[发明专利]虚拟环境下细粒度的CPU资源使用预测方法

摘要

本发明公开了虚拟环境下细粒度的CPU资源使用预测方法，该方法基于Xenmon与Sar两种系统性能监控工具收集的CPU利用率的差值，采用统计学习方法，提出虚拟机管理器调度的额外CPU消耗预测模型。在此基础上，针对突发性和非突发性两种不同负载特征提出相应的CPU使用概率密度函数预测方法。这种细粒度的CPU资源使用预测方法为系统资源优化配置提供了良好的基础。

主权项

1.虚拟环境下细粒度的CPU资源使用预测方法，其特征在于，包括如下步骤：11）虚拟机管理器调度的额外CPU消耗预测步骤：使用两个不同层次的性能监控工具Sar和Xenmon收集CPU使用数据，所述性能监控工具Sar收集U_os和U_app两个部分，所述Xenmon记录各个虚拟机的资源使用情况，利用Xenmon与Sar的差值，采用统计学习的方法预测U_vm，具体预测函数如下：U_vm＝aU²+bU+c.   公式（a）所述U为CPU利用率，由应用系统U_app、操作系统U_os和虚拟机管理器调度U_vm三部分组成：U＝U_app+U_os+U_vm.   公式（b）其中，U_app由应用系统的负载决定，U_os视为常量；12）针对非突发性负载，细粒度的CPU使用预测步骤：对于非饱和系统，可通过实验的方式，进行有限的取样，然后使用以下公式预测CPU利用率的概率密度函数：g(x)=12πσ2e-(x-U)22σ2.]]>公式（c）其中，σ²是方差正态分布g(x)的方差；对于半饱和和全饱和系统，首选采用公式（c）进行预测，得到正态分布g(x)，采用同等面积的梯形S₁来替代S₂，即CPU利用率的概率分布由S₁，S₃和S₄组成，其中，τ为一个自定义的临界值，即CPU利用率大于此值时系统饱和，CPU利用率的概率分布函数可以表达为：公式（d）其中，h可通过求解以下方程组得到：1-S₄＝S₁+S₃S4=∫x=0τg(x)dx]]>S1+S3=g(τ)+h2(1-τ)]]>其中，S₁，S₂，S₃和S₄分别为正态分布g(x)中各个部分的面积。13）将突发性负载产生的CPU使用情况看作是两个状态下CPU概率密度函数的叠加步骤：采用以下公式进行预测：f(x)＝Ff_b(x)+(1-F)f_n(x).   公式（e）其中，F是突发负载发生频率，f_b(x)为突发状态下CPU概率密度函数，而f_n(x)为非突发状态下CPU概率密度函数。