本發(fā)明涉及通信領域，具體涉及一種云操作系統(tǒng)中計算物理資源節(jié)點負載評價的方法及裝置。

背景技術：
當前，云計算逐漸被行業(yè)認可，云數據中心操作系統(tǒng)逐漸實現(xiàn)并付諸于實踐。在云數據中心操作系統(tǒng)中，計算物理資源節(jié)點的選擇以及物理資源節(jié)點負載評價尤為重要，它直接關系著系統(tǒng)的可用性。目前，大多數同類系統(tǒng)調度算法中，在獲取物理機（物理資源節(jié)點）負載時，通常的做法是優(yōu)先考慮內存的影響，其次再考慮cpu、帶寬等負載的影響，這樣的做法并沒有綜合考慮計算物理資源節(jié)點各種負載，并且沒有分析不同負載對物理機的影響，故現(xiàn)有的評價算法并不完善，給云數據中心操作系統(tǒng)的可用性和穩(wěn)定性帶來了隱患。

技術實現(xiàn)要素：
本發(fā)明需要解決的技術問題是提供一種操作系統(tǒng)中計算物理資源節(jié)點負載評價的方法及裝置，保證云操作系統(tǒng)的可用性和穩(wěn)定性。為了解決上述技術問題，本發(fā)明提供了一種計算云操作系統(tǒng)中物理資源節(jié)點的負載評價的方法，包括：建立至少兩組計算物理資源節(jié)點負載的數據模型，所述數據模型中的每個特征向量包括資源負載類型及其加權系數，所述資源負載類型包括處理器、內寸、帶寬和/或磁盤；選擇至少兩組數據模型，根據所述兩組數據模型中的特征向量計算馬氏距離，按照計算結果給出當前物理資源節(jié)點的負載評價。優(yōu)選地，所述方法包括：建立兩組計算當前物理資源節(jié)點負載的數據模型，所述數據模型包括：資源負載的總容量模型和資源負載的使用量模型；根據資源負載的總容量模型的特征向量和資源負載的使用量模型的特征向量計算馬氏距離，按照計算結果給出當前物理資源節(jié)點負載評價。優(yōu)選地，所述資源負載的總容量模型為：{a1*CC,a2*MC,a3*NC,a4*DC}，其中，a1、a2、a3、a4代表加權系數，a1+a2+a3+a4=1；CC代表處理器總容量，MC代表內存總大小，NC代表總帶寬，DC代表磁盤總容量；所述資源負載的使用量模型為：{a1*CU,a2*MU,a3*NU,a4*DU}，其中，a1、a2、a3、a4代表加權系數，a1+a2+a3+a4=1；CU代表處理器過去一段時間平均已用量，MU代表內存過去一段時間平均已用大小，NU代表過去一段時間平均已用帶寬，DU代表磁盤過去一段時間平均已用容量；按照以下公式根據所述數據模型中的特征向量計算馬氏距離，具體包括：其中，dij為馬氏距離，用來度量物理資源節(jié)點的可用程度，i，j為正整數，T表示轉置，-1表示矩陣的轉置，xi和yj分別為兩個數據模型中第i個和第j個特征向量，S為樣本協(xié)方差矩陣。優(yōu)選地，所述按照計算結果給出當前物理資源節(jié)點負載評價，包括：所述馬氏距離的值越大，則該當前物理資源節(jié)點的負載越小，該物理資源節(jié)點的可用度越高。優(yōu)選地，所述加權系數根據業(yè)務需要設定，或者根據算法動態(tài)調整。為了解決上述技術問題，本發(fā)明還提供了一種云操作系統(tǒng)中計算物理資源節(jié)點負載評價的裝置，包括：模型建立模塊，用于建立至少兩組計算物理資源節(jié)點負載的數據模型，所述數據模型中的每個特征向量包括資源負載類型及其加權系數，所述資源負載類型包括處理器、內寸、帶寬和/或磁盤；計算模塊，用于選擇至少兩組數據模型，根據所述兩組數據模型中的特征向量計算馬氏距離；負載評價模塊，用于按照計算結果給出當前物理資源節(jié)點的負載評價。優(yōu)選地，所述模型建立模塊，用于建立兩組計算當前物理資源節(jié)點負載的數據模型，所述數據模型包括：資源負載的總容量模型和資源負載的使用量模型；所述計算模塊，用于根據資源負載的總容量模型的特征向量和資源負載的使用量模型的特征向量計算馬氏距離。優(yōu)選地，所述資源負載的總容量模型為：{a1*CC,a2*MC,a3*NC,a4*DC}，其中，a1、a2、a3、a4代表加權系數，a1+a2+a3+a4=1；CC代表處理器總容量，MC代表內存總大小，NC代表總帶寬，DC代表磁盤總容量；所述資源負載的使用量模型為：{a1*CU,a2*MU,a3*NU,a4*DU}，其中，a1、a2、a3、a4代表加權系數，a1+a2+a3+a4=1；CU代表處理器過去一段時間平均已用量，MU代表內存過去一段時間平均已用大小，NU代表過去一段時間平均已用帶寬，DU代表磁盤過去一段時間平均已用容量；所述計算模塊，用于按照以下公式根據所述數據模型中的特征向量計算馬氏距離，具體包括：其中，dij為馬氏距離，用來度量物理資源節(jié)點的可用程度，T表示轉置，-1表示矩陣的轉置，xi和yj分別為兩個數據模型中第i個和第j個特征向量，S為樣本協(xié)方差矩陣。優(yōu)選地，所述負載評價模塊，用于按照計算結果給出當前物理資源節(jié)點的負載評價，包括：所述馬氏距離的值越大，則該當前物理資源節(jié)點的負載越小，該物理資源節(jié)點的可用度越高。優(yōu)選地，所述加權系數根據業(yè)務需要設定，或者根據算法動態(tài)調整。與現(xiàn)有技術相比，本發(fā)明提供的操作系統(tǒng)中計算物理資源節(jié)點負載評價的方法及裝置，綜合考慮了物理資源節(jié)點上各種負載的影響，通過改變加權因子動態(tài)調整關鍵負載分量對于負載評價的影響，并且通過對負載的評價，可以定位負載最優(yōu)的虛擬資源宿主機，進而保證云操作系統(tǒng)的可用性和穩(wěn)定性。附圖說明圖1是實施例中云操作系統(tǒng)中計算物理資源節(jié)點負載評價的方法流程圖；圖2是實施例中云操作系統(tǒng)中計算物理資源節(jié)點負載評價的方法流程圖；圖3是實施例中云操作系統(tǒng)中計算物理資源節(jié)點負載評價的裝置的結構圖。具體實施方式為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，下文中將結合附圖對本發(fā)明的實施例進行詳細說明。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互任意組合。實施例：如圖1所示，本實施例提供了一種云操作系統(tǒng)中計算物理資源節(jié)點負載評價的方法，包括以下步驟：S101：建立至少兩組計算物理資源節(jié)點負載的數據模型，所述數據模型中的每個特征向量包括資源負載類型及其加權系數；所述資源負載類型包括處理器、內寸、帶寬和/或磁盤；本實施例并不排斥其他資源負載類型，比如I/O利用率等，通過建立包含各種資源負載的數據模型，來綜合考慮各種負載對物理資源節(jié)點的影響。S102：選擇至少兩組數據模型，根據兩組數據模型中的特征向量計算馬氏距離；S103：按照計算結果給出當前物理資源節(jié)點的負載評價。在一個優(yōu)選實施例中，如圖2所示，本實施例的方法具體包括以下步驟：S201：建立兩組計算當前物理資源節(jié)點負載的數據模型，這兩組數據模型分別是：資源負載的總容量模型和資源負載的使用量模型；優(yōu)選地，所述資源負載的總容量模型為：{a1*CC,a2*MC,a3*NC,a4*DC}，其中，a1、a2、a3、a4代表加權系數，a1+a2+a3+a4=1；CC代表處理器總容量，MC代表內存總大小，NC代表總帶寬，DC代表磁盤總容量；優(yōu)選地，所述資源負載的使用量模型為：{a1*CU,a2*MU,a3*NU,a4*DU}，其中，a1、a2、a3、a4代表加權系數，a1+a2+a3+a4=1；CU代表處理器過去一段時間平均已用量，MU代表內存過去一段時間平均已用大小，NU代表過去一段時間平均已用帶寬，DU代表磁盤過去一段時間平均已用容量。由于處理器等負載在一段時間內的使用量變化很大，因此，將數據模型中的負載值取過去一段時間使用量的平均值，內存、帶寬、磁盤等負載也同樣取了使用量的平均值。當然，在具體實施時并不限于以上兩種數據模型，還可以建立其他數據模型對物理資源節(jié)點的負載進行評價。其中，所述加權系數可以根據業(yè)務需要由管理員設定，比如對于內存能力較小的物理機（相對于CPU能力、網絡帶寬能力等），可以增加內存的加權系數；例如，可以同時調整資源負載的總容量模型和資源負載的使用量模型中內存的加權系數a1；也可以通過一定的算法去動態(tài)調整：比如遺傳算法等，通過動態(tài)調整加權系數，進而動態(tài)調整關鍵負載分量對于負載評價的影響。S202：根據資源負載的總容量模型的特征向量和資源負載的使用量模型的特征向量計算馬氏距離；其中，可以利用下面的公式根據資源負載的總容量模型和資源負載的使用量模型中的特征向量計算馬氏距離：其中，dij為馬氏距離，用來度量物理資源節(jié)點的可用程度，T表示轉置，-1表示矩陣的轉置，xi和yj分別為兩個數據模型中第i個和第j個特征向量，S為樣本協(xié)方差矩陣。這里，xi代表物理資源節(jié)點總容量特征向量，yj代表物理節(jié)點已用容量特征向量（這里的已用容量，可以是過去某段時間負載的均值，這樣一定程度可以去除噪聲），dij的數值，表明物理資源可用容量大小的一個評價值。dij越大，說明物理資源可用容量較大，反之，說明物理資源可用容量較小。其中，已用容量和總容量模型中的加權值是對應的。例如，資源負載的總容量模型中處理器總容量CC的加權系數與資源負載的使用量模型中處理器過去一段時間平均已用量CU的加權系數均設為a1，對于物理資源的CPU負載要求較為敏感，則CPU的權值可以相應較大，例如設為0.8。在利用上述公式計算馬氏距離以評價物理資源節(jié)點的負載時，例如，過去1分鐘內，統(tǒng)計的物理資源節(jié)點M負載（CPU、內存、帶寬和磁盤）為[0.90,0.75,0.30,0.50]T，加權系數分別為0.8,0.6,0.5,0.3，則對應公式中，已用容量：xj為[0.72,0.45,0.15,0.15]T，總容量：xi為[0.8,0.6,0.5,0.3]T，則S為[xj，xj]組成的矩陣的協(xié)方差矩陣，帶入公式，求出dij，dij為一個數值，表示可用容量的大小。S203：按照計算結果給出當前物理資源節(jié)點負載評價。所述馬氏距離dij的值越大，則該當前物理資源節(jié)點的負載越小，說明該物理資源節(jié)點的可用度越高，負載值越小說明越適合虛擬機運行，即通過對負載的評價，可以確定虛擬機運行的宿主機（物理機）。如圖3所示，本實施例還提供了一種云操作系統(tǒng)中計算物理資源節(jié)點負載評價的裝置，包括：模型建立模塊，用于建立至少兩組計算資源的數據模型，所述數據模型中的每個特征向量包括資源負載及其權重，所述資源負載包括處理器、內寸、帶寬和/或磁盤等；計算模塊，用于選擇至少兩組數據模型，根據所述數據模型中的特征向量計算馬氏距離；負載評價模塊，用于按照計算結果大小，給出當前計算資源的總體負載評價。在一個應用示例中，所述模型建立模塊，用于建立兩組計算當前物理資源節(jié)點負載的數據模型，所述數據模型包括：資源負載的總容量模型和資源負載的使用量模型；所述計算模塊，用于根據資源負載的總容量模型的特征向量和資源負載的使用量模型的特征向量計算馬氏距離。其中，所述資源負載的總容量模型為：{a1*CC,a2*MC,a3*NC,a4*DC}，其中，a1、a2、a3、a4代表加權系數，a1+a2+a3+a4=1；CC代表處理器總容量，MC代表內存總大小，NC代表總帶寬，DC代表磁盤總容量；所述資源負載的使用量模型為：{a1*CU,a2*MU,a3*NU,a4*DU}，其中，a1、a2、a3、a4代表加權系數，a1+a2+a3+a4=1；CU代表處理器過去一段時間平均已用量，MU代表內存過去一段時間平均已用大小，NU代表過去一段時間平均已用帶寬，DU代表磁盤過去一段時間平均已用容量；所述計算模塊，用于按照以下公式根據所述數據模型中的特征向量計算馬氏距離，具體包括：其中，dij為馬氏距離，用來度量物理資源節(jié)點的可用程度，T表示轉置，-1表示矩陣的轉置，xi和yj分別為兩個數據模型中第i個和第j個特征向量，S為樣本協(xié)方差矩陣。其中，所述負載評價模塊，用于按照計算結果給出當前物理資源節(jié)點的負載評價，包括：所述馬氏距離的值越大，則該當前物理資源節(jié)點的負載越小，該物理資源節(jié)點的可用度越高。所述加權系數根據業(yè)務需要設定，或者根據算法動態(tài)調整。從上述實施例可以看出，相對于現(xiàn)有技術，上述實施例中提供的云操作系統(tǒng)中計算物理資源節(jié)點負載評價的方法及裝置，通過建立數據模型綜合考慮了物理資源節(jié)點上各種負載的影響，通過改變加權因子動態(tài)調整關鍵負載分量對于負載評價的影響，并且通過對負載的評價，可以定位負載最優(yōu)的虛擬資源宿主機，進而保證云操作系統(tǒng)的可用性和穩(wěn)定性。本領域普通技術人員可以理解上述方法中的全部或部分步驟可通過程序來指令相關硬件完成，所述程序可以存儲于計算機可讀存儲介質中，如只讀存儲器、磁盤或光盤等?？蛇x地，上述實施例的全部或部分步驟也可以使用一個或多個集成電路來實現(xiàn)。相應地，上述實施例中的各模塊/單元可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。本發(fā)明不限制于任何特定形式的硬件和軟件的結合。以上所述僅為本發(fā)明的優(yōu)選實施例而已，并非用于限定本發(fā)明的保護范圍。根據本發(fā)明的發(fā)明內容，還可有其他多種實施例，在不背離本發(fā)明精神及其實質的情況下，熟悉本領域的技術人員當可根據本發(fā)明作出各種相應的改變和變形，凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。