6、资源供应与服务推荐的创新方法解析

资源供应与服务推荐的创新方法解析

1. 反应 - 预测混合资源供应方法（RPHRPM）

在云计算环境中，资源的有效供应对于系统的稳定运行和性能保障至关重要。RPHRPM方法结合了反应式和预测式两种资源供应方式，旨在应对不断变化的工作负载，同时优化资源成本。

1.1 资源调整策略

• 资源扩展 ：当实际请求率 ( r_a ) 大于预设的阈值 ( N ) 时，系统会进行资源扩展，发送请求以获取更多资源。为了避免资源容量的不稳定，还采用了缓慢增加算法，以应对短时间的负载突发情况，确保系统的稳定性。
• 资源缩减 ：当 ( r_a < N ) 时，系统应进行资源缩减。但这里采用了保守策略，当服务器闲置时，不会立即关闭，而是设置一个等待时间 ( t_{wait} )。在这段时间内，如果有请求到达，服务器将恢复繁忙状态；否则，服务器将被关闭。为实现这一策略，需要实施一种路由方案，将请求集中到少数服务器上，使其余服务器自然超时。

1.2 实验设置

为了验证RPHRPM方法的有效性，在CloudSim开源框架上进行了实验，模拟了一个包含一个数据中心和三个主机的云环境。数据中心最多可容纳100个标准虚拟机（VM），每个VM配置有1个vCPU、512M内存和1000Mbps网络带宽，VM的设置时间为1分钟。
实验基于对一些实际工作负载轨迹的分析生成了工作负载，并进行了以下4组实验：
| 实验方法 | 初始VM数量 | 资源供应策略 |
| ---- | ---- | ---- |
| 固定