一种云环境下用于实时协同计算的节点选择方法技术

技术编号:13397214 阅读:58 留言:0更新日期:2016-07-23 17:39
本发明专利技术公开了一种云环境下用于实时协同计算的节点选择方法,包括:步骤1,搜集可用于实时协同计算的候选节点,同时用户提出资源需求并表示为一个用户节点,采用谱聚类算法将候选节点和用户节点进行聚类,得到一组小集群和离群点;步骤2,在用户所处的小集群中,采用稳定婚姻模型进行节点匹配,选择符合用户需求的多个节点作为资源提供者;步骤3,根据集群内的已出售资源,计算各提供者的牺牲百分比;步骤4,在离群点中,根据各提供者的牺牲百分比,采用稳定婚姻模型进行节点匹配,选择匹配的节点作为提供者的后备转移节点,作为提供者发生意外宕机时的后备保障。最终得到用于实时协同计算的普通节点和后备转移节点。

【技术实现步骤摘要】
一种云环境下用于实时协同计算的节点选择方法
本专利技术涉及计算机实时计算领域,特别是一种云环境下用于实时协同计算的节点选择方法。
技术介绍
随着数据量的不断增大,一台个人计算机有时仍很难满足用户的计算需求,同时,在全球范围内,大量的个人电脑设备在大多数情况下都未得到充分使用,存在大量的闲置计算资源,这促使了协同云计算的兴起和蓬勃发展。协同云计算是一种流行的计算模式,同时也是目前世界上主流的分布式计算平台之一,它能组织来自世界各地的不同组织和个人的闲置计算资源,用于提供服务。近十年以来,协同云计算已成为最具有成本效益的分布式计算系统之一,参与者能通过提供闲置资源进行获利。在协同云计算中,一个关键的问题是服务节点的选择问题,智能的资源选择方式能促使任务高效有序完成,反之采用性能较差的调度策略会降低平台性能,同时降低用户体验。近年来,协同云计算中的服务节点选择问题已得到广泛关注,例如对伯克利开放式网络计算平台(BOINC)节点选择、调度策略问题的研究,BOINC旨在为各研究者提供汇集全球各地大量个人电脑的强大运算能力。现随着个人数据量的增加,用户所需的处理能力大幅上升,单一提供者难以满足需求,通常需要多个提供者进行协作服务,然而,传统节点选择方法在进行协作节点选择时,很少考虑已选中提供者的偏好,这在一定程度上会影响协作的效率和可靠性。现有的协同云计算节点选择方法并不能很好满足用户的实际需求,一种个性化的智能服务节点的选择方法会被更加的需要。其能在考虑用户的需求的同时,同时结合已参与协作的提供者偏好,例如位置相近程度和信誉评分数据。该协同云计算节点选择方法能全面利用位置信息对节点进行聚类,缩小匹配域,然后,在聚类后的同一匹配域中,根据节点间主观、个性化的信誉评价,利用稳定婚姻模型进行节点匹配。该协同云计算节点选择方法能保障协作云计算服务的高效和可靠运行,即使在提供者发生不可预期的宕机行为等特殊情况下,仍能保证服务继续稳定执行。
技术实现思路
专利技术目的:本专利技术所要解决的技术问题是针对现有技术的不足,提供一种云环境下用于实时协同计算的节点选择方法。为了解决上述技术问题,本专利技术公开了一种基于谱聚类算法的景点路线推荐方法,包括以下步骤:步骤1,搜集可用于实时协同计算的候选节点,同时用户提出资源需求并表示为一个用户节点,采用谱聚类算法将候选节点和用户节点进行聚类,得到一组小集群和离群点;步骤2,在用户所处的小集群中,采用稳定婚姻模型进行节点匹配,选择符合用户需求的多个节点作为资源提供者(普通节点);步骤3,根据提供者的已出售资源,计算各提供者的牺牲百分比;步骤4,在离群点中,根据各提供者的牺牲百分比,采用稳定婚姻模型进行节点匹配,选择匹配的节点作为提供者的后备转移节点,作为提供者发生意外宕机时的后备保障。最终得到用于实时协同计算的普通节点和后备转移节点。本专利技术的步骤1中,采用谱聚类算法将候选节点和用户节点进行聚类,包括以下步骤:步骤1-1,根据用户所在节点、候选节点间的RTTij计算出节点间的权值,构成无向有权图:其中,wij表示带权无向图中节点i和节点j两者间的权值,1≤i,j≤n+1,n表示所有候选节点的总数,RTTij表示通信测量得到的节点i和节点j间的RTT(Round-triptime)往返时延值。步骤1-2,选取高斯核函数作为相似性函数构造所有节点的相似度矩阵S,根据相似度矩阵S构造度矩阵D和拉普拉斯矩阵L:L=D-S其中,sij表示节点i和节点j之间的相似度,1≤i,j≤n+1,n表示所有候选节点的总数,所有的sij构成相似矩阵S,wij表示带权无向图中节点i和节点j间的权值,将所有的wij进行从小到大排序,最小值记为最短权值dmin,最大值记为最大权值dmax,σ表示图中最大权值dmax与图中最短权值dmin之差的5%,σ=(dmax-dmin)*5%,di表示节点i的度,所有的di构成度矩阵D;步骤1-3,计算出拉普拉斯矩阵L的前n+1个特征值及其对应的特征向量uc,1≤c≤n+1,,根据特征值对其对应特征向量进行升序排序,uc表示排序后第c个位置的特征值对应的特征向量,即第c个最小特征值对应的特征向量,所有的特征向量组成特征向量矩阵U;步骤1-4,将步骤1-3中得到的特征向量矩阵U进行归一化,得到矩阵H,公式如下:其中,Hva表示归一化矩阵中第v行第a列的值,uva表示特征向量矩阵U中第v行第a列的值,1≤v≤n+1,1≤a≤δ;uvy表示特征向量矩阵U第v行第y列的值,1≤y≤δ,表示特征向量矩阵U中第v行的所有列的值之和;步骤1-5,设归一化矩阵H的第v行向量为yv,1≤v≤n+1,对求得的这n个行向量采用K-均值方法进行聚类,产生K个聚类,5≤K≤15,向量yv所属的类别即为节点v所属的小集群,只有一个节点的聚类称为离群点。步骤2包括以下步骤:步骤2-1,用户需要运行R个协同计算的任务,表示为R个请求者,用户所在集群的所有节点表示为Q个资源提供者;步骤2-2,每个请求者分别对每个资源提供者打分,按照评分进行降序排序,得到评分矩阵reqb={reqb1,reqb2,…,reqbk,…,reqbQ},reqbk=T表示请求者b对资源提供者T的评分排在第k位;步骤2-3,每个资源提供者分别对每个请求者打分,评分矩阵supz={supz1,supz2,…,supzg,…,supzR},supzg=P表示资源提供者z对请求者g的评分为P;步骤2-4,选择一个尚未配对的请求者b,在它的评分矩阵reqb矩阵中找出目前尚未拒绝它的排名最高的资源提供者z,1≤b≤R。;若资源提供者z仍处于空闲状态,则将该请求者与资源提供者z进行匹配,否则资源提供者z已有配对的请求者α,比较supzb和supzα的大小,若前者大于后者,则资源提供者z不再和请求者α配对,而是和请求者b进行配对;否则标记资源提供者z拒绝了请求者b。步骤2-5,重复2-4直到所有请求者均配对完毕,得到R个提供者。本专利技术中,牺牲百分比表示提供者愿意根据其受欢迎程度进行一定的妥协,付出其收入的一定牺牲百分比购买后备转移节点,计算提供者牺牲百分比的公式如下:其中,Xe表示提供者e的牺牲百分比,1≤e≤R,R表示提供者的总数,fe表示提供者e的已被使用的资源数,re表示提供者e的总资源数。本专利技术中,考虑到提供者节点的两个特性:第一个是当某个节点出错时,如何保障未完成的任务迅速定位到可用的节点,使得服务正常进行;第二个是在服务的后期,各提供者完成任务的进度可能不完全一样,速度快的提供者希望能迅速脱离该任务,到市场中寻找下一个合作项目,但需要等待最慢的节点完成任务后才能离开,此时提供者需要将该任务转移到性能并不够优的节点上。故本专利技术鼓励提供者通过购买一定的转移节点以支持上述两个特性。本专利技术中,后备转移节点是由提供者购买的冗余后备保障节点,故后备转移节点的定价要低于普通节点的定价。而离群点不和其他节点在一个集群内,所以它不可能作为普通节点提供服务,其价格低于普通节点,故后备转移节点在离群点内选择。本专利技术中,当市场需求多时,提供者会更倾向于进行转移节点,以此带来盈利。本文定义牺牲百分比表示提供者愿意根据其受欢迎程度进行一定的妥协,付出其收入的一定牺牲百分比购买本文档来自技高网
...

【技术保护点】
一种云环境下用于实时协同计算的节点选择方法,其特征在于,包括以下步骤:步骤1,搜集可用于实时协同计算的候选节点,同时将用户提出的资源需求表示为一个用户节点,采用谱聚类算法将候选节点和用户节点进行聚类,得到一组小集群和离群点;步骤2,在用户节点所处的小集群中,采用稳定婚姻模型进行节点匹配,选择符合用户需求的节点作为资源提供者即普通节点;步骤3,根据资源提供者提供的资源,计算各资源提供者的牺牲百分比;步骤4,在离群点中,根据各资源提供者的牺牲百分比,采用稳定婚姻模型进行节点匹配,选择匹配的节点作为资源提供者的后备转移节点,作为资源提供者发生意外宕机时的后备保障,最终得到用于实时协同计算的普通节点和后备转移节点。

【技术特征摘要】
1.一种云环境下用于实时协同计算的节点选择方法,其特征在于,包括以下步骤:步骤1,搜集可用于实时协同计算的候选节点,同时将用户提出的资源需求表示为一个用户节点,采用谱聚类算法将候选节点和用户节点进行聚类,得到一组小集群和离群点;步骤2,在用户节点所处的小集群中,采用稳定婚姻模型进行节点匹配,选择符合用户需求的节点作为资源提供者即普通节点;步骤3,根据资源提供者提供的资源,计算各资源提供者的牺牲百分比;步骤4,在离群点中,根据各资源提供者的牺牲百分比,采用稳定婚姻模型进行节点匹配,选择匹配的节点作为资源提供者的后备转移节点,作为资源提供者发生意外宕机时的后备保障,最终得到用于实时协同计算的普通节点和后备转移节点;步骤1的谱聚类算法包括以下步骤:步骤1-1,根据用户节点和候选节点间通信测得的往返时延值RTTij计算出节点间的权值wij,用于构成带权无向图:其中,wij表示带权无向图中节点i和节点j两者间的权值,1≤i,j≤n+1,n表示所有候选节点的总数,RTTij表示通信测量得到的节点i和节点j间的RTT往返时延值;步骤1-2,选取高斯核函数作为相似性函数构造所有节点的相似度矩阵S,根据相似度矩阵S构造度矩阵D和拉普拉斯矩阵L:L=D-S,其中,sij表示节点i和节点j之间的相似度,1≤i,j≤n+1,n表示所有候选节点的总数,所有的相似度sij构成相似矩阵S,wij表示带权无向图中节点i和节点j间的权值,将所有的wij进行从小到大排序,最小值记为最短权值dmin,最大值记为最大权值dmax,σ表示图中最大权值dmax与图中最短权值dmmin之差的5%,di表示节点i的度,所有的di构成度矩阵D:σ=(dmax-dmin)*5%;步骤1-3,计算出拉普拉斯矩阵L的前n+1个特征值及其对应的特征向量uc,1≤c≤n+1,根据特征值对其对应特征向量进行升序排序,uc表示排序后第c个位置的特征值对应的特征向量,即第c个最小特征值对应的特征向量,所有的特征向量组成特征向量矩阵U;步骤1-4,将步骤1-3中得到的特征向量矩阵U进行归一化,得到矩阵H,公式如下:其中,Hva表示归一化矩阵中第v行第a列的值,uva表示特征向量矩阵U中第v行第a列的值,1≤v≤n+1,1≤a≤δ;uvy表示特征向量矩阵U第v行第y列的值,1≤y≤δ,表示特征向量矩阵U中第v行的所有列的值之和;步骤1-5,设归一化矩阵H的第v行向量为yv,1≤v≤n+1,对求得的n个行向量采用K均值方法进行聚类,产生K个聚类,5≤K≤15,向量yv所属的类别即为节点v所属的小集群,只有一个节点的聚类称为离群点;步骤3中牺牲百分比表示提供者付出其收入的一定牺牲百分比购买后备转移节点,计算提供者牺牲百分比Xe的公式如下:其中,Xe表示提供者e的牺牲百分比,1≤e≤R,R表示提供者的总数,fe表示提供者e的已被使用的资源数,re表示提供者e的总资源数。2.根据权利要求1所述的一种云环境下用于实时协同计算的节点选择方法,其特征在于,步骤2中的稳定婚姻模型包括以下步骤:步骤2-1,运行R个协同计算的任务,表示为R个请...

【专利技术属性】
技术研发人员:窦万春黄太贵李端超王松岳建明刘佳范英王联民
申请(专利权)人:国网安徽省电力公司南京大学江苏三棱智慧物联发展股份有限公司
类型:发明
国别省市:安徽;34

网友询问留言 已有0条评论
  • 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。

1