基于云平台的任务性能采集和分类方法

摘要 由于用户在实际使用云平台时，很难确定云平台的云主机类型，所以造成了云平台资源利用率低下的问题。许多典型的解决资源利用率低下的方法，都是从云提供商的角度优化放置算法，而用户选择将限制资源利用率增加；也有一些方法采用云平台下的任务性能短时间采集并预测，但会降低任务分类的准确性。为了达到提高云平台资源利用率、简化用户操作的目的，首先提出一种多属性的任务性能采集工具Lbenchmark，全面采集任务的性能特征，和Ganglia相比负载降低了50%以上。然后，利用该性能数据，提出一种基于权值可配的多KD树-K最近邻（KNN）应用性能分类算法，挑选适合参数建立多个基于KD树的KNN分类器，通过交叉验证方法调整每个属性在不同分类器的权重，进行选举分类。实验结果表明，所提算法与传统的KNN相比，计算量明显提高了约10倍以上，而准确性平均提高约10%。该算法可利用数据特征映射将资源建议提供给用户和云提供商，进而提高云平台整体的利用率