一种基于实例的云服务管理决策方法
【技术领域】
[0001] 本发明涉及云服务领域，特别涉及一种基于实例的云服务管理决策方法。
【背景技术】
[0002] 面向服务架构与云服务技术是当前最流行的构建业务流程的方式。在复杂的、长 时间的运行中的业务流程里，服务质量指标（包括服务反应时间、吞吐量和可用率）变化经 常发生。如果业务流程中发生变化，受影响的云服务应具有自适应变化的能力。然而云服 务的自适应通常可以通过多种方式来实现，不同的自适应方法的成本和产生的商业价值是 一般是不同的。因此，目前亟待需要一种方法来进行云服务数据处理中自适应方法的最优 化选择，在满足各项服务指标约束的同时，最大限度地保证云提供的服务质量。
【发明内容】
[0003] 本发明提出了一种基于实例的云服务管理决策方法，对于监控到的各项服务质量 进行分析，当某项服务质量指标没有达到目标值时，该方法对正在运行的不同类型的云服 务实例实施不同的处理方法，使得云服务提供的服务质量获得保证并实现其商业价值的最 大化。
[0004] 本发明的技术方案主要包括以下步骤：
[0005] 步骤（A)，确定云服务实例的相关数据、各服务质量参数及其边界值（Goalpolicy assertion-GPA)、自适应方法（Actionpolicyassertion-APA)及与其相关联的价值参数 值（Utilitypolicyassertion-UPA)；
[0006] 步骤（B)，实时监控服务质量参数值，如果某一参数值未超过其边界值则关联所 有相关的自适应方法（APA)并进行相应处理；
[0007] 步骤（C)，得到符合条件约束的自适应方法（APA)列表，选择最优的自适应方法 (APA)作为结果输出。
[0008] 所述步骤（A)具体包括以下步骤：
[0009]步骤（A1)，确定云服务实例相关数据，包括各云服务实例所实施的业务流程类 型、执行的云服务、当前所处的云服务的位置和所属客户类型。其中云服务实例的类型总数 为N，当前处理的云服务实例的类型数为n;
[0010] 步骤（A2)，确定当前云服务中各服务质量参数及其边界值（GPA)，包括服务反应 时间、吞吐量、可用率；
[0011] 步骤（A3)，确定每个云服务实例类型的自适应方法（APA)及与其相关联的价值参 数值（UPA)，自适应方法（APA)主要包括替换服务、跳过服务、重试服务、回滚、终止流程。各 个云服务实例类型的APA选项数为Mn，当前云服务实例类型的APA选项为APAn，i，相关联的 价值参数值为UPAn，i;
[0012] 所述步骤（B)具体包括以下步骤：
[0013] 步骤（B1)，若服务质量参数值未超过其边界值则关联所有相关的自适应方法 (APA)；
[0014] 步骤（B2)，对于步骤（Bl)中的APAn;i以及步骤（A3)中与其关联的UPAn;i，包括的 商业价值度量数为K，其中一个商业价值度量值表示为BVMk，n;i。若启用概率估计，则需要查 找BVMk，n，i估计值是正确的概率值PPAk，n，i。BVMk，n，iXPPAk，n，i作为估计的UPAk，n，i值。若不 启用概率估计，则转步骤（B3);
[0015] 步骤（B3)，将UPAn，i中所有的商业价值度量值累加，得到总的商业价值度量值为：
[0016]
[0017] 步骤（B4)，若存在任何的成本约束，累加所有相关UPA中定义的成本：
[0018]
[0019] 若公式2计算的总成本超出给定的成本边界值，则需要将APAn;i从APA列表中删 除，否则转步骤（C1);
[0020] 所述步骤（C)具体包括以下步骤：
[0021] 步骤（C1),由步骤（B4)得到与各云服务实例对应的APA列表；
[0022] 步骤（C2)，对来自步骤（C1)的APA列表按照公式1所定义的商业价值度量总值 进行降序排列；
[0023] 步骤（C3)，商业价值越大，代表自适应方法APA越优，故选择步骤（C2)的降序列 表中的第一个APA作为最优结果输出。
[0024] 本发明的有益效果是：
[0025] 实现了基于实例的云服务管理中自适应方法的最优化选择，在满足各项服务指标 约束的同时，使得云服务的服务质量获得保证并实现其商业价值的最大化
【附图说明】
[0026] 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。
[0027] 图1为基于实例的云服务管理决策方法的流程图。
【具体实施方式】
[0028] 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。
[0029] 根据图1所示流程，当CPU利用率超过80%时，使用该方法来决定是继续扩展 AmazonEC2还是车专为使用Rackspace云。
[0030] 第一步：这两个选项分别表示为自适应方法APA_EC2和APA_Rackspace，相关联的 价值参数分别为UPA_EC2和UPA_Rackspace，商业价值指标如下：
[0031]
[0032] 第二步：遍历APA_EC2和APA_Rackspace，并找到相应的UPA和包括的BVMs。不启 用概率估计，累加BVM_EC2Cost和BVMEC2Revenue并返回总和值BVM_EC2Sum($470)。同样 的，计算APA_Rackspace的商业价值总和并返返回为BVM_RackspaceSum($265)。此实施例 中成本限制为$1〇〇〇,检查BVM_EC2Cost和BVM_RackspaceCost都满足成本的约束，不删除。
[0033] 第三步：APA_EC2和APA_Rackspace两者都添加到APA列表中。因为总商业价值 指标BVM_EC2Sum大于BVM_RackspaceSum，故最终选定APA_EC2作为被执行的APA，即当CPU 利用率超过80 %时，继续扩展AmazonEC2最优。
[0034] 本发明利用基于实例的云服务管理决策方法，实现了基于实例的云服务管理中自 适应方法的最优化选择，在满足各项服务指标约束的同时，使得云服务的服务质量获得保 证并实现其商业价值的最大化。
[0035] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。
【主权项】
1. 一种基于实例的云服务管理决策方法，其特征在于，主要包括以下步骤： 步骤（A)，确定云服务实例的相关数据、各服务质量参数及其边界值（Goal policy assertion-GPA)、自适应方法（Action policy assertion-APA)及与其相关联的价值参数 值（Utility policy assertion-UPA)； 步骤（B)，实时监控服务质量参数值，如果某一参数值未超过其边界值则关联所有相 关的自适应方法（APA)并进行相应处理； 步骤（C)，得到符合条件约束的自适应方法（APA)列表，选择最优的自适应方法（APA) 作为结果输出。2. 如权利要求1所述的一种基于实例的云服务管理决策方法，其特征在于，所述步骤 (A) 具体包括以下步骤： 步骤（Al)，确定云服务实例相关数据，包括各云服务实例所实施的业务流程类型、执 行的云服务、当前所处的云服务的位置和所属客户类型。其中云服务实例的类型总数为N， 当前处理的云服务实例的类型数为η ; 步骤（Α2)，确定当前云服务中各服务质量参数及其边界值（GPA)，包括服务反应时间、 吞吐量、可用率； 步骤（A3)，确定每个云服务实例类型的自适应方法（APA)及与其相关联的价值参数值 (UPA)，自适应方法（APA)主要包括替换服务、跳过服务、重试服务、回滚、终止流程。各个云 服务实例类型的APA选项数为M n，当前云服务实例类型的APA选项为APAn，i，相关联的价值 参数值为UPAiu。3. 如权利要求1所述的一种基于实例的云服务管理决策方法，其特征在于，所述步骤 (B) 具体包括以下步骤： 步骤（BI)，若服务质量参数值未超过其边界值则关联所有相关的自适应方法（APA); 步骤（B2)，对于步骤（BI)中的APAiu以及步骤（A3)中与其关联的UPAiu，包括的商 业价值度量数为K，其中一个商业价值度量值表示为BVM k，n，i。若启用概率估计，则需要查找 BVMt n，i估计值是正确的概率值PPA k，n，i。BVMt n，i X PPAt n，i作为估计的UPA k，n，i值。若不启用 概率估计，则转步骤（B3); 步骤（B3)，将UPAiu*所有的商业价值度量值累加，得到总的商业价值度量值为：步骤（B4)，若存在任何的成本约束，累加所有相关UPA中定义的成本：若公式2计算的总成本超出给定的成本边界值，则需要将APAni，人APA列表中删除，否 则转步骤（Cl)。4. 如权利要求1所述的一种基于实例的云服务管理决策方法，其特征在于，所述步骤 (C) 具体包括以下步骤： 步骤（Cl)，由步骤（B4)得到与各云服务实例对应的APA列表； 步骤（C2)，对来自步骤（Cl)的APA列表按照公式1所定义的商业价值度量总值进行 降序排列； 步骤（C3)，商业价值越大，代表自适应方法APA越优，故选择步骤（C2)的降序列表中 的第一个APA作为最优结果输出。
【专利摘要】本发明提出了一种基于实例的云服务管理决策方法，主要包括以下步骤：步骤(A)，确定云服务实例的相关数据、各服务质量参数及其边界值(Goal policy assertion-GPA)、自适应方法(Action policy assertion-APA)及与其相关联的价值参数值(Utility policy assertion-UPA)；步骤(B),实时监控服务质量参数值，如果某一参数值未超过其边界值则关联所有相关的自适应方法(APA)并进行相应处理；步骤(C)，得到符合条件约束的自适应方法(APA)列表，选择最优的自适应方法(APA)作为结果输出。这种方法实现了基于实例的云服务管理中自适应方法的最优化选择，在满足各项服务指标约束的同时，使得云服务的服务质量获得保证并实现其商业价值的最大化。
【IPC分类】H04L29/08
【公开号】CN104883400
【申请号】CN201510264318
【发明人】卢清华, 李杉杉, 张卫山
【申请人】中国石油大学(华东)
【公开日】2015年9月2日
【申请日】2015年5月22日