基于多目标分解策略的副本布局算法研究

发布时间：2021-10-13 20:49

　　高效的副本布局是分布式存储系统可靠性的重要保障。数据副本既可以增加系统数据的可用性,又能够提高系统的负载均衡能力,但同时也会带来能量消耗问题。针对副本带来的效能提升和能耗之间的冲突,提出了一种基于多目标分解策略的副本布局算法（MDSRL）。将平均文件不可用性、负载均衡、能耗作为三个优化对象,并将多目标优化问题分解成多个标量子问题同时进行优化,每一个子问题的优化都借助相邻的若干个子问题的信息,经过多次迭代优化后,试图找出一组能够在这三个目标上都有良好表现的折衷解。实验表明MDSRL算法所求出的解在平均文件不可用性和能耗上比多目标进化算法（MOE）减少了3.11个百分点和2.3个百分点,在平均文件不可用性和负载变化上比多目标副本管理算法（MORM）减少了68.1个百分点和0.2个百分点,且解的分布性和收敛性更好。 

【文章来源】：计算机科学与探索. 2020,14(09)北大核心CSCD

【文章页数】：11 页

【部分图文】：

服务器在不同级别的功耗

从图2中可以发现MDSRL和MOE都能够生成一组折衷解，但是MORM只能生成一个最优解，这是因为MORM将多目标优化转化为了单目标优化，但是单目标优化通常只会产生单个最优解，而MDSRL采用的MOEA/D和MOE采用的NSGA-II都是多目标进化算法，因此能够得到一组折衷解。从图2中可以看出，相比MOE,MDSRL能够寻找到更加集中于底角附近的个体，即那些具有低平均文件不可用性、低负载变化和低能耗的个体。这能够在一定程度上说明MDSRL能够比MOE取得更好的一组折衷解。为了更加精准地度量MDSRL和MOE生成的一组折衷解的优劣程度，本文采用上文中提出的HVA指标进行评判，它能够对MDSRL和MOE生成的一组折衷解的收敛性和多样性进行评价，HVA值越大，说明生成的一组折衷解的收敛性和多样性越好。图3是MDSRL和MOE的HVA值随文件总数变化时发生改变的折线图。图3 HVA值比较

HVA值比较

【参考文献】：
期刊论文
[1]云计算环境下的分布存储关键技术[J]. 王意洁,孙伟东,周松,裴晓强,李小勇.  软件学报. 2012(04)



本文编号：3435381