[发明专利]云计算平台监测预警方法和系统

权利要求书

1.一种云计算平台监测预警方法，其特征在于，包括以下步骤：

在监测周期到来时，获取云计算平台中各虚拟机的网络负载历史数据；所述网络负载历史数据为根据所述监测周期采集的预设数据长度的网络负载数据；

基于各所述网络负载历史数据，通过预测模型遍历各所述虚拟机，得到各所述虚拟机在下一个监测周期内的网络负载预测数据；

获取各所述虚拟机的系统配置信息，所述系统配置信息包括CPU内核资源数；

根据各所述系统配置信息和各所述网络负载预测数据，得到各所述虚拟机的系统空闲概率，并基于各所述系统空闲概率获取各所述虚拟机的系统使用度，所述系统空闲概率为可能的随机分布度量，所述虚拟机的系统适用度为概率分布；

在所述虚拟机的系统使用度大于预设故障阈值时，标记所述虚拟机并进行异常告警。

2.根据权利要求1所述的云计算平台监测预警方法，其特征在于，

在监测周期到来时，获取云计算平台中各虚拟机的网络负载历史数据的步骤之前包括步骤：

根据所述监测周期采集所述虚拟机的网络负载数据；

在得到所述预设数据长度的网络负载数据时，将所述预设数据长度的网络负载数据按先进先出顺序记录，得到列向量形式的网络负载历史数据。

3.根据权利要求2所述的云计算平台监测预警方法，其特征在于，所述预测模型为ARIMA模型；

基于各所述网络负载历史数据，通过预测模型遍历各所述虚拟机，得到各所述虚拟机在下一个监测周期内的网络负载预测数据的步骤包括：

根据所述列向量形式的网络负载历史数据，通过所述ARIMA模型得到各所述虚拟机在下一个监测周期中t+1时刻的网络负载预测数据λ(t+1)；

其中，t为所述预设数据长度中的某一个时间点；λ为所述列向量形式的网络负载历史数据中t时刻对应的网络负载数据。

4.根据权利要求3所述的云计算平台监测预警方法，其特征在于，根据所述系统配置信息和所述网络负载预测数据，得到所述虚拟机的系统空闲概率的步骤包括：

获取所述虚拟机的单个网络负载任务的执行时间，并基于以下公式根据所述系统配置信息，得到所述虚拟机的处理效率：

其中，μ为所述虚拟机的处理效率；T_task为所述虚拟机的单个网络负载任务的执行时间；

根据所述虚拟机的处理效率和所述网络负载预测数据，基于以下公式得到所述虚拟机的系统处理强度：

其中，ρ为所述虚拟机的系统处理强度；n为所述CPU内核资源数；λ(t+1)为所述网络负载预测数据；

根据所述网络负载预测数据、所述虚拟机的系统处理强度和所述CPU内核资源数，基于以下公式得到所述虚拟机的系统空闲概率：

其中，P0为所述虚拟机的系统空闲概率；m为所述虚拟机内存中网络负载任务队列最大长度；k为所述虚拟机CPU内核的序号，k的取值为从0到n-1。

5.根据权利要求3所述的云计算平台监测预警方法，其特征在于，所述系统配置信息还包括单字长定点指令平均执行速度；

根据所述系统配置信息和所述网络负载预测数据，得到所述虚拟机的系统空闲概率的步骤包括：

获取所述虚拟机的网络负载任务的反编译代码长度，并基于以下公式根据所述系统配置信息，得到所述虚拟机的处理效率：

其中，μ为所述虚拟机的处理效率；MIPS为所述单字长定点指令平均执行速度；L_ength为所述虚拟机的网络负载任务的反编译代码长度；

根据所述虚拟机的处理效率和所述网络负载预测数据，基于以下公式得到所述虚拟机的系统处理强度：

其中，ρ为所述虚拟机的系统处理强度；n为所述CPU内核资源数；λ(t+1)为所述网络负载预测数据；

根据所述网络负载预测数据、所述虚拟机的系统处理强度和所述CPU内核资源数，基于以下公式得到所述虚拟机的系统空闲概率：

其中，P0为所述虚拟机的系统空闲概率；m为所述虚拟机内存中网络负载任务队列最大长度；k为所述虚拟机CPU内核的序号，k的取值为从0到n-1。