CN104038540A - 一种应用代理服务器自动选择方法及系统 - Google Patents

Abstract

本发明公开了一种应用代理服务器自动选择方法及系统，综合考虑服务器负载、应用的资源需求、当前应用分布以及应用之间的互斥性这些因素，最终选择出一台最佳的代理服务器；本发明在负载评估方便考虑了多维度资源负载均衡，可以更加准确地评估各服务器的负载状况；在应用的资源需求预估方面，使用了历史数据对应用的资源需求进行预估，具有一定的预见性和较高的准确性；在应用分布方面，对当前所有应用进行了准确的统计，从服务器集群整体上把握应用的最佳运行位置；在应用的互斥性方面，根据所有应用的资源使用情况，分析出可能产生资源竞争的互斥应用，从而避免互斥应用运行于同一台服务器，最大程度地满足应用的资源需求。

Description

一种应用代理服务器自动选择方法及系统

技术领域

本发明涉及一种应用代理服务器自动选择方法及系统。

背景技术

随着云计算技术的迅速崛起与发展，越来越多的云计算解决方案得到实际应用与推广。从本质上讲，云计算带给大家的是一种如同水、电、煤一样的资源消费模式，一般用户按照实际需求定制资源，使用终端设备通过远程连接，便可以获取计算、存储、网络等资源，所有可用资源来自于云端，即互联网或服务器集群，而云终端则包括：PC、手机、平板电脑、车载设备及可穿戴设置等。

虚拟化技术作为云计算的关键技术，一般包括：资源虚拟化和应用虚拟化，通过虚拟化平台可以更加方便地管理应用的动态部署、扩展、迁移、备份等功能。用户运行不同的应用需要不同的资源和计算能力，云计算平台可以按照用户需求部署资源和计算能力，各种IT资源，例如：软件、硬件、操作系统、存储、网络等通过虚拟化，可将其全部虚拟成资源池并进行统一管理，从而提高资源利用率，保证用户资源需求得到最大程度的满足。

针对用户需求，服务器集群一般可分为：资源类型和应用类型两种，前者提供计算资源，后者直接提供应用代理服务。随着移动设备的广泛应用及迅速普及，面向应用服务的服务器集群将有更多的应用领域。然而，随着用户规模地不断增加，服务器的负载会越来越重，若不进行有效地调控，必将造成系统性能及服务质量下降，系统资源不能有效利用，用户体验骤减等现象。

目前服务器集群资源调度方式多数都是通过单一的负载均衡方式，根据各个服务器的负载情况，把不同的应用请求分配给不同的服务器节点，来保证服务器中所有应用的服务质量需求，从而提高应用的伸缩性。

为用户选择一台合适的应用代理服务器需要考虑多方面因素，才能更好地满足故障切换、负载均衡、应用互斥、资源充分利用等场景需求。仅靠上述单一方式，其实现简单，应用场景有限，难以满足多应用，多并发用户的场景，也未考虑多个应用之间的资源竞争等问题，更无法满足应用代理服务器集群对应用的动态部署及资源调度需求。

发明内容

本发明为了解决上述问题，提出了一种应用代理服务器自动选择方法及系统，该方法考虑各服务器实时负载、不同应用的资源需求两方面因素实现应用代理服务器集群的资源动态调度，用户应用的动态部署，从而最大程度地满足用户需求，提升用户体验，并提高服务器集群的资源利用率。

为了实现上述目的，本发明采用如下技术方案：

一种应用代理服务器自动选择方法，包括以下步骤：

(1)根据多维度资源利用率和可用资源量，制定服务器集群负载评估方案：各服务器周期性采集自身的性能数据，使用性能数据进行所有服务器的排序；

(2)根据不同应用的资源需求，制定应用动态部署方案：定期采集应用自身正在使用着的性能数据，统计并分析其分布情况；

(3)根据负载评估及应用动态部署，选择合适的应用代理服务器：查询应用的资源需求，分析多维度资源的需求，对各个服务器进行遍历，选择最终服务器。

所述多维度资源包括且不限于：CPU、内存和网络带宽。

所述负载评估包括性能数据收集和性能数据分析。

所述步骤(1)的具体方法，包括以下步骤：

(a)服务器集群中的各服务器按同样的设定周期，周期性地收集各自的CPU、内存、网络带宽资源利用率及可用资源量；

(b)各服务器定时上报性能数据至自动选择系统；自动选择系统收到各服务器的性能数据后，对各资源利用率进行归一化；

(c)自动选择系统根据资源利用率高低、可用资源量的多少对所有服务器进行排序。

所述步骤(a)中，资源利用率定义为：U_i＝{c_i,m_i,n_i}，即各维度资源的使用量与各维度资源的总量的比例，其中U_i代表服务器i的资源利用率向量，c_i代表服务器i的CPU资源利用率，m_i代表服务器i的内存资源利用率，n_i代表服务器i的网络带宽利用率。

所述步骤(a)中，可用资源量定义为：A_i＝{C_i,M_i,N_i}，其中A_i代表服务器i的可用资源向量，C_i代表服务器i的CPU可用资源量，M_i代表服务器i的内存可用资源量，N_i代表服务器i的网络可用资源量。

所述步骤(b)中，资源利用率归一化的具体方法为：定义服务器i的总资源利用率为S_i，各维度资源归一化比例为R_i＝{rc rm,rn}，其中R_i代表主机i归一化比例向量，rc代表cpu所占主机资源利用率的比例，rm代表内存所占主机资源利用率的比例，rn代表网络带宽所占主机资源利用率的比例，归一化方法：

所述步骤(c)中服务器排序方法包括两种：第一种，按各服务器的资源利用率Si进行由低到高排序，第二种，按照可用资源多少排序。

所述步骤(2)的具体方法，包括以下步骤：

(i)按照设定周期采集所有应用的性能数据，生成历史数据；

(ii)查询指定应用的历史数据，获取历史资源使用量作为此应用的资源需求；

(iii)统计并分析应用的分布信息；

(iv)分析指定应用的互斥应用。

所述步骤(i)的具体方法为：定义应用性能数据为：APP_id＝{ac_id,am_id,an_id}，其中APP_id代表序号为id的应用的各维度资源的使用量，ac_id代表应用的cpu资源使用量，am_id代表应用的内存资源使用量，an_id代表应用的网络带宽资源使用量；各服务器将应用资源使用量上报后，由中心服务器定时取各自平均值作为此应用最终的历史数据，具体方法为：其中app_id代表单个服务器上报的应用资源使用量，N为集群服务器总数。

所述应用代理服务器的性能数据包括：资源利用率和可用资源量，应用的性能数据是指正在应用使用的cpu值。

所述步骤(iii)的具体方法为：将应用分布信息定义为：P_i＝{＜ID1,n1＞,＜ID2,n2＞,...}，P_i代表服务器i的所有应用信息，其中＜ID1,n1＞代表应用序号为ID1的应用，在服务器i上有n1个运行实例，＜ID2,n2＞代表应用序号为ID2的应用，在服务器i上有n2个运行实例，各服务器将此信息上报自动选择系统后，由自动选择系统统一汇总。

所述步骤(iv)中互斥应用是指：不同应用的各维度资源使用状况相似度达到80％以上，且存在单一资源使用量过多的相似应用的集合，定义为M_j＝{id1,id2,...}，M代表mutex互斥含义，j代表互斥应用集合的ID，集合中id1、id2则代表互斥的应用ID。

所述步骤(3)的具体方法，包括以下步骤：

Step1：查询此应用的资源需求APP_id，分析各个维度的资源哪一个更迫切需要得到满足，若三种资源需求相对均衡则，转至Step2，若某种资源需求迫切，则转至步骤Step3；

Step2：将各服务器按照资源使用率S_i从低到高排序生成序列X；

Step3：将各服务器按照某单一维度的可用资源量从高到低排序生成序列X；

Step4：获取此应用的互斥应用M_j；

Step5：从序列X第一台开始遍历每一台服务器，若包含此应用的互斥应用M_j或不能满足APP_id任一维度资源需求的服务器则过滤掉，直到找到一台目的服务器，既满足资源需求，也未和其他应用互斥；若遍历完毕未能找到目的服务器，则跳入Step6；

Step6：遍历序列X每一台服务器，过滤掉不能满足资源需求的服务器，将其上互斥应用个数最少的服务器作为最终的目的服务器。

一种实现上述选择方法的自动选择系统，连接各个应用代理服务器和控制中心，包括采集模块、分析模块和决策模块，其中：

采集模块，用于定时采集多维度资源的利用率及可用资源量、应用代理服务器性能数据和分布信息，连接分析模块；

分析模块，用于统计并分析处理应用代理服务器的分布信息、性能数据和资源信息，连接决策模块；

决策模块，用于根据负载评估及应用动态部署，选择出合适的应用代理服务器。

本发明的有益效果为：

1.提供了一种应用代理服务器自动选择方法，综合考虑服务器负载、应用的资源需求、当前应用分布以及应用之间的互斥性这些因素，最终选择出一台最佳的代理服务器；通过分析应用是否迫切需要单一资源或单一资源使用过多，来自动选择合适的服务器，以尽量满足其需求并保证其他应用的资源需求不受影响；

2.在负载评估方便考虑了多维度资源负载均衡，可以更加准确地评估各服务器的负载状况；在应用的资源需求预估方面，使用了历史数据对应用的资源需求进行预估，具有一定的预见性和较高的准确性；

3.在应用的互斥性方面，根据所有应用的资源使用情况，分析出可能产生资源竞争的互斥应用，从而避免互斥应用运行于同一台服务器，最大程度地满足应用的资源需求

4.在应用分布方面，对当前所有应用进行了准确的统计，从服务器集群整体上把握应用的最佳运行位置；

5.提供了实现自动选择方法的整套装置，具有非常好的实用性，针对服务器集群环境，能在动态部署应用、负载均衡、提高资源利用率方面发挥重要作用。

附图说明

图1为本发明自动选择系统示意图；

图2为本发明自动选择系统和代理服务器示意图；

图3为本发明自动选择方法流程图；

图4为本发明性能数据收集流程图；

图5为本发明应用资源需求计算流程图；

图6为本发明互斥应用计算流程图；

图7为本发明决策器流程图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

如图1所示一种典型的云计算解决方案，普通用户使用终端设备，例如手机或平板电脑，连接云端，也即虚拟化后的服务器集群，服务器集群一般包括控制中心、安全中心、应用代理服务器等设备，用户连接云端后便可通过云中的代理服务器使用云端的计算资源、存储资源等，既能帮助用户实现业务的云端处理，又能进行统一安全管理。

自动选择系统被部署在云端，作为一个具有决策功能的核心模块，负责用户应用的动态部署。当用户需要启动某个应用时，控制中心发送启动应用请求给自动选择系统，本装置接收到请求后，通过统计分析各代理服务器上报性能数据以及应用信息，并最终选择一台最佳的代理服务器来运行此应用，将选择结果返回给控制中心，控制中心再通知用户终端，去远程连接指定的代理服务器。

(1)一种考虑多维度资源利用率的服务器集群负载评估方案；

(2)一种考虑不同应用的资源需求的应用动态部署方案；

(3)根据负载评估及应用动态部署建议，通过决策器来选择应用代理服务器。

方案(1)所述多维度资源包括且不限于：CPU、内存、网络带宽，所述负载评估包括：性能数据收集、性能数据分析。所述集群中服务器操作系统需支持RDP远程桌面协议，包含且不限于的windows server2003、windows server2008、windows server2012。

考虑多维度资源利用率的服务器集群负载评估方案，包含以下步骤：

1)服务器集群中的各服务器周期性地收集本机的CPU、内存、网络带宽资源利用率及可用资源量；

2)定时上报性能数据至自动选择装置；

3)自动选择装置收到各服务器资源信息后，首先对各资源利用率进行归一化；

4)根据利用率高低、可用资源的多少对所有服务器进行排序。

所述步骤1)中各资源利用率定义为：U_i＝{c_i,m_i,n_i}，其中U_i代表服务器i的资源利用率向量，c_i代表CPU资源利用率，m_i代表内存资源利用率，n_i代表网络带宽利用率。可用资源量定义为：A_i＝{C_i,M_i,N_i}，其中A_i代表服务器i的可用资源向量，C_i代表CPU可用资源量，M_i代表内存可用资源量，N_i代表网络可用资源量。

所述步骤3)中资源利用率归一化方法为：首先定义服务器i的总资源利用率为：S_i，各维度资源归一化比例R_i＝{rc，rm,rn}，其中R_i代表主机i归一化比例向量，rc代表cpu所占主机资源利用率的比例，rm代表内存所占主机资源利用率的比例，rn代表网络带宽所占主机资源利用率的比例，归一化方法：

所述步骤4)中服务器排序方法分为两种：第一种，按各服务器的资源利用率S_i进行由低到高排序，第二种，按照可用资源多少排序，例如某应用是损耗CPU偏多的应用，那么可以按照各服务器CPU的可用量C_i进行排序。

方案(2)所述资源需求来自此应用的历史性能数据，所述动态部署方案包含：历史性能数据收集、应用分布信息统计、应用互斥分析。

考虑不同应用的资源需求的应用动态部署方案，包含以下步骤：

1)定时收集所有应用的性能数据，以生成历史数据；

2)查询此应用的历史数据，获取历史资源使用量作为此应用的资源需求；

3)统计并分析应用的分布信息；

4)分析此应用的互斥应用。

所述方案(2)步骤1)中的应用性能数据定义为：APP_id＝{ac_id,am_id,an_id}，其中APP_id代表序号为id的应用的资源使用向量，ac_id代表应用的cpu资源使用量，am_id代表应用的内存资源使用量，an_id代表应用的网络带宽资源使用量。各服务器将应用资源使用量上报后，由中心服务器定时取各自平均值作为此应用最终的历史数据，具体方法为：其中app_id代表单个服务器上报的应用资源使用量，N为集群服务器总数。

所述方案(2)步骤3)中的应用分布信息定义为：P_i代表服务器i的所有应用信息，P_i＝{＜ID1,n1＞,＜ID2,n2＞,...}，其中＜ID1,n1＞代表应用序号为ID1的应用，在服务器i上有n1个运行实例，各服务器将此信息上报自动选择装置后，由自动选择装置统一汇总。

所述方案(2)步骤4)中的互斥应用是指：使用各维度资源非常相似，且存在单一资源使用量过多的相似应用的集合，定义为M_j＝{id1,id2,...}，M代表mutex互斥含义，j代表互斥应用集合的ID，集合中id1、id2则代表互斥的应用ID。例如：A应用运行时需占CPU30％，内存500M，而B应用运行时也需占大量CPU40％，内存500M，因为A、B两个应用均占用CPU资源过多，如果运行在同一台服务器上，很可能造成CPU单一资源瓶颈，所以可以被认定为互斥应用。互斥应用分析方法：使用APP_id分别按照ac_id，am_id，an_id三个维度资源进行排序，取每个序列中前30％的应用作为互斥应用，此比例指定但不限于30％。

方案(3)所述决策器对各服务器负载、应用的资源需求、当前应用分布、互斥应用进行综合评定，并最终决策应用的代理服务器。

上述各服务器负载来源于方案(1)步骤4)分析后的性能数据S_i、A_i。

上述应用资源需求来源于方案(2)步骤2)查询获取历史性能数据作为应用的资源需求APP_id。

上述应用分布来源于方案(2)步骤3)应用分布信息分析后的结果：P_i。

上述互斥应用信息来源于方案(2)步骤4)分析后的结果：M_j。

方案(3)所述决策器，具体包含以下步骤：

1)查询此应用的资源需求APP_id，分析三个维度的资源哪一个更迫切需要得到满足，若三种资源需求相对均衡则，跳入步骤2)，若对某中资源迫切需要，则跳入步骤3)；

2)将各服务器按照资源使用率S_i从低到高排序生成序列X；

3)将各服务器按照某单一维度的可用资源量从高到低排序生成序列X；

4)获取此应用的互斥应用M_j；

5)从序列X第一台开始遍历每一台服务器，若包含此应用的互斥应用M_j或不能满足APP_id任一维度资源需求的服务器则过滤掉，直到找到一台目的服务器，既可以满足资源需求，也未和其他应用互斥。若遍历完毕未能找到目的服务器，则跳入步骤6)；

6)遍历序列X每一台服务器，过滤掉不能满足资源需求的服务器，将其上互斥应用个数最少的服务器作为最终的目的服务器。

本发明所提供的应用代理服务器自动选择方法及装置，具体实施步骤如下：

1)在应用代理服务器上进行定时地信息收集，包括性能数据、应用分布、应用资源使用量；

2)由自动选择系统对各应用代理服务器上报的信息收集进行统计分析，为决策器准备必要的数据；

3)自动选择系统接收到启动应用请求后，通过决策器计算出选择结果，并上报给控制中心。

图2是自动选择系统和应用代理服务器的示意图，如图所示本发明的自动选择系统同时涉及应用代理服务器的各种数据收集。

步骤1)所述的代理服务器上包含：性能数据收集、应用分布信息收集、应用资源信息收集，性能数据包含各服务器的多维度资源利用率、资源可用量，应用分布信息包含各服务器上运行的所有应用及这些应用的实例个数，应用资源信息包含某应用的资源使用量。所有数据收集均是周期性地进行，每次收集完成后上报给自动选择系统，由自动选择系统进一步统计分析。

步骤2)所述的自动选择系统包含：服务器性能数据、应用分布信息、应用资源信息、决策器。性能数据通过统计计算各服务器上报的性能数据得到，应用分布信息也是通过汇总各服务器上所有应用，应用资源信息来源于各服务器上所有指定应用资源信息的历史数据，而决策器就是利用这些数据帮助用户选择一台最佳的应用代理服务器。

步骤3)所述的决策流程如图3所示，具体步骤如下：

a)用户请求启动应用；

b)控制中心接受到用户请求后，将请求转发给自动选择系统；

c)自动选择系统首先获取此应用的历史数据作为它的资源需求；

d)获取各服务器的性能数据；

e)获取所有服务器上的应用分布信息；

f)判断此应用是否存在单一资源需求过多，若是则获取该单一资源的可用资源量排序的服务器序列，若否则获取使用利用率由低到高排序的服务器序列；

g)获取与此应用互斥的集合；

h)使用决策器进行自动选择；

i)将结果返回给控制中心。

步骤3)中的c)子步骤，所述应用的资源需求是通过步骤1)和步骤2)中应用资源信息统计得到，使用此应用的历史数据更能预估这个应用启动后所需要的资源，如图5所示。

步骤3)中的d)e)子步骤，所述获取的性能数据和应用分布信息通过步骤1和步骤2)的服务器性能数据统计得到的。

步骤3)中的f)子步骤，所述判断应用是否单一资源需求过多，判断方法为：计算各维度资源的需求比例，并判断这一比例是否超过了常规比例。

步骤3)中的g)子步骤，所述互斥应用集合通过步骤1)和步骤2)的应用资源使用信息计算得来的。

步骤3)中的h)子步骤，所述决策器使用获取的必要数据，进行决策最终输出选择结果

如图4所示，性能数据收集具体步骤如下：

a)接收各代理服务器上报的性能数据

b)按照一定的权重比例，归一化各维度的资源利用率，归一化方法：其中S_i代表归一化后的各服务器利用率向量，U_i代表各服务器上的各维度资源利用率向量，R_i代表各维度的权重比例；

c)根据归一化后的资源利用率S_i，对各服务器进行排序；

d)根据各维度资源可用量，对各服务器进行排序。

如图5所示，应用的资源需求的计算流程如下：

a)接收各代理服务器上报的所有应用的性能数据，其中每个应用均有唯一的id，相同应用在不同服务器上id一致；

b)针对每一个应用，分别统计每一个维度资源的平均使用量，具体方法为：其中app_id代表单个服务器上报的应用资源使用量，N为集群服务器总数；

c)更新每一个应用的资源信息，以供查询及使用。

如图6所示，互斥应用的分析流程如下：

a)取上述图5所示应用资源需求的计算结果；

b)分别按照不同维度的资源，及使用量由高到低对所有应用进行排序，生成应用序列；

c)取每个序列排名靠前的应用作为互斥应用，具体方法：使用APP_id分别按照ac_id，am_id，an_id三个维度资源进行排序，取每个序列中前30％的应用作为互斥应用，此比例不限于30％。

d)合并所有序列的互斥应用，以供查询某应用的互斥应用。

如图7所示，决策器的计算流程如下：

a)获取此应用的互斥应用M_j；

b)获取已排序的服务器序列X；

c)从序列X第一台开始遍历每一台服务器，获取服务器上的应用分布，若包含此应用的互斥应用M_j或不能满足APP_id任一维度资源需求的服务器则过滤掉，直到找到一台目的服务器，既可以满足资源需求，也未和其他应用互斥。若遍历完毕未能找到目的服务器，则跳入步骤d)；

d)未找到不包含互斥应用的服务器，则重新遍历序列X每一台服务器，过滤掉不能满足资源需求的服务器，将其上互斥应用个数最少的服务器作为最终的目的服务器。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种应用代理服务器自动选择方法，其特征是：包括以下步骤：

(1)根据多维度资源利用率和可用资源量，制定服务器集群负载评估方案：各服务器周期性采集自身的性能数据，使用性能数据进行所有服务器的排序；

(2)根据不同应用的资源需求，制定应用动态部署方案：定期采集应用自身正在使用着的性能数据，统计并分析其分布情况；

(3)根据负载评估及应用动态部署，选择合适的应用代理服务器：查询应用的资源需求，分析多维度资源的需求，对各个服务器进行遍历，选择最终服务器。

2.如权利要求1所述的一种应用代理服务器自动选择方法，其特征是：所述步骤(1)的具体方法，包括以下步骤：

(a)服务器集群中的各服务器按同样的设定周期，周期性地收集各自的CPU、内存、网络带宽资源利用率及可用资源量；

(b)各服务器定时上报性能数据至自动选择系统；自动选择系统收到各服务器的性能数据后，对各资源利用率进行归一化；

(c)自动选择系统根据资源利用率高低、可用资源量的多少对所有服务器进行排序。

3.如权利要求2所述的一种应用代理服务器自动选择方法，其特征是：所述步骤(a)中，资源利用率定义为：U_i＝{c_i,m_i,n_i}，即各维度资源的使用量与各维度资源的总量的比例，其中U_i代表服务器i的资源利用率向量，c_i代表服务器i的CPU资源利用率，m_i代表服务器i的内存资源利用率，n_i代表服务器i的网络带宽利用率；

所述步骤(a)中，可用资源量定义为：A_i＝{C_i,M_i,N_i}，其中A_i代表服务器i的可用资源向量，C_i代表服务器i的CPU可用资源量，M_i代表服务器i的内存可用资源量，N_i代表服务器i的网络可用资源量。

4.如权利要求2所述的一种应用代理服务器自动选择方法，其特征是：所述步骤(b)中，资源利用率归一化的具体方法为：定义服务器i的总资源利用率为S_i，各维度资源归一化比例为R_i＝{rc rm,rn}，其中R_i代表主机i归一化比例向量，rc代表cpu所占主机资源利用率的比例，rm代表内存所占主机资源利用率的比例，rn代表网络带宽所占主机资源利用率的比例，归一化方法：

5.如权利要求1所述的一种应用代理服务器自动选择方法，其特征是：所述步骤(2)的具体方法，包括以下步骤：

(i)按照设定周期采集所有应用的性能数据，生成历史数据；

(ii)查询指定应用的历史数据，获取历史资源使用量作为此应用的资源需求；

(iii)统计并分析应用的分布信息；

(iv)分析指定应用的互斥应用。

6.如权利要求5所述的一种应用代理服务器自动选择方法，其特征是：所述步骤(i)的具体方法为：定义应用性能数据为：APP_id＝{ac_id,am_id,an_id}，其中APP_id代表序号为id的应用的各维度资源的使用量，ac_id代表应用的cpu资源使用量，am_id代表应用的内存资源使用量，an_id代表应用的网络带宽资源使用量；各服务器将应用资源使用量上报后，由中心服务器定时取各自平均值作为此应用最终的历史数据，具体方法为：其中app_id代表单个服务器上报的应用资源使用量，N为集群服务器总数。

7.如权利要求5所述的一种应用代理服务器自动选择方法，其特征是：所述步骤(iii)的具体方法为：将应用分布信息定义为：P_i＝{＜ID1,n1＞,＜ID2,n2＞,...}，P_i代表服务器i的所有应用信息，其中＜ID1,n1＞代表应用序号为ID1的应用，在服务器i上有n1个运行实例，＜ID2,n2＞代表应用序号为ID2的应用，在服务器i上有n2个运行实例，各服务器将此信息上报自动选择系统后，由自动选择系统统一汇总。

8.如权利要求5所述的一种应用代理服务器自动选择方法，其特征是：所述步骤(iv)中互斥应用是指：不同应用的各维度资源使用状况相似度达到80％以上，且存在单一资源使用量过多的相似应用的集合，定义为M_j＝{id1,id2,...}，M代表mutex互斥含义，j代表互斥应用集合的ID，集合中id1、id2则代表互斥的应用ID。

9.如权利要求1所述的一种应用代理服务器自动选择方法，其特征是：所述步骤(3)的具体方法，包括以下步骤：

Step1：查询此应用的资源需求APP_id，分析各个维度的资源哪一个更迫切需要得到满足，若三种资源需求相对均衡则，转至Step2，若某种资源需求迫切，则转至步骤Step3；

Step2：将各服务器按照资源使用率S_i从低到高排序生成序列X；

Step3：将各服务器按照某单一维度的可用资源量从高到低排序生成序列X；

Step4：获取此应用的互斥应用M_j；

Step5：从序列X第一台开始遍历每一台服务器，若包含此应用的互斥应用M_j或不能满足APP_id任一维度资源需求的服务器则过滤掉，直到找到一台目的服务器，既满足资源需求，也未和其他应用互斥；若遍历完毕未能找到目的服务器，则跳入Step6；

Step6：遍历序列X每一台服务器，过滤掉不能满足资源需求的服务器，将其上互斥应用个数最少的服务器作为最终的目的服务器。

10.一种实现如权利要求1-9中任一项所述的选择方法的自动选择系统，连接各个应用代理服务器和控制中心，其特征是：包括采集模块、分析模块和决策模块，其中：

采集模块，用于定时采集多维度资源的利用率及可用资源量、应用代理服务器性能数据和分布信息，连接分析模块；

分析模块，用于统计并分析处理应用代理服务器的分布信息、性能数据和资源信息，连接决策模块；

决策模块，用于根据负载评估及应用动态部署，选择出合适的应用代理服务器。