云計算環境下的復雜數據庫并行調度模型仿真

魏博

在云計算的大環境下，數據庫的調度是非常重要的一個環節，數據庫的有效調度關系到云計算的整體運行，而能夠有效地對于復雜的數據庫進行快速調度，不僅需要多服務器合作，同時也可能涉及多個數據庫之間的數據篩選與查找，而問題的難點在于，不同的數據庫在計算機語句設置方面也是不同的，這就意味著查詢和篩選的規則以及具體的語言邏輯存在著差異性，這種差異也會影響數據有效調度的效率。基于以上問題，筆者提出一種新的數據庫調度方法，其主要基于數據相互混沌的特征，實現復雜數據庫的調度。通過并行數據調度技術與混沌優先級因子兩種方式的有機結合投入到具體的尋優調度計算中，不僅能夠快速將混沌特征進行獲取，同時能夠結合時間序列計算出具體的數據節點的任務量，最終建立優化模型。結果表明，這一改進模型對于復雜數據庫的數據調度有一定的積極作用。

伴隨著信息技術的快速發展，互聯網+、云平臺云計算應運而生，在大數據時代下，計算機信息網絡已走入千家萬戶，數據中心也迎來了高速發展的新時代，面向高功率密度的方向穩步向前，在數據中心的快速發展過程中，成本高一級耗能高等問題也逐漸暴露，成為了阻礙其發展的關鍵因素，同時也存在著一定的數據丟失風險問題，因此建立數據庫非常重要，但是數據調度因數量大、標準不一、復雜性高等特點，實現難度大，而復雜數據庫并行調度則更具可行性。

一、優化原理

在對于復雜數據庫進行有效調度時，傳統的調度方式因其局限性而備受詬病，其實現的可能性不高且效率低，而動態性以及具體的任務的異構型也會對其產生較大的影響，因此，筆者認為，混沌特征的算法在對于復雜數據庫數據調度時更具有優勢。

（一）關于混沌特征提取策略

將待分派的兩個或者多個任務通過并行的方式收集負債信息，它是云計算環境下復雜數據并行調度的主要內容，并行調度包含了靜態調度以及動態調度的特點，能夠通過自身的特點將兩者存在的不足進行有效的彌補 。在進行數據庫并行調度過程中，它的時間順序具備明顯的混沌性特征，而通過該特征能夠對均勻的便利特性以及差分特性進行詳細計算，該方式能夠大幅度提高搜索能力，能夠給復雜數據庫運行調度運行提供了保障，具體的內容如下所示。

1. 運行過程將采集數據庫調度時間設置為序列順序基礎，并且按照可調節穩定性控制集合曲，其表達公式為：

節點在混沌特征獲取的環節中，可以被分成3種形式，分別為平載、輕載以及荷載。在實踐過程中，若節點判斷成平載時，就會自動轉入用戶階段；當判為輕載時，當獲取到負荷值時，也會轉到用戶階段；而判為超載時，當超載任務移除后，其結果與前面兩者一致。

2. 在調度尋優計算過程，將并行技術和混沌因子并合，將混沌存在的特性進行求取，同時，對調度時間順序的適應值定義mf ；具體的表達公式如下：

二、結果

為了能夠有效驗證本文提出的方案，需要對數據庫并行調度方案進行驗證，研究實驗工具主要有：CPU設備（4G內存），100G自由空間硬盤，專用網卡2M，操作系統方面，根據實驗的需要，選擇RedHat AS 4。

實驗過程，主要選擇傳統模型與優化后的模型，在復雜環境下進行調度實驗，對兩則獲取的結果進行對比。

由圖可發現，不同模型進行數據庫并行調度的過程中，它會隨著數據數量的增加，平均的吞葉率會持續增加，但是，優化改進后的算法數據庫，實施數據并行調度時，相比于傳統的方式其效率遠遠會更高，并且它能夠有效的確保并行調度的荷載負荷效率與調度時間，其性能遠遠超出傳統方式，這也就意味著，改進模型要比傳統模型效果更佳。

三、結束語

處于云計算環境下，復雜數據庫并行調度時，通過傳統的模型方式很難滿足實際的運行需要，它的動態性與異構性得不到保障，并且在眾多的因素影響下，傳統模型會出現崩潰的問題，而復雜數據庫并行調度模型真是在這種環境下產生的，該模型的應用主要是通過有效結合并行技術與混沌因子，使其能夠到調度中計算，且將混沌的特征獲取。且在掌握相關的性能特征后，全面的將搜索能力提高。通過將任務量計算后獲取全部的調度需求從而能夠給模型的建立提供參數支持。同時，在運行過程中，按照數據目標的節點傳輸的特征。全面計算節點數據的任務，當任務結果計算完成后，按照結果在復雜環境下實施并行調度模型構建。通過實驗結果可知，通過該方式的應用，能夠切實提高復雜數據庫調度的效率，同時，在一定的程度上大大的增加了系統的吞葉量，該結果滿足云計算環境下復雜數據庫運行的設計目標。