[发明专利]基于线性相关性及分段性装箱理论的虚拟机资源整合方法

说明书

本发明公开了一种基于线性相关性及分段性装箱理论的虚拟机资源整合方法，包括动态整合和静态整合两个阶段。第一阶段利用改进的动态整合算法对系统内的初始状态虚拟机进行整合，尽可能地降低整合后虚拟机的资源利用率峰值‑均值差；当虚拟机资源利用率平均峰值‑均值差低于一个特定预设的阈值时，可以认为虚拟机资源利用率平均峰值‑均值差为一个常数值序列，这样在进行第二阶段静态合并过程种不会造成新的附加资源浪费。第二阶段利用静态整合部分选用降序首次适应算法，能为本发明的整合过程提供足够的全局资源优化能力。

技术领域

本发明属于云计算技术领域，更为具体地讲，涉及一种基于线性相关性及分段性装箱理论的虚拟机资源整合方法。

背景技术

虚拟机资源整合算法是数据中心虚拟资源管理软件的核心策略。这类虚拟机资源整合算法可以通过检测运行虚拟机中未使用的资源，重新将这些碎片资源回收到虚拟资源池加入整合利用，从而达到资源节约的目的。因此，虚拟机资源整合的效率在很大的程度上决定了数据中心的运行效率。

通常，根据虚拟机资源利用率采样序列的不同，可以将对虚拟机某项资源的整合算法分为静态整合和动态整合两类。静态资源整合算法使用一个静态的数值，即一个定值来表征虚拟机在整个算法运行时间段内的资源利用率。根据系统对资源利用率和QoS性能的不同要求，这个数值可以分别使用虚拟机资源利用均值，峰值或在假设资源利用率分布服从正太分布的情况下使用μ+2δ表征。而动态资源整合算法要求以一定的时间均匀间隔预测生成虚拟机在未来算法运行时间段内的资源利用率序列。因此，动态资源整合算法的资源利用率是一个动态变化的随机序列。

但是这现有的两类算法都具有明显的固有缺陷：静态整合类算法因为使用固定值表征资源利用率，虽然这有利用于减小算法进行全局优化时的复杂度，但无法对资源利用率峰谷时段的碎片资源进行有效利用。而动态整合类算法主要利用线性相关性分析等技术手段搜寻系统内资源利用率峰谷互补性最好的虚拟机进行配对整合，使用这种类型的算法进行的整合可以取得良好的局部资源互补效果。但动态整合类算法的整合过程只受线性相关系数约束而缺乏对全局优化能力的约束和控制能力，在算法的后段可能会因为相关系数的过大和整合中的整数线性规划问题提前中止算法的运行，因此资源整合效率的提升同样有限。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于线性相关性及分段性装箱理论的虚拟机资源整合方法，通过分段式迭代线性相关性整合算法SICC能够提高虚拟机的资源整合效率。

为实现上述发明目的，本发明一种基于线性相关性及分段性装箱理论的虚拟机资源整合方法，其特征在于，包括以下步骤：

(1)、生成各初始状态虚拟机(VM)在未来指定时间段的资源利用率时间序列

(1.1)、定义一个标准VM所具有资源量，将其计为c；

收集各VM在过去指定时间段内t次采样的历史原始资源使用量k＝1,2,…,M，M表示系统中VM的总台数，t＝1,2,…,N，N表示过去指定时间段内采样的总次数；

(1.2)、计算各占标准VM资源量c的百分率，并标记为VM历史状态原始资源利用率；

(1.3)、利用步骤(1.1)中各VM的历史原始资源使用量构成采样序列再检测序列平稳性，并完成拟合模型选定和定阶；

(1.4)、根据所得模型，采用1步递推预测法生成各VM未来指定时间段的资源利用率时间序列

(2)、求得各VM之间的相关系数矩阵Matrix^coeff

(2.1)、使用皮尔逊相关系数公式计算任意VM_i与VM_j之间的相关系数r_ij，i,j∈[1,M]；