基于openstack的动态负载调整方法及其系统技术方案

本发明专利技术涉及基于openstack的动态负载调整方法及其系统。该方法包括：采集步骤，基于zabbix监控节点实时采集作为被监控对象的物理机和虚拟机的特征数据；预测步骤，基于规定预测模型对所述特征数据进行异常负载预测；以及调度步骤，在所述预测步骤中预测到异常负载的情况下，进行负载均衡处理。根据本发明专利技术，能够解决现有技术中Openstack动态资源调度不足的问题，通过构建负载调节器使资源达到负载均衡，能够根据实际运行节点的负载情况对虚拟机进行动态迁移调度。

【技术实现步骤摘要】
基于openstack的动态负载调整方法及其系统
本专利技术涉及云技术，具体地涉及一种基于openstack的动态负载调整方法以及基于openstack的动态负载调整系统。
技术介绍
OpenStack(云计算管理平台)是一个开源的云计算管理平台项目，OpenStack为私有云和公有云提供可扩展的弹性的云计算服务，其目标是提供实施简单、可大规模扩展、丰富、标准统一的云计算管理平台。Openstack包括两个主要模块:Nova和Swift。前者虚拟服务器部署和业务计算模块，后者是分布式云存储模块。现有技术中，在openstack中所使用的虚拟机调度策略为静态调度策略，通过模块nova-scheduler进行主机过滤、权值选择、主机选择这三步实现资源调度，以此来解决如何分发新建的虚拟机到物理服务器上的问题。然而，Openstack所使用的静态调度策略，在对虚拟机完成初始化调度之后就不再进行自动迁移了，这将导致openstack无法根据实际运行节点的负载情况对虚拟机进行动态迁移调度，虽然能够保障用户的服务需求，但忽略了实际的资本文档来自技高网...

【技术保护点】
1.一种基于openstack的动态负载调整方法，其特征在于，包括：/n采集步骤，基于zabbix监控节点实时采集作为被监控对象的物理机和虚拟机的特征数据；/n预测步骤，基于规定预测模型对所述特征数据进行异常负载预测；以及/n调度步骤，在所述预测步骤中预测到异常负载的情况下，进行负载均衡处理。/n

【技术特征摘要】
1.一种基于openstack的动态负载调整方法，其特征在于，包括：
采集步骤，基于zabbix监控节点实时采集作为被监控对象的物理机和虚拟机的特征数据；
预测步骤，基于规定预测模型对所述特征数据进行异常负载预测；以及
调度步骤，在所述预测步骤中预测到异常负载的情况下，进行负载均衡处理。


2.如权利要求1所述的基于openstack的动态负载调整方法，其特征在于，
所述采集步骤包括：
搭建zabbix监控节点；
将被监控对象接入所述zabbix监控节点；以及
建立CUM节点以汇总所有zabbix监控节点得到的特征数据。


3.如权利要求2所述的基于openstack的动态负载调整方法，其特征在于，
在所述采集步骤中，采用分布式节点设置所述zabbix监控节点。


4.如权利要求2所述的基于openstack的动态负载调整方法，其特征在于，
在所述采集步骤中，针对不同的服务器而设置不同的zabbix监控节点，针对不同的zabbix监控节点集群而设置不同的CUM节点。


5.如权利要求1所述的基于openstack的动态负载调整方法，其特征在于，
在所述采集步骤中，实时采集物理机和虚拟机的CPU占用率、内存占用率、磁盘占用率以及网络流量中的一项或者多项作为被监控对象的特征数据。


6.如权利要求1所述的基于openstack的动态负载调整方法，其特征在于，
在所述采集步骤中进一步包括：将得到的所有的特征数据进行标准化处理以使得映射到一个数量级上以消除奇异性样本。


7.如权利要求6所述的基于openstack的动态负载调整方法，其特征在于，
使用以下的公式对所述于特征数据进行标准化处理，



其中，所述标准化处理对yj，j∈(1，2，3...4)进行变换，生成的新序列xj，j∈(1，2，3...4)的方差为1，均值为0，实现将特征数据的取值映射到[0,1]区间上，
其中，j表示被监控对象的特征数据，yi为对应j表示的特征数据的实际取值,
xi为标准化后对应yj缩放后的取值。


8.如权利要求1～7任意一项所述的基于openstack的动态负载调整方法，其特征在于，在所述采集步骤和所述训练步骤之间，进一步包括：
降纬步骤，采用规定算法对于所述特征数据进行数据降纬。


9.如权利要求8所述的基于openstack的动态负载调整方法，其特征在于，
在所述预测步骤中，基于复合预测模型对于进行了数据降纬后的特征数据进行异常负载预测。


10.如权利要求9所述的基于openstack的动态负载调整方法，其特征在于，
所述复合预测模型包括N个预测模型，
所述预测步骤包括：
采用数据降纬后的数据分别对所述N个预测模型进行模型训练；
对比所述N个预测模型的规定特征确定在所述复合预测模型中的各个预测模型的权重；
基于所述权重构建复合预测模型；以及
基于构建的复合预测模型对所述特征数据进行异常负载预测，
其中，N为大于等于2的自然数。


11.如权利要求10所述的基于openstack的动态负载调整方法，其特征在于，
当所述N等于2的情况下，2个预测模型分别为SVM模型和随机森林模型。


12.如权利要求10所述的基于openstack的动态负载调整方法，其特征在于，
当所述N等于2的情况下，其中，2个预测模型分别为k-means模型和决策树模型。


13.如权利要求9所述的基于openstack的动态负载调整方法，其特征在于，所述调度步骤包括：
在所述预测步骤中预测到异常负载的情况下利用冒泡排列法获取预测到的负载异常的虚拟机负载序列；
对未预测到异常的物理节点计算综合负载系数并使用冒泡排列法进行排序；
从未预测到异常的物理节点中选出匹配度最高的物理节点并计算负载变动系数；以及
基于计算得到的负载变动系数的值判断是否执行虚...

【专利技术属性】
技术研发人员：戴俊伟，马平清，宋泽锋，伍福生，简超，李兴锋，潘星明，刘彬，李琪平，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：上海;31