管理信息系统应用自动化部署及容量自适应技术架构设计与研究开题报告

管理信息系统应用自动化部署及容量自适应技术架构设计与研究开题报告内容摘要：

链接 配置缓存服务配置代理服务配置功能性策略 配置非功能性策略配置部署环境策略 配置持续管理策略安装脚本管理 配置脚本管理 启劢脚本管理 虚拟机劢态调配 中间件劢态调配虚拟机监控配置策略虚拟应用程序自动部署 图 自动部署功能架构  应用容量自适应之整体架构 应用容量的自适应能力，将基于应用的动态负载情况，结合应用 SLA 保障，动态增加 /减少使用资源。 除核心的“容量伸缩”模块外，还包括辅助模块：性能监控、自动供应和负载均衡。 应用负载预测劢态伸缩策略容量伸缩应用模式建模最终用户平台管理员存储VM 实例请求配置修改通知负载均衡性能监控基础设施监控应用负载监控应用性能（ S L A ）监控中间件监控自动供应应用镜像管理应用自劢部署应用管理员 图 容量 伸缩整体架构  应用容量自适应之“容量伸缩”模块 “容量伸缩”模块将根据“性 能监控”模块监控采集的性能和负载指标、应用的 SLA 协定等参数，基于容量伸缩策略配置或是优化算法，做出增加 /减少资源的决策。 容量伸缩• 什么条件应该增加 / 减少资源。 • 应该增加 / 减少哪一部份的资源。 • 调整的资源类型和数量。 • 增加 / 减少的资源位于哪个数据中心的哪台物理主机。 解决思路问题1. 应用模式建模2. 应用负载预测3. 劢态伸缩策略性能指标性能指标负载情况负载情况应用 S L A 协定应用数据中心配置数据中心配置其它其它VM 类型示例增加（ / 减少）的VM 实例数量；实例类型；实例位置 图 ” 容量 伸缩”模块示意  应用模式建模 应用模式建模，将基于多层级（ multitier）模型表示应用的层级结构，结合排队论模型表示各层级的服务特性，对应用各层级的处理容量进行建模分析。 基于排队论模型对应用进行建模分析： – 各服务器可表示为一个 G/G/1 队列，其服务容量满足： – 在上式中：各层级的参数 di 可从端到端的 SLA 协定中确定，而其它参数可通过监控获得。 – 代入各参数数值，即可计算出各层级的 λ (各层级的单服务器容量 )。 – 基于预测的负载 λ pred，计算各层级所需的服务器数目（假设各层级均有理想的负载均衡机制）。 r e q u e st sh tt p J2 E Ed a ta b a seL o a d b a la n c e r 图 应用层级结构示意 G / G / 1G / G / 1G / G / 1 p r e d图 应用 建模 示意  应用负载预测 应用负载预测，将根据应用负载的历史数据，对接下来的负载情况进行预测。 容量自适应机制将根据预测负载，给出前摄性（ proactive）的资源调整建议。 主要有如下两种应用负载预测方法： (a)基于时间的简单预测，如： I F t i m e = 1 0 : 0 0 P M T H E N s c a l e d o w nI F t i m e = 0 6 : 0 0 A M T H E N s c a l e up (b)基于预测模型 如文献 1中使用 second order autoregressive moving average method (ARMA)对应用负载进行预测： 上式中，β和γ分别取值 和。 预测结果示意图如下所示： 预测负载 v s . 真实负载1 图 应用 负载预测结果  基于规则的伸缩策略 基于配置规则的伸缩策略，用户可定义触发“容量调整”动作（ Action）的条件（ Conditions）。 通常，“条件”为性能指标或性能指标的组合； “动作”为对虚拟机实例资源进行向上扩展和向下收缩。 1 Efficient Autoscaling in the Cloud using Predictive Models for Workload Forecasting. Rul e:I f CONDIT I ON( s ) t he n AC TI ON( s )“ 条件 ” 通常为丌同层级的性能指标：• 基础设施层： C P U 利用率、内存利用率、网络利用率等指标• 中间件层： 数据库连接数、H TT P S e r v e r 请求数等• 应用层： 响应时间、并发用户数量、每秒请求数量等“ 劢作 ” 为对资源容量的调整：• 调整方向： 向上扩展、向下收缩• 调整数量： 增加 / 减少的 VM的数量• VM 的类型： 小 / 中 / 大型、计算型、 IO 型• VM 的位置： 位于某个数据中心的某台主机 以 Amazon AWS 的配置规则为例 ： 规则示例。