1、云计算环境下多样性资源负载均衡高效调度方法 吴军英 辛锐 曹秀峰 国网河北省电力公司信息通信分公司 武汉理工大学计算机科学与技术学院 摘 要： 资源调度是云计算的重要问题之一, 调度策略对云系统性能及运营成本产生直接影响。为了更好满足用户需求, 在云计算环境下对多样性资源, 提出一种考虑性能及信任需求混合遗传和蚁群思想的负载均衡高效调度方法。依据云计算虚拟性和弹性化要求, 提出二级调度策略, 先从用户应用程序至虚拟机调度, 按照用户多样化需求, 将任务性能需求及信任需求作为考量情况, 分别通过综合性能效益参数值及综合信任效益参数值描述用户性能需求和信任需求。第二级调度为将任务配置给虚拟资源,
2、基于遗传和蚁群思想, 将分类后的任务个体根据适度值大小排序, 选取全局最优初始值, 通过蚁群搜索获得局部最优解, 从而完成多样性资源负载均衡调度过程。仿真实验证明, 运用文中资源负载均衡调度方法能够提升云计算系统资源利用效率。关键词： 云计算环境; 多样性资源; 负载均衡; 资源调度; 作者简介：吴军英 (1982-) , 男, 河北石家庄人, 硕士, 高级工程师, 研究方向:信息通信技术管理。收稿日期：2017-01-25Load Balancing and Efficient Scheduling Method for Diversity Resources in Cloud Comput
3、ing EnvironmentWu Junying Xin Rui Cao Xiufeng Stat Grid Hebei Information School of Computer Science and Technology, Wuhan University of Technology; Abstract： Resource scheduling is one of the important issues in cloud computing, scheduling policy has a direct impact on the performance and operating
4、 costs of cloud systems. In order to better meet the needs of users, in the cloud computing environment, a load balancing efficient scheduling method is proposed, which considers the performance and trust requirements of hybrid genetic and ant colony. On the basis of cloud computing requirements of
5、virtual and flexible, put forward two level scheduling strategy, starting from the user application to virtual machine scheduling, according to the diverse needs of users, the performance requirements and tasks as the measure of trust demand, respectively, benefit parameters describing user requirem
6、ents and performance requirements for trust and comprehensive channel through the comprehensive performance benefit value. Second level scheduling for the task allocation for virtual resources, genetic and ant colony based on the idea of the classification task according to individual fitness value
7、ranking, the global optimal selection of initial value, through the ant colony search getting a local optimal solution, thus completing the diversity of resource load balancing scheduling process. Simulation results show that the resource load balancing scheduling method can improve the resource uti
8、lization efficiency of cloud computing system.Keyword： cloud computing environment; diversity resources; load balancing; resource scheduling; Received： 2017-01-25云计算重点服务于多个用户1, 在技术研究领域中, 资源调度方面问题分析与研究成果并不多, 制约了云计算资源调度策略发展与进步。为管理与分配资源, 提高资源利用效果, 文献2提出 Google 资源调度法, 将 Google 平台建立于Map Reduce 结构上, Googl
9、e 具有庞大的数据中心, 用户需求提交后, 云数据中心系统按照域名系统, 将最近物理集群配置给用户, 开始搜索并将结果反馈给用户。文献3提出运用 Amazon 调度方法对资源进行调度。在用户使用资源前需提交申请内容, 例如资源类型、使用时间及数量等, 云数据中心根据用户提供信息选取合适集群, 使资源能够有效分配给用户。为使系统分配资源达到负载平衡目的, 本文提出一种考虑性能及信任需求混合遗传和蚁群思想的负载均衡高效调度方法。1 云计算环境下资源负载均衡高效调度方法1.1 云计算环境下任务调度分析云计算技术是全世界计算机技术前沿, 使动态可伸缩虚拟资源通过互联网, 运用各类服务方式根据用户需求进
10、行使用的计算模式4-7。根据云计算结构, 文中使用二级调度策略对多样性资源实现负载平衡调度过程。第一级调度时由用户应用程序开始至虚拟机间的调度过程。为更加准确描述用户不同需求对任务服务质量 (Qo S) 要求, 将需求分为两类, 即性能需求和信任需求8-10。运用隶属度函数表述用户对任务中每个服务质量属性获取的效益值, 描述性能 Qo S 属性效益值为:时间隶属度函数:式中:第 i 个任务在第 j 个虚拟机上执行时间由 Time (i, j) 表示;任务预期执行时间由 deadline 表示。费用效益函数:式中:第 i 个任务在第 j 个虚拟机上执行费用由 Cost (i, j) 表示;任务预
11、期执行费用由 budget 表示。根据上述两个函数, 利用综合效益函数描述任务性能服务质量性能效益值:式中:用户对时间及费用偏好程度由 、 表示, 其中 +=1。如果 值大, 则表明用户对时间偏好, 值大表明用户对费用偏好。信任 Qo S 属性效益值也可运用隶属度函数进行描述, 信任属性包括安全性及可靠性两个方面, 可表述效益值为:式中:用户需求安全性等级由 TSi表示;服务资源提供安全等级由 RSj表示;最高安全等级由 max level 表示。可行性等级隶属度函数描述为:式中:用户要求可靠度由 TR 表示;服务资源提供此次任务可靠度由 RRi, j表示。根据上述两个隶属度函数, 运用综合效
12、益函数描述综合信任效益值为:式中:用户对安全性及可靠度偏好程度由 1和 2表示。在一级调度过程中, 考虑性能要求和信任需求对用户要求进行精确描述。1.2 基于遗传与蚁群思想的负载均衡调度策略将资源 R 离散成 m 个资源节点, 任务离散为 n 个任务节点, 编码模式运用自然数据编码, 每条染色体为一个解, 设定第 j 个任务配置给 i 个资源时状态是 Cij, 定义变量并进行初始化操作。初始父代个体生成, 产生 N 个个体当作初始群体, 设定最大进化代数计算器及最大进化数;对父代个体进行杂交计算, 利用改进排列方式产生配对染色体, 选取一对父代个体当作双亲, 组合操作后生成子代个体 p1;父代
13、个体产生后需进行变异运算, 运用改进移动变异算子实现变异过程。通过遗传思想操作后获取子代个体, 按照适度值大小排序, 选取最优秀 S 个个体当作初值, 利用蚁群思想搜索获取局部最优解。初始化后, 选取一定数量蚂蚁随机放入节点集中, 每只蚂蚁在集合中进行路径行走, 描述第 k 只蚂蚁在 t时刻选取节点 xij的转移概率为:式中:信息启发式因子由 a 表示;t 时刻启发函数由 ij (t) 表示;t 时刻节点xij上信息素由 ij (t) 表示;禁忌表由 tabuN表示;第 k 只蚂蚁信息素由 Tij (t) 表示。信息素更新过程描述为:式中:C 表示常数;信息素增量由 T ij (t) 表示。通
14、过蚁群搜索过程获取局部最优解, 满足精度需求达到资源负载平衡状态, 自动停止搜索过程。2 仿真实验及结果分析实验采用某大学开发的云计算仿真工具 Cloud Sim2.1 模拟并检验文中方法调度效果。(1) 实验 1:运用 150 个物理主机节点构成云计算环境, 研究 150 到 1050 个独立任务集调度情况。安全性级别设定为poor, low, medium, high, 用户任务请求安全性及服务资源供给的安全性随机分布在该区间内。服务质量要求包含性能要求和信任要求, 性能和信任 Qo S 效益函数中将偏好程度设定为 3 种情况, 分别为 (0.7, 0.3) , (0.5, 0.5) ,
15、(0.3, 0.7) , 三种情况分别表示偏好性能型任务, 无偏好型任务和信任型任务, 为能够准确描述用户偏好需求, 利用文中考虑服务质量要求混合遗传和蚁群思想的负载均衡高效调度方法及基于信任关系的 Min-min 调度方法, 具体在三种偏好程度情况下平均综合效益比较图如图 13 所示。图 1 用户偏好情况为性能型, 通过运用以上两种方法对平均综合效益值进行计算后, 获取曲线可以看出, 文中方法计算曲线值整体趋势大于基于信任关系的Min-min 调度方法计算结果, 根据任务分配虚拟机资源时的特性, 执行任务过程中选取综合效益值高的虚拟机进行资源配置, 因此从用户偏好性能型角度看, 运用文中方法
16、可使资源优先配置。再观察图 2 和图 3, 分别为无偏好型及信任偏好型情况下, 运用上述两种方法进行综合效益值计算, 图 2 与图 3 中综合效益值都为文中方法计算值更高, 表明在无偏好情况及信任偏好情况下, 运用文中方法都可获取较高综合效益值, 能够实现优先配置资源的目的。负载均衡度为每个物理主机间负载均衡大小程度, 运用如下负载均方差公式描述两种调度过程中资源负载均衡程度, 具体负载均衡程度曲线如图 4 所示。式中:物理主机负载由 Loadj表示;物理主机平均负载由 Loadavg表示;m 为常数。通过对比资源调度负载均衡程度, 可看出运用文中方法在资源调度过程中负载程度值低于 Min-m
17、in 调度方法资源调度过程中负载程度值, 若负载程度值过大表明物理主机间负载重, 影响资源调度效果, 容易造成资源浪费情况, 因此对比两种方法可看出, 运用文中方法进行资源调度负载程度低, 调度效果好。(2) 实验 2:仿真环境同上, 运用文中方法及基于信任关系的 Min-min 调度方法对 100、200、300、400、500 个子任务进行资源调度, 对比利用两种方法进行调度过程中任务执行时间差异。具体如表 1 所示。通过设定不同子任务执行数量, 运用两种方法实行资源调度, 结果显示运用基于信任关系的 Min-min 调度方法对资源调度耗时是文中方法耗时 3 倍, 由于耗时严重问题将直接导
18、致资源浪费且负载过重, 使云计算系统运行性能下降。而运用文中方法不仅迭代次数少, 执行资源调度任务时耗时少, 具有明显优势。图 1 性能偏好型综合效益值曲线 Fig.1 Performaannccee pprreeffeerreennccee ttyyppee ccoommpprreehheennssiivve benefit value ccuurrvvee 下载原图图 2 无偏好型综合效益值曲线 Fig.2 No preference type comprehensive benefit value curve 下载原图图 3 信任偏好型综合效益值曲线 Fig.3 The comprehe
19、nsive benefit value curve of trust preference 下载原图图 4 负载均衡程度比较 Fig.4 Comparison of load balancing degree 下载原图表 1 两种方法执行调度任务耗时 Table 1 Two methods of scheduling tasks time-consuming 下载原表 3 结论提出考虑性能及信任需求混合遗传和蚁群思想的负载均衡高效调度方法。依据云计算虚拟性和弹性化要求, 提出二级调度策略。二级调度为将任务分配至虚拟资源, 利用遗传和蚁群思想, 使分类后的任务个体依据适度值大小排序, 选择全局最
20、优初始值, 通过蚁群搜索获得局部最优解, 完成资源负载均衡调度。参考文献1郭雪.云计算服务责任险发展情况研究J.信息通信技术, 2016, 10 (2) :12-15. 2陈黄科, 祝江汉, 朱晓敏, 等.云计算中资源延迟感知的实时任务调度方法J.计算机研究与发展, 2017, 54 (2) :446-456. 3陈斌, 东一舟, 毛明荣.基于任务迁移和需求控制的云计算成组调度性能及代价评估J.物联网技术, 2016, 6 (5) :94-98. 4海江.一种改进云计算虚拟资源负载均衡调度方案J.控制工程, 2017, 24 (1) :100-105. 5石慧, 李俊杰, 谢志明, 等.NSG
21、A多目标均值聚类的云计算虚拟资源调度研究磁J.计算机与数字工程, 2016, 44 (9) :1681-1686. 6薛涛, 刘龙.云计算中虚拟机资源自动配置技术的研究J.计算机应用研究, 2016, 33 (3) :759-764. 7匡珍春, 谢仕义.基于猫群优化算法的云计算虚拟机资源负载均衡调度J.吉林大学学报:理学版, 2016, 54 (5) :1117-1122. 8骆焦煌.异常网络环境下云计算资源需求策略J.吉林大学学报:理学版, 2017, 55 (4) :964-968. 9张润莲, 高意球, 何庆志.基于 Qo S 属性的云服务信任计算方法J.计算机工程与设计, 2016, 37 (2) :354-357. 10李爽.基于云计算服务质量感知的虚拟机节能管理研究J.计算技术与自动化, 2017, 36 (1) :155-160.
