛擬機的虛擬CPU(VCPU)個數、內存容量、I/O帶寬等參數的取值等都會影響虛擬機性能；二是虛擬機運行時環境中的可變性因素，如多個虛擬機競爭底層資源會對虛擬機性能帶來不確定性的影響；三是虛擬機上運行的應用的資源訪問偏好因素，如分別運行內存密集或I/O密集的兩類應用時，同一個虛擬機可能表現出不同的性能水平。當給定一個虛擬機的軟硬件配置特征及運行時環境特征時，如果能較為準確地預測該虛擬機運行特定類型應用時的性能，可以幫助用戶選擇合適的虛擬機，并指導資源提供方優化虛擬機部署和資源分配。

目前的虛擬機性能評估研究主要從虛擬機在不同方面的性能表現來整體評估虛擬機性能。呂慶翰(<華南理工大學碩士論文>，2015)提出了一種基于模糊層次分析法和離差最大化方法的綜合測評模型，將綜合性能分為功能層和指標層，功能層中各要素的權重用模糊層次分析法進行分析；指標層的各要素的權重采用基于離差最大化方法來計算，從而根據各指標的評測結果來計算相同配置下虛擬機相對于物理機的綜合性能百分比。車建華(<浙江大學博士論文>，2010)提出一種多粒度性能組合測試思想，將虛擬機的性能分為宏觀性能、微觀性能兩種粒度，以黑盒方式測試虛擬機的宏觀性能和微觀性能；以白盒方式分析在兩種粒度下的性能數據以刻畫相應的性能特征；通過關聯各種粒度的性能特征，鑒別虛擬機的性能瓶頸。這一類工作主要考查VMM層次為實現虛擬化引入的性能開銷。

目前的虛擬機性能建模研究主要應用負載特征或部分硬件特征與性能的關系建模。余勇(<計算機科學>，2016)提出了兩個負載類型相關的性能模型：通過分析Xen虛擬機系統處理網絡I/O操作的CPU消耗規律，建立了CPU核共享和CPU核隔離兩種情況下的普通虛擬機網絡I/O操作請求次數計算模型；通過分析多個虛擬機并行執行計算密集型負載的平均性能與一個相同配置的虛擬機執行同樣負載的性能之間的關系，建立了并行執行計算密集型負載的虛擬機平均性能分析模型。黎豐澤(<計算機系統應用>，2015)分析了影響虛擬機應用性能的關鍵參數，通過奇異值分解的特征拓展及非線性模型對運行于同一物理資源池上的虛擬機應用性能進行建模。以上對虛擬機上不同負載性能建模的研究主要考慮CPU、內存、網絡等確定性的因素對虛擬機性能的影響，未考慮CPU微架構、VCPU與CPU核心的綁定方式、多虛擬機上同時運行的其他類型的負載對資源的競爭等因素對虛擬機性能的影響。