本發(fā)明涉及云計算，特別涉及一種基于模塊化的信息處理方法。
背景技術：
云計算把it資源、數(shù)據(jù)、應用以服務的形式通過網(wǎng)絡提供給用戶，以其部署時間短、風險低、使用方便和可定制等優(yōu)勢在各行業(yè)得到了廣泛的普及與應用，推動了it產(chǎn)業(yè)的升級和電子商務經(jīng)濟的發(fā)展。如何快速地創(chuàng)建面向大規(guī)模租戶的云端應用，實現(xiàn)租戶復雜多元的個性化需求是亟待解決的問題。現(xiàn)有的方法大多數(shù)集中在云端應用模型的架構方面，對于跨多個云數(shù)據(jù)中心間的優(yōu)化部署以及云端應用模型在粒度劃分方面尚無有效先例。
技術實現(xiàn)要素：
為解決上述現(xiàn)有技術所存在的問題，本發(fā)明提出了一種基于模塊化的信息處理方法，包括：
選擇vm部署云端應用的各個組件；當有租戶訪問時，分配租戶訪問相應組件，實現(xiàn)租戶的需求；通過監(jiān)控的情況調(diào)整云端應用中組件的數(shù)量，選擇vm為負載最高的組件部署多個實例，然后把訪問該組件的租戶分配到各個相同的實例。
優(yōu)選地，所述租戶通過表現(xiàn)模塊發(fā)送服務請求，所述表現(xiàn)模塊作為云端應用的系統(tǒng)門戶為租戶提供注冊、租用服務。
優(yōu)選地，還包括：對組成云端應用的各個組件進行資源消耗和服務質(zhì)量指標的監(jiān)控；根據(jù)監(jiān)控日志，對云端應用的組件數(shù)量進行調(diào)整。
優(yōu)選地，部署在不同vm中的組件通過vm間的網(wǎng)絡進行數(shù)據(jù)的通信，將數(shù)據(jù)服務器作為特殊的vm，云端應用的各個組件都操作同一個數(shù)據(jù)庫。
優(yōu)選地，對于以組件化形式組織的云端應用，采用云端應用模型進行描述，其建模方法如下所示：
步驟1：對由多個組件組成的云端應用，依據(jù)該云端應用向租戶提供的所有可定制功能及功能間的關系，建立該云端應用的功能模型；
步驟2：將功能模型中功能與實現(xiàn)該功能的組件進行映射，確立該云端應用的組件模型，根據(jù)確定的功能模型和組件模型，在未有租戶進行定制時，建立初始態(tài)的云端應用模型；
步驟3：當租戶對云端應用進行定制后，根據(jù)租戶的定制需求，確定每個租戶的特征模型，根據(jù)租戶特征模型中各個特征的含義，對初始態(tài)的云端應用模型進行調(diào)整，即確定組件模型中各個組件需要部署的實例數(shù)量；
步驟4：根據(jù)現(xiàn)有租戶的特征模型和調(diào)整后的組件模型，建立運行態(tài)的云端應用模型。。
本發(fā)明相比現(xiàn)有技術，具有以下優(yōu)點：
本發(fā)明提出了一種基于模塊化的信息處理方法，實現(xiàn)了跨多個云數(shù)據(jù)中心間的應用優(yōu)化部署，并且提高了云端應用的動態(tài)服務質(zhì)量，降低了虛擬機的資源消耗量。
附圖說明
圖1是根據(jù)本發(fā)明實施例的基于模塊化的信息處理方法的流程圖。
具體實施方式
下文與圖示本發(fā)明原理的附圖一起提供對本發(fā)明一個或者多個實施例的詳細描述。結合這樣的實施例描述本發(fā)明，但是本發(fā)明不限于任何實施例。本發(fā)明的范圍僅由權利要求書限定，并且本發(fā)明涵蓋諸多替代、修改和等同物。在下文描述中闡述諸多具體細節(jié)以便提供對本發(fā)明的透徹理解。出于示例的目的而提供這些細節(jié)，并且無這些具體細節(jié)中的一些或者所有細節(jié)也可以根據(jù)權利要求書實現(xiàn)本發(fā)明。
本發(fā)明的一方面提供了一種基于模塊化的信息處理方法。圖1是根據(jù)本發(fā)明實施例的基于模塊化的信息處理方法流程圖。
本發(fā)明基于改進的云端應用架構。整體架構包括表現(xiàn)模塊、控制模塊、應用模塊、vm模塊、物理模塊。表現(xiàn)模塊作為云端應用的系統(tǒng)門戶為租戶提供注冊、租用服務，租戶通過表現(xiàn)模塊發(fā)送服務請求?？刂颇K根據(jù)租戶的定制需求將租戶分配到云端應用中相對應的組件上，租戶通過訪問特定個或多個組件來實現(xiàn)自身的需求。同時，控制模塊對組成云端應用的各個組件進行資源消耗和服務質(zhì)量指標的監(jiān)控。根據(jù)監(jiān)控日志，對云端應用的組件數(shù)量進行調(diào)整。應用模塊由一組組件及組件間連接關系組成一個組件化的云端應用，為租戶提供服務。組件庫提供組成云端應用的組件。vm模塊封裝了組件獨立運行的環(huán)境。部署在不同vm中的組件通過vm間的網(wǎng)絡進行數(shù)據(jù)的通信。數(shù)據(jù)服務器是一類特殊的vm，云端應用的各個組件都操作同一個數(shù)據(jù)庫，該數(shù)據(jù)庫部署在數(shù)據(jù)服務器上。物理模塊的基礎設施用于提供vm，vm的來源包括云端應用提供商自身的基礎設施，和提供vm租用服務的基礎設施提供商。
在該架構下，云端應用提供商首先選擇vm部署云端應用的各個組件；當有租戶訪問時，控制模塊用于分配租戶訪問相應組件，實現(xiàn)租戶的需求；云端應用提供商通過監(jiān)控的情況調(diào)整云端應用中組件的數(shù)量，即選擇vm為負載最高的組件部署多個實例，之后通過控制模塊把訪問該組件的租戶分配到各個相同的實例上，以此提高整個云端應用的性能。
對于以組件化形式組織的云端應用，采用本發(fā)明提出的云端應用模型進行描述，其建模方法如下所示。
步驟1：對由多個組件組成的云端應用，依據(jù)該云端應用向租戶提供的所有可定制功能及功能間的關系，建立該云端應用的功能模型；
步驟2：將功能模型中功能與實現(xiàn)該功能的組件進行映射，確立該云端應用的組件模型，根據(jù)確定的功能模型和組件模型，在未有租戶進行定制時，建立初始態(tài)的云端應用模型；
步驟3：當租戶對云端應用進行定制后，根據(jù)租戶的定制需求，確定每個租戶的特征模型，根據(jù)租戶特征模型中各個特征的含義，對初始態(tài)的云端應用模型進行調(diào)整，即確定組件模型中各個組件需要部署的實例數(shù)量；
步驟4：根據(jù)現(xiàn)有租戶的特征模型和調(diào)整后的組件模型，建立運行態(tài)的云端應用模型。
在應用開發(fā)階段，完成云端應用的開發(fā)并部署運行后，首先通過負載測試確定其每個組件的最大并發(fā)用戶數(shù)和最大資源消耗量，然后通過不同負載下的性能測試來測量每個組件在穩(wěn)定負載區(qū)間內(nèi)的各種服務質(zhì)量指標取值和在云環(huán)境的vm上的資源消耗量，并通過對測試數(shù)據(jù)的分析，確定每個組件及其實例的在不同負載下的動態(tài)服務質(zhì)量和在云設施上的資源消耗量。在應用運行階段，通過監(jiān)控工具來獲取每個組件實例在每種負載模式下的實際服務質(zhì)量指標取值和資源消耗量，并通過對監(jiān)控數(shù)據(jù)的分析來調(diào)整每個組件的動態(tài)服務質(zhì)量和云資源消耗量。
針對特定云端應用，采用鄰接矩陣來表示其組件關系圖，并根據(jù)組件的部署方案，得到劃分后的組件關系圖的鄰接矩陣，此矩陣即表示在vm網(wǎng)絡圖中各個組件所需的vm之間的通信量。本發(fā)明在組件優(yōu)化部署方法時，引入二維數(shù)組來表示云端應用組件關系圖的鄰接矩陣，對依據(jù)部署方案得到的組件關系圖的鄰接矩陣進行求和，計算出vm網(wǎng)絡的通信量。即將組件優(yōu)化部署方法的問題模型表示為：
其中p(vmij)為虛擬機vmij的價格，rres(vmij)為虛擬機vmij的資源提供量，c為組件集合，lvm為虛擬機之間的通信鏈路集合，rt(vmij,vmst)為vmij到vmst的通信量。上述問題模型表示任意vm中所部署的組件的cpu、內(nèi)存、存儲的資源消耗總量不超過該vm的資源提供能力；在滿足cost(vm)最低的前提下，選擇通信量rt(lvm)最低的組件部署方案。
以下采用智能搜索算法對組件優(yōu)化部署方法進行實現(xiàn)。采用整數(shù)方式進行編碼，即染色體的每個基因表示一個組件實例，染色體的長度為組件集合c的規(guī)模大小，每個基因的取值表示該基因代表的組件實例所部署在的vm實例的編號。然后進行初始化：
步驟1：針對組件關系圖，根據(jù)其組件集合的大小確定染色體的長度；
步驟2：對染色體的每個基因，在滿足組件部署問題的資源約束條件下，隨機一個vm實例的編號作為該基因的取值，并記錄該編號的vm實例所屬的vm類型；
步驟3：隨機產(chǎn)生染色體的校驗序列，即染色體上基因校驗的順序；
步驟4：按校驗的順序判斷染色體上的基因所代表的組件實例能否部署在該基因取值所代表的vm實例上。滿足組件部署資源約束條件，執(zhí)行步驟7，否則執(zhí)行步驟5；
步驟5：在所有基因?qū)娜縱m實例編號中，為該基因隨機一個新的取值，如果該基因代表的組件實例能部署在新的取值所代表的vm實例上，執(zhí)行步驟7，否則執(zhí)行步驟6；
步驟6：為該基因分配一個未使用的vm實例，在已使用的全部vm實例編號之外，給該基因一個新的取值，并記錄該取值所代表vm實例的類型。
步驟7：判斷染色體校驗是否結束，如果未結束，回到步驟4，否則，校驗結束，計算該隨機方案下所使用vm實例的總成本和vm實例間的通信量并記錄。
對染色體中的基因進行遺傳操作。包括染色體選擇、基因重組、染色體變異、染色體修復，其具體步驟如下：
從當前種群中任選兩條染色體作為父染色體；
對這兩個父染色體，隨機產(chǎn)生兩個數(shù)字i和j作為重組的起始位置和重組部分的長度。
交換兩個父染色體重組部分對應位置的基因取值，產(chǎn)生兩個新的子染色體。
在產(chǎn)生的當前子染色體中，隨機選擇變異的基因，刪除該基因的取值。在所有基因?qū)娜縱m實例編號中，為該基因搜索一個新的取值；如果搜索不到這樣的vm編號，為該基因分配一個未使用的vm實例，在已使用的全部vm實例編號之外，給該基因一個新的取值，并記錄該取值所代表的vm實例的vm類型。
對產(chǎn)生的所有子染色體上的每個基因所代表的組件實例ci，獲取該基因的取值即vm編號j，檢驗vmj的資源提供量是否滿足部署在該vm上的所有組件資源消耗總量，如果不滿足條件，將組件實例ci從vmj中取出，即代表組件實例ci的基因取值變?yōu)榭?，并從vmj減掉組件實例ci的資源消耗量；
對染色體上取值為空的每個基因所代表的組件實例ci，若存在某個組件實例ck，與ci為相同類型組件并且ck所在的vm實例上還能部署ci，則將ci部署到該vm實例上。否則把ci部署到能夠滿足其部署約束條件的vm實例上。
輸入組件關系圖g＝(c，e)，vm類型集合，每個組件的資源消耗量，每種類型vm的資源提供量。通過以下過程得到組件部署方案，vm的最低總成本cost(vm)，組件部署方案在最低總成本下的最低通信量rt(lvm)：
步驟1：設定方法的參數(shù)，包括種群大小，遺傳操作進化代數(shù)，選擇操作概率，變異操作概率；
步驟2：通過解的初始化，對種群中的每個染色體完成初始化和校驗，并計算每條染色體所代表部署方案的總成本、通信量及成本適應度；
步驟3：將當前種群按照成本適應度排序，從中選擇成本適應度函數(shù)值最低的染色體放入新種群里；
步驟4：通過遺傳操作，對當前種群中的染色體進行選擇、重組、變異、修復操作，計算產(chǎn)生的新染色體所代表部署方案的總成本、通信量及成本適應度，并將其放入新種群中；
步驟5：選擇成本適應度最好的染色體作為近似最優(yōu)解，根據(jù)該染色體計算得到所使用的vm實例的編號和每種類型vm實例的數(shù)量。若存在多個成本適應度最好的染色體，則選擇通信量最低的染色體作為最優(yōu)解；
步驟6：根據(jù)選出的染色體最優(yōu)解確定了所用vm實例的編號和所使用的vm實例的類型和每種類型的數(shù)量。隨機選取染色體最優(yōu)解的i個基因，在滿足組件部署問題的資源約束條件下，對選取的每個基因，在已用的全部vm實例編號中搜索一個新值，即將選取的每個基因?qū)慕M件實例從其已部署到的vm實例中取出，在已用的全部vm實例中選擇另外一個可以部署該組件實例的vm實例進行部署，并記錄調(diào)整后的染色體的通信量。
綜上所述，本發(fā)明提出了一種基于模塊化的信息處理方法，實現(xiàn)了跨多個云數(shù)據(jù)中心間的應用優(yōu)化部署，并且提高了云端應用的動態(tài)服務質(zhì)量，降低了虛擬機的資源消耗量。
顯然，本領域的技術人員應該理解，上述的本發(fā)明的各模塊或各步驟可以用通用的計算系統(tǒng)來實現(xiàn)，它們可以集中在單個的計算系統(tǒng)上，或者分布在多個計算系統(tǒng)所組成的網(wǎng)絡上，可選地，它們可以用計算系統(tǒng)可執(zhí)行的程序代碼來實現(xiàn)，從而，可以將它們存儲在存儲系統(tǒng)中由計算系統(tǒng)來執(zhí)行。這樣，本發(fā)明不限制于任何特定的硬件和軟件結合。
應當理解的是，本發(fā)明的上述具體實施方式僅僅用于示例性說明或解釋本發(fā)明的原理，而不構成對本發(fā)明的限制。因此，在不偏離本發(fā)明的精神和范圍的情況下所做的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。此外，本發(fā)明所附權利要求旨在涵蓋落入所附權利要求范圍和邊界、或者這種范圍和邊界的等同形式內(nèi)的全部變化和修改例。