[发明专利]一种针对虚拟机不同类型的业务并发量预测方法

说明书

本发明提供一种针对虚拟机不同类型的业务并发量预测方法，涉及云计算技术领域。一种针对虚拟机不同类型的业务并发量预测方法，首先采集虚拟机的历史业务并发量，并进行预处理，然后基于改进的1最近邻‑动态时间调整方法1NN‑DTW判断虚拟机业务并发量的类型；最后采用分类回归树拟合不具有周期变化的业务并发量；采用傅里叶级数FS和分类回归树CART拟合具有周期变化的业务并发量；本发明提供的针对虚拟机不同类型的业务并发量预测方法，对虚拟机各业务的并发量进行预测，可以为下一步虚拟机的增加或者减少提供依据，同时有助于准确估计虚拟机的软件老化状况，以达到提高工作虚拟机性能和可靠性的目的。

技术领域

本发明涉及云计算技术领域，尤其涉及一种针对虚拟机不同类型的业务并发量预测方法。

背景技术

软件老化普遍存在于云服务系统中，在虚拟机处理业务并发请求的过程中，操作系统、应用软件等不断地积累错误，导致工作虚拟机的性能逐渐下降，进而影响到云服务系统的服务质量。云平台的高可伸缩、动态重构特性为确保不同并发条件下的云服务质量提供了技术基础，然而现有的虚拟资源动态调整方法仍存在很多缺陷。

一般来说，虚拟机上部署着各种各样的业务，而且不同时间各业务并发量的变化趋势不同，例如，有的业务并发量在白天某段时间持续增加，在晚上某段时间持续减少，有的业务并发量持续循环波动，而有的业务并发量一直保持平稳。通过对云平台各业务的并发量进行预测，可以为下一步虚拟机的增加或者减少提供依据，同时有助于准确估计虚拟机的软件老化状况，以达到提高工作虚拟机性能和可靠性的目的。

由于用户操作、虚拟机业务以及其他不确定性因素在时刻改变，所以业务的并发访问量不仅会随着时间平稳变化，往往还具有上升、下降以及循环波动等趋势，传统的负载模型比如指数平滑模型只能大致刻画出业务并发量的变化趋势，不能很好地捕获其中的非线性变化特征。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种针对虚拟机不同类型的业务并发量预测方法，实现对虚拟机中不同类型的业务并发量进行预测。

一种针对虚拟机不同类型的业务并发量预测方法，包括以下步骤：

步骤1：采集虚拟机的历史业务并发量，并进行预处理，具体方法为：

步骤1.1：扫描一段时间内虚拟机的业务并发量，发现业务并发量的缺失点；

步骤1.2：对扫描到的业务并发量缺失点进行处理；

步骤1.2.1：对于个别采样点缺失的情况，采用前一周期和后一周期业务并发量的平均值进行填补，虚拟机第t个时间段的业务并发量con(t)缺失的计算如下公式所示：

步骤1.2.2：对于样本缺失达到百分九十以上的情况，舍弃全部样本并且将该段时间内业务并发量的值置为零；

步骤1.3：对于采集到的业务并发量中存在异常波动的极大极小样本进行异常值调整；

步骤1.3.1：结合四分位数计算t时间内虚拟机业务并发量正常取值的上限H和下限L，如下公式所示：

H＝Q3+k*(Q3-Q1) (2)

L＝Q1-k*(Q3-Q1) (3)

其中，Q1表示下四分位数，即t时间内业务并发量升序数列的百分之二十五位点，Q3表示上四分位数，即t时间内业务并发量升序数列的百分之七十五位点，k用于描述不合理采样点的异常程度，一般取1.5和3，分别代表中度和极度；

步骤1.3.2：通过图基检验方法判定各采样点数据是否正常，并对异常值进行调整；

如果采样点数据值被判定为错误业务并发量样本，则先将错误值丢弃，再用均值填补法补充；