一种主机过载检测方法技术

本发明专利技术涉及CPU利用率监测领域，具体涉及一种主机过载检测方法，是为了解决现有的过载主机检测算法的耗电量较高、用户的任务在执行上流畅度较低、算法在运行时需要关闭的主机数目过高、需要迁移的虚拟机的数目过高的缺点而提出的，包括：获取预定时间内的CPU利用率阈值并构造CPU利用率阈值构造数组y；获取一定时间内的CPU利用率数据并构造CPU利用率数组x；计算残差值ei；计算损失函数loss；判断损失函数loss的值是否小于给定的阈值，若是则结束迭代，若否则重新计算第一参数和第二参数，直至CPU利用率阈值数组y中的每个元素均被计算；获取在受测主机上运行的虚拟机的最大迁移时间并以此计算CPU利用率的预测值。本发明专利技术适用于云计算主机的CPU利用率监测。

【技术实现步骤摘要】
一种主机过载检测方法
本专利技术涉及CPU利用率监测领域，具体涉及一种主机过载检测方法。
技术介绍
随着云计算时代的来临，云数据中心的高能消耗成为主要问题，而减少云数据中心的能源消耗的主要方法是优化虚拟机分配和调度，而过载主机检测是实现虚拟机迁移和调度分配的基础。过载主机检测方法的研究主要是根据主机以往的在一段时间内的CPU利用率，利用CPU利用率计算出CPU利用率在之后的阈值，如果大于该阈值则说明该主机上运行的虚拟机应用的负载量超出了该主机的负荷，则需要迁移其上的虚拟机到其他的主机上，以保证任务的实时性和有效性。通过对主机CPU利用率情况的监测，可以实时的反映出该主机的负载情况，如果对于过度负载的主机上的虚拟机不加以管理，则会造成该主机上的虚拟机长时间获取不到CPU资源，而所运行应用的则需要较长的响应时间，这会导致用户的体验效果极差，同时云数据中心的能源消耗会急剧增加，导致云数据中心的经营受到打击。已有的过载主机检测算法有MedianAbsoluteDeviation(MAD),LinearRegression(LR),andInterquartileRange(IQR)等算法，这些算法的耗电量较高，用户的任务在执行上流畅度较低、算法在运行时需要关闭的主机数目过高、需要迁移的虚拟机的数目过高。专利技术目的本专利技术的目的是为了解决现有的过载主机检测算法的耗电量较高、用户的任务在执行上流畅度较低、算法在运行时需要关闭的主机数目过高、需要迁移的虚拟机的数目过高的缺点，而提出一种主机过载检测方法。一种主机过载检测方法，包括：步骤一、获取预定时间内的CPU利用率阈值并构造CPU利用率阈值构造数组y；获取一定时间内的CPU利用率数据并构造CPU利用率数组x。步骤二、将计数变量i初值设置为1，并执行如下计算：ei←yi-β0+β1xi其中β0为第一参数，其值为预设值；β1为第二参数，其值为预设值；yi为CPU利用率阈值数组中的第i个元素，xi为CPU利用率数组x中的第i个元素；ei为中间变量；符号“←”表示赋值运算。步骤三、计算loss←0.5*i2；其中loss表示损失函数。步骤四、判断损失函数loss的值是否小于给定的阈值；若是，则跳转执行步骤七；若否，则使用如下公式重新计算第一参数β0和第二参数β1的值。其中j＝0或1；符号表示“定义为”；符号表示求偏导数；α为预设的表示收敛速度的参数。步骤五、将计算参数i的值加1，并重复执行步骤二至步骤四，直至CPU利用率阈值数组y中的每个元素均被计算。步骤六、重复执行步骤二至五，直至达到预设的次数。步骤七、获取在受测主机上运行的虚拟机的最大迁移时间maxinumMigrationTime。步骤八、通过如下公式计算CPU利用率的预测值predictUtil。predictUtil←β0+β1*(length+migrationIntervals)本专利技术的有益效果为：1、本专利技术的方法在运行时电量消耗可以大约减少12.9％；2、本专利技术的服务质量等级(SLAViolation)参数比其他算法少19.8％，意味着用户的任务在执行上流畅度更高；3、本专利技术的方法主机关闭数目上显著减低，大约为其他算法的37.5％，且测试环境更贴近于真实的云数据中心环境；4、使用本专利技术的方法，需要迁移的虚拟机的数目相较于其他算法大约减少了33.3％。附图说明图1为本专利技术的主机过载检测方法的流程图；图2为实施例中各种算法在运行时所消耗的能量对比图；纵坐标表示能量消耗值，横坐标为不同的算法，其中最左侧的GdMsu_1.85为本专利技术的方法；图3为实施例中各种算法的服务质量等级对比图，纵坐标为服务质量等级百分比，数值越小表示越流畅；横坐标为各种不同的算法；图4为实施例中各种算法在运行时主机总的关闭数目对比图，纵坐标表示主机关闭的数量，横坐标为各种不同的算法；最左侧的GdMums表示本专利技术的方法；图5为实施例中各种算法在运行时虚拟机迁移数目的对比图，纵坐标表示虚拟机的迁移数目，横坐标为各种不同的算法。具体实施方式具体实施方式一：本实施方式的主机过载检测方法，如图1所示，包括：步骤一、获取预定时间内的CPU利用率阈值并构造CPU利用率阈值构造数组y；获取一定时间内的CPU利用率数据并构造CPU利用率数组x。数组y和数组x均是能够从系统中直接获取的，数组中的每个元素是在不同时间点采样得到的相应数据，例如，假设数组y中一共有100个元素，预定时间具体是100分钟，那么在第1分钟采样得到的数据可以作为数组中的第一个元素，最近1分钟的数据可以作为数组中的最后一个元素，如果数组已经存满，则可以覆盖掉存在时间最久的元素。总而言之本步骤的主要目的在于采样和构造数组，具体如何实施有多种方法，只要能够满足这一目的即可。步骤二、将计数变量i初值设置为1，并执行如下计算：ei←yi-β0+β1xi其中β0为第一参数，其值为预设值；β1为第二参数，其值为预设值；yi为CPU利用率阈值数组中的第i个元素，xi为CPU利用率数组x中的第i个元素；ei为中间变量；符号“←”表示赋值运算。步骤三、计算loss←0.5*i2；其中loss表示损失函数。步骤四、判断损失函数loss的值是否小于给定的阈值；若是，则跳转执行步骤七；若否，则使用如下公式重新计算第一参数β0和第二参数β1的值。其中j＝0或1；符号表示“定义为”；符号表示求偏导数；α为预设的表示收敛速度的参数。步骤五、将计算参数i的值加1，并重复执行步骤二至步骤四，直至CPU利用率阈值数组y中的每个元素均被计算。步骤六、重复执行步骤二至五，直至达到预设的次数。步骤七、获取在受测主机上运行的虚拟机的最大迁移时间maxinumMigrationTime。步骤八、通过如下公式计算CPU利用率的预测值predictUtil。predictUtil←β0+β1*(length+migrationIntervals).其中length表示虚拟机的迁移周期长度。具体实施方式二：本实施方式与具体实施方式一不同的是：主机过载检测方法还包括：步骤九、计算predictUtil*s的值是否大于1，若是，则认为主机上运行的虚拟机应用的负载量超过了该主机的负荷；若否，则认为未出现过载现象；其中s为预设的表示安全系数的值。其具体的实现伪代码如下所示：其中第1行是根据局部回归的特性，定义了y[]和x[]的初始值，第2-8行是根据梯度下降算法计算出线性回归的参数值，第9-11行是根据计算出的参数值来确定预测的CPU利用率的阈值以及主机是否过载。其它步骤及参数与具体实施方式一相同。具体实施方式三：本实施方式与具体实施方式一或二不同的是：步骤六中，预设的次数为100次。其它步骤及参数与具体实施方式一或二相同。具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：受测主机为用于进行云计算的主机。其它步骤及参数与具体实施方式一至三之一相同。<仿真实验及效果>实验是基于CloudSim进行云数据中心的仿真实验由于CPU的利用率很大程度影响了主机的处理器的能源消耗，而CPU的利用率又依赖于主机的工作量，它将根据主机的工作量做出改变，因此，CPU的利用率是一个根据时间变化的函数。在云计算模拟实验本文档来自技高网...

【技术保护点】
一种主机过载检测方法，其特征在于，包括：步骤一、获取预定时间内的CPU利用率阈值并构造CPU利用率阈值构造数组y；获取一定时间内的CPU利用率数据并构造CPU利用率数组x；步骤二、将计数变量i初值设置为1，并执行如下计算：ei←yi‑β0+β1xi其中β0为第一参数，其值为预设值；β1为第二参数，其值为预设值；yi为CPU利用率阈值数组中的第i个元素，xi为CPU利用率数组x中的第i个元素；ei为中间变量；符号“←”表示赋值运算；步骤三、计算loss←0.5*ei

【技术特征摘要】
1.一种主机过载检测方法，其特征在于，包括：步骤一、获取预定时间内的CPU利用率阈值并构造CPU利用率阈值构造数组y；获取一定时间内的CPU利用率数据并构造CPU利用率数组x；步骤二、将计数变量i初值设置为1，并执行如下计算：ei←yi-β0+β1xi其中β0为第一参数，其值为预设值；β1为第二参数，其值为预设值；yi为CPU利用率阈值数组中的第i个元素，xi为CPU利用率数组x中的第i个元素；ei为中间变量；符号“←”表示赋值运算；步骤三、计算loss←0.5*ei2；其中loss表示损失函数；步骤四、判断损失函数loss的值是否小于给定的阈值；若是，则跳转执行步骤七；若否，则使用如下公式重新计算第一参数β0和第二参数β1的值：其中j＝0或1；符号“：＝”表示“定义为”；符号表示求偏导数；α为预设的表...

【专利技术属性】
技术研发人员：张伟哲，刘川意，方滨兴，何慧，刘亚维，陈煌，王德胜，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23