论文部分内容阅读
目前,云用户租用云资源时存在极大的浪费,按需使用云资源已经成为业界关注的焦点,普遍采用模拟的负载来预测云资源的需求。当前的负载模型主要针对特定应用或单应用类型,能覆盖的负载变化模式有限;基于负载的资源预测方法的准确性也受限于特定的负载和云资源的类型,无法适应云用户负载的多样性。为此,论文提出了云应用负载抽象层次模型及其实例化方法,解决“模拟现实负载”的问题,在此基础上提出了相应的云资源预测方法,解决“如何按负载使用资源”的问题。主要创新成果如下:(1)提出了一个云应用负载抽象层次模型。该模型由云应用抽象层次模型和负载变化抽象层次模型组成。云应用抽象层次模型用统一的数学方法描述不同类型云应用;负载变化抽象层次模型提取负载变化的本质特征,构建了到达过程通用模型和涵盖用户、应用、服务单元负载变化的层次模型。云应用负载抽象层次模型为生成变化模式多样的多应用混合负载提供了理论基础。(2)提出了云应用负载抽象层次模型的实例化方法和基于负载模型的负载自适应生成算法。实例化方法将云应用负载抽象层次模型实例化为各种类型的负载模型;负载自适应生成算法再根据实例化后的负载模型自适应生成对应的负载。实例化方法和负载自适应生成算法提供了基于负载抽象模型生成多应用混合负载的技术路线。(3)提出了基于云应用负载抽象模型的云资源预测方法。该预测方法将基于实例化后的负载模型生成的负载作为输入,多维度地构建了云资源模型,丰富了Profile阶段影响预测算法的因素,给出了不受应用类型、负载变化模式和云资源类型限制的云资源预测算法。实验结果表明,预测方法的准确率平均达到90.5%。基于上述理论成果,设计开发了自适应负载生成和性能监控工具Cloud-WG。该工具支持云用户定义自己的应用和待测的负载变化模式,为其自动生成相应的负载,并实时监控负载在云资源上的执行性能,为云用户使用云资源提供参考。论文从理论和实践为“按需使用云资源”构建了完整的解决方案。