云計算環(huán)境下差異化資源的合理調(diào)度模型改進

陳榕利++陳曉忠++方興

摘 要： 在云計算環(huán)境下，需要對鏈路節(jié)點之間差異化資源進行合理調(diào)度，以提高云計算中心網(wǎng)絡(luò)的負載均衡性及進程管理效率。針對當前調(diào)度模型的實時性和均衡性不好的問題，提出一種基于時分多址協(xié)議的云計算環(huán)境下差異化資源合理調(diào)度模型。首先構(gòu)建云計算環(huán)境下差異化資源的傳輸信道模型，進行資源傳輸?shù)呢撦d均衡設(shè)計，采用時分多址協(xié)議進行時隙均衡分配，提高差異化資源的調(diào)度合理性。仿真結(jié)果表明，采用該模型進行云計算環(huán)境下差異化資源調(diào)度，資源信息的召回性較好，數(shù)據(jù)傳輸?shù)谋Ｕ娑容^高，具有一定的優(yōu)越性。

關(guān)鍵詞： 云計算環(huán)境； 差異化資源； 調(diào)度模型； 負載均衡設(shè)計

中圖分類號： TN911?34； TP391.9 文獻標識碼： A 文章編號： 1004?373X（2017）12?0152?03

Abstract： In the cloud computing environment， it is necessary to make reasonable schedule of the differentiated resources between link nodes to improve the load balance and the process management efficiency of the cloud computing center network. In view of the problems of poor real?time performance and poor balance of the current scheduling model， a differentiated resources′ reasonable scheduling model based on time division multiple access protocol is proposed. Firstly， a transmission channel model of the differentiated resources in cloud computing environment is established for load balancing design of transmission resources， and then time slot equilibrium assignment is conducted with the time division multiple access protocol to improve scheduling rationality of the differentiated resources. The simulation results show that the proposed model has better recall performance for resource information and high data transmission fidelity while doing the differentiated resource scheduling in the cloud computing environment.

Keywords： cloud computing environment； differentiated resource； scheduling model； load equilibrium design

隨著大數(shù)據(jù)信息處理技術(shù)的發(fā)展，采用云計算方法進行數(shù)據(jù)傳輸和調(diào)度能有效提高數(shù)據(jù)分析和計算的效率，私有云平臺是通過Internet構(gòu)建IaaS（Infrastructure as a Service）完成計算機基礎(chǔ)設(shè)施獲得服務(wù)云計算數(shù)據(jù)處理中心，通過構(gòu)建IaaS私有云平臺云數(shù)據(jù)交互網(wǎng)絡(luò)模型，提供給消費者的計算基礎(chǔ)設(shè)施服務(wù)，包括處理CPU、內(nèi)存、存儲、網(wǎng)絡(luò)和其他基本的計算資源[1?2]。在云計算環(huán)境下進行私有云平臺的差異化資源調(diào)度，受到資源差異性特征的干擾，而且各種信息之間相互穿插，容易出現(xiàn)資源調(diào)度中信道失衡和負載超量[3]，需要進行云計算環(huán)境下差異化資源的合理調(diào)度模型改進設(shè)計，對改善云計算的系統(tǒng)控制性能，提高云資源平臺中差異化資源利用和傳輸效率具有積極作用[4?5]。

1 差異化資源的合理調(diào)度模型設(shè)計

1.1 時分多址協(xié)議設(shè)計

在構(gòu)建了云計算環(huán)境下差異化資源的傳輸信道模型的基礎(chǔ)上[6]，進行云計算環(huán)境下差異化資源合理調(diào)度模型設(shè)計，為了克服當前調(diào)度模型的實時性和均衡性不好的問題，本文提出一種基于時分多址協(xié)議的云計算環(huán)境下差異化資源合理調(diào)度模型。進行資源傳輸?shù)呢撦d均衡設(shè)計，采用時分多址協(xié)議進行時隙均衡分配，提高差異化資源的調(diào)度合理性，假設(shè)差異化資源的種類屬性為，則資源分布集合的優(yōu)先級屬性可以表示為。通常情況下，云計算環(huán)境下的差異化資源傳輸通信的傳播衰減具有隨機性，用隨機變量表示差異化資源傳輸信道對加權(quán)向量的功耗需求，根據(jù)需求、信道流量、信道阻抗三者之間的關(guān)系可得：

在時間段內(nèi)，差異化資源出現(xiàn)了次，在時分多址協(xié)議控制下，進行負載均衡調(diào)度。

1.2 差異化資源合理調(diào)度模型

根據(jù)上述設(shè)計的時分多址協(xié)議進行資源傳輸?shù)呢撦d均衡設(shè)計，設(shè)計過程描述為：

對于每一個云計算環(huán)境下差異化資源傳輸分簇調(diào)度單元[8]，在高效時分多址協(xié)議下進行數(shù)據(jù)傳輸?shù)亩S平面調(diào)度的離散采樣集合：

2 實驗測試分析

對云計算環(huán)境下差異化資源的調(diào)度模型的仿真測試平臺建立在NS?2.27和NS軟件基礎(chǔ)上，采用Matlab 7 仿真工具進行模型的算法編程設(shè)計，實驗的計算機硬件配置參數(shù)為CPU 3.0 GHz，內(nèi)存12 GB，操作系統(tǒng)為Windows 7。

差異化資源傳輸?shù)男畔⒃磾?shù)量近5 000個，云計算環(huán)境中數(shù)據(jù)采樣的長度為1 024，差異化資源數(shù)據(jù)包的最大值為1 892 KB，全局迭代次數(shù)為500次，時隙分配的幅值取為，調(diào)度時長t取0～0.25 s，資源信息的采樣頻率為2 048 Hz。

根據(jù)上述仿真環(huán)境設(shè)定，構(gòu)建云計算環(huán)境下差異化資源的傳輸信道模型，進行資源傳輸?shù)呢撦d均衡設(shè)計，實現(xiàn)差異化資源合理調(diào)度，圖3為資源調(diào)度中的數(shù)據(jù)傳輸?shù)臅r域波形。

由圖3可見，采用該模型進行差異化資源調(diào)度，云數(shù)據(jù)傳輸具有較好的負載均衡性，實現(xiàn)了對差異化資源的高效調(diào)度，有效解決了差異化資源信息流擾動帶來的誤差干擾的問題，提高了調(diào)度的合理性。

圖4給出了不同方法進行資源調(diào)度的數(shù)據(jù)召回性能對比結(jié)果，分析得知，采用本文方法進行差異化資源調(diào)度，采用時分多址協(xié)議進行時隙均衡分配，提高了數(shù)據(jù)召回性能，保障了數(shù)據(jù)傳輸調(diào)度中具有較高的保真度。

3 結(jié) 語

本文研究了云資源調(diào)度問題，在云計算環(huán)境下，需要對鏈路節(jié)點之間差異化資源進行合理調(diào)度，以提高云計算中心網(wǎng)絡(luò)的負載均衡性及進程管理效率。本文提出一種基于時分多址協(xié)議的云計算環(huán)境下差異化資源合理調(diào)度模型。首先構(gòu)建云計算環(huán)境下差異化資源的傳輸信道模型，進行資源傳輸?shù)呢撦d均衡設(shè)計，采用時分多址協(xié)議進行時隙均衡分配，提高差異化資源的調(diào)度合理性。仿真結(jié)果表明，采用該模型進行云計算環(huán)境下差異化資源調(diào)度，資源信息的召回性較好，數(shù)據(jù)傳輸?shù)谋Ｕ娑容^高，在資源調(diào)度中具有較高的應(yīng)用價值，展示了本文模型的優(yōu)越性能。

參考文獻

[1] 崔永君，張永花.基于特征尺度均衡的Linux系統(tǒng)雙閾值任務(wù)調(diào)度算法[J].計算機科學(xué)，2015，42（6）：181?184.

[2] 王躍飛，于炯，魯亮.面向內(nèi)存云的數(shù)據(jù)塊索引方法[J].計算機應(yīng)用，2016，36（5）：1222?1227.

[3] EI O F. Supply quality management with optimal wholesale price and revenue sharing contracts： A two?stage game approach [J]. International journal of production economics， 2014， 156（5）： 260?268.

[4] CHUTANI A， SETHI S P. Optimal advertising and pricing in a dynamic durable goods supply chain [J]. Journal of optimization theory and applications， 2012， 154（2）： 615?643.

[5] MORENO?SALINAS D， PASCOAL A M， ARANDA J. Optimal sensor placement for multiple target positioning with range?only measurements in two?dimensional scenarios [J]. Sensors， 2013， 13（8）： 10674?10710.

[6] LEE W， BANG H， LEEGHIM H. Cooperative localization between small UAVs using a combination of heterogeneous sensors [J]. Aerospace science and technology， 2013， 27（1）： 105?111.

[7] AINOMAE A， TRUMP T， BENGTSSON M. Distributed diffusion LMS based energy detection [C]// Proceedings of 2014 6th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops （ICUMT）. Petersburg： [s.n.]， 2014： 176?183.

[8] CATTIVELLI F S， SAYED A H. Distributed detection over adaptive networks using diffusion adaptation [J]. IEEE transactions on signal processing， 2011， 59（5）： 1917?1932.