[发明专利]一种云计算资源预分配实现方法

说明书

技术领域

本发明属于云计算资源管理领域，具体涉及一种云计算资源预分配实现方法与系统。

背景技术

在数据中心中，虚拟机的资源分配问题是IT管理员维护云计算环境的一个基本问题。传统的分配方式基本上都是根据用户的实际请求来实时分配的，这样的分配必然存在一些潜在的问题，比如，如果整个系统处于繁忙的状态或请求突发性太强，就会造成较大的处理延时；而且，用户的资源需求有可能无法满足，这会极大地影响用户的满意度。所以，传统的分配方式往往要求用户提前很长时间就提出资源请求，这给用户带来了一些不便。另外，对于物理资源的购置，多依靠管理员的个人经验，缺乏专门的机制为管理员提供相关的参考信息。

通过对云计算环境使用记录的分析，可以得到以下几个特点：

1）云计算环境中通常存在一定数量的空闲资源来满足可能的需求；

2）对于特定类型的云计算环境，可能存在多种类型的虚拟机，比如根据安装的操作系统、中间件或应用来分类；

3）对于一个长期运行的云计算环境中可以获得大量详细的用户请求历史记录。

本发明是在国家863计划项目基金资助下，针对传统资源分配存在的问题，提出了一种云计算环境中资源预分配模型。

发明内容

云计算环境中资源预分配问题主要涉及各种类型的虚拟机和各种物理资源，预分配问题可以转化为一个需求预测的问题，它具有以下几个特点：

1）用户使用某类虚拟机或某个资源的可能是可以预测的；

2）在使用初期，稀疏的数据尽管不能产生有效的预测，但随着使用的增加，这种预测会越来越准确；

3）时间是一个关键的因素，这种预测与时间是相关的，可分为短期的和长期的预测。

本发明目的在于提供一种基于时间序列的组合资源预测方法，在获取用户请求历史记录后，按照虚拟机类型分别统计每一天用户的请求数量，建立基于虚拟机类型的时间序列，然后利用组合预测模型来预测下一阶段的请求情况。

1、宏观资源需求预测

基于用户请求历史记录建立时间序列组合预测模型，可以对未来的资源请求状况作一个宏观的预测。在保障一定的精度条件下，避免了对单个用户的过度关注，实现相对简单。从宏观的角度上预测，更有利着眼于用户请求的动态性（发展性、规律性和稳定性）。由于应用场景的不同精度差异较大，可以选择不同的预测模型来进行判断。在给定需要预测的某个时间的前提下，预测结果为每种虚拟机类型的总请求量。

2、周资源请求预测

根据对用户请求数据的分析，需求一般随着周一到周日呈现出规律分布。所以根据周一到周日分别建模预测，而且本周的数据训练完毕后就能对下一周的需求进行单步的预测，精度较高。另外，模型预测还应当满足短期的预测，比如下一周虚拟机的请求量和长期的预测，比如作为扩容购置新设备的评判标准。对于短期预测，用上述模型能较为精准地做出判断。对于长期的预测，就要用到预测技术中的多步预测，相对精度较低。

3、物理资源预测

此外，还可以分析需要的具体物理资源的数量，比如内存、磁盘和CPU等需求。对具体物理资源可以做出相对长期的预测，以便提示管理员做出购买与否的决定和协助管理员确定具体购买量的决策。此时，需要给出每种虚拟机类型的物理资源配置，同时能很好地实现由虚拟机数量到物理资源数量的转换。

一种云计算资源预分配实现方法，该方法包括下述步骤：

第一步：数据采集，以预定时间窗口搜集历史数据；为防止处理的历史数据过多，或者适应模型初期的稀疏数据，可以缩小时间窗口以匹配样本大小，比如一个月，甚至一个星期，当然这会带来一定的误差；

第二步：数据清洗，过滤掉请求次数少于预定次数的用户的请求；

第三步：模型训练，基于时间与虚拟机类型的矩阵建立组合预测模型，然后根据时间窗口持续地导入清洗后的数据进行模型训练，直到填满时间窗口，完成模型收敛；

第四步：数据预测，基于训练好的组合预测模型，对给定时间的资源请求做宏观预测；根据周资源预测模型，可以对下一周的需求进行单步的预测。此外，还可以分析具体物理资源的需求数量；

第五步：结果处理，根据应用场景的需求，展示预定的结果视图。在给定预测时间的前提下，预测结果包括每种虚拟机类型的总需求量、下一周虚拟机的需求量、具体物理资源的需求量；