[发明专利]多云环境下云资源自动化运维的方法

权利要求书

1.多云环境下云资源自动化运维的方法，其特征在于，包括如下步骤：

步骤1，根据多云环境下云资源的各运维场中所有运维QoS属性值构成初始数据矩阵，并对其进行无量纲化得到归一化矩阵码Mc：

；

其中，所述归一化矩阵码Mc的每一行则代表一个运维场中的n个运维QoS属性值，归一化矩阵码Mc共有k个运维场；

步骤2，基于归一化矩阵码Mc，计算多运维场集合C的运维中心P_O和极界P_e，获取所有运维场的最大运维距离d_max和最小运维距离d_min，计算多运维场能级间的距离差△r；

步骤3，基于单一运维归类算法确定每一个运维过程实际划分到的运维场，估算每一个运维过程所在运维场的索引值i_f；

步骤4，根据多运维场集合C中的每一个运维场的势能值，形成按照势能值排序的运维场集合S={s₁,s₂,…，s_j,…}；

步骤5，计算两个运维场的总迁移延迟比；

步骤6，采用自回归预测模型预测运维场迁移期间的行为模式。

2.根据权利要求1所述的多云环境下云资源自动化运维的方法，其特征在于，所述步骤2中，所述运维中心P_O表示为：

P_O=(min[p₁], min[p₂],…，min[p_k])；

其中，[p₁]则代表第一个运维场的n个运维QoS属性值构成的一维矩阵，[p_k]则代表第k个运维场的n个运维QoS属性值构成的一维矩阵；

所述极界P_e表示为；

P_e=(max[p₁], max[p₂],…，max[p_k])；

计算多运维场集合C中所有的运维距离向量d_s：

；

其中是运维场s的第i个QoS属性值；是运维场中心的第i个QoS属性值；n表示一个运维场的n个QoS属性值。

3.根据权利要求2所述的多云环境下云资源自动化运维的方法，其特征在于，所述单一运维归类算法，包括如下步骤：

步骤3.1，基于运维场s的运维距离d_s计算运维势能E_ps ；

；

其中，为势能参数；

计算运维势能差：

，

计算第i_f个运维场的收缩及扩张势能值和，

；

；

其中，为第i_f个运维场的运维半径；

步骤3.2，将运维场s的势能E_ps与第i_f个运维场的平均势能、收缩势能值和扩张势能值作比较，确定运维场s的索引值；

步骤3.3，更新确定索引值的运维场s的平均势能。

4.根据权利要求1所述的多云环境下云资源自动化运维的方法，其特征在于，所述步骤5中，将实时运维场迁移的收敛系数定义为两个运维场的总迁移延迟比：

；

其中，T₁和T₂分别为两个运维场的迁移持续时间，V₁和V₂分别为两个运维场单位时间内传输的数据量。

5.根据权利要求4所述的多云环境下云资源自动化运维的方法，其特征在于，所述步骤6中，通过时间p内的一组运维场访问次数m₁,m₂,…，m_p和时间t白噪声的线性组合，得出周期t的运维场访问次数的预测值m_t：

；

其中，为线性最小二乘估计值，为估计参数；

根据线性模型的最小二乘估计方法，将上述线性方程组转换为以下三个向量：

；

将预测值m_t等式改写为。

6.根据权利要求5所述的多云环境下云资源自动化运维的方法，其特征在于，使用长度为N的样本数据来拟合回归模型，假设M₀是一维回归模型的残差平方和，M₁是一维回归模型的平方余数，回归模型分布F如下：

；

长度为N的样本数据遵循F分布。