一种基于排队论的云资源服务质量评估方法及系统技术方案

本发明专利技术提供一种基于排队论的云资源服务质量评估方法及系统，确定服务节点相对于服务的处理能力和容量；根据服务节点所包含的服务数量，将服务节点进行分类，分成基本服务节点和组合服务节点；针对不同服务节点，采用相应的排队模型进行服务质量评估，并输出评估结果。本发明专利技术能够从服务层次上刻画云资源消耗的本质特征，将终端用户的服务质量需求映射为云资源的消耗，从而在能够满足用户服务质量需求的前提下，为服务提供商降低云资源的租用成本。本。本。

【技术实现步骤摘要】
一种基于排队论的云资源服务质量评估方法及系统


[0001]本专利技术属于云资源服务质量评估领域，尤其涉及一种基于排队论的云资源服务质量评估方法及系统。

技术介绍

[0002]随着互联网和现代服务业的快速发展，服务系统已经在政府、商业和教育等领域获得广泛部署和应用。为了保证系统的性能，服务提供商需要不断加大IT基础设施的投入，然而扩展企业本地数据中心存在运营成本高、资源利用率低、维护困难等问题。报告统计显示，大多数企业数据中心的资源利用率在15％以下，还有的不到5％。由于服务系统的负载波动性较大，导致在空闲时段数据中心存在大量剩余资源，造成能耗的巨大浪费。
[0003]对于服务系统的终端用户来说，其最关心的是服务质量，例如，响应时间、可靠性等，而对于服务提供商来说，其主要目标是以最低的云资源租用成本来满足用户的服务质量需求，因此，如何将终端用户的服务质量需求映射为云资源的消耗上，即建立服务质量需求与云资源消耗之间定量化关系模型是实现云资源优化供应的前提和基础。
[0004]由于公有云环境中云资源的异构性、分散性、复杂性和多样性等特点，导致建立服务质量需求与云资源消耗之间定量化关系模型的难度大、代价高，因此，如何有效地解决服务质量需求与云资源消耗之间“鸿沟”是目前公有云环境下大规模服务系统中云资源优化供应所要解决的问题。

技术实现思路

[0005]本专利技术提供一种基于排队论的云资源服务质量评估方法，方法能够度量云资源的服务能力，建立服务质量需求与云资源的服务能力和用户负载之间的定量化关系模型，以此为大规模服务系统的云资源优化供应提供理论基础，为服务提供商降低云资源的租用成本。
[0006]云资源服务质量评估方法包括如下步骤：
[0007]S1：计算服务节点相对于服务的处理能力和容量；
[0008]S2：根据服务节点所包含的服务数量，将服务节点分为基本服务节点和组合服务节点；
[0009]S3：针对不同服务节点及服务节点集群，采用不同的排队模型进行服务质量评估；
[0010]进一步需要说明的是，服务节点是指一个部署服务的虚拟单元。设s为一个服务，vu为一个虚拟单元，令和(t＝1,2,
…
)分别为服务s在虚拟单元vu上每次执行所花费的时间和消耗的内存，它们都是随机变量，可以采用性能测试的方法获取服务节点每次执行所消耗的时间和内存数据，并采用数理统计的方法度量它们的均值。
[0011]处理能力是指单位时间内服务节点完成用户服务请求的平均数量。设随机变量的均值其中，为单位时间内服务s在虚拟单元vu上执行的平均
次数，因此，服务s在虚拟单元vu上的处理能力可以定义为：其中，ε
vu
为处理能力系数，其取值与虚拟单元所采用的虚拟化技术以及物理服务器的CPU架构有关。
[0012]容量是指服务节点所能接受的最大并发服务请求数量。服务s在虚拟单元vu上的容量可以定义为：在这里D
vu
为虚拟单元vu的最大可用内存，为随机变量的均值，θ
vu
为容量系数，其取值与虚拟单元所采用的虚拟化技术以及存储架有关。
[0013]进一步需要说明的是，方法还包括：构建服务系统参数与排队系统参数之间的映射关系，服务系统中的参数，具体映射关系如下：
[0014]{负载
→
顾客平均达到率，服务节点处理能力
→
服务员平均处理速率，服务节点容量
→
系统的容量(队列长度+服务员数量)，并发服务请求数量
→
平均队列长度，响应时间
→
平均逗留率，吞吐率
→
绝对通过能力，可靠性
→
相对通过能力，错误率
→
损失率}。
[0015]进一步需要说明的是，步骤S2中服务节点的分类方法包括，根据服务节点所包含的服务数量，将服务节点分为基本服务节点和组合服务节点，且一个基本服务节点只包含一个服务，而一个组合服务节点包含多个服务。
[0016]进一步需要说明的是，步骤S3还包括：针对基本服务节点，建立有容量约束的单服务窗口排队模型M/M/1/c来评估服务质量；
[0017]还针对组合服务节点，建立有容量约束的多类顾客单服务窗口排队模型M/H
k
/1/c来评估服务质量；
[0018]还针对服务节点集群，建立排队网络模型来评估服务质量。
[0019]进一步需要说明的是，基于M/M/1/c来评估服务质量的方式包括：
[0020]配置表示一个基本服务节点，其中，s为一个服务，vu为一个虚拟单元，服务s在虚拟单元vu上的处理能力和容量分别为：μ和c；
[0021]基本服务节点的响应时间，即在负载λ下服务s部署在虚拟单元vu上的响应时间为：
[0022][0023]基本服务节点的吞吐率，即在负载λ下服务s部署在虚拟单元vu上的吞吐率为：
[0024][0025]基本服务节点的错误率，即在负载λ下服务s部署在虚拟单元vu上的错误率为：
[0026][0027]基本服务节点的可靠性，即在负载λ下服务s部署在虚拟单元vu上的可靠性为：
[0028][0029]进一步需要说明的是，基于M/H
k
/1/c来评估服务质量的方式包括：
[0030]配置表示一个组合服务节点，其中，S＝{s1,s2,
…
,s
k
}为服务集合，vu为一个虚拟单元；
[0031]服务s
i
∈S在虚拟单元vu上的处理能力、容量和负载分别为：μ
i
,c
i
和λ
i
；令虚拟单元vu对所有服务的执行时间服从一个k阶超指数分布，其分布函数为：
[0032][0033]容量约束的多类顾客单服务窗口排队模型M/H
k
/1/c，其重点分析该模型中每一类顾客性能指标；
[0034]模型对在负载分布Δ＝{λ1,λ2,
…
,λ
k
}下的组合服务节点的平均服务质量以及每一个服务s
i
∈S的服务质量进行评估；
[0035]其中，V＝{s0,s1,
…
,s
n
,s
n+1
}为服务的集合，对于服务s
i
∈V，λ
i
表示s
i
的负载；
[0036]和分别表示服务节点中所有服务的平均响应时间、吞吐率、错误率和可靠性，和分别表示服务s
i
在服务节点上的响应时间、吞吐率、错误率和可靠性。
[0037]进一步需要说明的是，建立排队网络模型来评估服务质量的方式包括：
[0038]配置表示一个服务节点集群，其中，S＝{s1,s2,
…
,s
k
}为服务集合；VU＝{vu0,vu1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于排队论的云资源服务质量评估方法，其特征在于，方法包括：S1：确定服务节点相对于服务的处理能力和容量；S2：根据服务节点所包含的服务数量，将服务节点进行分类，分成基本服务节点和组合服务节点；S3：针对不同服务节点，采用相应的排队模型进行服务质量评估，并输出评估结果。2.根据权利要求1所述的基于排队论的云资源服务质量评估方法，其特征在于，步骤S1中，所述服务节点是一个部署服务的虚拟单元；设s为一个服务，vu为一个虚拟单元，令和分别为服务s在虚拟单元vu上每次执行所花费的时间和消耗的内存；采用性能测试的方法获取服务节点每次执行所消耗的时间和内存数据，并采用数理统计的方法度量服务节点的均值；服务节点的处理能力是单位时间内服务节点完成用户服务请求的平均数量；设随机变量的均值其中，为单位时间内服务s在虚拟单元vu上执行的平均次数；服务s在虚拟单元vu上的处理能力定义为：其中，ε
vu
为处理能力系数，其取值与虚拟单元所采用的虚拟化技术以及物理服务器的CPU架构有关；服务节点的容量是服务节点所能接受的最大并发服务请求数量；服务s在虚拟单元vu上的容量定义为：D
vu
为虚拟单元vu的最大可用内存，为随机变量的均值，θ
vu
为容量系数，其取值与虚拟单元所采用的虚拟化技术以及存储架有关。3.根据权利要求1所述的基于排队论的云资源服务质量评估方法，其特征在于，方法还包括：构建服务系统参数与排队系统参数之间的映射关系，服务系统中的参数，具体映射关系如下：{负载
→
顾客平均达到率，服务节点处理能力
→
服务员平均处理速率，服务节点容量
→
系统的容量(队列长度+服务员数量)，并发服务请求数量
→
平均队列长度，响应时间
→
平均逗留率，吞吐率
→
绝对通过能力，可靠性
→
相对通过能力，错误率
→
损失率}。4.根据权利要求1所述的基于排队论的云资源服务质量评估方法，其特征在于，步骤S2中服务节点的分类方法包括，根据服务节点所包含的服务数量，将服务节点分为基本服务节点和组合服务节点，且一个基本服务节点只包含一个服务，而一个组合服务节点包含多个服务。5.根据权利要求1所述的基于排队论的云资源服务质量评估方法，其特征在于，步骤S3还包括：针对基本服务节点，建立有容量约束的单服务窗口排队模型M/M/1/c来评估服务质量；还针对组合服务节点，建立有容量约束的多类顾客单服务窗口排队模型M/H
k
/1/c来评估服务质量；
还针对服务节点集群，建立排队网络模型来评估服务质量。6.根据权利要求5所述的基于排队论的云资源服务质量评估方法，其特征在于，基于M/M/1/c来评估服务质量的方式包括：配置表示一个基本服务节点，其中，s为一个服务，vu为一个虚拟单元，服务s在虚拟单元vu上的处理能力和容量分别为：μ和c；基本服务节点的响应时间，即在负载λ下服务s部署在虚拟单元vu上的响应时间为：基本服务节点的吞吐率，即在负载λ下服务s部署在虚拟单元vu上的吞吐率为：基本服务节点的错误率，即在负载λ下服务s部署在虚拟单元vu上的错误率为：基本服务节点的可靠性，即在负载λ下服务s部署在虚拟单元vu上的可靠性为：7.根据权利要求5所述的基于排队论的云资源服务质量评估方法，其特征在于，基于M/H
k
/1/c来评估服务质量的方式包括：配置表示一个组合服务节点，其中，S＝{s1,s2,
…
,s
k
}为服务集合，vu为一个虚拟单元；服务s
i
∈S在虚拟单元vu上的处理能力、容量和负载分别为：μ
i
,c
i
和λ
i
；令虚拟单元vu对所有服务的执行时间服从一个k阶超指数分布，其分布函数为：容量约束的多类顾客单服务窗口排队...

【专利技术属性】
技术研发人员：孟凡超，孟凡浩，朴学峰，初佃辉，卢阳，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：