[发明专利]云应用系统的负载管理方法及系统

说明书

本发明提供一种云应用系统的负载管理方法。该方法包括：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或物理机的预测负载值；基于所述预测负载值执行创建虚拟机、回收虚拟机或迁移虚拟机中的至少一项。根据本发明的方法，能够通过负载预测，实现了负载均衡和资源的预分配，从而提高了云应用系统的稳定性和资源的利用率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种用于云应用系统的负载管理方法及系统。

背景技术

为了实现网络中的资源共享和有效利用，在现有的云计算、云应用等场景中，往往采用虚拟机技术来整合各种计算资源、存储资源、数据资源以及软件资源等。

然而，由于部署在虚拟机上的云应用系统接收的云应用的用户请求量在不同时段存在巨大差异，往往会导致物理机或虚拟机的负载不均衡的情况，这严重影响了云应用系统的资源利用率或用户的网络体验。在现有技术中，通常是在系统异常或过载时，人为地创建新的虚拟机资源或通过迁移工具将物理机中的操作系统、应用和设置进行镜像复制，而缺乏有效的预测负载并根据预测值来均衡云应用负载的预管理机制。

发明内容

本发明的目的在于克服上述现有技术的缺陷，提供一种虚拟机的调度方法，该方法能够在降低开发的复杂度和成本的情况下，实现负载均衡，以进一步提高系统的稳定性和资源的利用率。

根据本发明的第一方面，提供了一种云应用系统的负载管理方法。该方法包括：

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或物理机的预测负载值；

步骤2：基于所述预测负载值执行创建虚拟机、回收虚拟机或迁移虚拟机中的至少一项。

优选地，步骤1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或物理机的预测负载值。

优选地，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。

优选地，创建虚拟机还包括：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。

优选地，回收虚拟机包括：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。

优选地，所述迁移虚拟机包括：当物理机处于过载状态时，确定迁移该物理机上的虚拟机；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。

优选地，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。

优选地，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