基于改進(jìn)人工蜂群算法的負(fù)載均衡感知研究

穆 俊

(滇西科技師范學(xué)院 信息工程學(xué)院，云南 臨滄 677000)

在云計(jì)算領(lǐng)域，研究的熱點(diǎn)問題是負(fù)載均衡，首要目標(biāo)是實(shí)現(xiàn)云計(jì)算中心資源池內(nèi)的每一個物理主機(jī)的負(fù)載均衡。虛擬機(jī)技術(shù)是最核心的技術(shù)之一，其思想核心即是IaaS框架[1]。云計(jì)算環(huán)境中，除了多任務(wù)部署方法，虛擬機(jī)的動態(tài)遷移策略也對其高效并行計(jì)算有重要影響。一個好的虛擬機(jī)動態(tài)遷移位置選擇策略可以配合多任務(wù)部署實(shí)現(xiàn)整體的性能優(yōu)化，促進(jìn)大數(shù)據(jù)的高效處理。本研究基于改進(jìn)的人工蜂群算法，通過引入均勻初始化思想和貝葉斯概率搜索實(shí)現(xiàn)了全局搜索與局部收斂能力的提升，進(jìn)而在保證虛擬機(jī)動態(tài)遷移性能的前提下實(shí)現(xiàn)更好的節(jié)能優(yōu)化。

1 問題的提出

圖1 IaaS云計(jì)算中心的任務(wù)部署示意圖

目前，負(fù)載均衡感知的研究主要是怎樣實(shí)現(xiàn)在一個算法周期中的實(shí)時負(fù)載均衡問題，即在一個算法周期中找出目前部署問題的最優(yōu)負(fù)載均衡主機(jī)。這種方式使目前部署問題的最優(yōu)負(fù)載均衡方案過于集中，局限性較大，會降低系統(tǒng)的運(yùn)行效率，并且用戶等待反饋的時間也會不同程度地增加。在IaaS云計(jì)算中心，當(dāng)有任務(wù)請求被用戶提交后，系統(tǒng)就會對任務(wù)部署模塊進(jìn)行調(diào)用并將對應(yīng)的任務(wù)部署在云資源池內(nèi)的物理主機(jī)中。在絕大部分的應(yīng)用云平臺內(nèi)，系統(tǒng)在對擁有充足可用資源剩余量的物理主機(jī)進(jìn)行選用來完成任務(wù)的部署時一般都是通過隨機(jī)的方式進(jìn)行的。但是，當(dāng)在某一個主機(jī)中部署一個任務(wù)，而此物理主機(jī)剩余可用資源量與任務(wù)所需的資源量幾乎相同時，將會加劇此物理主機(jī)的工作負(fù)荷，并且降低計(jì)算能力與服務(wù)效果。IaaS云計(jì)算中心部署任務(wù)的具體案例如圖1所示?？梢钥隙ǖ氖?，最佳的任務(wù)部署方案能夠加強(qiáng)云計(jì)算中心的負(fù)載均衡能力，提升云計(jì)算的效率，最終實(shí)現(xiàn)最好的服務(wù)效果與任務(wù)執(zhí)行效果。因此，必須計(jì)一個具有較高效率的負(fù)載均衡感知任務(wù)部署方案，應(yīng)用于大數(shù)據(jù)云計(jì)算中心內(nèi)。

在IaaS云計(jì)算中心內(nèi)，為了保證最大程度提升資源利用率的同時充分發(fā)揮系統(tǒng)的對外服務(wù)性能，通常應(yīng)用虛擬機(jī)的動態(tài)遷移方法，即時調(diào)整負(fù)荷，改進(jìn)運(yùn)行過程中的負(fù)載均衡。此外，虛擬機(jī)的動態(tài)遷移需要支持云計(jì)算中心內(nèi)的大量管理活動。通常來說，有很多個可供使用的候選目標(biāo)主機(jī)，但選用不同的目標(biāo)主機(jī)消耗系統(tǒng)的能源不同。所以，必須設(shè)計(jì)一個具有較高效率并且節(jié)能的虛擬機(jī)放置選取方案。為了滿足物理主機(jī)的性能約束，一個物理主機(jī)i的可用剩余資源量Li被定義為如下：

(1)

α+β=1

(2)

任務(wù)集合的性能約束值可以被定義為最大的資源請求量，即：

(3)

結(jié)合任務(wù)請求，界定第i個任務(wù)的請求資源量為：

(4)

LB-BC 旨在實(shí)現(xiàn)云計(jì)算平臺的長期負(fù)載均衡，可以利用所有主機(jī)的剩余負(fù)載率的標(biāo)準(zhǔn)差來衡量一個云計(jì)算平臺的負(fù)載均衡程度。具體的期望與標(biāo)準(zhǔn)差的公式為：

(5)

(6)

一個主機(jī)i的聲譽(yù)負(fù)載率可以定義為：

(7)

結(jié)合上面的公式，優(yōu)化目標(biāo)的形式可以最小化為：

(8)

該方法優(yōu)化了用于部署任務(wù)的物理主機(jī)集合進(jìn)而最大程度地從云計(jì)算平臺長期運(yùn)營的角度實(shí)現(xiàn)云計(jì)算平臺的最佳負(fù)載均衡。

2 基于改進(jìn)人工蜂群算法的負(fù)載均衡感知的方案部署

云計(jì)算的并行計(jì)算能力是實(shí)現(xiàn)大數(shù)據(jù)高效處理的基礎(chǔ)，其核心是任務(wù)和虛擬機(jī)的調(diào)度問題[2]。針對已有任務(wù)部署方法的不足，提出了一種針對云平臺長期負(fù)載均衡的啟發(fā)式任務(wù)部署方法(LB-BC)，它通過將聚類分析與貝葉斯定理相結(jié)合實(shí)現(xiàn)時間維度的全局負(fù)載均衡，進(jìn)而提升云平臺的資源利用率和對外服務(wù)能力。同時，為了配合動態(tài)虛擬機(jī)遷移資源調(diào)度進(jìn)一步節(jié)能優(yōu)化，提出了一種節(jié)能感知的啟發(fā)式虛擬機(jī)動態(tài)遷移位置選擇方法(PS-ABC)。

2.1 負(fù)載均衡感知的啟發(fā)式任務(wù)部署方案

LB-BC方案是大數(shù)據(jù)云計(jì)算中心的長時間負(fù)載均衡的啟發(fā)式任務(wù)部署過程，主要是整合聚類思想與貝葉斯理論模型。就云計(jì)算中心的長時間穩(wěn)定運(yùn)行而言，LB-BC方案能夠?qū)崿F(xiàn)系統(tǒng)整體的負(fù)載均衡，提升系統(tǒng)的效率與性能[3]，其任務(wù)部署流程和邏輯框架如圖2和圖3所示。首先，監(jiān)控器獲取云計(jì)算中心內(nèi)部n個可用的物理主機(jī)的剩余可用資源量和任務(wù)請求的資源需求量數(shù)據(jù)。然后，LB-BC生成部署方案并傳遞給部署控制器。最后，在一個時間間隔t內(nèi)，在最優(yōu)物理主機(jī)集合內(nèi)對應(yīng)物理主機(jī)中會部署完成所有采集到的任務(wù)請求。

圖2 LB-BC的任務(wù)部署流程

圖3 LB-BC的邏輯框架

作為檢驗(yàn)與評估，對LB-BC部署方案與DLB部署方案進(jìn)行了對比分析。在完成makespan的基礎(chǔ)上，對負(fù)載均衡效果的標(biāo)準(zhǔn)偏差進(jìn)行評估，接著對對外服務(wù)性能的吞吐量進(jìn)行評估，然后對任務(wù)部署時間的失敗次數(shù)進(jìn)行統(tǒng)計(jì)，最后完成標(biāo)準(zhǔn)差值的增加百分比的計(jì)算。具體的計(jì)算結(jié)果如圖4所示。測試平臺選用了CloudSim模擬器，在云環(huán)境實(shí)現(xiàn)時，基于對創(chuàng)建不同類別實(shí)體及即時增添或者刪除數(shù)據(jù)中心實(shí)體的支持來進(jìn)行。從實(shí)驗(yàn)結(jié)果看出，LB-BC方案的任務(wù)部署失敗次數(shù)最少，在大規(guī)模的連續(xù)任務(wù)請求部署過程中，云計(jì)算中心的負(fù)載均衡效果也最好。

2.2 基于改進(jìn)人工蜂群算法節(jié)能感知的虛擬機(jī)動態(tài)遷移方案

將均勻隨機(jī)初始化思想引入到經(jīng)典人工蜂群方法中，能夠優(yōu)化人工蜂群算法，提高全局搜索潛力[4]。為了配合動態(tài)虛擬機(jī)遷移資源調(diào)度而進(jìn)一步節(jié)能優(yōu)化，同時改善現(xiàn)有虛擬機(jī)動態(tài)遷移策略的不足，提出了一種節(jié)能感知的啟發(fā)式虛擬機(jī)動態(tài)遷移位置選擇方法(PS-ABC)。PS-ABC基于改進(jìn)的人工蜂群算法，通過引入均勻初始化思想和貝葉斯概率搜索實(shí)現(xiàn)了全局搜索與局部收斂能力的提升，進(jìn)而在保證虛擬機(jī)動態(tài)遷移性能的前提下實(shí)現(xiàn)更好的節(jié)能優(yōu)化。

3 結(jié)果與討論

本文提出了一種新的任務(wù)部署方案LB-BC，將聚類分析與貝葉斯定理相結(jié)合，實(shí)現(xiàn)了長時間的負(fù)載均衡目標(biāo)。模擬的實(shí)驗(yàn)結(jié)果表明LB-BC方案實(shí)現(xiàn)了在最小的算法復(fù)雜度中將云計(jì)算中心長時間的全局負(fù)載均衡最優(yōu)的目標(biāo)，并且在云計(jì)算中心內(nèi)部署任務(wù)時具有非常高的效率(如圖5所示)。此外，LB-BC方案還能改善云計(jì)算中心的對外服務(wù)能力與計(jì)算效率，最終實(shí)現(xiàn)云環(huán)境中的大數(shù)據(jù)的高效處理。同時，提出了一種節(jié)能感知的啟發(fā)式虛擬機(jī)動態(tài)遷移位置選擇方法(PS-ABC),并與均勻隨機(jī)初始化思想相結(jié)合，使得PS-ABC方案在初期的全局搜索能力更強(qiáng)(如圖6所示)。此外，本文在PS-ABC方案中引進(jìn)了幾何概型與貝葉斯理論模型，使其能夠更加精確與快速地獲取全局最優(yōu)解向量，實(shí)現(xiàn)了需求性能的穩(wěn)定性與能量消耗的高效率(如圖7所示)。

圖4 標(biāo)準(zhǔn)差值的增加百分比的計(jì)算結(jié)果 圖5 虛擬機(jī)動態(tài)遷移請求結(jié)果

圖6 處理器數(shù)量加速 圖7 云平臺負(fù)載百分比情況

4 結(jié) 語

本文提出了一種新的任務(wù)部署方法LB-BC，進(jìn)一步節(jié)能優(yōu)化，又提出了一種節(jié)能感知的啟發(fā)式虛擬機(jī)動態(tài)遷移位置選擇方法(PS-ABC)。模擬實(shí)驗(yàn)結(jié)果表明LB-BC方案能改善云計(jì)算中心的對外服務(wù)能力與計(jì)算效率，最終實(shí)現(xiàn)云環(huán)境中的大數(shù)據(jù)的高效處理。PS-ABC方案中引進(jìn)了幾何概型與貝葉斯理論模型，使其能夠更加精確與快速地獲取全局最優(yōu)解向量，實(shí)現(xiàn)了需求性能的穩(wěn)定性與能量消耗的高效率。