CN113467944B - 面向复杂软件系统的资源部署装置及方法 - Google Patents

Abstract

本发明提供了一种面向复杂软件系统的资源部署装置及方法，本发明属于软件工程技术领域。该装置包括策略库、策略解析模块、策略调整模块、策略执行模块以及策略执行结果评估模块。本发明根据软件系统中的访问并发量、系统业务功能要求的时效性、信息传输量、并发用户量、任务执行效率、通信效率、资源占用率以及吞吐量不同的系统资源属性建立优化模型对各类资源进行综合评估，再根据请求的类型与数量、节点负载情况、资源利用率选择对应的资源部署优化模型进行搜索，生成资源部署方案并下发执行。本发明适用于辅助复杂软件系统在开放、多变的运行环境中，完成对软件系统不同类型资源的按需优化部署，保证演化策略执行的高效性和灵活性。

Description

面向复杂软件系统的资源部署装置及方法

技术领域

本发明属于软件工程技术领域，尤其涉及一种面向复杂软件系统的资源部署装置及方法。

背景技术

随着软件规模日益庞大、功能日趋复杂，软件代码本身更加庞大、复杂且充斥着可变性。同时，复杂软件系统在运行过程中将面临来自运行环境、资源态势等多种类型的敏捷性动因，因此，如何根据实际情况实现资源的按需最优部署是一个关键问题。而通过基于对软件系统资源部署提供指导作用的演化策略对系统资源的调度是一种重要的解决方式。面向复杂软件系统的资源部署通过一个面向复杂软件系统的资源部署框架，对当前系统资源(如CPU利用率、硬盘利用率等)进行感知，分析其负载能力，并针对不同类型的任务实现任务调度，进一步对系统及资源状态进行预测，最终通过基于演化策略，实现资源的部署。现有技术对于资源部署问题的处理方法主要集中在采用数据流法、神经网络法以及进化法，然而，数据流法适用于存在大量历史数据的资源部署场景，相对于其他几种方法偏向于对历史数据的分析，从历史的数据流中分析得到系统以及资源状态，根据使用经验生成最优部署方案，比较依赖历史经验；神经网络法根据模型计算资源部署策略，算法本身精确度较高，但是决策所需前期准备较多，决策时间较慢，适合精确度要求高而时效性要求不高的资源部署场景；进化法在一般情况下决策速度快，算法稳定性高，适合时效性要求高，资源状态复杂多变的资源部署场景。

发明内容

针对现有技术中的上述不足，本发明提供的一种面向复杂软件系统的资源部署装置及方法，以解决现有技术没有充分考虑软件系统运行时来自运行环境、资源态势等多种类型的敏捷性动因，从而造成软件系统根据实际情况实现资源的合理、最优部署等问题。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种面向复杂软件系统的资源部署装置，包括：

策略库，用于存储对复杂软件系统资源进行调度的演化策略；

策略解析模块，用于对演化策略进行拆解和分析，得到演化策略中对CPU占用率、内存占用率、硬盘占用率以及时效性的部署需求，并将部署需求映射为调整目标函数的参数；

策略调整模块，用于根据所述调整目标函数的参数生成资源部署方案；

策略执行模块，用于执行所述资源部署方案；

策略执行结果评估模块，用于根据策略执行模块的执行结果对复杂软件系统进行感知处理，得到复杂软件系统的响应时间、可靠性以及开销三类指标，并根据所述三类指标对策略执行结果进行评估，得到策略执行评估值，完成面向复杂软件系统的资源装置部署。

进一步地，所述策略调整模块包括：

资源状态获取单元，用于根据所述目标函数的参数，从复杂软件系统中获取需要被调整资源的状态；

资源位置部署单元，用于基于需要被调整的资源状态，根据访问并发量和复杂软件系统业务功能要求的时效性建立数据资源部署模型对数据资源进行评估，得到资源的部署位置；

软件位置部署单元，用于基于需要被调整的资源状态，并根据信息传输量、并发用户量以及用户执行效率建立软件资源部署模型对软件资源进行评估，得到软件的部署位置；

服务器节点启动单元，用于基于需要被调整的资源状态，根据通信效率、资源占用率以及吞吐量建立服务资源部署模型对服务资源进行评估，得到启用服务器的节点；

资源部署生成单元，用于根据请求的类型与数量、节点负载情况以及资源利用率分别从资源的部署位置、软件的部署位置以及启用服务器节点中选择对应的资源部署优化模型进行搜索，生成资源部署方案并下发执行，完成对资源部署方案的生成；

权重计算单元，用于根据复杂软件系统资源无法满足策略需求的信息，利用策略解析模块调整策略对数据、软件以及服务类型资源需求的权重；

策略反馈单元，用于根据得到的策略执行评估值对策略执行结果进行判定，生成策略执行反馈意见，并根据策略执行反馈意见重新对系统资源进行计算，得到新的资源部署方案并下发至策略执行模块执行。

本发明提供了一种面向复杂软件系统的资源部署方法，包括以下步骤：

S1、获取演化策略：从策略库中读取用于复杂软件系统资源调度的演化策略；

S2、解析演化策略：对所述演化策略进行拆解和分析，得到所述演化策略中对CPU占用率、内存占用率、硬盘占用率以及时间性的部署要求，并将所述部署要求映射为调整目标函数的参数；

S3、生成资源部署方案：根据所述调整目标函数的参数生成资源部署方案；

S4、执行资源部署方案：执行所述资源部署方案；

S5、评估策略执行结果：对执行结果进行判定，完成面向复杂软件系统的资源部署。

进一步地，所述步骤S3包括以下步骤：

S301、根据所述目标函数的参数，从复杂软件系统中获取需要被调整的资源状态；

S302、基于需要被调整的资源状态，根据访问并发量和复杂软件系统业务功能要求的时效性建立资源部署模型对资源进行评估，得到资源的部署位置；

S303、基于需要被调整的资源状态，根据信息传输量、并发用户量以及用户执行效率建立软件资源部署模型对软件资源进行评估，得到软件的部署位置；

S304、基于需要被调整的资源状态，根据通信效率、资源占用率以及吞吐量对服务资源进行评估，得到启用服务器的节点；

S305、根据请求的类型与数量、节点负载情况以及资源利用率分别从资源的部署位置、软件的部署位置以及启用服务器节点中选择对应的资源部署优化模型进行搜索，生成资源部署方案并下发执行，完成对资源部署方案的生成。

再进一步地，所述步骤S302中数据资源部署模型f(x_i)的表达式如下：

其中，α₁表示取值为0.36的权重，Access_Amount_avg表示每天访问数据的次数，T_{op_avg}表示一天内用户操作数据的时间，T_{use_avg}表示一天内用户连接数据的总时间，α₂表示取值为0.64的权重，Task_T_j表示第j个子任务的执行时间要求，m表示子任务的总个数。

再进一步地，所述步骤S303中软件资源部署模型f(x_i')的表达式如下：

其中，β₁表示取值为0.26的权重，IO_Amount表示复杂软件系统的信息传输量，β₂表示取值为0.32的权重，

表示信息传输量，User_Amount_avg表示平均每天访问的用户数，T_{op_avg}表示用户操作的平均时间，即一天内用户从登陆到退出的平均时间，T_{inspect_avg}表示考察时间，β₃表示取值为0.42的权重，

表示复杂系统软件的任务执行效果，Task_Amount表示任务量，CPU_i表示所占用的CPU量，MIPS表示指令平均执行速度。

再进一步地，所述步骤S304中服务资源部署模型f(x″_i)的表达式如下：

其中，γ₁表示取值为0.28的权重，

表示对跳数的规约，Throughput表示吞吐量，Rn_used表示网络利用率，γ₂表示取值为0.39权重，θ₁表示取值为0.38权重，θ₂表示取值为0.62权重，γ₃表示取值为0.33权重，CPU_used表示CPU占用率，Mem_used表示内存占用率，Throughput表示吞吐量。

再进一步地，所述步骤S5包括以下步骤：

S501、根据步骤S4的执行结果对复杂软件系统进行感知处理，得到复杂软件系统中的响应时间、可靠性以及开销三类指标；

S502、利用所述三类指标对执行结果进行评估，得到策略执行评估值；

S503、利用所述策略执行评估值对执行结果进行判定，将不符合预设执行结果的资源进行重新分配，完成对策略执行结果的判定。

再进一步地，所述步骤S502中策略执行评估值performance的表达式如下：

其中，w₁、w₂和w₃表示各个指标所占的权重，responseTime表示标准化后的复杂软件系统响应时间，errorRate表示复杂软件系统的错误响应次数，totalRequest表示访问复杂软件系统的总次数，CPU_used、Mem_used和Disk_used分别表示CPU占用率、内存占用率以及硬盘占用率。

再进一步地，所述步骤S503包括以下步骤：

S5031、利用所述策略执行评估值对执行结果进行判定；

S5032、对不符合预设执行结果的资源，利用步骤S2的解析结果调整数据、软件以及服务类型资源需求的权重；

S5033、根据调整后的权重，利用所述策略执行评估值对执行结果进行判定，生成策略执行反馈意见；

S5034、利用所述策略执行反馈意见重新对复杂软件系统资源进行计算，得到新的资源部署方案，并下发执行；

S5035、执行所述新的资源部署方案，完成对策略执行结果的判定。

本发明的有益效果：

(1)由于本发明的装置中的策略调整模块根据软件系统中的访问并发量、系统业务功能要求的时效性、信息传输量、并发用户量、任务执行效率、通信效率、资源占用率以及吞吐量不同的系统资源属性建立数据资源部署模型、软件系统部署模型、服务资源部署模型对各类资源进行综合评估，然后根据请求的类型与数量、节点负载情况、资源利用率选择对应的资源部署优化模型进行搜索，生成资源部署方案并下发执行，提升资源部署过程的执行效率。

(2)由于本发明的方法中采用针对复杂软件系统的感知方法及策略执行结果评估方法，根据得到的系统中响应时间、可靠性及开销三类指标对策略的执行结果进行评估，并将评估结果进行反馈用于对演化的策略的再调整；同时，在获取软件系统资源无法满足策略需求的消息后根据评估反馈及策略解析的结果调整策略对数据、软件、服务类型资源需求的权重，使得本发明中的资源按需部署过程更加完备、演化策略执行更加高效性和灵活性。

附图说明

图1为本发明的装置结构示意图。

图2为本发明的方法流程图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

实施例1

鉴于背景技术提出的问题，本发明针对复杂软件系统运行时系统资源状态，建立面向复杂软件系统的资源部署框架，并分别对数据、软件、服务资源制定不同的部署方案；本发明根据复杂软件系统中的访问并发量、系统业务功能要求的时效性、信息传输量、并发用户量、任务执行效率、通信效率、资源占用率以及吞吐量不同的系统资源属性建立部署模型对各类资源进行综合评估。因此，本发明的思路是：针对不同类型的任务实现任务调度，进一步对系统及资源状态进行预测，并基于演化策略，实现资源的部署，在此基础上，建立一个面向复杂系统的资源部署框架，分别对数据、软件、服务资源制定不同的部署方案，达到根据软件系统的实际情况实现资源的按需最优部署的目的。

如图1所示，本发明提供了一种面向复杂软件系统的资源部署装置，包括：

策略库，用于存储对复杂软件系统资源进行调度的演化策略；

策略解析模块，用于对演化策略进行拆解和分析，得到演化策略中对CPU占用率、内存占用率、硬盘占用率以及时效性的部署需求，并将部署需求映射为调整目标函数的参数；

策略调整模块，用于根据所述调整目标函数的参数生成资源部署方案；

策略执行模块，用于执行所述资源部署方案；

策略执行结果评估模块，用于根据策略执行模块的执行结果对复杂软件系统进行感知处理，得到复杂软件系统的响应时间、可靠性以及开销三类指标，并根据所述三类指标对策略执行结果进行评估，得到策略执行评估值，完成面向复杂软件系统的资源装置部署。

所述策略调整模块包括：

资源状态获取单元，用于根据所述目标函数的参数，从复杂软件系统中获取需要被调整资源的状态；

资源位置部署单元，用于基于需要被调整的资源状态，根据访问并发量和复杂软件系统业务功能要求的时效性建立数据资源部署模型对数据资源进行评估，得到资源的部署位置；

软件位置部署单元，用于基于需要被调整的资源状态，并根据信息传输量、并发用户量以及用户执行效率建立软件资源部署模型对软件资源进行评估，得到软件的部署位置；

服务器节点启动单元，用于基于需要被调整的资源状态，根据通信效率、资源占用率以及吞吐量建立服务资源部署模型对服务资源进行评估，得到启用服务器的节点；

资源部署生成单元，用于根据请求的类型与数量、节点负载情况以及资源利用率分别从资源的部署位置、软件的部署位置以及启用服务器节点中选择对应的资源部署优化模型进行搜索，生成资源部署方案并下发执行，完成对资源部署方案的生成；

权重计算单元，用于根据复杂软件系统资源无法满足策略需求的信息，利用策略解析模块调整策略对数据、软件以及服务类型资源需求的权重；

策略反馈单元，用于根据得到的策略执行评估值对策略执行结果进行判定，生成策略执行反馈意见，并根据策略执行反馈意见重新对系统资源进行计算，得到新的资源部署方案并下发至策略执行模块执行。

本实施例中，本发明根据软件系统中的访问并发量、系统业务功能要求的时效性、信息传输量、并发用户量、任务执行效率、通信效率、资源占用率以及吞吐量不同的系统资源属性建立数据资源部署模型、软件系统部署模型、服务资源部署模型对各类资源进行综合评估，然后根据请求的类型与数量、节点负载情况、资源利用率选择对应的资源部署优化模型进行搜索，生成资源部署方案并下发执行，提升资源部署过程的执行效率。本发明采用针对复杂软件系统的感知方法及策略执行结果评估方法，根据得到的系统中响应时间、可靠性及开销三类指标对策略的执行结果进行评估，并将评估结果进行反馈用于对演化的策略的再调整；同时，在获取软件系统资源无法满足策略需求的消息后根据评估反馈及策略解析的结果调整策略对数据、软件、服务类型资源需求的权重，使得本发明中的资源按需部署过程更加完备、演化策略执行更加高效性和灵活性。

实施例2

如图2所示，本发明提供了一种面向复杂软件系统的资源部署方法，其实现方法如下：

S1、获取演化策略：从策略库中读取用于复杂软件系统资源调度的演化策略；

本实施例中，将用于复杂软件系统资源调度的演化策略从策略库中读取，以用于紧急刚性任务、弹性紧急任务处理的演化策略。

S2、解析演化策略：对所述演化策略进行拆解和分析，得到所述演化策略中对CPU占用率、内存占用率、硬盘占用率以及时间性的部署要求，并将所述部署要求映射为调整目标函数的参数；

S3、生成资源部署方案：根据所述调整目标函数的参数生成资源部署方案，其实现方法如下：

S301、根据所述目标函数的参数，从复杂软件系统中获取需要被调整的资源状态；

S302、基于需要被调整的资源状态，根据访问并发量和复杂软件系统业务功能要求的时效性建立资源部署模型对资源进行评估，得到资源的部署位置，其中，数据资源部署模型f(x_i)的表达式如下：

其中，α₁表示取值为0.36的权重，Access_Amount_avg表示每天访问数据的次数，T_{op_avg}表示一天内用户操作数据的时间，T_{use_avg}表示一天内用户连接数据的总时间，α₂表示取值为0.64的权重，Task_T_j表示第j个子任务的执行时间要求，m表示子任务的总个数；

S303、基于需要被调整的资源状态，根据信息传输量、并发用户量以及用户执行效率建立软件资源部署模型对软件资源进行评估，得到软件的部署位置，其中，软件资源部署模型f(x_i')的表达式如下：

其中，β₁表示取值为0.26的权重，IO_Amount表示复杂软件系统的信息传输量，β₂表示取值为0.32的权重，

表示信息传输量，User_Amount_avg表示平均每天访问的用户数，T_{op_avg}表示用户操作的平均时间，即一天内用户从登陆到退出的平均时间，T_{inspect_avg}表示考察时间，β₃表示取值为0.42的权重，

表示复杂系统软件的任务执行效果，Task_Amount表示任务量，CPU_i表示所占用的CPU量，MIPS表示指令平均执行速度；

S304、基于需要被调整的资源状态，根据通信效率、资源占用率以及吞吐量对服务资源进行评估，得到启用服务器的节点，其中，服务资源部署模型f(x_i”)的表达式如下：

其中，γ₁表示取值为0.28的权重，

表示对跳数的规约，Throughput表示吞吐量，Rn_used表示网络利用率，γ₂表示取值为0.39权重，θ₁表示取值为0.38权重，θ₂表示取值为0.62权重，γ₃表示取值为0.33权重，CPU_used表示CPU占用率，Mem_used表示内存占用率，Throughput表示吞吐量，

S305、根据请求的类型与数量、节点负载情况以及资源利用率分别从资源的部署位置、软件的部署位置以及启用服务器节点中选择对应的资源部署优化模型进行搜索，生成资源部署方案并下发执行，完成对资源部署方案的生成。

S4、执行资源部署方案：执行所述资源部署方案：

S5、评估策略执行结果：对执行结果进行判定，完成面向复杂软件系统的资源部署，其实现方法如下：

S501、根据步骤S4的执行结果对复杂软件系统进行感知处理，得到复杂软件系统中的响应时间、可靠性以及开销三类指标；

S502、利用所述三类指标对执行结果进行评估，得到策略执行评估值，其中，策略执行评估值performance的表达式如下：

其中，w₁、w₂和w₃表示各个指标所占的权重，responseTime表示标准化后的复杂软件系统响应时间，errorRate表示复杂软件系统的错误响应次数，totalRequest表示访问复杂软件系统的总次数，CPU_used、Mem_used和Disk_used分别表示CPU占用率、内存占用率以及硬盘占用率；

S503、利用所述策略执行评估值对执行结果进行判定，将不符合预设执行结果的资源进行重新分配，完成对策略执行结果的判定，其实现方法如下：

S5031、利用所述策略执行评估值对执行结果进行判定；

S5032、对不符合预设执行结果的资源，利用步骤S2的解析结果调整数据、软件以及服务类型资源需求的权重；

S5033、根据调整后的权重，利用所述策略执行评估值对执行结果进行判定，生成策略执行反馈意见；

S5034、利用所述策略执行反馈意见重新对复杂软件系统资源进行计算，得到新的资源部署方案，并下发执行；

S5035、执行所述新的资源部署方案，完成对策略执行结果的判定。

本发明适用于辅助复杂软件系统在开放、多变的运行环境中，完成对软件系统不同类型资源的按需优化部署，保证演化策略执行的高效性和灵活性。

Claims (7)

1.一种面向复杂软件系统的资源部署装置，其特征在于，包括：

策略库，用于存储对复杂软件系统资源进行调度的演化策略；

策略解析模块，用于对演化策略进行拆解和分析，得到演化策略中对CPU占用率、内存占用率、硬盘占用率以及时效性的部署需求，并将部署需求映射为调整目标函数的参数；

策略调整模块，用于根据所述调整目标函数的参数生成资源部署方案；

策略执行模块，用于执行所述资源部署方案；

策略执行结果评估模块，用于根据策略执行模块的执行结果对复杂软件系统进行感知处理，得到复杂软件系统的响应时间、可靠性以及开销三类指标，并根据所述三类指标对策略执行结果进行评估，得到策略执行评估值，完成面向复杂软件系统的资源装置部署；

所述策略调整模块包括：

资源状态获取单元，用于根据所述目标函数的参数，从复杂软件系统中获取需要被调整资源的状态；

资源位置部署单元，用于基于需要被调整的资源状态，根据访问并发量和复杂软件系统业务功能要求的时效性建立数据资源部署模型对数据资源进行评估，得到资源的部署位置；

软件位置部署单元，用于基于需要被调整的资源状态，并根据信息传输量、并发用户量以及用户执行效率建立软件资源部署模型对软件资源进行评估，得到软件的部署位置；

服务器节点启动单元，用于基于需要被调整的资源状态，根据通信效率、资源占用率以及吞吐量建立服务资源部署模型对服务资源进行评估，得到启用服务器的节点；

资源部署生成单元，用于根据请求的类型与数量、节点负载情况以及资源利用率分别从资源的部署位置、软件的部署位置以及启用服务器节点中选择对应的资源部署优化模型进行搜索，生成资源部署方案并下发执行，完成对资源部署方案的生成；

权重计算单元，用于根据复杂软件系统资源无法满足策略需求的信息，利用策略解析模块调整策略对数据、软件以及服务类型资源需求的权重；

策略反馈单元，用于根据得到的策略执行评估值对策略执行结果进行判定，生成策略执行反馈意见，并根据策略执行反馈意见重新对系统资源进行计算，得到新的资源部署方案并下发至策略执行模块执行。

2.一种面向复杂软件系统的资源部署方法，其特征在于，包括以下步骤：

S1、获取演化策略：从策略库中读取用于复杂软件系统资源调度的演化策略；

S2、解析演化策略：对所述演化策略进行拆解和分析，得到所述演化策略中对CPU占用率、内存占用率、硬盘占用率以及时间性的部署要求，并将所述部署要求映射为调整目标函数的参数；

S3、生成资源部署方案：根据所述调整目标函数的参数生成资源部署方案；

所述步骤S3包括以下步骤：

S301、根据所述目标函数的参数，从复杂软件系统中获取需要被调整的资源状态；

S302、基于需要被调整的资源状态，根据访问并发量和复杂软件系统业务功能要求的时效性建立数据资源部署模型对数据资源进行评估，得到资源的部署位置；

S303、基于需要被调整的资源状态，根据信息传输量、并发用户量以及用户执行效率建立软件资源部署模型对软件资源进行评估，得到软件的部署位置；

S304、基于需要被调整的资源状态，根据通信效率、资源占用率以及吞吐量建立服务资源部署模型对服务资源进行评估，得到启用服务器的节点；

S305、根据请求的类型与数量、节点负载情况以及资源利用率分别从资源的部署位置、软件的部署位置以及启用服务器节点中选择对应的资源部署优化模型进行搜索，生成资源部署方案并下发执行，完成对资源部署方案的生成；

S4、执行资源部署方案：执行所述资源部署方案；

S5、评估策略执行结果：对执行结果进行判定，完成面向复杂软件系统的资源部署；

所述步骤S5包括以下步骤：

S501、根据步骤S4的执行结果对复杂软件系统进行感知处理，得到复杂软件系统中的响应时间、可靠性以及开销三类指标；

S502、利用所述三类指标对执行结果进行评估，得到策略执行评估值；

S503、利用所述策略执行评估值对执行结果进行判定，将不符合预设执行结果的资源进行重新分配，完成对策略执行结果的判定。

3.根据权利要求2所述的面向复杂软件系统的资源部署方法，其特征在于，所述步骤S302中数据资源部署模型f(x_i)的表达式如下：

其中，α₁表示取值为0.36的权重，Access_Amount_avg表示每天访问数据的次数，T_{op_avg}表示一天内用户操作数据的时间，T_{use_avg}表示一天内用户连接数据的总时间，α₂表示取值为0.64的权重，Task_T_j表示第j个子任务的执行时间要求，m表示子任务的总个数。

4.根据权利要求2所述的面向复杂软件系统的资源部署方法，其特征在于，所述步骤S303中软件资源部署模型f(x′_i)的表达式如下：

其中，β₁表示取值为0.26的权重，IO_Amount表示复杂软件系统的信息传输量，β₂表示取值为0.32的权重，

表示信息传输量，User_Amount_avg表示平均每天访问的用户数，T_{op_avg}表示用户操作的平均时间，即一天内用户从登陆到退出的平均时间，T_{inspect_avg}表示考察时间，β₃表示取值为0.42的权重，

表示复杂系统软件的任务执行效果，Task_Amount表示任务量，CPU_i表示所占用的CPU量，MIPS表示指令平均执行速度。

5.根据权利要求2所述的面向复杂软件系统的资源部署方法，其特征在于，所述步骤S304中服务资源部署模型f(x″_i)的表达式如下：

其中，γ₁表示取值为0.28的权重，

表示对跳数的规约，Throughput表示吞吐量，Rn_used表示网络利用率，γ₂表示取值为0.39权重，θ₁表示取值为0.38权重，θ₂表示取值为0.62权重，γ₃表示取值为0.33权重，CPU_used表示CPU占用率，Mem_used表示内存占用率，Throughput表示吞吐量。

6.根据权利要求2所述的面向复杂软件系统的资源部署方法，其特征在于，所述步骤S502中策略执行评估值performance的表达式如下：

其中，w₁、w₂和w₃表示各个指标所占的权重，responseTime表示标准化后的复杂软件系统响应时间，errorRate表示复杂软件系统的错误响应次数，totalRequest表示访问复杂软件系统的总次数，CPU_used、Mem_used和Disk_used分别表示CPU占用率、内存占用率以及硬盘占用率。

7.根据权利要求2所述的面向复杂软件系统的资源部署方法，其特征在于，所述步骤S503包括以下步骤：

S5031、利用所述策略执行评估值对执行结果进行判定；

S5032、对不符合预设执行结果的资源，利用步骤S2的解析结果调整数据、软件以及服务类型资源需求的权重；

S5033、根据调整后的权重，利用所述策略执行评估值对执行结果进行判定，生成策略执行反馈意见；

S5034、利用所述策略执行反馈意见重新对复杂软件系统资源进行计算，得到新的资源部署方案，并下发执行；

S5035、执行所述新的资源部署方案，完成对策略执行结果的判定。

Images