CN110188128A - 一种以节能为导向的云数据中心系统服务质量保障方法 - Google Patents

一种以节能为导向的云数据中心系统服务质量保障方法 Download PDF

Info

Publication number
CN110188128A
CN110188128A CN201910454711.9A CN201910454711A CN110188128A CN 110188128 A CN110188128 A CN 110188128A CN 201910454711 A CN201910454711 A CN 201910454711A CN 110188128 A CN110188128 A CN 110188128A
Authority
CN
China
Prior art keywords
qos
value
parameter
data center
cloud data
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
Application number
CN201910454711.9A
Other languages
English (en)
Inventor
徐小龙
林皓伟
孙雁飞
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.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication 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 Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201910454711.9A priority Critical patent/CN110188128A/zh
Publication of CN110188128A publication Critical patent/CN110188128A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Optimization (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种以节能为导向的云数据中心系统服务质量保障方法，充分考虑云数据中心提供服务的多样性，系统地分析了不同云数据中心的服务提供方式，着重研究了人机交互下不同QoS(服务质量)感知区域对用户接受云服务体验的影响，通过QoS(服务质量)评价值替代了传统的性能作为衡量服务水平的标准，引入了用户评价来影响侧重不同服务的云数据中心的评价权重，最终提出了一种以节能为导向的云数据中心系统服务质量保障方法，并给出了以节能为导向的服务质量保障方法。

Description

一种以节能为导向的云数据中心系统服务质量保障方法
技术领域
本发明于计算机网络技术领域，尤其涉及一种以节能为导向的云数据中心系统服务质量保障方法。
背景技术
目前，云计算已经是一种较为成熟的网络计算方式，它能够向用户按需提供软件、硬件和数据服务。由于其按需提供服务的特性，因此用户可以节省构建和维护自己的内部部署服务器的成本，并仅为实际使用的服务付费。此外，云服务可以动态扩展以满足其用户的需求，实现提供对应用程序的轻松和可扩展的访问。近年来，全球云数据中心的市场规模总体平稳增长，在2018年约达到514亿美元。并且许多时下流行的大数据计算应用程序都已部署在云平台中，例如亚马逊的弹性计算云(EC2)，Windows Azure，IBM Cloud等。
虽然云数据中心的经济效益日益提高，但高能耗一直是云计算系统最为严重的问题之一。高度的虚拟化使云计算被认为是一种绿色计算，但其本身并没有提供成熟的解决方案来评价和降低云数据中心的能耗，切实地实现绿色计算。因此，要实现高能效的绿色云环境首先是要找到一种能效评估方法，来客观地、可量化地、综合地对云数据中心的能效进行评价。
一般来说，云环境下能效可以通过单位时间内的系统的“性能”和“耗电量”比值来描述。通常性能通过运行应用程序或计算任务的实行时间或工作量来计算，而能耗则被描述为单位时间内系统消耗的能量。但是，由于云数据中心结构的多样性、提供服务的复杂性和新兴技术的不断加入，使得对云数据中心的能效评估变得愈发困难。现有的能效评估方法往往不能对云数据中心的服务质量进行深入地、具体地量化，或者对其结构体系没有全面地、针对性地进行分析。
发明内容
发明目的：针对以上问题，本发明提出一种以节能为导向的云数据中心系统服务质量保障方法，用于实现云数据中心的运行能效评估。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种以节能为导向的云数据中心系统服务质量保障方法，包括步骤：
(1)收集不同时刻的服务质量QoS参数，并根据收集到的服务质量QoS参数，判断情况灵活参数sk和方向特征值dirk；
(2)创建云数据中心能效指导表，并导入服务质量QoS参数；
(3)计算实际QoS值与最优QoS值的差值d(qk,Bestk)和用户满意度vk，得到用户满意度矩阵Vk *；
(4)根据权重矩阵A和用户满意度矩阵Vk *计算评价矩阵Qk *；
(5)根据不同用户的评价值得到总评价值QoS，乘以云数据中心的能耗系数b，得到能效评估值ECQoS；
(6)将能效评估值的值域通过五等份划分为不同区域。若能效评估值处于“较高区域”及以上，则结束；若能效评估值处于“平均区域”及以下，则根据云数据中心能效指导表，依次对不同QoS(服务质量)区域的参数进行权衡调整。
进一步地，所述步骤1中，情况灵活参数sk公式如下：
其中，Bestk表示最优QoS值；Worstk表示最差QoS值；qk表示实际QoS值；
方向特征值dirk表示：
其中，dirk＝-1表示该QoS参数是消极参数，dirk＝1则表示该QoS参数是积极参数。
进一步地，所述步骤3中，差值d(qk,Bestk)计算公式如下：
其中，d(qk,Bestk)是云服务的第k种参数的QoS属性与最优QoS值之间的差值；qk是云服务的第k种参数实际提供的QoS值；Bestk表示最优QoS值；dirk是方向特征值；sk是情况灵活参数；
用户满意度vk的计算公式：
其中，fk(d(qk,Bestk))是第k个QoS参数的用户满意度；
用户满意度fk(d(qk,Bestk))计算公式如下：
其中，d(qk,Bestk)是修正过的最优QoS值与实际QoS值的差值；Bestk表示最优QoS值；Worstk表示最差QoS值；dirk是方向特征值；
用户满意度矩阵Vk *如下所示：
其中，vij是第i期第j个QoS参数的用户满意度，是位于0到1之间的实数。
进一步地，所述步骤4中，针对不同维度的QoS参数建立权重因子，得到权重矩阵A如下：
其中，aij是用户k对第i期第j维QoS参数的重要性标度值，且
根据用户满意度矩阵Vk *和权重矩阵A，得到用户k对云数据中心近n期云服务的评价矩阵Qk *：
其中，vij是第i期第j个QoS参数的用户满意度；aij是用户k对第i期第j维QoS参数的重要性标度值；q'n是经由用户k权重打分的第n期的总用户满意度。
进一步地，所述步骤5中，根据评价矩阵，对用户满意度加权平均处理可以得到用户k的评价水平值VQoSk；收集所有用户的VQoSk，将所有VQoSk进行加权平均处理，得到整体服务质量评价值QoS，进而得到该云数据中心的能效评估值ECQoS：
其中，E是该云数据中心的整体能耗，n是所有用户的数量；VQoSi是用户i近期所接受的云服务的评估的水平值。
进一步地，所述步骤6中，首先，应对所有QoS感知区域处于不可用区域的QoS参数进行着重处理；其次，应对所有QoS感知区域处于不易察觉区域的QoS参数进行调整；最后，应对所有QoS感知区域处于可容忍区域的QoS参数进行再次权衡。
有益效果：相比现有技术，本发明具有以下有益效果：
(1)能效评估结果准确可靠，用附带用户权重的QoS(服务质量)评估值替代了传统的性能作为能效指标的标准，改变了传统能效指标不考虑用户实际使用体验的情况。
(2)注重人机交互模式下用户对云服务的使用体验情况，通过定义情况灵活参数用以描述云服务QoS(服务质量)值所在三种不同用户QoS(服务质量)感知区间的情况，使得不同感知区域的QoS(服务质量)参数被用不同的方式进行处理。
(3)具有很强的灵活性和适用性，根据云数据中心的不同和提供服务情况的不同，可以自由选择QoS(服务质量)参数的种类和用户评价矩阵中不同QoS(服务质量)参数的权重。
附图说明
图1是云数据中心系统服务质量保障方法流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明定义情况灵活参数sk用以描述云服务QoS(服务质量)值所在三种不同用户QoS(服务质量)感知区间的情况，和方向特征值dirk用以描述云服务QoS(服务质量)参数性质，将差值d(qk,Bestk)作为用户满意度vk的衡量标准，并根据每次所提供的云服务的用户满意度矩阵Vk *和权重矩阵A，得到用户k对云数据中心近n期云服务的评价矩阵Qk *，归一化之后与云数据中心整体能耗的比值即为云数据中心的能效评估值ECQoS。并在建模的同时使用“云数据中心能效指导表”进行记录，方便后期优化云数据中心系统服务质量。
模型参数定义如下：
定义1能效评估模型ECQoS，是最大化单位能耗的QoS(服务质量)评价值，将其作为QoS(服务质量)评价值与能耗权衡的目标。
定义2情况灵活参数sk，用以描述云服务QoS(服务质量)值所在三种不同用户QoS(服务质量)感知区间的情况。
定义3方向特征值dirk，用以描述云服务QoS(服务质量)值的参数类型。
定义4差值d(qk,Bestk)，用以描述不同QoS(服务质量)感知区间下实际QoS(服务质量)值与最优QoS(服务质量)值之间的差距，将其作为用户满意度vk的衡量标准。
定义5用户满意度vk，为0至1之间的实数，数值越高代表用户对云服务的满意度越高。
定义6权重矩阵A，用以根据实际情况建立能效指标的权重因子集，根据不同云数据中心的特性参照标度值对几种QoS(服务质量)指标的相对重要性进行打分。
如图1所示，本发明所述的以节能为导向的云数据中心系统服务质量保障方法，按照以下步骤：
步骤1：收集不同时刻的QoS(服务质量)参数；根据收集到的QoS(服务质量)参数，判断情况灵活参数sk和方向特征值dirk；
根据不同的云数据中心提供的服务和业务的不同，其所考量的QoS(服务质量)参数也不同，需要根据各自的实际情况选择。我们将QoS(服务质量)参数的不易察觉区域与可容忍区域的交界值定义为最优QoS(服务质量)值，用Bestk表示；将QoS(服务质量)参数的可容忍区域与不可用区域的交界值定义为最差QoS(服务质量)值，用Worstk表示。
定义情况灵活参数sk用以描述云服务QoS(服务质量)值在不同感知区域的情况，其公式如下所示：
其中，Bestk表示最优QoS(服务质量)值；Worstk表示最差QoS(服务质量)值；qk表示实际QoS(服务质量)值；sk＝0表示该QoS(服务质量)参数为云服务所具有的必备属性，且其取值必须固定。
一般来说，QoS(服务质量)参数有m个维度，代表m种不同的QoS(服务质量)需求。根据QoS(服务质量)参数值本身的性质，可以将其分为两类：积极参数和消极参数。积极参数代表其值越高，服务体验越好的QoS(服务质量)参数，如带宽等；消极参数代表其值越高，服务体验越差的QoS(服务质量)参数，如延迟等。这两类QoS(服务质量)参数可通过方向特征值表示：
其中，dirk＝-1表示该QoS(服务质量)参数是消极参数，dirk＝1则表示该QoS(服务质量)参数是积极参数。
步骤2：创建“云数据中心能效指导表”，并导入QoS(服务质量)参数；
根据实际QoS(服务质量)参数值判定情况灵活参数sk，同时将所需数据填入表格。该表格分为六栏，数据类型分别为时刻、QoS(服务质量)参数类型、QoS(服务质量)感知区域、实际QoS(服务质量)值、最优QoS(服务质量)值和推最差QoS(服务质量)值，如表1所示。
表1
表中各项参数的意义为：
时刻：收集所有QoS(服务质量)实际值所处的时间。
QoS(服务质量)参数类型：QoS(服务质量)参数的种类，如平均请求提交延迟。
实际QoS(服务质量)值：实际检测到的QoS(服务质量)参数值。
QoS(服务质量)感知区域：用户QoS(服务质量)可划分为三个领域：不易察觉区域(imperceptible)、可容忍区域(tolerable)、不可用区域(unusable)。QoS(服务质量)感知区域即为该QoS(服务质量)实际值所处的用户QoS(服务质量)感知领域的位置。
最优QoS(服务质量)值：在用户可感知范围的QoS(服务质量)最佳值，一般为QoS(服务质量)感知区域中不易察觉区域和可容忍区域的交界值。
最差QoS(服务质量)值：理论上QoS(服务质量)被允许的最低值，一般为QoS(服务质量)感知区域中可容忍区域和不可用区域的交界值。
步骤3：计算差值d(qk,Bestk)和用户满意度vk，得到用户满意度矩阵Vk *；
定义用户k的用户满意度vk为0至1之间的实数，数值越高代表用户对云服务的满意度越高；若其值为0，则表示用户的QoS(服务质量)体验没有达到最低的使用要求；若其值为1，则表示用户的QoS(服务质量)体验完全得到了满足。
由于用户满意度vk是由云服务所提供的实际QoS(服务质量)值和最优QoS(服务质量)值Bestk两者共同决定的，因此将差值d(qk,Bestk)作为用户满意度vk的衡量标准，其计算公式如下所示：
其中，d(qk,Bestk)是云服务的第k种参数的QoS(服务质量)属性与最优QoS(服务质量)值之间的差值；qk是云服务的第k种参数实际提供的QoS(服务质量)值；Bestk表示最优QoS(服务质量)值；dirk是方向特征值，表示该QoS(服务质量)参数是积极参数或消极参数；sk是情况灵活参数，表示实际提供的QoS(服务质量)的具体情况。
当QoS(服务质量)参数必须为定值时，即sk＝0时，若实际QoS(服务质量)值与最优QoS(服务质量)值不同，则差值d(qk,Bestk)视为无限大；若实际QoS(服务质量)值与最优QoS(服务质量)值相同，则差值d(qk,Bestk)为0。当QoS(服务质量)参数被允许在一定范围内浮动，即sk≠0时，实际QoS(服务质量)值将会进入不同的用户感知区域。若实际QoS(服务质量)值进入不易察觉区域，则差值d(qk,Bestk)视为0；若实际QoS(服务质量)值进入不可用区域，则差值d(qk,Bestk)视为无限大；若实际QoS(服务质量)值进入可容忍区域，则通过最优QoS(服务质量)值Bestk与实际QoS(服务质量)值qk相减，得到理论差值。再经由方向特征值dirk调整正负，保证该情况下的差值总为正数。最后通过除以情况灵活参数sk，将理论差值根据实际QoS(服务质量)值在可容忍区域中所处的位置进行一定程度的缩减。
若差值d(qk,Bestk)的值为正无穷大，则表示用户所接收的云服务没有满足最基本的要求，此时用户满意度vk为0；若差值d(qk,Bestk)的值为0，则表示用户所接收的云服务完全满足了用户的需求，此时用户满意度vk为1；若差值d(qk,Bestk)为其他情况，则用户满意度vk的计算公式如下所示：
其中，fk(d(qk,Bestk))是第k个QoS(服务质量)参数的用户满意度。
以Sigmoid函数为基础的用户满意度fk(d(qk,Bestk))的计算公式如下所示：
其中，d(qk,Bestk)是修正过的最优QoS(服务质量)值与实际QoS(服务质量)值的差值；Bestk表示最优QoS(服务质量)值；Worstk表示最差QoS(服务质量)值；dirk是方向特征值，表示该QoS(服务质量)参数是积极参数或消极参数。
用户满意度矩阵Vk *用以描述近n期用户k对云数据中心所提供的云服务中m项QoS(服务质量)参数的用户满意度，如下所示：
其中，vij是第i期第j个QoS(服务质量)参数的用户满意度，是位于0到1之间的实数。
步骤4：根据权重矩阵A和用户满意度矩阵Vk *计算评价矩阵Qk *，并且归一化为用户k的评价值VQoS；
采用权重法对整体QoS(服务质量)评价矩阵进行表示，将权重矩阵A引入用户对QoS(服务质量)参数的用户满意度矩阵，建立指标的权重因子集，根据不同云数据中心的特性参照标度值对几种QoS(服务质量)指标的相对重要性进行打分。针对不同维度的QoS(服务质量)参数建立权重因子，作为QoS(服务质量)参数值的权重值，如下所示：
其中，aij是用户k对第i期第j维QoS(服务质量)参数的重要性标度值，且
根据每次所提供的云服务的用户满意度矩阵Vk *和权重矩阵A，得到用户k对云数据中心近n期云服务的评价矩阵Qk *，如下所示：
其中，vij是第i期第j个QoS(服务质量)参数的用户满意度；aij是用户k对第i期第j维QoS(服务质量)参数的重要性标度值；q'n是经由用户k权重打分的第n期的总用户满意度。
步骤5：根据不同用户的评价值得到总评价值QoS，除以云数据中心总能耗，得到能效评估值ECQoS；
根据评价向量QoS*＝(q'1,q'2,…,q'n)T，并且对该向量加权平均处理可以得到用户k近期对所接收的云服务的评估的水平值VQoSk。最后，我们收集所有用户的VQoSk，再将所有VQoSk进行加权平均处理，得到该云数据中心一段时间内的整体QoS(服务质量)评价值QoS。再乘以云数据中心的能耗系数b，进而得到该云数据中心的能效评估值ECQoS。
能耗系数b公式如下所示：
其中，EH是该云数据中心的理论最高能耗；EL是该云数据中心的理论最低能耗；EA是该云数据中心的实际能耗。
能效评估值ECQoS公式如下所示：
其中，E是该云数据中心的整体能耗，n是所有用户的数量；VQoSi是用户i近期所接受的云服务的评估的水平值。
步骤6：将能效评估值的值域[0，1]分为五等份，分别划为“不可用区域”、“较低区域”、“平均区域”、“较高区域”和“最优区域”。若能效评估值处于“较高区域”及以上，则结束；若能效评估值处于“平均区域”及以下，则根据云数据中心能效指导表，依次对不同QoS(服务质量)区域的参数进行权衡调整。
在云数据中心能效建模完成之际，“云数据中心能效指导表”中的所有数据也应全部收集完毕。
首先，应对所有QoS(服务质量)感知区域处于不可用区域的QoS(服务质量)参数进行着重处理。不可用区域意味着该云数据中心对用户所提供的云服务不合格，无法满足最低的用户使用体验协议，致使用户对该QoS(服务质量)体验极差。其次，应对所有QoS(服务质量)感知区域处于不易察觉区域的QoS(服务质量)参数进行调整。若QoS(服务质量)参数处于不易察觉区域，则用户的云服务体验已达到最高值，继续提升服务质量也无法使用户从中得到更优的体验。这意味着能耗和其他资源的投入造成了浪费，需根据实际情况进行判断，在能够降低能耗的情况下，适当降低所提供服务的服务质量，使其达到推荐最优QoS(服务质量)值即可。最后，应对所有QoS(服务质量)感知区域处于可容忍区域的QoS(服务质量)参数进行再次权衡。理论上所有处于可容忍区域的QoS(服务质量)参数都有可以提升的空间，但由于技术限制、资源不足、能耗的陡然提升或评估手段的不足等种种原因而导致QoS(服务质量)参数无法继续提升。该情况下需要结合云数据中心的具体情况进行细致权衡，不能盲目地提升QoS(服务质量)参数至推荐最优QoS(服务质量)值。

Claims (6)

1.一种以节能为导向的云数据中心系统服务质量保障方法，其特征在于，包括步骤：
(1)收集不同时刻的服务质量QoS参数，并根据收集到的服务质量QoS参数，判断情况灵活参数sk和方向特征值dirk；
(2)创建云数据中心能效指导表，并导入服务质量QoS参数；
(3)计算实际QoS值与最优QoS值的差值d(qk,Bestk)和用户满意度vk，得到用户满意度矩阵
(4)根据权重矩阵A和用户满意度矩阵计算评价矩阵Qk *；
(5)根据不同用户的评价值得到总评价值QoS，乘以云数据中心的能耗系数b，得到能效评估值ECQoS；
(6)将能效评估值的值域通过五等份划分为不同区域；若能效评估值处于“较高区域”及以上，则结束；若能效评估值处于“平均区域”及以下，则根据云数据中心能效指导表，依次对不同QoS(服务质量)区域的参数进行权衡调整。
2.根据权利要求1所述的以节能为导向的云数据中心系统服务质量保障方法，其特征在于，所述步骤1中，情况灵活参数sk公式如下：
其中，Bestk表示最优QoS值；Worstk表示最差QoS值；qk表示实际QoS值；
方向特征值dirk表示：
其中，dirk＝-1表示该QoS参数是消极参数，dirk＝1则表示该QoS参数是积极参数。
3.根据权利要求2所述的以节能为导向的云数据中心系统服务质量保障方法，其特征在于，所述步骤3中，差值d(qk,Bestk)计算公式如下：
其中，d(qk,Bestk)是云服务的第k种参数的QoS属性与最优QoS值之间的差值；qk是云服务的第k种参数实际提供的QoS值；Bestk表示最优QoS值；dirk是方向特征值；sk是情况灵活参数；
用户满意度vk的计算公式：
其中，fk(d(qk,Bestk))是第k个QoS参数的用户满意度；
用户满意度fk(d(qk,Bestk))计算公式如下：
其中，d(qk,Bestk)是修正过的最优QoS值与实际QoS值的差值；Bestk表示最优QoS值；Worstk表示最差QoS值；dirk是方向特征值；
用户满意度矩阵如下所示：
其中，vij是第i期第j个QoS参数的用户满意度，是位于0到1之间的实数。
4.根据权利要求3所述的以节能为导向的云数据中心系统服务质量保障方法，其特征在于，所述步骤4中，针对不同维度的QoS参数建立权重因子，得到权重矩阵A如下：
其中，aij是用户k对第i期第j维QoS参数的重要性标度值，且
根据用户满意度矩阵和权重矩阵A，得到用户k对云数据中心近n期云服务的评价矩阵Qk *：
其中，vij是第i期第j个QoS参数的用户满意度；aij是用户k对第i期第j维QoS参数的重要性标度值；q'n是经由用户k权重打分的第n期的总用户满意度。
5.根据权利要求4所述的以节能为导向的云数据中心系统服务质量保障方法，其特征在于，所述步骤5中，根据评价矩阵，对用户满意度加权平均处理可以得到用户k的评价水平值VQoSk；收集所有用户的VQoSk，将所有VQoSk进行加权平均处理，得到整体服务质量评价值QoS，再乘以云数据中心的能耗系数b，进而得到该云数据中心的能效评估值ECQoS；
能耗系数b公式如下所示：
其中，EH是该云数据中心的理论最高能耗；EL是该云数据中心的理论最低能耗；EA是该云数据中心的实际能耗；
能效评估值ECQoS公式如下所示：
其中，E是该云数据中心的整体能耗，n是所有用户的数量；VQoSi是用户i近期所接受的云服务的评估的水平值。
6.根据权利要求5所述的以节能为导向的云数据中心系统服务质量保障方法，其特征在于，所述步骤6中，在对能效评估值进行区域划分之后，首先，应对所有QoS感知区域处于不可用区域的QoS参数进行着重处理；其次，应对所有QoS感知区域处于不易察觉区域的QoS参数进行调整；最后，应对所有QoS感知区域处于可容忍区域的QoS参数进行再次权衡。
CN201910454711.9A 2019-05-29 2019-05-29 一种以节能为导向的云数据中心系统服务质量保障方法 Pending CN110188128A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910454711.9A CN110188128A (zh) 2019-05-29 2019-05-29 一种以节能为导向的云数据中心系统服务质量保障方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910454711.9A CN110188128A (zh) 2019-05-29 2019-05-29 一种以节能为导向的云数据中心系统服务质量保障方法

Publications (1)

Publication Number Publication Date
CN110188128A true CN110188128A (zh) 2019-08-30

Family

ID=67718446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910454711.9A Pending CN110188128A (zh) 2019-05-29 2019-05-29 一种以节能为导向的云数据中心系统服务质量保障方法

Country Status (1)

Country Link
CN (1) CN110188128A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106357739A (zh) * 2016-08-27 2017-01-25 浙江工业大学 一种针对批量云服务请求的两阶段组合与调度方法
CN107590623A (zh) * 2016-07-07 2018-01-16 袁宏斌 一种考虑地域物流服务能力的云制造服务组合优选方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107590623A (zh) * 2016-07-07 2018-01-16 袁宏斌 一种考虑地域物流服务能力的云制造服务组合优选方法
CN106357739A (zh) * 2016-08-27 2017-01-25 浙江工业大学 一种针对批量云服务请求的两阶段组合与调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
朱国锋: "基于QoS与能耗权衡的虚拟资源能效模型与调度算法研究", 《信息科技辑》 *
蔡小波: "一种基于QoS参数归约的云计算环境能效评估方法", 《计算机工程与科学》 *
黄琳: "基于QoS度量的Web服务选择与推荐方法研究", 《中国优秀博士学位论文全文数据库信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN106447171B (zh) 电力需求侧可调度资源潜力建模方法及系统
CN104298339B (zh) 一种面向最小能耗的服务器整合方法
CN105550323B (zh) 一种分布式数据库负载均衡预测方法和预测分析器
CN103338228B (zh) 基于双加权最小连接算法的云计算负载均衡调度算法
CN103294546B (zh) 多维度资源性能干扰感知的虚拟机在线迁移方法及系统
CN102981951A (zh) 云测试开发平台及云测试开发方法
CN109408359A (zh) 一种软件测试过程质量度量方法和系统
CN102854968B (zh) 一种虚拟机实时能耗计量方法
CN102902882A (zh) 一种信息系统运行质量的评价方法
CN105160149A (zh) 一种模拟调峰机组的需求响应调度评估体系构建方法
CN110782153A (zh) 一种企业园区综合能效评估体系建模方法及系统
CN108121865B (zh) 一种基于伴随变量法的含有多不确定参数的结构区间响应传播分析方法
CN109004997A (zh) 一种频谱感知方法、装置和计算机可读存储介质
CN110413657A (zh) 面向季节型非平稳并发量的平均响应时间评估方法
CN111737078A (zh) 基于负载类型的自适应云服务器能耗测算方法、系统及设备
CN109389272A (zh) 一种用于电压协调控制策略效果的综合评估方法及系统
CN113392029A (zh) 针对容器云平台不同层次的综合性能测试装置及方法
CN109902910A (zh) 区域三生空间耦合定量度量方法及系统
CN106022970B (zh) 一种计及分布式电源影响的主动配电网量测配置方法
CN105338186A (zh) 基于情景感知的Android移动终端电源管理方法
CN110191015A (zh) 基于cpi指标的云服务性能智能预测方法和装置
CN110188128A (zh) 一种以节能为导向的云数据中心系统服务质量保障方法
CN109857975A (zh) 一种电能表台区和三相自动识别方法
CN108985964A (zh) 一种负荷特性影响因素定量分析的方法
CN104700218B (zh) 用于确定电网分区数量以及电网分区的方法和系统

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: 20190830

RJ01 Rejection of invention patent application after publication