[发明专利]基于应用负载的自适应资源供应方法

说明书

技术领域

本发明属于云计算资源管理领域，涉及一种应用负载预测技术，具体涉及一种云计算中基于应用负载的自适应资源供应方法。本发明根据应用负载的历史数据，分析负载的模式并动态地选择相应预测模型，对应用将来一段时间内的负载情况进行预测。

背景技术

云计算作为一种新型的服务模式，得到了公众的广泛关注。近年来，不断发展进步的虚拟化软件使得云计算能够灵活地提供可扩展性，弹性和低成本的基础设施。凭借这些优势，云计算逐渐成为现代IT解决方案中的普遍选择。基础设施即服务的提供商使用虚拟化技术来封装应用并为没有合作关系的用户提供隔离。然而静态的为虚拟机划分物理资源，可能会导致许多问题。通常，应用的负载是不断变化，如果根据应用的峰值负载为其分配资源，这样会导致大量资源的浪费。相反地，如果为应用分配的资源少了，应用可能在某些时刻会因为资源的不足而违反应用服务目标。为了实现资源的有效利用并保证应用的性能，云环境需要一个高效的资源供应系统。

虽然现有技术公开了一些针对云计算应用的资源供应方法和技术，但是解决从负载模式分析到为不同模式的负载提供合适的预测模型这一关键重要需求上，这些方法仍存在一些问题，主要有：

1.对负载模式认识不够清晰。负载的基本模式有周期性模式和非周期模式，也就是应用负载呈现出周期性特征或非周期性特征。事实上，有些应用的负载表现出多种模式相混合的特征。比如，在一段时间内负载呈现出周期性，而后却表现出非周期特点，一段时间后又出现周期性特征的负载；或者负载的周期会发生改变的周期性负载。所以对于应用，实践中需要实时地检测应用负载的模式，然后选择相应的预测模型进行预测。然而目前的资源供应方法中，有些并没有考虑负载的模式就直接建立预测模型，有些方法考虑了应用的模式来建模预测。对于这些资源供应方法，如果负载模式发生改变，而预测模型不能及时地发现并进行调整，这样会导致严重的预测误差，从而影响资源的整体供应。

2.开销大。目前尚无一个通用的预测模型，能够对所有模式的负载可以进行很好的预测，即不同模式的负载需要不同的预测模型来保证预测的准确度。有些方法采用多种预测模型同时对负载进行预测，然后选择准确度比较高的结果。这种预测方法虽然能够取得好的预测结果，但是多个预测模型方法同时进行预测会导致方法本身的开销变大。

⒊预测的准确性。不同的负载模式需要不同的预测模型。对于非周期性应用，尤其是具有很多尖峰的应用，因为负载序列不存在明显的自相关性，序列之间的随机性很大，对这种负载的预测具有很大的挑战性。对于周期性序列，周期性预测模型能够获得很好的预测效果，同时也能降低预测的计算开销。

由此可见，在云计算资源管理中，为了实现资源的高效利用，降低应用成本，动态地为应用提供所需资源是非常重要的。预测结果作为分配资源的依据，其准确性直接影响系统应用的性能。本发明拟提出一种基于应用负载的自适应资源供应方法，其考虑了应用的模式，实现预测模型的动态切换，在保证准确性的前提下，降低本身计算开销。

与本发明相关的现有技术有：

[1]Gong,Z.,Gu,X.,Wilkes,J.:PRESS:PRedictive Elastic ReSource Scaling for cloud systems.In:2010International Conference on Network and Service Management,pp.9-16.Niagara Fall,ON(2010)

[2]Peter,J.B.,Richard,A.D.:Introduction to Time Series and Forecasting.Springer-Verlag New York Inc.,2002.

发明内容

本发明的主要目的是针对云计算环境中现有的各种资源供应方法中存在各种问题，提出一种基于应用负载的自适应资源供应方法。该方法通过对应用负载历史数据处理，分析出负载的模式，然后动态地选择相应的预测模型。

具体的，本发明的基于应用负载的自适应资源供应方法，包括两个模块：预测模块和调整模块，其中预测模型包括周期性预测模型和多项式拟合预测模型。所述的周期性预测模型主要针对具有周期性特征的负载，多项式拟合预测模型主要是针对非周期性负载。

本发明中，所述的预测模块给定应用负载的历史序列，预测模块能够计算出该应用在将来一段时间内的负载情况。

预测模块包含三个子模块，分别为：选择器，周期性预测模型和多项式拟合预测模型。

（1）选择器