[发明专利]云应用系统的负载管理方法及系统

权利要求书

1.一种云应用系统的负载管理方法，包括：

步骤1：根据用户请求量的历史数据序列估计下一个时间间隔的云应用系统中的虚拟机的预测负载值，包括：

将所述云应用的用户请求量的历史数据序列进行d次差分以获得平稳序列，其中，d是非负整数；

根据所述平稳序列的自相关函数和偏自相关函数确定模型ARIMA(p，d，q)的p、q值，其中，p，q为非负整数；

估计所述模型的自回归系数和滑动平均系数，以构建预测模型；

基于所述预测模型估计下一个时间间隔的云应用系统中的虚拟机的预测负载值；

步骤2：当虚拟机上的预测负载值大于第一负载阈值的频次达到频次阈值时，决定创建新的虚拟机；

根据该虚拟机上的所述预测负载值和所述第一负载阈值计算待创建的虚拟机的数量；

基于所述待创建的虚拟机数量和各物理机的当前资源可用率选择目的物理机。

2.根据权利要求1所述的方法，其中，还包括步骤3：

当虚拟机上的预测负载值低于第二负载阈值时，决定回收虚拟机；

从物理机上移除该虚拟机。

3.根据权利要求1所述的方法，其中，还包括步骤4：

当物理机处于过载状态时，确定迁移该物理机上的虚拟机；

根据用户请求量的历史数据序列估计下一个时间间隔的云应用系统中的物理机的预测负载值；

基于各物理机的预测负载值选择待迁入的目的物理机集合；

基于所述目的物理机的资源可用率来确定目的物理机的迁入优先级；

基于迁移物理机上的虚拟机的资源利用率确定虚拟机的迁出优先级；

基于所述目的物理机的迁入优先级和虚拟机的迁出优先级执行虚拟机到目的物理机的迁移。

4.根据权利要求3所述的方法，其中，所述过载状态是指物理机的CPU、内存及网络带宽利用率中至少一项达到预设的最大资源利用率阈值。

5.根据权利要求3所述的方法，其中，所述虚拟机的迁出优先级根据下式来确定：

MigrateValue＝R_CPU*W_cpu+R_memory*W_memory+R_network*W_network

其中，MigrateValue表示计算的迁出优先级；R_cpu表述虚拟机处理器的利用率；R_memory表示虚拟机的内存利用率；R_network表述虚拟机网络带宽的利用率；W_cpu表示cpu维度上资源利用率对迁移优先值的贡献权重，W_memory表示内存维度上资源利用率对迁移优先值的贡献权重，W_network表示网络带宽维度上资源利用率对迁移优先值的贡献权重，其中，W_cpu+W_memory+W_network＝1。

6.根据权利要求3所述的方法，其中，所述目的物理机的迁入优先级根据下式来确定：

FitnessValue＝R_CPU-A*W_cpu-A+R_memory-A*W_memory-A+R_network-A*W_network-A

其中，R_cpu-A表示物理机处理器的可用率；R_memory-A表示物理机的内存可用率；R_network-A表示物理机的网络带宽的可用率；W_cpu表示待迁移的虚拟机对CPU资源的需求权重；W_memory-A表示对内存的需求权重，W_network-A表示对网络带宽的需求权重，其中，W_cpu-A+W_memory-A+W_network-A＝1。

7.一种云应用系统的负载管理系统，包括：

用于根据用户请求量的历史数据序列估计下一个时间间隔的云应用系统中的虚拟机的预测负载值的装置，其中，所述估计下一个时间间隔的云应用系统中的虚拟机的预测负载值包括：

将所述云应用的用户请求量的历史数据序列进行d次差分以获得平稳序列，其中，d是非负整数；

根据所述平稳序列的自相关函数和偏自相关函数确定模型ARIMA(p，d，q)的p、q值，其中，p，q为非负整数；

估计所述模型的自回归系数和滑动平均系数，以构建预测模型；

基于所述预测模型估计下一个时间间隔的云应用系统中的虚拟机的预测负载值；

用于基于所述预测负载值执行创建虚拟机的装置，其中，所述创建虚拟机包括：

当虚拟机上的预测负载值大于第一负载阈值的频次达到频次阈值时，决定创建新的虚拟机；

根据该虚拟机上的所述预测负载值和所述第一负载阈值计算待创建的虚拟机的数量；

基于所述待创建的虚拟机数量和各物理机的当前资源可用率选择目的物理机。