[发明专利]IaaS云系统中物理机的主动更新方法、装置及服务器

摘要

本发明公开了一种IaaS云系统中物理机的主动更新方法、装置及服务器，其中的主动更新方法包括以下步骤获取IaaS云系统中每台物理机的历史故障数据；逐台对获取的历史故障数据进行分析处理，获得每台物理机历史故障数据的分布规律，并基于所得分布规律预测相应物理机的下次故障数据；依据预测结果对相应物理机执行更新操作，本发明的IaaS云系统中物理机的主动更新方法通过对每台物理机的历史故障数据进行分析、建模，获得物理机故障的发生规律并依据所获得的规律对下次故障发生点进行预测，动态的调整物理机的更新时机，与现有技术中设定固定更新时间或仅依据历史故障数据平均值的方法相比，可以更好的兼顾更新系统开销和云系统可靠性。

主权项

一种IaaS云系统中物理机的主动更新方法，其特征在于：包括以下步骤：获取IaaS云系统中每台物理机的历史故障数据；逐台对获取的历史故障数据进行处理，获得每台物理机历史故障数据的分布规律，并基于所得分布规律预测相应物理机的下次故障数据；依据预测结果对相应物理机执行更新操作；所述IaaS云系统中物理机的主动更新方法贯穿整个IaaS云系统运行过程；分别对获取的每台物理机的历史故障数据进行平滑处理，并区分每台物理机历史故障数据中的平滑点和非平滑点；所述平滑处理采用最小二乘法、傅里叶变换法或以下方法：对于第j台物理机的第i个历史故障数据gzi,j，首先，计算该历史故障数据的曲度余弦值yxi,j：yxi,j=gzi,j2-gzi-1,j×gzi,j-gzi,j×gzi+1,j+gzi+1,j×gzi-1,j1+(gzi,j-gzi-1,j)2×1+(gzi,j-gzi+1,j)2]]>其中，gzi‑1,j为gzi,j的前一点，gzi+1,j为gzi,j的后一点，yxi,j表示了以相邻三个历史故障数gzi‑1,j、gzi,j、gzi+1,j进行三角函数匹配的对应的凹凸度，其值表示了三点间的平滑程度，值越大表示越平滑，反之则越突出；然后，计算第i台物理机的历史故障数据的平均曲度PJQDj：PJQDj＝mean{yxi,j|0＜i≤DQL}其中，DQL为测得的历史故障数据的个数；最后，为测得的每个历史故障数据设一个标记变量IFTi,j：IFTi,j=1ifyxi,j<β×PJQDj0else]]>其中，β为经验系数，0＜β＜0.5；IFTi,j＝1表示对应的历史故障数据为平滑点，反之为非平滑点；求历史故障数据中平滑点的平均斜率及非平滑点的平均影响力，由所得平滑点的平均斜率和非平滑点的平均影响力共同预测下一个故障数据；所述非平滑点的平均影响力YXL定义如下：YXLj=Σ0<i≤DQLTPi,j×α(DQL-i)Σ0<i≤DQLα(DQL-i)]]>TPi,j=gzi,j-gzi-1,jifIFTi,j=1,IFTi-1,j=00]]>其中，α表示衰减因子，0＜α＜1；DQL为测得的历史故障数据的个数，IFTi,j为设置的标记变量，IFTi,j＝1表示对应的历史故障数据为平滑点，反之为非平滑点，gzi,j为第j台物理机的第i个历史故障数据，gzi‑1,j为gzi,j的前一点。