[发明专利]资源利用率预测感知的云数据中心虚拟机资源分配方法

权利要求书

1.一种资源利用率预测感知的云数据中心虚拟机资源分配方法，其特征在于，包括以下步骤：

各虚拟机监视器周期性地基于资源利用率的日志文件中的资源利用率数据预测所在的物理机上的每个虚拟机在下一资源重新整合周期的预测资源利用率；根据各虚拟机监视器所在的物理机上的每个所述虚拟机在下一资源重新整合周期的预测资源利用率，计算各虚拟机监视器所在的物理机在下一周期的预测负载状态，并将所述预测负载状态发送至所在的物理机上的局部管理器；

全局管理器从各局部管理器获取各物理机的预测负载状态；

全局管理器根据各物理机的预测负载状态，将预测负载状态为过载的物理机上的部分虚拟机迁移到其他负载状态为正常的物理机上；将所述预测负载状态为不足的物理机上的所有虚拟机迁移到其他负载状态为正常的物理机上，并将所述预测负载状态为不足的物理机置于低功耗状态。

2.根据权利要求1所述的资源利用率预测感知的云数据中心虚拟机资源分配方法，其特征在于，各虚拟机监视器采用自回归预测算法预测所在的物理机上的每个虚拟机在下一资源重新整合周期的预测资源利用率。

3.根据权利要求2所述的资源利用率预测感知的云数据中心虚拟机资源分配方法，其特征在于，所述各虚拟机监视器采用自回归预测算法预测所在的物理机上的每个虚拟机在下一资源重新整合周期的预测资源利用率，包括：

对于任一虚拟机监视器，分别利用该虚拟机监视器所在的物理机上的每个虚拟机的CPU利用率和内存利用率的历史数据，根据p阶自回归模型AR(p)创建自回归模型，得到每个所述虚拟机在下一个资源重新整合周期的预测资源利用率，所述预测资源利用率包括预测CPU利用率和预测内存利用率；

p阶自回归模型AR(p)用以下公式表示：

X_t＝a₀+a₁X_t-1+a₂X_t-2+…+a_pX_t-p+ε_t

其中，t∈Z，Z为整数集，ε_t为模型残差，X_t表示t时刻的观察值，数据X_t-i为已知量，i＝1,2,…,p，a₀、a₁、...、a_p为AR(p)的自回归系数。

4.根据权利要求3所述的资源利用率预测感知的云数据中心虚拟机资源分配方法，其特征在于，所述根据各虚拟机监视器所在的物理机上的每个所述虚拟机在下一资源重新整合周期的预测资源利用率，计算各虚拟机监视器所在的物理机在下一周期的预测负载状态，包括：

根据各虚拟机监视器所在的物理机上的每个所述虚拟机在下一资源重新整合周期的预测资源利用率，计算各虚拟机监视器所在的物理机在下一周期的预测资源利用率；

根据各虚拟机监视器所在的物理机在下一周期的预测资源利用率判定各虚拟机监视器所在的物理机在下一周期的预测负载状态。