[發明專利]基于含隱變量貝葉斯網的虛擬機性能下降評估方法

有效

• 申請號: 201711432646.7
• 申請日: 2017-12-26
• 公開（公告）號: CN108037979B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 郝佳;張彬彬;岳昆;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含隱變量貝葉斯網的虛擬機性能下降評估方法，根據需要確定對待評估虛擬機進行評估的性能參數集合，然后在待評估虛擬機和干擾虛擬機上分別選取相關特征，然后配置得到若干虛擬機組合方案，依次對于每個虛擬機組合方案獲取整體性能數據及干擾特征數據并對數據進行預處理得到基礎數據集，然后將性能參數作為隱變量，基于基礎數據集構建得到特征?性能含隱變量貝葉斯網，基于該貝葉斯網即可實現對待評估虛擬機的性能下降評估。本發明將性能參數下降值作為隱變量，基于實測數據構建含隱變量貝葉斯網，實現虛擬機性能下降評估。

技術領域

本發明屬于虛擬機性能評估技術領域，更為具體地講，涉及一種基于含隱變量貝葉斯網的虛擬機性能下降評估方法。

背景技術

基礎設施即服務(Infrastructure as a Service,IaaS)是云計算平臺向用戶提供資源的形式之一。IaaS分配物理資源，以虛擬機的形式向用戶提供具有特定CPU個數、內存容量、I/O帶寬等特征的一組資源，用戶按需租用虛擬機并支付相應費用。云計算服務提供商通常在同一臺物理主機上部署多個虛擬機，并采用虛擬機監控器(Virtual MachineMonitor，VMM)來管理虛擬機間資源的復用和分配。由于虛擬機之間共享同一組物理硬件資源，因此，當各個虛擬機上同時運行應用時，它們將競爭CPU、內存、I/O帶寬等資源。這種競爭與應用有關，具有不確定性且勢必會造成虛擬機性能下降。因此，準確評估由于資源競爭導致的虛擬機性能下降，對后續虛擬機應用部署及物理資源合理分配具有意義。

公知的基于虛擬機特征變化評估虛擬機性能干擾的研究，主要是運用特定模型，通過訓練數據集來修正模型參數。高程巍(東北大學碩士學位論文，2015)將歷史數據庫中目標虛擬機所需要的資源和此時其他虛擬機上各個資源的使用情況用數組的形式表示，將數組表示的資源負載作為多個輸入值，將虛擬機之間的互擾度作為輸出值，建立一個多輸入單輸出的BP神經網絡模型。根據模型的輸入和輸出來評估虛擬機之間的互擾程度。孫曉利(國防科技大學碩士學位論文，2014)選擇主機CPU利用率、虛擬機CPU利用率、末級緩存失效率和虛擬機個數四個特征建立虛擬機特征和性能干擾之間的多元非線性性能干擾預測模型，并利用最小二乘法擬合模型的系數值。根據此模型來預測多個虛擬機之間的性能互擾度。這些工作主要都是通過訓練多組數據中虛擬機特征和性能之間的關系，從而近似評估虛擬機間的性能干擾。

公知的虛擬機性能評估方法，主要通過采集不同的虛擬機特征數據，建立虛擬機特征和性能的相關模型。楊祥宏(杭州電子科技大學碩士學位論文，2016)選擇了虛擬CPU個數、虛擬機內存大小、虛擬CPU利用率、虛擬內存利用率和運行的虛擬機個數作為特征，利用支持向量機模型來評估虛擬機性能并證明了支持向量機的結果能夠和樣本數據擬合。曾文琦(計算機工程與設計，2014)提出了一個改進后的K-means算法，將聚類中心設定為CPU限制型，memory限制型和network限制型。將眾多虛擬機特征數據聚類到相應的聚類中心后，評定該虛擬機所屬的類型。設置CPU、內存和I/O資源在該類型虛擬機上所占的比例，相加后評估該虛擬機的性能。這些方法選擇的虛擬機特征數量較少，未能綜合考慮虛擬機底層軟件特征、硬件特征和虛擬機運行時環境特征對虛擬機性能的影響，且無法評估性能的波動范圍。