基于灰色理論的資源池削峰填谷優(yōu)化方法研究

黎煒，孟海軍，吳陶

（中國移動通信集團設計院有限公司重慶分公司, 重慶 401120）

1 引言

云計算技術的研究一直備受青睞，其通過硬件虛擬化按需分配資源池內資源，從而實現(xiàn)各業(yè)務的解耦，減少業(yè)務間的影響，增加各業(yè)務系統(tǒng)的安全性、運行穩(wěn)定性，一定程度上提高資源的分配效率、利用率。

由于上述云計算技術的各種優(yōu)異性能，電信運營商業(yè)務網絡逐步改造、演進至成本低廉、開放程度高的x86分布式架構。但是，隨著上層業(yè)務應用與底層基礎資源的建設解耦，卻沒有一套行之有效的方法能夠解決計算資源部署的削峰填谷問題，因此往往出現(xiàn)宿主機某時段CPU峰值告警，平時利用率又過低的情況。

基于此，提供彈性計算，實現(xiàn)系統(tǒng)之間的削峰填谷是優(yōu)化業(yè)務部署的一個重要目標，關于此方面的研究有著重要意義。

2 系統(tǒng)現(xiàn)狀

目前運營商均已建設了一定規(guī)模的云化資源池，計算資源能力主要通過虛擬機方式提供。在滿足業(yè)務正常運行的前提下，通過計算資源的合理搭配部署，達到整體計算能力削峰填谷，實現(xiàn)資源效益的最大化，是衡量運營商云資源池建設水平的一個重要指標。目前，在虛擬化環(huán)境下，要實現(xiàn)計算資源錯峰填谷，目前主要有兩種選擇：

（1）通過虛擬化軟件的自動調度功能，如VMWare的DRS（分布式資源調度）功能，可以實現(xiàn)自動或基于簡單規(guī)則的資源動態(tài)調度。缺點是：開源虛擬化產品通常不支持（如KVM），商用產品價格昂貴。

（2）人為預先判斷業(yè)務屬性、規(guī)劃部署，人為了解業(yè)務系統(tǒng)運行特征，并人為優(yōu)化部署。缺點是：工作量大，且人為了解業(yè)務特征較難。

通過分析，以上兩種模式均能夠實現(xiàn)資源優(yōu)化部署，但無法低成本、簡單、全面、智能地實現(xiàn)資源池計算能力的削峰填谷。

業(yè)務運行狀態(tài)的多樣化、差異化，是實現(xiàn)資源池錯峰填谷的基礎，而灰色關聯(lián)分析算法正是研究系統(tǒng)間關聯(lián)性的理論手段。

3 方案設計

3.1 灰色理論

灰色系統(tǒng)理論和方法是我國學者鄧聚龍教授于20世紀80年代提出的用于控制和預測的理論技術，它通過對“部分”已知信息的生成、開發(fā)去了解、認識現(xiàn)實世界，實現(xiàn)對系統(tǒng)運行行為和演化規(guī)律的正確把握和描述[1-5]。

灰色關聯(lián)理論中的關聯(lián)度是指兩個系統(tǒng)或兩個因素之間關聯(lián)性大小的量度，它描述系統(tǒng)發(fā)展過程中因素間相對變化的情況。如果兩者在系統(tǒng)發(fā)展過程中相對變化基本一致，則認為兩者關聯(lián)度大；反之，兩者關聯(lián)度就小?？梢?，灰色關聯(lián)度分析是對于一個系統(tǒng)發(fā)展變化態(tài)勢的定量描述和比較[2-5]。

3.2 算法設計

現(xiàn)有的關聯(lián)度模型有很多，例如：鄧氏關聯(lián)度、廣義絕對關聯(lián)度、T型關聯(lián)度、灰色斜率關聯(lián)度、B型關聯(lián)度等[1]。其中，鄧氏關聯(lián)度利用位移差反映了兩序列間發(fā)展過程或量級的相近性，且相對簡單，故此本文采用此種模型。依據基本的灰色關聯(lián)分析過程，針對本文要處理的問題進行改進，其步驟為如流程圖1所示。

圖1 流程圖

3.2.1 數據收集

收集眾多的計算單元的歷史數據，比如：CPU利用率、磁盤IO、內存使用率等。假若系統(tǒng)只收集了CPU利用率，則其數據如下所述。

式中， n為CPU序列的長度（即歷史數據長度），一般以時間作為排序依據；上述的m代表變量個數（即計算單元個數）。

3.2.2 原始數據變換

一般系統(tǒng)均會有眾多的影響數據質量的因素，比如數據的量綱、數量級相差懸殊等。因此，需要對原始數據進行數據變換。傳統(tǒng)的變換方式為：均值變換初始值變換、標準化變換等，而在本文中則采用標準化變換。標準化變換具有量綱為一，其均值為0，方差為1的特點[6]。

上述中Xi為第i行的平均值；δi為第i行的標準差； γi，j為Xi，j變換后的結果。于是，按上述要求變換后，數據矩陣變換為：

3.2.3 計算關聯(lián)度

關聯(lián)系數反映兩個被比較序列的緊密(靠近)程度。關聯(lián)度分析實質上是對時間序列數據進行幾何關系比較，若兩序列在各個時刻點都重合在一起，即關聯(lián)系數均等于1，關聯(lián)度也必等于1。比較序列往往不可垂直，所以關聯(lián)系數均大于0，關聯(lián)度也都大于0。于是，關聯(lián)系數的范圍為0＜L≤1。

本文按照鄧式關聯(lián)模型，序列{X0(k)}與子序列 {Xi(k)}的關聯(lián)系度r0，i可由下式計算：

式中， L0，i(k)為關聯(lián)度系數；Δmax和Δmin分別表示所有比較序列各個時刻絕對差中的最大值與最小值，若序列相交，則一般取Δmin=0； ρ稱為分辨系數，其意義是削弱最大絕對差數值太大引起的失真，提高關聯(lián)系數之間的差異顯著性，其范圍為ρ∈(0，1)，一般情況下可取0.1～0.5之間的值。

3.2.4 排列關聯(lián)矩陣

按照上述的計算方法可以計算出所有序列之間的相關度，羅列程矩陣形式如下：

上述矩陣形式上為對稱矩陣，不僅可以作為優(yōu)勢分析的基礎，而且可作為決策的依據。

3.2.5 結果分析與決策

當獲得上述的關聯(lián)矩陣后，將某個序列（母序列）與其他序列（子序列）的相關度按大小順序排列起來，便組成關聯(lián)序，記為{rx}，它直接反映各個子序列對于母序列的“優(yōu)劣”關系。當然，實際工程中還要考慮各種工程要求。

（1） 存儲方面的要求，考慮實際工程中的存儲隔離，例如數據中心內部的業(yè)務網絡和管理網絡其訪問的存儲各自不同。

（2） 安全隔離需求，例如：私有云中互聯(lián)網接入域的DMZ區(qū)，業(yè)務數據域的測試區(qū)、生產核心區(qū)需要通過防火墻隔離，則不能對此類業(yè)務進行整合編排。

（3） 網元隔離要求，上述所有的計算模型均要求設備處于同一網元，即設備處于相同的網絡環(huán)境中，設備相互間可達。

統(tǒng)籌考慮上述要求后，對上述的關聯(lián)度重排，把不符合存儲、安全、網絡方面的業(yè)務關聯(lián)度設為最大值。

通過上述流程圖循環(huán)迭代融合關聯(lián)度最低的系統(tǒng)，即把最低關聯(lián)度的業(yè)務部署在同一臺設備中，最終會在滿足工程要求的前提下最大化系統(tǒng)利用率，即達到了利用灰色關聯(lián)理論最優(yōu)化編排、部署業(yè)務的目的。

4 系統(tǒng)仿真分析

本文基于灰色關聯(lián)分析算法，提出一種實現(xiàn)資源池錯峰填谷的業(yè)務編排、部署方法。為了驗證系統(tǒng)的有效性，此次對系統(tǒng)進行仿真驗證，總體分為3個階段。

4.1 獲取歷史運行數據

本文為方便驗證可行性以及優(yōu)越性，模擬構造一組簡單的運行數據，其5個系統(tǒng)的歷史數據如表1所示，數據的顆粒度為小時。

4.2 將歷史數據進行灰色關聯(lián)分建模并輸出結果

目前能夠實現(xiàn)灰色關聯(lián)分析算法建模的分析工具有很多，包括：MATLAB、SPSS、SAS、R等。本文采用MATLAB平臺自編程序完成建模驗證，原始數據變換采用標準化變換，數據標準化結果如表2所示。

取分辨系數ρ為0.1，MATLAB建模并計算輸出的關聯(lián)矩陣結果如表3所示。

通過表3中，可以得知系統(tǒng)3與系統(tǒng)4的關聯(lián)度最低，因此嘗試將系統(tǒng)3與系統(tǒng)4進行合并部署，同時考慮同時部署時是否滿足各種要求：安全、存儲、網絡。

本文假設只有一個要求，計算單元CPU利用率閥值80%，即合并的業(yè)務部署中不允許計算單元超過80%的CPU利用率，否則不允許業(yè)務融合。因此第一步合并部署系統(tǒng)3與4，進而再次循環(huán)，結果證明業(yè)務系統(tǒng)3與4合并后，并未使得系統(tǒng)超出CPU閾值，符合要求，進而計算其關聯(lián)度如表4所示。

表1 CPU平均利用率歷史數據

從表4中可以得知，業(yè)務系統(tǒng)1與2的關聯(lián)度較低，因此可以合并。當再次迭代后發(fā)現(xiàn)系統(tǒng)的CPU均已接近80%，因此無法再次整合，結果以達到最優(yōu)。

4.3 結果分析

在為進行灰色關聯(lián)度理論進行業(yè)務重新編排、部署之前，其相應的CPU利用率情況如表5所示。

從上文的圖1以及表5中可以得知，系統(tǒng)的整體利用率不高，而且隨著時間的變動情況（標準差）頗大，而進行了業(yè)務編排后，其各個方面的性能展示如表6所示。

表2 數據標準化結果

表3 關聯(lián)矩陣輸出結果

表4 最終關聯(lián)矩陣輸出結果

表5 編排前利用率情況

表6 編排后利用率情況

從上文的對比中可以明顯的發(fā)現(xiàn)，系統(tǒng)的CPU的利用率均值得到了很好的提升，而其系統(tǒng)的穩(wěn)定性同樣有了顯著提高，而且可以省去兩臺計算單元，減少開支。

5 結論及未來工作

本文基于灰色關聯(lián)分析算法理論，創(chuàng)新性提出一套資源池削峰填谷的優(yōu)化部署策略，相比現(xiàn)有手段方法，一方面能夠進一步優(yōu)化資源利用率，同時滿足業(yè)務平穩(wěn)運行的要求，方法科學、簡單、高效。

[1] 孫玉剛. 灰色關聯(lián)分析及其應用的研究[D]. 南京：南京航空航天大學, 2007.

[2] 劉思峰, 蔡華, 楊英杰, 等. 灰色關聯(lián)分析模型研究進展[J].系統(tǒng)工程理論與實踐, 2013, 33(8):2041-2046.

[3] 張莎. 灰色關聯(lián)分析新算法研究及其意義[D]. 沈陽：東北師范大學, 2012.

[4] 馬苗, 田紅鵬, 張艷寧. 灰色理論在圖像工程中的應用研究進展[J]. 中國圖象圖形學報, 2007, 12(11):1943-1951.

[5] 孫曉東. 基于灰色關聯(lián)分析的幾種決策方法及其應用[D]. 青島：青島大學, 2006.

[6] 楊琦, 楊云峰, 馮忠祥, 等. 基于灰色理論和馬爾科夫模型的城市公交客運量預測方法[J]. 中國公路學報, 2013,26(6):169-175.