CloudSim-主机过载检测

最新推荐文章于 2025-10-26 14:28:05 发布

原创最新推荐文章于 2025-10-26 14:28:05 发布 · 832 阅读

5 ·

CC 4.0 BY-SA版权

VM allocation 同时被 2 个专栏收录

4 篇文章

订阅专栏

CloudSim

4 篇文章

订阅专栏

本文介绍了几种动态阈值过载检测方法，如iqr、mad和lr，用于虚拟机（VM）资源分配策略中。这些方法通过动态调整阈值，基于历史负载数据预测和防止过载，以维持系统性能。iqr利用四分位差确定阈值，mad使用中位数绝对偏差，lr则采用局部回归预测利用率。这些策略在PowerVmAllocationPolicyMigration类中实现，允许根据实际负载情况动态调整阈值，确保系统的稳定运行。

过载检测

过载检测的工作是为了后面时候准备的，也就是说t时刻完成的检测是便于提前进行迁移，防止在t+1以及后续时刻过载而性能下降。

1、iqr（InterQuartileRange）四份位法【动态阈值方法】

1）初始化一个PowerVmAllocationPolicyMigrationStaticThreshold对象（此对象并非C4中所述的VM选择算法对象，继承自PowerVmAllocationPolicyMigrationAbstract）：

a、表示即将进行的是Power-aware的，基于VM迁移的、基于静态固定迁移过载阈值[0.7]的策略的Vms资源分配操作；

b、用于当iqr传入的PowerVmSelectPolicy失效时使用，作为iqr分配算法的的备用分配函数；

c、并定义了自己的主机过载检测isHostOverUtilizated和利用率过载阈值设置函数。

2）产生一个PowerVmAllocationPolicyMigrationInterQuartileRange（继承自VmAllocationPolicyMigrationAbstract）对象，与PowerVmAllocationPolicyMigrationStaticThreshold同族：

a、该对象传入基本的VmSelectionPolicy对象和PowerVmAllocationPolicyMigrationAbstract对象，即PowerVmAllocationPolicyMigrationStaticThreshold作为备用分配策略；

b、过载检测算法核心getHostUtilizationIqr(PowerHostUtilizationHistory)

countNonZeroBeginning(list_data)：返回---从后往前看第一个非0数的位置，即从前往后数到最后一个非0位置的元素个数，源码中以大于等于12个为“iqr函数的安全计算元素个数”；

iqr(list_data)：返回升序排列后，3/4位置的值与1/4位置的值的差值；

upperThreshold阈值上界设置为：1 - safetyParameter（安全系数，源码里设置该阈值为[1.5]）* iqr返回值；

比较PowerHost对象资源利用率与上界的大小，超过即为过载。

3）返回VmAllocationPolicy对象

⚠️ 由于PowerHostUtilizationHistory是动态增加（或者变化的），也就是说得到的iqr值也是变化的，即规定的阈值也是随着历史“负载数据”动态调整的。

⚠️ VmAllocationPolicyMigrationAbstract(默认的阈值为0.9)抽象集成了一个完整的VM分配过程，包括所谓的需迁移的VMs选择和具体分配，每一个继承VmAllocationPolicyMigrationAbstract的类都需要实现自己的isHostOverUtilizated，可以额外实现阈值设置和阈值获取方法，以表示自己的不同。

2、mad（PowerVmAllocationPolicyMigrationMedianAbsoluteDeviation）中位法【动态阈值方法】

1）与iqr同样会有一个PowerVmAllocationPolicyMigrationStaticThreshold作为备用的分配策略；

2）与iqr同理，只是把MathUtil.iqr(list_data)换成MathUtil.mad(list_data)，即不是求4份位差值，而是返回"list_data中位数与其他数之间差值的绝对值，所构成的列表的中位数"；

3）同样，安全系数mad设置为[2.5]。

3、lr（PowerVmAllocationPolicyMigrationLocalRegression）局部回归法【动态阈值方法】

1）getParameterEstimates(utilizationHistoryReversed)：采用简单的局部加权的办法拟合（loess）历史位置和历史负载数据[10个]之间的关系（最小二乘估计参数），其中历史位置根据TriCube办法进行调整，返回估计的回归参数；

2）计算迁移间隔：向上取整 (主机中最大VMs迁移时长【Vm内存占用/带宽】 / 调度周期)；

3）预测利用率：estimates[0]+estimates[1]*(10+迁移间隔)；

4）过载检测返回：预测的利用 >= 1。

4、lrr（PowerVmAllocationPolicyMigrationLocalRegressionRobust）【动态阈值方法】

5、thr（PowerVmAllocationPolicyMigrationStaticThreshold）【静态阈值方法】

1）纯静态阈值方法；