论文部分内容阅读
云计算的快速发展为应用服务组成模式的改变和创新提供了便利条件。目前,许多云服务采用了这样的组成模式:应用服务由不同的云服务组件组成,这些服务组件共同协作完成服务的功能,同时服务以云组件的形式被部署在云环境资源池中。这样的应用服务具有组件并发请求变化性、组件资源需求差异性、组件数量多、分布稀疏等特点,这些特点对服务性能产生一定影响并可能造成服务组件性能瓶颈、虚拟机利用率较低、服务动态调整资源配置等性能问题。因此,为基于云服务组件的应用服务制定有效的服务性能保障机制逐渐成为研究热点。本文在以往服务性能保障方法的基础上,提出一种基于云服务组件性能预测的服务性能保障机制,并在该服务性能保障技术框架内,阐述面向服务性能保障的服务组件性能预测方法。整个预测方法的研究主要有两个重点,即基于SLA转化的云服务组件性能阈值动态解析方法和面向应用服务SLA的服务组件性能预测与评估。本文首先采用贝叶斯概率统计方法构建服务SLA状态与服务组件性能之间的关系模型,通过TAN模型训练算法得到服务组件性能变量取值集合,并进一步划分服务组件性能阈值。然后在服务组件性能非负矩阵分解技术的基础上提出一种NMF-PTS服务组件性能预测算法,通过对服务组件性能矩阵进行降维和近似分解,得到特征矩阵,设置时间序列之间的时间关联函数,以此预测服务组件性能未来变化趋势并给出服务组件性能状态的初步评估判断。最后,本文设计一系列仿真验证和对比实验证明上述各算法的可行性和有效性。实验结果表明这种面向云服务性能保障的服务组件性能预测方法具有较好的效果,这不仅体现在服务组件性能阈值动态解析的建模有效性方面,也体现在服务组件性能预测准确性方面。此外,这种服务组件性能预测方法是服务组件性能瓶颈诊断和性能优化研究的基础,因此,本文提出的服务组件性能预测方法对后续研究工作具有重要的参考意义。