一种云数据中心的虚拟机CPU使用率的分析建模方法

摘要

本发明公开了一种云数据中心的虚拟机CPU使用率的分析建模方法，包括以下步骤：1)分析模块构建，主要提出单台虚拟机CPU使用率概率分布的分析方法，以及云数据中心中所有虚拟机CPU使用率期望值概率分布的分析方法；2)建模模块构建，主要利用分析模块对实际环境下虚拟CPU使用率任务日志进行了分析，分析单台虚拟CPU使用率的概率分布情况，以及云数据中心所有虚拟机CPU使用率期望值的分布情况，最后利用分析结果之间的关联性进行任务建模；3)通过步骤1)和2)，即可构建出能够产生实际环境下单台虚拟机CPU使用率的分布，而重复步骤2)即可获取多个虚拟机CPU使用率的分布。本发明可以用于更好地分析云计算中针对能耗的虚拟机融合的优缺点。

主权项

一种云数据中心的虚拟机CPU使用率的分析建模方法，其特征在于，包括以下步骤：1)分析模块构建主要提出单台虚拟机CPU使用率概率分布的分析方法，以及云数据中心中所有虚拟机CPU使用率期望值概率分布的分析方法，分析模块实现的数学表达式如下：P(X＝x)＝f(x),(μ＝E(x),δ＝D(x))   (1)$\mu ={\int }_a^b\mathrm{xdx},(0\le a\le x\le b\le 100)---\left(2\right)$$P(X=x)=f\left(x\right),(E\left(x\right)=\mu ,\mu \in s,s⋐{\cup }_{i=0}^{n-1}{s}_i,$s_i＝{μ_ik,...,μ_ik+k‑1},n＝(b‑a+1)/k,a≤k≤b)   (3)P(μ＝μ_j)＝f(μ_j),(0≤a≤μ_j≤b≤100,μ_j＝j)   (4)式中，x表示单个任务CPU使用率，μ表示单个任务CPU使用率的期望值，δ表示单个任务CPU使用率的标准方差，f表示概率密度，s表示按照任务CPU使用率分类后任务的μ的集合；2)建模模块构建主要利用步骤1)的分析模块对实际环境下虚拟CPU使用率任务日志进行了分析，分析单台虚拟CPU使用率的概率分布情况，以及云数据中心所有虚拟机CPU使用率期望值的分布情况，最后利用分析结果之间的关联性进行任务建模，建模模块实现的数学表达式如下：$\mu ~\left\{\begin{array}{c}E\left(\theta \right)\\ \mathrm{pE}\left({\theta }_1\right)+(1-p)E\left({\theta }_2\right)\\ \Gamma ({\alpha }_1,{\beta }_1)\\ W({\alpha }_2,{\beta }_2)\end{array}\right.---\left(5\right)$aμ⁴+bμ³+cμ²+dμ+e＝δ   (6)x～N(μ,δ)   (7)式中，N表示正态分布，E表示指数分布，θ表示指数分布的参数值，Γ表示伽马分布，α₁和β₁表示伽马分布的两个参数值，W表示韦伯分布，α₂和β₂表示韦伯分布的两个参数值，μ和δ分别表示虚拟机CPU使用率的期望值和方差，a、b、c、d和e为从实际虚拟机CPU使用率任务日志中获取的μ和δ线性拟合结果的参数值；3)通过步骤1)和2)，即可构建出能够产生实际环境下单台虚拟机CPU使用率的分布，而重复步骤2)即可获取多个虚拟机CPU使用率的分布，从而形成用于云计算环境下针对能耗的虚拟机融合的性能评估。