一种基于预测控制的SaaS系统自适应方法.PDFVIP

第38 卷 计 算 机 学 报 Vol.38 2015 论文在线出版号 No.18 CHINESE JOURNAL OF COMPUTERS Online Publishing No.18 一种基于预测控制的SaaS 系统自适应方法 1),3) *2) 1) 1) 熊伟 , 李兵 , 陈军 , 周华昱 1)( 武汉大学软件工程国家重点实验室计算机学院 武汉430072) 2)( 武汉大学国际软件学院 武汉430072) 3)( 湖北文理学院 湖北 441000) 摘 要 对于部署在虚拟服务器集群上的多层云端应用系统而言，可以通过调整运行时架构以适应需求和上下文环境的变 化，并保证其在动态负载下的性能。然而，由于缺乏通用的方法，如何从问题空间上的需求自适应地映射到解空间上的架构 就成为了一个关键的问题。为解决这个问题，目前存在三种驱动方法：需求驱动模型、架构驱动模型和综合需求和架构模型 的驱动方法。然而，这些方法的性能是有限的，并且忽视了时间变化规律，对横切系统多个层次的需求演化支持也不足。本 文提出一个基于预测控制的自适应方法 （SAPC ），它采用综合需求和架构的模型来驱动系统的自适应。该方法根据监控获取 的运行时状态信息日志得到服务组件QoS 值，学习基于小波变换的模型以准确预测服务组件的QoS，并通过预测控制诱导 需求进化或实现运行时架构的模型转换来达到系统的自适应。更进一步，其根据当前的服务组件的QoS 以及目标QoS 做出 优化决策。在控制操作部分中，判别当前情况下是做框架调整还是需求调整。如果存在可行的运行时模型，则通过预测控制 产生操作向量，继而自动生成面向方面的脚本；该脚本被执行后会重构运行时模型并生成相应实例，该实例被传递给并行计 算架构( 比如MapReduce 、Yarn 或 Spark 等) 来执行。否则，运用训练好的模型标识出进化点，然后将进化点与初始的需求 混合起来以诱导需求进化。为验证上述方法，本文以一个名为CloudCRM 在线SaaS 平台作为基准进行了大规模的实验，该 平台基于 RGPS 元模型框架，通过对开源软件 SuperCRM 进行服务化改造来获得，其支持多租户。为观察平台在不同模型 驱动方法的性能表现，本文对于该平台进行了剪裁，构造了四种由不同模型驱动的系统（包括Static, Req, Arch 与 SAPC）， 实验结果验证了本文方法的有效性。其中，在用户数为20 时本文方法相对于其它三种方法在响应时间上分别降低54%，26% 与21% ，在吞吐率上提高313%，288% 与 12%，在可靠性上提高0.40%，0.26% 与 0.42% ；在用户数为200 时本文方法 相对于其它三种方法在响应时间上分别降低99.5%，99.2%与20.7% ，在吞吐率上提高320%，298%与 10%，在可靠性上提 高500%，495%与1.5%。进而本文方法使用小波变换分析相较于傅里叶变换在响应时间上降低7.2%，在吞吐率上提高2.4% ， 在可靠性上提高0.08% 。在参数对于系统的影响方面，随着目标集合的大小与插件扩展点的数目的增长，SAPC 方法都符合 响应时间和吞吐量增加而可靠性下降现象。 关键词 自适应系统；需求；预测控制；服务质量；软件即服务 中图法分类号TP311 论文引用格式 熊伟，李兵，陈军，周华昱，一种基于预测控制的SaaS 系统自适应方法，计算机学报，2015 ，Vol.38 ：在线出版号No. 18 XIONG Wei ，LI Bing，JUN Chen ，ZHOU Hua-Yu ，A Self-Adaptation Approach Based on Predictive Control for SaaS ， Chinese Journal of Computers,2015, Vol.38 : Online Publishing No.18 ——————————————— 基金资助：国家重点基础研究项目(973项目) (201