CN107579852A - 云服务器中基于历史模型的虚拟网络性能隔离系统和方法 - Google Patents
云服务器中基于历史模型的虚拟网络性能隔离系统和方法 Download PDFInfo
- Publication number
- CN107579852A CN107579852A CN201710833053.5A CN201710833053A CN107579852A CN 107579852 A CN107579852 A CN 107579852A CN 201710833053 A CN201710833053 A CN 201710833053A CN 107579852 A CN107579852 A CN 107579852A
- Authority
- CN
- China
- Prior art keywords
- virtual network
- historical models
- performance isolation
- cloud server
- network performance
- 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.)
- Pending
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开云服务器中基于历史模型的虚拟网络性能隔离方法,涉及云计算数据中心服务器领域,首先通过分析虚拟网络上应用通信行为特征得出所需参数,然后,通过时间相关性的参数结合当前的可用资源,构建网络资源使用历史模型,预测出的后续可用资源作为重要参考因子,综合给出需要构建的虚拟网络的优先级、带宽限制、带宽保证和路由选择。本发明充分考虑了网络资源的使用趋势,能够充分利用网络资源,同时大幅度提高了虚拟网络资源的性能隔离程度。本发明还提出了云服务器中基于历史模型的虚拟网络性能隔离系统。
Description
技术领域
本发明涉及云计算数据中心服务器领域,具体的说是云服务器中基于历史模型的虚拟网络性能隔离系统和方法。
背景技术
云服务器(云计算服务器)是一种简单高效、安全可靠、处理能力可弹性伸缩的计算服务,其管理方式比物理服务器更简单高效。云服务器的虚拟化技术,利用虚拟化平台将一千台以上的服务器集群虚拟为多个性能可配的虚拟机(KVM),对整个集群中所有KVM进行监控和管理,并根据实际资源使用情况灵活分配和调度资源池。
云计算服务通常提供通过浏览器访问的在线商业应用,软件和数据可存储在数据中心(服务器)。数据在云端进行传输,云计算数据中心为其调配所需的计算能力,并对整个基础架构的后台进行管理。从软件、硬件两方面运行维护,软件层面不断根据实际的网络使用情况对云平台进行调试,硬件层面保障机房环境和网络资源正常运转调配。
在云计算数据中心中,满足不同业务应用的虚拟网络共用物理网络。物理网络从服务器的网卡到外面的网络设备,一般都是基于以太网技术,而以太网是基于统计复用的网络转发技术,因此,如何最大程度的满足应用虚拟网络的质量需求,同时做好虚拟网络的性能隔离,使之不相互干扰成为急需解决的技术问题。
发明内容
本发明针对目前技术发展的需求和不足之处,提供一种云服务器中基于历史模型的虚拟网络性能隔离系统和方法。
本发明所述云服务器中基于历史模型的虚拟网络性能隔离系统和方法,解决上述技术问题采用的技术方案如下:本发明提出的云服务器基于历史模型的虚拟网络性能隔离系统,整体架构包括:
通信行为特征评估平台,负责评估应用通信行为特征,得出所需网络资源参数;
网络控制核心引擎,负责网络资源使用状态的监控,网络资源的分配调度,应用数据流特征分类,应用的路由选择,可用资源与资源历史使用数据记录,网络资源使用历史模型的构建,应用通信行为特征和网络资源使用历史模型的拟合,虚拟网络的控制;
应用的虚拟网络,包括物理路径、带宽保证参数、带宽限制参数和转发优先级。
进一步,该虚拟网络性能隔离系统还包括:
网络的承载实体,由交换路由模块和网络接口模块组成。
本发明提出的云服务器基于历史模型的虚拟网络性能隔离方法,实现流程包括:
步骤1)评估应用通信行为特征;
步骤2)计算路由可达路径;
步骤3)计算各可达路径当前可用网络资源;
步骤4)计算各可达路由网络资源使用历史模型;
步骤5)特征模型拟合选择最优网络路由;
步骤6)在选出的网络路由上配置参数;
步骤7)为应用构建出满足需求且性能隔离的虚拟网络。
进一步,步骤1),通过评估应用通信行为特征,得出应用通信行为的资源使用模型,所需峰值和均值带宽,及其时间相关性,分析应用通信的最低保证带宽和优先级。
进一步,步骤2),通过路由算法计算出一定约束条件下所有的应用可达路径,可以约束在限定的路由跳数的条件下计算路由可达路径。
进一步,步骤3),各可达路径当前可用网络资源,由路径上所有网络接口剩余带宽最小的决定。
进一步,步骤4),具体包括:
步骤a)路由选择算法选出所有可达路径;
步骤b)读取每条路径所经接口各时间因子相关历史使用数据;
步骤c)选取同一路径同一时间因子中各接口中最大数值,构建该时间因子的历史使用模型;
步骤d)依据接口中相关时间因子的数据,构建相关时间因子的网络资源使用历史模型;
步骤e)使用移动峰值算法更新相关时间因子的历史使用数据。
进一步,步骤5),应用通信行为特征依次与以天、周、月、年为因子的网络资源使用历史模型进行拟合。
进一步,步骤6),在选出的网络路由所涉及交换路由模块和网络接口卡上配置参数。
本发明所述云服务器中基于历史模型的虚拟网络性能隔离系统和方法,与现有技术相比具有的有益效果是:本发明通过分析虚拟网络上应用通信行为特征得出所需参数,然后结合当前的可用资源,引入网络资源使用历史模型,综合给出需要构建的虚拟网络的优先级、带宽限制、带宽保证和路由选择,为应用构建出满足需求且性能隔离的虚拟网络;充分考虑了网络资源的使用趋势,能够充分利用网络资源,同时大幅度提高了虚拟网络资源的性能隔离程度。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术内容,下面对本发明实施例或现有技术中所需要的附图做简单介绍。显而易见的,下面所描述附图仅仅是本发明的一部分实施例,对于本领域技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,但均在本发明的保护范围之内。
附图1为实施例1虚拟网络性能隔离系统的架构图;
附图2为实施例1虚拟网络性能隔离方法的流程图;
附图3为实施例2虚拟网络性能隔离系统的架构图;
附图4为实施例2虚拟网络性能隔离方法的流程图;
附图5为本发明虚拟网络性能隔离的效果图。
具体实施方式
为使本发明的技术方案、解决的技术问题和技术效果更加清楚明白,以下结合具体实施例,对本发明的技术方案进行清查、完整的描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下获得的所有实施例,都在本发明的保护范围之内。
实施例1:
本实施例提出云服务中基于历史模型的虚拟网络性能隔离系统,如附图1所示,该虚拟网络性能隔离系统的整体架构包括:
通信行为特征评估平台,负责评估应用通信行为特征,得出所需网络资源参数。具体的,这些网络资源参数,包括网络质量需求权重值、带宽峰值、均值、需最低保证值以及其时间相关性。
网络控制核心引擎,负责网络资源使用状态的监控,网络资源的分配调度,应用数据流特征分类,应用的路由选择,可用资源与资源历史使用数据记录,网络资源使用历史模型的构建,应用通信行为特征和网络资源使用历史模型的拟合,虚拟网络的控制。
应用的虚拟网络,包括物理路径、带宽保证参数、带宽限制参数和转发优先级。
本实施例还提出云服务器中基于历史模型的虚拟网络性能隔离方法。附图2为实施例1虚拟网络性能隔离方法的流程图,具体实现流程包括:
步骤1)评估应用通信行为特征;
具体的,应用通信行为特征基于需要构建于虚拟网络上,分析应用通信行为特征,得出应用通信行为的资源使用模型,所需峰值和均值带宽,及其时间相关性,分析应用通信的最低保证带宽和优先级。
步骤2)计算路由可达路径;
具体的,通过路由算法计算出一定约束条件下所有的应用可达路径,可以约束在限定的路由跳数的条件下计算路由可达路径。
步骤3)计算各可达路径当前可用网络资源;
具体的,各可达路径当前可用网络资源,由路径上所有网络接口剩余带宽最小的决定。
步骤4)计算各可达路由网络资源使用历史模型;
步骤5)特征模型拟合选择最优网络路由;
具体的,应用通信行为特征依次与以天、周、月、年为因子的网络资源使用历史模型进行拟合。
步骤6)在选出的网络路由上配置参数;
具体的,在选出的网络路由所涉及交换路由模块和网络接口卡上配置参数,所配置参数包括带宽限制、带宽保证、转发优先级等。
步骤7)为应用构建出满足需求且性能隔离的虚拟网络。
本实施例还提出云服务器中基于历史模型的虚拟网络性能隔离方法,首先通过分析虚拟网络上应用通信行为特征得出所需参数,包括网络质量需求权重值、带宽峰值、均值、需最低保证值以及时间相关性。然后,通过时间相关性的参数结合当前的可用资源,构建网络资源使用历史模型,预测出的后续可用资源作为重要参考因子,综合给出需要构建的虚拟网络的优先级、带宽限制、带宽保证和路由选择。
实施例2:
本实施例提出的云服务器中基于历史模型的虚拟网络性能隔离系统,在实施例1虚拟网络性能隔离系统的基础上,增加网络的承载实体结构,进一步完善虚拟网络性能隔离系统,本实施例技术方案与实施例1可以相互参照。
本实施例虚拟网络性能隔离系统,如附图3所示,系统架构包括:
通信行为特征评估平台,负责评估应用通信行为特征,得出所需网络资源参数。
网络控制核心引擎,负责网络资源使用状态的监控,网络资源的分配调度,应用数据流特征分类,应用的路由选择,可用资源与资源历史使用数据记录,网络资源使用历史模型的构建,应用通信行为特征和网络资源使用历史模型的拟合,虚拟网络的控制。
应用的虚拟网络,包括物理路径、带宽保证参数、带宽限制参数和转发优先级。
网络的承载实体,由交换路由模块和网络接口模块组成。
本实施例还提出了云服务器中基于历史模型的虚拟网络性能隔离方法,在实施例1虚拟网络性能隔离方法的基础上,增加了计算各可达路由网络资源使用历史模型的步骤,进一步完善基于历史模型的虚拟网络性能隔离方法的实现方案。
附图4为网络资源使用历史模型的构建流程图,如附图4所示,实现流程包括:
步骤a)路由选择算法选出所有可达路径;
步骤b)读取每条路径所经接口各时间因子相关历史使用数据;
步骤c)选取同一路径同一时间因子中各接口中最大数值,构建该时间因子的历史使用模型;
步骤d)依据接口中相关时间因子的数据,构建相关时间因子的网络资源使用历史模型;
具体的,依据接口中天相关数据,构建以天为因子的网络资源使用历史模型;依据接口中周相关数据,构建以周为因子的网络资源使用历史模型;依据接口中月相关数据,构建以月为因子的网络资源使用历史模型;依据接口中年相关数据,构建以年为因子的网络资源使用历史模型。
步骤e)使用移动峰值算法更新相关时间因子的历史使用数据,
具体的,比如,若某网络接口以天为因子的历史使用数据是以一段时间(例如,10分钟)为采样间隔的数据,则可以以周为单位移动记录此接口的峰值历史数据,超过一周的数据被舍弃新的数据被统计在内。
本实例例所提出的虚拟网络性能隔离方法,在实施例1虚拟网络性能隔离方法的基础上增加了构架网络资源使用历史模型的步骤,整体实现流程可以参照实施例1虚拟网络性能隔离方法的技术内容,此处不再详述。
综上对本发明的介绍可知,本发明提出的网络资源使用历史模型,是对所控制细粒度网络资源峰值、均值等历史数据的时间相关性分析得出的,会随时间变化而不断更新。网络资源历史使用情况与以天、周、月、年为单位的时间对应起来,网络资源使用历史模型由网络上承载的应用运行的时间规律决定。
附图5为本发明虚拟网络性能隔离的效果图,如附图5所示,可选路径1网络资源使用历史模型与应用通信行为特征走向大致相同,可选路径1不是拟合得到的最佳匹配路径。由于可选路径2网络资源使用历史模型与应用通信行为特征反向,所以可选路径2为拟合最佳匹配路径。
以上应用具体个例对本发明的原理及实施方式进行了详细阐述,这些实施例只是用于帮助理解本发明的核心技术内容,并不用于限制本发明的保护范围,本发明的技术方案不限制于上述具体实施方式内。基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作出的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (10)
1.云服务器中基于历史模型的虚拟网络性能隔离系统,其特征在于, 整体架构包括:
通信行为特征评估平台,负责评估应用通信行为特征,得出所需网络资源参数;
网络控制核心引擎,负责网络资源使用状态的监控,网络资源的分配调度,应用数据流特征分类,应用的路由选择,可用资源与资源历史使用数据记录,网络资源使用历史模型的构建,应用通信行为特征和网络资源使用历史模型的拟合,虚拟网络的控制;
应用的虚拟网络,包括物理路径、带宽保证参数、带宽限制参数和转发优先级。
2.根据权利要求1所述云服务器中基于历史模型的虚拟网络性能隔离系统,其特征在于,还包括:
网络的承载实体,由交换路由模块和网络接口模块组成。
3.云服务器中基于历史模型的虚拟网络性能隔离方法,其特征在于,实现流程包括:
步骤1)评估应用通信行为特征;
步骤2)计算路由可达路径;
步骤3)计算各可达路径当前可用网络资源;
步骤4)计算各可达路由网络资源使用历史模型;
步骤5)特征模型拟合选择最优网络路由;
步骤6)在选出的网络路由上配置参数;
步骤7)为应用构建出满足需求且性能隔离的虚拟网络。
4.根据权利要求3所述云服务器中基于历史模型的虚拟网络性能隔离方法,其特征在于,所述步骤1),分析应用通信行为特征,得出应用通信行为的资源使用模型,所需峰值和均值带宽,及其时间相关性,分析应用通信的最低保证带宽和优先级。
5.根据权利要求4所述云服务器中基于历史模型的虚拟网络性能隔离方法,其特征在于,所述步骤2),通过路由算法计算出一定约束条件下所有的应用可达路径。
6.根据权利要求5所述云服务器中基于历史模型的虚拟网络性能隔离方法,其特征在于,所述步骤3),各可达路径当前可用网络资源,由路径上所有网络接口剩余带宽最小的决定。
7.根据权利要求6所述云服务器中基于历史模型的虚拟网络性能隔离方法,其特征在于,所述步骤4),具体包括:
步骤a)路由选择算法选出所有可达路径;
步骤b)读取每条路径所经接口各时间因子相关历史使用数据;
步骤c)选取同一路径同一时间因子中各接口中最大数值,构建该时间因子的历史使用模型;
步骤d)依据接口中相关时间因子的数据,构建相关时间因子的网络资源使用历史模型;
步骤e)使用移动峰值算法更新相关时间因子的历史使用数据。
8.根据权利要求7所述云服务器中基于历史模型的虚拟网络性能隔离方法,其特征在于,所述步骤d),依据接口中天、周、月、年相关数据,分别构建以天、周、月、年为因子的网络资源使用历史模型。
9.根据权利要求8所述云服务器中基于历史模型的虚拟网络性能隔离方法,其特征在于,所述步骤5),应用通信行为特征依次与以天、周、月、年为因子的网络资源使用历史模型进行拟合。
10.根据权利要求9所述云服务器中基于历史模型的虚拟网络性能隔离方法,其特征在于,所述步骤6),在选出的网络路由所涉及交换路由模块和网络接口卡上配置参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710833053.5A CN107579852A (zh) | 2017-09-15 | 2017-09-15 | 云服务器中基于历史模型的虚拟网络性能隔离系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710833053.5A CN107579852A (zh) | 2017-09-15 | 2017-09-15 | 云服务器中基于历史模型的虚拟网络性能隔离系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107579852A true CN107579852A (zh) | 2018-01-12 |
Family
ID=61033195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710833053.5A Pending CN107579852A (zh) | 2017-09-15 | 2017-09-15 | 云服务器中基于历史模型的虚拟网络性能隔离系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107579852A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109639578A (zh) * | 2018-12-17 | 2019-04-16 | 国网信息通信产业集团有限公司 | 一种虚拟网络功能的选取方法及装置 |
CN111314918A (zh) * | 2020-02-24 | 2020-06-19 | 致能装备科技(集团)有限公司 | 一种dtu远程控制系统及远程控制方法 |
CN114615183A (zh) * | 2022-03-14 | 2022-06-10 | 广东技术师范大学 | 基于资源预测的路由方法、装置、计算机设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140365877A1 (en) * | 2013-06-05 | 2014-12-11 | Apple Inc. | File History Tagging |
CN104283717A (zh) * | 2014-10-24 | 2015-01-14 | 东软集团股份有限公司 | 一种预测虚拟网络资源状态的方法及装置 |
CN104885484A (zh) * | 2012-12-14 | 2015-09-02 | 华为技术有限公司 | 使用抽象网络资源需求的服务提供 |
CN105242956A (zh) * | 2015-09-15 | 2016-01-13 | 中国人民解放军信息工程大学 | 虚拟功能服务链部署系统及其部署方法 |
CN105426228A (zh) * | 2015-10-29 | 2016-03-23 | 西安交通大学 | 一种面向流媒体直播与视频转码的OpenStack虚拟机放置方法 |
CN105607948A (zh) * | 2015-12-18 | 2016-05-25 | 国云科技股份有限公司 | 一种基于sla的虚拟机迁移预测方法 |
CN106528266A (zh) * | 2016-10-28 | 2017-03-22 | 柏域信息科技(上海)有限公司 | 一种云计算系统中的资源动态调整方法及装置 |
CN106656867A (zh) * | 2016-11-10 | 2017-05-10 | 北京大学(天津滨海)新代信息技术研究院 | 一种基于虚拟网络的应用感知的动态sdn配置方法 |
-
2017
- 2017-09-15 CN CN201710833053.5A patent/CN107579852A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104885484A (zh) * | 2012-12-14 | 2015-09-02 | 华为技术有限公司 | 使用抽象网络资源需求的服务提供 |
US20140365877A1 (en) * | 2013-06-05 | 2014-12-11 | Apple Inc. | File History Tagging |
CN104283717A (zh) * | 2014-10-24 | 2015-01-14 | 东软集团股份有限公司 | 一种预测虚拟网络资源状态的方法及装置 |
CN105242956A (zh) * | 2015-09-15 | 2016-01-13 | 中国人民解放军信息工程大学 | 虚拟功能服务链部署系统及其部署方法 |
CN105426228A (zh) * | 2015-10-29 | 2016-03-23 | 西安交通大学 | 一种面向流媒体直播与视频转码的OpenStack虚拟机放置方法 |
CN105607948A (zh) * | 2015-12-18 | 2016-05-25 | 国云科技股份有限公司 | 一种基于sla的虚拟机迁移预测方法 |
CN106528266A (zh) * | 2016-10-28 | 2017-03-22 | 柏域信息科技(上海)有限公司 | 一种云计算系统中的资源动态调整方法及装置 |
CN106656867A (zh) * | 2016-11-10 | 2017-05-10 | 北京大学(天津滨海)新代信息技术研究院 | 一种基于虚拟网络的应用感知的动态sdn配置方法 |
Non-Patent Citations (1)
Title |
---|
古英汉等: "基于干扰估计的虚拟功能服务链创建及部署方法", 《计算机应用研究》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109639578A (zh) * | 2018-12-17 | 2019-04-16 | 国网信息通信产业集团有限公司 | 一种虚拟网络功能的选取方法及装置 |
CN109639578B (zh) * | 2018-12-17 | 2021-06-29 | 国网信息通信产业集团有限公司 | 一种虚拟网络功能的选取方法及装置 |
CN111314918A (zh) * | 2020-02-24 | 2020-06-19 | 致能装备科技(集团)有限公司 | 一种dtu远程控制系统及远程控制方法 |
CN114615183A (zh) * | 2022-03-14 | 2022-06-10 | 广东技术师范大学 | 基于资源预测的路由方法、装置、计算机设备及存储介质 |
CN114615183B (zh) * | 2022-03-14 | 2023-09-05 | 广东技术师范大学 | 基于资源预测的路由方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shahidinejad et al. | Joint computation offloading and resource provisioning for e dge‐cloud computing environment: A machine learning‐based approach | |
CN105637925B (zh) | 具有细化策略管理的动态频率和功率资源分配 | |
CN102724103B (zh) | 代理服务器、分层次网络系统及分布式工作负载管理方法 | |
CN104160659B (zh) | 用于通信网络的管理和操作的方法和装置 | |
US9632836B2 (en) | Scheduling applications in a clustered computer system | |
Fu et al. | Qos-aware and resource efficient microservice deployment in cloud-edge continuum | |
CN107003887A (zh) | Cpu超载设置和云计算工作负荷调度机构 | |
CN103765408A (zh) | 利用真实数据中心测试的服务质量感知捕获型聚集 | |
CN107579852A (zh) | 云服务器中基于历史模型的虚拟网络性能隔离系统和方法 | |
CN105379204A (zh) | 用于选择数据路由的资源的方法和系统 | |
US20210273850A1 (en) | Utilizing unstructured data in self-organized networks | |
US20190097945A1 (en) | Predictive scheduler | |
Li et al. | RLDRM: Closed loop dynamic cache allocation with deep reinforcement learning for network function virtualization | |
CN113615137B (zh) | Cdn优化平台 | |
Gupta et al. | Long range dependence in cloud servers: a statistical analysis based on google workload trace | |
da Silva Pinheiro et al. | Performance prediction for supporting mobile applications’ offloading | |
Bao et al. | Deep learning-based job placement in distributed machine learning clusters with heterogeneous workloads | |
Cowdrey et al. | Applying queueing theory for the optimization of a banking model | |
Nikoui et al. | Analytical model for task offloading in a fog computing system with batch-size-dependent service | |
CN113543160A (zh) | 5g切片资源配置方法、装置、计算设备及计算机存储介质 | |
Fe et al. | Stochastic model of performance and cost for auto-scaling planning in public cloud | |
CN109688068A (zh) | 基于大数据分析的网络负载均衡方法和装置 | |
Ray et al. | A framework for analyzing resource allocation policies for multi-access edge computing | |
CN110475295B (zh) | 一种超密集组网的信息传输速率控制方法及装置 | |
CN108399031A (zh) | 确定界面布局方式的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180112 |
|
RJ01 | Rejection of invention patent application after publication |