一种混合云环境下跨域资源统一编排与动态迁移方法与流程

本发明属于云计算资源调度和混合云管理，尤其是涉及一种混合云环境下跨域资源统一编排与动态迁移方法。

背景技术：

1、随着企业数字化转型持续深化，单一公有云或私有云架构已无法兼顾业务运行安全性、资源弹性与运营成本需求，混合云架构成为企业it基础设施的主流部署形态。混合云通过整合私有云的数据安全可控优势与公有云的弹性扩容优势，能够有效适配企业差异化业务场景。

2、但现有混合云资源管控与跨域迁移技术存在诸多核心缺陷，包括资源模型异构性强、编排策略静态固化、迁移决策缺乏量化预判和迁移粒度粗放、可靠性低：

3、资源模型异构性强：不同云平台的资源抽象规则、api接口、计量标准差异极大，缺乏统一的资源编排范式，跨云资源调度需针对性开发适配程序，系统维护成本高、通用性差；

4、编排策略静态固化：传统云资源编排工具多采用静态模板部署模式，部署完成后无法根据实时负载、业务sla、能耗及成本变化动态调整资源拓扑，极易出现业务高峰期资源不足、低谷期资源闲置浪费的问题；

5、迁移决策缺乏量化预判：现有迁移技术仅基于资源负载、业务性能触发迁移，未对数据传输成本、业务中断损失、算力带宽开销、迁移失败风险等多维代价进行量化评估，常出现迁移成本高于迁移收益的无效迁移动作，造成企业经济损耗与资源冗余消耗；

6、迁移粒度粗放、可靠性低：传统跨云迁移多以虚拟机为最小迁移单位，未考虑应用组件依赖关系，迁移过程易出现业务中断、数据不一致问题；同时缺乏全流程状态校验与自动回滚机制，迁移失败后恢复难度大、耗时久。

技术实现思路

1、本发明的目的是提供一种混合云环境下跨域资源统一编排与动态迁移方法，可实现异构资源统一建模、智能动态编排、迁移代价量化预评估以及高可靠细粒度迁移，实现了混合云资源的标准化、智能化、低成本、高可靠调度迁移。

2、为实现上述目的，本发明提供了一种混合云环境下跨域资源统一编排与动态迁移方法，包括以下步骤：

3、s1、将跨域资源统一映射为标准化资源对象，并建立统一的跨域资源池；

4、s2、对待部署、待迁移的业务应用进行拓扑解析，构建有向无环图，并计算迁移优先级；

5、s3、构建多目标编排优化函数，基于跨域资源池和迁移优先级采用改进遗传算法求解得到最优资源部署拓扑结构；

6、s4、以最优资源部署拓扑结构为目标基准，实时监测当前混合云内各业务组件的实际运行部署状态，并生成候选迁移方案集；

7、s5、计算每套候选迁移方案集的迁移综合代价与长期收益，并核算迁移净收益，筛选出最优可执行迁移方案；

8、s6、依据最优可执行迁移方案并结合s2的结果执行迁移操作；

9、s7、对迁移结果进行多维度校验，并对校验结果进行判断。

10、优选的，s1的过程如下：

11、s11、搭建覆盖计算、存储、网络三类核心云资源的统一资源描述模型，并定义统一资源规范标准；

12、s12、将云平台的异构资源统一映射为标准化资源对象，每个标准化资源对象包括六大核心字段，分别为资源唯一标识、所属云域、资源规格参数、实时状态标签、成本计量属性和sla能力标签；

13、s13、构建云适配器层，配置多类云平台适配插件，实现各云平台原生api与统一资源描述模型的双向解析、数据转换与映射；

14、s14、通过云适配器层统一采集并规整各云域资源数据，形成全局统一的跨域资源池。

15、优选的，s2的过程如下：

16、s21、采集待部署和待迁移业务内部的所有应用组件，并抓取组件之间的调用链路、数据流向和网络交互日志，获取每一对组件之间的单位时间调用频率和单次交互数据传输量；

17、s22、以每一个独立的业务组件作为图谱的一个节点，对两个节点间的调用频率和单次传输数据量的乘积作为加权结果，得到连接两节点边的权重，生成无循环闭环的依赖有向无环图；

18、s23、设定亲和度阈值，若两节点边的权重大于亲和度阈值，则判定二者属于高亲和组件组，将所有高亲和组件组构成组件亲和分组列表；

19、s24、基于节点的出度、入度和边权重总和，计算每个组件的重要度分值，以重要度分值进行从大到小的排序，得到迁移优先级顺序。

20、优选的，s3的过程如下：

21、s31、以sla满足度最大化、资源成本最小化和能耗效率最大化为优化目标，构建多目标编排优化函数，过程如下：

22、；

23、其中表示业务sla满足度，表示业务部署运行总成本，表示资源能耗效率，、和分别为对应的业务权重系数，并且和为1；

24、s32、设置多目标编排优化函数的优化约束条件；

25、s33、采用整数编码方式，将染色体上每个基因位对应一个业务组件，基因取值为目标部署的云域编号；

26、随机生成n个符合约束条件的初始部署方案，构成初始种群，并设置基础超参数，包括种群规模、最大迭代次数、初始交叉概率和初始变异概率；

27、s34、将染色体代入优化函数，计算染色体对应的适应度值；

28、s35、基于适应度值执行选择-交叉-变异操作，过程如下：

29、选择策略：采用精英保留+轮盘赌混合策略；将种群内适应度最高的前5%作为精英个体直接保留进入下一代，剩余个体通过轮盘赌方式筛选；

30、自适应交叉策略：交叉概率随种群迭代进度动态衰减；迭代前期采用高交叉概率加快全局搜索；迭代后期降低交叉概率，保护已经收敛的优质方案；交叉操作仅对非亲和绑定的组件基因位进行交换，禁止拆分高亲和组件组；

31、自适应变异策略：变异概率随适应度大小自适应调整；低适应度个体采用较高变异概率；高适应度个体则降低变异概率；变异时生成新云域编号，并且校验新方案是否满足全部约束条件；

32、s36、迭代循环执行s35的过程，直到满足下列条件的任一种情况则停止迭代，得到最终种群：

33、（1）算法迭代次数达到预设最大迭代次数；

34、（2）连续m代种群最优适应度数值的变化量小于预设极小阈值，种群趋于稳定；

35、s37、从最终种群中选取适应度最高的部署方案，作为全局最优资源部署拓扑。

36、优选的，s32中提到的优化约束条件如下：

37、资源容量约束：目标云域剩余资源≥待部署组件所需资源；

38、网络延迟约束：高亲和组件之间跨云时延≤预设时延阈值；

39、数据合规约束：敏感业务组件不得部署于公有云。

40、优选的，s4的过程如下：

41、s41、从跨域资源池中定时采集实时运行数据，并结合组件亲和分组信息，检查强耦合组件是否被拆分部署，实时运行数据包括各个业务组件当前部署的云域位置；各云域cpu、内存和带宽的剩余资源；当前业务时延、负载和运行成本；

42、s42、将各组件当前实际部署位置与s3得到的全局最优资源部署拓扑进行逐项比对，并计算部署偏差指标，部署偏差指标包括资源负载偏差、跨亲和组件时延偏差和运行成本偏差；

43、s43、但满足迁移启动条件的任一种时，触发迁移流程，否则进行持续循环监测，不进入迁移流程，迁移启动条件如下：

44、（1）高亲和业务组件被部署至不同云域，并且跨云交互时延超过预设时延阈值；

45、（2）任一云域资源负载超过负载上限阈值，出现资源瓶颈；

46、（3）当前方案多目标编排优化函数值与最优拓扑适应度的差值大于偏差阈值；

47、（4）业务流量发生大幅度波动，导致原有部署方案不再适配当前业务负载；

48、s44、触发迁移流程之后，基于组件亲和分组约束生成迁移备选集合。

49、优选的，s44的过程如下：

50、s441、以组为最小迁移单元，高亲和组件组不拆分进行整体迁移；

51、s442、遍历可用目标云域，校验目标云域的剩余资源容量是否可以容纳待迁移组件组；

52、s443、将每一个合法的待迁移组件组-目标云域组合生成一条候选迁移方案，得到若干份互不相同、满足资源约束和业务亲和约束的候选迁移方案。

53、优选的，s5的过程如下：

54、s51、提取候选迁移方案的待迁移组件清单、源云域、目标云域、预估迁移数据量和预估迁移时长；

55、s52、计算独立代价指标，包括跨云数据传输费用、业务中断损失代价、迁移过程中额外占用的cpu和内存算力开销成本、迁移流量挤占业务带宽带来的带宽挤压损失代价和迁移失败、回滚、业务异常的风险代价；

56、s53、计算综合迁移代价，过程如下：

57、；

58、其中、、、、和分别为对应的代价权重参数，并且和为1；

59、s54、计算候选迁移方案的单位周期内节省的运行成本、时延收益和sla提升收益之和，得到迁移长期收益；

60、s55、计算迁移净收益，过程如下

61、；

62、s56、进行候选迁移方案筛选判定，过程如下：

63、s561、剔除的候选迁移方案；

64、s562、若候选迁移方案均被剔除，则认为不存在有效方案，放弃本次迁移动作，结束迁移流程，回到s4持续监测；

65、s563、若存在不少于1个迁移净收益大于0的候选迁移方案，则将这些候选迁移方案按照迁移净收益由高到低排序；当多个方案净收益接近时，优先选取综合迁移代价低、迁移风险小且迁移耗时短的方案作为最终选定迁移方案；

66、s564、通过上述步骤得到最优迁移方案。

67、优选的，s6的过程如下：

68、s61、读取最优迁移方案的最优迁移方案参数，包括待迁移亲和组件组清单、源云域和目标云域；

69、s62、对于无状态组件，包括网关和微服务服务端，采用并行热迁移；先在目标云域启动，就绪后逐步切换流量，最后关停源云域；

70、对于有状态组件，包括数据库和缓存，采用增量同步-切换-校验三段式迁移：

71、第一步，全量拷贝历史数据从源云域至目标云域；

72、第二步，开启增量同步通道，持续同步迁移过程中新产生的数据；

73、第三步，短暂冻结写入流量，完成最后一次增量数据同步，将业务访问入口切换至目标云域；

74、s63、在迁移全程采集数据同步进度、网络带宽占用和业务时延指标，若出现异常信号，则立刻触发预警，并将异常信息输入s7；

75、s64、迁移完成后，输出迁移后的临时部署状态数据，并将临时部署状态数据输入s7。

76、优选的，s7的过程如下：

77、s71、对临时部署状态数据进行多维度一致性校验，过程如下：

78、数据一致性校验，对比源云域与目标云域内有状态组件的数据哈希值，判断迁移前后数据是否完整一致；

79、业务拓扑一致性校验，核对迁移完成后，亲和组件组是否仍然部署在同一云域，组件部署位置与最优迁移方案是否匹配；

80、运行状态校验，检测迁移后业务响应时延、资源负载和sla指标是否处于正常阈值区间；

81、s72、若，若校验均通过迁移判定成功，则释放源云域上对应的旧组件实例与资源，流程结束，返回s4的运行监测环节，进入下一轮动态监测循环；

82、若s71中的任一校验未通过判定迁移异常，立即启动s73回滚流程；

83、s73、收集s63中的异常信息和迁移异常，进行故障回滚操作，过程如下：

84、s731、将业务流量立刻切回至源云域原先的组件；

85、s732、关停目标云域上新建的迁移实例，释放目标云域占用资源；

86、s733、记录本次迁移失败日志，标记该迁移方案为不可用方案，后续生成候选方案时不再选用该迁移路径；

87、s734、返回s4的运行监测环节，进入下一轮动态监测循环。

88、因此，本发明采用上述的一种混合云环境下跨域资源统一编排与动态迁移方法，具有以下优点：

89、1、实现了异构资源的统一管控，通过urdm统一资源模型与云适配器层，屏蔽多云平台资源差异，新增云平台仅需适配对应插件，无需重构编排逻辑，大幅降低混合云运维适配成本；

90、2、资源编排智能化动态适配，基于多目标优化算法实现资源拓扑动态调整，兼顾业务可用性、成本与能耗，相比传统静态编排，提升了资源利用率，并且降低了综合运营成本；

91、3、新增迁移代价量化预判机制，首次实现迁移全维度代价量化计算与净收益筛选，彻底杜绝盲目迁移导致的经济损耗与资源浪费，大幅提升迁移决策的科学性与合理性；

92、4、细粒度迁移降低业务影响，基于组件依赖图谱实现亲和性分组迁移，结合无状态、有状态差异化迁移策略，将业务中断时长控制在秒级，保障业务持续稳定运行；

93、5、全流程高可靠保障，多检查点一致性校验与自动回滚机制，有效规避迁移数据不一致、业务异常等问题，迁移成功率大幅提高，极大提升混合云跨域迁移的稳定性。

94、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。