基于Wi-Fi與Web的云計算資源調度算法研究

羅慧蘭

(廣東生態工程職業學院 經濟貿易系，廣州 510520)

基于Wi-Fi與Web的云計算資源調度算法研究

羅慧蘭

(廣東生態工程職業學院 經濟貿易系，廣州 510520)

為縮短云計算執行時間，改善云計算性能，在一定程度上加強云計算資源節點完成任務成功率，需要對云計算資源進行調度;當前的云計算資源調度算法在進行調度時，通過選擇合適的調度參數并利用CloudSim仿真工具，完成對云計算資源的調度;該算法在運行時無法有效地進行平衡負載，導致云計算資源調度的均衡性能較差，存在云計算資源調度結果誤差大的問題;為此，提出一種基于Wi-Fi與Web的云計算資源調度算法;該算法首先利用自適應級聯濾波算法對云計算資源數據流進行濾波降噪，然后以降噪結果為基礎，采用本體論對云計算資源進行預處理操作，最后通過人工蜂群算法完成對云計算資源的調度;實驗結果證明，所提算法可以良好地應用于云計算資源調度中，有效提高了云計算資源利用率，具有實用性以及可實踐性，為該領域的后續研究發展提供了可靠支撐。

Wi-Fi與Web；云計算；資源調度；算法研究

0 引言

目前，云計算作為一種新型和新興的高檔技術，它是由網格計算，智能并行計算，異構分布式計算等技術發展而來的[1]。它可以應用于企業發展、科學計算、醫療技術提高、影視娛樂等多個方面[2]。不僅將大規模計算，存儲以及軟件等資源集成在一起，而且還可以將上述資源組建成巨型高性能的虛擬資源池，對未來信息技術的發展有著不可缺少的利用價值[3]。合理分配云計算資源是云計算發展中的重要部分，成為了當今社會備受關注的熱點問題[4]。大多數云計算資源調度算法在進行調度時，無法使資源調度均衡，存在資源調度不合理等問題。在這種情況下，如何避免資源調度陷入局部最優，提高全局搜索與局部搜索的控制能力，提升調度算法的執行效率成為了云計算領域必須解決的問題[5]。而基于Wi-Fi與Web的云計算資源調度算法，能夠解決云計算服務的集群資源調度以及負載平衡的問題[6]，避免了云計算單個節點分配效率低，以及規模大的缺陷，可以保證資源調度任務可以按時完成。由于云計算資源調度的討論熱度一直很高，所以受到了有關專家的廣泛研究，同時也研究出了很多優秀的算法[7]。

文獻[8]提出了一種基于生產函數的云計算資源調度算法。該算法首先將云服務器的所有資源進行合理規劃，然后與資源調度需求相結合，使云服務代理從云計算資源池中選取配置好的資源，直接分配給用戶，利用這兩階段實現云計算資源調度。該算法解決了云計算資源分配效率低的缺陷，但是存在調度任務不能按時完成的問題。文獻[9]提出了一種基于最小遷移代價的云計算資源調度算法。該算法首先通過歷史負載數據當前的負載狀態，利用遺傳算法查詢出既可以滿足負載變化又可以減少資源動態遷移的最佳分配策略，然后引入負載變化率與平均負載距離，最后利用上述兩個向量描述云計算資源調度負載變化狀況，衡量云計算資源調度全局負載均衡的效果。該算法在一定程度上解決了負載失衡，以及資源調度時成本高的問題，但是該算法的計算復雜度高。文獻[10]提出了一種基于QoS約束的云計算資源調度算法。該算法首先利用QoS參數產生的向量對資源和任務進行匹配，然后將原有的二級資源調度改為三級資源調度，最后針對單一主資源調度節點Master負載過于繁重的問題，引進了AssisMaster資源節點調度模型，配合Master節點實現云計算資源的調度。該算法從整體上提高了云計算的操作效率，但是存在耗時較長的問題。

針對上述產生的問題，提出一種基于Wi-Fi與Web的云計算資源調度算法。該算法首先針對云計算資源調度的特點，對云計算資源數據流進行去噪，以提高資源調度的準確性為目的，對云計算資源調度進行一系列假設，最后以上述假設為依據，利用人工蜂群實現云計算資源調度。仿真實驗證明，所提算法可以有效率地對云計算資源進行安全地調度，是切實可行的資源調度算法，為調度算法的發展樹立了旗幟，為云計算技術的研究發展提供了支撐。

1 基于Wi-Fi與Web的云計算資源調度算法

1.1 云計算資源數據流濾波

云計算屬于開放性環境，為了提高云計算資源調度的整體性能，實現云計算資源調度的優化，需要對其數據流進行抗干擾處理，本文采用自適應級聯濾波算法對云計算資源數據流進行濾波降噪操作。

在云計算資源數據中，每個簇頭節點都記錄著云計算資源所輸入的數據，由此獲得云計算資源邏輯數據輸入的特征集合為：

Yk=[yk1,yk2,…,ykj](k=1,2,…N)

(1)

其中：k代表云計算資源調度中數據采樣的節點數目，N代表云計算資源規模，j代表云計算資源調度任務。對于云計算資源各數據特征相結合的實部zt進行自適應調制分解，獲得含有干擾項的云計算資源數據流的時間序列為：

(2)

其中：sc(t)代表云計算資源訓練集中bi類元素的概率密度，ej2nf0t代表云計算數據庫資源特征調度的獨立相關變量，Xp(u)代表含有干擾項的云計算資源數據流的時間序列，t代表云計算調度所用時間，T代表調度任務集合。根據該時間序列獲得云計算資源數據濾波器傳遞函數為：

z(t)=s(t)+js(t)?h(t)=

(3)

其中：s(t)代表輸入的云計算數據庫中資源數據參量，h(t)代表云計算資源數據單位沖擊響應函數，H[s(t)]代表自適應級聯濾波平均響應所傳遞的向量，s(u)代表傳遞函數中的影響參數，d和u分別代表資源調度控制閾值。對云計算環境下的數據庫資源特征空間進行建模，獲得輸出數據特征空間的波束流：

y(k)=Wx(k)=WAs(k)

(4)

其中：y(k)代表數據特征空間的波束流，x(k)和s(k)分別代表云計算資源特征集，A代表輸出的數據濾波系數，W代表m×n維數據特征狀態的解析矩陣，利用多尺度小波分解，獲得云計算數據庫資源調度的擴頻濾波，則該濾波輸出為：

(5)

其中：y(t)代表云計算數據庫資源調度的擴頻濾波，x(t)代表擴頻濾波集合，P代表濾波功率譜的密度，τ代表濾波的時延參量。綜上所述完成對云計算數據庫資源數據流的歸一化離散操作以及濾波處理，并提高了云計算資源調度抗干擾能力。

1.2 云計算資源調度的預處理

為了保障云計算資源調度的準確性，在完成云計算資源調度之前，利用本體論對云計算資源調度做出如下假設：

1)云計算資源的性能能夠滿足任何一個調度任務的需求；

2)所有資源調度任務都可以達到完全分配的效果；

3)資源調度過程中，一個調度任務分配給一個云計算資源。假設，一共有m個云計算資源，n個用戶，則云計算資源調度的數學模型M可表述為：

M={U,V,F,θ}

(6)

其中，U代表用戶集合，V代表云計算資源集合，F代表資源調度的目標函數，θ代表對目標函數的求解算法。則云計算資源調度的數學模型具體特征為：

1)云計算資源調度中，資源(vi)可以依據內核數、內存大小以及磁盤空間，進行細分操作，得到：

vi={λi,μi,φi}

(7)

則云計算資源可表示為：

V={v1,v2,…,vm}

(8)

其中：λi、μi和φi分別代表內核數、內存大小以及磁盤空間中的細分資源調度系數。

2)假設一個用戶有n個資源調度任務，各調度任務間相互獨立，則所有調度任務集合可表述為：

T={t1,t2,…，tn}

(9)

資源調度任務執行時間表示為：

Sm×n={sij}

(10)

其中：t1,t2,…tn分別代表資源調度集合中的子集，Sm×n代表資源調度任務執行時間，sij代表調度任務i在云計算資源調度任務j上的調度時間。

3)云計算資源調度矩陣E為：En=(ei)代表資源ei對任務i進行調度，Xm×n={Xjei}為資源矩陣，Xjei代表云計算資源ei被調度任務j使用。

綜上所述，云計算資源vi調度任務完成時間是：

Tj=max{xij·xjei}

(11)

其中:Tj代表云計算資源vi調度任務完成時間。對于m個云計算資源，全部調度任務完成總時間可表示為：

(12)

在云計算資源的調度過程中，調度任務的完成時間是衡量資源調度算法好壞的一個衡量標準，與此同時也要考慮云計算資源調度的服務成本，由于云計算是有償服務，所以為了盡可能地降低成本，假設，云計算資源單位時間成本Cj為：

Cj=Ci1×αi+Ci2×βi+Ci3×γi

(13)

其中:γi、βi和αi分別代表云計算資源調度任務，Cij代表各種云計算資源的服務成本。對于用戶某一個調度任務，云計算資源vi成本Ci可表示為：

Ci=(Ci1×αi+Ci2×βi+Ci3×γi)×

(14)

對于用戶的所有調度任務，調度服務總成本C可表示為：

(15)

綜上所述，云計算資源調度和優化的目標函數，就是將服務成本盡量降到最小。由此完成了云計算資源調度的準備工作。

1.3 云計算資源調度

以2.1和2.2中各項數據為基礎，利用人工蜂群算法對云計算資源進行調度。在人工蜂群算法中將蜜蜂分為三種，即偵查蜂、雇傭蜂以及觀察蜂，其中一只雇傭蜂對應一個固定蜜源，每個蜜源的所在位置，表征一條云計算資源調度路徑，雇傭蜂的數量和蜜源的數量相等，蜜源的質量，也就是云計算資源調度路徑的質量，通過蜜量決定，觀察蜂依據相關的概率值選取雇傭蜂，并且跟蹤該雇傭蜂。則此概率的計算公式為：

(16)

其中：qi代表上述的相關概率值，SN代表影響觀察蜂跟蹤雇傭蜂的參數，fiti代表蜜源位置適應度的值。在查詢空間中，雇傭蜂與觀察蜂蜜源位置的更新方式可表示為：

rij=xij+εij(xij-xkj)

(17)

其中：rij代表雇傭蜂與觀察蜂蜜源位置的更新值，εij代表在區間[-1,1]的隨機數，它可以控制xi位置距離蜜源生成的遠近，這種查詢過程就是鄰域查詢過程。

假設一個蜜源被改善的次數已經超過了預設的“limit”值，則該蜜源被拋棄，被拋棄的蜜源會被偵查蜂查找到的新蜜源替代，下面給出了蜜源更新方式：

(18)

在人工蜂群算法中，在查詢到一個新蜜源ri之后，判斷其是否為最佳蜜源的公式為：

(19)

其中:fi代表目標函數在蜜源ri上得到的函數值。將當前的最優函數值引至雇傭蜂的查詢方式中，用來提高人工蜂群算法的全局查詢能力和局部查詢能力。在人工蜂群算法中，每只蜜蜂當前的最佳值記作xbest，表征每只雇傭蜂到目前為止發現的最佳蜜源，也就是最佳資源調度路徑，此外，為了防止云計算資源調度算法陷入局部最優的狀態，加入一個擾動項，由此雇傭蜂的查詢方式變為：

(20)

2 仿真實驗結果與分析

為了證明基于Wi-Fi與Web的云計算資源調度算法可行性和可靠性，需要進行一次仿真實驗。在IBM的環境下搭建云計算資源調度實驗仿真平臺。實驗數據取自于云計算資源池，利用本文所提算法對實驗數據進行調度，觀察本文算法的整體有效性。假設資源調度公平性平均偏差單位為κ，表1是不同算法下云計算資源調度公平性偏差(κ)的對比，設置實驗次數為100次，下面給出了云計算資源調度公平性平均偏差的計算公式。

資源調度公平性偏差=

(21)

表1 不同算法下資源調度公平性偏差對比

分析表1可知，文獻[8]算法的資源調度公平性偏差與本文所提算法相差較大，本文所提算法資源調度的公平性偏差較小，在文獻[8]算法中，云服務代理從云計算資源池中選取配置好的資源，直接分配給了用戶，沒有考慮到分配是否均勻，導致云計算資源調度公平性偏差較大。而本文所提算法是采用人工蜂群算法對云計算資源進行調度，減小了資源調度的公平性偏差。由此證明了本文所提的調度算法是具有可實踐性的。表2是不同算法下云計算資源調度的負載均衡度(%)對比。

表2 不同算法下云計算資源調度的負載均衡度對比

通過表2得到文獻[9]算法和本文所提算法的負載均衡度對比，可以明顯看出的是本文所提算法的負載均衡度相對較高，這主要是因為在利用本文算法進行云計算資源調度之前，對資源調度進行了各種可能性的假設，使云計算資源調度的負載均衡度更好，更有利于提高資源調度的準確性，也進一步證明了本文所提算法的穩定性和可操作性。圖1是不同算法下資源預處理時間(s)對比。

圖1 不同算法下資源預處理時間對比

通過圖1可知，對于云計算資源調度前的預處理，本文所提算法所用時間明顯少于文獻[8-10]算法的資源預處理所用時間。本文采用自適應級聯濾波算法對云計算資源進行去噪過程中，獲得含有干擾項的云計算資源數據流的時間序列，并且以該時間序列為基礎，得到云計算資源數據濾波器傳遞函數，該函數加快了資源預處理的速度，減少了資源預處理的時間，提高了云計算資源調度的效率。圖2是不同算法下云計算資源調度任務完成時間(s)的對比。

圖2 不同算法下資源調度任務完成時間對比

通過圖2可知，文獻[8-10]算法，在資源調度任務完成時間曲線上幾乎沒有交合點，說明3種算法對于資源調度任務的完成有很大差異，總體觀察文獻[10]算法相對較優，但比較之下，本文所提算法的調度任務完成時間曲線波動最小，且時間最少，由于本文算法對云計算資源進行了數據預處理，資源調動前的各種可能性假設，人工蜂群資源調動等操作，將云計算資源調動發揮了最大價值，大大減少了資源調度任務的完成時間，增強了云計算資源調度的整體性能。

仿真實驗證明，所提算法可以準確有效地對云計算資源進行安全穩定地調度，提高了云計算資源的負載均衡度，增強了云計算的性能，減少了云計算資源調度的運行時間。

3 結束語

采用當前算法對云計算資源進行調度時，無法對其進行安全穩定，公平可靠地調度，存在資源調度性能差的問題。提出一種基于Wi-Fi與Web的云計算資源調度算法。并通過仿真實驗證明，所提算法可以準確地對云計算資源進行穩定有效地調度，為該領域的發展提供了強有力依據，為云計算資源的調度的進一步優化指明了方向，具有可借鑒意義。

[1]陳欽榮,劉順來,林錫彬.一種混合優化的云計算資源調度算法[J].計算機科學,2016,37(6):15-23.

[2]馬 莉,唐善成,王 靜,等.云計算環境下的動態反饋作業調度算法[J].西安交通大學學報,2014,48(7):77-82.

[3]郝 亮,崔 剛,曲明成,等.成本約束下的云計算能耗資源調度優化算法[J].高技術通訊,2014,24(5):458-464.

[4]張 亮,張曦煌.一種面向云計算虛擬機資源拓撲結構的任務調度[J].計算機應用研究,2015,32(12):3738-3741.

[5]黃海芹,林基明,王俊義.基于改進混合遺傳算法的云資源調度算法[J].電視技術,2015,39(18):36-41.

[6]徐兵元,張 羿.基于多路徑遍歷優先選擇的虛擬資源調度算法[J].中國電力,2014,47(8):139-143.

[7]張煥青,張學平,王海濤,等.基于負載均衡蟻群優化算法的云計算任務調度[J].微電子學與計算機,2015,32(5):31-35.

[8]魏 蔚,劉 揚,楊衛東.一種通用云計算資源調度問題的快速近似算法[J].計算機研究與發展,2016,53(3):697-703.

[9]戰 非.高校云數據中心基于蟻群算法的資源調度研究[J].電子設計工程,2016,24(16):18-21.

[10]田國忠,肖創柏,趙娟娟.云計算環境下多DAG調度的資源分配進化算法[J].計算機應用研究,2014,31(9):2798-2802.

Wi-Fi and Web Based Cloud Computing Resource Scheduling Algorithms

Luo Huilan

(Guangdong Ecological Engineering Career Academy,Guangzhou 510520,China)

In order to shorten the cloud computing execution time, improve the performance of cloud computing, to a certain extent, strengthen node cloud computing resources to complete the task success, need for cloud computing resource scheduling. The current cloud computing resource scheduling algorithm for scheduling, by choosing appropriate scheduling parameters and using CloudSim simulation tools, complete the cloud computing resource scheduling. The algorithm effectively balance the load at run time, lead to the balance of cloud computing resources scheduling performance is poor, has the problem of great error in the cloud computing resource scheduling results. For this, put forward a Wi-Fi and Web based cloud computing resource scheduling algorithm. The algorithm firstly uses adaptive cascade filtering algorithm for cloud computing resources data stream filtering noise reduction, and then based on the noise reduction result, using ontology to cloud computing resources preprocessing operations, finally by artificial colony algorithm to complete the cloud computing resource scheduling. The experimental results show that the proposed algorithm can be well applied to cloud computing resource scheduling, effectively improve the utilization rate of cloud computing resources, applicable and practical, for the further research in the field of development provides a reliable support.

with Wi-Fi Web; cloud computing; resource scheduling; algorithm research

2017-04-19；

2017-05-11。

羅慧蘭(1981-)，女，碩士，講師，主要從事計算機軟件、計算機網絡、電子商務方向的研究。

1671-4598(2017)12-0150-03

10.16526/j.cnki.11-4762/tp.2017.12.039

TP393

A