[发明专利]一种针对云计算中web应用的智能虚拟机集群缩放方法及系统

说明书

技术领域

本发明涉及云计算和自动控制领域，尤其涉及针对部署在云计算环境中web应用的虚拟机集群缩放问题。

背景技术

云计算作为基于互联网的增加、使用和交付相关计算服务的新模式，近年来得到了极大的关注。基础设施即服务(Infrastructure as a Service，IaaS)是云计算的重要服务形式。IaaS将云计算服务商的硬件资源虚拟化后，通过互联网将该资源交付到用户手中。用户可以根据自己需求的变化，以即用即付的形式使用IaaS的资源。

由于用户并发请求随着时间动态变化，因此将web应用部署在传统硬件服务器上，需要准备冗余的资源使得在用户访问的最高峰时段保证系统的响应时间。目前的IaaS服务商，如亚马逊的EC2及微软的Windows Azure，为用户提供了多种不同性能和价格的虚拟机实例，并且越来越多的服务商支持虚拟机在线性能缩放(如Windows Azure)。因此通过将web应用部署在IaaS上，管理者可以根据并发请求数量的变化，来动态的进行虚拟机集群的缩放，以达到节约运营成本的目的。由于IaaS拥有这样的弹性(Elasticity)特性，所以越来越多的企业将web应用部署在IaaS中，以提升web服务的伸缩性和可用性。

如何实时的选择不同数量和性能的虚拟机组合成集群，既满足访问量的变化，同时又最大化的节省运营成本，是解决虚拟机集群缩放问题的主要目标。当访问量发生变化时，人工调整虚拟机的方法很难及时地做出反应，并且同时选择最节约的虚拟机组合。目前解决该问题的自动控制方法主要是对特定应用的用户访问量变化趋势建立模型，然后使用该模型预测下一时刻的访问量，根据预测值选择虚拟机。这种方法的缺点在于，如果用户访问量的变化是无规律的，那么就无法建立适当的模型，同时针对一种应用建立的访问量模型，很难应用在其他类型的web应用中，因此这种方法的局限性较大。

为了解决现有技术中存在的问题，本发明提出了一种新的智能虚拟机集群缩放方法及系统(IntelligentVirtual Machine Scaling System，IVMS)。本方法不需要建立系统和访问量变化的模型，而是通过在线学习的方法，找到在不同用户访问量下最优的虚拟机组合，既满足系统性能的要求，同时又最大化的节约虚拟机的使用成本。

发明内容

本发明解决的技术问题是：针对部署在IaaS上的web应用，如何实时的选择虚拟机的数量和性能，达到既满足对系统性能的要求，又最大化的节省运营成本。web应用中“服务等级协仪(Service LevelAgreement，SLA)”规定的响应时间表示为res^sla，在t时刻的web应用的并发请求数量(ConcurrentRequest，CR)为CR，系统实际响应时间为res。我们注意到当前IaaS服务商提供给用户的不同内存大小和处理能力的虚拟机，是以计算单元来划分的，如亚马逊的EC2，其小型实例拥有1.7G内存及1个EC2计算单元，而其中型实例拥有3.4G内存及2个EC2计算单元，并以此类推。这表示一个虚拟机实例的性能可以用其计算单元的数量p来表示。因此虚拟机集群当前的状态可以表示为向量{p₁，p₂，...，p_n}(其中n为虚拟机集群中虚拟机数量最大值)，称之为虚拟机集群缩放方案(Virtual Machine Scaling Scheme，VMSS)。同时，虚拟机集群当前的总体性能可以用其所有虚拟机的计算单元之和表示，即

TPt=Σi=1npi---(1)]]>

在IaaS中，虚拟机单位时间内的使用价格与虚拟机性能是一一对应的，因此将集群中第i个虚拟机的价格表示为c，则在T时间内，虚拟机集群使用费用可表示为因此本发明解决的问题可以表述为在不同的CR下：