CN107515779B - 基于探测器的虚拟机性能干扰度量系统及方法 - Google Patents

基于探测器的虚拟机性能干扰度量系统及方法 Download PDF

Info

Publication number
CN107515779B
CN107515779B CN201710778715.3A CN201710778715A CN107515779B CN 107515779 B CN107515779 B CN 107515779B CN 201710778715 A CN201710778715 A CN 201710778715A CN 107515779 B CN107515779 B CN 107515779B
Authority
CN
China
Prior art keywords
state value
server
detector
virtual machine
load
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
CN201710778715.3A
Other languages
English (en)
Other versions
CN107515779A (zh
Inventor
周航
李青
朱海
朱欣颖
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.)
Zhoukou Normal University
Original Assignee
Zhoukou Normal University
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 Zhoukou Normal University filed Critical Zhoukou Normal University
Priority to CN201710778715.3A priority Critical patent/CN107515779B/zh
Publication of CN107515779A publication Critical patent/CN107515779A/zh
Application granted granted Critical
Publication of CN107515779B publication Critical patent/CN107515779B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/45591—Monitoring or debugging support
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明涉及一种基于探测器的虚拟机性能干扰度量系统，其中系统包括探测器模块、服务器理想状态指标获取模块、服务器实际状态值获取模块以及判定模块；本发明还涉及一种基于该系统实现探测器的虚拟机性能干扰度量方法。采用该发明的基于探测器的虚拟机性能干扰度量系统及方法，其中的探测器正是一种轻量级的、易于部署的(探测器中的样本任务为矩阵计算和web页面浏览等基本的application)、适应异构场景的、能有效度量性能干扰的(False Positive概率为5.63％，False Negative的概率为7.85％)虚拟机性能干扰监测方案，它可以有效地建立节能与SLA之间的桥梁，为后续更有效的节能算法提供支撑。同时，该方案也将对节能减排、空气质量的提升有着积极的意义。

Description

基于探测器的虚拟机性能干扰度量系统及方法
技术领域
本发明涉及云计算技术领域，尤其涉及虚拟机调度技术领域，具体是指一种基于探测器的虚拟机性能干扰度量系统及方法。
背景技术
随着云计算pay-as-you-go模式的兴起，越来越多的用户将计算、存储、搜索等任务提交到云端解决。伴随着用户需求的激增，云数据中心硬件部署的规模也在逐渐扩张。典型的中、大型数据中心往往配备数百乃至数千个机架，其中包括成千上万台X86服务器组成的计算集群。
为了降低运营成本，数据中心运营商往往通过将物理资源虚拟化的方式提升资源利用率。通过应用多维资源装箱算法，可以最大限度地提升每台物理服务器的CPU、内存等资源的利用率。但是，随着物理服务器资源利用率的提高，其内部运行的若干虚拟机(VM)之间将会出现资源竞争的情况。物理机(PM)所存在的共享资源的竞争，会在一定程度上降低VM的性能，比如Web服务的响应时间(response time)增加，或者数据库事务操作的执行时间(execution time)延时。研究虚拟场景下VM之间的性能干扰问题，是数据中心提升服务水平(SLA)的重要课题，也是目前云计算领域资源分配、虚拟机调度等细分方向上的研究热点。
而从资源维度的角度来看，单一资源维度虽然容易监测，比较方便，但由于指标单一，不能完整地反映VM性能干扰情况，仅能应用于既定热点资源场景中(比如在某种特定场景下，网络带宽是唯一需要考虑的竞争资源)，实际应用场景受限。相比而言，同时考虑多个维度的资源监测，更贴近IaaS(Infrastructure as a service)云场景模式，也更加符合云数据中心的实际应用场景。
从监测方式的角度来看，直接性能指标虽然比较简易、快捷，但它们仅适合于简单的批处理任务，对于有相互间依赖关系的任务，或是交互程度较高的服务(比如Web服务)，这些简单的指标并不能及时、准确地反映VM间的性能干扰问题。对于硬件计数器指标而言，由于硬件指标众多，确实可以做到精准监测、实时反映资源竞争导致的性能下降问题。但是，要想同时监测多达十余种硬件指标，这种不间断的采集、抽样等监测行为本身将会带来巨大的系统资源开销。简而言之，这种同时监测所有硬件计数器指标的方式，虽然有效，但在服务器资源受限的实际场景中难以做到。相对性能统计(VM任务运行效率的相对值比较)提供了一种新的思路，就是抛开这些耗费资源的硬件性能监测行为，转而通过对比其任务运行效率(比如服务响应时间、任务执行时间)从而度量其性能干扰情况。这是一种简易、高效的方式，是一种很高的思路，但目前还不成熟，比如如何设计出适合异构场景的探测器，如何设置合适的用于比较性能高低的参照物，都是未解决的问题。
总体而言，一个优秀的虚拟机性能干扰监测方案，应该具备以下四点：多维资源指标、参照物性能的敏感性、监测的有效性，以及较低的资源开销。通过认真查找、比对和分析，目前尚未发现有同时做到以上4点的方案。与本专利最为接近的有两篇专利文献，“基于硬件计数器虚拟化的多虚拟机性能分析方法”(CN102073535A)的技术方案属于直接性能指标检测这一分类，同时监测诸多指标的系统开销太大，不具备较低资源开销这一项。“多维度资源性能干扰感知的虚拟机在线迁移方法及系统”(CN103294546A)则属于间接性能监测这一项，虽简单便捷，但阈值设定不能适应异构场景，监测的有效性有所欠缺。本专利所提出的监测方法同时具备上述4种特征，与之前的文献相比，此方案具备自己的特色。
发明内容
本发明的目的是克服了上述现有技术的缺点，提供了一种能够适应异构场景的基于探测器的虚拟机性能干扰度量系统及方法。
为了实现上述目的，本发明的基于探测器的虚拟机性能干扰度量系统及方法如下：
该基于探测器的虚拟机性能干扰度量系统，其主要特点是，所述的系统包括：探测器模块、服务器理想状态指标获取模块、服务器实际状态值获取模块以及判定模块，所述的各模块间均通过模块接口相连接。
该基于探测器的虚拟机性能干扰度量系统中的探测器模块包括：
探测器调试子模块；
负载生成子模块(workload generator)，通过模块接口与所述的探测器调试子模块相连接，用于产生负载运行状态值；
干扰检测子模块(interference monitor)，通过模块接口与所述的负载生成子模块相连接，用于观察并传递所述的负载运行状态值；
管理控制子模块(management controller)，通过模块接口与所述的负载生成子模块和干扰检测子模块相连接，用于接收由该干扰检测子模块传递的负载运行状态值
该基于探测器的虚拟机性能干扰度量系统中的判定模块通过模块接口分别与所述的服务器理想状态指标获取模块和服务器实际状态值获取模块相连接，用于服务器理想状态指标值和服务器实际状态值的比较。
该基于探测器的虚拟机性能干扰度量系统以实现探测器的虚拟机性能干扰度量方法，其主要特点是，所述的方法包括以下步骤：
(1)调试探测器；
(2)获取服务器理想状态指标；
(3)获取服务器实际状态值；
(4)比较所述的服务器理想状态指标和服务器实际状态值，并进行干扰程度的判定。
该实现探测器的虚拟机性能干扰度量方法中的的调试探测器过程，具体包括以下步骤：
(5.1)确定监测的相对性能指标；
(5.2)选定探测器负载类型；
(5.3)确定待测的服务器机型。
该实现探测器的虚拟机性能干扰度量方法中的获取服务器理想状态指标，具体包括以下步骤：
(6.1)在服务器中运行探测器所在的虚拟机中设定的任务；
(6.2)观察该虚拟机中的负载运行状态值；
(6.3)传递所述的负载运行状态值，并将该负载运行状态值记录在管理控制子模块中。
该实现探测器的虚拟机性能干扰度量方法中的负载运行状态值由该探测器中的负载生成子模块产生，该负载运行状态值具体包括服务响应时间(mean response time)、单位时间用户交互数量(connections per second)以及执行时间(execution time)。
该实现探测器的虚拟机性能干扰度量方法中的负载运行状态值的观察和传递均通过该探测器中的干扰检测子模块完成。
该实现探测器的虚拟机性能干扰度量方法中的获取服务器实际状态值，具体包括以下步骤：
(10.1)在服务器中运行包括实际工作负载和探测器在内的虚拟机中设定的任务；
(10.2)观察该虚拟机中的负载运行状态值；
(10.3)传递所述的负载运行状态值，并将该负载运行状态值记录在管理控制子模块中。
该实现探测器的虚拟机性能干扰度量方法中设定的任务具体为PHP执行和矩阵转置。
该实现探测器的虚拟机性能干扰度量方法中的负载运行状态值由该探测器中的负载生成子模块产生，该负载运行状态值具体包括服务响应时间、单位时间用户交互数量以及执行时间。
该实现探测器的虚拟机性能干扰度量方法中的负载运行状态值的观察和传递均通过该探测器中的干扰检测子模块完成。
该实现探测器的虚拟机性能干扰度量方法中的干扰程度的判定通过服务响应时间、单位时间用户交互数量以及执行时间三个值相乘进行度量。
采用了该发明的基于探测器的虚拟机性能干扰度量系统及方法，其中的探测器正是一种轻量级的(额外资源消耗率CPU≤3％，memory≤5％)、易于部署的(探测器中的样本任务为矩阵计算和web页面浏览等基本的application)、适应异构场景的(相对性能比对的方式可以适应异构场景)、能有效度量性能干扰的(False Positive概率为5.63％，FalseNegative的概率为7.85％)虚拟机性能干扰监测方案，它可以有效地建立节能与SLA之间的桥梁，为后续更有效的节能算法提供支撑。同时，该方案也将对节能减排、空气质量的提升有着积极的意义。
附图说明
图1为本发明的基于探测器的虚拟机性能干扰度量方法的流程示意图。
图2为本发明的基于探测器的虚拟机性能干扰度量方法中使用的服务器架构图。
图3为本发明的基于探测器的虚拟机性能干扰度量方法中NUMA服务器的socket场景及内部模块框图。
具体实施方式
为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。
请参阅图1所示，其为本发明的基于探测器的虚拟机性能干扰度量方法的流程示意图。
该基于探测器的虚拟机性能干扰度量系统，其主要特点是，所述的系统包括：探测器模块、服务器理想状态指标获取模块、服务器实际状态值获取模块以及判定模块，所述的各模块间均通过模块接口相连接。
该基于探测器的虚拟机性能干扰度量系统中的探测器模块包括：
探测器调试子模块；
负载生成子模块(workload generator)，通过模块接口与所述的探测器调试子模块相连接，用于产生负载运行状态值；
干扰检测子模块(interference monitor)，通过模块接口与所述的负载生成子模块相连接，用于观察并传递所述的负载运行状态值；
管理控制子模块(management controller)，通过模块接口与所述的负载生成子模块和干扰检测子模块相连接，用于接收由该干扰检测子模块传递的负载运行状态值
该基于探测器的虚拟机性能干扰度量系统中的判定模块通过模块接口分别与所述的服务器理想状态指标获取模块和服务器实际状态值获取模块相连接，用于服务器理想状态指标值和服务器实际状态值的比较。
该基于探测器的虚拟机性能干扰度量系统以实现探测器的虚拟机性能干扰度量方法，其主要特点是，所述的方法包括以下步骤：
(1)调试探测器；
(2)获取服务器理想状态指标；
(3)获取服务器实际状态值；
(4)比较所述的服务器理想状态指标和服务器实际状态值，并进行干扰程度的判定。
该实现探测器的虚拟机性能干扰度量方法中的的调试探测器过程，具体包括以下步骤：
(5.1)确定监测的相对性能指标；
(5.2)选定探测器负载类型；
(5.3)确定待测的服务器机型。
该实现探测器的虚拟机性能干扰度量方法中的获取服务器理想状态指标，具体包括以下步骤：
(6.1)在服务器中运行探测器所在的虚拟机中设定的任务；
(6.2)观察该虚拟机中的负载运行状态值；
(6.3)传递所述的负载运行状态值，并将该负载运行状态值记录在管理控制子模块中。
该实现探测器的虚拟机性能干扰度量方法中的负载运行状态值由该探测器中的负载生成子模块产生，该负载运行状态值具体包括服务响应时间(mean response time)、单位时间用户交互数量(connections per second)以及执行时间(execution time)。
该实现探测器的虚拟机性能干扰度量方法中的负载运行状态值的观察和传递均通过该探测器中的干扰检测子模块完成。
该实现探测器的虚拟机性能干扰度量方法中的获取服务器实际状态值，具体包括以下步骤：
(10.1)在服务器中运行包括实际工作负载和探测器在内的多台虚拟机中设定的任务；
(10.2)观察该虚拟机中的负载运行状态值；
(10.3)传递所述的负载运行状态值，并将该负载运行状态值记录在管理控制子模块中。
该实现探测器的虚拟机性能干扰度量方法中的设定的任务具体为PHP执行和矩阵转置。
该实现探测器的虚拟机性能干扰度量方法中的负载运行状态值由该探测器中的负载生成子模块产生，该负载运行状态值具体包括服务响应时间、单位时间用户交互数量以及执行时间。
该实现探测器的虚拟机性能干扰度量方法中的负载运行状态值的观察和传递均通过该探测器中的干扰检测子模块完成。
该实现探测器的虚拟机性能干扰度量方法中的干扰程度的判定通过服务响应时间、单位时间用户交互数量以及执行时间三个值相乘进行度量。
请参阅图2所示，其为本发明的基于探测器的虚拟机性能干扰度量方法中使用的服务器架构图。该服务器架构图中，采用非一致性存储架构(NUMA)，该NUMA以socket为单位并存在多个socket，每个socket可以看作是一个本地资源的集成，其中包括多个CPU内核，本地共享内存以及I/O槽口等资源。节点之间通过互联模块进行连接和信息交互，每个CPU都可以访问整个系统的内存。当然，这种访问速度是有差别的，socket内部每个核所共享的终极高速缓存(last level cache)的存取速度较快，而多个socket之间的远地内存获取速度却较慢。这种不对称的存取速度也正是非一致性存储结构的由来。在此架构中，socket层之上是VMM(Virtual Machine Monitor)，它是众多虚拟机(VM)资源的管理者，允许多个VM共享同一台物理机(PM)。
请参阅图3所示，其为本发明的基于探测器的虚拟机性能干扰度量方法中NUMA服务器的socket场景及内部模块框图。
该socket中承载着n+1个VM，前n个VM是正常的工作负载，后面那个VM的角色正是监测性能干扰所需要的探测器，该探测器采用相对性能比对的方式，侧重于关注当负载发生波动或变换时其运行效率的对比，但该探测器并不考虑socket j中实际工作负载中的相对性能，而是仅仅关注探测器内部既定的工作负载运行效率。虚拟探测器(VM-detector)分为三个部分，有产生工作负载的负载生成子模块(workload generator)、有感知性能干扰的干扰检测子模块(interference monitor)以及收集监测信息并做分析判断的管理控制子模块(management controller)，这三个模块虽然具有不同的分工但彼此紧密结合，采用上述三个模块的实施例如下：
(1.1.1)选定监测指标
本方案中监测指标与硬件配置无直接关系，它属于相对性能指标，具体指标分别是：mean response time、connections per second以及execution time。针对目前Web服务类型工作负载的增多，有针对性地设计了两个指标，其中mean response time从服务响应时间的角度来探测服务效率，而connections per second从服务器同一时刻能够交互的用户数量来衡量其性能。对于非web服务类型的工作负载，比如科学计算等操作来说，execution time可以度量其相对运行效率。
(1.1.2)调试探测器
探测器中的workload generator模块，负责产生工作负载。具体有两种不同的工作负载类型：一种是CPU-bound类型的PHP脚本语言(当然，这首先要求图2种探测器所在的VM上部署Apache、IIS或其他类型的server service)；另一种是memory intensive的矩阵转置(涉及矩阵中所有元素的遍历)。为了探测器的调试和后续监测，这两种工作负载的强度都是可控可调的，前者的关键参数是c，也就是Apache服务器同一时刻服务c个connections，c的大小将显著影响workload的强度。后者的关键参数是n(矩阵尺寸为n×n)，显然n越大，遍历整个矩阵所需的内存越多，任务完成时间也越长。为了使探测器可以适应数据中心的异构化场景，在此步骤中workload generator模块将针对每一种机型(数据中心的服务器都是分批购买，真实场景中机型一般不会超过5种)不断调整参数c和n的大小，使得探测器既能有效、敏感地捕捉性能干扰的状况，又不至于过多地占用整个服务器的物理资源(在此专利方案中，探测器工作负载所占用的服务器资源是CPU≤3％，memory≤5％)。
(1.1.3)记录理想状态性能指标
在探测器完成参数调试之后，接下来就是针对异构机型的理想状态指标的测试记录了。这一步骤的目的是(为后面的相对性能指标的对比)做参照物标准。在这个环节的具体操作中，必须保证物理服务器上仅运行着探测器所必需的那个VM。也就是说，这个环节，是在没有其他任何性能干扰的情况下(理想状态)以步骤B中设定的参数测试步骤A涉及的性能指标。在本实验中的做法即服务器中仅运行一个VM，该VM上运行设定的PHP script和矩阵转置两个任务，参数c和n为步骤B中得到的值，观察其运行状态中的mean responsetime、connections per second以及execution time指标(步骤A中设定的三个监测指标)，将记录结果保存至management controller中，并以此指标作为该机型在无性能干扰状态下的理想状态指标。
(1.1.4)记录实际状态性能指标
在真实负载场景中，服务器上往往部署着多个VM同时运行，他们的资源需求各不相同，同时他们之间也存在着一定的性能干扰。在各服务器正常运行的时候，interferencemonitor模块开始发挥作用，它将监测并记录探测器中由workload generator所产生的负载的运行状态，并将mean response time、connections per second以及execution time的值传递给management controller模块。
(1.1.5)性能干扰程度分析
management controller在接收到interference monitor发送过来的性能参数后，management controller会将这些状态指标和步骤C中测得的理想数据做比较，以判定其性能干扰程度。具体来说，当服务器上运行的其他VM承载正常的工作负载时，服务的物理资源将出现不同程度的资源短缺现象。这种资源竞争将会传导给探测器所在的VM，并影响它上面运行的两种工作负载的运行效率。与理想状态相比，mean response time和execution time将会上升，而connections per second将会下降。本方案以R、E、C来分别表示用标准化之后的状态变化指数，并以乘法公式IF＝R×E×C来度量性能干扰的程度(IF为interference程度的标识，融合了三种性能指标)。上述度量公式，具备一定的灵活性，可以根据性能指标选取的不同而做相应的修改。比如，若仅考虑mean response time和execution time，可以将其修改为IF＝R×E。
另一具体实施例如下：
(2.1.1)选取度量指标
响应时间(response time)和执行时间(execution time)，上述两个度量指标单位均为秒；
(2.1.2)选取负载类型
选取两个应用作为探测器中的负载。一个是矩阵的转置，一个是web页面的浏览、交互(使用的是开源的Discuz作为web源程序)。
(2.1.3)选取服务器机型
待测服务器机型为Dell Inspiron 5000，处理器规格为Intel i7-4510U 2.0GHz，4GB内存。
(2.1.4)调试探测器
随机矩阵(m×n)的尺寸设置为m＝5000，n＝10000。Web服务的在线用户连接数设置为300个。
(2.1.5)记录理想状态值
使用VMware，仅开启一台VM，运行上述探测器负载(循环调用这两个类型的任务，并在任务切换前释放上一个任务占用的物理资源)，测得矩阵转置的execution time为0.7640秒，而web页面的几种常规动作所对应的response time分别为：
HomePage 0.28；Logion 0.46；Event Detail 0.30；User Detail 0.72。
(2.1.6)记录实际状态值
添加VM，放入实际工作负载，测量探测器的实际性能指标。添加3台VM，分别运行jython、eclipse和luindex的标准套件。再次测量探测器中的性能指标，此时executiontime为1.610，response time为：HomePage 0.34；Logion 0.57；Event Detail 0.49；UserDetail 1.35。
(2.1.7)比较理想状态值与实际状态值
标准化处理相对性能比值，并得出VM性能干扰度。IF＝E×R＝2.11×1.49＝3.14
采用了该发明的基于探测器的虚拟机性能干扰度量系统及方法，其中的探测器正是一种轻量级的(额外资源消耗率CPU≤3％，memory≤5％)、易于部署的(探测器中的样本任务为矩阵计算和web页面浏览等基本的application)、适应异构场景的(相对性能比对的方式可以适应异构场景)、能有效度量性能干扰的(False Positive概率为5.63％，FalseNegative的概率为7.85％)虚拟机性能干扰监测方案，它可以有效地建立节能与SLA之间的桥梁，为后续更有效的节能算法提供支撑。同时，该方案也将对节能减排、空气质量的提升有着积极的意义。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (5)

1.一种基于探测器的虚拟机性能干扰度量系统，其特征在于，
所述的系统包括：探测器模块、服务器理想状态指标获取模块、服务器实际状态值获取模块以及判定模块，所述的各模块间均通过模块接口相连接；
所述的探测器模块包括：
探测器调试子模块；
负载生成子模块，通过模块接口与所述的探测器调试子模块相连接，用于产生负载运行状态值，所述的负载运行状态值包括服务响应时间、单位时间用户交互数量以及执行时间；所述的负载生成子模块产生的工作负载分为计算密集型类型的PHP脚本语言及内存密集型的矩阵转置，且所述的计算密集型类型的PHP脚本语言及所述的内存密集型的矩阵转置的强度都是可控可调的；
干扰检测子模块，通过模块接口与所述的负载生成子模块相连接，用于观察并传递所述的负载运行状态值；
管理控制子模块，通过模块接口与所述的负载生成子模块和干扰检测子模块相连接，用于接收由该干扰检测子模块传递的负载运行状态值；
所述的判定模块通过模块接口分别与所述的服务器理想状态指标获取模块和服务器实际状态值获取模块相连接，用于服务器理想状态指标值和服务器实际状态值的比较；
通过对所述的服务响应时间及所述的单位时间用户交互数量进行检测实现对Web服务类型工作负载的增多进行检测，即从服务响应时间的角度来探测服务效率，从服务器同一时刻能够交互的用户数量来衡量其性能；通过对所述的执行时间进行检测实现对非web服务类型的工作负载进行检测，即通过所述的执行时间度量其相对运行效率；
所述的系统进行探测器的虚拟机性能干扰度量操作，其中，所述的探测器的虚拟机性能干扰度量操作进行以下处理：
(1)调试探测器；
(2)获取服务器理想状态指标，由所述的理想状态指标作为参照物标准，其中，所述的获取服务器理想状态指标，具体包括以下步骤：
(2.1)在服务器中运行探测器所在的虚拟机中设定的任务；
(2.2)观察该虚拟机中的负载运行状态值；
(2.3)传递所述的负载运行状态值，并将该负载运行状态值记录在管理控制子模块中；
(3)获取服务器实际状态值，具体包括以下步骤：
(3.1)在服务器中运行包括实际工作负载和探测器在内的虚拟机中的设定的任务；
(3.2)观察该虚拟机中的负载运行状态值；
(3.3)传递所述的负载运行状态值，并将该负载运行状态值记录在管理控制子模块中；
(4)比较所述的服务器理想状态指标和服务器实际状态值，并进行干扰程度的判定；
其中，所述的设定的任务具体为PHP脚本执行和矩阵转置；
所述的干扰程度的判定通过服务响应时间、单位时间用户交互数量以及执行时间三个值相乘进行度量，或通过服务响应时间与执行时间相乘进行度量。
2.一种基于权利要求1的系统实现探测器的虚拟机性能干扰度量方法，其特征在于，所述的方法包括以下步骤：
(1)调试探测器；
(2)获取服务器理想状态指标，具体包括以下步骤：
(2.1)在服务器中运行探测器所在的虚拟机中设定的任务；
(2.2)观察该虚拟机中的负载运行状态值，该负载运行状态值具体包括服务响应时间、单位时间用户交互数量以及执行时间；
(2.3)传递所述的负载运行状态值，并将该负载运行状态值记录在管理控制子模块中；
(3)获取服务器实际状态值，具体包括以下步骤：
(3.1)在服务器中运行包括实际工作负载和探测器在内的虚拟机中的设定的任务；
(3.2)观察该虚拟机中的负载运行状态值；
(3.3)传递所述的负载运行状态值，并将该负载运行状态值记录在管理控制子模块中；
(4)比较所述的服务器理想状态指标和服务器实际状态值，并进行干扰程度的判定；所述的干扰程度的判定通过服务响应时间、单位时间用户交互数量以及执行时间三个值相乘进行度量，或通过服务响应时间与执行时间相乘进行度量；
所述的设定的任务具体为PHP脚本执行和矩阵转置。
3.根据权利要求2所述的实现探测器的虚拟机性能干扰度量方法，其特征在于，所述的调试探测器，具体包括以下步骤：
(5.1)确定监测的相对性能指标；
(5.2)选定探测器负载类型；
(5.3)确定待测的服务器机型。
4.根据权利要求2所述的实现探测器的虚拟机性能干扰度量方法，其特征在于，所述的负载运行状态值由该探测器中的负载生成子模块产生。
5.根据权利要求2所述的实现探测器的虚拟机性能干扰度量方法，其特征在于，所述的负载运行状态值的观察和传递均通过该探测器中的干扰检测子模块完成。
CN201710778715.3A 2017-09-01 2017-09-01 基于探测器的虚拟机性能干扰度量系统及方法 Active CN107515779B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710778715.3A CN107515779B (zh) 2017-09-01 2017-09-01 基于探测器的虚拟机性能干扰度量系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710778715.3A CN107515779B (zh) 2017-09-01 2017-09-01 基于探测器的虚拟机性能干扰度量系统及方法

Publications (2)

Publication Number Publication Date
CN107515779A CN107515779A (zh) 2017-12-26
CN107515779B true CN107515779B (zh) 2020-08-07

Family

ID=60723902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710778715.3A Active CN107515779B (zh) 2017-09-01 2017-09-01 基于探测器的虚拟机性能干扰度量系统及方法

Country Status (1)

Country Link
CN (1) CN107515779B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112445698A (zh) * 2019-09-04 2021-03-05 中国移动通信有限公司研究院 虚拟服务节点性能测试方法、装置和计算机可读存储介质
CN113132471B (zh) * 2021-03-31 2023-02-21 长沙理工大学 云服务预算优化调度方法、装置、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102004671A (zh) * 2010-11-15 2011-04-06 北京航空航天大学 一种云计算环境下数据中心基于统计模型的资源管理方法
CN102073535A (zh) * 2011-01-11 2011-05-25 华中科技大学 基于硬件计数器虚拟化的多虚拟机性能分析方法
CN103294546A (zh) * 2013-04-03 2013-09-11 华中科技大学 多维度资源性能干扰感知的虚拟机在线迁移方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005135130A (ja) * 2003-10-30 2005-05-26 Fujitsu Ltd 負荷監視条件決定プログラム，負荷監視条件決定システム，負荷監視条件決定方法および負荷監視プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102004671A (zh) * 2010-11-15 2011-04-06 北京航空航天大学 一种云计算环境下数据中心基于统计模型的资源管理方法
CN102073535A (zh) * 2011-01-11 2011-05-25 华中科技大学 基于硬件计数器虚拟化的多虚拟机性能分析方法
CN103294546A (zh) * 2013-04-03 2013-09-11 华中科技大学 多维度资源性能干扰感知的虚拟机在线迁移方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Resource Contention Detection in Virtualized Environments;Joydeep Mukherjee 等;《IEEE Transactions on Network and Service Management》;20150224;第12卷(第2期);第217-231页 *

Also Published As

Publication number Publication date
CN107515779A (zh) 2017-12-26

Similar Documents

Publication Publication Date Title
Tuncer et al. Diagnosing performance variations in HPC applications using machine learning
Wang et al. Self-adaptive cloud monitoring with online anomaly detection
Maji et al. Mitigating interference in cloud services by middleware reconfiguration
Novaković et al. {DeepDive}: Transparently identifying and managing performance interference in virtualized environments
Gong et al. Pac: Pattern-driven application consolidation for efficient cloud computing
Silva et al. Cloudbench: Experiment automation for cloud environments
US20200287813A1 (en) Method and apparatus for workload feedback mechanism facilitating a closed loop architecture
Kang et al. PeerWatch: a fault detection and diagnosis tool for virtualized consolidation systems
US9229838B2 (en) Modeling and evaluating application performance in a new environment
US20120136909A1 (en) Cloud anomaly detection using normalization, binning and entropy determination
EP2960797B1 (en) Identification of software phases using machine learning
CN107220121B (zh) 一种numa架构下沙箱环境测试方法及其系统
CN106293881B (zh) 一种基于非一致性i/o访问构架的性能监控器及其监控方法
Caglar et al. Intelligent, performance interference-aware resource management for iot cloud backends
Denis et al. Mpi overlap: Benchmark and analysis
Casale et al. A feasibility study of host-level contention detection by guest virtual machines
CN107515779B (zh) 基于探测器的虚拟机性能干扰度量系统及方法
Kannan et al. Caliper: Interference estimator for multi-tenant environments sharing architectural resources
Wang et al. Vmon: Monitoring and quantifying virtual machine interference via hardware performance counter
Malik et al. Ecost: Energy-efficient co-locating and self-tuning mapreduce applications
Malik et al. Co-locating and concurrent fine-tuning MapReduce applications on microservers for energy efficiency
Joshi et al. Sherlock: Lightweight detection of performance interference in containerized cloud services
Rao et al. Online measurement of the capacity of multi-tier websites using hardware performance counters
CN112306628A (zh) 一种基于多核服务器的虚拟网络功能资源管理框架
Noorshams et al. Modeling of i/o performance interference in virtualized environments with queueing petri nets

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant