基于免疫優(yōu)化策略的副本放置算法

羅四維，侯孟書(shū)，牛新征，呂孟婕

?

基于免疫優(yōu)化策略的副本放置算法

羅四維1，侯孟書(shū)1，牛新征1，呂孟婕2

(1. 電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 成都 611731；2. 中國(guó)民航總局第二研究所 成都 610000)

副本放置問(wèn)題在云計(jì)算環(huán)境分布式存儲(chǔ)系統(tǒng)中是一個(gè)關(guān)鍵問(wèn)題。針對(duì)現(xiàn)有副本放置算法存在的數(shù)據(jù)副本訪問(wèn)開(kāi)銷較大，節(jié)點(diǎn)負(fù)載不均衡的問(wèn)題，提出了一種基于免疫優(yōu)化策略的副本放置算法。通過(guò)計(jì)算節(jié)點(diǎn)的親和度，并借助免疫優(yōu)化系統(tǒng)特有的克隆選擇和免疫記憶機(jī)制，對(duì)副本節(jié)點(diǎn)的評(píng)價(jià)和選擇更加合理?；贛atlab的仿真實(shí)驗(yàn)證實(shí)該算法能夠降低分布式存儲(chǔ)系統(tǒng)的副本訪問(wèn)開(kāi)銷，均衡節(jié)點(diǎn)負(fù)載。

云計(jì)算; 分布式存儲(chǔ); 免疫優(yōu)化策略; 副本放置

隨著計(jì)算技術(shù)、分布式存儲(chǔ)技術(shù)以及通信技術(shù)的迅猛發(fā)展，云計(jì)算作為一種新的計(jì)算范式出現(xiàn)在世人面前，它可以為用戶提供多種可配置的、可共享的資源，例如計(jì)算資源、存儲(chǔ)資源等[1-3]。云計(jì)算環(huán)境分布式存儲(chǔ)是以云計(jì)算為基礎(chǔ)發(fā)展而來(lái)，通過(guò)集群、網(wǎng)絡(luò)、虛擬化等技術(shù)，將網(wǎng)絡(luò)中各種同構(gòu)、異構(gòu)的存儲(chǔ)設(shè)備連接起來(lái)，作為一個(gè)整體存儲(chǔ)系統(tǒng)為用戶提供數(shù)據(jù)存儲(chǔ)和訪問(wèn)服務(wù)[4]。由于其超大規(guī)模，高可擴(kuò)展性，高可靠性等特點(diǎn)，受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。

傳統(tǒng)的存儲(chǔ)技術(shù)由于受自身應(yīng)用背景和技術(shù)所限，不能勝任當(dāng)前超大規(guī)模數(shù)據(jù)的存儲(chǔ)和處理任務(wù)。海量數(shù)據(jù)、異構(gòu)設(shè)備性能和可靠性方面的差異，以及網(wǎng)絡(luò)狀態(tài)的波動(dòng)性，使得數(shù)據(jù)出錯(cuò)現(xiàn)象成為一種常態(tài)，從而導(dǎo)致數(shù)據(jù)可靠性的降低，極大地影響用戶訪問(wèn)的服務(wù)質(zhì)量。

副本技術(shù)是一種提高存儲(chǔ)系統(tǒng)可靠性和可用性的關(guān)鍵技術(shù)，廣泛應(yīng)用于P2P系統(tǒng)、分布式系統(tǒng)以及云存儲(chǔ)系統(tǒng)中[5]。副本技術(shù)通過(guò)在多個(gè)不同的節(jié)點(diǎn)或者服務(wù)器上保存多個(gè)數(shù)據(jù)副本，在提高分布式存儲(chǔ)系統(tǒng)可用性和可靠性的同時(shí)，能夠優(yōu)化用戶訪問(wèn)數(shù)據(jù)的性能，均衡系統(tǒng)負(fù)載。在副本技術(shù)中，如何優(yōu)化多個(gè)副本的放置位置，是解決用戶訪問(wèn)性能優(yōu)化，副本之間的一致性維護(hù)，分布式存儲(chǔ)系統(tǒng)負(fù)載均衡等問(wèn)題的關(guān)鍵。

云計(jì)算環(huán)境分布式存儲(chǔ)的副本放置問(wèn)題是一個(gè)NP難問(wèn)題。研究人員對(duì)此進(jìn)行了大量的研究工作，取得了一定的成果。文獻(xiàn)[6]從QoS角度入手，提出了一種云計(jì)算環(huán)境下的排名框架模型，用來(lái)計(jì)算系統(tǒng)中各個(gè)節(jié)點(diǎn)的QoS值，并且依據(jù)值的高低進(jìn)行排序，最后選取QoS值大的作為副本放置的節(jié)點(diǎn)。文獻(xiàn)[7]首先分析了節(jié)點(diǎn)的歷史訪問(wèn)信息，并對(duì)應(yīng)的賦予其一定的決策值，通過(guò)均衡系統(tǒng)節(jié)點(diǎn)的整體負(fù)載情況，選取合適的節(jié)點(diǎn)用于副本的放置。文獻(xiàn)[8]設(shè)計(jì)了一種近似的分布式算法用于解決副本放置問(wèn)題，并且從理論上證明該算法是2-近似解決方案。文獻(xiàn)[9]提出了一個(gè)基于拓?fù)淦ヅ涞慕M件服務(wù)副本放置算法，該算法通過(guò)多規(guī)模聚類算法獲取拓?fù)浣Y(jié)構(gòu)，并利用譜聚類算法獲得節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)，最后利用貪心算法結(jié)合上述兩種拓?fù)浣Y(jié)構(gòu)，確定組件服務(wù)副本的最佳放置問(wèn)題。

遺傳算法是一種建立在達(dá)爾文生物進(jìn)化論基礎(chǔ)之上的計(jì)算模型。由于其自然選擇和遺傳學(xué)機(jī)理等特點(diǎn)，遺傳算法被廣泛應(yīng)用于組合優(yōu)化、機(jī)器學(xué)習(xí)、最優(yōu)搜索等領(lǐng)域，同時(shí)在副本放置問(wèn)題中也能見(jiàn)到遺傳算法的身影[10]。除此之外，與遺傳算法一脈相承的粒子群優(yōu)化算法、蟻群算法以及差分進(jìn)化算法也被用于解決分布式系統(tǒng)中的副本放置問(wèn)題[11-13]。

基于對(duì)現(xiàn)有研究成果分析可知，對(duì)副本位置的選擇和確定僅僅考慮部分影響因素，如網(wǎng)絡(luò)帶寬利用率、與用戶節(jié)點(diǎn)的距離、用戶訪問(wèn)代價(jià)等，沒(méi)有對(duì)副本放置問(wèn)題形成整體的認(rèn)識(shí)和考慮。因此，本文基于對(duì)遺傳算法策略研究的延伸，提出了一種基于免疫優(yōu)化策略的副本放置算法，通過(guò)計(jì)算節(jié)點(diǎn)的親和度來(lái)確定最佳的副本放置位置，并且通過(guò)克隆選擇，免疫記憶等獨(dú)有的機(jī)制，使得副本放置位置的選擇更加合理。

1 問(wèn)題定義

針對(duì)云計(jì)算環(huán)境分布式存儲(chǔ)的副本放置問(wèn)題，本文首先從整體角度嘗試給出該問(wèn)題的數(shù)學(xué)定義，然后詳細(xì)解釋副本放置問(wèn)題涉及的各種假設(shè)條件。

定義 1 副本放置問(wèn)題

基于以上對(duì)副本放置問(wèn)題的定義，本文提出了一種基于免疫優(yōu)化策略的副本放置算法。不失一般性，針對(duì)云計(jì)算環(huán)境分布式存儲(chǔ)系統(tǒng)的場(chǎng)景，本文做了如下假設(shè)。

1) 整個(gè)分布式存儲(chǔ)系統(tǒng)的節(jié)點(diǎn)是異構(gòu)的。節(jié)點(diǎn)訪問(wèn)副本的能力基于節(jié)點(diǎn)自身的性能，因此節(jié)點(diǎn)本身的性能指標(biāo)對(duì)于副本放置節(jié)點(diǎn)的選擇起著重要作用。

2) 云計(jì)算環(huán)境分布式存儲(chǔ)系統(tǒng)中節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)已知且位置固定。區(qū)別于移動(dòng)互聯(lián)網(wǎng)和車載自組織網(wǎng)絡(luò)等節(jié)點(diǎn)位置動(dòng)態(tài)變化的網(wǎng)絡(luò)，本文提出的副本放置算法針對(duì)拓?fù)浣Y(jié)構(gòu)已知以及節(jié)點(diǎn)位置固定的情況。

3) 為了簡(jiǎn)化算法的運(yùn)行，規(guī)定節(jié)點(diǎn)一次只能訪問(wèn)一個(gè)數(shù)據(jù)副本。在以后的研究工作中，將拓展本文現(xiàn)有的算法，支持節(jié)點(diǎn)能夠并行訪問(wèn)多個(gè)數(shù)據(jù)副本。

4) 由于云計(jì)算環(huán)境分布式存儲(chǔ)的節(jié)點(diǎn)錯(cuò)誤常態(tài)特征，本文將節(jié)點(diǎn)失效的概率情況加入副本放置的考慮因素中。

5) 整個(gè)分布式存儲(chǔ)系統(tǒng)節(jié)點(diǎn)之間的網(wǎng)絡(luò)狀況良好，帶寬能夠滿足數(shù)據(jù)副本的訪問(wèn)要求。由于網(wǎng)絡(luò)帶寬開(kāi)銷測(cè)量的困難較大，本文用節(jié)點(diǎn)之間的二維空間距離來(lái)代替。

根據(jù)以上對(duì)云計(jì)算環(huán)境分布式存儲(chǔ)副本放置問(wèn)題的定義和假設(shè)限定，本文能夠設(shè)計(jì)基于免疫優(yōu)化策略的副本放置算法。在接下來(lái)的部分將詳細(xì)闡述免疫優(yōu)化策略的來(lái)龍去脈，以及副本放置算法的具體流程。

2 基于免疫優(yōu)化策略的副本放置算法

在本節(jié)內(nèi)容中，基于免疫優(yōu)化策略提出一種新的適用于云計(jì)算環(huán)境分布式存儲(chǔ)的副本放置算法。本文首先簡(jiǎn)要介紹免疫系統(tǒng)和優(yōu)化算法的來(lái)源和背景，然后給出副本放置算法相關(guān)的數(shù)學(xué)表達(dá)式，最后結(jié)合前一小節(jié)的數(shù)學(xué)語(yǔ)言，給出了副本放置算法具體步驟。

2.1 免疫系統(tǒng)和優(yōu)化算法

免疫系統(tǒng)，又稱為生物免疫系統(tǒng)，是一個(gè)具有高度進(jìn)化特征的生物系統(tǒng)。它用來(lái)區(qū)分外部有害物質(zhì)與自身組織的差異，與此同時(shí)保證生物有機(jī)體的穩(wěn)定性。免疫系統(tǒng)具有產(chǎn)生多樣抗體的能力，并且可以自我調(diào)節(jié)維持免疫平衡，最重要的是，它還具有一定的記憶功能。正因?yàn)檫@些特點(diǎn)，由此發(fā)展而來(lái)的免疫優(yōu)化算法[14]越來(lái)越受到研究人員的重視，免疫優(yōu)化算法的一般流程如圖1所示。

圖1 免疫優(yōu)化算法的流程圖

從算法角度來(lái)看，免疫優(yōu)化算法具有分布式、自適應(yīng)和高度并行化的特點(diǎn)，除此之外，由于免疫系統(tǒng)獨(dú)有特征，該算法同時(shí)也具有學(xué)習(xí)和記憶的能力。免疫優(yōu)化算法利用免疫系統(tǒng)的多樣性產(chǎn)生和維持機(jī)制保證了群體的多樣性，克服了遺傳算法存在的多峰函數(shù)尋優(yōu)過(guò)程中的早熟問(wèn)題，使得最終能夠得到全局最優(yōu)解。

副本放置問(wèn)題涉及副本的創(chuàng)建、分布，副本數(shù)量，放置位置的選擇以及副本節(jié)點(diǎn)失效等問(wèn)題，牽一發(fā)而動(dòng)全身。本文基于免疫優(yōu)化策略提出的副本放置算法，對(duì)于上述子問(wèn)題都有涉及。根據(jù)群體之間的信息交互創(chuàng)建和分布副本；對(duì)于副本數(shù)量的確定可以根據(jù)經(jīng)驗(yàn)的3-副本法則，也可以根據(jù)對(duì)分布式存儲(chǔ)系統(tǒng)實(shí)際運(yùn)行效率和節(jié)點(diǎn)負(fù)載進(jìn)行智能調(diào)整；副本放置位置的選擇根據(jù)節(jié)點(diǎn)的親和度值來(lái)確定；根據(jù)對(duì)節(jié)點(diǎn)未來(lái)一段時(shí)間可能失效的概率，自適應(yīng)的調(diào)整副本放置位置的選擇。

綜上所述，基于免疫優(yōu)化策略的副本放置算法能夠從宏觀的角度入手，對(duì)副本放置及其相關(guān)問(wèn)題做全盤考慮，形成整體解決方案，能夠較好地解決云計(jì)算環(huán)境分布式存儲(chǔ)系統(tǒng)中副本如何選擇節(jié)點(diǎn)放置的問(wèn)題。

2.2 基于免疫優(yōu)化策略的副本放置算法

2.2.1 算法數(shù)學(xué)描述

基于第1節(jié)副本放置問(wèn)題的定義和假設(shè)，并結(jié)合免疫優(yōu)化算法的核心思想，本文提出了基于免疫優(yōu)化策略的副本放置算法。在接下來(lái)的內(nèi)容中詳細(xì)闡述了該算法的數(shù)學(xué)描述及其含義：

首先，定義了算法的目標(biāo)函數(shù)：

其次，給出了其余重要參數(shù)的表達(dá)式：

2.2.2 解的多樣性評(píng)價(jià)

1) 抗體與抗原之間的親和度

抗體與抗原之間的親和度大小表明節(jié)點(diǎn)作為副本放置位置的適合度。根據(jù)前一節(jié)定義的算法目標(biāo)函數(shù)可以得到：

2) 抗體之間的親和度

抗體之間的親和度，表明解集合中抗體之間的相似性。相似度越高的抗體集，越能構(gòu)成最優(yōu)集合。由于此處只考慮抗體之間的相似性，并沒(méi)有將順序加入影響因素。因此，本文借鑒了一種部分匹配的算法——位連續(xù)方法，用來(lái)計(jì)算抗體之間的親和度。

3) 抗體濃度

4) 個(gè)體期望繁殖概率

在免疫優(yōu)化算法中，對(duì)個(gè)體的評(píng)價(jià)是至關(guān)重要的。這里采用個(gè)體的期望繁殖概率作為評(píng)價(jià)個(gè)體的指標(biāo)：

2.3 算法流程

根據(jù)圖1免疫優(yōu)化算法的一般流程，并結(jié)合副本放置問(wèn)題的具體解決過(guò)程，本小節(jié)給出了基于免疫優(yōu)化策略副本放置算法的詳細(xì)步驟。

1) 對(duì)副本放置問(wèn)題進(jìn)行分析，選擇適合云計(jì)算環(huán)境分布式存儲(chǔ)場(chǎng)景的節(jié)點(diǎn)進(jìn)行副本的放置。依據(jù)2.2.1節(jié)給出的數(shù)學(xué)表達(dá)式作算法的初始化工作。

2) 整個(gè)群體中個(gè)體總數(shù)為，隨機(jī)選取個(gè)抗體作為初始的抗體群，并且作為記憶群體的個(gè)體總數(shù)。

3) 依據(jù)式(9)對(duì)初始抗體群中的個(gè)體，計(jì)算其期望繁殖概率。

4) 依據(jù)期望繁殖概率的值，對(duì)初始抗體群中的個(gè)體進(jìn)行降序排列，并選取前面?zhèn)€作為父代群體，另外選取前面?zhèn)€存入記憶群體中。

5) 判斷是否滿足結(jié)束條件。如滿足，則算法結(jié)束。如不滿足，則繼續(xù)。

6) 根據(jù)步驟4)的結(jié)果，對(duì)抗體群體進(jìn)行選擇、交叉、變異等免疫操作，產(chǎn)生新群體，和記憶群體共同構(gòu)成新群體。

7) 轉(zhuǎn)至步驟3)。

3 模擬實(shí)驗(yàn)和分析

為了模擬和驗(yàn)證本文提出的基于免疫優(yōu)化策略的副本放置算法，利用Matlab工具對(duì)該算法進(jìn)行了實(shí)現(xiàn)和驗(yàn)證。實(shí)驗(yàn)配置環(huán)境包括：處理器為Intel (R) Core(TM) i5-2410M@2.3 GHz，內(nèi)存為8 GB DDR3 SDRAM，硬盤為250 G SSD，工具為Matlab R2011b 64 bit，操作系統(tǒng)是Windows 10/64 bit。為了使實(shí)驗(yàn)結(jié)果更具說(shuō)服力，仿真實(shí)驗(yàn)采用了全國(guó)34個(gè)省會(huì)城市的詳細(xì)坐標(biāo)(北緯，東經(jīng))并進(jìn)行規(guī)范化處理，用于代表分布式存儲(chǔ)系統(tǒng)中不同節(jié)點(diǎn)的位置信息。

表1 仿真實(shí)驗(yàn)相關(guān)參數(shù)

圖2和圖3給出了在是否考慮節(jié)點(diǎn)可能失效的前提下，基于免疫優(yōu)化策略的副本放置算法的收斂曲線圖。從圖中所示的結(jié)果可知，與未考慮節(jié)點(diǎn)失效的副本放置情況相比，在副本放置問(wèn)題中將節(jié)點(diǎn)可能發(fā)生失效的因素加入考慮范疇，并不會(huì)影響副本放置算法的收斂情況。算法能夠在不影響副本放置節(jié)點(diǎn)選擇效率的前提下，保證用戶對(duì)副本訪問(wèn)開(kāi)銷的最小化。

圖4和圖5顯示了在是否考慮節(jié)點(diǎn)失效的前提下，分布式存儲(chǔ)系統(tǒng)中節(jié)點(diǎn)的分布情況以及最終選取的副本放置節(jié)點(diǎn)的位置。從兩圖中可以看出，對(duì)于副本放置節(jié)點(diǎn)的選取結(jié)果完全不同。如果節(jié)點(diǎn)自身性能受限，無(wú)法滿足用戶對(duì)于副本的訪問(wèn)要求，那么該節(jié)點(diǎn)也就沒(méi)有資格被選為副本放置的位置；與此同時(shí)，如果節(jié)點(diǎn)在未來(lái)一段時(shí)間內(nèi)可能失效，那么該節(jié)點(diǎn)同樣不能提供副本的訪問(wèn)服務(wù)，選擇該節(jié)點(diǎn)作為副本放置的位置也就沒(méi)有任何意義?；诿庖邇?yōu)化策略的副本放置算法綜合考慮了以上兩種影響情況，使得副本放置節(jié)點(diǎn)的選擇更加全面，合理。并且在副本放置節(jié)點(diǎn)的選擇過(guò)程中，從副本整體訪問(wèn)開(kāi)銷著手，副本放置節(jié)點(diǎn)一旦確定，其整體開(kāi)銷必然最小化，這樣便均衡了用戶對(duì)于副本放置節(jié)點(diǎn)的訪問(wèn)頻率，均衡了節(jié)點(diǎn)負(fù)載。

圖2 未考慮節(jié)點(diǎn)失效概率的算法收斂曲線

圖3 考慮節(jié)點(diǎn)失效概率的算法收斂曲線

圖4 未考慮節(jié)點(diǎn)失效概率的副本節(jié)點(diǎn)選擇情況

圖5 考慮節(jié)點(diǎn)失效概率的副本節(jié)點(diǎn)選擇情況

4 結(jié)束語(yǔ)

副本放置問(wèn)題不僅在分布式系統(tǒng)中是一個(gè)關(guān)鍵研究課題，同時(shí)在云計(jì)算和分布式存儲(chǔ)系統(tǒng)也扮演著重要角色。副本放置的位置對(duì)分布式存儲(chǔ)系統(tǒng)的性能，可靠性以及負(fù)載均衡都有著很大的影響。針對(duì)云計(jì)算環(huán)境下分布式存儲(chǔ)的副本放置問(wèn)題，本文提出一種基于免疫優(yōu)化策略的副本放置算法，能夠選取最佳的副本放置節(jié)點(diǎn)，仿真試驗(yàn)結(jié)果驗(yàn)證了算法的有效性，能夠降低用戶訪問(wèn)副本的整體開(kāi)銷。

[1] U.S. Department of Commerce. Maryland: The NIST definition of cloud computing[S]// National Institute of Standards and Technology, 2011.

[2] ARMBRUST M, FOX A, GRIFFITH R, et al. Above the clouds: a berkeley view of cloud computing[R]. Berkeley: Electrical Engineering and Computer Sciences in University of California Berkeley, 2009.

[3] BUYYA R, CHEE S Y, VENUGOPAL S, et al. Cloud computing and emerging IT platforms: Vision, hype, and reality for delivering computing as the 5th utility[J]. Future Generation Computer Systems, 2009, 25(6): 599-616.

[4]王意潔, 孫偉東, 周松, 等. 云計(jì)算環(huán)境下分布存儲(chǔ)關(guān)鍵技術(shù)[J]. 軟件學(xué)報(bào), 2012, 23(4): 962-986.

WANG Yi-jie, SUN Wei-dong, ZHOU Song, et al. Key technologies of distributed storage for cloud computing[J]. Journal of Software, 2012, 23(4): 962-986.

[5] ALLCOCK B, BESTER J, BRESNAHAN J, et al. Data management and transfer in high-performance computational grid environments[J]. Parallel Computing, 2002, 28(5): 749-771.

[6] ZHENG Z, ZHANG Y, LYU M R. CloudRank: a QoS-drive component ranking framework for cloud computing[C]// 2010 29th IEEE Symposium on Reliable Distributed Systems. New Delhi: IEEE Press, 2010: 184-193.

[7] CHANG R S, CHANG H P, WANG Y T. A dynamic weighted data replication strategy in data grids[C]// IEEE/ACS International Conference on Computer Systems and Applications. Doha: IEEE, 2008: 414-421.

[8] ZAMAN S, GROSU D. A distributed algorithm for the replica placement problem[J]. IEEE Transactions on Parallel and Distributed Systems, 2011, 22(9): 1455-1468.

[9] 吳嘉軒, 代鈺, 張斌, 等. 基于拓?fù)淦ヅ涞慕M件服務(wù)副本放置算法[J]. 電子科技大學(xué)學(xué)報(bào), 2015, 44(6): 905-910.

WU Jia-xuan, DAI Yu, ZHANG Bin, et al. Component service replicas placement algorithm based on the topology matching[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(6): 905-910.

[10] GOYAL N, MITTAL P. Comparative analysis of generic algorithm, particle swarm optimization and ant colony optimization for TSP[J]. Artificial Intelligent Systems and Machine Learning, 2012, 4(4): 202-206.

[11] LIM T, HARON H. Performance comparison of genetic algorithm, differential evolution and particle swarm optimization towards benchmark functions[C]//Proc de IEEE Conference on Open Systems (ICOS). Kunching: IEEE, 2013: 41-46.

[12] PHAN T, RANGANATHAN K, SION R. Evolving toward the perfect schedule: Co-scheduling job assignments and data replication in wide-area systems using a genetic algorithm[C]//Proc Job Scheduling Strategies for Parallel Processing. Cambridge, MA, USA: Springer, 2005: 173- 193.

[13] WANG L, SIEGEL H J, ROYCHOWDHURY V P, et al. Task matching and scheduling in heterogeneous computing environments using a genetic-algorithm-based approach[J]. Journal of Parallel and Distributed Computing, 1997, 47(6): 8-22.

[14] FARMER J, PACKARD N, PERELSON A. The immune system, adaptation and machine learning[J]. Phys D: Nonlinear Phenom, 1986, 22(4): 187-204.

編 輯 蔣 曉

Data Replica Placement Algorithm Based on Immune Optimization Strategy

LUO Si-wei1, HOU Meng-shu1, NIU Xin-zheng1, and Lü Meng-jie2

(1. School of Computer Science and Engineering, University of Electronic Science and Technology of China Chengdu 611731; 2. The Second Research Institute of Civil Aviation Administration of China Chengdu 610000)

The problem of replica placement is a key issue of distributed storage systems in cloud computing. Aiming at the uneven load among nodes and the high costs of replicas access, we propose a novel replica placement algorithm based on the immune optimization strategy. Through the computation of affinity of nodes, and with the help of clonal selection and immune memory mechanisms, the proposed algorithm can comprehensively evaluate and select the nodes for replica placement. Several simulations and conducted based on Matlab, and the results show that the algorithmpresented is able to reduce the cost of replica access, and makes the load between nodes more balanced.

cloud computing; distributed storage; immune optimization strategy; replica placement

TP393

A

10.3969/j.issn.1001-0548.2017.05.017

2016-07-02；

2016-12-13

國(guó)家自然科學(xué)基金面上項(xiàng)目(61472067, 61300192)；國(guó)家科技支撐計(jì)劃(2013BAH33F02)；四川省科技計(jì)劃項(xiàng)目(2013GZ0006)；中央高校基本科研業(yè)務(wù)費(fèi)(ZYGX2014J052)

羅四維(1989-)，男，博士生，主要從事云計(jì)算環(huán)境分布式存儲(chǔ)方面的研究.