CN105306597A - 一种云计算服务质量控制方法 - Google Patents

一种云计算服务质量控制方法 Download PDF

Info

Publication number
CN105306597A
CN105306597A CN201510802468.7A CN201510802468A CN105306597A CN 105306597 A CN105306597 A CN 105306597A CN 201510802468 A CN201510802468 A CN 201510802468A CN 105306597 A CN105306597 A CN 105306597A
Authority
CN
China
Prior art keywords
cloud computing
quality control
scheduling
resource
service quality
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.)
Granted
Application number
CN201510802468.7A
Other languages
English (en)
Other versions
CN105306597B (zh
Inventor
沙卫国
吴旻荣
王文勇
刘思尧
金玮
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.)
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Ningxia Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Ningxia Electric Power 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 State Grid Corp of China SGCC, Information and Telecommunication Branch of State Grid Ningxia Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201510802468.7A priority Critical patent/CN105306597B/zh
Publication of CN105306597A publication Critical patent/CN105306597A/zh
Application granted granted Critical
Publication of CN105306597B publication Critical patent/CN105306597B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/80—Responding to QoS

Abstract

本发明涉及一种云计算服务质量控制方法。其特点是，包括如下步骤：(1)获取云计算环境中的资源请求；(2)提取服务质量特征参数；(3)识别环境特征参数；(4)随机生成服务器组，计算适配函数，寻找合适调度方案；(5)选取最优结果，进行资源调度。本发明方法解决了云计算环境资源动态变化过程中的定位问题，并且提供一种动态最优调度方法，用于保证在不断变化的环境中，用户所请求的服务质量。已有方案只能在资源请求状态下进行单一资源的调度，无法并发计算多类不同的甚至互相冲突的服务质量特征，并且无法根据环境变化而更新调度参数。本发明提出的方法可以根据请求资源的变化情况，实时调整调度策略，保持较高的资源利用率。

Description

一种云计算服务质量控制方法
技术领域
本发明涉及一种云计算服务质量控制方法。
背景技术
云计算作为一种新兴的并行计算技术，是分布式处理、并行处理、网格计算的发展和衍生。云计算提供了更可靠、更安全的存储和计算数据能力、简化计算交付、降低成本，具有更高的扩展性和灵活性。云计算平台按需进行动态的部署、配置、重新配置、取消服务等工作。云环境种采用虚拟化技术，将服务器整体虚拟化为一个资源池，从资源池中申请云主机为用户提供服务。云主机能够大量根据用户定义的服务质量规范执行应用程序。由于资源的种类多、规模大，通过云主机资源的动态调度来保证云平台的服务质量，成为云计算研究中的一个核心热点。
云资源调度是指在一个特定的云环境中,根据一定的资源使用规则,在不同的资源使用者之间进行的资源调整过程。对用户需求的资源进行调度，一方面让用户的应用程序能够在云平台上运行起来，另一方面也保证应用程序的运行环境能够提供足够的质量保证，让用户的应用程序能够按照其需求正常运行。目前的资源调度策略大多数是通过虚拟机级别上的调度技术结合一定的调度策略来为虚拟机内部应用做资源调度,并且调度算法过于简单,判断需要进行推测执行的任务的算法造成过多任务需要推测执行，降低了计算任务的性能，无法满足用户对特定任务的服务质量要求。
由于云计算环境的复杂性，单从一个方面的改进并不能很好的满足云资源调度的要求，现实环境中的调度算法，有的仅对单个资源的需求进行决策，有的在决策过程中没有去响应外部环境的动态变化，有的没有考虑最优决策，这都不利于云计算追求资源共享和最大可能利用优势资源的目标，且云计算资源的使用的付费的，因此调度优化也需考虑最大限度地降低TCO。针对相关技术中所存在的问题，目前尚未有全盘考虑的完整解决方案。
发明内容
本发明的目的是提供一种云计算服务质量控制方法，能够根据云计算环境的变化、用户请求的服务质量，进行数学建模，通过迭代运算寻找帕累托最优解的集合，最终输出当前最优调度方案并执行，该方案在保证服务质量的前提下，提高了物理资源的有效利用率。
一种云计算服务质量控制方法，其特别之处在于，包括如下步骤：
(1)获取云计算环境中的资源请求；
(2)提取服务质量特征参数；
(3)识别环境特征参数；
(4)随机生成服务器组，计算适配函数，寻找合适调度方案；
(5)选取最优结果，进行资源调度。
步骤(1)具体是获取当前云计算环境中的用户资源请求。
步骤(2)具体是提取用户请求中的服务质量特征，CPU能力、内存容量、存储容量、IOPS容量、网络带宽、网络时延、并发请求数。
步骤(3)具体是对获取的所有服务质量特征参数，包含数据中心地理信息、机柜部署、交换机部署、服务器资源状态。
步骤(4)具体是随机生成服务器组，计算适配函数，通过不停迭代及可行性分析，寻找帕累托最优解。
步骤(5)具体是遍历帕累托最优解，随机选择一个调度方案，若无法找到，则将请求放置到下一次调度周期中，重新计算处理。
还包括是否在调度决策时同时引入用户期望参数和环境变量参数，其中环境变量参数，包含数据中心地理信息、机柜部署、交换机部署、服务器资源状态；还包括是否在迭代过程中，引入可行性分析，在每次迭代过程中，判断环境的变更，将不满足要求的调度方案进行修正，以确保环境的变更不会影响帕累托最优解的输出；其中修正方案包括随机生成一种满足可行性要求的调度方案，以替换当前错误优化的方案。
本发明方法解决了云计算环境资源动态变化过程中的定位问题，并且提供一种动态最优调度方法，用于保证在不断变化的环境中，用户所请求的服务质量。已有方案只能在资源请求状态下进行单一资源的调度，无法并发计算多类不同的甚至互相冲突的服务质量特征，并且无法根据环境变化而更新调度参数，造成决策失误，导致最终的资源浪费。本发明提出的方法，则可以根据请求资源的变化情况，实时调整调度策略，保持较高的资源利用率。
附图说明
附图1为本发明方法的流程图。
具体实施方式
本发明提供了一种云计算服务质量控制方法，所述方法包括：
(1)获取云计算环境中的资源请求；
(2)提取服务质量特征参数；
(3)识别环境特征参数；
(4)随机生成服务器组，计算适配函数，寻找合适调度方案；
(5)选取最优结果，进行资源调度。
所述步骤(1)包括获取当前云计算环境中的用户资源请求。
所述步骤(2)包括提取用户请求中的服务质量特征，CPU能力、内存容量、存储容量、IOPS容量、网络带宽、网络时延、并发请求数，将服务质量进行数学建模： Q o S ( X → ) = Σw i × N o r m a l i z e ( x i ) ; N o r m a l i z e ( x ) = x - x min x m a x - x min ;
其中，xn是用户请求中的每个服务质量特征参数，wn是针对该种特征的权重，xmin是用户请求的最低服务质量标准，xmax是可能提供的最高质量标准，所以：x>＝xmin,x<＝xmax,0.0<w<1.0。
所述步骤(3)包括对获取的所有环境变量参数，包含数据中心地理信息、机柜部署、交换机部署、服务器资源状态。
所述步骤(4)包括随机生成服务器组，计算适配函数，通过不停迭代及可行性分析，寻找帕累托最优解。
E n v ( X &RightArrow; , Y i ) i = W s e r v e r &times; S e r v e r ( X &RightArrow; , Y i ) - W r a c k &times; R a c k ( S i ) - W s w i t c h * S w i t c h ( R i ) ; 其中，X是用户请求的服务质量特征向量，Yi是第i台服务器的资源情况，Si是第i台服务器的ID，Ri是第i个机柜的ID，表示可利用的服务器资源，Rack(Si)，判断所选第i台服务器是否在同一机柜，Switch(Ri)判断所选第i台服务器是否在同一二层网络。
其中帕累托最优解的选择标准是：QoS()和Env()函数返回值所形成的方案，在所有当前方案集合内，没有其他的方案比现有方案更好(QoS和Env所得函数值最大)，则现有方案就是达到了帕累托最优。
其中可行性分析需要满足如下条件：Server(X,Y)>＝0，Rack(Si)>0,Switch(Ri)>0。若随机生成方案不满足可行性条件，则重新生成一个服务器组替代原有方案。
所述步骤(5)包括遍历帕累托最优解，随机选择一个调度方案。若无法找到，则将请求放置到下一次调度周期中，重新计算处理。
实施例1：
下文与图示本发明原理的附图一起提供归队本发明的详细描述。结合这样的实例描述本发明，但是本发明并不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。
如图1所示，本发明先读取云计算环境中的用户请求，一般用户会通过云计算平台提交资源申请，这些资源申请一般包含多台虚拟机，以及针对每台虚拟机所需要的计算资源。
获取到用户对云计算资源的请求后，需要进行判断，该请求是否合法，包括用户申请的资源数如果超过用户所能利用的资源上限，则需要告警。在请求合法的前提下，从请求数据中获取与用户申请资源和服务质量相关的系列参数，比如CPU能力、内存容量、存储容量、IOPS容量、网络带宽、网络时延、并发请求数。
然后，获取的所有环境变量参数，包含数据中心地理信息、机柜部署、交换机部署、服务器资源状态。
但是，光有这些数据，还不能进行优化决策，判断用户申请的资源放置在哪几台物理服务器上才能既满足用户的资源需求，又同时满足用户对质量保证的需求，以及最大化利用全局云计算资源。
下一步就是对我们需要优化的目标的进行建模，生成服务质量特征函数QoS和环境特征函数Env。
在每次迭代过程中，随机生成一组物理服务器，根据每台物理服务器的状态，计算特征函数值，最后过滤出最优特征函数值所代表的物理服务器组，也就是帕累托最优解。当帕累托最优解的数量达到一定的阈值时，则迭代停止。
根据帕累托最优解所代表的解决方案，进行虚拟机的部署。

Claims (7)

1.一种云计算服务质量控制方法，其特征在于，包括如下步骤：
(1)获取云计算环境中的资源请求；
(2)提取服务质量特征参数；
(3)识别环境特征参数；
(4)随机生成服务器组，计算适配函数，寻找合适调度方案；
(5)选取最优结果，进行资源调度。
2.如权利要求1所述的一种云计算服务质量控制方法，其特征在于：步骤(1)具体是获取当前云计算环境中的用户资源请求。
3.如权利要求1所述的一种云计算服务质量控制方法，其特征在于：步骤(2)具体是提取用户请求中的服务质量特征，CPU能力、内存容量、存储容量、IOPS容量、网络带宽、网络时延、并发请求数。
4.如权利要求1所述的一种云计算服务质量控制方法，其特征在于：步骤(3)具体是对获取的所有服务质量特征参数，包含数据中心地理信息、机柜部署、交换机部署、服务器资源状态。
5.如权利要求1所述的一种云计算服务质量控制方法，其特征在于：步骤(4)具体是随机生成服务器组，计算适配函数，通过不停迭代及可行性分析，寻找帕累托最优解。
6.如权利要求1所述的一种云计算服务质量控制方法，其特征在于：步骤(5)具体是遍历帕累托最优解，随机选择一个调度方案，若无法找到，则将请求放置到下一次调度周期中，重新计算处理。
7.如权利要求4所述的一种云计算服务质量控制方法，其特征在于：还包括是否在调度决策时同时引入用户期望参数和环境变量参数，其中环境变量参数，包含数据中心地理信息、机柜部署、交换机部署、服务器资源状态；还包括是否在迭代过程中，引入可行性分析，在每次迭代过程中，判断环境的变更，将不满足要求的调度方案进行修正，以确保环境的变更不会影响帕累托最优解的输出；其中修正方案包括随机生成一种满足可行性要求的调度方案，以替换当前错误优化的方案。
CN201510802468.7A 2015-11-19 2015-11-19 一种云计算服务质量控制方法 Expired - Fee Related CN105306597B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510802468.7A CN105306597B (zh) 2015-11-19 2015-11-19 一种云计算服务质量控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510802468.7A CN105306597B (zh) 2015-11-19 2015-11-19 一种云计算服务质量控制方法

Publications (2)

Publication Number Publication Date
CN105306597A true CN105306597A (zh) 2016-02-03
CN105306597B CN105306597B (zh) 2019-05-14

Family

ID=55203339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510802468.7A Expired - Fee Related CN105306597B (zh) 2015-11-19 2015-11-19 一种云计算服务质量控制方法

Country Status (1)

Country Link
CN (1) CN105306597B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021008225A1 (zh) * 2019-07-18 2021-01-21 上海交通大学 数据中心面向微服务的电力资源分配的方法和系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102780759B (zh) * 2012-06-13 2016-05-18 合肥工业大学 基于调度目标空间的云计算资源调度方法
CN103780646B (zh) * 2012-10-22 2017-04-12 中国长城计算机深圳股份有限公司 一种云资源的调度方法及系统
CN103023963B (zh) * 2012-10-31 2017-03-08 浪潮集团有限公司 一种用于云存储资源优化分配的方法
CN104536804A (zh) * 2014-12-23 2015-04-22 西安电子科技大学 面向关联任务请求的虚拟资源调度系统及调度和分配方法
CN105049516A (zh) * 2015-08-06 2015-11-11 浪潮电子信息产业股份有限公司 一种基于云计算的服务管理系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021008225A1 (zh) * 2019-07-18 2021-01-21 上海交通大学 数据中心面向微服务的电力资源分配的方法和系统

Also Published As

Publication number Publication date
CN105306597B (zh) 2019-05-14

Similar Documents

Publication Publication Date Title
TWI547817B (zh) 叢集運算架構的資源規劃方法、系統及裝置
Verba et al. Modeling industry 4.0 based fog computing environments for application analysis and deployment
CN108418718B (zh) 一种基于边缘计算的数据处理延迟优化方法及系统
CN104901989B (zh) 一种现场服务提供系统及方法
CN104038540A (zh) 一种应用代理服务器自动选择方法及系统
Mechalikh et al. PureEdgeSim: A simulation framework for performance evaluation of cloud, edge and mist computing environments
Hiessl et al. Optimal placement of stream processing operators in the fog
CN104092756A (zh) 一种基于dht机制的云存储系统的资源动态分配方法
US11055139B2 (en) Smart accelerator allocation and reclamation for deep learning jobs in a computing cluster
CN109819032B (zh) 一种联合考虑基站选择与计算迁移的云机器人任务分配方法
Riahi et al. A multi-objective decision support framework for virtual machine placement in cloud data centers: a real case study
Alboaneen et al. Glowworm swarm optimisation algorithm for virtual machine placement in cloud computing
Gawali et al. Standard deviation based modified cuckoo optimization algorithm for task scheduling to efficient resource allocation in cloud computing
CN105407162A (zh) 一种基于SLA服务等级的云计算Web应用资源负载均衡算法
CN115134371A (zh) 包含边缘网络算力资源的调度方法、系统、设备及介质
CN104219226A (zh) 一种确定云平台中最优通信代理节点数目的方法
CN103825946A (zh) 一种基于网络感知的虚拟机放置方法
CN107070965B (zh) 一种虚拟化容器资源下的多工作流资源供给方法
CN114490049A (zh) 在容器化边缘计算中自动分配资源的方法及系统
AlOrbani et al. Load balancing and resource allocation in smart cities using reinforcement learning
CN104618480A (zh) 基于网络链路利用率驱动的云系统资源分配方法
Still et al. Memory-aware genetic algorithms for task mapping on hard real-time networks-on-chip
CN105306597A (zh) 一种云计算服务质量控制方法
CN117014389A (zh) 算网资源配置方法及系统、电子设备、存储介质
Goutam et al. The performance evaluation of proactive fault tolerant scheme over cloud using CloudSim simulator

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190514

Termination date: 20201119

CF01 Termination of patent right due to non-payment of annual fee