基于改进人工蜂群算法的负载均衡感知研究

发布时间：2021-10-25 09:50

　　云计算的并行计算能力是实现大数据高效处理的基础,多任务部署策略对云计算下高效并行计算有重要影响。提出一种新的任务部署方案LB-BC,将聚类分析与贝叶斯定理相结合,实现了长时间的负载均衡。为了提高节能优化的强度,接着提出了一种具有节能感知功能的启发式虚拟机动态迁移位置选取方案,以人工蜂群算法为基础与动态虚拟机迁移资源的调度过程相配合,有效地解决了当前虚拟机动态迁移方案的问题,同时还能对虚拟机的动态迁移性能提供保障。 

【文章来源】：洛阳理工学院学报(自然科学版). 2020,30(01)

【文章页数】：5 页

【部分图文】：

云平台负载百分比情况

1 问题的提出目前,负载均衡感知的研究主要是怎样实现在一个算法周期中的实时负载均衡问题,即在一个算法周期中找出目前部署问题的最优负载均衡主机。这种方式使目前部署问题的最优负载均衡方案过于集中,局限性较大,会降低系统的运行效率,并且用户等待反馈的时间也会不同程度地增加。在IaaS云计算中心,当有任务请求被用户提交后,系统就会对任务部署模块进行调用并将对应的任务部署在云资源池内的物理主机中。在绝大部分的应用云平台内,系统在对拥有充足可用资源剩余量的物理主机进行选用来完成任务的部署时一般都是通过随机的方式进行的。但是,当在某一个主机中部署一个任务,而此物理主机剩余可用资源量与任务所需的资源量几乎相同时,将会加剧此物理主机的工作负荷,并且降低计算能力与服务效果。IaaS云计算中心部署任务的具体案例如图1所示。可以肯定的是,最佳的任务部署方案能够加强云计算中心的负载均衡能力,提升云计算的效率,最终实现最好的服务效果与任务执行效果。因此,必须计一个具有较高效率的负载均衡感知任务部署方案,应用于大数据云计算中心内。

LB-BC方案是大数据云计算中心的长时间负载均衡的启发式任务部署过程,主要是整合聚类思想与贝叶斯理论模型。就云计算中心的长时间稳定运行而言,LB-BC方案能够实现系统整体的负载均衡,提升系统的效率与性能[3],其任务部署流程和逻辑框架如图2和图3所示。首先,监控器获取云计算中心内部n个可用的物理主机的剩余可用资源量和任务请求的资源需求量数据。然后,LB-BC生成部署方案并传递给部署控制器。最后,在一个时间间隔t内,在最优物理主机集合内对应物理主机中会部署完成所有采集到的任务请求。图3 LB-BC的逻辑框架

【参考文献】：
期刊论文
[1]基于人工蜂群算法的多用户OFDM自适应资源分配方案[J]. 袁建国,南蜀崇,张芳,王竟鑫,庞宇.  吉林大学学报(工学版). 2019(02)
[2]改进人工蜂群算法[J]. 毕晓君,王艳娇.  哈尔滨工程大学学报. 2012(01)
[3]云计算中虚拟机放置的自适应管理与多目标优化[J]. 李强,郝沁汾,肖利民,李舟军.  计算机学报. 2011(12)
[4]云环境下优化科学工作流执行性能的两阶段数据放置与任务调度策略[J]. 刘少伟,孔令梅,任开军,宋君强,邓科峰,冷洪泽.  计算机学报. 2011(11)



本文编号：3457152