CN117234882A - 一种在线应用云资源供应软件定义模型构建方法及终端机 - Google Patents
一种在线应用云资源供应软件定义模型构建方法及终端机 Download PDFInfo
- Publication number
- CN117234882A CN117234882A CN202311282020.8A CN202311282020A CN117234882A CN 117234882 A CN117234882 A CN 117234882A CN 202311282020 A CN202311282020 A CN 202311282020A CN 117234882 A CN117234882 A CN 117234882A
- Authority
- CN
- China
- Prior art keywords
- service
- cloud
- online application
- cloud resource
- user
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000010586 diagram Methods 0.000 claims abstract description 27
- 230000010354 integration Effects 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 39
- 230000004044 response Effects 0.000 claims description 37
- 230000007704 transition Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种在线应用云资源供应软件定义模型构建方法及终端机,属于云资源供应、整合与调度领域,根据公有云环境下的云资源,设计云资源的描述、发现与集成服务系统,对公有云环境进行统一管理,实现云资源供应软件定义模型的资源层的构建;采用行为模式模型图对公有云环境下的在线应用的负载以及行为模式进行分析,描述出在线应用的负载分布以及服务之间依赖关系;对在线应用的服务质量指标进行描述与建模,实现云资源供应软件定义模型的业务层构建;根据用户服务质量需求,构建满足预设条件的虚拟数据中心,并实现云资源供应软件定义模型控制层的构建。本发明实现降低成本的同时,提高云资源的使用效率和质量。
Description
技术领域
本发明属于云资源供应、整合与调度领域,特别是涉及一种在线应用云资源供应软件定义模型构建方法及终端机。
背景技术
随着互联网和现代服务业的快速发展,互联网的各种服务应用已经在社会各界有了广泛的应用,且用户访问量日益增长。面对大规模用户访问所产生的巨大负载,传统自给自足的IT基础设施和私有云基础设施的资源供应很难保证在线应用的质量需求。不同的云服务提供商所发布的云资源的描述信息和访问接口标准是不完全不一致,导致来自不同云服务提供商的云资源很难整合在一起。
目前有采用SOA架构来实现不同云服务的整合。其中,SOA(Service-OrientedArchitecture,面向服务的架构)是一种在计算机环境中设计、开发、部署和管理离散模型的方法。SOA架构是在企业内部IT系统重复构建以及效率低下的背景下提出的。在SOA模型中,所有的功能都被定义成了独立的服务,所有的服务通过服务总线(ESB)或流程管理器来连接。这种松散耦合的结构使得能够以最小的代价整合已经存在的各种异构系统。
而对于传统SOA架构来讲,其垂直设计模式难以满足日益增长的用户需求和市场需要,无法提供满意的用户体验和高水平的服务质量。
发明内容
本发明提供一种在线应用云资源供应软件定义模型构建方法,是为了解决传统SOA架构的垂直设计模式难以满足日益增长的用户需求和市场需要,无法提供满意的用户体验和高水平的服务质量的问题。
方法包括如下步骤:
S1:根据公有云环境下的云资源,设计云资源的描述、发现与集成服务系统,对公有云环境下的虚拟单元、虚拟单元模板、虚拟单元实例以及虚拟资源池进行统一管理,实现云资源供应软件定义模型的资源层的构建;
S2:采用行为模式模型图对公有云环境下的在线应用的负载以及行为模式进行分析,描述出在线应用的负载分布以及服务之间依赖关系;
S3:从用户角度考虑质量指标,并基于步骤S2中行为模式模型图,对在线应用的服务质量指标进行描述与建模,实现云资源供应软件定义模型的业务层构建;
S4:采用微服务架构实现在线应用的部署;
S5:根据用户服务质量需求,构建满足预设条件的虚拟数据中心,并实现云资源供应软件定义模型控制层的构建。
进一步需要说明的是,步骤S1中,所述虚拟单元包括:公有云环境下的云主机、云存储以及云服务器;
所述虚拟单元模板包括:同一云服务提供商所提供的、具有相同的配置虚拟单元,通过对虚拟单元模板进行实例化可以生成一组具有相同配置的虚拟单元实例;
步骤S1还通过云服务提供商以虚拟单元模板的形式对外发布云资源服务,由不同云服务提供商所提供的、具有相同配置的同类虚拟单元模板组成一个虚拟资源池。
进一步需要说明的是,步骤S2中的所述负载采用一个随机过程{M(t),t≥0}来描述;
M(t)表示在时间间隔(0,t]内到达在线应用的用户数量;
负载为单位时间内到达某服务的平均用户数量,负载定义为平均到达率λ。
进一步需要说明的是,所述步骤S2中的服务行为模式图表示为一个带权有向图,在带权有向图的每个顶点表示一个可标识的服务,顶点之间的有向边表示服务之间的依赖关系,服务行为模式图满足如下条件:
S201:定义一个开始顶点s,表示在线应用执行的开始,设用户到达开始顶点的负载为λ,用户进入系统后,以概率psi执行服务i,且
S202:定义一个终止顶点d,表示在线应用执行的结束,用户执行完服务i后将以概率pid离开系统进入这个终止顶点;
S203:用户以随机的方式在系统内执行服务,用户执行完服务i后,再执行服务j的概率是pij,且i=1,2,…,n,P=(pij|i,j=1,2,…,n)为服务之间的概率转移矩阵;
S204:对于每个顶点i,令λi为服务i的负载;
在单位时间内,进入顶点i的负载是开始顶点s到达的负载与从所有顶点j(j=1,2,…,n)到达的负载之和;
顶点i的负载方程为:i=1,2,…,n;
在稳定状态下,系统的总体负载方程为:令Δ=(λ1,λ2,…,λn)为服务的负载分布,根据服务之间的概率转移矩阵P的特性,得到向量形式的负载方程为:Δ(I-P)=λ,由于(I-P)是非奇异的,因此,服务的负载分布Δ存在唯一解。
进一步需要说明的是,所述服务行为模式图中的转移概率设置方法具有以下特征:
在初始部署阶段,根据在线应用的业务规则来静态设定服务之间的转移概率;
在运行阶段,设置时间段,当每个时间段结束时,通过对用户访问日志数据进行挖掘,并采用数理统计的方法来计算实际的状态转移概率,然后采用移动加权平均等方法来动态调整服务行为模式图中转移概率的取值,使服务行为模式图反映出用户的行为特征。
进一步需要说明的是,所述步骤S3中服务质量指标包括:服务响应时间、在线应响应时间、服务可靠性、在线应用可靠性;
其中,服务的响应时间是从用户发出服务请求到接收响应结果的时间间隔,包括服务执行时间以及请求和响应的传输时间;
在线应用的响应时间是所有服务响应时间的平均值;
服务的可靠性是在一段时间内,所述服务能够正确响应用户请求的概率;
正确响应用户请求是服务在接收到用户的服务请求时,按照计划执行处理过程并将响应结果发送给请求的用户,最后用户正确接收响应结果的过程;
在线应用可靠性定义为所有服务可靠性的乘积。
进一步需要说明的是,所述步骤S3中,基于行为模式模型图对在线应用的服务质量需求进行描述与建模,构建模型特征包括:
定义行为模式模型图每个表示服务的顶点i,令rti为服务i的最大响应时间约束,rei为服务i的最低可靠性约束,在线应用的最大响应时间(rt)和最低可靠性(re)约束定义为:
令erri表示顶点i的错误率,rei=1-erri,在线应用的错误率为
进一步需要说明的是,所述步骤S4中的微服务为独立的大粒度实体,将一个微服务称为一个服务构件,服务构件是服务的容器,每个服务构件封装一个或多个服务,服务构件之间通过网络调用进行通信;
微服务架构还将在线应用分解为多个服务构件,只对性能存在瓶颈的服务构件进行扩展;
服务与服务构件之间为多对多的映射关系,即一个服务构件封装多个服务,每个服务实例化为多个实例,并部署在不同的服务构件中。
进一步需要说明的是,所述步骤S5的虚拟数据中心是由一组部署服务构件的虚拟单元及其之间的网络连接构成的虚拟基础设施;
云资源供应软件定义模型包括:资源层、业务层和控制层;
资源层采用软件定义技术,将分布在互联网上由不同云服务提供商所提供的云资源进行抽象、描述和分类,然后聚合到相应的虚拟云资源池中;
业务层采用服务行为模式图来描述在线应用的负载分布和用户的服务质量需求;
控制层根据业务层的客户服务质量需求和服务行为模型以及资源层中所提供的可用云资源的种类,利用成本驱动的云资源组合优化分配方法构建虚拟数据中心。
本发明还提供一种终端机,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现所述在线应用云资源供应软件定义模型构建方法的步骤。
从以上技术方案可以看出,本发明具有以下优点:
本发明提供的在线应用云资源供应软件定义模型构建方法可以将不同提供商和不同类型的云资源进行整合,实现统一管理,还可以提高云资源的使用效率和质量。而且本发明还通过负载分析,以及采用服务行为模式图SBPG完成用户服务质量需求建模,提升云资源用户服务质量。
本发明采用微服务框架,将在线应用分解为多个服务构件,并针对性的进行扩展和部署,降低运营成本。本发明还构建满足用户服务质量需求的虚拟数据中心,规范化了服务部署和云资源供应的过程,简化了问题的复杂度,并避免了云资源供应的不足和浪费。
附图说明
为了更清楚地说明本发明的技术方案,下面将对描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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。
图1为在线应用云资源供应软件定义模型构建方法流程图;
图2为虚拟单元的描述、发现与集成服务系统示意图;
图3为本发明的SBPG示例图;
图4为本发明带有错误顶点的SBPG示例示意图
图5为公有云环境下大规模在线应用云资源供应软件定义模型示意图。
具体实施方式
本发明提供的在线应用云资源供应软件定义模型构建方法是针对公有云环境下,大规模在线应用云资源供应的软件定义模型,实现对不同类型、以及不同云服务商发布的云资源进行整合,并统一访问云资源的接口,还对整合后的资源进行不同方式的部署,从而实现降低成本的同时,提高云资源的使用效率和质量。
在线应用云资源供应软件定义模型构建方法利用集成服务(VRDDI)系统以及行为模式模型图(SBPG),通过建立微服务架构,利用公有云环境下的云资源、虚拟数据处理以及数据传输等技术,构建性价比最优的虚拟数据中心,实现云资源供应软件定义模型的控制层构建。以此来达到降低运营成本的同时,提高云资源的使用效率和质量。
在线应用云资源供应软件定义模型构建方法可以应用于一个或者多个终端机中,所述终端机是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
终端机旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请实施例的实现。
终端机所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1至5所示是一具体实施例中在线应用云资源供应软件定义模型构建方法的流程图,方法包括:
S1:根据公有云环境下的云资源,设计云资源的描述、发现与集成服务系统,对公有云环境下的虚拟单元、虚拟单元模板、虚拟单元实例以及虚拟资源池进行统一管理,实现云资源供应软件定义模型的资源层的构建;
本实施例的云资源主要包括:虚拟机(CPU+内存)、存储和网络。
对于虚拟单元来讲,其包括:公有云环境下的云主机、云存储以及云服务器。
虚拟单元模板是指同一云服务提供商所提供的、具有相同的配置虚拟单元,通过对虚拟单元模板进行实例化可以生成一组具有相同配置的虚拟单元实例。云服务提供商以虚拟单元模板的形式对外发布云资源服务。由不同云服务提供商所提供的、具有相同配置的同类虚拟单元模板可以组成一个虚拟资源池。
对于虚拟单元的描述、发现与集成服务(VRDDI)系统来讲,主要包含云资源请求者、云资源服务商、云资源代理以及云资源注册中心。发现与集成服务系统构建过程,采用云资源代理(Cloud Resource Broker,CRB)技术来屏蔽底层的技术细节,提供统一访问云资源的接口,从而降低云资源请求者与云服务提供商之间耦合度,为在线应用提供商与云服务提供商提供咨询、协商和集成等服务,以此来提高云资源的使用效率和质量。
在一个示例性实施例中,假设公共云环境中涉及亚马逊、阿里云两家云服务提供商,亚马逊所提供的m1.samll、m1.large、m2.x.large等都可以看作是虚拟单元模板。
当应用提供商申请一个m1.samll实例时,该实例就是一个虚拟单元。不同云服务提供商可以提供相同配置的虚拟单元模板,例如,阿里云也提供了与亚马逊的m1.samll具有相关同配置的虚拟单元模板。
为了区别不同云服务提供商的虚拟单元模板,本实施例将亚马逊的m1.samll表示为(AWS,m1.samll),将阿里云的m1.samll表示为(Aliyun,m1.samll),则(AWS,m1.samll)和(Aliyun,m1.samll)可以看作的同类虚拟单元模板,它们可以加入到一个虚拟资源池中。
然后,结合云资源供应场景,引入云资源请求者,云资源注册中心、云资源提供商以及云资源代理实体,采用云资源代理技术来屏蔽底层的技术细节,提供统一访问云资源的接口,设计出虚拟单元的描述、发现与集成服务(VRDDI)系统,具体系统示意图如图2所示。这样可以为在线应用提供商与云服务提供商提供咨询、协商和集成等服务,至此完成了公有云环境下大规模在线应用云资源供应软件定义模型的资源层的构建。
S2:采用行为模式模型图对公有云环境下的在线应用的负载以及行为模式进行分析,描述出在线应用的负载分布以及服务之间依赖关系。
根据本申请的实施例,首先,采用一个随机过程{M(t),t≥0}来描述负载,M(t)表示在时间间隔(0,t]内到达在线应用的用户数量。将负载定义为单位时间内到达某服务的平均用户数量,即平均到达率λ。
然后,对每一个服务的平均到达率λ进行计算,这样就得到了SBPG中的顶点负载。
接下来就是设置服务之间的转移概率,在初始部署阶段,服务之间的转移概率可以根据在线应用的业务规则来静态设定;在运行阶段,自定义一个周期,当每个周期结束时,通过对用户访问日志中的响应时间数据,正确响应用户请求的概率进行统计与计算,然后采用贝叶斯估计的方法来计算实际的状态转移概率,采用移动加权平均等方法来动态调整SBPG中转移概率的取值,使其能够真实地反映出用户的行为特征。至此,就完成了SBPG的构建。
本实施例中的服务行为模式图(SBPG)的转移概率的设置方法有以下特征:
1)在初始部署阶段,根据在线应用的业务规则来静态设定服务之间的转移概率。
2)在运行阶段,设置时间段,当每个时间段结束时,通过对用户访问日志数据进行挖掘,并采用数理统计的方法来计算实际的状态转移概率,然后采用移动加权平均等方法来动态调整SBPG中转移概率的取值,使其能够真实地反映出用户的行为特征。
示例性的讲,一个通过上述方式构造出的服务行为模型图SBPG如图3所示,其中,0为开始顶点,4为终止顶点,所有顶点都是服务,用户到达开始顶点的负载λ为100,进入顶点1的概率为p01=1,服务之间的转移概率为:p12=0.4,p13=0.6,p23=0.8,p24=0.2,p34=1。
根据上述所提出的负载方程,本实施例可以确定应用的服务的负载分布Δ(λ1,λ2,λ3)={100,40,98}。从而可以看出,由于转移概率的不同,应用中服务的负载分布是不均衡的。
S3:从用户角度考虑质量指标,并基于步骤S2中行为模式模型图,对在线应用的服务质量指标进行描述与建模,实现云资源供应软件定义模型的业务层构建。
本实施例中,服务质量指标包括服务响应时间、在线应响应时间、服务可靠性、在线应用可靠性。
其中,服务的响应时间是指从用户发出服务请求到接收响应结果的时间间隔,包括服务执行时间以及请求和响应的传输时间;在线应用的响应时间是指所有服务响应时间的平均值;服务的可靠性是指在一段时间内,该服务能够正确响应用户请求的概率。正确响应用户请求是指服务在接收到用户的服务请求时,按照计划执行处理过程并将响应结果发送给请求的用户,最后用户正确接收响应结果的过程。在线应用的可靠性可以定义为所有服务可靠性的乘积。
对于本实施例中基于SBPG对在线应用的服务质量需求进行描述与建模过程中,通过如下方式构建模型的特征:
对于SBPG每个表示服务的顶点i,令rti为服务i的最大响应时间约束,rei为服务i的最低可靠性约束,在线应用的最大响应时间(rt)和最低可靠性(re)约束定义为:
为了处理方便,本发明采用错误率来反映可靠性,错误率描述服务请求被否决的概率,错误率越低可靠性就越高,反之可靠性就越低。
令erri表示顶点i的错误率,rei=1-erri,在线应用的错误率为
对于本实施例来讲,还可以定义一个特殊的顶点作为错误顶点,当某个服务的服务请求发生错误时就转移到该顶点,转移概率为错误率,错误顶点以概率1转移到结束顶点,这样可以保持整体的负载平衡,防止由错误率的存在导致的SBPG中顶点的输入和输出负载就不能够完全保持平衡的问题。
作为本发明的一个实例,如图4所示,可以通过上述方式补充的服务行为模型图SBPG。假设顶点1的可靠性约束re1=0.9,顶点3的可靠性约束为re3=0.95,即服务1和2的可靠性要分别大于等于0.9和0.95,因此,它们的可接受的最大错误率分别为:err1=0.1,err3=0.05。
由于顶点1和3存在错误率,因此,本实施例存在到错误顶点4的转移概率:p14=0.1,p34=0.05。根据负载方程,得到在线应用的负载分布
Δ(λ1,λ2,λ3,λ4)={100,30,84,14.2},其中,损失负载为λ4=14.2。至此使得在线应用的服务质量需求在SBPG中得以描述。
S4:采用微服务架构实现在线应用的部署。
本实施例的微服务是指独立的大粒度实体,可以进行独立开发、部署和运行。本实施例还将一个微服务称为一个服务构件(Service Component,SC),服务构件是服务的容器,每个服务构件可以封装一个或多个服务。服务构件之间通过网络调用进行通信,避免紧密耦合。
对于微服务架构来讲,先将在线应用分解为多个服务构件,并只对性能存在瓶颈的服务构件进行扩展。本实施例还将不需要扩展的服务构件运行在价格相对较低、性能稍差的虚拟单元上,从而降低运营成本。
服务与服务构件之间的是一个多对多的映射关系,即一个服务构件可以封装多个服务,每个服务可以实例化为多个实例,并部署在不同的服务构件中。
S5:根据用户服务质量需求,构建满足预设条件的虚拟数据中心,并实现云资源供应软件定义模型控制层的构建。
本实施例的虚拟数据中心是指由一组部署服务构件的虚拟单元及其之间的网络联接所构成的虚拟基础设施。虚拟机数据中心位于模型的控制层,是公有环境下大规模在线应用云资源供应软件定义模型核心内容。虚拟数据中心能够根据用户负载的变化,动态调整虚拟机数据中心的结构,以避免云资源供应的不足和浪费。
这里的虚拟数据中心的服务构件与虚拟单元之间是一对一的映射关系,即一个服务构件只能部署在一个虚拟单元上,每个虚拟单元只能部署一个服务构件。
如图5所示,经过上述步骤最终构建出的公有环境下大规模在线应用云资源供应软件定义模型,包含资源层、业务层和控制层三个层次。
其中,资源层采用软件定义技术,将分布在互联网上由不同云服务提供商所提供的云资源进行抽象、描述和分类,然后聚合到相应的虚拟云资源池中。
业务层采用服务行为模式图SBPG来描述在线应用的负载分布和用户的服务质量需求。
控制层根据业务层的客户服务质量需求和服务行为模型以及资源层中所提供的可用云资源的种类,利用成本驱动的云资源组合优化分配方法构建性价比最优的虚拟数据中心。
可以看出,基于上述在线应用云资源供应软件定义模型构建方法,将不同提供商和不同类型的云资源进行整合,实现统一管理,依次提高云资源的使用效率和质量。而且本发明通过负载分析,以及采用服务行为模式图SBPG完成用户服务质量需求建模,提升云资源用户服务质量;本发明还采用微服务框架,将在线应用分解为多个服务构件,并针对性的进行扩展和部署,降低运营成本;构建满足用户服务质量需求的虚拟数据中心,规范化了服务部署和云资源供应的过程,简化了问题的复杂度,并避免了云资源供应的不足和浪费。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明提供的终端机是结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的在线应用云资源供应软件定义模型构建方法可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据在线应用云资源供应软件定义模型构建方法公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的索引方法。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种在线应用云资源供应软件定义模型构建方法,其特征在于,方法包括如下步骤:
S1:根据公有云环境下的云资源,设计云资源的描述、发现与集成服务系统,对公有云环境下的虚拟单元、虚拟单元模板、虚拟单元实例以及虚拟资源池进行统一管理,实现云资源供应软件定义模型的资源层的构建;
S2:采用行为模式模型图对公有云环境下的在线应用的负载以及行为模式进行分析,描述出在线应用的负载分布以及服务之间依赖关系;
S3:从用户角度考虑质量指标,并基于步骤S2中行为模式模型图,对在线应用的服务质量指标进行描述与建模,实现云资源供应软件定义模型的业务层构建;
S4:采用微服务架构实现在线应用的部署;
S5:根据用户服务质量需求,构建满足预设条件的虚拟数据中心,并实现云资源供应软件定义模型控制层的构建。
2.根据权利要求1所述的在线应用云资源供应软件定义模型构建方法,其特征在于,步骤S1中,所述虚拟单元包括:公有云环境下的云主机、云存储以及云服务器;
所述虚拟单元模板包括:同一云服务提供商所提供的、具有相同的配置虚拟单元,通过对虚拟单元模板进行实例化可以生成一组具有相同配置的虚拟单元实例;
步骤S1还通过云服务提供商以虚拟单元模板的形式对外发布云资源服务,由不同云服务提供商所提供的、具有相同配置的同类虚拟单元模板组成一个虚拟资源池。
3.根据权利要求1所述的在线应用云资源供应软件定义模型构建方法,其特征在于,步骤S2中的所述负载采用一个随机过程{M(t),t≥0}来描述;
M(t)表示在时间间隔(0,t]内到达在线应用的用户数量;
负载为单位时间内到达某服务的平均用户数量,负载定义为平均到达率λ。
4.根据权利要求3所述的在线应用云资源供应软件定义模型构建方法,其特征在于,所述步骤S2中的服务行为模式图表示为一个带权有向图,在带权有向图的每个顶点表示一个可标识的服务,顶点之间的有向边表示服务之间的依赖关系,服务行为模式图满足如下条件:
S201:定义一个开始顶点s,表示在线应用执行的开始,设用户到达开始顶点的负载为λ,用户进入系统后,以概率psi执行服务i,且
S202:定义一个终止顶点d,表示在线应用执行的结束,用户执行完服务i后将以概率pid离开系统进入这个终止顶点;
S203:用户以随机的方式在系统内执行服务,用户执行完服务i后,再执行服务j的概率是pij,且P=(pij|i,j=1,2,…,n)为服务之间的概率转移矩阵;
S204:对于每个顶点i,令λi为服务i的负载;
在单位时间内,进入顶点i的负载是开始顶点s到达的负载与从所有顶点j(j=1,2,…,n)到达的负载之和;
顶点i的负载方程为:
在稳定状态下,系统的总体负载方程为:令Δ=(λ1,λ2,…,λn)为服务的负载分布,根据服务之间的概率转移矩阵P的特性,得到向量形式的负载方程为:Δ(I-P)=λ,由于(I-P)是非奇异的,因此,服务的负载分布Δ存在唯一解。
5.根据权利要求4所述的在线应用云资源供应软件定义模型构建方法,其特征在于,所述服务行为模式图中的转移概率设置方法具有以下特征:
在初始部署阶段,根据在线应用的业务规则来静态设定服务之间的转移概率;
在运行阶段,设置时间段,当每个时间段结束时,通过对用户访问日志数据进行挖掘,并采用数理统计的方法来计算实际的状态转移概率,然后采用移动加权平均等方法来动态调整服务行为模式图中转移概率的取值,使服务行为模式图反映出用户的行为特征。
6.根据权利要求1或2所述的在线应用云资源供应软件定义模型构建方法,其特征在于,所述步骤S3中服务质量指标包括:服务响应时间、在线应响应时间、服务可靠性、在线应用可靠性;
其中,服务的响应时间是从用户发出服务请求到接收响应结果的时间间隔,包括服务执行时间以及请求和响应的传输时间;
在线应用的响应时间是所有服务响应时间的平均值;
服务的可靠性是在一段时间内,所述服务能够正确响应用户请求的概率;
正确响应用户请求是服务在接收到用户的服务请求时,按照计划执行处理过程并将响应结果发送给请求的用户,最后用户正确接收响应结果的过程;
在线应用可靠性定义为所有服务可靠性的乘积。
7.根据权利要求6所述的在线应用云资源供应软件定义模型构建方法,其特征在于,所述步骤S3中,基于行为模式模型图对在线应用的服务质量需求进行描述与建模,构建模型特征包括:
定义行为模式模型图每个表示服务的顶点i,令rti为服务i的最大响应时间约束,rei为服务i的最低可靠性约束,在线应用的最大响应时间(rt)和最低可靠性(re)约束定义为:
令erri表示顶点i的错误率,rei=1-erri,在线应用的错误率为
8.根据权利要求1或2所述的在线应用云资源供应软件定义模型构建方法,其特征在于,所述步骤S4中的微服务为独立的大粒度实体,将一个微服务称为一个服务构件,服务构件是服务的容器,每个服务构件封装一个或多个服务,服务构件之间通过网络调用进行通信;
微服务架构还将在线应用分解为多个服务构件,只对性能存在瓶颈的服务构件进行扩展;
服务与服务构件之间为多对多的映射关系,即一个服务构件封装多个服务,每个服务实例化为多个实例,并部署在不同的服务构件中。
9.根据权利要求8所述的在线应用云资源供应软件定义模型构建方法,其特征在于,所述步骤S5的虚拟数据中心是由一组部署服务构件的虚拟单元及其之间的网络连接构成的虚拟基础设施;
云资源供应软件定义模型包括:资源层、业务层和控制层;
资源层采用软件定义技术,将分布在互联网上由不同云服务提供商所提供的云资源进行抽象、描述和分类,然后聚合到相应的虚拟云资源池中;
业务层采用服务行为模式图来描述在线应用的负载分布和用户的服务质量需求;
控制层根据业务层的客户服务质量需求和服务行为模型以及资源层中所提供的可用云资源的种类,利用成本驱动的云资源组合优化分配方法构建虚拟数据中心。
10.一种终端机,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至9任一项所述在线应用云资源供应软件定义模型构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311282020.8A CN117234882B (zh) | 2023-09-28 | 2023-09-28 | 一种在线应用云资源供应软件定义模型构建方法及终端机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311282020.8A CN117234882B (zh) | 2023-09-28 | 2023-09-28 | 一种在线应用云资源供应软件定义模型构建方法及终端机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117234882A true CN117234882A (zh) | 2023-12-15 |
CN117234882B CN117234882B (zh) | 2024-04-16 |
Family
ID=89087790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311282020.8A Active CN117234882B (zh) | 2023-09-28 | 2023-09-28 | 一种在线应用云资源供应软件定义模型构建方法及终端机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117234882B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140075021A1 (en) * | 2012-09-07 | 2014-03-13 | Oracle International Corporation | System and method for providing a cloud computing environment |
US20140075035A1 (en) * | 2012-09-07 | 2014-03-13 | Oracle International Corporation | System and method for providing java cloud services for use with a cloud computing environment |
US20170118283A1 (en) * | 2015-10-27 | 2017-04-27 | International Business Machines Corporation | On-demand workload management in cloud bursting |
CN108768716A (zh) * | 2018-05-22 | 2018-11-06 | 北京邮电大学 | 一种微服务路径选择方法及装置 |
WO2019238136A1 (zh) * | 2018-06-14 | 2019-12-19 | 中兴通讯股份有限公司 | 一种工作流建模方法、装置和计算机可读存储介质 |
CN111314120A (zh) * | 2020-01-23 | 2020-06-19 | 福州大学 | 基于迭代QoS模型的云软件服务资源自适应管理框架 |
US20220035681A1 (en) * | 2018-12-04 | 2022-02-03 | Nippon Telegraph And Telephone Corporation | Ict resource managment device, ict resource management method and ict resource management program |
CN114610487A (zh) * | 2022-03-10 | 2022-06-10 | 国核自仪系统工程有限公司 | 基于私有云的核电站模拟机的管理系统、方法和介质 |
CN114860425A (zh) * | 2022-04-02 | 2022-08-05 | 武汉理工大学 | 一种基于云资源下的服务云平台 |
CN115705210A (zh) * | 2021-08-10 | 2023-02-17 | 中兴通讯股份有限公司 | 云平台管理架构及管理方法、管理设备、存储介质 |
-
2023
- 2023-09-28 CN CN202311282020.8A patent/CN117234882B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140075021A1 (en) * | 2012-09-07 | 2014-03-13 | Oracle International Corporation | System and method for providing a cloud computing environment |
US20140075035A1 (en) * | 2012-09-07 | 2014-03-13 | Oracle International Corporation | System and method for providing java cloud services for use with a cloud computing environment |
US20170118283A1 (en) * | 2015-10-27 | 2017-04-27 | International Business Machines Corporation | On-demand workload management in cloud bursting |
CN108768716A (zh) * | 2018-05-22 | 2018-11-06 | 北京邮电大学 | 一种微服务路径选择方法及装置 |
WO2019238136A1 (zh) * | 2018-06-14 | 2019-12-19 | 中兴通讯股份有限公司 | 一种工作流建模方法、装置和计算机可读存储介质 |
US20220035681A1 (en) * | 2018-12-04 | 2022-02-03 | Nippon Telegraph And Telephone Corporation | Ict resource managment device, ict resource management method and ict resource management program |
CN111314120A (zh) * | 2020-01-23 | 2020-06-19 | 福州大学 | 基于迭代QoS模型的云软件服务资源自适应管理框架 |
CN115705210A (zh) * | 2021-08-10 | 2023-02-17 | 中兴通讯股份有限公司 | 云平台管理架构及管理方法、管理设备、存储介质 |
CN114610487A (zh) * | 2022-03-10 | 2022-06-10 | 国核自仪系统工程有限公司 | 基于私有云的核电站模拟机的管理系统、方法和介质 |
CN114860425A (zh) * | 2022-04-02 | 2022-08-05 | 武汉理工大学 | 一种基于云资源下的服务云平台 |
Non-Patent Citations (2)
Title |
---|
SHUO ZHANG ET AL: "A cloud data center virtual machine placement scheme based on energy A cloud data center virtual machine placement scheme based on energy", 《2018 INTERNATIONAL CONFERENCE ON CYBER-ENABLED DISTRIBUTED COMPUTING AND KNOWLEDGE DISCOVERY》, 31 December 2018 (2018-12-31), pages 1 - 7 * |
薛涛等: "基于云计算虚拟化技术的旅游信息平台设计", 《现代电子技术》, vol. 45, no. 1, 1 January 2022 (2022-01-01), pages 1 - 5 * |
Also Published As
Publication number | Publication date |
---|---|
CN117234882B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | Task scheduling for multi-cloud computing subject to security and reliability constraints | |
Masdari et al. | Efficient task and workflow scheduling in inter-cloud environments: challenges and opportunities | |
US7533170B2 (en) | Coordinating the monitoring, management, and prediction of unintended changes within a grid environment | |
US8190744B2 (en) | Data center batch job quality of service control | |
US7712100B2 (en) | Determining a capacity of a grid environment to handle a required workload for a virtual grid job request | |
US11172035B2 (en) | Data management for edge computing environment | |
US20220201025A1 (en) | Modeling Queue-Based Message-Oriented Middleware Relationships in a Security System | |
Antonescu et al. | Dynamic topology orchestration for distributed cloud-based applications | |
US11818152B2 (en) | Modeling topic-based message-oriented middleware within a security system | |
Cañete et al. | Supporting IoT applications deployment on edge-based infrastructures using multi-layer feature models | |
Li et al. | A generic cloud platform for engineering optimization based on OpenStack | |
Pan et al. | Sustainable serverless computing with cold-start optimization and automatic workflow resource scheduling | |
Biran et al. | Federated cloud computing as system of systems | |
CN114020469A (zh) | 基于边缘节点的多任务学习方法、装置、介质与设备 | |
Dan et al. | Connecting client objectives with resource capabilities: an essential component for grid service managent infrastructures | |
CN117234882B (zh) | 一种在线应用云资源供应软件定义模型构建方法及终端机 | |
CN104932944B (zh) | 基于带权二部图的云计算资源服务组合方法 | |
Fan et al. | Knative autoscaler optimize based on double exponential smoothing | |
Arravinth et al. | Multi-Agent with Multi Objective-Based Optimized Resource Allocation on Inter-Cloud. | |
Puliafito et al. | Balancing local vs. remote state allocation for micro-services in the cloud–edge continuum | |
Burakowski et al. | Traffic Management for Cloud Federation. | |
CN114138284A (zh) | 模型部署处理方法、装置、电子设备及存储介质 | |
Sotiriadis | The inter-cloud meta-scheduling framework | |
Lin et al. | Architecture of Web-EDA system based on Cloud computing and application for project management of IC design | |
WO2023035147A1 (en) | Data processing method of industry edge product and distributed computing protocol engine thereof |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |