[发明专利]一种云数据中心大规模异构集群节点快速定量分级方法

摘要

本发明公开了一种云数据中心大规模异构集群节点快速定量分级方法，本发明逻辑上主要包括三个部分，分别是集群节点性能参数预处理、集群节点性能参数矩阵标定和集群节点性能参数软聚类。本发明首先针对云数据中心集群节点中各种不同量纲级的性能参数进行采集量化并做标准化处理；然后对标准化后的集群节点性能参数值进行标定，基于标定值引入相似系数法建立云数据中心中所有集群节点的性能参数模糊相似矩阵；最后基于传递闭包法对得到的模糊相似矩阵进行改造，使其变成模糊等价矩阵，并在适当的截距水平上对其进行截取，最终得到大规模集群节点性能参数聚类图。为云数据中心后续的数据布局、能耗优化等管理提供节点性能参照依据。

主权项

1.一种云数据中心大规模异构集群节点快速定量分级方法，其特征在于，包括以下步骤：步骤1.采集每个待分级的集群节点的性能参数，计算所有集群节点的每一个性能参数平均值和标准差，并对原始数据进行标准化，之后利用极值标准化方法将标准化数据压缩到一个统一的区间，最终完成云数据中心所有集群节点各个性能参数的预处理；步骤2.基于步骤1得到的集群节点性能参数标准化的量化值对其进行综合标定，并引入相似系数法建立云数据中心中所有集群节点的性能参数模糊相似矩阵；步骤3.利用传递闭包法结合乘幂关系对步骤2得到的模糊相似矩阵加以改造，通过多次迭代调用获得对应的模糊等价矩阵，然后在适当的截距水平上对其进行截取，最终得到大规模集群节点性能参数聚类图；所述步骤3中利用传递闭包法结合乘幂关系对步骤2得到的模糊相似矩阵加以改造，通过多次迭代调用获得对应的模糊等价矩阵的方法：步骤301.检查步骤207获得的性能参数模糊相似矩阵的自反性；通过自反性检查，进入步骤302；不通过自反性检查，进入步骤201重新进行标定；步骤302.检查步骤207获得的性能参数模糊相似矩阵的对称性；通过对称性检查，进入步骤303，不通过对称性检查，进入步骤7，重新进行标定；步骤303.检查步骤207获得的性能参数模糊相似矩阵的传递性；通过传递性检查，进入步骤304；不通过传递性检查，利用传递闭包法结合乘幂关系对步骤207得到的模糊相似矩阵加以改造，改造后的性能参数模糊相似矩阵在进行传递性检查，通过传递性检查，进入步骤304；不通过传递性检查，利用传递闭包法结合乘幂关系对改造后的模糊相似矩阵加以改造；步骤304.通过传递闭包法结合乘幂关系多次迭代调用获得步骤303得到的模糊相似矩阵对应的模糊等价矩阵；所述步骤304中通过传递闭包法结合乘幂关系多次迭代调用获得模糊相似矩阵对应的模糊等价矩阵的方法：利用函数公式f(R)＝R²进行多次迭代调用，形式如下：经过有限次的运算以后，必定有R^k＝(R^k)²成立，从而求出R的传递闭包t(R)＝R^k，而R^k就是有限论域A上的一个模糊等价矩阵，R为通过传递性检查的模糊相似矩阵，A为待传递性检查的通过模糊相似矩阵，A为有限论域；步骤305.通过截距水平λ对步骤304获得的模糊等价矩阵进行截取，得到一个新的模糊等价矩阵；步骤306.对截取得到的模糊等价矩阵进行归类，最终得到大规模集群节点性能参数聚类图；根据聚类图，对每个集群节点进行定量分级。