薛永軍++崔榮靖

摘 要

基于云計算中服務(wù)器虛擬化技術(shù)的重要意義，提出在應(yīng)用虛擬化技術(shù)的物理服務(wù)器在內(nèi)存、CPU、IO上使用的特性，通過企業(yè)計算資源池運(yùn)行數(shù)據(jù)進(jìn)行統(tǒng)計、梳理，然后分析得出了物理服務(wù)器在使用虛擬化技術(shù)后硬件配置比例。服務(wù)器虛擬化通過服務(wù)器虛擬化完成計算資源池建設(shè)，為了使得物理服務(wù)器的使用率得到最大化，必須有針對各企業(yè)實際情況的物理服務(wù)器池化合理物理硬件配置比例。

【關(guān)鍵詞】虛擬化技術(shù) 計算資源池 硬件配置

計算資源池建設(shè)需要具有通過虛擬軟件的功能，對服務(wù)器當(dāng)中的各項資源實施抽象化，將傳統(tǒng)意義上和服務(wù)器及其設(shè)備完成綁定的各類資源轉(zhuǎn)變成能進(jìn)行統(tǒng)一管理的邏輯性資源。都是在現(xiàn)有的物理服務(wù)器基礎(chǔ)進(jìn)行資源轉(zhuǎn)化，而現(xiàn)有物理服務(wù)器的硬件配置比例基本沒有參照硬件池化的實際情況，必然出現(xiàn)物理服務(wù)器某一硬件資源使用率飽和時，另一類硬件資源池卻處于低使用率的現(xiàn)象，造成資源浪費(fèi)，違反了虛擬化技術(shù)產(chǎn)生初衷。

1 硬件資源配置比研究范圍

硬件資源配置比例研究僅限于池化服務(wù)器的內(nèi)存、CPU、以太網(wǎng)IO、存儲網(wǎng)絡(luò)IO。

2 硬件資源配置比算法

對現(xiàn)有計算資源池的服務(wù)器、存儲、網(wǎng)絡(luò)的相關(guān)實際值、置備值、使用率等運(yùn)行數(shù)據(jù)進(jìn)行收集、匯總。數(shù)據(jù)收集方法：以一個季度為一個周期，每個月收集14次，分別為每月的1、5、10、15、20、25、30的上午11：00，下午的15：00，收集2個周期，對28次數(shù)據(jù)進(jìn)行多次平均，按CPU，內(nèi)存，網(wǎng)卡及HBA卡進(jìn)行統(tǒng)計。如表1所示。

從統(tǒng)計數(shù)據(jù)中就可以發(fā)現(xiàn)現(xiàn)有計算資源池中，出現(xiàn)了嚴(yán)重的資源浪費(fèi)，大量的CPU資源處于極低使用率情況，同時不同的內(nèi)存、CPU使用率使用著相同的以太網(wǎng)絡(luò)帶寬和存儲網(wǎng)絡(luò)帶寬，明顯是配置不合理；從采購角度來看，就是因為沒有計算資源池物理服務(wù)器配比算法做為標(biāo)準(zhǔn)來指導(dǎo)物理服務(wù)器的采購。

下面采用大數(shù)據(jù)算法 Support vector machines進(jìn)行數(shù)據(jù)分析，從面對計算資源池物理服務(wù)器配比算法進(jìn)行研究。

支持向量機(jī)屬于一般化線性分類器。也可以認(rèn)為是提克洛夫規(guī)范化（Tikhonov Regularization）方法的一個特例。這族分類器的特點是他們能夠同時最小化經(jīng)驗誤差與最大化幾何邊緣區(qū)。因此支持向量機(jī)也被稱為最大邊緣區(qū)分類器。在統(tǒng)計計算中，最大期望（EM）算法是在概率（probabilistic）模型中尋找參數(shù)最大似然估計的算法，其中概率模型依賴于無法觀測的隱藏變量（Latent Variabl）。最大期望經(jīng)常用在機(jī)器學(xué)習(xí)和計算機(jī)視覺的數(shù)據(jù)集聚（Data Clustering）領(lǐng)域。最大期望算法經(jīng)過兩個步驟交替進(jìn)行計算，第一步是計算期望（E），也就是將隱藏變量象能夠觀測到的一樣包含在內(nèi)從而計算最大似然的期望值；另外一步是最大化（M），也就是最大化在 E 步上找到的最大似然的期望值從而計算參數(shù)的最大似然估計。M 步上找到的參數(shù)然后用于另外一個 E 步計算，這個過程不斷交替進(jìn)行。

在學(xué)習(xí)這種方法時，首先要弄清楚這種方法考慮問題的特點，這就要從線性可分的最簡單情況討論起，在沒有弄懂其原理之前，不要急于學(xué)習(xí)線性不可分等較復(fù)雜的情況，支持向量機(jī)在設(shè)計時，需要用到條件極值問題的求解，因此需用拉格朗日乘子理論，但對多 數(shù)人來說，以前學(xué)到的或常用的是約束條件為等式表示的方式，但在此要用到以不等式作為必須滿足的條件，此時只要了解拉格朗日理論的有關(guān)結(jié)論就行。

支持向量機(jī)將向量映射到一個更高維的空間里，在這個空間里建立有一個最大間隔超平面。在分開數(shù)據(jù)的超平面的兩邊建有兩個互相平行的超平面。分隔超平 面使兩個平行超平面的距離最大化。假定平行超平面間的距離或差距越大，分類器的總誤差越小。一個極好的指南是C.J.C Burges的《模式識別支持向量機(jī)指南》。van der Walt 和 Barnard 將支持向量機(jī)和其他分類器進(jìn)行了比較。

有很多個分類器（超平面）可以把數(shù)據(jù)分開，但是只有一個能夠達(dá)到最大分割。先進(jìn)行問題定義，如圖1所示。

設(shè)樣本屬于兩個類，用該樣本計算svm得到的最大間隔超平面。在超平面上的樣本點也稱為支持向量。

考慮以下形式的樣本點

{（x1，c1），（x2，c2），...，（xn，cn）}

由于我們要求最大間隔，因此我們需要知道支持向量以及（與最佳超平面）平行的并且離支持向量最近的超平面。我們可以看到這些平行超平面可以由方程族：

w·x-b=1，w·x-b=-1.

如果這些訓(xùn)練數(shù)據(jù)是線性可分的，那就可以找到這樣兩個超平面，在它們之間沒有任何樣本點并且這兩個超平面之間的距離也最大.通過幾何不難得到這兩個超平面之間的距離是 2/| w |，因此我們需要最小化 | w |。同時為了使得樣本數(shù)據(jù)點都在超平面的間隔區(qū)以外，我們需要保證對于所有的 i 滿足其中的一個條件：

w·xi-b≥1 or w·xi-b≤-1.

這兩個式子可以寫作：

ci（w·xi-b） ≥1，1≤i≤n. （1）

套用算法，C代表使用率，W、X分別代表內(nèi)存和CPU和核數(shù)，B代表IO帶寬，可以得出1G內(nèi)存至少需要40M的IO帶寬。

3 結(jié)束語

技術(shù)的關(guān)鍵點是不斷的抽取計算資源池中虛擬機(jī)及物理機(jī)運(yùn)行數(shù)據(jù)，并根據(jù)業(yè)務(wù)系統(tǒng)的業(yè)務(wù)特性進(jìn)行資源評估、統(tǒng)計、分析等CPU、內(nèi)存、磁盤、網(wǎng)絡(luò)關(guān)系性在；創(chuàng)新點是根據(jù)實際資源使用情況，以實際數(shù)據(jù)為基礎(chǔ)在業(yè)內(nèi)首次根據(jù)計算資源池提出服務(wù)器配置標(biāo)準(zhǔn)?？梢越鉀Q：

（1）計算資源池服務(wù)器配置不統(tǒng)一；

（2）計算資源池服務(wù)器資源浪費(fèi)；

（3）解決物理服務(wù)器采購時無標(biāo)準(zhǔn)、無預(yù)見性。

參考文獻(xiàn)

[1]李剛健.基于虛擬化技術(shù)的云計算平臺架構(gòu)研究[J].吉林建筑工程學(xué)院學(xué)報，2011（01）：79-81.

[2]李雙權(quán)，王燕偉.云計算中服務(wù)器虛擬化技術(shù)探討[J].郵電設(shè)計技術(shù)，2011（10）：27-33.

作者單位

云南電網(wǎng)有限公司信息中心 云南省昆明市 650217