[发明专利]一种非确定性分离的web服务器集群伸缩方法

说明书

本发明的非确定性分离的web服务器集群资源伸缩方法，包括三个步骤：步骤1、构建非确定性分离的系统模型和决策模型，在剥离非确定性的理想环境下，对系统建立精确的数学模型作为系统模型，利用Alloy建模工具得到系统状态转移矩阵构建决策模型；步骤2、环境非确定性因素处理，定义补偿系数描述由环境变化及建模误差导致的非确定性因素，利用卡尔曼滤波动态估计该补偿系数的分布；步骤3、自适应伸缩策略求取，综合模型预测控制的滚动优化思想和博弈论方法，在步骤1中获得的系统决策模型上求解最优资源伸缩策略。本发明采取关注分离的思想，将系统模型设计和非确定性因素处理进行分离，通过独立步骤处理非确定性因素对伸缩决策的影响。

技术领域

本发明涉及一种非确定性分离的web服务器集群资源伸缩方法，属于计算机软件开发领域。

背景技术

WEB服务器集群伸缩技术是提高网站性能的主要途径之一。服务器集群伸缩方法需要决定如何在web服务运行时有效调整服务器数量以应对负载的变化。软件自适应是一种实现WEB服务器集群伸缩的有效方法，服务器集群通过在运行时不断地监测系统和负载的变化，动态地做出伸缩策略从而保证系统的功能性和非功能性需求被满足。

目前前瞻性软件自适应方法被广泛应用在自适应决策有延迟的场景下。现如今有两种主流的前瞻性软件自适应方法可用来实现服务器集群伸缩，一种是基于体系结构建模的自适应方法(PLA：Proactive Latency-Aware Adaptation)，另一种是使用控制理论实现软件自适应的方法(CobRA：Control-based Requirements-oriented Adaptation)。二者都采用了模型预测控制(MPC：Model Predictive Control)的滚动优化(receding horizon)思想，能够有效应对决策延迟问题。PLA方法只能解决已经被建模的非确定性因素，而未被建模的非确定性因素，如系统模型误差、环境预测误差等，会对自适应决策产生较大影响。同时，PLA方法将环境的概率性变化建模成马尔科夫决策过程，运行时时间消耗较大。CobRA方法在建模和调参过程中依赖于开发人员的领域经验和模型设计水平，通常需要开发人员人工地消除环境非确定性带来的负面影响。二者在工程代价和控制效果上都有较大的差距，将二者优势相结合可在一定程度上提高自适应控制效果。

发明内容

针对现有技术中存在的不足，本发明的目的在于提供一种非确定性分离的web服务器集群伸缩方法。

实现本发明目的的技术方案为：一种非确定性分离的web服务器集群伸缩方法，本方法采用关注分离思想，将对系统行为的建模和对非确定性因素的处理的分开进行，最后使用博弈论的方法求取最优自适应决策，能够实现在容忍非确定性因素影响的情况下对服务器系统的资源伸缩。包括以下步骤：

步骤1、构建非确定性分离的系统模型和决策模型，在剥离非确定性的理想环境下，对系统建立精确的数学模型作为系统模型，利用Alloy建模工具得到系统状态转移矩阵构建决策模型；

步骤2、环境非确定性因素处理，定义补偿系数描述由环境变化及建模误差导致的非确定性因素，利用卡尔曼滤波动态估计该补偿系数的分布；

步骤3、自适应伸缩策略求取，综合模型预测控制的滚动优化思想和博弈论方法，在步骤1中获得的系统决策模型上求解最优资源伸缩策略。

进一步的，步骤1构建系统模型和决策模型是在线下完成的。系统模型为对系统建立的理想状态下的精确数学模型，描述在不同环境下，服务器系统处于不同配置参数时的收益情况。决策模型为系统的状态转移矩阵，即在不同配置状态下，执行某种控制决策可将系统配置参数调整到某个目标状态。决策模型可以通过Alloy建模工具获得。系统模型和决策模型构成的确定的状态机模型用于后续步骤的博弈论求解过程。与传统PLA自适应方法不同，本方法的系统模型和决策模型剥离了环境非确定性的影响，并将其交由步骤2处理。