云計算資源多目標(biāo)優(yōu)化調(diào)度方法在移動端子系統(tǒng)中的應(yīng)用

孟令璽　劉英偉　孟令威

摘 要：云計算平臺虛擬化技術(shù)的出現(xiàn)使得各類應(yīng)用資源的按需動態(tài)配置成為可能，大大提高了資源的利用率。共享資源池的出現(xiàn)，使云環(huán)境中服務(wù)器的數(shù)量得到減少，從而增加了云服務(wù)提供商的收益。負(fù)載均衡可以實現(xiàn)物理資源和虛擬資源消耗的匹配。通過云計算資源，人們可以采用MOGA-D算法，將多目標(biāo)優(yōu)化調(diào)度方法應(yīng)用在移動端子系統(tǒng)中，實現(xiàn)最終的資源調(diào)度。對比實驗結(jié)果表明，與傳統(tǒng)方法相比，該方法具有更加突出的有效性。

關(guān)鍵詞：移動端;云計算;多目標(biāo)優(yōu)化調(diào)度

中圖分類號：TP311.52 文獻標(biāo)識碼：A 文章編號：1003-5168（2019）35-0027-03

Application of Multi-objective Optimal Scheduling Method of

Cloud Computing Resources in Mobile Terminal System

MENG Lingxi LIU Yingwei MENG Lingwei

（School of Humanities and Information， Changchun University of Technology，Changchun Jilin 130000）

Abstract： TThe advent of cloud computing platform virtualization technology makes it possible to dynamically configure various application resources on demand， which greatly improves the utilization rate of resources. The emergence of shared resource pools has reduced the number of servers in the cloud environment， thereby increasing the revenue of cloud service providers. Load balancing can match the consumption of physical resources and virtual resources. Through cloud computing resources， people can use the MOGA-D algorithm to apply the multi-objective optimized scheduling method to mobile terminal systems to achieve the ultimate resource scheduling. The comparison test results show that the method has more prominent effectiveness than the traditional method.

Keywords： mobile;cloud computing;multi-objective optimal scheduling

移動終端是指可以在移動中使用的計算機設(shè)備，它可以分為兩類，一類為模擬移動終端，如數(shù)字蜂窩電話和模擬蜂窩電話，另一類為數(shù)字移動終端。移動終端具有極強的便攜性，客戶端子系統(tǒng)主要由平板電腦、智能手機等手持移動設(shè)備組成，這些設(shè)備將代替服務(wù)器智能地發(fā)出請求，將所需要的分塊緩存或下載到本地運行，以滿足服務(wù)需求[1，2]。

1 云計算資源多目標(biāo)優(yōu)化調(diào)度方法

采用云計算的方式，用戶就可以通過網(wǎng)絡(luò)將需要處理的數(shù)據(jù)發(fā)送到云計算終端的數(shù)據(jù)中心，由數(shù)據(jù)中心對數(shù)據(jù)進行處理，并及時將處理結(jié)果反饋給用戶，資源的使用率得到大幅提高，減少了所消耗的資源，這樣有助于“節(jié)能減排”[3-5]。目前，如何減少激活服務(wù)器的數(shù)量是云平臺節(jié)約型資源調(diào)度方法需要解決的問題，從而達到節(jié)能的目的，實現(xiàn)綠色計算。綜上，本文提出了一種考慮物理節(jié)點穩(wěn)定性的節(jié)能型多目標(biāo)資源優(yōu)化調(diào)度方法。

1.1 負(fù)載均衡

對數(shù)據(jù)中心整體而言，負(fù)載均衡程度是指各物理機負(fù)載量的相對平衡，防止出現(xiàn)“熱點”現(xiàn)象;而從單個物理服務(wù)器角度來說，負(fù)載均衡程度是指各物理資源（內(nèi)部網(wǎng)絡(luò)帶寬和內(nèi)存等）的使用相對平衡。“負(fù)載-資源-能耗”關(guān)系如圖1所示。

負(fù)載均衡度計算方法如下：

[Degreem=（uCPU-umemory）2+（uCPU-ubandwidth）2+（umemory-ubandwidth）2]? ? ? （1）

式中，[uCPU]為物理機利用率;[umemory]為內(nèi)存利用率;[ubandwidth]為網(wǎng)絡(luò)帶寬使用率;[Degreem]為根據(jù)虛擬機實際運行數(shù)據(jù)得到的物理機m各類資源消耗的均衡程度，也就是物理機資源配置與所承載的虛擬資源消耗的匹配程度。

1.2 基于MOGA-D算法的多目標(biāo)優(yōu)化調(diào)度方法

云計算環(huán)境下資源的調(diào)度問題不只是某些單個目標(biāo)的多目標(biāo)優(yōu)化問題，需要考慮的往往還包括服務(wù)器負(fù)載、服務(wù)質(zhì)量和節(jié)能等多方面因素，傳統(tǒng)的求解單目標(biāo)方案往往不能滿足要求。為此，本研究提出了基于MOGA-D算法的資源多目標(biāo)優(yōu)化調(diào)度方法，調(diào)度關(guān)系如圖2所示。

圖2 多目標(biāo)優(yōu)化調(diào)度關(guān)系

MOEA/D的分解思想是：首先對求解空間進行分解，再將多目標(biāo)求解轉(zhuǎn)化為在[N]個子空間中求解單目標(biāo)的優(yōu)化問題，與其他多目標(biāo)優(yōu)化算法不同的是，沒有將多目標(biāo)問題整合為一個整體進行處理。其中利用聚合方法將子空間中的解由一個多目標(biāo)問題轉(zhuǎn)化為求解一個單目標(biāo)問題。

利用切比雪夫聚合方法將一個多目標(biāo)問題轉(zhuǎn)化為求解一個單目標(biāo)問題：

[min imize gte（x/y，z*）=max1≤i≤mλifi（x）-z*i]? ? ? ? ? （2）

式中，[λi]為權(quán)向量;[z*]為參考點，且取值為目標(biāo)值中最優(yōu)解;[i]為種群個數(shù);[m]為目標(biāo)數(shù);[gte（x/y，z*）]為切比雪夫數(shù)值;[fi（x）]為目標(biāo)函數(shù)值。

經(jīng)過多目標(biāo)問題轉(zhuǎn)化，計算每個均勻分布的權(quán)重向量的鄰域，經(jīng)過初始化，在[p]個種群中選取當(dāng)前個體[pi]，再從[p]中選取個體[pi]的鄰域個體[pj]，經(jīng)過交叉計算求得新個體[px]，經(jīng)過變異計算，獲取變異個體[p′x]，對[px]和[p′x]進行適度函數(shù)計算，求得最優(yōu)解。

2 多目標(biāo)優(yōu)化調(diào)度方法在移動端子系統(tǒng)的應(yīng)用

智能移動終端已深入人們的日常生活中，隨著科技的發(fā)展，移動終端所能承載的應(yīng)用程序越來越豐富，豐富了人們的生活，但是受電池能量損耗及處理能力等限制，其復(fù)雜資源調(diào)度存在困難。為此，將基于MOGA-D算法的多目標(biāo)優(yōu)化調(diào)度方法應(yīng)用于移動端子系統(tǒng)中，以增加子系統(tǒng)的資源調(diào)度速度，并保證物理節(jié)點的穩(wěn)定性，提升移動端的使用性能。

客戶端子系統(tǒng)采用P2P的網(wǎng)絡(luò)結(jié)構(gòu)，P2P網(wǎng)絡(luò)對等點使用移動設(shè)備，該設(shè)備既可以作為服務(wù)器將自己緩存的資源提供給其他移動設(shè)備，也可以作為客戶端從其他移動設(shè)備中獲得自己需要的資源。混合式P2P結(jié)構(gòu)以服務(wù)網(wǎng)格作為中央節(jié)點，搜集多目標(biāo)優(yōu)化調(diào)度動態(tài)變化資源信息，向各個移動設(shè)備節(jié)點提供服務(wù)，各個移動設(shè)備緩存的資源信息由網(wǎng)格服務(wù)負(fù)責(zé)收集。

在移動設(shè)備智能代理服務(wù)器的通信方面，由移動設(shè)備發(fā)送查詢調(diào)度方法的請求信息，需要包含分塊自身的配置信息（處理能力、內(nèi)存和CPU大小）、功能的描述、執(zhí)行環(huán)境（內(nèi)存利用率、CPU利用率）等參數(shù)。移動設(shè)備只需要向終端發(fā)送所需要任務(wù)的請求信息，然后等待接受所需要的智能代理服務(wù)器返回的資源，而對資源的選擇和請求信息的處理均由智能代理服務(wù)器負(fù)責(zé)，這樣移動設(shè)備就省去了自行計算等步驟，避免了不必要的損耗。

綜上，基于云計算，人們可以實現(xiàn)移動端子系統(tǒng)的資源多目標(biāo)優(yōu)化調(diào)度。其主要通過網(wǎng)絡(luò)連接或是大型數(shù)據(jù)中心中計算資源的訪問，形成一個計算資源池，以便進行統(tǒng)一的調(diào)度管理，最終實現(xiàn)云計算資源多目標(biāo)優(yōu)化調(diào)度方法在移動端子系統(tǒng)中的應(yīng)用。為了驗證該方法能否在移動端子系統(tǒng)中得到很好應(yīng)用，采用仿真實驗的方式進行了驗證。

3 實驗對比

以上部分從理論上論證了基于MOGA-D算法的調(diào)度方法的可行性，并詳細(xì)說明了其在不同移動端子系統(tǒng)中的應(yīng)用。為了證實該方法在移動端子系統(tǒng)中應(yīng)用的有效性，本研究進行了對比實驗，從任務(wù)完成時間和物理節(jié)點穩(wěn)定性兩方面進行對比驗證。實驗中設(shè)MOGA-D算法為實驗組，粒子群算法為對照組。

3.1 實驗準(zhǔn)備

實驗均在Dell optiplex上進行，Dell optiplex配置有第四代Intel Core i5 CPU、8GB內(nèi)存和1TB硬盤，采用兩種調(diào)度方法，分別對任務(wù)完成時間和物理節(jié)點穩(wěn)定性進行實驗。

3.2 實驗結(jié)果與分析

將對比實驗所得的兩組數(shù)據(jù)記錄下來，并相應(yīng)繪制對比圖，如圖3所示。

由圖3的兩種數(shù)據(jù)可知，在種群大小一定的情況下，采用本文方法需要的運行時間要比粒子群算法對照組消耗的時間短很多。因此，在移動端子系統(tǒng)中進行云計算資源多目標(biāo)優(yōu)化調(diào)度時，引入MOGA-D算法可有效縮短耗時，提高系統(tǒng)利用率，具有一定的優(yōu)勢。

4 結(jié)語

將云計算資源多目標(biāo)優(yōu)化調(diào)度方法應(yīng)用于移動端子系統(tǒng)中，通過負(fù)載均衡、多目標(biāo)優(yōu)化等分析設(shè)計，實現(xiàn)資源調(diào)度，并將該方法應(yīng)用于移動端中。基于MOGA-D算法的多目標(biāo)優(yōu)化調(diào)度方法，本文對云計算資源多目標(biāo)優(yōu)化調(diào)度方法在移動端子系統(tǒng)中的應(yīng)用情況進行分析。經(jīng)過對比實驗，筆者驗證了方法的有效性。結(jié)果發(fā)現(xiàn)，MOGA-D算法可有效優(yōu)化移動端子系統(tǒng)的資源調(diào)度情況，但對于使用環(huán)境的變化，還需要進一步進行驗證。

參考文獻：

[1]楊愛華.云計算下的蟻群優(yōu)化算法資源調(diào)度研究[J].通化師范學(xué)院學(xué)報，2019（8）：1-5.

[2]祝旭.綠色云計算數(shù)據(jù)中心能耗資源調(diào)度優(yōu)化關(guān)鍵技術(shù)研究[J].無線互聯(lián)科技，2019（11）：118-119.

[3]呂騰飛，陳世平.基于包簇映射的云計算資源分配策略[J].上海理工大學(xué)學(xué)報，2019（3）：260-266.

[4]黃偉建，辛風(fēng)俊，黃遠.基于混沌貓群算法的云計算多目標(biāo)任務(wù)調(diào)度[J].微電子學(xué)與計算機，2019（6）：55-59.

[5]葉符明，李雯婷，王穎.MC2ETS：移動云計算中一種能效任務(wù)調(diào)度算法[J].計算機科學(xué)，2019（6）：135-142.