數據中心巡檢機器人信息平臺實時任務容錯調度算法

胡全貴，趙恩來，賈偉昭，開北強

(北京國網信通埃森哲信息技術有限公司，北京 100032)

0 引 言

數據中心巡檢機器人是通過機器人實現智能巡檢的機器人，可通過集成的信息管理平臺實現機器人的智能控制信息處理，提高機器人的實時信息分析和控制能力。隨著信息管理和信息系統(tǒng)的發(fā)展，設計數據中心巡檢機器人信息平臺，通過對數據中心巡檢機器人信息平臺的任務優(yōu)化調度，提高數據中心巡檢機器人信息處理和集成調度能力，與此相關的數據中心巡檢機器人信息平臺的實時任務容錯調度方法研究受到人們的極大關注[1-2]。

數據中心巡檢機器人信息平臺實時任務是建立在信息大數據融合處理基礎上，通過建立數據中心巡檢機器人信息平臺實時任務傳輸模型，通過信道均衡控制方法，進行數據中心巡檢機器人信息平臺實時任務調度，提高信息的集成收發(fā)控制能力[3-4]。文獻[5]提出一種非周期不可搶占式異構分布式的動態(tài)容錯模型，基于該模型在滿足調度差異需求的基礎上，提出一種新型容錯調度方法——DRFSA算法(即基于容錯調度算法的混合動力與可靠性驅動，Dynamic and Reliability-driven of hybrid with Fault-tolerant Scheduling Algorithm)以提高可靠性代價為調度目標，通過合理調度提高系統(tǒng)可靠性，DRFSA算法以可調度性為調度目標，通過減少任務執(zhí)行時間來增加系統(tǒng)可調度性。算法能夠在異構系統(tǒng)中調度動態(tài)的實時任務，且能夠盡可能響應任務需求。但該方法進行數據中心巡檢機器人信息平臺任務調度的容錯性不好，抗干擾能力不強。文獻[6]針對關鍵數據與非關鍵數據混合傳輸場景，建立系統(tǒng)模型，對系統(tǒng)的容錯傳輸能力進行分析，得出混合數據的容錯傳輸規(guī)律，然后在進行容錯傳輸調度的基礎上，利用EDF容錯算法，基于非搶占式的需求進行容錯系數比例計算。同時對計算的過程實時監(jiān)控，保障核心數據在其截止期之前優(yōu)先傳輸，最終完成一次容錯調度算法研究。文獻[7]提出一種針對多核平臺分區(qū)操作系統(tǒng)的安全關鍵任務調度方法。判斷系統(tǒng)是否包含安全關鍵任務并將其分為關鍵分區(qū)和非關鍵分區(qū)。在系統(tǒng)層通過資源劃分的方式確保關鍵分區(qū)的獨立運行，根據分區(qū)利用率確定最小資源極值，在安全區(qū)域內提高任務調度的可靠性和準確性，使操作系統(tǒng)的資源合理利用效率得以提高。文獻[8]提出具有時變慣性不確定性的自適應容錯調度跟蹤控制。研究了存在參數不確定性、執(zhí)行器故障和外部干擾的自適應姿態(tài)跟蹤控制問題。建立了基于單容的動力學模型，該模型明確考慮了質心的變化。然后提出了一種實現姿態(tài)跟蹤的控制方案，該方案在控制器設計過程中充分考慮了可能出現的變化，對參數不確定性具有很好的魯棒性，且油耗較小。最后，通過數值仿真驗證了所提控制器的有效性。文獻[9]提出具有加工集約束的均勻機器調度的任務容錯調度算法，考慮在一組統(tǒng)一的機器上非自由地調度一組獨立的作業(yè)的問題，其中每個作業(yè)都有一組可以分配給它的機器。這種限制稱為處理集限制。主要考慮2種情況：“包含處理集”和“樹層次處理集”。給出了2種情況下的快速近似算法，并表明它們都具有最壞情況下的4/3的性能界限。

針對上述問題，本文提出一種基于自適應反饋均衡和碼元調制技術的數據中心巡檢機器人信息平臺實時任務容錯調度模型。首先構建巡檢機器人信息平臺傳輸信道模型，然后構建數據中心巡檢機器人信息傳輸優(yōu)化協(xié)議，采用模糊C均值聚類的方法融合巡檢機器人性能檢驗，設計仿真實驗進行驗證，其實驗結果表明，本文所設計的方法有利于機器人信息平臺實時任務調度，在容錯調度方面性能優(yōu)越。

1 巡檢機器人信息傳輸信道模型及傳輸協(xié)議優(yōu)化

1.1 數據中心巡檢機器人信息平臺傳輸信道模型

為了實現數據中心巡檢機器人信息平臺實時任務容錯調度，建立傳輸信道模型，在路由沖突模式下構建巡檢機器人數據平臺，由此分析數據中心巡檢機器人信息平臺的任務傳輸鏈路集。采用匹配濾波檢測方法進行數據中心巡檢機器人信息平臺實時任務調度和干擾抑制，得到傳輸信道模型。

數據中心巡檢機器人信息平臺實時任務容錯調度模型進行輸出轉換控制，采用傳輸信道均衡方法進行數據中心巡檢機器人信息平臺實時任務輸出轉換控制，構建任務調度的傳遞函數表示如下：

fij=wtδt+wcδc+wqδq+wsδs

(1)

其中，w、δ分別表示任務調度傳遞過程中的數據流量和耗電量。wt+wc+wq+ws=1,t表示數據中心巡檢機器人信息平臺實時任務所需時間的間隔分布，即time；c表示任務調度傳遞過程中的存儲開銷代價，即cost；q代表任務調度質量結果，即quality；s代表數據中心巡檢機器人信息平臺實時任務調度的安全性能特征，即security?？紤]網絡智能效果的因素，在最大化約束的情況下，提出信道平衡分配實施策略，以此構建實時檢測任務容錯調度的分集聚斂模型[10]。考慮任務流量特征的綜合分布狀況，采用關聯規(guī)則算法，進行數據中心巡檢機器人信息平臺實時任務容錯調度，得到迭代方程為：

(2)

構建路由沖突下數據中心巡檢機器人信息平臺信息傳輸的信道模型。再考慮信息智能管理系統(tǒng)中任務調度信息數據傳輸性能的因素，在輸出過程中需進行轉換結果控制，由此得到任務調度的最小二乘規(guī)劃模型表達式如下：

(3)

其中，c1和c2為常數，φ1、φ2和p分別表示1號機器人輸出過程中的電消耗、2號機器人輸出過程中的電消耗和2個機器人輸出過程中的能量總消耗。

采用ZigBee傳感組網設計方法進行數據中心巡檢機器人信息平臺實時任務調度的物聯網設計，得到數據中心任務調度的優(yōu)先級屬性分布為：

v(t+1)=ωv(t)+φ(p-x(t))

(4)

x(t+1)=x(t)+v(t+1)

(5)

其中，v表示機器人運行速度，ω表示機器人自身信息傳播參數。

根據上述分析，構建數據中心巡檢機器人信息平臺傳輸信道模型，在最優(yōu)傳輸控制協(xié)議下，實現機器人信息平臺傳輸優(yōu)化和容錯性調度[11]。

1.2 任務傳輸協(xié)議優(yōu)化

分析數據中心巡檢機器人信息平臺的實時任務傳輸模型，優(yōu)化數據中心巡檢機器人信息傳輸協(xié)議，再結合自適應的反饋均衡性控制方法進行數據中心巡檢機器人的傳輸信道均衡設計，實時任務容錯調度的轉發(fā)控制協(xié)議描述為：

x(t+1)+(φ-w)x(t)=φp

(6)

在最大化網絡吞吐量控制下，進行數據中心巡檢機器人信息平臺實時任務調度的最優(yōu)化解集評判，得到最優(yōu)解集評判特征量滿足u(t)∈L2(R)，其中，u、L和R分別代表機器人網絡吞吐量的參數、網絡吞吐量和機器人運行中的電阻。則u(t)的評判函數定義為：

φws(s,τ)=|χws(s,τ)|2

(7)

其中，φ代表機器人運行中網絡數據傳播數量，且：

(8)

采用模糊關聯規(guī)則調度方法進行路由沖突下數據中心巡檢機器人信息平臺傳輸的最佳性能調度結構設計，在大數據中擇優(yōu)選取關聯模擬特征量，在分布均勻的向量集中進行巡檢機器人信息數據傳輸的優(yōu)化處理[12-13]。用t/a代替t進行巡檢機器人信息輸出的隨機均衡控制，得到巡檢機器人信息平臺的任務容錯調度自適應函數定義為：

(9)

(10)

其中，μ代表路由器數據參數，H代表路由器在運行時候的數據吞吐量，下標i表示任務傳輸序列，對任務傳輸序列進行優(yōu)先級評判[14]。計算排隊時延，任務流的優(yōu)先級屬性的約束關系為：

(11)

其中，p、α和y分別表示任務傳輸序列總和、參數和起始數據。

由此構建數據中心巡檢機器人信息傳輸優(yōu)化協(xié)議，根據優(yōu)化的傳輸協(xié)議進行任務調度。

2 任務容錯調度算法優(yōu)化

2.1 巡檢機器人信息融合

在完成數據中心巡檢機器人信息平臺傳輸信道模型后，基于路由沖突下進行數據中心巡檢機器人信息平臺實時任務容錯調度算法的優(yōu)化設計，本文提出一種基于自適應反饋均衡和碼元調制技術的數據中心巡檢機器人信息平臺實時任務容錯調度模型，定義巡檢機器人信息傳輸的均衡配置系數如下：

bm=t0(1-a)

(12)

利用能量平衡控制模型，獲得數據中心巡檢機器人信息平臺中云計算節(jié)點間的能量傳輸控制功能，其函數表達式為：

fia(t)=fi(t+bm)

(13)

結合最優(yōu)時延均衡方法，進行數據中心巡檢機器人信息平臺實時任務調度的均衡控制，通過多址協(xié)議參數設置，得到虛擬任務調度中的調度控制集合[15-16]。其實時任務容錯調度的迭代函數為：

(14)

在云計算平臺上，對數據中心巡檢機器人信息平臺中的虛擬任務進行任務優(yōu)先級控制。實時任務容錯調度的控制模型表達式如下所示：

(15)

其中，F(x)、f1(x)、f2(x)和fm(x)分別表示虛擬任務進行任務優(yōu)先級起始數據、第1個虛擬任務進行時的優(yōu)先級數據、第2個虛擬任務進行時的優(yōu)先級數據和第m個虛擬任務進行時的優(yōu)先級數據。

計算排隊時延并優(yōu)化任務調度集，得到數據中心巡檢機器人信息傳輸的特征分布集滿足：

(16)

V={vij|i=1,2,…,c,j=1,2,…,s}

(17)

根據擴頻結果，得到數據中心巡檢機器人信息平臺的任務調度模糊聚類模型，根據上述分析，構建了巡檢機器人信息融合模型，根據信息融合結果，進行任務容錯調度算法的優(yōu)化設計[19-20]。

2.2 自適應反饋均衡及任務容錯調度

建立數據中心巡檢機器人信息平臺實時任務的輸出轉換控制模型，模糊聚類處理數據中心巡檢機器人信息，此過程采用模糊C均值聚類的方法，得到任務容錯調度模型中有n個輸入控制參量，m個輸出參量，數據中心巡檢機器人信息平臺的傳輸任務集合為P(ni)={pk|prkj=1,k=1,2,…,m}，其中，prkj表示巡檢機器人的輸出轉換控制信息輸出總量。建立優(yōu)先級屬性列表，得到實時任務容錯調度迭代方程為：

(18)

在節(jié)點的分布狀態(tài)下的任務信息集合中含有n個可控樣本變量，數據中心巡檢機器人信息管理系統(tǒng)中的任務調度集RTTs的表達式如公式(19)所示：

RTTs=(1-α)RTTs+αRTT

(19)

假設數據中心巡檢機器人信息平臺的管理處理機pi執(zhí)行調度任務nj的有效傳遞函數DR(pi,nj)定義為：

DR(pi,nj)=tsdPET(pi,nj)

(20)

其中，PET(pi,nj)表示數據中心巡檢機器人信息平臺的管理處理機pi執(zhí)行調度任務nj的無效傳遞函數。構建M輪調度集[21-22]。得到數據中心巡檢機器人信息平臺進行實時任務調度的輸出吞吐量為：

2.7 圖表 每幅圖單獨占1頁，集中附于文后，表格隨正文附出。圖表應按其在正文中出現的先后次序連續(xù)編碼，并應冠有圖(表)題。說明性的資料應置于圖(表)下方注釋中，并在注釋中標明圖表中使用的全部非共知共用的縮寫。本刊采用三橫線表(頂線、表頭線、底線)，如遇有合計或統(tǒng)計學處理行(如t值、P值等)，則在此行上面加一條分界橫線;表內數據要求同一指標有效位數一致，一般按標準差的1/3確定有效位數。線條圖應墨繪在白紙上，高寬比例為5∶7左右。計算機繪制圖者應提供激光打印圖樣。凡能使用文字表達清楚的內容，盡量不用表和圖，如使用表和圖，則文中不必重復其數據，只需摘述其主要內容。

其中，Tinter、M和N分別表示數據中心巡檢機器人信息平臺進行實時任務調度的輸出吞吐量、行數和列數。

結合自適應反饋均衡方法進行巡檢機器人信息傳輸的信道均衡設計，建立數據中心巡檢機器人信息平臺實時任務調度的空間動態(tài)規(guī)劃模型，以此得到隨機性調度輸出公式為：

(22)

根據上述分析，采用碼元調制方法進行信息平臺的實時任務容錯調度，結合自適應轉發(fā)控制解調技術進行實時任務容錯調度的沖突規(guī)劃設計[23]。實現流程如圖1所示。

圖1 任務容錯調度的沖突規(guī)劃算法實現流程

3 仿真實驗與結果分析

3.1 實驗環(huán)境及實驗指標

為了驗證本文所設計方法的可行性以及在實現數據中心巡檢機器人信息平臺實時任務容錯調度中的應用性能，結合Matlab進行仿真實驗分析。實驗數據選自艾瑞數據(數據庫網址為http://www.iresearch.cn)，數據中心巡檢機器人的信息傳輸延遲為12.6 ms，實時任務容錯調度的帶寬是12 dB～20 dB，對數據中心巡檢機器人信息采樣的頻率為16 kHz，實時任務容錯調度的數據量從100 MB到1 GB增長。

實驗指標如下：

1)任務容錯調度的延遲：指信息調度過程中，一個報文或分組從一個網絡的一端傳送到另一端所需要的時間。對一個網站終端發(fā)送任務數據包，看接收方是否符合限定要求，以此實現網絡調度的性能。

任務容錯調度的延遲計算公式如下：

(23)

其中：f表示容錯調度時延；l表示數據幀長度，單位為bit；v表示調度速率，單位為bit/s。

2)調度任務規(guī)模：調度任務規(guī)模是指在一定約束條件下，將網絡分配的符合條件的任務調配到規(guī)定任務中的合理范圍內，以此作為判斷調度精度的指標。

3)容錯成功率：容錯率就是容許出現失誤的幾率。容錯成功率得到保證，可以在一定程度上增加調度的可靠性。通過將相關數據輸入到Excel函數中加以計算。

3.2 任務容錯調度的延遲對比分析

將本文算法與文獻[5]動態(tài)實時容錯調度啟發(fā)式算法、文獻[6]關鍵數據一次容錯調度算法、文獻[7]安全關鍵任務調度方法、文獻[8]具有時變慣性不確定性的自適應容錯調度跟蹤控制算法和文獻[9]加工集約束的均勻機器的任務容錯調度算法加以對比分析。根據上述仿真環(huán)境和參數設定，進行數據中心巡檢機器人信息平臺實時任務容錯調度，得到調度序列如圖2所示。

圖2 信息平臺實時任務序列

采用反饋均衡方法進行巡檢機器人信息傳輸的信道均衡設計，結合碼元調制方法進行信息平臺的實時任務容錯調度，根據優(yōu)化后的調度結果，其輸出模式如圖3所示。

圖3 優(yōu)化后任務調度輸出

根據圖3可知，本文算法能有效實現數據中心巡檢機器人信息平臺實時任務調度，調度的容錯性較好。測試調度時延，在比較文獻[5]算法、文獻[6]算法、文獻[7]方法的基礎上，對比分析文獻[8]算法和文獻[9]算法，得到實時任務容錯調度的延遲對比結果見表1。

表1 實時任務容錯調度的延遲對比 單位: s

任務規(guī)模/Mb本文算法文獻[5]文獻[6]文獻[7]文獻[8]文獻[9]1000.140.540.690.660.240.152000.210.790.980.890.220.253000.370.801.120.960.380.404000.481.211.341.250.500.52

分析表1得知，本文算法進行數據中心巡檢機器人信息平臺實時任務容錯調度的延時較短，調度性能較好。在任務規(guī)模為100 Mb～200 Mb時，文獻[5]算法、文獻[6]算法、文獻[7]方法的調度延時平均為本文算法的4倍到5倍。文獻[8]算法和文獻[9]算法的調度延時略高于本文算法。本文算法構建的數據中心巡檢機器人信息平臺傳輸信道模型，在最優(yōu)傳輸控制協(xié)議下，實現機器人信息平臺傳輸優(yōu)化和容錯性調度，保障了任務容錯調度效率，降低了調度時延。不過本文算法也還存在未考慮之處：一方面，它未考慮樣本矢量中各維特征對分類的不同影響；另一方面，也未考慮不同樣本矢量對任務容錯調度效果的不同影響。

3.3 測試調度任務規(guī)模對比分析

測試調度任務規(guī)模，得到對比結果如圖4所示。分析得知，本文算法進行數據中心巡檢機器人信息平臺實時任務容錯調度的精度較高。

圖4 任務容錯調度的調度規(guī)模

由圖4可以看出，在任務規(guī)模不斷擴大的過程中，本文算法調度精度接近于100%，文獻[5]、文獻[6]和文獻[7]調度算法的調度精度呈現下降趨勢，尤其是文獻[6]算法下降速度最快，且當任務規(guī)模達到500 Mb時低至0.1。文獻[8]和文獻[9]任務容錯調度算法的調度精度接近本文算法，遠遠高于文獻[5]、文獻[6]和文獻[7]調度算法，主要原因在于本文算法進行數據中心巡檢機器人信息平臺實時任務調度的容錯性較好，信息平臺的信道均衡性較強。本文算法進行實驗操作，在數據中心巡檢機器人信息平臺的調度性能強，任務實時掌控效果佳，任務調度精度準確性較好，測試調度任務規(guī)?？刂圃诤侠矸秶鷥?。

3.4 容錯成功率對比分析

依據實驗數據，使用本文算法和文獻[5]算法、文獻[6]算法、文獻[7]方法、文獻[8]算法和文獻[9]算法依次進行實驗操作，共操作1000次，容錯成功率與錯誤發(fā)生時間點的關系如圖5所示。

圖5 容錯成功率與錯誤發(fā)生時間點的關系

由圖5可以看出，相較于簡單容錯算法，在任務執(zhí)行后期發(fā)生錯誤的情況下，本文算法能夠提高50%左右的容錯能力。文獻[8]和文獻[9]算法的容錯成功率接近本文方法，呈現下降的趨勢，而文獻[5]、文獻[6]和文獻[7]算法在錯誤發(fā)生時間點前期呈現下降的趨勢，隨著時間點的遷移，在0.7到0.8時，呈現上升趨勢。本文所采用的實時任務容錯調度算法的錯誤發(fā)生時間點最終控制在0.9，采用實時任務容錯調度算法，能夠通過優(yōu)先級提升的方式保證較高的關鍵容錯能力，大幅提升了系統(tǒng)任務調度的可靠性。在容錯成功率對比分析的基礎上，分析模糊C均值聚類，其是統(tǒng)計模式識別中無監(jiān)督模式分類的一個重要分支，在眾多的實現方法中模糊C均值算法成為最流行的算法之一，在一定程度上，對于本文算法起到一定的促進作用，但是隨著隨機性降低其魯棒性也降低。本文算法在實驗情況下未考慮隨機性對魯棒性影響的具體的性能分析，因此在以后的研究中可以就隨機性對魯棒性的影響進行具體分析。

4 結束語

基于數據中心巡檢機器人信息平臺，通過對數據中心巡檢機器人信息平臺的任務優(yōu)化調度，為提高數據中心巡檢機器人信息處理和集成調度能力，本文提出了一種基于自適應反饋均衡和碼元調制技術的數據中心巡檢機器人信息平臺實時任務容錯調度模型，采用模糊關聯規(guī)則調度方法進行路由沖突下數據中心巡檢機器人信息平臺傳輸的最優(yōu)調度設計，提取待調度任務的關聯特征量，結合自適應反饋均衡方法進行巡檢機器人信息傳輸的信道均衡設計和容錯性調度。本文算法創(chuàng)新點如下：一是構建了巡檢機器人信息融合模型；二是對數據中心巡檢機器人信息平臺中的虛擬任務進行任務優(yōu)先級控制。根據研究可知，本文算法進行數據中心巡檢機器人信息平臺任務調度的實時性和容錯性較好。