[发明专利]云环境下的敏捷弹性伸缩方法

说明书

技术领域

本发明涉及云计算的弹性计算领域，特别涉及一种云环境下的敏捷弹性伸缩方法。

背景技术

随着云计算时代的到来，数据中心的高能耗逐渐成为一个突出的问题。自2011年以来，全球数据中心的能源消耗已经接近100,000,000,00KWh，并产生了超过40,568,000吨的CO2，然而大部分数据中心的资源利用率只有20～30%。云计算将数据中心的资源以一种量入为出pay as you go）的方式租赁给用户，允许用户根据当前的需求定制适量的资源。弹性伸缩技术，使得应用集群的规模可以根据应用的实施负载进行动态调整，从而在保证服务质量的情况下最大程度低节省资源。结合服务器整合技术（采用虚拟机迁移技术，将资源利用率较低的服务器上的虚拟机整合到一起，从而关闭部分服务器），能极大地提高服务器的资源利用率，从而减少资源消耗。

然而当前大部分的应用需要在很多方面保证很高的服务质量，例如响应时间、可靠性、吞吐量等。不能保证服务质量，将意味着用户的流失，从而导致企业收入的下降。然而应用负载是很难准确预测的，虽然它会随着时间、星期、季节呈现一定的周期性变化，但同时具有很大的随机性。当前大部分精度较高的预测算法，时间开销都较高。同时分配部署资源也有一定的开销，虚拟机从特定的镜像启动，直至应用投入使用需要一定的时间（称为冷却时间，大约3到10分钟），在这段时间内服务质量很难得到保证。因此，在保证SLA的情况下最小化开销，很具挑战性。

尽管目前存在一些弹性伸缩的专利，然而大都根据资源负载进行资源调整，忽略了应用访问量和资源需求的直接关系。例如专利号为EP2570922A1的专利，提出了《一种管理弹性集群的方法和系统》。该方法根据虚拟机当前的负载进行弹性伸缩，当虚拟机负载高于某个阈值时则增加虚拟机；当虚拟机负载低于某个阈值时，移除一部分虚拟机。并且根据虚拟机进入集群的时间分配优先级，进入越晚的虚拟机，优先级越小。系统以优先级最小的虚拟机负载作为伸缩条件，以减少监控开销。然而基于资源负载驱动的弹性伸缩策略，存在一定的滞后性，在冷却时间内无法保证服务质量。

发明内容

本发明针对现有技术中弹性伸缩策略存在的滞后性，无法在冷却时间内保证服务质量的缺点，提供了一种新型的云环境下的敏捷弹性伸缩方法。

为实现上述目的，本发明可采取下述技术方案：

云环境下的敏捷弹性伸缩方法，具体步骤如下：

负载预测步骤：根据数据中心的历史负载数据对下个时间片进行负载预测，所述负载预则使用ARIMA模型和ARMA模型以所述时间片为周期以实现负载预测；

虚拟机快速供给步骤：包括对虚拟机的保存操作和恢复操作，保存操作将虚拟机的内存状态进行保存以实现虚拟机的挂起，随后通过恢复操作恢复虚拟机的内存状态恢复虚拟机的使用；

敏捷弹性伸缩步骤：利用所述负载预测步骤得到的数据中心的负载预测，应用所述虚拟机快速供给步骤将一个或者多个应用就绪的虚拟机挂起或者快速投入使用，实现对数据中心应用集群的资源的动态调整。

作为优选，所述负载预测步骤包括一级负载预测和二级负载预测，其中，一级负载预测以1h为周期，二级负载预测以1min为周期。

作为优选，所述一级负载预测具体包括以下步骤：

1-1）获取历史负载数据，历史负载数据从负载群衡器中直接获取或者通过分析日志文件得到；

1-2）计算样本值，对收集到的最近一个时间片的历史负载数据进行排序，将其分位数统计量作为新的负载样本并将新的负载样本放入历史负载数据中；

1-3）样本平稳化，即取出最近的多个时间片的负载样本作为序列w，对序列w进行周期性差分运算后，进行查封运算，直至得到的序列w为平稳序列；

1-4）将步骤3得到的平稳序列w作为训练数据，根据AIC准则进行ARMA定阶后，通过最大似然估计或者最小二乘法确定公式中的未知参数；

1-5）根据步骤4的公式得到预测样本w_t；

1-6）根据公式1≤k＜t对上述预测样本w_t进行复原操作得到▽_Sx_t后，得到预测值x_t＝x_t-S+▽_Sx_t。

作为优选，所述二级负载预测采用公式r(t+1)＝βr(t)+λ(t-1)+(1-β-λ)r(t-2)计算预测值，其中β＝0.8,λ＝0.15。

作为优选，所述敏捷弹性伸缩步骤具体包括以下步骤：