用于市场导向的混合云基础架构的多标准自适应调度制造技术

本发明专利技术涉及一种用于市场导向的混合云基础架构的计算调度法，该市场导向的混合云基础架构由私有机器和公共机器组成并且由合同中指定的服务表征，包括下述步骤：预测服务的请求的工作负载，通过将日划分为精确时间段的时间片来对服务工作负载进行采样，时间片的时段是一参数；从所采样的一日的服务工作负载推断虚拟机(VM)池；根据该日的每个时间片将服务请求分配给VM池；对于时间片k初始化VM分配的种群；应用遗传算法计算用于每个时间片的VM调度的解；将解存储在帕雷托档案中；根据所选择的策略选择解；保存当前状态；重复操作，直到处理完一日的所有时间片。

【技术实现步骤摘要】
【国外来华专利技术】用于市场导向的混合云基础架构的多标准自适应调度
本专利技术涉及一种用于包含公共和私有机器的市场导向的混合云基础架构的计算调度方法，其目的是在执行期间尊重服务合同的条件的同时降低云使用的成本。背景公司的业绩和利润取决于若干个参数。信息技术(IT)公司的一个主要参数是它们用来提供它们的服务的基础架构的效率。因此，IT公司的目标是在由服务等级协议(SLA)指定的它所提供的服务质量与降低这些服务引起的成本之间找到最优平衡。在这个意义上，已经实施了若干研究以开发新方法。这些研究的方向要么是朝向负载预测，要么是朝向资源调度优化目的。云计算是一种为分布式计算带来若干演进的计算机科学范例。因此，应用、数据和基础架构被提出作为可以以无处不在的、灵活的和透明的方式消费的服务。然而，云使用的灵活性是以对可访问性、性能和安全性的某些要求为代价的，如S.Bouchenak的“Verifyingcloudservices:Presentandfuture”(2013)中所解释的。这是由于云环境的分布、异构性和并发使用而引起的。作为一示例，提出基于网络的应用服务的公司特别容易受到这种现象的影响。实际上，由于这样的服务中的大部分都是通过网络浏览器访问的，因此所有用户的需求都分布在数百万个小请求上。这种工作负载的主要问题是它们的细粒度性质，其使得资源需求难以预测。因此，与批量工作负载预测中可用的预测技术相比，它要求具有更高精度和附加特征的特定预测技术，以帮助补偿信息的不足。此外，最近的一项研究——J.Koomey的“Growthindatacenterelectricityuse2005to2010”(2011)——显示数据中心的电力从2000年到2010年增加了265％，而全球电力增长了41％。此外，根据亚马逊的估算——J.Hamilton的“Cooperativeexpendablemicro-sliceservers(CEMS):Lowcost,lowpowerserversforinternet-scaleservices”(2009)，与能源相关的成本量占总的数据中心预算的42％，并且包括19％的直接电力消耗和23％的冷却基础架构，这些值通过15年的摊销进行标准化。看来能源是一个待处理的重要且具有挑战性的问题。因此，显然预测正确量的所需资源有助于减少所开启的数据中心的数目，以最小化能量消耗。实际上，过度供应会浪费可能被关闭或专用于其他用途的资源，而在市场导向的云环境中的资源供应不足会导致不遵守服务等级目标(SLO)。这会导致违反服务等级协议(SLA)，其通常会引起严重的经济惩罚。因此，全局托管成本不仅与能源有关，而且与SLA和其他参数诸如基础架构价格及其摊销有关。此外，在J.Chen的“Tradeoffsbetweenprofitandcustomersatisfactionforserviceprovisioninginthecloud”(2011)和在E.Elmroth的“Accountingandbillingforfederatedcloudinfrastructures”(2009)中的不同云环境中提出的SLA标准使用的性能和SLA模型不适应S.Bouchenak的“Verifyingcloudservices:presentandfuture”(2013)中呈现的市场云特征。因此，本专利技术的目标是通过提出一种处理混合云环境中云导向的模糊SLA模型的托管成本优化的两级方法来应对这些缺乏。该问题的规范是优化网络服务公司的SaaS云基础架构的资源管理。已经识别出了这样的公司的十个最大的提出的服务，每项服务属于一种家庭类型的服务(例如商家，电子交易......)。所有这些服务的特征都是它们的网络远程访问。因此，本专利技术提出了一种两级方法，其具有基于用于服务工作负载预测的统计型历史方法的第一级和基于用于为云基础架构上的服务预测分配所需资源的调度方法的第二级。第一级的作用是通过分析请求提取所有必要信息，以准确估算在该日的每个时间片专用于每项服务的虚拟机(VM)的大小和数量。此外，第二级的作用是在混合云上实现该VM池的最佳分配。混合云由公司拥有的私有数据中心和外部云供应商拥有的公共数据中心组成。现有方法都没有提出结合预测和调度的两级方法来应对SLA和托管成本目标。此外，现有的SLA工作都没有提出遵循云导向模型的SLA标准。在本专利技术中，提出了解决混合云中的网络服务公司用例的这些不足的新方法。提出的预测等级是基于对前几年每日存档的工作负载历史的统计研究。关于调度法(scheduler，调度程序、调度器)，它基于帕雷托(Pareto)多目标遗传算法，该算法通过根据托管成本和SLA满意度之间的最佳平衡分派预测的虚拟机(VM)来提供调度。本专利技术的主要贡献是：-用于服务VM预测的统计型日时间片(slot，间隙、时隙)历史方法，-用于网络服务VM分配的托管成本SLA感知帕雷托多目标调度法，-用于VM分配的新SLA和成本评估模型。
技术实现思路
在本文中，呈现了一种称为P-GAS(基于预测的遗传算法调度法)的新方法，具有使用两个步骤组合预测和调度的特殊性。第一个步骤旨在预测每个所提供的服务的日请求负载变化并确定它的相关资源需求(VM)。第二个步骤的作用是优化(以帕雷托方式)这些VM的分配。目标是在降低托管成本和保持SLA之间找到最佳平衡。提出了一种用于市场导向的混合云基础架构的计算调度方法，该市场导向的混合云基础架构由私有机器和公共机器组成并且由合同中指定的服务表征，包括下述步骤：-将连续的请求流转换成批(batch，批量、批次、成批)，-针对一日预测向若干服务分配的虚拟机(VM)池，包括下述操作：o考虑研究日之前至少一年的历史数据，其中，每日由其日期及其状态诸如工作日、周末、特殊时段或假日所标识，该历史数据包含针对每一日的每项服务的工作负载行为，o取得该年中由相同的信息状态和日历日期表征的至少一日的历史数据，o基于取得的研究日之前该日的历史数据，取得针对该日的每项服务的工作负载行为，并且限定对每项服务工作负载分配精确(finished，完成)数量的VM，每个VMn由元组(sizen,nbn,fn,mn,ion,bwn,sn)限定，其中，sizen是VM的大小，nbn是其核的数量，fn是处理器频率，mn是存储器(memory，内存)容量，ion是其输入和输出容量，bwn是其网络带宽容量，sn是其存储容量，并且每项服务i由三元组(rqi,vmi,naturei)标识，其中，rqi是每日请求的总数量，vmi是所需VM的类型和大小，以及naturei是该服务的性质，o通过将该日划分为精确时间段的时间片来对该服务工作负载进行采样，时间片的持续时段是一参数，-在匹配日历史上使用时间序列方法，预测在时间片k中对每项服务i的请求的数量Nb_requestk,i，-根据历史统计生成对于特定日的每项服务i的分布律，-应用公式Density_Coefk,i＝Max_Nb_requesti/Nb_requestk,i计算预期在时间片k期间每项服务i应对的请求的密度Density_Coefk,i，其中Max_Nb_requesti是服务在该日期间在一时间片内能本文档来自技高网...

【技术保护点】
1.一种用于市场导向的混合云基础架构的计算调度方法，所述市场导向的混合云基础架构由私有机器和公共机器组成并且由合同中指定的服务表征，包括下述步骤：‑将连续的请求流转换成批，‑针对一日预测向若干服务分配的虚拟机(VM)池，包括下述操作：o考虑研究日之前至少一年的历史数据，其中，每日由其日期及其状态诸如工作日、周末、特殊时段或假日所标识，所述历史数据包含针对每一日的每项服务的工作负载行为，o取得所述年中由相同的信息状态和日历日期表征的至少一日的历史数据，o基于取得的所述研究日之前该日的历史数据，取得针对该日的每项服务的工作负载行为，并且限定对每项服务工作负载分配精确数量的虚拟机，每个VM n由元组(sizen，nbn，fn，mn，ion，bwn，sn)限定，其中，sizen是所述VM的大小，nbn是其核的数量，fn是处理器频率，mn是存储器容量，ion是其输入和输出容量，bwn是其网络带宽容量，sn是其存储容量，并且每项服务i由三元组(rqi，vmi，naturei)标识，其中，rqi是每日请求的总数量，vmi是所需VM的类型和大小，以及naturei是所述服务的性质，o通过将该日划分为精确时间段的时间片来对所述服务工作负载进行采样，时间片的持续时段是一参数，‑在匹配日历史上使用时间序列方法，预测在时间片k中对每项服务i的请求的数量Nb_requestk，i，‑根据历史统计生成对于特定日的每项服务i的分布律，‑应用公式Density_Coefk，i＝Max_Nb_requesti/Nb_requestk，i计算预期在所述时间片k期间每项服务i应对的请求的密度Density_Coefk，i，其中，Max_Nb_requesti是服务在该日期间在一时间片内能够接收的请求的最大数量，并且对应于根据针对特定日的服务i的历史统计生成的预期分布律的最高值，‑根据服务工作负载预测(Density_Coefk，i，Nb_requestk，i)如下取得对于该日的时间片的VM的数量：o应用公式...

【技术特征摘要】
【国外来华专利技术】1.一种用于市场导向的混合云基础架构的计算调度方法，所述市场导向的混合云基础架构由私有机器和公共机器组成并且由合同中指定的服务表征，包括下述步骤：-将连续的请求流转换成批，-针对一日预测向若干服务分配的虚拟机(VM)池，包括下述操作：o考虑研究日之前至少一年的历史数据，其中，每日由其日期及其状态诸如工作日、周末、特殊时段或假日所标识，所述历史数据包含针对每一日的每项服务的工作负载行为，o取得所述年中由相同的信息状态和日历日期表征的至少一日的历史数据，o基于取得的所述研究日之前该日的历史数据，取得针对该日的每项服务的工作负载行为，并且限定对每项服务工作负载分配精确数量的虚拟机，每个VMn由元组(sizen，nbn，fn，mn，ion，bwn，sn)限定，其中，sizen是所述VM的大小，nbn是其核的数量，fn是处理器频率，mn是存储器容量，ion是其输入和输出容量，bwn是其网络带宽容量，sn是其存储容量，并且每项服务i由三元组(rqi，vmi，naturei)标识，其中，rqi是每日请求的总数量，vmi是所需VM的类型和大小，以及naturei是所述服务的性质，o通过将该日划分为精确时间段的时间片来对所述服务工作负载进行采样，时间片的持续时段是一参数，-在匹配日历史上使用时间序列方法，预测在时间片k中对每项服务i的请求的数量Nb_requestk，i，-根据历史统计生成对于特定日的每项服务i的分布律，-应用公式Density_Coefk，i＝Max_Nb_requesti/Nb_requestk，i计算预期在所述时间片k期间每项服务i应对的请求的密度Density_Coefk，i，其中，Max_Nb_requesti是服务在该日期间在一时间片内能够接收的请求的最大数量，并且对应于根据针对特定日的服务i的历史统计生成的预期分布律的最高值，-根据服务工作负载预测(Density_Coefk，i，Nb_requestk，i)如下取得对于该日的时间片的VM的数量：o应用公式计算在每个时间片k处每项服务i所需的VM的数量Number_VMsk，i，其中Max_req_Processi是所述服务i的VM类型的一个核能够处理的请求的最大数量，以及Nb_Coresi是所述服务i的VM类型的核的数量，o计算每项服务的持续时间作为处于第一时间片和最后时间片之间、包含大于固定的querythreshold值的多个请求的时段，-对于时间片k初始化VM分配的种群，还包括下述步骤：o如果当前所调度的时间片中的相关VM已经从前一时间片起在运行，取得VM的机器类型并且在新的调度过程中将它分配给相同的机器类型，o否则，通过使下述三个过程交替来初始化所述VM分配：将所述VM随机初始化到任何机器类型；将所有所述VM初始化到低成本的所述私有机器类型；将所有所述VM初始化到在计算(CPU)和存储器(RAM)方面具有最高性能的所述公共机器类型；-应用遗传算法，返回关于组成所述混合云基础架构的不同机器类型分配VM的若干解，这些解以与单元格表格相同的格式存储，其中，单元格的每个索引表示VM的标识符并且单元格的值是机器类型的标识号，-将这组解存储在帕雷托档案中，-根据所选择的策略从所述帕雷托档案中选择一个解，-保存所选择的解作为所述混合云的新状态，-对随后的时间片重复从时间片的VM预测取得起的所述步骤，直到处理完所述研究日的所有时间片。2.根据权利要求1所述的方法，其中，通过提取服务i在该日期间在某一时间片内能够接收的请求的最大数量，从当前处理日和适当服务两者的分布律推断对于每项服务i的请求的最大数量Max_Nb_requesti。3.根据权利要求1或2中任一项所述的方法，其中，所述querythreshold的值等于需要超过对于每项服务的备用VM的最小数量的查询数量。4.根据权利要求1至3中任一项所述的方法，其中，所述时间片的持续时间固定为十五分钟。5.根据权利要求1至4中任...

【专利技术属性】
技术研发人员：雅辛·凯萨西，
申请(专利权)人：世界线公司，
类型：发明
国别省市：法国,FR