保证云环境中应用性能的同时尽可能高效的使用资源,对于云服务提供商和云应用所有者都是至关重要的。应用性能监控和资源扩容机制的研究正是为了实现应用性能保障和资源高效利用的目标。自动扩容技术通过监控性能指标来判断扩容的时机,然后动态改变分配给应用的资源量,从而适应变化的需求。云环境中大量的Web应用都面临着波动突发的工作负载,为了同时满足性能目标和效率目标,现有的自动扩容方案还存在着定量扩容缺陷、扩容时机与粒度调度不准确的问题。性能监控量化扩容结合混合粒度的扩容算法可以在一定程度上解决上述问题。该方案使用了多层应用请求跟踪和性能建模的方法,建立了资源分配量和工作负载量之间的关系,从而量化扩容。在扩容算法的实现上,则是使用了混合时间粒度和空间粒度的自动扩容算法,结合了长期的基于负载预测的横向扩容和短期的基于服务水平目标SLO(Service Level Objective)违反率检测的纵向扩容。在OpenStack云平台上对该性能监控与自动扩容方案的实现,包括了性能日志的采集与统计、自动扩容的决策机制以及基于OpenStack Nova实现的对虚拟机和单一资源的分配管理。实验结果表明,针对云环境中的多层Web应用在处理波动突发的负载时,混合式的自动扩容方案比当前主流的自动扩容方案在应用性能保障方面和资源利用效率方面都得到了提升。具体地,混合式自动扩容方案相比于基于资源使用率阈值触发的横向扩容和基于小时负载预测的横向扩容能够降低16%~39%的平均响应时间,在SLO违反率方面降低了34%~50%,而且混合式方案减少了实例小时的浪费,无需预先获知CPU利用率阈值就可以自动将利用率维持在70%左右的正常压力水平,防止了资源利用率过低造成的资源浪费和资源利用率过高造成的性能衰退。