云環(huán)境下分級資源分配模型的研究.pdf

1、隨著信息產(chǎn)業(yè)的急速發(fā)展，迎來了大數(shù)據(jù)的時代。網(wǎng)絡中數(shù)據(jù)量的劇增給已經(jīng)成熟的網(wǎng)絡結(jié)構(gòu)提出了巨大的挑戰(zhàn)。云計算是依托成熟的虛擬化技術(shù)，從網(wǎng)格計算、分布式計算和協(xié)同計算的基礎上發(fā)展出來的。而云環(huán)境具有異構(gòu)性和動態(tài)性，如何根據(jù)用戶及任務的特點和需求進行資源的合理分配是需要解決的重要問題之一。
　　針對大型云計算環(huán)境下的多節(jié)點協(xié)作問題建立了動態(tài)分級的網(wǎng)絡計算模型，并進一步提出了動態(tài)分級的資源分配算法(Dynamically Hierarch

2、ical Resource-AllocationAlgorithm，DHRA)。動態(tài)分級網(wǎng)絡計算模型采用模糊模式識別理論，根據(jù)任務和資源節(jié)點的信息將其動態(tài)地分為不同的等級。從而形成動態(tài)分級的網(wǎng)絡計算模型。因此對于每個任務只需要在相應等級的節(jié)點中尋找合適的節(jié)點執(zhí)行即可，有效地減小了問題的規(guī)模。在此基礎上，在資源分配算法中引入多Agent機制，增加了系統(tǒng)的可靠性和自主性。綜合考慮了任務的完成時間、節(jié)點的負載、系統(tǒng)通信量等因素，使得算法在各方

3、面都有較好的性能和效率。對于由大型應用分解的相互關(guān)聯(lián)子任務的并行計算問題，由于所有任務的計算量和所需資源等信息都是已知的，采用隨機搜索類算法中的遺傳算法。并為了實現(xiàn)多方面的性能優(yōu)化，提出多目標遺傳算法(Multi-Object Genetic Algorithm，MOGA)。采用任務完成時間和任務節(jié)點相關(guān)性兩個適應度函數(shù)共同控制種群的進化方向。實現(xiàn)了在保證完成時間的前提下減少通信量的目的。
　　對于DHRA算法和傳統(tǒng)的協(xié)商算法產(chǎn)生

4、的通信量，進行了定量的理論分析，證明DHRA算法可以有效地減少系統(tǒng)通信量。并且對DHRA算法和MOGA算法在不同的任務和節(jié)點數(shù)時進行多組仿真實驗。將DHRA算法與MinMin算法進行對比，DHRA算法有效地減少的系統(tǒng)通信量的產(chǎn)生，同時保證任務完成時間也有一定的減少。有效地提高了系統(tǒng)的穩(wěn)定性和執(zhí)行效率。同樣地，對MOGA算法與傳統(tǒng)GA算法進行比較，在相同的條件下MOGA算法獲得了比傳統(tǒng)遺傳算法更少的任務完成時間和通信量。都有效地提高了系統(tǒng)