云計算的并行計算能力是實現(xiàn)大數(shù)據(jù)高效處理的基礎(chǔ),多任務部署策略對云計算下高效并行計算有重要影響。提出一種新的任務部署方案LB-BC,將聚類分析與貝葉斯定理相結(jié)合,實現(xiàn)了長時間的負載均衡。為了提高節(jié)能優(yōu)化的強度,接著提出了一種具有節(jié)能感知功能的啟發(fā)式虛擬機動態(tài)遷移位置選取方案,以人工蜂群算法為基礎(chǔ)與動態(tài)虛擬機遷移資源的調(diào)度過程相配合,有效地解決了當前虛擬機動態(tài)遷移方案的問題,同時還能對虛擬機的動態(tài)遷移性能提供保障。 

【文章來源】：洛陽理工學院學報(自然科學版). 2020,30(01)

【文章頁數(shù)】：5 頁

【部分圖文】：

云平臺負載百分比情況

1 問題的提出目前,負載均衡感知的研究主要是怎樣實現(xiàn)在一個算法周期中的實時負載均衡問題,即在一個算法周期中找出目前部署問題的最優(yōu)負載均衡主機。這種方式使目前部署問題的最優(yōu)負載均衡方案過于集中,局限性較大,會降低系統(tǒng)的運行效率,并且用戶等待反饋的時間也會不同程度地增加。在IaaS云計算中心,當有任務請求被用戶提交后,系統(tǒng)就會對任務部署模塊進行調(diào)用并將對應的任務部署在云資源池內(nèi)的物理主機中。在絕大部分的應用云平臺內(nèi),系統(tǒng)在對擁有充足可用資源剩余量的物理主機進行選用來完成任務的部署時一般都是通過隨機的方式進行的。但是,當在某一個主機中部署一個任務,而此物理主機剩余可用資源量與任務所需的資源量幾乎相同時,將會加劇此物理主機的工作負荷,并且降低計算能力與服務效果。IaaS云計算中心部署任務的具體案例如圖1所示。可以肯定的是,最佳的任務部署方案能夠加強云計算中心的負載均衡能力,提升云計算的效率,最終實現(xiàn)最好的服務效果與任務執(zhí)行效果。因此,必須計一個具有較高效率的負載均衡感知任務部署方案,應用于大數(shù)據(jù)云計算中心內(nèi)。

LB-BC方案是大數(shù)據(jù)云計算中心的長時間負載均衡的啟發(fā)式任務部署過程,主要是整合聚類思想與貝葉斯理論模型。就云計算中心的長時間穩(wěn)定運行而言,LB-BC方案能夠?qū)崿F(xiàn)系統(tǒng)整體的負載均衡,提升系統(tǒng)的效率與性能[3],其任務部署流程和邏輯框架如圖2和圖3所示。首先,監(jiān)控器獲取云計算中心內(nèi)部n個可用的物理主機的剩余可用資源量和任務請求的資源需求量數(shù)據(jù)。然后,LB-BC生成部署方案并傳遞給部署控制器。最后,在一個時間間隔t內(nèi),在最優(yōu)物理主機集合內(nèi)對應物理主機中會部署完成所有采集到的任務請求。圖3 LB-BC的邏輯框架

【參考文獻】：
期刊論文
[1]基于人工蜂群算法的多用戶OFDM自適應資源分配方案[J]. 袁建國,南蜀崇,張芳,王竟鑫,龐宇.  吉林大學學報(工學版). 2019(02)
[2]改進人工蜂群算法[J]. 畢曉君,王艷嬌.  哈爾濱工程大學學報. 2012(01)
[3]云計算中虛擬機放置的自適應管理與多目標優(yōu)化[J]. 李強,郝沁汾,肖利民,李舟軍.  計算機學報. 2011(12)
[4]云環(huán)境下優(yōu)化科學工作流執(zhí)行性能的兩階段數(shù)據(jù)放置與任務調(diào)度策略[J]. 劉少偉,孔令梅,任開軍,宋君強,鄧科峰,冷洪澤.  計算機學報. 2011(11)



本文編號：3457152