[发明专利]IaaS云环境下物理主机资源状态预测方法

权利要求书

1.一种IaaS云环境下物理主机资源状态预测方法，其特征在于包括以下步骤：

步骤A:将IaaS云资源需求预测过程确立为隐式马尔可夫过程；

步骤B:确定物理主机资源的观察状态集合和隐式状态集合；

步骤C:构建IaaS云平台资源预测的隐式马尔可夫过程模型；

步骤D:根据该IaaS云平台资源预测的隐式马尔可夫过程模型的预测状态，进行资源调度；

其中，步骤D中，云平台资源的状态预测方法包括：

步骤D1:确定初始化Viterbi变量：δ₁(i)＝π_ib_i(O₁)；

其中，1≤i≤N，N是物理状态主机的集合，O₁为物理主机在起始时刻对应的观察状态，bi(O₁)为物理主机在起始时刻对应的观察状态O₁的概率，π_i为初始状态概率；

步骤D2:根据递归关系确定整个预测周期内，每个时刻对应的Viterbi变量以及记忆变量；

其中，2≤t≤T，1≤j≤N，a_ij表示从状态i到状态j的转移概率，为概率最大路径上当前状态的前一个状态，T为一个完整的预测周期对应的终结时间点；b_j(O_t)为物理主机在t时刻对应的观察状态O_t的概率，记忆变量为每个时刻对应的Viterbi变量值对应的上一个时刻的隐状态参数；

步骤D3:确定递推结果：

步骤D4:根据递推结果进行路径回溯，确定每个预测周期内的状态参数t＝T-1,T-2,...,1；

步骤D5:根据路径回溯结果，预测云平台资源在T时刻的状态。

2.根据权利要求1所述的IaaS云环境下物理主机资源状态预测方法，其特征在于，

所述隐式马尔可夫过程模型中，其通过Viterbi算法给出一个场景的预测过程，以驱动构建该隐式马尔可夫过程模型。

3.根据权利要求1所述的IaaS云环境下物理主机资源状态预测方法，其特征在于，

所述步骤A中的隐式马尔可夫过程模型通过一个五元组来描述：

λ＝(N,M,A,B,π)

其中：N是物理主机状态的集合，M是观察值的集合，A是状态转移概率矩阵，B是观察值的概率分布矩阵，π是初始状态概率分布。

4.根据权利要求3所述的IaaS云环境下物理主机资源状态预测方法，其特征在于，

所述物理主机状态的集合N为隐状态集，N＝{S₁,S₂,S₃}，其中，其中，S₁为物理主机欠载状态；S₂为物理主机正常状态；S₃为物理主机过载状态；

所述观察值的集合M为观察状态集，M＝{OUT,IN,NON}，其中，OUT为虚拟机迁出状态；IN为虚拟机迁入状态；NON为虚拟机无迁出迁入状态；

其中，初始状态概率：π＝{π₁,π₂,π₃}；

隐状态转移概率：A＝(a_ij)_3×3，其中a_ij表示从状态i到状态j的转移概率；

观察值分布概率：B＝b(M)，其中b(M)为M中元素的分布概率。

5.根据权利要求4所述的IaaS云环境下物理主机资源状态预测方法，其特征在于，

所述隐状态组成的状态序列为Q＝(q₁,q₂,…,q_t,…,q_T)，其中每个q_t∈N中的一个状态，由初始状态概率π和状态转移概率A决定；

所述观察状态组成的观察序列为O＝(o₁,o₂,…,o_t,…,o_T)，其中每个o_t∈M中的一个状态，由状态序列Q和各状态的分布概率B决定。