CN104038392A - 一种云计算资源服务质量评估方法 - Google Patents

Abstract

一种云计算资源服务质量评估方法，本发明采用优化调整资源通过逐步变更虚拟机的配置来高效合理使用物理资源，并利用采集器采集虚拟资源、物理资源的CPU、内存使用效率数据存入数据库作为基础数据，通过对每一个物理资源，虚拟机资源历史数据计算出该资源使用的增加量或减少量，及增长速率和减少速率，通过和近期资源平均的使用率进行分析得出需要扩容还是缩小，等等。本发明一方面在保证质量的情况下合理使用运资源，另一方面也通过保证服务质量前提的条件下合理利用资源实现IT的绿色节能，节约资金的目的。

Description

一种云计算资源服务质量评估方法

技术领域

本发明属于云计算利用方法，尤其是云计算资源服务质量评估方法技术领域。

背景技术

近几年来随着科技的发展和云计算的出现,云计算作为一种新兴的应用模式迅速发展"云计算是一个虚拟资源池,通过互联网为用户提供资源池内的资源"云计算是一种基于互联网的共享基础架构的方法,面对的是超大规模的分布式环境,通过将成千上万台电脑和服务器连接在一起提供各种IT服务,旨在不断提高云的处理能力,进而减少用户终端的负担"云计算为用户完成各类应用服务提供了强大的计算能力,用户只需要通过一个简单的终端就可以享受云服务所带来的强大的处理能力。

云计算基础设施即服务之所以引起广泛的关注和应用，其原因在于云计算平台可以提供弹性的计算能力。所谓弹性，即云计算平台支持动态地扩展或收缩资源量，例如虚拟机的迁移变或更配置等。这就使服务提供商可以在服务负载量增加时扩展资源保证服务质量，在服务负载量减少时收缩资源节省开支。为了使云计算平台具备这样的弹性能力，我们需要对平台中的服务质量进行监控，并根据监控结果做出资源动态调整决策，即何时应该扩展或收缩资源量，所以服务质量监控与资源动态调整决策对云计算平台是十分重要的。

根据实际使用经验发现，用户申请的资源在实际使用过程中，一般只是通过负载均衡把负载大的物理机上的资源迁移到负载小的，一般用户自己申请的资源可能使用率太低（例如业务负载增长率相对较慢），大量虚拟资源的使用率都很低导致的资源浪费就没有很好体现出弹性计算的特点。

但同时由于需要根据历史负载量预测未来负载量，这种云计算平台需要详细准确的历史监控数据作为支撑。现有的关于服务质量监控的研究采用了不同的架构、协议或算法达到了在产生少量通信负载的情况下进行服务质量监控的目的，但其前提是在服务质量监控的场景中不需要得到准确的监控值，或者不要求在短时间内得到监控结果，所以现有的服务质量监控方法并不能及时获得详细准确的监控数据，所以并不能很好地支撑扩展决策。

基于监控服务质量分析的动态调整策略，是运用于云资源池架构下，痛过采集物理资源与虚拟资源的基本运行数据，通过数学建模的方法来对历史数据。对于服务质量监控问题，我们注意到，监控数据有两个重要的特点：分布性和持续变化性。监控数据的分布性使得获取服务的总体监控数据需要产生通信，而监控数据的持续变化性导致我们无法获取监控数据的实时值，如果我们希望得到更准确的监控数据，那么就要付出更大的通信代价。所以如何以较小的通信代价高效准确地进行服务质量监控是具有挑战性的。对于弹性扩展决策问题，该机制应接收一个预定义的阈值，根据服务质量监控的结果做出扩展和收缩决策，使监控数据保持在阈值范围之内。我们注意到，云计算平台的扩展需要一个不可忽略的启动和配置时间，为了在扩展过程中保证服务质量，我们需要通过某种方式预估服务未来的资源使用情况并提前进行扩展。如何确定扩展的时间是弹性扩展决策机制需要解决的主要问题，也是一项具有挑战性的工作。

针对以上两方面问题，本发明提出了一套适合云计算平台的服务质量监控和弹性扩展决策解决方案。该方案能够在消耗较少通信量的情况下获取尽可能准确的监控数据，结合资源扩展所需的延迟时间，在合理的时间点做出弹性扩展决策，为云计算的弹性能力提供了更好的支持。

发明内容

预测式扩展决策方法能够应对云计算平台扩展所需的延迟时间，但同时由于需要根据历史负载量预测未来负载量，这种方法需要详细准确的历史监控数据作为支撑。现有的关于服务质量监控的研究采用了不同的架构、协议或算法达到了在产生少量通信负载的情况下进行服务质量监控的目的，但其前提是在服务质量监控的场景中不需要得到准确的监控值，或者不要求在短时间内得到监控结果，所以现有的服务质量监控方法并不能及时获得详细准确的监控数据，所以并不能很好地支撑扩展决策

这类方法将云计算平台的历史监控值看作一个可预测的序列，并对该序列进行数学建模，可以使用回归、时间序列相似度分析等方法，那么下一个时间点的监控值就可以使用数学模型在下一个时间点的取值进行预测。在对云计算平台未来负载量进行预测后，就可以利用预测结果判断何时应该进行弹性扩展，做出弹性扩展决策。

本发明是通过下列技术方案来实现的:

一种云计算资源服务质量评估方法，本发明特征在于，基于服务相关的保障的参数统计分析，采用优化调整资源通过逐步变更虚拟机的大小来合理使用物理资源，并利用采集器采集云资源池架构的虚拟资源、物理资源的CPU、内存使用效率数据存入数据库作为基础数据，通过对每一个物理资源，虚拟机资源历史数据计算出该资源使用的增加量或减少量，及增长速率和减少速率，通过和近期资源平均的使用率进行分析得出需要扩容还是缩小；并通过采集云资源池架构，分析云服务的可用性、性能、吞吐率和利用率来评估云服务质量，展现物理资源与虚拟资源之间物理结构；

其方法是：

1） 通过架设好云资源池后，开放相关底层数据采集API接口，然后编写采集器程序，定时通过接口采集cpu，内存运行数据，并存放到数据库中；然后通过页面调用服务层接口把数据在页面上展现出来；

2） 利用云平台采集到的历史数据作为基础数据：首先计算业务系统的可行性即100%-业务故障时间占比，第二分析单位时间内处理的服务请求数量，第三分析一段时间内己经利用的资源与总资源之间的比值；通过这三部给云服务评分，最后结合虚拟机使用CPU、内存资源一天、一周内的增长率和当前虚拟机情况进行服务的调整；

3） 基于以上的服务质量评估，再结合虚拟机使用CPU、内存资源一天、一周内的增长率和当前虚拟机情况，通过对每一个物理资源，虚拟机资源历史数据计算出资源使用的增加量或减少量，及增长速率和减少速率，通过和近期资源平均的使用率进行分析得出需要扩容还是缩小；（基于服务评估质量，当平均 CPU 利用率大于 80%时，将服务资源增加 10%，而当平均 CPU 利用率小于 40%时，将服务资源减少 10%；）

4） 最后给出监控SLA的服务排名和基本的配置参数，方便用户在改进云服务策略提高服务质量。

本发明所述的分析云服务的可用性、性能、吞吐率和利用率分别是：

云服务的可用性

服务可用性采用一个百分比来表达,这个百分比表明了在合约中规定的服务在各自的服务访问点可操作的时间比例，这里的可操作是指用户像SLA中规定的那样使用服务；计算公式：

SQ%=100%一SUA%；其中，SQ:服务质量，SUA：服务不可用占比；

云服务的吞吐率为：

吞吐率代表了服务的处理能力,用单位时间内处理的服务请求数量来衡量

；其中，T:单位时间吞吐量，total：单位时间服务请求量，t:时间；

云服务的性能

计算能力：CPU核心数、CPU的赫兹数、内存大小；

I/O性能：磁盘每秒的读写速率，存储容量；

网络：每秒传输速率，响应时间；

云服务的利用率

在保证响应时间的条件下,服务可达到的最大利用率即为服务利用率，用一段时间内己经利用的资源与总资源之间的比值来表示；利用率表明一段时间内服务的繁忙情况；同时，用户也根据利用率来判断对所购买服务的使用情况；从而对所需购买的服务作进一步调整；

服务资源动态调整

基于服务评估质量，当平均 CPU 利用率大于 80%时，将服务资源增加 10%，而当平均 CPU 利用率小于 40%时，将服务资源减少 10%。

本发明的有益效果是：

针对企业内部的基础架构，很多时候最终的用户并不知道自己需要多大的资源。最初分配的资源可能一开始在很长一段时间类只是用了很少的一部分，这时系统会分析并判断其服务质量良好，该决策功能再通过分析得出该时间段整个资源池的状况给出相应资源管理者缩减的建议；同样，资源在使用的过程中，随着业务的增加等因素，通过分析负载增长率和负载平均值来判断时候触发资源调整扩容；通过该决策可以方便的告知用户使用情况;及时通知用户对资源进行合适的调整，一方面在保证质量的情况下合理使用运资源，另一方面也通过保证服务质量前提的条件下合理利用资源实现IT的绿色节能，节约资金的目的。

下面结合附图及实例进一步阐述本发明内容。

附图说明

图1为本发明的整体架构示意图。

具体实施方式

一种云计算资源服务质量评估方法，本发明特征在于，基于服务相关的保障的参数统计分析，采用优化调整资源通过逐步变更虚拟机的大小来合理使用物理资源，并利用采集器采集云资源池架构的虚拟资源、物理资源的CPU、内存使用效率数据存入数据库作为基础数据，通过对每一个物理资源，虚拟机资源历史数据计算出该资源使用的增加量或减少量，及增长速率和减少速率，通过和近期资源平均的使用率进行分析得出需要扩容还是缩小；并通过采集云资源池架构，分析云服务的可用性、性能、吞吐率和利用率来评估云服务质量，展现物理资源与虚拟资源之间物理结构；

其方法是：

1） 通过架设好云资源池后，开放相关底层数据采集API接口，然后编写采集器程序，定时通过接口采集cpu，内存运行数据，并存放到数据库中；然后通过页面调用服务层接口把数据在页面上展现出来；

2） 利用云平台采集到的历史数据作为基础数据：首先计算业务系统的可行性即100%-业务故障时间占比，第二分析单位时间内处理的服务请求数量，第三分析一段时间内己经利用的资源与总资源之间的比值；通过这三部给云服务评分，最后结合虚拟机使用CPU、内存资源一天、一周内的增长率和当前虚拟机情况进行服务的调整；

3） 基于以上的服务质量评估，再结合虚拟机使用CPU、内存资源一天、一周内的增长率和当前虚拟机情况，通过对每一个物理资源，虚拟机资源历史数据计算出资源使用的增加量或减少量，及增长速率和减少速率，通过和近期资源平均的使用率进行分析得出需要扩容还是缩小；（基于服务评估质量，当平均 CPU 利用率大于 80%时，将服务资源增加 10%，而当平均 CPU 利用率小于 40%时，将服务资源减少 10%；）

4） 最后给出监控SLA的服务排名和基本的配置参数，方便用户在改进云服务策略提高服务质量。

本发明所述的分析云服务的可用性、性能、吞吐率和利用率分别是：

云服务的可用性

服务可用性采用一个百分比来表达,这个百分比表明了在合约中规定的服务在各自的服务访问点可操作的时间比例，这里的可操作是指用户像SLA中规定的那样使用服务；计算公式：

SQ%=100%一SUA%；其中，SQ:服务质量，SUA：服务不可用占比；

云服务的吞吐率为：

吞吐率代表了服务的处理能力,用单位时间内处理的服务请求数量来衡量

；其中，T:单位时间吞吐量，total：单位时间服务请求量，t:时间；

云服务的性能

计算能力：CPU核心数、CPU的赫兹数、内存大小；

I/O性能：磁盘每秒的读写速率，存储容量；

网络：每秒传输速率，响应时间；

云服务的利用率

在保证响应时间的条件下,服务可达到的最大利用率即为服务利用率，用一段时间内己经利用的资源与总资源之间的比值来表示；利用率表明一段时间内服务的繁忙情况；同时，用户也根据利用率来判断对所购买服务的使用情况；从而对所需购买的服务作进一步调整；

服务资源动态调整

基于服务评估质量，当平均 CPU 利用率大于 80%时，将服务资源增加 10%，而当平均 CPU 利用率小于 40%时，将服务资源减少 10%。

Claims (2)

1.一种云计算资源服务质量评估方法，其特征在于，基于服务相关的保障的参数统计分析，采用优化调整资源通过逐步变更虚拟机的大小来合理使用物理资源，并利用采集器采集云资源池架构的虚拟资源、物理资源的CPU、内存使用效率数据存入数据库作为基础数据，通过对每一个物理资源，虚拟机资源历史数据计算出该资源使用的增加量或减少量，及增长速率和减少速率，通过和近期资源平均的使用率进行分析得出需要扩容还是缩小；并通过采集云资源池架构，分析云服务的可用性、性能、吞吐率和利用率来评估云服务质量，展现物理资源与虚拟资源之间物理结构；

其方法是：

1）通过架设好云资源池后，开放相关底层数据采集API接口，然后编写采集器程序，定时通过接口采集CPU，内存运行数据，并存放到数据库中；

2）利用云平台采集到的历史数据作为基础数据：首先计算业务系统的可行性即100%-业务故障时间占比，第二分析单位时间内处理的服务请求数量，第三分析一段时间内己经利用的资源与总资源之间的比值；通过这三部给云服务评分，最后结合虚拟机使用CPU、内存资源一天、一周内的增长率和当前虚拟机情况进行服务的调整；

3）基于以上的服务质量评估，再结合虚拟机使用CPU、内存资源一天、一周内的增长率和当前虚拟机情况，通过对每一个物理资源，虚拟机资源历史数据计算出资源使用的增加量或减少量，及增长速率和减少速率，通过和近期资源平均的使用率进行分析得出需要扩容还是缩小；

4） 最后给出监控SLA的服务排名和基本的配置参数，方便用户在改进云服务策略提高服务质量。

2.根据权利要求1所述的一种云计算资源服务质量评估方法，其特征在于，

所述云服务的可用性为：

服务可用性采用一个百分比来表达,这个百分比表明了在合约中规定的服务在各自的服务访问点可操作的时间比例，这里的可操作是指用户像SLA中规定的那样使用服务；计算公式：

SQ%=100% - SUA%；其中，SQ:服务质量，SUA：服务不可用占比；

云服务的吞吐率为：

吞吐率代表了服务的处理能力,用单位时间内处理的服务请求数量来衡量

；其中，T:单位时间吞吐量，total：单位时间服务请求量，t:时间；

云服务的性能为：

计算能力：CPU核心数、CPU的赫兹数、内存大小；

I/O性能：磁盘每秒的读写速率，存储容量；

网络：每秒传输速率，响应时间；

云服务的利用率为：

在保证响应时间的条件下,服务可达到的最大利用率即为服务利用率，用一段时间内己经利用的资源与总资源之间的比值来表示；利用率表明一段时间内服务的繁忙情况；同时，用户也根据利用率来判断对所购买服务的使用情况；从而对所需购买的服务作进一步调整；

服务资源动态调整

基于服务评估质量，当平均 CPU 利用率大于 80%时，将服务资源增加 10%，而当平均 CPU 利用率小于 40%时，将服务资源减少 10%。