《云计算资源分配中蚁群算法研究报告.pdf》由会员分享，可在线阅读，更多相关《云计算资源分配中蚁群算法研究报告.pdf（6页珍藏版）》请在三一文库上搜索。
1、个人资料整理仅限学习使用 蚁群算法在云计算资源分配中的应用研究 张春艳 Abstract: In view of the present scheduling model of clouds computing resources, a resource allocationstrategybasedonantcolonyalgorithmisproposed.Distributingcloudcalculativeresources, firstfindsocietiesincomputingcloudsnetwork,detectusablenodecomputingpower,andth
2、enbased onthecloudcalculativeservicemode,throughtheanalysisofthecharacteristicsuchasnetwork bandwidth,linequality,responsetime,task expenses,otherfactorsonthereliabilityofresource allocationinfluence,usingtheantcolonyalgorithmtogetasetofoptimalcomputingresources. Throughanalysisandcomparisoninthesim
3、ulationunderCloudSimenvironment,thisalgorithmcan satisfythecloudcalculativeservicemodeofthecircumstances,getshorterresponsetimeandstronger workqualitythansomeotherinnetworkofdistributionalgorithm,andtherebymoresuitableforusein the cloud environment. Keywords: Cloudcomputing 。 ant algorithm 。 service
4、mode。schedule 0 引言 由于信息化技术的迅速发展，网络上数据逐渐复杂庞大，传统的并行技术等已不能为满 足人类日益增长的办公和科研发展的需要。一些网络模式应运而生，云计算作为一种新型的 并行计算技术也出现在网络上。 云计算作为一种基于互联网的新计算模式，是分布式计算 (DistributedComputing 、并行 计算 (ParallelComputing 和网格计算 (GridComputing 的进一步发展，也是这些计算机科学概 念的商业实现。 它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据 需要获取计算力、存储空间和各种软件服务。云计算的资源是动态易扩
5、展而且虚拟化的，通 过互联网提供云计算是基于互联网的超级计算模式，通过架构一个分布的、可全球访问的资 源结构， 使数据中心在类似互联网的环境下运行计算，即把存储于个人电脑、移动电话和其 他设备上的大量信息和处理器资源集中在一起，协同工作。 主要包括三种层次的服务：基 础设施即服务，指路径 e尽头的的计算资源处理这样作业要消耗的时间。 网络延迟， delay(e，指路径 e产生的最大网络延迟。 网络带宽： bandwidth(e ，指路径 e所提供的网络最大带宽。用户对云计算资源需求的 多样性与偏好性，如何作Qos 保证。将预计执行时间和网络延时综合后用变量tdin(t,e 表示在 t时间段内该
6、 e尽头为i计算 资源的所用量。 假设某虚拟机资源VMi的特征集合： Ri ri1,ri2,ri3,ri4,rim,m 1,5 其中， rim 表示一个 K维对角矩阵，分别表示CPU、内存的个数，带宽、费用及故障率 的倒数。 资源VMi的性能描述矩阵向量是： VMi Ei1,Ei2,Ei3,Ei4,Eim,m 1,5 其中Eim表示rim对应的特征值。 任务的 QoS 描述通常可以采用任务完成时间、网络带宽、费用、可靠性等参数指标来 量化 QoS，如任务完成时间的QoS 描述包括开始时间、全部完成时间、结束时间等，使用 时可选取任务全部完成时间作为评判指标。 通常第i类任务的一般期待向量可以描
7、述为： Ei ei1,ei2,ei3,ei4,eim,m 1,5 m 其中e im分别表示 CPU、内存、带宽等的一般期待，且满足： 2.3 蚁群算法寻找最优计算资源描述 eij 1 j 1 由于在云计算环境中，资源的具体情况不可知，且网络没有一个固定的拓扑结构，所以 整个云环境的结构和资源分布及其实际情况不可预知在这种情况下， 计算资源的位置 和质量对数据节点来说是不可知的利用蚁群算法，能够在未知的网络拓扑中查找出计算资源，并选择最 合适的一个或者几个分配给用户作业，直到满足用户需求当查找开始时，由slave 节点发出查询消 息，这些消息扮演着蚁群算法中蚂蚁的角色，所有的蚂蚁都遵从信息素多的
8、节点概率大， 信息素少 的节 点概率少的原则选择下一跳的节点，并在经过的路径节点上留下信息素 设资源选择的约束函数为 (t in j (E(t ,q q0 由公式 (2计算,q q0 个人资料整理仅限学习使用 j P t (e EL 0 ij (t E t t dij(t k ij (t E t ,j avid k 0,otherwise time_cost(t TL . bandwidth DL ij(t为t时刻，前向蚂蚁在 i节点上观察到j节点的信息索强度，P 为k号蚂 Cdelay(eij 蚁在 i点选择 j点的概率 ,avid(k为蚂蚁是的回避列表， tdij 为从节点 Bbandwi
9、dth(eij i到节点 j的线路质量，,和为信息素、线路质量和计算能力预测值的相对权重为防止 结果过快地收敛在局部最优解上，设定随机系数q 0,1，常数q 0,1，q0为QoS 标准，选 择资源和路径的过程就是在不满足QoS 的情况下寻找满足限定条件用来控制蚂 蚁直接选择信息素一线路质量比最大相邻节点的概率 3 算法调度工作流程 首先， 对用户的任务按优先级进行排序，然后进行分类，分类体现了用户任务对不 同QoS 的要求和偏好，并依据QoS 分类利用蚁群算法实施资源分配与调度，并将任务与资 源绑定，运行任务。其流程如下图所示： 图1 算法调度工作流程 Fig.1Algorithmschedu
10、lingworkflow 个人资料整理仅限学习使用 C P U 个 数 / 颗 带 宽 / M b / s 完 成 时 间 / s 4 实验仿真 用云计算仿真模拟工具CloudSim 来模拟一个云计算的局部域 4，以检查本算法在这种 特殊的网格环境中的运行情况。该软件支持模拟新兴的云计算基础设施和管理服务： 1支持建模和安装大规模云计算基础设施，包括在单一物理计算节点和java 虚拟机上 的数据中心。 2可对数据中心，服务代理，调度和分配策略进行建模。 3提供虚拟引擎， 有助于在一个数据中心节点上创建和管理多个，独立和协同的虚拟服 务。 4可以灵活地在共享空间和共享时间分配的处理核心之间切换。
11、在体系结构上， CloudSim仿真器采用分层的结构，自底向上由SimJava， GridSim ， CloudSim ，用户代码四个层次组成。下图分别为使用该算法和最优算法任务完成时间、计算 能力偏好类任务及带宽偏好类任 务比较图。 6000 4000 2000 0 6000 10000 12000 作 业任务数 / 个 最优时间算法 本文算法 图2任务完成时间比较图 Fig.2Taskcompletion time comparisonchart 6 5 4 3 2 1 0 ID0 ID1 ID2 ID3 最优时间算法 本文算法 图3计算能力偏好类任务比较图 Fig.3Computingp
12、owerpreferenceclass task comparison chart 4000 3000 2000 1000 0 ID4ID5 ID6ID7 子任务标识号 / 个 最优时间算法 本文算法 图4带宽偏好类任务比较图 Fig.4Bandwidthpreference classtaskcomparisonchart 个人资料整理仅限学习使用 5 结论 本文提出将基于QoS 任务分类和蚁群算法用于解决云计算平台下的资源分配与调度问 题，扩展了CloudSim 源代码并进行重新编译和生成，并在此扩展的仿真平台上对算法进行 了仿真分析。 通过将仿真实验结果与最优完成时间算法的仿真结果对比，
13、表明本文提出的算 法可以有效的执行用户的任务，并表现出更好的公平性和用户满意度。 参考文献 (References 1蒋海鸥，王希斌. 云计算中存储资源管理策略的探究J. 程序员， 2018，575） 2林清滢 . 基于 Hadoop的云计算模型 J. 现代计算机， 2018，7114） 3宋智玲 . 蚁群算法优化结点和聚类技术在复杂网络中发现社团的研究J. 实验室研究与探索，2018，29 7） 4GRIDSLaboratory.ANovelFrameworkforModelingandSimulationofCloudComputingInfrastructures andServicesOL.2018.3http:/www.cloudbus.org/cloudsim/ 5李秋云， 朱庆保， 马卫 . 用于连续域寻优的分组蚁群算法J. 计算机工程与应用， 2018，4630）：46 49. 6胡毅，龚斌，王风宇. 网格资源调度中基于云模型的蚁群算法J. 华中科技大学学报，2018，38I）： 6467.