基于網(wǎng)絡(luò)負載均衡的無人作戰(zhàn)系統(tǒng)跨云層任務(wù)分配方法*

李 波,高佩忻,張 明,范盤龍

(西北工業(yè)大學(xué)，陜西西安 710072)

由于武器裝備物理極限的存在,僅依靠提升單個作戰(zhàn)平臺的物理性能來提升作戰(zhàn)能力的途徑終將遇到瓶頸。如何將單一作戰(zhàn)平臺聯(lián)合形成一體化作戰(zhàn)系統(tǒng)就成為一種必然趨勢。美軍已按網(wǎng)絡(luò)中心戰(zhàn)理念將單兵、獨立的武器系統(tǒng)與現(xiàn)役、在研和預(yù)研的各級別無人飛行器、各類武器機器人車載及載人武器系統(tǒng)集成為一個高度信息化的營級“未來作戰(zhàn)系統(tǒng)”[1]。將它作為具備全譜聯(lián)合、能獨立主宰地面戰(zhàn)術(shù)作戰(zhàn)的數(shù)字化核心行動單位[2]。美國國防信息局從2008年開始著手云計算應(yīng)用,正在研發(fā)一系列云計算解決方案[3]。雖然云計算興起的浪潮也已經(jīng)引起了高度關(guān)注[4],但是在軍事領(lǐng)域,國內(nèi)仍然處于探索性研究階段[5]。

云計算環(huán)境下任務(wù)分配的主要目的是使系統(tǒng)具有高效的計算性能以及卓越的吞吐量?，F(xiàn)有的任務(wù)分配算法可分為三類:啟發(fā)式算法、能耗算法及混合算法。1)啟發(fā)式算法[6-8]:提供了一種優(yōu)化解法,它采用基于知識的任務(wù)決策方法。啟發(fā)式任務(wù)分配方法包括先入先出算法(FCFS)、輪詢算法(RR)等。2)基于能耗的任務(wù)分配方法[9]:數(shù)據(jù)中心的能耗管理取決于諸多因素,但其核心任務(wù)注重于提升數(shù)據(jù)中心性能,降低花銷。3)混合任務(wù)分配方法[10]:是在包含更多調(diào)度參數(shù)的已有方法基礎(chǔ)上發(fā)展而來的。

為了有效均衡系統(tǒng)負載、合理分配系統(tǒng)資源,并能夠高效地分配和處理作戰(zhàn)任務(wù),本文設(shè)計了一種能夠適應(yīng)未來網(wǎng)絡(luò)化作戰(zhàn)的指揮控制系統(tǒng)架構(gòu),并針對其中的任務(wù)調(diào)度及資源分配問題展開了深入研究。

1 網(wǎng)絡(luò)化無人作戰(zhàn)系統(tǒng)“多層云架構(gòu)”設(shè)計

本文提出了“多層云架構(gòu)”系統(tǒng),如圖1(云:由具有單一或多個特定功能的多個物理實體通過網(wǎng)絡(luò)連接集成,將其擁有的資源虛擬化,并能夠?qū)ν馓峁┛啥ㄖ瀑Y源池能力服務(wù)的實體集合)。在系統(tǒng)構(gòu)成上實現(xiàn)了戰(zhàn)場中傳感器資源、通信資源、武器資源、射手資源的松耦合連接,使得作戰(zhàn)系統(tǒng)中的無人機不再只依靠自身的載荷完成作戰(zhàn)任務(wù),真正達到戰(zhàn)場資源的統(tǒng)一調(diào)度管理和協(xié)調(diào)控制。通過云計算的虛擬化技術(shù),將各種戰(zhàn)場資源網(wǎng)絡(luò)化,重新組合成諸如傳感器資源池、通信資源池、射手資源池、武器資源池等池化資源。多層云架構(gòu)中針對不同資源設(shè)置了相應(yīng)的管理系統(tǒng),作戰(zhàn)中由各個管理系統(tǒng)分別對戰(zhàn)場上的池化資源等進行統(tǒng)一調(diào)度、管理、協(xié)調(diào)和監(jiān)控,以充分實現(xiàn)資源的高內(nèi)聚、低耦合的控制邏輯,達到資源的快速配置、優(yōu)化組合,將大大提升戰(zhàn)場資源利用效率和作戰(zhàn)系統(tǒng)整效能。

圖1 “多層云架構(gòu)”示意圖

多功能復(fù)雜云:物理實體為地面指揮站,擁有最高級指揮權(quán)限;多功能復(fù)雜云可直接與指揮控制云交互,并接收指揮控制云和作戰(zhàn)云的態(tài)勢獲取和指揮決策等服務(wù)定制。

指揮控制云:物理實體為預(yù)警機,將預(yù)警機中的計算、存儲、通信和傳感器等多種資源進行整合而成的戰(zhàn)術(shù)級云端;指揮控制云是多層云架構(gòu)的中間層;指揮控制云可對數(shù)據(jù)進行處理、分類、分發(fā)管理,以實現(xiàn)作戰(zhàn)節(jié)點之間的高效信息共享。同時,指揮控制云可輔助作戰(zhàn)終端快速、方便進行其戰(zhàn)術(shù)任務(wù)的解算,從而以最優(yōu)效能完成打擊任務(wù)。

作戰(zhàn)云:作戰(zhàn)云的物理實體為多架異構(gòu)無人機(偵察無人機、火力無人機、通信無人機),直接參與前端作戰(zhàn)。

2 “多層云架構(gòu)”資源配置模型

2.1 “多層云架構(gòu)”數(shù)據(jù)中心模型

多層云架構(gòu)系統(tǒng)的數(shù)據(jù)中心與商用云數(shù)據(jù)中心相似,利用虛擬化技術(shù)對各個云端上的物理實體(如地面指揮中心的分布式地面站、空中預(yù)警機機載設(shè)備、以及各個作戰(zhàn)無人機上的機載設(shè)備)中的基礎(chǔ)物理資源(如CPU、內(nèi)存、硬盤空間、網(wǎng)絡(luò)帶寬等)進行抽象形成動態(tài)資源池,用戶(作戰(zhàn)節(jié)點)所提交的服務(wù)請求會由多層云架構(gòu)的資源調(diào)度機制進行及時處理并動態(tài)彈性的分配合適的虛擬機給用戶進行任務(wù)處理。并且多層云架構(gòu)提供給不同用戶的虛擬機數(shù)據(jù)之前不會互相交互,保證了用戶數(shù)據(jù)的安全性。虛擬機運行在數(shù)據(jù)中心的物理機或由眾多的物理機通過網(wǎng)絡(luò)組成的物理機集群之上。云數(shù)據(jù)中心允許用戶通過網(wǎng)絡(luò)動態(tài)地申請或釋放資源,按需分配[11]。

圖2通過描述一個商用云計算數(shù)據(jù)中心響應(yīng)某用戶(作戰(zhàn)節(jié)點)的主機服務(wù)請求的過程,將三層不同的資源配置方式組合到一起,以詮釋多層云架構(gòu)數(shù)據(jù)中心配置和部署模型。

圖2 基于多層云架構(gòu)的網(wǎng)絡(luò)化無人作戰(zhàn)指揮控制系統(tǒng)技術(shù)體系

2.2 “多層云架構(gòu)”資源實體屬性

下面對組成多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心的各類資源實體屬性進行介紹。

1)物理機(Host):是構(gòu)成多層云架構(gòu)數(shù)據(jù)中心的實體處理單元,是對多層云架構(gòu)系統(tǒng)中進行數(shù)據(jù)信息處理的實體(如地面指揮中心的分布式地面站、空中預(yù)警機機載設(shè)備以及各個作戰(zhàn)無人機上的機載設(shè)備)的抽象。物理機可以通過虛擬化技術(shù)將自身資源進行解耦,單獨(或與其他物理機資源耦合)以虛擬機的形式對外提供資源定制服務(wù),如CPU個數(shù)、CPU主頻、存儲等服務(wù)。

2)虛擬機(VM):以物理機的實體資源為基礎(chǔ),通過虛擬化技術(shù)形成的可對外提供完整硬件功能的虛擬計算機單元。虛擬機依據(jù)用戶需求生成,也是云計算系統(tǒng)對用戶開放的最小可用單元。

3)數(shù)據(jù)中心:由多層云架構(gòu)系統(tǒng)各種資源集合而成,是 IaaS 服務(wù)提供商提供給用戶(作戰(zhàn)節(jié)點)的最大資源單位。負責對其中包含的物理機和虛擬機進行控制,根據(jù)用戶提交的任務(wù)動態(tài)生成/銷毀虛擬機,并將虛擬機部署在合適的物理機上。

2.3 “多層云架構(gòu)”資源數(shù)學(xué)模型

定義1多層云架構(gòu)系統(tǒng)中多個數(shù)據(jù)中心構(gòu)成的有限集合為C={C1,C2,…,Ck},其中k表示數(shù)據(jù)中心的數(shù)量;某數(shù)據(jù)中心的物理機集群構(gòu)成有限集合為M={M1,M2,…,Ml},其中l(wèi)表示集群中物理機的數(shù)量;所有虛擬機構(gòu)成的有限集合為VM={VM1,VM2,…,VMq},其中q表示虛擬機的數(shù)量。

定義4物理機Mi上第p種資源的利用率

(1)

定義5物理機Mi的綜合資源利用率

(2)

式中，p物理機Mi的資源種類數(shù)。

定義6物理機Mi資源利用不均衡率

(3)

定義7數(shù)據(jù)中心物理機集群第p種資源的利用率

(4)

定義8數(shù)據(jù)中心物理機集群的綜合資源利用率

(5)

定義9數(shù)據(jù)中心物理機集群的資源利用不均衡率

(6)

定義10虛擬機VMj與物理機Mi資源匹配度

(7)

定義11虛擬機VMj與某數(shù)據(jù)中心Ck資源匹配度

(8)

式中，l為數(shù)據(jù)中心Ck中物理機的個數(shù)。

定義12目標物理機Mi相對待分配虛擬機VMj的資源承載度

Li,j=α×AvaRi+β×σj,i

(9)

式中，α為目標物理機資源利用率系數(shù);AvaRi為目標物理機資源利用率;β為待分配虛擬機與目標物理機資源匹配度系數(shù);σj,i為待分配虛擬機與目標物理機資源匹配度。α和β均采用固定值0.5。

定義13數(shù)據(jù)中心Ck相對待分配虛擬機VMj的資源承載度

Lk,j=α×AvaR+β×σj,k

(10)

式中，α為數(shù)據(jù)中心Ck資源利用率系數(shù);AvaR為數(shù)據(jù)中心Ck資源利用率;β為待分配虛擬機與數(shù)據(jù)中心Ck資源匹配度系數(shù);σj,k為待分配虛擬機與數(shù)據(jù)中心Ck資源匹配度。α和β同上。

2.4 “多層云架構(gòu)”任務(wù)分析及資源分配模型

2.4.1 任務(wù)類型分析

網(wǎng)絡(luò)化無人作戰(zhàn)系統(tǒng)的作戰(zhàn)單元需要處理各種不同類型的任務(wù),包括目標偵察、探測、識別、攻擊等,為有效地完成上述任務(wù),指揮控制系統(tǒng)需要處理信息融合、態(tài)勢評估、目標分配、攻擊決策、毀傷評估等各種指揮決策任務(wù)。各種任務(wù)對處理需求的資源種類、數(shù)量存在明顯差異,導(dǎo)致應(yīng)對不同種類的任務(wù)需要不同的處理策略,因此需要對不同資源需求的任務(wù)予以分類。

在網(wǎng)絡(luò)化無人作戰(zhàn)系統(tǒng)中,核心資源為存儲資源、計算資源和通信資源。因此,本文按任務(wù)分配時的SLA協(xié)議中對上述三種資源的需求情況,將任務(wù)類型劃分為四類,分別為:數(shù)據(jù)密集型任務(wù)、計算密集型任務(wù)、通信密集型任務(wù)和負載均衡型任務(wù)。

1) 數(shù)據(jù)密集型任務(wù):在目標探測、信息融合、態(tài)勢評估等作戰(zhàn)過程中,需要對由大量傳感器采集到的原始數(shù)據(jù)或來自各個作戰(zhàn)節(jié)點需要分類匯總的大量數(shù)據(jù)進行諸如數(shù)據(jù)預(yù)處理、特征提取、信息融合等信息處理服務(wù)的任務(wù)稱之為數(shù)據(jù)密集型任務(wù)。其特點為自身攜帶信息量大、種類繁多、數(shù)據(jù)格式不規(guī)范等,由此容易導(dǎo)致任務(wù)需要大量硬盤空間去進行數(shù)據(jù)存儲和備份,需要高效的網(wǎng)絡(luò)帶寬進行數(shù)據(jù)傳輸和遷移。

2) 計算密集型任務(wù):在目標識別、攻擊決策、火控解算等作戰(zhàn)過程中,需要作戰(zhàn)系統(tǒng)提供高速、高效的計算服務(wù),需要大量計算單元、大量高性能CPU處理器來完成高精度、高時敏性的任務(wù)稱之為計算密集型任務(wù)。其特點為計算量大、精度和時敏性要求高。針對計算密集型任務(wù)可將待處理資源就近放置在相應(yīng)的計算節(jié)點中,或進行任務(wù)遷移訂制高性能的計算服務(wù)。

3) 通信密集型任務(wù):在整個作戰(zhàn)過程中,整個作戰(zhàn)云中每個作戰(zhàn)節(jié)點之間、作戰(zhàn)云/作戰(zhàn)云之間、指揮控制云/作戰(zhàn)云之間、地面復(fù)雜云/指揮控制云之間對通信帶寬和時敏性要求較高的信息傳遞和交互任務(wù)稱之為通信密集型任務(wù)。其特點為小數(shù)據(jù)量高頻次通信或大數(shù)據(jù)量的信息傳遞和數(shù)據(jù)遷移,需要提供穩(wěn)定而高效的通信帶寬。

4) 負載均衡型任務(wù):在整個作戰(zhàn)過程中,對計算、存儲、通信三種資源需求比較均衡,無明顯需求特征的任務(wù)稱之為負載均衡型任務(wù)。該類任務(wù)對時敏性要求并不嚴苛,亦沒有很高的任務(wù)優(yōu)先級。

四種不同資源密集型任務(wù)的差異在于不同的任務(wù)性質(zhì)與完成需求,表現(xiàn)在每個任務(wù)的SLA協(xié)議中對三種資源需求量以及資源需求側(cè)重的差異。通過上述四種資源的特征描述可以看出,不同資源密集型的任務(wù)需要采用不同的任務(wù)處理方式進行處理,例如數(shù)據(jù)密集型任務(wù)需要大容量、讀寫速率高的物理節(jié)點提供存儲服務(wù),且數(shù)據(jù)密集型任務(wù)不應(yīng)輕易傳輸、遷移,這會給整個作戰(zhàn)云網(wǎng)絡(luò)帶來巨大的通信負擔和時延代價。

2.4.2 資源分配模型

在多層云架構(gòu)系統(tǒng)中,有兩架構(gòu)系統(tǒng)租用處理能力的模式。

資源預(yù)留(Advance Reservation)模式(如文獻[12]):資源被提前預(yù)定,只有在特定時間才可用。以后簡稱AR模式。

如文獻[14]所示,結(jié)合AR模式和BE模式在搶占資源情況下可以克服任務(wù)處理過程出現(xiàn)的效用問題。本文假設(shè)用戶(作戰(zhàn)節(jié)點)向多層云架構(gòu)系統(tǒng)提交的任務(wù)中只有少量是AR型任務(wù),而其余的任務(wù)是BE型任務(wù)。AR型任務(wù)具有更高的優(yōu)先級,并且能夠搶占BE型任務(wù)的資源。當一個AR型任務(wù)A需要搶占BE型任務(wù)B時,工作的虛擬機不得不先暫停任務(wù)B。本文假定每一個信息處理節(jié)點都有一個特定的磁盤存儲空間用于存放暫停的任務(wù)。

3 基于負載均衡的跨云層任務(wù)分配方法

多層云架構(gòu)數(shù)據(jù)中心資源配置及任務(wù)分配是多層云架構(gòu)資源管理的核心功能。在作戰(zhàn)過程中,作戰(zhàn)云、指揮控制云以及多功能復(fù)雜云之間資源的動態(tài)調(diào)度與配置是達成整個多層云架構(gòu)系統(tǒng)作戰(zhàn)效能、實現(xiàn)多層云架構(gòu)系統(tǒng)任務(wù)分配調(diào)度的基礎(chǔ)。為解決資源配置和任務(wù)分配問題。本文提出了基于負載均衡的跨云層任務(wù)分配算法來均衡系統(tǒng)負載,快速高效地處理任務(wù),提升系統(tǒng)效率。下面對基于負載均衡的跨云層任務(wù)分配算法進行了具體分析與說明。

當作戰(zhàn)云端接收到作戰(zhàn)節(jié)點的服務(wù)請求時,本文采用文獻[15]中基于優(yōu)先級的任務(wù)隊列生成算法(FTBP)生成任務(wù)隊列,進而自動調(diào)用基于負載均衡的跨云層任務(wù)分配算法進行任務(wù)處理。

在基于負載均衡的跨云層任務(wù)分配算法中,為了均衡各個作戰(zhàn)云的負載,將用戶(作戰(zhàn)節(jié)點)服務(wù)請求作為輸入。首先要獲取基于優(yōu)先級的任務(wù)隊列。然后對任務(wù)隊列中的任務(wù)進行逐一分配。從每個作戰(zhàn)云的調(diào)度器中獲取全局可用虛擬機列表、全局被占用虛擬機列表和可用資源列表。從每個作戰(zhàn)云的調(diào)度器中獲取合適的虛擬機列表。如果合適虛擬機列表不為空則調(diào)用FDA算法將任務(wù)分配,并將分配標識符置為是。否則,如果全局可用資源足夠再創(chuàng)建一個虛擬機則新建一個虛擬機將其加入到可獲取虛擬機列表,將該任務(wù)分配到新創(chuàng)建的虛擬機上,并將該虛擬機加入可分配虛擬機列表中,將分配標識符置為是。否則,如果該任務(wù)是一個AR型任務(wù)而同時又有BE型任務(wù)運行在作戰(zhàn)云中,則調(diào)用ATSA算法將AR型任務(wù)搶占BE型任務(wù),并將分配標識符置為是。否則,將該任務(wù)存放到等待序列中,直到在等待序列中的時間超過提前設(shè)定的等待時間閾值,將分配標識符置為否。檢查分配標識符,如果為是則返回成功,否則則返回失敗,直到所有任務(wù)都被分配完畢。基于負載均衡的跨云層任務(wù)分配算法(BBSA)的流程圖如圖3所示。

圖3 基于負載均衡的跨云層任務(wù)分配算法(BBSA)

流程圖中,核心的一部分主要用到了FDA算法和ATSA算法進行任務(wù)分配。下面將對這兩種核心算法:FDA算法和ATSA算法加以說明?；诤线m的虛擬機列表尋找放置任務(wù)的最優(yōu)虛擬機算法(FDA)如表1所示。

其中,為了基于合適的虛擬機列表找到最優(yōu)虛擬機放置任務(wù)請求,(FDA)算法將合適的虛擬機列表、在多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心中運行的可用虛擬機列表和已經(jīng)被分配任務(wù)的虛擬機列表作為輸入。首先將被分配的虛擬機設(shè)為空(第1行)。如果可用虛擬機列表與被分配任務(wù)虛擬機列表相同則清空被分配虛擬機列表(第2-4行)。因此,合適虛擬機列表和可用虛擬機列表中的第一個虛擬機將被分配給當前待分配任務(wù)。最后,被選中的虛擬機將會被加入被分配任務(wù)虛擬機列表中(第5-11行)。返回被分配的虛擬機(第12行)。AR型任務(wù)搶占資源分配算法(ATSA)如表2所示。

表1 尋找放置任務(wù)的最優(yōu)虛擬機算法(FDA)

將待分配的資源預(yù)留型(AR)任務(wù)、各個作戰(zhàn)云的狀態(tài)和處理時間矩陣(ETM)作為輸入。首先從各個作戰(zhàn)云的調(diào)度器獲得合適的BE型任務(wù)列表P和當前處理BE型任務(wù)的虛擬機(第1行)。將當前待分配的AR型任務(wù)ni的資源請求發(fā)給其他的調(diào)度器,并從各個調(diào)度器接收其下虛擬機的最早資源可用時間(第2-3行)。在結(jié)果中找到執(zhí)行該AR型任務(wù)擁有最小估計完成時間的虛擬機vmj,將vmj上運行的BE型任務(wù)暫停并保存(第4-5行)。返回虛擬機vmj(第6行)。

表2 AR型任務(wù)搶占資源分配算法(ATSA)

4 仿真分析

4.1 實驗環(huán)境

本節(jié)中的實驗在Win7操作系統(tǒng)下采用基于Java平臺的CloudSim仿真軟件進行仿真和測試,具體的仿真實驗環(huán)境如表3所示。

表3 仿真實驗環(huán)境

4.2 實驗參數(shù)設(shè)置

由于各個作戰(zhàn)云是由多種異構(gòu)無人機及其攜帶的資源組成,具有不同的任務(wù)執(zhí)行能力,所以本文在實驗中設(shè)計了3種物理機參數(shù)用以表征各類作戰(zhàn)無人機,分別為存儲型、計算型和通信型物理機,表4為物理機性能參數(shù)取值范圍。

表4 物理機性能參數(shù)取值范圍

為了表征各個作戰(zhàn)云之間的性能差異,本文通過由不同數(shù)量的物理機組成3個數(shù)據(jù)中心來表示3個能力不同的作戰(zhàn)云。表5為3個數(shù)據(jù)中心的組成。

表5 數(shù)據(jù)中心組成結(jié)構(gòu)

面對各種資源密集型的任務(wù),系統(tǒng)會依據(jù)任務(wù)產(chǎn)生不同的虛擬機,表 6為虛擬機性能參數(shù)取值范圍。

表6 虛擬機性能參數(shù)取值范圍

表7為仿真中各作戰(zhàn)節(jié)點提交的服務(wù)請求的主要參數(shù)。

表7 服務(wù)請求主要參數(shù)

為了驗證本文提出的基于負載均衡的跨云層任務(wù)分配方法的效用及特征,本節(jié)設(shè)計了兩個實驗,具體實驗內(nèi)容如下:

實驗一:生成由15架作戰(zhàn)無人機構(gòu)成的3個能力不同的作戰(zhàn)云數(shù)據(jù)中心,并接收多層云架構(gòu)系統(tǒng)中各個作戰(zhàn)節(jié)點隨機生成的20個服務(wù)請求(如目標地區(qū)搜索、目標識別、態(tài)勢評估等服務(wù)請求),其中4個為AR型服務(wù)請求(如威脅評估、火控解算等服務(wù)請求),其余為BE型任務(wù)請求,每個服務(wù)請求包含10～20個任務(wù),計算3個作戰(zhàn)云數(shù)據(jù)中心各項資源的資源利用率、負載不均衡程度和資源綜合利用率。將該過程運行100次,求取3個數(shù)據(jù)中心的各項資源的平均資源利用率、平均負載不均衡度和平均資源綜合利用率。

實驗二:生成由15架作戰(zhàn)無人機構(gòu)成的3個能力不同的作戰(zhàn)云數(shù)據(jù)中心,并接收用戶隨機生成的1～20個服務(wù)請求,將其運行2000次,求取整個多層云架構(gòu)系統(tǒng)在接收不同任務(wù)請求數(shù)下的平均完成任務(wù)間。

4.3 實驗結(jié)果與分析

4.3.1 實驗一

通過Cloudsim仿真軟件進行仿真及統(tǒng)計分析,得到多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心各項資源的平均利用率和多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心負載不均衡度分別如圖4和圖5所示。由圖 4和圖5可得,多層云架構(gòu)系統(tǒng)3個數(shù)據(jù)中心的各項資源利用率均在58.93%～69.25%之間,而3個數(shù)據(jù)中心的負載均衡度均在0.0496～ 0.0620之間。3個數(shù)據(jù)中心的各項資源均被合理分配,實現(xiàn)了負載均衡化。

圖4 多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心各項資源的平均利用率

圖5 多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心負載不均衡度

基于負載均衡的跨云層任務(wù)分配方法能夠很好地同時均衡多個數(shù)據(jù)中心的各項資源負載,將各項負載的資源占用率保持到一個相近的范圍,并保持各個數(shù)據(jù)中心擁有較低的負載不均衡度。因此,采用基于負載均衡的跨云層任務(wù)分配方法可以避免由于任務(wù)沒有得到合理分配,導(dǎo)致數(shù)據(jù)中心各項資源利用不均衡而產(chǎn)生的資源浪費。進而得到多層云架構(gòu)系統(tǒng)各數(shù)據(jù)中心資源綜合利用率如圖6所示。由圖6可得3個數(shù)據(jù)中心均擁有較高并相近的資源綜合利用率。

圖6 多層云架構(gòu)系統(tǒng)各數(shù)據(jù)中心資源綜合利用率

基于負載均衡的跨云層任務(wù)分配方法能夠很好地均衡多個數(shù)據(jù)中心之間的資源利用率,保持系統(tǒng)中各個數(shù)據(jù)中心具有相近的綜合資源利用率。因此,采用基于負載均衡的跨云層任務(wù)分配方法可以避免當某時刻同時產(chǎn)生大量任務(wù)請求時,單一數(shù)據(jù)中心因接收過多任務(wù)而創(chuàng)建大量虛擬機,進而導(dǎo)致該系統(tǒng)只有單一數(shù)據(jù)中心負載過高而其他數(shù)據(jù)中心空閑和負載溢出所帶來的信息處理、通信延遲及數(shù)據(jù)丟包等問題。

4.3.2 實驗二

經(jīng)過共計2000次仿真實驗,得出不同服務(wù)請求數(shù)下多層云架構(gòu)系統(tǒng)運行時間如圖7。

圖7 不同服務(wù)請求數(shù)下系統(tǒng)運行時間

由圖7可得,多層云架構(gòu)系統(tǒng)運行時間隨服務(wù)請求的增加大體呈階梯狀方式增長。

在任務(wù)處理過程中,通過基于負載均衡的跨云層任務(wù)分配方法的合理分配,每個虛擬機在合適的物理機上被創(chuàng)建,任務(wù)被分配到最合適的虛擬機上進行處理。當某次仿真中任務(wù)數(shù)量增加導(dǎo)致之前系統(tǒng)中運行的虛擬機不足以處理當前任務(wù)時,系統(tǒng)會創(chuàng)建一個或多個新的虛擬機以保持高效的任務(wù)處理效率,而這會導(dǎo)致系統(tǒng)產(chǎn)生更大的開銷,任務(wù)處理時間產(chǎn)生較明顯增長。直到下次任務(wù)數(shù)量增加到系統(tǒng)需要再次增大開銷以適應(yīng)更大的任務(wù)數(shù)量之前,系統(tǒng)的任務(wù)處理能力足以勝任當前的任務(wù)量,任務(wù)數(shù)量的增長則不會使得系統(tǒng)的處理時間顯著增長。

5 結(jié)束語

本文基于網(wǎng)絡(luò)化無人作戰(zhàn)環(huán)境和云計算技術(shù)體系提出了“多層云架構(gòu)”系統(tǒng),并對該系統(tǒng)的資源配置及任務(wù)模型進行了分析設(shè)計,最終提出基于負載均衡的跨云層任務(wù)分配方法。實驗表明:跨云層任務(wù)分配方法可以合理有效地分配“多層云架構(gòu)”系統(tǒng)的資源,并能夠高效地分配和處理作戰(zhàn)任務(wù)。