云操作系统中计算物理资源节点负载评价的方法及装置制造方法及图纸

本发明专利技术公开了一种操作系统中计算物理资源节点负载评价的方法及装置，其中，所述方法包括：建立至少两组计算物理资源节点负载的数据模型，所述数据模型中的每个特征向量包括资源负载类型及其加权系数，所述资源负载类型包括处理器、内寸、带宽和/或磁盘；选择至少两组数据模型，根据所述两组数据模型中的特征向量计算马氏距离，按照计算结果给出当前物理资源节点的负载评价。本发明专利技术的方法和装置综合考虑了物理资源节点上各种负载的影响，通过改变加权因子动态调整关键负载分量对于负载评价的影响，并且通过对负载的评价，可以定位负载最优的虚拟资源宿主机，进而保证云操作系统的可用性和稳定性。

【技术实现步骤摘要】
云操作系统中计算物理资源节点负载评价的方法及装置
本专利技术涉及通信领域，具体涉及一种云操作系统中计算物理资源节点负载评价的方法及装置。
技术介绍
当前，云计算逐渐被行业认可，云数据中心操作系统逐渐实现并付诸于实践。在云数据中心操作系统中，计算物理资源节点的选择以及物理资源节点负载评价尤为重要，它直接关系着系统的可用性。目前，大多数同类系统调度算法中，在获取物理机（物理资源节点）负载时，通常的做法是优先考虑内存的影响，其次再考虑cpu、带宽等负载的影响，这样的做法并没有综合考虑计算物理资源节点各种负载，并且没有分析不同负载对物理机的影响，故现有的评价算法并不完善，给云数据中心操作系统的可用性和稳定性带来了隐患。
技术实现思路
本专利技术需要解决的技术问题是提供一种操作系统中计算物理资源节点负载评价的方法及装置，保证云操作系统的可用性和稳定性。为了解决上述技术问题，本专利技术提供了一种计算云操作系统中物理资源节点的负载评价的方法，包括：建立至少两组计算物理资源节点负载的数据模型，所述数据模型中的每个特征向量包括资源负载类型及其加权系数，所述资源负载类型包括处理器、内寸、带宽和/或磁盘；选择至少两组数据模型，根据所述两组数据模型中的特征向量计算马氏距离，按照计算结果给出当前物理资源节点的负载评价。优选地，所述方法包括：建立两组计算当前物理资源节点负载的数据模型，所述数据模型包括：资源负载的总容量模型和资源负载的使用量模型；根据资源负载的总容量模型的特征向量和资源负载的使用量模型的特征向量计算马氏距离，按照计算结果给出当前物理资源节点负载评价。优选地，所述资源负载的总容量模型为：{a1*CC,a2*MC,a3*NC,a4*DC}，其中，a1、a2、a3、a4代表加权系数，a1+a2+a3+a4=1；CC代表处理器总容量，MC代表内存总大小，NC代表总带宽，DC代表磁盘总容量；所述资源负载的使用量模型为：{a1*CU,a2*MU,a3*NU,a4*DU}，其中，a1、a2、a3、a4代表加权系数，a1+a2+a3+a4=1；CU代表处理器过去一段时间平均已用量，MU代表内存过去一段时间平均已用大小，NU代表过去一段时间平均已用带宽，DU代表磁盘过去一段时间平均已用容量；按照以下公式根据所述数据模型中的特征向量计算马氏距离，具体包括：其中，dij为马氏距离，用来度量物理资源节点的可用程度，i，j为正整数，T表示转置，-1表示矩阵的转置，xi和yj分别为两个数据模型中第i个和第j个特征向量，S为样本协方差矩阵。优选地，所述按照计算结果给出当前物理资源节点负载评价，包括：所述马氏距离的值越大，则该当前物理资源节点的负载越小，该物理资源节点的可用度越高。优选地，所述加权系数根据业务需要设定，或者根据算法动态调整。为了解决上述技术问题，本专利技术还提供了一种云操作系统中计算物理资源节点负载评价的装置，包括：模型建立模块，用于建立至少两组计算物理资源节点负载的数据模型，所述数据模型中的每个特征向量包括资源负载类型及其加权系数，所述资源负载类型包括处理器、内寸、带宽和/或磁盘；计算模块，用于选择至少两组数据模型，根据所述两组数据模型中的特征向量计算马氏距离；负载评价模块，用于按照计算结果给出当前物理资源节点的负载评价。优选地，所述模型建立模块，用于建立两组计算当前物理资源节点负载的数据模型，所述数据模型包括：资源负载的总容量模型和资源负载的使用量模型；所述计算模块，用于根据资源负载的总容量模型的特征向量和资源负载的使用量模型的特征向量计算马氏距离。优选地，所述资源负载的总容量模型为：{a1*CC,a2*MC,a3*NC,a4*DC}，其中，a1、a2、a3、a4代表加权系数，a1+a2+a3+a4=1；CC代表处理器总容量，MC代表内存总大小，NC代表总带宽，DC代表磁盘总容量；所述资源负载的使用量模型为：{a1*CU,a2*MU,a3*NU,a4*DU}，其中，a1、a2、a3、a4代表加权系数，a1+a2+a3+a4=1；CU代表处理器过去一段时间平均已用量，MU代表内存过去一段时间平均已用大小，NU代表过去一段时间平均已用带宽，DU代表磁盘过去一段时间平均已用容量；所述计算模块，用于按照以下公式根据所述数据模型中的特征向量计算马氏距离，具体包括：其中，dij为马氏距离，用来度量物理资源节点的可用程度，T表示转置，-1表示矩阵的转置，xi和yj分别为两个数据模型中第i个和第j个特征向量，S为样本协方差矩阵。优选地，所述负载评价模块，用于按照计算结果给出当前物理资源节点的负载评价，包括：所述马氏距离的值越大，则该当前物理资源节点的负载越小，该物理资源节点的可用度越高。优选地，所述加权系数根据业务需要设定，或者根据算法动态调整。与现有技术相比，本专利技术提供的操作系统中计算物理资源节点负载评价的方法及装置，综合考虑了物理资源节点上各种负载的影响，通过改变加权因子动态调整关键负载分量对于负载评价的影响，并且通过对负载的评价，可以定位负载最优的虚拟资源宿主机，进而保证云操作系统的可用性和稳定性。附图说明图1是实施例中云操作系统中计算物理资源节点负载评价的方法流程图；图2是实施例中云操作系统中计算物理资源节点负载评价的方法流程图；图3是实施例中云操作系统中计算物理资源节点负载评价的装置的结构图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下文中将结合附图对本专利技术的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。实施例：如图1所示，本实施例提供了一种云操作系统中计算物理资源节点负载评价的方法，包括以下步骤：S101：建立至少两组计算物理资源节点负载的数据模型，所述数据模型中的每个特征向量包括资源负载类型及其加权系数；所述资源负载类型包括处理器、内寸、带宽和/或磁盘；本实施例并不排斥其他资源负载类型，比如I/O利用率等，通过建立包含各种资源负载的数据模型，来综合考虑各种负载对物理资源节点的影响。S102：选择至少两组数据模型，根据两组数据模型中的特征向量计算马氏距离；S103：按照计算结果给出当前物理资源节点的负载评价。在一个优选实施例中，如图2所示，本实施例的方法具体包括以下步骤：S201：建立两组计算当前物理资源节点负载的数据模型，这两组数据模型分别是：资源负载的总容量模型和资源负载的使用量模型；优选地，所述资源负载的总容量模型为：{a1*CC,a2*MC,a3*NC,a4*DC}，其中，a1、a2、a3、a4代表加权系数，a1+a2+a3+a4=1；CC代表处理器总容量，MC代表内存总大小，NC代表总带宽，DC代表磁盘总容量；优选地，所述资源负载的使用量模型为：{a1*CU,a2*MU,a3*NU,a4*DU}，其中，a1、a2、a3、a4代表加权系数，a1+a2+a3+a4=1；CU代表处理器过去一段时间平均已用量，MU代表内存过去一段时间平均已用大小，NU代表过去一段时间平均已用带宽，DU代表磁盘过去一段时间平均已用容量。由于处理器等负载在一段时间内的使用量变化很大，因此，将数据模型中的负载值取过去一段时间使用量的平均值，内存、带宽、磁盘等负载也同样取了使用量的平均本文档来自技高网...

【技术保护点】
一种计算云操作系统中物理资源节点的负载评价的方法，包括：建立至少两组计算物理资源节点负载的数据模型，所述数据模型中的每个特征向量包括资源负载类型及其加权系数，所述资源负载类型包括处理器、内寸、带宽和/或磁盘；选择至少两组数据模型，根据所述两组数据模型中的特征向量计算马氏距离，按照计算结果给出当前物理资源节点的负载评价。

【技术特征摘要】
1.一种计算云操作系统中物理资源节点的负载评价的方法，包括：建立至少两组计算物理资源节点负载的数据模型，所述数据模型中的每个特征向量包括资源负载类型及其加权系数，所述资源负载类型包括处理器、内寸、带宽和/或磁盘；选择至少两组数据模型，根据所述两组数据模型中的特征向量计算马氏距离，按照计算结果给出当前物理资源节点的负载评价；建立两组计算当前物理资源节点负载的数据模型，所述数据模型包括：资源负载的总容量模型和资源负载的使用量模型；根据资源负载的总容量模型的特征向量和资源负载的使用量模型的特征向量计算马氏距离，按照计算结果给出当前物理资源节点负载评价；所述资源负载的总容量模型为：{a1*CC,a2*MC,a3*NC,a4*DC}，其中，a1、a2、a3、a4代表加权系数，a1+a2+a3+a4＝1；CC代表处理器总容量，MC代表内存总大小，NC代表总带宽，DC代表磁盘总容量；所述资源负载的使用量模型为：{a1*CU,a2*MU,a3*NU,a4*DU}，其中，a1、a2、a3、a4代表加权系数，a1+a2+a3+a4＝1；CU代表处理器过去一段时间平均已用量，MU代表内存过去一段时间平均已用大小，NU代表过去一段时间平均已用带宽，DU代表磁盘过去一段时间平均已用容量；按照以下公式根据所述数据模型中的特征向量计算马氏距离，具体包括：其中，dij为马氏距离，用来度量物理资源节点的可用程度，i，j为正整数，T表示转置，-1表示矩阵的转置，xi和yj分别为两个数据模型中第i个和第j个特征向量，S为样本协方差矩阵。2.如权利要求1所述的方法，其特征在于：所述按照计算结果给出当前物理资源节点负载评价，包括：所述马氏距离的值越大，则该当前物理资源节点的负载越小，该物理资源节点的可用度越高。3.如权利要求1所述的方法，其特征在于：所述加权系数根据业务需要设定，或者根据算法动态调整。4.一种云操作系统中计算物理资源节...

【专利技术属性】
技术研发人员：郭锋，赵仁明，于辉，
申请(专利权)人：浪潮北京电子信息产业有限公司，
类型：发明
国别省市：