CN102387049B - 一种基于snmp协议的云服务质量评价方法 - Google Patents

一种基于snmp协议的云服务质量评价方法 Download PDF

Info

Publication number
CN102387049B
CN102387049B CN201110380173.7A CN201110380173A CN102387049B CN 102387049 B CN102387049 B CN 102387049B CN 201110380173 A CN201110380173 A CN 201110380173A CN 102387049 B CN102387049 B CN 102387049B
Authority
CN
China
Prior art keywords
service quality
cloud service
cloud
index
computing platform
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201110380173.7A
Other languages
English (en)
Other versions
CN102387049A (zh
Inventor
吕广杰
朱锦雷
朱波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Inspur Data Technology Co Ltd
Original Assignee
Inspur Electronic Information Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inspur Electronic Information Industry Co Ltd filed Critical Inspur Electronic Information Industry Co Ltd
Priority to CN201110380173.7A priority Critical patent/CN102387049B/zh
Publication of CN102387049A publication Critical patent/CN102387049A/zh
Application granted granted Critical
Publication of CN102387049B publication Critical patent/CN102387049B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明提供一种基于SNMP协议的云服务质量评价方法,是将云计算平台中的各项系统实时性能指标,按照统计学的方法,抽象为云服务质量得分,将关注焦点从软硬件层面提升到业务逻辑层面,通过设计“云服务质量专家评分样本表”构建评价模型,由于“云服务质量专家评分样本表”是由本单位技术专家填写的,所以由此建模得出的最终计算公式更具有权威性与说服力。通过本发明的方法,将各方面系统性能指标进行综合考虑,得出一个相对客观的评价得分,更加方便、及时地指导客户发现问题、解决问题,避免云计算平台的崩溃,方便客户及时了解云计算平台的运行情况,具有普遍性、适用性、实时性、系统性、实用性。

Description

一种基于SNMP协议的云服务质量评价方法
技术领域
本发明涉及云计算的服务领域,具体涉及一种基于SNMP协议的量化评价云服务质量的评价方法。
背景技术
随着信息科技的发展,云计算逐步成为业界的发展热点,国内外各大厂商的云计算服务平台也开始纷纷投入到科学、教育、文化、卫生、政府、高性能计算、电子商务、物联网等多个领域进行使用。
在云服务平台中,高效的网络与系统管理不仅是必需的,而且已经成为企业成功的先决条件。网络设备、服务器、存储或软件出现故障,将对企业的整个经营活动产生巨大影响。为了解决这一问题,云计算厂商往往将各项系统软硬件性能指标罗列给企业客户。这种方式虽然方便,但是对于非IT专业的客户来说,他们所关心的并不单单是软硬件层面上的运行情况,而是业务逻辑层面上的服务运行质量。如何从宏观的角度准确、及时地把握云计算平台的动态变化与运行状况,评价云计算平台的服务质量,成为当前需要亟待解决的关键问题。
传统的云计算平台的质量评价方法,只是将各项系统性能指标(如服务器使用率、CPU使用率、内存使用率、网络平均丢包率、网络传输率等)进行一一罗列。虽然这些数据在一定程度上表明了系统的运行状况,但是对于非IT专业的客户来说,他们很难在这些复杂的数据当中发现系统的异常之处,更不要说去解决异常。
一方面,云计算服务作为近年来新兴的IT服务模式,还没有形成统一、成熟的质量评价标准;另一方面,制定具备自主知识产权的“中国云”评价标准,对规范我国整个云计算行业发展和提升行业的国际竞争力都将起到巨大的作用。为此,我们提出了一种评价云服务质量的统计学量化标准。
发明内容
本发明的目的是针对现有的云计算平台缺乏量化服务性能评价方法的缺点,提出一种使用统计学方法来为云服务质量进行评价的方法。
本发明的目的是按以下方式实现的,系统结构包括:(1)搭建云服务质量评价模型,(2)SNMP协议获取系统基本性能指标,(3)计算云服务质量得分,其中,
(1)搭建云服务质量评价模型,通过调研、讨论、总结,将几项重要的系统性能指标设计为“云服务质量专家评分样本表”,并邀请云计算专家进行打分,根据所得样本,将各项系统性能指标包括:服务器使用率、CPU使用率、内存使用率、存储读写速率相对比、存储使用率、网络传输速率相对比、网络平均丢包率、系统正常运行时间比率、服务故障率,分别设为x1,x2,x3,…x9,得分设为Y,画出得分与各项系统指标的散点图,找出x1,x2,x3,…x9分别与y之间存在的线性关系,如果不存在明显函数关系,服务器使用率、CPU使用率、内存使用率、存储使用率、服务故障率在一定范围内对最终评价没有太大影响,但是一旦超过某一阈值,比如服务器使用率超过90%或者内存使用率超过80%,云计算平台的服务质量就会大幅度甚至灾难性降低,为了表现这种快速突变性,将这些指标设计为指数函数                                                
Figure 416182DEST_PATH_IMAGE001
的形式,其中n为各指标的突变阈值,m为经验参数,考虑到每一项指标对评分的影响是基本持平的,而且最终的得分范围在0到100分之间,于是各个m可以得到,根据各指标与得分关系,建立如下形式的云服务质量评分模型:
Figure 535448DEST_PATH_IMAGE002
随后建立Y与x1,x2,x3,…x9的线性模型Y=X*beta,利用最小二乘法,估计模型中的各项参数,得出云服务质量评分公式;
求参数的最小二乘估计步骤如下:
S1 把模型的各部分用矩阵表示:X=e,x1,x2,x3,…x9,其中,e为元素均为1的列向量,x1,x2,x3,…x9为各项治理指标的列向量;
S2 求出:系数矩阵
Figure 178917DEST_PATH_IMAGE003
;常数项矩阵
Figure 78740DEST_PATH_IMAGE004
;相关矩阵
Figure 644850DEST_PATH_IMAGE005
,即A的逆矩阵;
S3 则系数向量为beta_hat=C*B,即求出了模型中的所有系数,系数向量beta中的对应元素,云服务质量评分公式如下:
Figure 884202DEST_PATH_IMAGE006
    
对得到的模型按照计量经济学中的拟合优度检验方法进行检验,可得:
因此模型的拟合优度较好;
(2)SNMP协议获取系统基本性能指标,利用SNMP协议,通过访问共有MIB库,实时获得当前系统的各项性能状况指标,包括服务器使用率、CPU使用率、内存使用率、网络平均丢包率、网络传输率等,即x1,x2,…x9;
(3)计算云服务质量得分,将上一步获得的各项系统性能状况指标代入云服务质量评分公式中
 
便可获得当前云计算平台的服务质量评分;
本发明的有益效果是将云计算平台中的各项系统实时性能指标,按照统计学的方法,抽象为云服务质量得分,方便客户及时了解云计算平台的运行情况,具有普遍性、适用性、实时性、系统性、实用性。本发明的创新之处在于:将关注焦点从软硬件层面提升到业务逻辑层面,通过设计“云服务质量专家评分样本表”(如附图2)构建评价模型,并首次提出为云计算平台的服务质量进行评分的量化评价方法。
由于“云服务质量专家评分样本表”是由本单位技术专家填写的,所以由此建模得出的最终计算公式更具有权威性与说服力。通过本发明,将各方面系统性能指标进行综合考虑,得出一个相对客观的评价得分,更加方便、及时地指导客户发现问题、解决问题,避免云计算平台的崩溃。
经过实际检验,评分结果很好的展现了当前云计算平台的服务运行质量,当分值明显减小时,表明系统出现重要问题,提醒管理者进行维护,当客户的关注焦点发生变化时,只需邀请技术专家重新填写“云服务质量专家评分样本表”的“打分”项数据,进行建模,并按照最小二乘法计算评分公式;或者直接按照经验对云服务质量评分公式中的相关参数进行修改即可,可重复性极高。
附图说明
图1是该标准的实现流程示意图;
图2是云服务质量专家评分样本表;
图3是得分与各项系统指标的散点图。
具体实施方式
参照说明书附图对本发明的方法作以下详细地说明。
系统包括:搭建云服务质量评价模型(1),SNMP协议获取系统基本性能指标(2),计算云服务质量得分(3),其中:
搭建云服务质量评价模型(1)是该标准的核心。为各项系统性能指标(如服务器使用率、CPU使用率等)设计“云服务质量专家评分样本表”(如附图2),对云服务质量得分建立关于各项系统性能指标的线性模型,利用最小二乘法估计参数,得到评分公式。该模型重点关注云服务平台的运行质量;
SNMP协议获取系统基本性能指标(2),是该标准的数据获取方法,通过使用SNMP协议获得系统的各项性能指标数据;
计算云服务质量得分(3),将各项系统性能指标数据代入评分公式得出分值,实现对云服务质量的量化评价。
设计云服务质量模型,并利用最小二乘法估计参数,得出评分公式,实现了具体性能指标向抽象服务质量得分的转化,结果更加客观、科学、真实、易于客户理解。
使用广泛适用于各种服务器、存储以及网络设备的SNMP协议获取各项系统实时性能指标数据,具有适用性、实时性、快捷性。
实施例:
系统包括:搭建云服务质量评价模型(1),SNMP协议获取系统基本性能指标(2),计算云服务质量得分(3)。
其中,搭建云服务质量评价模型(1)是整个标准的核心。通过调研、讨论、总结,将几项重要的系统性能指标设计为“云服务质量专家评分样本表”(如附图2,至少30个样本),并邀请云计算专家进行打分。根据所得样本,将各项系统性能指标(服务器使用率、CPU使用率、内存使用率、存储读写速率相对比、存储使用率、网络传输速率相对比、网络平均丢包率、系统正常运行时间比率、服务故障率)分别设为x1,x2,x3,…x9,得分设为Y。画出得分与各项系统指标的散点图(如附图3),发现x4、x6、x8分别与y存在线性关系,x7与y存在幂函数关系。对于在图中与y不存在明显函数关系的x1、x2、x3、x5、x9,根据以往经验,服务器使用率、CPU使用率、内存使用率、存储使用率、服务故障率在一定范围内对最终评分没有太大影响,但是一旦超过某一阈值,比如服务器使用率超过90%或者内存使用率超过80%,云计算平台的服务质量就会大幅度甚至灾难性降低。为了表现这种快速突变性,尝试将这些指标设计为指数函数
Figure 939379DEST_PATH_IMAGE009
的形式,其中n为各指标的突变阈值,m为经验参数。考虑到每一项指标对评分的影响是基本持平的,而且最终的得分范围在0到100分之间,于是各个m可以得到。根据各指标与得分关系,建立如下形式的云服务质量评分模型:
Figure 829975DEST_PATH_IMAGE010
随后建立Y与x1,x2,x3,…x9的线性模型Y=X*beta。利用最小二乘法,估计模型中的各项参数,得出云服务质量评分公式。
求参数的最小二乘估计步骤如下:
S1 把模型的各部分用矩阵表示:X=(e,x1,x2,x3,…x9)(其中,e为元素均为1的列向量,x1,x2,x3,…x9为各项治理指标的列向量);
S2 求出:系数矩阵
Figure 564713DEST_PATH_IMAGE003
;常数项矩阵
Figure 173549DEST_PATH_IMAGE004
;相关矩阵
Figure 347041DEST_PATH_IMAGE005
,即A的逆矩阵;
S3 则系数向量为beta_hat=C*B,即求出了模型中的所有系数(系数向量beta中的对应元素),云服务质量评分公式如附录4。
对得到的模型按照计量经济学中的拟合优度检验方法进行检验,可得:
Figure 793941DEST_PATH_IMAGE007
因此模型的拟合优度较好。
 SNMP协议获取系统基本性能指标(2)是该标准的第二步,利用SNMP协议,通过访问共有MIB库,实时获得当前系统的各项性能状况指标(如服务器使用率、CPU使用率、内存使用率、网络平均丢包率、网络传输率等,即上一步的x1,x2,…x9)。
计算云服务质量得分(3)是该标准的第三步,将上一步获得的各项系统性能状况指标代入附录4中的云服务质量评分公式,便可获得当前云计算平台的服务质量评分。
除说明书所述的技术特征外,均为本专业技术人员的已知技术。

Claims (1)

1.一种基于SNMP协议的云服务质量评价方法,其特征在于:包括:(1)搭建云服务质量评价模型,(2)SNMP协议获取系统基本性能指标,(3)计算云服务质量得分,其中,
(1)搭建云服务质量评价模型,各项系统性能指标包括:服务器使用率、CPU使用率、内存使用率、存储读写速率相对比、存储使用率、网络传输速率相对比、网络平均丢包率、系统正常运行时间比率、服务故障率,分别设为x1,x2,x3,…x9,得分设为Y,云服务质量评分公式如下:
Figure 2011103801737100001DEST_PATH_IMAGE001
    
 (2)SNMP协议获取系统基本性能指标,利用SNMP协议,通过访问共有MIB库,实时获得当前系统的各项性能状况指标,包括服务器使用率、CPU使用率、内存使用率、存储读写速率相对比、存储使用率、网络传输速率相对比、网络平均丢包率、系统正常运行时间比率、服务故障率,即x1,x2,…x9;
(3)计算云服务质量得分,将上一步获得的各项系统性能状况指标代入云服务质量评分公式中
Figure 2011103801737100001DEST_PATH_IMAGE002
    
 便可获得当前云计算平台的服务质量评分。
CN201110380173.7A 2011-11-25 2011-11-25 一种基于snmp协议的云服务质量评价方法 Active CN102387049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110380173.7A CN102387049B (zh) 2011-11-25 2011-11-25 一种基于snmp协议的云服务质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110380173.7A CN102387049B (zh) 2011-11-25 2011-11-25 一种基于snmp协议的云服务质量评价方法

Publications (2)

Publication Number Publication Date
CN102387049A CN102387049A (zh) 2012-03-21
CN102387049B true CN102387049B (zh) 2014-02-19

Family

ID=45826049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110380173.7A Active CN102387049B (zh) 2011-11-25 2011-11-25 一种基于snmp协议的云服务质量评价方法

Country Status (1)

Country Link
CN (1) CN102387049B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102904773B (zh) * 2012-09-27 2015-06-17 北京邮电大学 一种网络业务质量的测量方法和装置
CN103297264B (zh) * 2013-04-19 2017-04-12 无锡成电科大科技发展有限公司 一种云平台故障恢复方法和系统
CN103561085B (zh) * 2013-10-30 2016-08-31 南京邮电大学 一种基于服务等级协议约束的服务云评价方法
CN105100152A (zh) * 2014-05-14 2015-11-25 腾讯科技(深圳)有限公司 应用服务器的选取方法和系统、应用客户端
CN104091226A (zh) * 2014-06-17 2014-10-08 电子科技大学 一种面向运营商oss域的信息模型质量评价方法
CN105991708B (zh) * 2015-02-10 2021-12-10 腾讯科技(深圳)有限公司 应用服务器的选取方法、装置和系统
US10108465B1 (en) 2016-06-23 2018-10-23 EMC IP Holding Company LLC Automated cloud service evaluation and workload migration utilizing standardized virtual service units
CN112446561A (zh) * 2019-08-13 2021-03-05 广东博智林机器人有限公司 广告设计图质量检测方法及装置
CN111404743A (zh) * 2020-03-13 2020-07-10 黄东 一种通用型云资源服务能力的评价体系
CN112785154A (zh) * 2021-01-22 2021-05-11 西安交通大学 一种云erp系统的安全评价方法
CN116939058B (zh) * 2023-09-15 2023-11-28 工业云制造(四川)创新中心有限公司 基于云制造模式的多协议设备接入方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003052611A1 (en) * 2001-12-15 2003-06-26 Thomson Licensing S.A. Videoconference session switching from unicast to multicast
CN101674204A (zh) * 2009-10-13 2010-03-17 东南大学 基于客户端的多媒体组播服务质量测量方法
CN102123056A (zh) * 2010-11-29 2011-07-13 东北大学 端到端Web服务质量监测系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2159962A1 (en) * 2008-09-02 2010-03-03 Thomson Licensing Method of collection of quality statistics and corresponding method of management of collection of quality statistics
FR2952775B1 (fr) * 2009-11-19 2012-01-13 Infovista Sa Serveur de mesure de performances et de suivi de la qualite de service utilisant une interface de ligne de commande.

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003052611A1 (en) * 2001-12-15 2003-06-26 Thomson Licensing S.A. Videoconference session switching from unicast to multicast
CN101674204A (zh) * 2009-10-13 2010-03-17 东南大学 基于客户端的多媒体组播服务质量测量方法
CN102123056A (zh) * 2010-11-29 2011-07-13 东北大学 端到端Web服务质量监测系统及方法

Also Published As

Publication number Publication date
CN102387049A (zh) 2012-03-21

Similar Documents

Publication Publication Date Title
CN102387049B (zh) 一种基于snmp协议的云服务质量评价方法
Shook et al. An assessment of the use of structural equation modeling in strategic management research
Stoyanov et al. Fat-tailed models for risk estimation
US8930339B2 (en) Search engine performance evaluation using a task-based assessment metric
Baru et al. Setting the direction for big data benchmark standards
Bajari et al. A note on semiparametric estimation of finite mixtures of discrete choice models with application to game theoretic models
DE202016008054U1 (de) Leistungsüberwachung in einem verteilten Speichersystem
Kumar et al. Phase II Shewhart‐type control charts for monitoring times between events and effects of parameter estimation
CN108924084A (zh) 一种网络设备安全评估方法及装置
Shu et al. Exponentially weighted moving average control charts for monitoring increases in Poisson rate
CN110135711A (zh) 一种情报管理方法及装置
Dong et al. Using a birth‐and‐death process to estimate the steady‐state distribution of a periodic queue
US7508773B2 (en) Method of analyzing the capacity of a computer system
Zhou et al. Bayesian estimation of truncated data with applications to operational risk measurement
Wang MaxEWMA control chart for a Weibull process with individual measurements
CN114610561A (zh) 系统监测方法、装置、电子设备及计算机可读存储介质
Caporale et al. Modelling long‐run trends and cycles in financial time series data
Renjini et al. A study of the effect of loss functions on the Bayes estimates of dynamic cumulative residual entropy for Pareto distribution under upper record values
Niemann Towards the prediction of the performance and energy efficiency of distributed data management systems
Marotta et al. Evaluating management architectures for Internet of Things devices
Pan et al. Optimization of engineering tolerance design using revised loss functions
CN108989095A (zh) 可抵抗恶意评价的公有云可信度评估方法及其评估系统
Bailis et al. PBS at work: Advancing data management with consistency metrics
WO2013189320A2 (zh) 一种虚拟桌面监控方法及装置
CN109766243B (zh) 一种基于幂函数的多核主机性能监控方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20170208

Address after: 250100 room S05, building S311, science and Technology Park, No. 1036, wave road, hi tech Zone, Shandong, Ji'nan

Patentee after: Ji'nan tide data Technology Co., Ltd.

Address before: 250014 Shandong Province, Ji'nan City hi tech Development Zone, Nga Road No. 1036

Patentee before: Langchao Electronic Information Industry Co., Ltd.