云計算環境下資源調度系統設計與實現

張 露，尚艷玲

(1.安陽職業技術學院 電大工作部，河南 安陽 455000；2.安陽師范學院 軟件學院，河南 安陽 455000)

云計算環境下資源調度系統設計與實現

張 露1，尚艷玲2

(1.安陽職業技術學院 電大工作部，河南 安陽 455000；2.安陽師范學院 軟件學院，河南 安陽 455000)

在云計算環境下，對開放的網絡大數據庫信息系統中的數據進行優化調度，提高數據資源的利用效率和配置優化能力;傳統的資源調度算法采用資源信息的自相關匹配方法進行資源調度，當數據傳輸信道中的干擾較大及資源信息流的先驗數據缺乏時，資源調度的均衡性不好，準確配準度不高;提出一種基于云計算資源負載均衡控制和信道自適應均衡的資源調度算法，并進行調度系統的軟件開發和設計;首先構建了云計算環境下開放網絡大數據庫信息資源流的時間序列分析模型，采用自適應級聯濾波算法對擬合的資源信息流進行濾波降噪預處理，提取濾波輸出的資源信息流的關聯維特征，通過資源負載均衡控制和信道自適應均衡算法實現資源調度改進;仿真結果表明，采用資源調度算法進行資源調度系統的軟件設計，提高了資源調度的信息配準能力和抗干擾能力，計算開銷較小，技術指標具有優越性。

云計算；資源調度;數據分析；自適應均衡

0 引言

隨著網絡信息技術和大數據處理技術的發展，數據在網絡空間中的規模越來越大，對數據信息的計算和處理的實時性要求越來越高。大數據信息中含有大量的資源，比如開放的數據庫資源、網絡信息資源、圖書館資源等，通過對這些資源的優化調度和處理，提高資源信息的利用能力和均衡配置能力，防止資源擁堵和資源欠缺。在大數據信息條件下，采用云計算進行大數據分析成為未來信息處理發展的必然趨勢，云計算是通過網格分布式計算和網絡集成計算方法，實現對大數據的信息特征分析和特征提取，采用大數據信息采樣方法，在網絡空間中實現資源集成重整，提高資源信息的并行處理和多線程調度能力。在云計算環境下，對開放的網絡大數據庫信息系統中的數據進行優化調度，提高數據資源的利用效率和配置優化能力，研究云計算環境下資源調度算法和相應的系統設計方法具有重要意義，相關的算法設計研究受到人們的極大重視。

云計算環境下資源調度算法研究是建立在對資源信息流的時間序列分析和信息處理基礎上的，通過對資源信息流的特征提取和時間序列特征擬合，結合相應的信息調度算法，實現資源的優化配置。傳統方法中，在云計算環境下進行開放網絡大數據庫信息資源負載均衡調度方法采用的是實體模型分析方法和語義特征提取方法、基于子空間特征降噪的資源負載均衡調度算法、基于資源狀態的相空間重組和最大Lyapunove指數分析的云計算環境下資源調度算法等[1-3]，其中，文獻[4]提出一種基于時間尺度分析的大型開放網絡大數據庫信息資源負載均衡算法，通過云計算實現任務權衡和調度，對云計算資源信息流在時頻域內進行特征分解，降低了資源調度的復雜度，但是該算法抗干擾性能不好，在資源大數據信息中含有大量的干擾成分時，資源配置的準確性不好。文獻[5]提出一種基于模糊循環堆棧控制的云計算環境下的開放網絡大數據庫信息資源負載均衡調度算法，進行云計算環境下的開放網絡大數據庫信息資源負載數據堆棧存儲設計，提取開放網絡大數據庫信息資源負載數據信息流語義本體特征，以此為基礎進行移動云資源的開放網絡大數據庫信息資源調度，該方法的優點是具有較好的抗干擾能力和收斂性能，但是該方法計算開銷較大，實時性不好。文獻[6]采用資源信息的自相關匹配方法進行資源調度，當數據傳輸信道中的干擾較大及資源信息流的先驗數據缺乏時，資源調度的均衡性不好，準確配準度不高。針對上述問題，名本文提出一種基于云計算資源負載均衡控制和信道自適應均衡的資源調度算法，并進行調度系統的軟件開發和設計。首先構建了云計算環境下開放網絡大數據庫信息資源流的時間序列分析模型，采用自適應級聯濾波算法對擬合的資源信息流進行濾波降噪預處理，提取濾波輸出的資源信息流的關聯維特征，通過資源負載均衡控制和信道自適應均衡算法實現資源調度改進。最后通過仿真實驗進行了性能測試和分析，采用資源調度算法進行資源調度系統的軟件設計，提高了資源調度的信息配準能力和抗干擾能力，得出有效性結論。

1 開放網絡大數據庫資源信息流模型構建和數據抗干擾濾波預處理

1.1 基本知識及開放網絡大數據庫資源信息流模型構建

在云計算環境下，云計算網格空間通過資源信息調度進行內存管理、進程管理和設備文件系統管理，云計算環境的開放網絡大數據庫資源信息服務拓撲結構分為三層，第一層開放網絡大數據庫連接資源信息服務中心層；第二層由LAN(本地局域網)層，通過LAN構成開放網絡數據分析中心，來為用戶提供軟件服務；第三層是中間件層，實現開放網絡大數據庫資源的收集和信息加工[7]。云計算環境下開放網絡大數據庫資源管理結構模型如圖1所示。

圖1 云計算環境下開放網絡大數據庫資源管理結構模型

從圖1可見，云計算環境中聚集了各種信息資源，且資源的規模較大，通過對云計算環境下開放網絡大數據庫資源優化調度設計，提高數據資源的利用效率和配置優化能力。本文為了實現對云計算開放網絡大數據庫信息資源的優化調度，首先進行云計算開放網絡大數據庫信息資源信息流模型構建，以構建的云計算開放網絡大數據庫信息資源信息流模型為基礎進行數據信息流的時間序列分析，對移動云計算開放網絡大數據庫信息資源數據按照特征匹配度進行序列分區，在開放網絡大數據庫資源信息采集模型中，通過每個測試點的逆進行數據特征的鏈路重組，表示為U∈Rm×m，其為一個正交矩陣，V∈RM×M，其中UT=U-1，VT=V-1，D∈Rm×M。通過特征重構，資源調度的狀態變量滿足D=[∑0]。在數據結構的狀態空間信息域中采用代價約束常量ISk(p)取出數據對象，使得c1滿足ISk(p)中的關聯度主特征信息SKDNS(p)，設資源搜索模塊的開放網絡大數據庫資源信息的特征集合為:

(1)

其中：m表示開放網絡大數據庫資源分布空間的維數，pm為節點交換數據時間序列，對多個開放網絡大數據庫資源流進行數據融合，在嵌入式平臺下進行資源匹配，此時待分配的開放網絡大數據庫資源流為：

(2)

式中，q表示多個開放網絡大數據庫資源流集合的存儲深度，nq表示開放網絡大數據庫資源信息流的數據序列，N表示開放網絡大數據庫資源總數。由此實現了開放網絡大數據庫資源信息流模型構建。

1.2 資源信息流數據抗干擾濾波預處理

云計算環境下開放網絡大數據庫資源受到海量的網絡信息的干擾，為了提高調度性能，實現云計算環境下資源調度系統的優化設計，需要進行抗干擾濾波處理，采用自適應級聯濾波算法對擬合的資源信息流進行濾波降噪預處理，云計算環境中，每個簇頭節點上都記載著信息資源輸入數據，得到開放網絡大數據庫資源邏輯信息輸入特征集合為：

(3)

其中：k為云計算調度平臺中的信息采樣節點數，N為資源規模，對開放網絡大數據庫資源信息特征結合的實部z(t)進行自適應調制分解，得到含有干擾項的資源信息流時間序列模型為：

(4)

其中：sc(t)表示云計算開放網絡大數據庫信息資源訓練集中屬于bi類的元素的概率密度，ej2πf0t表示大數據庫信息資源的特征調度獨立相關變量。設計自適應級聯濾波器，濾波器的結構框圖如圖2所示。

圖2 自適應級聯濾波結構框圖

根據圖2所示的自適應級聯濾波結構框圖，得到濾波器的傳遞函數為：

(5)

其中：s(t)表示輸入的開放網絡大數據庫信息資源信息參量，h(t)表示單位沖激響應函數，H[s(t)]為自適應級聯濾波的平均響應傳遞向量。對云計算環境下的開放網絡大數據庫信息資源信息進行特征空間建模，得到輸出的特征空間波束流為：

(6)

其中：W矩陣為n×m維的特征狀態解析矩陣，采用多尺度小波分解，得到開放網絡大數據庫信息資源的資源調度的擴頻濾波，濾波輸出為：

(7)

其中：P為功率譜密度，τ為時延參量，由此實現對云計算開放網絡大數據庫信息資源信息流的離散歸一化處理和濾波，提高資源調度的抗干擾能力。

2 資源調度算法的改進設計與實現

2.1 資源信息流的關聯維特征提取

在上述進行了開放網絡大數據庫資源信息流模型構建和數據抗干擾濾波預處理的基礎上，進行資源調度算法優化設計，分析得知，傳統方法采用資源信息的自相關匹配方法進行資源調度，當數據傳輸信道中的干擾較大及資源信息流的先驗數據缺乏時，資源調度的均衡性不好，準確配準度不高[8-12]。為了克服傳統方法的弊端，本文提出一種基于云計算資源負載均衡控制和信道自適應均衡的資源調度算法，提取濾波輸出的資源信息流的關聯維特征，通過資源負載均衡控制和信道自適應均衡算法實現資源調度改進。首先給出云計算下開放網絡大數據庫信息資源調度的功耗表達為：

(8)

在單位資源調度功耗一致條件下，進行關聯維特征提取，假設關聯維特征的子空間中，u(n)(x,y)為第i條路徑的時延，在資源負載均衡條件下，進行云資源信息篩選，實現信息融合，得到開放網絡大數據庫信息資源的關聯維單頻特征組成為：

(9)

定義ΓI(v)={e∈E|head(e)=v}，輸入到開放網絡大數據庫信息資源的調度鏈路集合中的資源關聯維特征|ΓI(v)|為節點v的入度，采用語義信息融合方法進行關聯維的維度統計，然后得到輸出統計特征為：

(10)

其中，x,y為別表示開放網絡大數據庫信息資源信息實向量和干擾向量，ωi為關聯維特征提取過程中的信息融合尺度，對資源信息流的關聯維特征進行負載均衡配置，計算云計算環境中資源信息的自適應功率譜密度特征，在資源信息流為均勻分布下，得到開放網絡大數據庫資源信息流的小波尺度特征可以定義為：

(11)

其中：τ為資源調度的時間延遲，u為尺度系數，α(τ,v)為頻譜配準系數，基于資源負載均衡控制，在特征子空間中構成的矩陣的秩為n+t的線性子空間Zm，得到開放網絡大數據庫資源調度的狀態轉移方程：

(12)

開放網絡大數據庫資源調度沖激函數是由兩個參數a和τ決定的，隨著時間延遲的增大，開放網絡大數據庫資源調度過程的聚焦性能提高，由此可見，通過對資源信息流的關聯維特征提取。可以將開放網絡大數據庫資源調度問題轉換為求一個多元未知參量的信道自適應均衡問題。

2.2 基于資源負載均衡控制和信道自適應均衡的資源調度實現

根據上述資源信息流的特征提取結果，采用資源負載均衡控制和信道自適應均衡設計實現開放網絡大數據庫資源調度，在云計算環境中，開放網絡大數據庫資源調度的進程配置時間片長度分別記作x1,x2,…,xm+1，在不同干擾強度下，得到資源調度的資源負載均衡控制函數為：

(13)

其中：T為尺度均衡系數，xm+1為開放網絡大數據庫資源調度散布元，把開放網絡大數據庫資源調度的時間軸劃分成均勻分布的時間窗口，構建雙門限均衡控制調度模型，假設每個開放網絡大數據庫資源節點v(V都有一個延遲屬性delay(v)，得到開放網絡大數據庫資源調度的上下門限分別為：

(14)

(15)

其中：delay(v)為信息流采樣窗口延遲，AT(u)為權向量，RT(w)為信道均衡系數，采用信道自適應均衡調度，得到開放網絡大數據庫資源調度的自適應信道均衡控制方程為：

(16)

3 資源調度系統軟件開發實現及仿真結果分析

采用STM32型處理器作為開放網絡大數據庫資源調度系統的核心處理單元，進行資源調度系統的軟件開發設計，采用RFID技術進行開放網絡大數據的特征信息采樣，系統設計CAN2.0B接口作為資源信息的存取端，使用S3C2440自帶的AD系統進行開放網絡大數據資源信息的6通道同步采樣設計。采用一種多線程的RFID射頻識別方法進行資源信息的特征提取和抗干擾識別。在軟件開發中，通過模塊化設計，構建資源調度系統的控制執行單元模型、信息核心處理模塊、抗干擾濾波模塊、輸出接口模塊、以及人機交互模塊、數據輸接口設計等。軟件設計以嵌入式Linux2.6.32內核為平臺，使用VisualDSP++的Simulator和Emulator確定變量和數組需要的存儲空間，開放網絡大數據庫資源調度信息流采樣采用PSK調制，模擬100個大學的開放網絡大數據庫資源調度任務，在開放網絡大數據庫資源調度中，資源信息傳輸的比特率為0.5Mbps，全局迭代次數為500次，k=49 655Hz/s，f0=7.7Hz，k的相對誤差為0.69%，根據上述軟件開發環境構建和參數設計，進行資源調度系統測試和算法仿真，得到開放網絡大數據庫資源信息流的時域波形和頻域特征如圖3所示。

圖3 開放網絡大數據庫資源信息流時域和頻域仿真波形

從圖可見，采用本文方法進行開放網絡大數據庫資源調度，對大數據庫資源信息流采樣和時頻域分析的結果較為準確，具有較好的頻譜響應，以此為研究對象，進行資源調度，采用本文方法和文獻給出的傳統方法，在不同的虛警下以資源調度的配準度為測試指標，得到對比結果如圖4所示，相關的技術指標對比結果見表1。

圖4 資源調度的配準度對比

調度方法耗時/s信道均衡幅值/V衰減特性/dB配準性/%文獻[4]4．8923．1～35．24．482．2文獻[5]4．3616．4～23．29．585．9文獻[8]6．2513．4～26．16．464．2本文1．282．37～8．552．699．85

分析上述仿真結果可見，采用本文方法進行資源調度，從資源調度的配準性、資源調度的執行耗時、信道均衡性和衰減性等參量作為測試，對比結果可知，本文方法對資源的配準度較高，耗時較小，信道均衡性能較好，具有更低的特征衰減，說明抗干擾能力較強。綜合指標分析表明采用本文方法進行云計算環境下的資源調度的性能優越。

4 結束語

云計算環境下資源調度算法研究是建立在對資源信息流的時間序列分析和信息處理基礎上的，本文提出一種基于云計算資源負載均衡控制和信道自適應均衡的資源調度算法，并進行調度系統的軟件開發和設計。首先構建了云計算環境下開放網絡大數據庫信息資源流的時間序列分析模型，采用自適應級聯濾波算法對擬合的資源信息流進行濾波降噪預處理，提取濾波輸出的資源信息流的關聯維特征，通過資源負載均衡控制和信道自適應均衡算法實現資源調度改進。仿真結果表明，采用資源調度算法進行資源調度系統的軟件設計，提高了資源調度的信息配準能力和抗干擾能力，計算開銷較小，技術指標具有優越性，具有較高的應用價值。

[1] 崔永君,張永花.基于特征尺度均衡的Linux系統雙閾值任務調度算法[J].計算機科學,2015,42(6):181-184.

[2] 王曉初,王士同,包 芳,等.最小化類內距離和分類算法[J].電子與信息學報,2016,38(3):532-540.

[3] 趙 夢,李蜀瑜.云計算環境下基于蟻群優化的任務負載均衡調度算法[J].電子設計工程,2016,24(8)：112-123.

[4]PlanYandVershyninR.Robust1-bitcompressedsensingandsparselogisticregression:Aconvexprogrammingapproach[J].IEEETransactionsonInformationTheory,2013,59(1):482-494.

[5]El-MezouarMC,KpalmaK,TalebN,etal.APan-sharpeningBasedontheNon-subsampledContourletTransform:ApplicationtoWorldview-2Imagery[J].IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2014,7(5):1806-1815.

[6]LiShutao,YangBin.ANewPan-sharpeningMethodUsingaCompressedSensingTechnique[J].IEEETransactionsonGeoscienceandRemoteSensing,2011,49(2):738-746.

[7] 張普寧,劉元安,吳 帆,等.物聯網中適用于內容搜索的實體狀態匹配預測方法[J].電子與信息學報,2015,37(12):2815-2820.

[8] 何大闊,高飛雪,楊 樂,等.一類未知MIMO非線性離散系統的改進自適應準滑模解耦控制[J].控制與決策,2016,31(5):783-789.

[9]ST-CharlesP,BilodeauG,andBergevinR.Subsense:auniversalchangedetectionmethodwithlocaladaptivesensitivity[J].IEEETransactionsonImageProcessing,2015,24(1):359-373.

[10]MoghadamAA,KumarM,andRadhaH.CommonandInnovativevisuals:asparsitymodelingframeworkforvideo[J].IEEETransactionsonImageProcessing,2014,23(9):4055-4069.

[11]SvenssonD,UlmkeM,andHammarstrandL.Multitargetsensorresolutionmodelandjointprobabilisticdataassociation[J].IEEETransactionsonAerospaceandElectronicSystems,2012,48(4):3418-3434.

[12] 王躍飛,于 炯,魯 亮.面向內存云的數據塊索引方法[J].計算機應用,2016,36(5):1222-1227.

Design and Implementation of Resource Scheduling System in Cloud Computing Environment

Zhang Lu1，Shang Yanling2

(1.Radio and Television Work Department, Anyang Vocational And Technical College, Anyang 455000,China; 2.School of Software Engineering, Anyang Normal University, Anyang 455000,China)

In the cloud computing environment, the data of the open network large database information system is optimized to improve the efficiency of data resource utilization and configuration optimization. Information resources of autocorrelation matching method for resource scheduling, when the lack of data transmission channel in large disturbance and resource information flow of the prior data using traditional resource scheduling algorithm, scheduling resource balance is not good, accurate alignment degree is not high. A resource scheduling algorithm based on cloud computing resources load balancing control and channel adaptive equalization is proposed, and the software development and design of the scheduling system is proposed. First constructed in the cloud computing environment open network database information resource stream time series analysis model, adaptive cascade filtering algorithm using filtering and denoising preprocessing flow on the fitting of information resources, extraction filter output information flow characteristics of correlation dimensions, resources load balancing control and channel adaptive equalization algorithm to achieve an improvement in resource scheduling. The simulation results show that the resource scheduling algorithm software design of system resource scheduling, improve the resource scheduling information registration ability and anti-interference ability, low computational overhead, technical indicators has superiority.

cloud computing; resource scheduling; data analysis; adaptive equalization

2016-07-11；

2016-07-29。

張 露(1976-)，女，河南安陽人，研究生，副教授，主要從事計算機應用方向的研究。

1671-4598(2017)01-0131-04DOI：10.16526/j.cnki.11-4762/tp

TP

A