一种综合性能值矩阵确定方法及装置与流程

本发明涉及计算机技术领域，特别是涉及一种综合性能值矩阵确定方法及装置。

背景技术：

服务器集群由于数据处理能力更高和响应速度更快等特点，得到了广泛应用。但是随着业务量的提高、访问量和数据流量的快速增长，需要服务器的处理能力和计算能力等服务能力处于较高水平，目前，通过集群的性能值矩阵来衡量集群中各节点的服务能力。

现有性能值矩阵确定方法从集群中各节点的静态参数入手，对各个静态参数进行分析计算得到集群的性能值矩阵，由于此方法确定的性能值矩阵为物理性能值矩阵，不能准确反映集群中各节点的当前服务能力，因此该方法确定的性能值矩阵不准确。

技术实现要素：

本发明实施例的目的在于提供一种综合性能值矩阵确定方法及装置，确定集群的综合性能值矩阵，提高性能值矩阵确定的准确性。

为达到上述目的，本发明实施例公开了一种综合性能值矩阵确定方法，应用于第一节点，所述第一节点为集群中的节点或为集群外的节点，所述方法包括：

获得所述集群中各个节点的当前系统参数值；

根据获得的多个当前系统参数值确定所述集群的系统性能值矩阵；

获得所述各个节点的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量；

针对每个节点，根据获得的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量计算出该节点的当前任务处理性能值，得到所述集群的任务处理性能值矩阵；

将所述集群的系统性能值矩阵与所述集群的任务处理性能值矩阵加权求和计算出所述集群的综合性能值矩阵。

可选的，所述根据获得的多个当前系统参数值确定所述集群的系统性能值矩阵，可以包括：

对获得的多个当前系统参数值进行归一化处理，得到多个当前系统参数标量；

针对获得的每个当前系统参数值，计算出该当前系统参数值占集群中所有该系统参数值总和的比重；

对计算出的多个比重进行归一化处理，得到多个比重标量；

将由多个所述当前系统参数标量组成的矩阵与由多个所述比重标量组成的矩阵加权求和计算出所述集群的系统性能值矩阵。

可选的，所述对获得的多个当前系统参数值进行归一化处理，得到多个当前系统参数标量，可以包括：

根据如下公式对获得的多个当前系统参数值进行归一化处理，计算出多个当前系统参数标量：

其中，rij为节点i的第j个当前系统参数值，kij为第j个当前系统参数在节点i的最佳下限值，Mij为节点i的第j个当前系统参数标量，maxj为第j个当前系统参数在集群中的最大值，minj为第j个当前系统参数在集群中的最小值。

可选的，所述对计算出的多个比重进行归一化处理，得到多个比重标量，可以包括：

根据如下公式对计算出的多个比重进行归一化处理，得到多个比重标量：

其中，eij为节点i的第j个当前系统参数的信息熵，k为信息熵系数，Pij为节点i的第j个当前系统参数值占集群中所有该系统参数值总和的比重，Iij为节点i的第j个当前系统参数的比重标量。

可选的，所述针对每个节点，根据获得的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量计算出该节点的当前任务处理性能值，得到所述集群的任务处理性能值矩阵，可以包括：

根据如下公式计算各个节点的当前任务处理性能值：

ω1+ω2＝1

其中，Ki为节点i的当前任务处理性能值，Pi为节点i的当前负载量，Pmax为节点i的当前最大负载量，Si为节点i的当前单位时间负载处理量，Smax为节点i的当前单位时间最大负载处理量，ω1和ω2为权值；

将计算出的多个当前任务处理性能值组成所述集群的任务处理性能值矩阵。

为达到上述目的，本发明实施例还公开了一种综合性能值矩阵确定装置，应用于第一节点，所述第一节点为集群中的节点或为集群外的节点，所述装置包括：

第一获得模块，用于获得所述集群中各个节点的当前系统参数值；

确定模块，用于根据获得的多个当前系统参数值确定所述集群的系统性能值矩阵；

第二获得模块，用于获得所述各个节点的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量；

第一计算模块，用于针对每个节点，根据获得的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量计算出该节点的当前任务处理性能值，得到所述集群的任务处理性能值矩阵；

第二计算模块，用于将所述集群的系统性能值矩阵与所述集群的任务处理性能值矩阵加权求和计算出所述集群的综合性能值矩阵。

可选的，所述确定模块，可以包括：

第一归一化单元，用于对获得的多个当前系统参数值进行归一化处理，得到多个当前系统参数标量；

比重计算单元，用于针对获得的每个当前系统参数值，计算出该当前系统参数值占集群中所有该系统参数值总和的比重；

第二归一化单元，用于对计算出的多个比重进行归一化处理，得到多个比重标量；

求和单元，用于将由多个所述当前系统参数标量组成的矩阵与由多个所述比重标量组成的矩阵加权求和计算出所述集群的系统性能值矩阵。

可选的，所述第一归一化单元，可以包括：

第一归一化子单元，用于根据如下公式对获得的多个当前系统参数值进行归一化处理，计算出多个当前系统参数标量：

其中，rij为节点i的第j个当前系统参数值，kij为第j个当前系统参数在节点i的最佳下限值，Mij为节点i的第j个当前系统参数标量，maxj为第j个当前系统参数在集群中的最大值，minj为第j个当前系统参数在集群中的最小值。

可选的，所述第二归一化单元，可以包括：

第二归一化子单元，用于根据如下公式对计算出的多个比重进行归一化处理，得到多个比重标量：

其中，eij为节点i的第j个当前系统参数的信息熵，k为信息熵系数，Pij为节点i的第j个当前系统参数值占集群中所有该系统参数值总和的比重，Iij为节点i的第j个当前系统参数的比重标量。

可选的，所述第一计算模块，可以包括：

第一计算单元，用于根据如下公式计算各个节点的当前任务处理性能值：

ω1+ω2＝1

其中，Ki为节点i的当前任务处理性能值，Pi为节点i的当前负载量，Pmax为节点i的当前最大负载量，Si为节点i的当前单位时间负载处理量，Smax为节点i的当前单位时间最大负载处理量，ω1和ω2为权值；

组成单元，用于将计算出的多个当前任务处理性能值组成所述集群的任务处理性能值矩阵。

与现有技术相比，本发明实施例中，确定集群的系统性能值矩阵，确定所述集群的任务处理性能值矩阵，将所述集群的系统性能值矩阵与所述集群的任务处理性能值矩阵加权求和计算出所述集群的综合性能值矩阵，由于本发明综合考虑集群的系统性能值矩阵及任务处理性能值矩阵得到综合性能值矩阵，因此得到的性能值矩阵更精准，提高了性能值矩阵确定的准确性。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明实施例提供的一种综合性能值矩阵确定方法的流程示意图；

图2为本发明实施例提供的一种综合性能值矩阵确定方法的另一流程示意图；

图3为本发明实施例提供的一种综合性能值矩阵确定装置的结构示意图；

图4为本发明实施例提供的一种综合性能值矩阵确定装置的另一结构示意图。

具体实施方式

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。

为了解决现有技术问题，本发明实施例提供了一种综合性能值矩阵确定方法及装置。

下面首先对本发明实施例所提供的一种综合性能值矩阵确定方法进行介绍。

需要说明的是，本发明实施例所提供的一种综合性能值矩阵确定方法应用于第一节点，该第一节点为性能计算节点，该第一节点可以为集群中的节点或可以为集群外的节点。在实际应用中，该集群可以为服务器集群，也可以为虚拟机集群，如果该集群为服务器集群，则该第一节点可以为服务器集群中的服务器节点或可以为服务器集群外的服务器节点；如果该集群为虚拟机集群，则该第一节点可以为虚拟机集群中的虚拟机节点或可以为虚拟机集群外的虚拟机节点，这都是合理的。

如图1所示，本发明实施例提供的一种综合性能值矩阵确定方法，应用于第一节点，该第一节点为集群中的节点或为集群外的节点，该方法可以包括：

S101：获得该集群中各个节点的当前系统参数值。

具体的，所述当前系统参数可以包括中央处理器利用率、中央处理器负载大小、硬盘可用空间大小和内存可用大小中的至少一个。

获得该集群中每个节点的所有当前系统参数值。

S102：根据获得的多个当前系统参数值确定该集群的系统性能值矩阵。

针对每个节点，通过获得的所有当前系统参数值确定该节点的系统性能值，由各个节点的系统性能值组成该集群的系统性能值矩阵。

S103：获得各个节点的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量。

尽管已确定系统性能值矩阵，但是，为了提高性能值矩阵确定的准确性，可以获得各个节点的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量，以便进行后续步骤。

S104：针对每个节点，根据获得的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量计算出该节点的当前任务处理性能值，得到该集群的任务处理性能值矩阵。

具体的，在一种实现方式中，针对每个节点，根据获得的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量计算出该节点的当前任务处理性能值，得到该集群的任务处理性能值矩阵，可以包括：

根据如下公式计算各个节点的当前任务处理性能值：

ω1+ω2＝1

其中，Ki为节点i的当前任务处理性能值，Pi为节点i的当前负载量，Pmax为节点i的当前最大负载量，Si为节点i的当前单位时间负载处理量，Smax为节点i的当前单位时间最大负载处理量，ω1和ω2为权值；

将计算出的多个当前任务处理性能值组成该集群的任务处理性能值矩阵。

其中，在集群的任务处理性能值矩阵中，Ki越大，代表节点的当前处理能力越强。

S105：将该集群的系统性能值矩阵与该集群的任务处理性能值矩阵加权求和计算出该集群的综合性能值矩阵。

将该集群的系统性能值矩阵与该集群的任务处理性能值矩阵加权求和计算出该集群的综合性能值矩阵：

M1+M2＝1

其中，Vi为节点i的系统性能值，Ki为节点i的当前任务处理性能值，Qi为节点i的综合性能值，M1和M2为权值。

与现有技术相比，本发明实施例中，确定集群的系统性能值矩阵，确定所述集群的任务处理性能值矩阵，将所述集群的系统性能值矩阵与所述集群的任务处理性能值矩阵加权求和计算出所述集群的综合性能值矩阵，由于本发明综合考虑集群的系统性能值矩阵及任务处理性能值矩阵得到综合性能值矩阵，因此得到的性能值矩阵更精准，提高了性能值矩阵确定的准确性。

更进一步的，如图2所示，本发明提供的一种综合性能值矩阵确定方法，应用于第一节点，所述第一节点为集群中的节点或为集群外的节点，可以包括：

S201：获得该集群中各个节点的当前系统参数值。

其中，步骤S201与图1所示方法的步骤S101相同，不再赘述。

S202：对获得的多个当前系统参数值进行归一化处理，得到多个当前系统参数标量。

由于不同的当前系统参数有不同的单位，为了将多个当前系统参数综合计算，所以需要将当前系统参数归一化。本发明归一化的方式是将所有当前系统参数值转换到区间[0,1]范围内。

具体的，在一种实现方式中，对获得的多个当前系统参数值进行归一化处理，得到多个当前系统参数标量，可以包括：

根据如下公式对获得的多个当前系统参数值进行归一化处理，计算出多个当前系统参数标量：

其中，rij为节点i的第j个当前系统参数值，kij为第j个当前系统参数在节点i的最佳下限值，Mij为节点i的第j个当前系统参数标量，maxj为第j个当前系统参数在集群中的最大值，minj为第j个当前系统参数在集群中的最小值。

S203：针对获得的每个当前系统参数值，计算出该当前系统参数值占集群中所有该系统参数值总和的比重。

根据如下公式计算出该当前系统参数值占集群中所有该系统参数值总和的比重：

其中，Pij为节点i的第j个系统参数值占集群中第j类系统参数值总和的比重，rij为节点i的第j个系统参数值。

S204：对计算出的多个比重进行归一化处理，得到多个比重标量。

具体的，在一种实现方式中，对计算出的多个比重进行归一化处理，得到多个比重标量，可以包括：

根据如下公式对计算出的多个比重进行归一化处理，得到多个比重标量：

其中，eij为节点i的第j个当前系统参数的信息熵，k为信息熵系数，Pij为节点i的第j个当前系统参数值占集群中所有该系统参数值总和的比重，Iij为节点i的第j个当前系统参数的比重标量。

当eij越小，节点i的第j个当前系统参数含信息量越大，则第j个当前系统参数值占集群中所有该系统参数值总和的比重越大。

S205：将由多个该当前系统参数标量组成的矩阵与由多个该比重标量组成的矩阵加权求和计算出该集群的系统性能值矩阵。

将多个该当前系统参数标量加权组成第一性能矩阵：

ω1+ω2+…+ωi＝1

其中，Mij为节点i的第j个当前系统参数标量，ωi为权值，SFi为节点i的第一性能值；

将多个该比重标量加权组成第二性能矩阵：

ω1+ω2+…+ωi＝1

其中，Iij为节点i的第j个当前系统参数的比重标量，ωi为权值，Fi为节点i的第二性能值；

将所述第一性能矩阵与所述第二性能矩阵加权求和计算出该集群的系统性能值矩阵：

E1+E2＝1

其中，Vi为节点i的系统性能值，E1和E2为权值。

S206：获得各个节点的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量。

S207：针对每个节点，根据获得的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量计算出该节点的当前任务处理性能值，得到该集群的任务处理性能值矩阵。

S208：将该集群的系统性能值矩阵与该集群的任务处理性能值矩阵加权求和计算出该集群的综合性能值矩阵。

其中，步骤S206与图1所示方法的步骤S103相同，步骤S207与图1所示方法的步骤S104相同，步骤S208与图1所示方法的步骤S105相同，不再赘述。

具体的，在一种实现方式中，可以在接收到负载分配请求后，根据该集群的综合性能值矩阵，对所述集群中各节点进行负载调度。

在另一种实现方式中，可以根据该集群的综合性能值矩阵进行系统安全评估，针对该集群中的每一个节点，根据其综合性能值在某一段时间内的变化情况，对该节点是否被恶意操作进行评估。

相对于上述方法实施例，本发明实施例还提供了一种综合性能值矩阵确定装置，应用于第一节点，所述第一节点为集群中的节点或为集群外的节点，如图3所示，该装置可以包括：

第一获得模块301，用于获得所述集群中各个节点的当前系统参数值；

确定模块302，用于根据获得的多个当前系统参数值确定所述集群的系统性能值矩阵；

第二获得模块303，用于获得所述各个节点的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量；

第一计算模块304，用于针对每个节点，根据获得的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量计算出该节点的当前任务处理性能值，得到所述集群的任务处理性能值矩阵；

第二计算模块305，用于将所述集群的系统性能值矩阵与所述集群的任务处理性能值矩阵加权求和计算出所述集群的综合性能值矩阵。

与现有技术相比，本发明实施例中，确定集群的系统性能值矩阵，确定所述集群的任务处理性能值矩阵，将所述集群的系统性能值矩阵与所述集群的任务处理性能值矩阵加权求和计算出所述集群的综合性能值矩阵，由于本发明综合考虑集群的系统性能值矩阵及任务处理性能值矩阵得到综合性能值矩阵，因此得到的性能值矩阵更精准，提高了性能值矩阵确定的准确性。

所述第一计算模块304，可以包括：

第一计算单元，用于根据如下公式计算各个节点的当前任务处理性能值：

ω1+ω2＝1

其中，Ki为节点i的当前任务处理性能值，Pi为节点i的当前负载量，Pmax为节点i的当前最大负载量，Si为节点i的当前单位时间负载处理量，Smax为节点i的当前单位时间最大负载处理量，ω1和ω2为权值；

组成单元，用于将计算出的多个当前任务处理性能值组成所述集群的任务处理性能值矩阵。

更进一步的，如图4所示，本发明提供的一种综合性能值矩阵确定装置，应用于第一节点，所述第一节点为集群中的节点或为集群外的节点，可以包括：

第一获得模块401，用于获得所述集群中各个节点的当前系统参数值；

第一归一化单元402，用于对获得的多个当前系统参数值进行归一化处理，得到多个当前系统参数标量；

比重计算单元403，用于针对获得的每个当前系统参数值，计算出该当前系统参数值占集群中所有该系统参数值总和的比重；

第二归一化单元404，用于对计算出的多个比重进行归一化处理，得到多个比重标量；

求和单元405，用于将由多个所述当前系统参数标量组成的矩阵与由多个所述比重标量组成的矩阵加权求和计算出所述集群的系统性能值矩阵；

第二获得模块406，用于获得所述各个节点的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量；

第一计算模块407，用于针对每个节点，根据获得的当前负载量、当前最大负载量、当前单位时间负载处理量和当前单位时间最大负载处理量计算出该节点的当前任务处理性能值，得到所述集群的任务处理性能值矩阵；

第二计算模块408，用于将所述集群的系统性能值矩阵与所述集群的任务处理性能值矩阵加权求和计算出所述集群的综合性能值矩阵。

所述第一归一化单元402，可以包括：

第一归一化子单元，用于根据如下公式对获得的多个当前系统参数值进行归一化处理，计算出多个当前系统参数标量：

其中，rij为节点i的第j个当前系统参数值，kij为第j个当前系统参数在节点i的最佳下限值，Mij为节点i的第j个当前系统参数标量，maxj为第j个当前系统参数在集群中的最大值，minj为第j个当前系统参数在集群中的最小值。

所述第二归一化单元404，可以包括：

第二归一化子单元，用于根据如下公式对计算出的多个比重进行归一化处理，得到多个比重标量：

其中，eij为节点i的第j个当前系统参数的信息熵，k为信息熵系数，Pij为节点i的第j个当前系统参数值占集群中所有该系统参数值总和的比重，Iij为节点i的第j个当前系统参数的比重标量。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。