基于開源平臺云計算工作序列與負載平衡效率改進研究

穆松鶴 趙偉 張竹 張新征

摘 要 隨著社會發展的不斷進步，IT技術的不斷成熟，云計算技術憑借其能夠顯著提升機器資源利用效率的優勢受到了廣泛的青睞。本文通過對云計算平臺的效率提升的相關問題的研究，從工作序列與負載平衡出發，提出了一定的建議，以期能夠對我國云計算平臺的發展提供一定的幫助。

關鍵詞 云計算;工作序列;負載平衡

引言

云計算平臺自2008年以來迎來了快速增長時期，云計算技術不斷成熟，帶動著市場不斷發展。目前國內IT巨頭企業如阿里、騰訊、百度、華為等紛紛推出了自身的云計算平臺。相對來說，云計算平臺需要處理的工作量較大，因此工作效率會受到運算順序的極大影響。想要提升運算效率就要對序列算法進行優化，提升云計算平臺的工作效率，平衡平臺的負載效率。提升云計算平臺的效率也是目前較為迫切的一項問題。

1云計算平臺相關技術介紹

1.1 云計算平臺負載平衡

云計算平臺的負載平衡對計算處理效率有著重大影響。平臺負載平衡的重點就是在處理大型任務或者對資源占據較多、要求較大的工作任務，通過平臺負載機制進行有機的劃分，將任務集群有機分布到任務負載量較小的資源處理，使得計算平臺能夠平衡有機的進行處理任務集，杜絕由于分配機制不健全出現的任務處理資源負荷不均衡問題。如果平臺負載平衡機制不健全，就會出現一部分資源負荷效率過高，而另一部分資源負荷效率較低，甚至是沒有效率，這種情況就會導致資源任務處理效率緩慢，進而導致平臺任務處理緩慢，效率低下。云計算平臺負載平衡的主要的任務就是平衡任務處理，提升系統的處理的效率，降低系統故障率。

負載平衡機制的運行主要包含四個策略，分別為：信息策略、選擇策略、位置策略、傳輸策略。其運營機制為：首先由信息策略部分將虛擬機各項信息進行搜集整理，并將信息提供到選擇以及位置策略部分，并由選擇策略與位置策略共同工作，將所需要處理的任務通過位置選擇部分進行選擇所要處理的任務，由位置策略選定虛擬機進行任務的處理;最后通過傳輸策略將選擇的任務傳輸到指定的虛擬機位置進行處理。

1.2 云計算平臺工作序列算法介紹

在云計算平臺中工作序列算法也叫工作管理，工作管理是一項較為基本的云計算平臺組成部分。其功能主要是將用戶所需要處理的任務集，通過映射機制，映射到合適的虛擬機上進行任務處理，這個處理過程就是工作序列任務處理集，能夠對所需處理的任務集進行初步的處理劃分。通常意義上會將工作序列算法分為兩種，第一種是實時分配模式，第二種為批次分配模式。兩種分配模式各有所長，實時分配機制可以將任務實時進行分配，將任務及時的分配到虛擬機進行任務的處理[1]。而批次分配模式會對任務進行堆集處理，待能夠觸發其處理機制時如達到一定的時間，或者任務堆集數量時統一進行映射分配處理。

2負載平衡與最小總完工時間算法模型設計與實現

2.1 算法實現策略

負載平衡分配機制會導致運算能力較差的虛擬機構在分配工作時不均勻，而負載平衡與最小總完工時間算法可以提升云計算的整體效率。MMALB共分為三階段，需要這三個階段相互配合才能完成目標，第一階段是利用OLB概念對虛擬機忙碌進行記錄，從而自動調節減少負載的差距性，第二階段是充分對虛擬的整體效率進行提升，第三階段是解決問題，對于工作中出現延遲或者運行停頓問題進行調整，盡量讓工作運行的時間進行縮短。

2.2 算法架構

對于MMALB我們采用OLB概念，該形式保證了正常的運行形態，避免了其他虛擬機的閑置狀態，同時對資源方面也能夠合格利用，避免資源的使用率過度浪費[2]。對于指令較大的工作，它能自動分配至運算能力較好的虛擬機上運行。其算法架構流程如圖1所示。

在第一階段完成后，針對MMALB第二階段任務：提升工作效率，降低工作延遲的情況，并維持任務運行的穩定性。其次是根據任務實際處理的情況，將任務進行及時處理，根據虛擬機的處理能力靈活進行分配任務，將任務良好分配，保證對虛擬機分配任務能夠根據其處理能力進行靈活調整，避免任務堆積、分配不均等問題的出現。

第三階段也是最后一個階段，對虛擬機工作順序根據工作指令數量進行靈活的劃分。通過靈活的劃分，將任務有機的進行分配，避免任務分配不均出現的任務效率低下，提升任務處理效率[3]。

3實驗結果

3.1 實驗環境

（1）對于實驗環境我們一般是采用云計算仿真軟件，它是比較完整性的實驗環境，他支持云計算工作分配也資源管理等。

（2）例如，我們做一個小實驗，假設服務器內有4個虛擬機，每臺cpu數量都是不相等的，假如其中一個cpu的運算能力是1024（MIPS），根據這個數據依次排序，分別是它的2倍左右，云計算資源分配依次排序是如圖2所示。

（3）實驗環境：對于虛擬機環境我們首先設定10臺Server，

若是想要減少工作的時間，需要對數量進行提升[4]，達到一百便可以運用工作序列的算法，但是運用工作序列算法在選擇時，會選擇負載量最小的Server，之后，對虛擬機的運算按照順序分配到相應的虛擬機上運行。

3.2 實驗指標及分析

對于實驗指標可以先選取1000個數據當措施，每半小時進行循環，一共需要重復做12個小時，如圖3所示，MMALB比起其他的運算方法時間降低許多，對硬盤中的存取量也能夠較好的優化，對硬件負荷量進行下降，有效節省資源。

4結束語

云計算技術在大數據分析以及信息建模方面有著巨大的應用空間。本文主要針對目前云計算平臺的效率改進優化進行了深入分析，從工作序列以及負載平衡出發，對提升云計算平臺工作效率相關方法進行了詳細的闡述，希望能夠對提升我國云計算平臺的整體水平提供一定的幫助。

參考文獻

[1] 曹兆龍，張華，張躍偉.基于云計算的系統基礎架構設計與實現[J].電腦編程技巧與維護，2019，（8）：4-8.

[2] 劉梓璇.基于主導資源公平策略的云計算多資源分配方法[D].內蒙古大學，2019.

[3] 宋祖堯，戴月明.移動云計算環境下多工作流任務調度的聯合優化方法[J/OL].計算機應用研究：1-7[2019-09-10].

[4] 翟玲，沈思，程時星.云計算平臺下電子信息資源均衡分配優化仿真[J].計算機仿真，2019，36（7）：397-400，440.