業(yè)務(wù)網(wǎng)云化的資源池容量規(guī)劃方法

楊敏，徐磊

（1.中電科普天科技股份有限公司，廣東 廣州 510000；2.中國聯(lián)合網(wǎng)絡(luò)通信有限公司江西省分公司，江西 南昌 330000）

0 引言

傳統(tǒng)業(yè)務(wù)平臺(tái)由于建設(shè)周期過長、資源利用率低、擴(kuò)展性差等原因，無法適應(yīng)運(yùn)營商業(yè)務(wù)流量突發(fā)性、多變性需求。特別是春節(jié)、除夕等高峰時(shí)間來臨時(shí)，傳統(tǒng)平臺(tái)無法通過擴(kuò)容有效解決流量突發(fā)問題，因此無法滿足用戶的業(yè)務(wù)需求。為了應(yīng)對(duì)上述問題，運(yùn)營商紛紛采用業(yè)務(wù)網(wǎng)云化的方式來構(gòu)建業(yè)務(wù)網(wǎng)云平臺(tái)。通過將業(yè)務(wù)資源上云，

對(duì)大量的業(yè)務(wù)網(wǎng)資源進(jìn)行統(tǒng)一管理和調(diào)度，業(yè)務(wù)網(wǎng)向用戶提供新的業(yè)務(wù)能力時(shí)，通過資源池虛擬化技術(shù)構(gòu)建業(yè)務(wù)云資源池，按需向用戶提供資源，不需要頻繁進(jìn)行擴(kuò)容建設(shè)，實(shí)現(xiàn)業(yè)務(wù)能力提供和業(yè)務(wù)平臺(tái)建設(shè)分離。因此，業(yè)務(wù)網(wǎng)云化的實(shí)質(zhì)是通過實(shí)現(xiàn)資源池計(jì)算資源、帶寬資源、內(nèi)存資源的虛擬化后，管理接口與資源平臺(tái)進(jìn)行對(duì)接，形成資源共享、按需分配、統(tǒng)一管理、動(dòng)態(tài)調(diào)度的能力，實(shí)現(xiàn)異構(gòu)、跨節(jié)點(diǎn)資源的管理[1-3]。眾所周知，業(yè)務(wù)發(fā)展與業(yè)務(wù)網(wǎng)資源需求的容量評(píng)估緊密相關(guān)，精確的容量評(píng)估不僅能夠使得運(yùn)營商對(duì)業(yè)務(wù)網(wǎng)上云的預(yù)算規(guī)劃更加貼近真實(shí)業(yè)務(wù)發(fā)展需求，還能夠降低企業(yè)后期的運(yùn)營成本。因此，本文就業(yè)務(wù)網(wǎng)云化的資源池容量規(guī)劃問題進(jìn)行探討：首先，通過對(duì)業(yè)務(wù)量進(jìn)行中長期預(yù)測(cè)，確定未來一段時(shí)間內(nèi)用戶對(duì)資源的需求量；然后，將用戶對(duì)資源需求量轉(zhuǎn)化為計(jì)算資源、帶寬資源、內(nèi)存資源的需求量；以各類規(guī)格虛擬機(jī)集合數(shù)量最小為目標(biāo)，結(jié)合虛擬機(jī)資源約束、資源利用率和負(fù)載均衡約束，得到各種規(guī)格虛擬機(jī)的數(shù)量；最后，以最小化能耗和最小化最大鏈路為目標(biāo)，考慮多維資源約束，確定物理服務(wù)器的容量。

1 業(yè)務(wù)網(wǎng)云化的資源池容量規(guī)劃方法

業(yè)務(wù)網(wǎng)云化規(guī)劃的目的就是根據(jù)業(yè)務(wù)發(fā)展的需求，通過資源的集約化管理，滿足業(yè)務(wù)網(wǎng)快速發(fā)展對(duì)物理資源的需求。因此，業(yè)務(wù)網(wǎng)云化規(guī)劃的步驟如下：

（1）對(duì)業(yè)務(wù)網(wǎng)的業(yè)務(wù)量（業(yè)務(wù)種類和用戶數(shù)量）進(jìn)行中長期預(yù)測(cè)，并根據(jù)業(yè)務(wù)量測(cè)算業(yè)務(wù)網(wǎng)資源池所需要的計(jì)算資源、存儲(chǔ)資源和網(wǎng)絡(luò)資源；

（2）考慮到業(yè)務(wù)網(wǎng)資源池中各個(gè)業(yè)務(wù)主要由虛擬機(jī)來承載，因此，以各類規(guī)格虛擬機(jī)數(shù)量最小為目標(biāo)，考慮虛擬機(jī)資源、資源利用率和負(fù)載均衡等約束條件下，確定不同規(guī)格虛擬機(jī)部署的數(shù)量；

（3）虛擬機(jī)部署方案確定了物理服務(wù)器的容量規(guī)劃，本文以整個(gè)系統(tǒng)能源效率和網(wǎng)絡(luò)性能為約束，通過優(yōu)化網(wǎng)絡(luò)性能的同時(shí)，減少資源池能源消耗，從而解決不同規(guī)格數(shù)量的虛擬機(jī)如何放置到物理服務(wù)器的問題，進(jìn)而實(shí)現(xiàn)物理服務(wù)器硬件資源規(guī)模的估計(jì)。

1.1 用戶業(yè)務(wù)量需求預(yù)測(cè)

近年來，用戶業(yè)務(wù)量預(yù)測(cè)方法傾向于采用機(jī)器學(xué)習(xí)[4-7]、深度學(xué)習(xí)[9-12]實(shí)現(xiàn)用戶業(yè)務(wù)量的中長期預(yù)測(cè)。相關(guān)研究表明，采用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的用戶業(yè)務(wù)量可有效實(shí)現(xiàn)中長期預(yù)測(cè)，優(yōu)于傳統(tǒng)回歸分析、時(shí)間序列分析等短期預(yù)測(cè)方法[13-15]。本文采用深度學(xué)習(xí)的方法對(duì)用戶業(yè)務(wù)量進(jìn)行中長期預(yù)測(cè)。

對(duì)t 時(shí)刻每一個(gè)區(qū)域某種業(yè)務(wù)等間隔的時(shí)間序列xt，其中t=（t-T+1,t-T+2，…，t）,系統(tǒng)通過獲取T 個(gè)時(shí)間間隔（T 一般取60 周）的歷史數(shù)據(jù)預(yù)測(cè)未來的業(yè)務(wù)流量。預(yù)測(cè)步長為K>30。

時(shí)間序列xt定義成一組時(shí)間序列向量=[xt-T+1,xt-T+2,…xt]T，采用深度卷積神經(jīng)（簡(jiǎn)稱：CNN，全稱：Convolutional Neural Networks）網(wǎng)絡(luò)對(duì)特征進(jìn)行自動(dòng)提取，然后將深淺層語義特征進(jìn)行融合，最后利用長短期記憶網(wǎng)絡(luò)算法實(shí)現(xiàn)時(shí)間序列的中長期預(yù)測(cè)。預(yù)測(cè)框架如圖1 所示。

圖1 用戶業(yè)務(wù)量的預(yù)測(cè)流程

（1）采用卷積神經(jīng)網(wǎng)絡(luò)提取用戶業(yè)務(wù)量的深淺層語義特征（粗細(xì)粒度特征提?。?/p>

將直接輸入到卷積神經(jīng)網(wǎng)絡(luò)中，并將深淺層語義特征進(jìn)行融合，如圖2 所示：

圖2 深淺層特征融合圖

考慮到本文實(shí)際場(chǎng)景需求，采用2 層卷積層對(duì)用戶業(yè)務(wù)量的時(shí)間序列進(jìn)行提?。旱? 個(gè)卷積層獲得淺層次語義特征，第2 個(gè)卷積層獲得深層次語義特征。為了簡(jiǎn)化模型結(jié)構(gòu)，兩個(gè)池化層實(shí)現(xiàn)不同層次特征的降采樣，最終將兩層降采樣的特征展開融合，得到1*k5 個(gè)特征。

（2）采用長短期記憶網(wǎng)絡(luò)實(shí)現(xiàn)業(yè)務(wù)量中長期預(yù)測(cè)

轉(zhuǎn)化成1*k5 個(gè)特征=[F1,F2,…Fk5]T后，將其輸入到LSTM（Long Short Term Memory，長短期記憶網(wǎng)絡(luò)）中，實(shí)現(xiàn)中長期用戶業(yè)務(wù)量時(shí)間序列的預(yù)測(cè)，具體過程如圖3 所示。

圖3 基于長短期記憶網(wǎng)絡(luò)的業(yè)務(wù)量預(yù)測(cè)

首先，輸入層輸入m個(gè)1*k5 的特征向量，然后，采用LSTM 實(shí)現(xiàn)對(duì)m個(gè)特征向量的隱含特征提取，最后，基于隱含特征輸出步長為K 的業(yè)務(wù)預(yù)測(cè)值。在對(duì)各類業(yè)務(wù)中長期預(yù)測(cè)的基礎(chǔ)上，確定各種業(yè)務(wù)對(duì)計(jì)算資源、內(nèi)存資源和帶寬資源的需求量。

1.2 虛擬機(jī)容量規(guī)劃

為了實(shí)現(xiàn)資源的靈活配置，虛擬機(jī)和用戶之間的映射關(guān)系是非固定的，當(dāng)用戶進(jìn)行業(yè)務(wù)請(qǐng)求時(shí)，管理器根據(jù)當(dāng)前服務(wù)器現(xiàn)有資源占用情況以及服務(wù)器集群的負(fù)載情況決定哪一臺(tái)虛擬機(jī)提供服務(wù)。

虛擬機(jī)容量規(guī)劃問題可以抽象為多維資源約束的裝箱問題，在已知各種虛擬機(jī)規(guī)格和業(yè)務(wù)需求的情況下，通過對(duì)不同規(guī)格虛擬機(jī)的組合優(yōu)化，計(jì)算各種規(guī)格虛擬機(jī)所需要的數(shù)量。

假設(shè)第i種業(yè)務(wù)中長期預(yù)測(cè)值為xi，對(duì)應(yīng)的計(jì)算資源、內(nèi)存資源和帶寬資源為那么n種業(yè)務(wù)對(duì)計(jì)算資源、內(nèi)存資源和帶寬資源的需求集合可以表示為A=。假設(shè)數(shù)據(jù)庫中虛擬機(jī)規(guī)格集合MU={M1,M2,…,MJ}，J表示虛擬機(jī)的規(guī)格（虛擬機(jī)的規(guī)格一般跟業(yè)務(wù)場(chǎng)景有關(guān)，業(yè)務(wù)場(chǎng)景越多，虛擬機(jī)的規(guī)格數(shù)量越多，不同規(guī)格虛擬機(jī)的計(jì)算資源、內(nèi)存資源和存儲(chǔ)資源是有區(qū)別的），那么為了更加有效利用資源，在保證業(yè)務(wù)正常運(yùn)行的情況下，希望虛擬機(jī)數(shù)量越少越好，因此，虛擬機(jī)容量規(guī)劃的問題可以轉(zhuǎn)化為各類規(guī)格虛擬機(jī)集合數(shù)量最小，虛擬機(jī)容量規(guī)劃問題表示為：

其中，N(Mj) 表示規(guī)格為Mj的虛擬服務(wù)器數(shù)量。

表示第i種業(yè)務(wù)部署在規(guī)格為Mj的虛擬服務(wù)器上的方案，∈(0,1) 1 表示有部署，否則為0。

那么考慮資源能力約束，本文對(duì)計(jì)算資源、內(nèi)存資源和帶寬資源進(jìn)行約束，在保證虛擬機(jī)預(yù)留足夠資源保證業(yè)務(wù)正常運(yùn)行。即：

除此之外，我們還需要考慮虛擬機(jī)資源利用率和負(fù)載均衡的約束。

本文將計(jì)算資源、內(nèi)存資源和帶寬資源利用率閾值設(shè)為uc、um、ub，那么所有規(guī)格虛擬機(jī)資源利用率達(dá)到閾值水平公式可表示為：

負(fù)載均衡的約束選取CPU利用率cpuuse、內(nèi)存利用率memoryuse、響應(yīng)時(shí)間timeresponse、連接數(shù)connection和進(jìn)程數(shù)process五個(gè)因素來反映第i臺(tái)虛擬機(jī)的綜合負(fù)載。五個(gè)因素的影響權(quán)重向量為[w1,w2,w3,w4,w5]，且w1+w2+w3+w4+w5=1。那么每臺(tái)虛擬機(jī)的負(fù)載均衡約束為：

其中，θ為每一個(gè)虛擬機(jī)負(fù)載閾值。不同規(guī)格虛擬機(jī)的因素影響權(quán)重和負(fù)載閾值是不同的。綜合公式（1）—公式（9），得到了資源池需要的不同規(guī)格虛擬機(jī)數(shù)量。結(jié)合不同規(guī)格虛擬機(jī)的資源大小，得到整個(gè)資源池不同規(guī)格虛擬機(jī)的容量。

1.3 物理服務(wù)器容量規(guī)劃

物理服務(wù)器容量規(guī)劃可轉(zhuǎn)化為虛擬機(jī)放置的問題。多種規(guī)格不同數(shù)量虛擬機(jī)如何放置，既能滿足業(yè)務(wù)性能的需求，又能提高物理資源利用率，這是物理服務(wù)器容量規(guī)劃研究熱點(diǎn)問題。本文基于以下思路來考慮虛擬機(jī)放置問題：在業(yè)務(wù)閑時(shí)，通過資源整合的方式將虛擬機(jī)集中部署到某些設(shè)備上并將空閑的設(shè)備關(guān)閉或者設(shè)置為休眠，提高資源利用率；在業(yè)務(wù)忙時(shí)，考慮網(wǎng)絡(luò)性能的約束，最小化最大網(wǎng)絡(luò)鏈路利用率，從而網(wǎng)絡(luò)流量分布更加均衡，避免網(wǎng)絡(luò)鏈路擁塞問題的產(chǎn)生。因此，本文針對(duì)物理服務(wù)器容量規(guī)劃的問題，提出一種能源效率和網(wǎng)絡(luò)性能達(dá)到平衡的虛擬機(jī)放置方法，構(gòu)建物理服務(wù)器與虛擬機(jī)匹配模型，以能源效率能耗最小化和最大網(wǎng)絡(luò)鏈路利用率最小化為目標(biāo)，實(shí)現(xiàn)物理服務(wù)器容量規(guī)劃。

假設(shè)Nm代表物理服務(wù)器的個(gè)數(shù)，Ym表示物理服務(wù)器狀態(tài)，Ym={1,0}，=1 表示物理服務(wù)器m為激活狀態(tài)，0表示物理服務(wù)器m為休眠狀態(tài)。表示規(guī)格為Mj的第k個(gè)虛擬機(jī)部署到第m臺(tái)物理服務(wù)器中，0 表示規(guī)格為Mj的第k個(gè)虛擬機(jī)沒有部署到第m臺(tái)物理服務(wù)器中。那么，各個(gè)物理資源池的總能耗可以表示為：

其中，Em表示物理服務(wù)器的能耗水平，表示物理服務(wù)器m的計(jì)算資源大?。槐硎疚锢矸?wù)器m的內(nèi)存資源大??；表示物理服務(wù)器m 的帶寬資源大小。由于物理資源池中物理服務(wù)器的計(jì)算資源、內(nèi)存資源和帶寬資源是具有很大的差異性的，因此，虛擬機(jī)的部署數(shù)量需要根據(jù)各個(gè)物理服務(wù)器的資源能力確定。公式（10）的最后一項(xiàng)表示一個(gè)服務(wù)器只能部署到一臺(tái)物理服務(wù)器中。

除了考慮能耗，還需要考慮網(wǎng)絡(luò)流量均衡的問題，避免鏈路擁塞。(s,t) 表示網(wǎng)絡(luò)鏈路，Cs,t表示網(wǎng)絡(luò)鏈路的容量。表示分配到鏈路(s,t) 上虛擬機(jī)對(duì)(Mj,Mk)的流量大小，那么鏈路利用率可以表示為：

為了讓最大鏈路利用率最小化，問題可以表示為：

基于資源池總能耗最小化和最大鏈路利用率最小化，得到總目標(biāo)為：

通過對(duì)公式（13）進(jìn)行計(jì)算，得到整個(gè)資源池物理服務(wù)器的數(shù)量，結(jié)合不同服務(wù)器的資源大小，得到整個(gè)資源池各類資源的容量。

2 工程實(shí)施案例與分析

本文以某省聯(lián)通短信業(yè)務(wù)平臺(tái)的資源池容量規(guī)劃為例，某省作為勞務(wù)輸出大省，業(yè)務(wù)在過年的一個(gè)月內(nèi)波峰波谷特別明顯，因此，平臺(tái)的建設(shè)能力主要參考過年期間的某幾天波峰的業(yè)務(wù)量，這種情況最適宜能夠驗(yàn)證業(yè)務(wù)云平臺(tái)按需分配彈性調(diào)整能力。

為了驗(yàn)證本文方法的有效性，本文將按照上述的方法對(duì)50 周后的用戶業(yè)務(wù)量進(jìn)行預(yù)測(cè)后對(duì)虛擬機(jī)和物理服務(wù)器的容量進(jìn)行規(guī)劃，并基于需要增加容量規(guī)劃的方案對(duì)原來的短信中心進(jìn)行擴(kuò)容方案部署，在方案部署之后通過對(duì)業(yè)務(wù)進(jìn)行模擬并對(duì)平臺(tái)進(jìn)行性能測(cè)試、壓力測(cè)試，基于上述的測(cè)試進(jìn)行配置調(diào)整，最后進(jìn)行系統(tǒng)上線，云化部署測(cè)試流程如圖4 所示。

圖4 云化部署測(cè)試流程圖

2.1 負(fù)載測(cè)試結(jié)果

負(fù)載測(cè)試是實(shí)現(xiàn)集群負(fù)載均衡的實(shí)時(shí)檢測(cè)功能，管理者通過實(shí)時(shí)檢測(cè)集群的負(fù)載均衡情況，對(duì)照負(fù)載均衡的水平隨時(shí)調(diào)整云平臺(tái)的資源利用率閾值，提升云平臺(tái)的可靠性。云資源池負(fù)載均衡測(cè)試結(jié)果如圖5 所示：

圖5 負(fù)載均衡測(cè)試結(jié)果圖

由于在規(guī)劃虛擬機(jī)數(shù)量的時(shí)候已經(jīng)考慮了負(fù)載均衡的約束以及以最小化最大鏈路利用率的目標(biāo)規(guī)劃物理服務(wù)器容量，因此，本文的方法能夠最合理化利用資源池的物理資源，不至于在忙時(shí)負(fù)載過重導(dǎo)致虛擬機(jī)宕機(jī)從而耽誤任務(wù)順利執(zhí)行，也不會(huì)由于閑時(shí)業(yè)務(wù)需求不大以至于物理資源出現(xiàn)閑置的現(xiàn)象。

2.2 壓力測(cè)試結(jié)果

通過不同請(qǐng)求數(shù)和進(jìn)程數(shù)下系統(tǒng)的響應(yīng)時(shí)長，測(cè)算一定時(shí)間內(nèi)所能處理的請(qǐng)求數(shù)量。本文分別對(duì)10 000 個(gè)請(qǐng)求100 個(gè)進(jìn)程、50 000 個(gè)請(qǐng)求100 個(gè)進(jìn)程、100 000 個(gè)請(qǐng)求100 個(gè)進(jìn)程和200 000 個(gè)請(qǐng)求100 個(gè)進(jìn)程進(jìn)行壓力測(cè)試。具體的壓力結(jié)果如圖6 所示。

圖6 展示了云平臺(tái)對(duì)不同進(jìn)程不同請(qǐng)求的壓力測(cè)試性能對(duì)照情況，由圖可知，在發(fā)送個(gè)數(shù)在10 000-200 000區(qū)間測(cè)試4 次，4 次的請(qǐng)求處理成功率均為100%（上圖失敗請(qǐng)求數(shù)均為0），每個(gè)測(cè)試的平均處理的時(shí)間從2.328—2.699 ms 之間，業(yè)務(wù)處理的時(shí)間滿足業(yè)務(wù)最低時(shí)延的需求。由此可知，基于本文方法設(shè)計(jì)的云平臺(tái)在高請(qǐng)求和進(jìn)程的情況下仍然具有較高的性能。這也在一定程度上論證了本文在規(guī)劃物理服務(wù)器容量時(shí)，考慮最大鏈路利用率最小化的目標(biāo)，能夠讓云資源池能夠在業(yè)務(wù)量高峰仍然具備較高的性能。

圖6 不同請(qǐng)求不同進(jìn)程的壓力測(cè)試結(jié)果

3 結(jié)束語

本文以解決業(yè)務(wù)網(wǎng)集約化資源池的虛擬機(jī)和物理服務(wù)器容量規(guī)劃問題為目標(biāo)，提出一種業(yè)務(wù)網(wǎng)云化的資源池容量規(guī)劃方法。由實(shí)驗(yàn)可知，本文方法能夠有效估計(jì)虛擬機(jī)和物理服務(wù)器的容量，該方法不僅能夠合理化利用資源池的物理資源，還能降低資源池能耗水平，較好地實(shí)現(xiàn)網(wǎng)絡(luò)能耗與網(wǎng)絡(luò)性能的平衡。