本发明专利技术公开了一种基于能耗要求的云系统利用率最大化资源分配方法,包括:云系统中云服务器收集各物理节点的可用资源;收集用户的任务请求;最后采用自适应动态文化粒子群优化算法对云系统中资源进行分配。本发明专利技术是基于资源利用率提供一种高效、可靠的资源分配方法,充分挖掘云系统中CPU资源、内存资源、硬盘资源和带宽资源,从多个维度以资源利用率最大化为目标按需分配资源。
【技术实现步骤摘要】
基于能耗要求的云系统利用率最大化资源分配方法
本专利技术属于计算机网络
,特别是一种基于能耗要求的云系统利用率最大化资源分配方法。
技术介绍
云计算近来因为其成本低、基于需求以及接入方便的特性而越来越普遍被应用,云计算主要包括三个模式:基于软件服务(SaaS),基于平台服务(PaaS)以及基于基础设施服务(IaaS)。云计算将虚拟计算、存储和网络等资源都作为服务提供给用户使用。这种新方案能够为人们带来的方便,同时带来了技术上的挑战,云计算系统中最核心的模块就是资源分配,资源分配是云计算一个主要问题,其中一个目标就是最大化利用资源。从云计算提出至今,已经有相当多的研究成果,包括静态的虚拟机分配和动态的虚拟机分配,一些群体智能算法如遗传算法,粒子群算法也被用于云计算资源分配,一些研究者将统计多路复用用于云计算资源分配,有的利用博弈论建模,还有一些研究者使用软计算技术解决这个问题。专利1(云计算动态资源调度系统和方法,电子科技大学,公开号CN104065745,申请号CN201410321360,申请日2014.07.07)针对现有技术中的云计算资源分配和调度技术的不足之处,提出一种基于反馈和预测机制的云计算动态资源调度方法,能够在云计算环境中实现均衡使用各种计算机资源,实现在较小的开销下获得满意的负载均衡,提高系统调度的综合效率。本专利技术的方案概括为:在虚拟机运行的过程中实时地监测虚拟机的各项性能指标,在任务请求到来时,根据监测到的虚拟机当前的各项性能指标和基于状态反馈的虚拟机状态预测模型预测当前所有虚拟机在接下来的一小段时间内的运行状况,根据预测结果结合请求的任务类型选择出最适合的虚拟机,并分配给请求的任务。此外,本专利技术还公开了相应的资源调度系统,适用于动态资源调度。专利2(一种云计算资源分配方法,华南理工大学,公开号CN103905529,申请号CN201410085930,申请日2014.03.10)公开了一种云计算资源分配方法,有如下步骤:当用户需要向云服务提供商申请重新分配资源或者更换宿主机时,可以通过虚拟机利用RARP得到所在宿主机的IP地址;用户向所在宿主机提出重新分配资源或者更换宿主机的请求;用户所在的宿主机根据SLA与管理中心进行协商,看用户提出的请求是否满足SLA;如果不满足,则拒绝用户的请求;如果满足,则宿主机查看现有资源是否能够满足用户请求;如果现有资源不能够满足用户请求,则通过用户所用虚拟机的IP来通知虚拟机,然后虚拟机通知用户;如果现有资源可以满足用户请求,则进行资源的重新分配或者宿主机的更改。本专利技术通过提升用户的能动性,建立以用户为中心的调度策略,方便用户,且提高资源的利用率。
技术实现思路
本专利技术是基于资源利用率提供一种高效、可靠的云系统资源利用率最大化资源分配方法,以充分挖掘云系统中CPU资源、内存资源和网络带宽资源,从多个维度以资源利用率最大化为目标按需分配资源。实现本专利技术目的的技术解决方案为:一种资源利用率最大化资源分配方法,包括以下步骤:步骤1、云系统中云服务器收集各物理节点的可用资源;步骤2、云系统中云服务器收集用户的任务请求;步骤3、云系统中云服务器采用自适应动态文化粒子群算法对云系统中资源进行分配。优选地,前述步骤3的实现包括:步骤3.1、云服务器初始化动态文化粒子群参数;步骤3.2、初始化种群空间和知识空间,随机初始化粒子的初始位置和速度,计算种群空间粒子适应度值,确定粒子的历史最优位置和种群的最优位置;步骤3.3、更新粒子的速度和粒子的位置,并根据粒子适应度值更新每个粒子的历史最优位置和种群的最优位置;步骤3.4、每迭代update_step次数,根据接受函数更新知识空间,对知识空间进行交叉、变异操作;步骤3.5、计算收敛状态指标ξ,若计算值小于给定的收敛程度阀值,根据影响函数更新种群空间;步骤3.6、重复步骤3.3~3.5Nm_i次,输出最优个体解,Nm_i表示动态文化粒子群算法的最大迭代次数。本专利技术与现有技术相比,其显著优点在于:(1)云系统中采用自适应动态文化粒子群算法进行资源分配,满足资源分配要求;(2)充分挖掘了云系统中可用的资源,从CPU资源、内存资源、硬盘资源和网络带宽资源多个维度动态分配云系统中资源;(3)为高效利用云系统中的资源提供技术支持。附图说明图1为本专利技术云系统资源分配的流程图。图2为本专利技术云系统中资源分配示意图。图3为本专利技术自适应动态文化粒子群算法流程图。具体实施方式下面结合附图及具体实施例对本专利技术作进一步详细说明。结合图1,本专利技术基于能耗要求的云系统利用率最大化资源分配方法,包括以下步骤:步骤1、云系统中云服务器收集各个节点的资源使用信息,所述各节点的可用资源包括CPU资源、内存资源、硬盘资源以及带宽资源;步骤2、云系统中云服务器收集用户的任务请求,所述的任务请求包括CPU资源、内存资源、硬盘资源以及所需要的带宽资源;步骤3、云系统中云服务器采用动态文化粒子群对资源进行分配。图2为本专利技术的云系统中资源分配示意图。结合图3,步骤3的云系统中云服务器采用动态文化粒子群对资源进行分配,其具体步骤如下:步骤3.1,云服务器初始化动态文化粒子群算法的参数,具体为:初始化下属参数:种群空间的大小N,种群收敛程度阀值C,请求的个数n,资源结点的个数m,粒子的维度p,最大迭代次数Nm_i,知识空间的交叉变异概率Pn、Pm,加速度因子c1和c2。步骤3.2,随机产生N个优化问题的初始解X=[X1...Xi...XN],其中Xi(Xi1,Xi2,,,Xin)的飞行速度为Vi(Vi1,Vi2,,,Vin),Xi需要满足公式(1),种群空间粒子适应度值的比较依据公式(2)进行:其中,Aij是二进制判定变量,1表示请求i分配到结点j上,0则相反,表示j结点上p资源的容量,表示i请求所需要的p资源;m是结点的个数,n是请求的个数。将粒子当前位置作为历史最优位置,将适应度最大的粒子作为种群最优粒子。步骤3.3,按公式(3)和公式(4)更新粒子的速度和粒子的位置,并根据粒子适应度值更新每个粒子的历史最优位置和种群的最优位置;其中,d是粒子维度,t为当前迭代次数,w是加权系数,r1和r2是0-1之间的随机数,c1和c2是加速度因子,Pidt是粒子的历史最优位置,Pgdt是种群最优位置,Xidt是第i个粒子在第t次迭代中d维的位置,Vidt+1是第i个粒子在第t+1次迭代中d维的速度。加权系数w依据公式(5)计算:w=1-1/(1+e-ξ)(5)其中ξ是收敛状态指标。步骤3.4,在主群体空间的粒子演化过程中,每运行update_step代时,用种群空间最优粒子替换知识空间最差粒子。尤其是,在主群体空间的粒子演化过程中,每运行update_step代时,用种群空间最优粒子替换知识空间最差粒子,知识空间规模取主空间规模的20%,以Pn和Pm概率对粒子进行交叉和变异操作。步骤3.5,计算收敛状态指标ξ,若计算值小于给定的收敛程度阀值,根据影响函数更新种群空间,计算收敛状态指标ξ按公式(6)计算:其中,是第k次迭代的全局最优解,是第k次迭代的平均适应度值,是第k-1次迭代的全局最优解,是第k-1次迭代的平均适应度值;影响函数按赌轮法选取知识空间较好的一部分个体,本文档来自技高网...
【技术保护点】
一种基于能耗要求的云系统利用率最大化资源分配方法,包括以下步骤:步骤1、云系统中云服务器收集各物理节点的可用资源;步骤2、云系统中云服务器收集用户的任务请求;以及步骤3、云系统中云服务器采用自适应动态文化粒子群算法对云系统中资源进行分配。
【技术特征摘要】
1.一种基于能耗要求的云系统利用率最大化资源分配方法,包括以下步骤:步骤1、云系统中云服务器收集各物理节点的可用资源;步骤2、云系统中云服务器收集用户的任务请求;以及步骤3、云系统中云服务器采用自适应动态文化粒子群算法对云系统中资源进行分配;步骤1所述的云系统中云服务器收集各物理节点的可用资源,其中云系统中有N个物理节点,每一个节点可用资源包括CPU资源、内存资源、硬盘资源和网络带宽资源;步骤2所述的云系统中云服务器收集用户的任务请求,所述的任务请求包括每个任务需要的CPU资源、内存资源、硬盘资源和带宽资源;步骤3所述的云系统中云服务器采用自适应文化粒子群方法对云系统中资源进行分配,具体步骤如下:步骤3.1、云服务器初始化动态文化粒子群参数;步骤3.2、初始化种群空间和知识空间,随机初始化粒子的初始位置和速度,计算种群空间粒子适应度值,确定粒子的历史最优位置和种群的最优位置;步骤3.3、更新粒子的速度和粒子的位置,并根据粒子适应度值更新每个粒子的历史最优位置和种群的最优位置;步骤3.4、每迭代update_step次数,根据接受函数更新知识空间,对知识空间进行交叉、变异操作;步骤3.5、计算收敛状态指标ξ,若计算值小于给定的收敛程度阀值,根据影响函数更新种群空间;步骤3.6、重复步骤3.3~3.5Nm_i次,输出最优个体解,Nm_i表示动态文化粒子群算法的最大迭代次数。2.根据权利要求1所述的基于能耗要求的云系统利用率最大化资源分配方法,其特征在于,步骤3.1所述的云服务器初始化动态文化粒子群参数,具体为:种群空间的大小N,种群收敛程度阀值C,请求的个数n,资源结点的个数m,粒子维度p,最大迭代次数Nm_i,加速度因子c1和c2。3.根据权利要求2所述的基于能耗要求的云系统利用率最大化资源分配方法,其特征在于,步骤3.2中,随机产生N个优化问题的初始解X=[X1...Xi...XN],其中Xi(Xi1,Xi2,,,Xin)的飞行速度为Vi(Vi1,Vi2,,,Vin),Xi需要满足公式(1),种群空间粒子适应度值的比较依据公式(2)进行:
【专利技术属性】
技术研发人员:徐雷,王俊,李千目,杨余旺,张小飞,李亚平,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。