论文部分内容阅读
摘要：随着计算机技术不断普及到各行各业，云资源也成为人们关注的重点话题，云资源来源渠道多样，数量庞大，对其进行均衡调度一直极为复杂。利用虚拟实验室研究了云平台资源的均衡调度方法，建立了云平台资源均衡系统模型，给出了均衡调度算法，通过所建立的模型和给出的算法实现对云平台资源的均衡调度，利用仿真实验证明方法的可行性。通过研究证明此种方法能够有效均衡地调度云平台中的资源，提高资源利用率，同时加强负载均衡稳定性，具有极好的发展前景。
关键词：虚拟实验室；云平台；资源调度
中图分类号TP3.11 文献标识码：A 文章编号：1009-3044（2017）29-0172-02
Abstract： With the continuous popularization of computer technology to all walks of life， cloud resources have also become a key topic of attention. The source channels of cloud resources are diverse and large， and the balanced scheduling of them has been extremely complex. Using virtual laboratory studies the balance of the cloud resource scheduling method， cloud platform resource equilibrium system model is established， balance scheduling algorithm is given， and through the established model and algorithm to realize the equilibrium of cloud resources scheduling， using simulation experiments prove the feasibility of method. It is proved that this method can effectively balance the resources in the cloud platform， improve the utilization rate of resources， and enhance the stability of load balancing.
Key words： virtual laboratory； Cloud platform； Resource scheduling
随着科学的发展，社会的进步，计算机技术不断渗透到各个领域，伴随计算机出现的各种业务也愈加成熟。云平台（cloud platforms）是随着计算机发展被提出的一种服务平台，云平台支持开发者将已经编辑好的程序放置到“云环境”中进行运算，也能为使用者提供“云环境”中的服务，这种新兴服务平台能够最大程度帮助用户利用互联网中的资源完成各种任务，而且在任何时间和任何空间都能使用，具有巨大的发展潜力。近年来互联网中的数据呈现爆炸式增长，对云平台提出了更高的要求，云平台必须要拥有大量提供并发访问服务的能力。云平台中负载丰富的资源，如何均衡调度这些资源成为目前亟待解决的问题[1]。
鉴于上述所言，本文利用虚拟实验室研究了云平台资源的均衡调度方法，首先建立了云平台资源均衡系统模型，然后通过建立的云平台资源均衡调度模型实现对云平台资源的均衡调度，最后利用仿真实验证明方法的可行性。实验证明：本文给出的方法能够有效均衡地調度云平台中的资源，提高资源利用率，同时加强负载均衡稳定性。
1 虚拟实验室中云平台资源均衡调度模型
首先在所建立的虚拟实验室中设置云平台，然后对云平台上各节点的负载信息进行全面的搜集，记录出搜集到节点的负载状态，进而将其分类，判断节点样本的负载特性，计算出节点样本的负载特征值，通过传输包将计算的节点负载特征结果传送到根部节点，从而促进根部节点能够及时反馈出各个子节点的任务要求，虚拟实验室中云平台资源均衡系统模型如下图1所示[2]：
虚拟实验室云平台资源调度模型建立过程如下：首先计算出云平台节点整体负载值，计算公式如下：
公式（1）中，代表云平台下的节点，表示节点处于运行状态时的整体负载情况，表示在云平台下的节点运行任务数，通过上述公式计算出CPU的负载特征值。在计算出整体负载值后，要对各个节点的负载值进行计算，计算公式如下所示：
公式（2）中，代表云平台下各个节点负载空间，代表样本的先验概率，代表样本的后验概率，通过公式（2）能够有效计算出各个节点的负载值。
当计算出云平台各个节点的负载值后，可以根据公式（3）计算出各个节点需要执行的任务[3]：
公式（3）代表，当节点处于空闲状态时，子节点任务请求为1，当节点处于正常状态时，子节点任务请求为2，当节点处于超载状态时，子节点任务请求为3。根据公式（1）、公式（2）和公式（3）能够在虚拟实验室中建立云平台资源均衡系统模型。
2 虚拟实验室中云平台资源均衡调度方法的实现
在建立资源均衡系统模型后，可根据资源均衡系统原理对云平台资源进行均衡调度，通过云平台资源均衡调度模型计算出调度过程需要花费的时间，产生的费用以及涉及的安全函数等。虚拟实验室中云平台资源均衡调度模型如下图2所示：
根据图2所建立的均衡调度模型实现云资源的调度，调度过程如下[4]。
在云平台资源均衡调度过程中，设计云平台数据异构集合群，并对计算矩阵的值进行计算，从而定义迁移虚拟实验室的目标物理节点，判断节点的运行方式。计算过程如公式（4）所示： 公式（4）中，表示云平台的物理节点，代表节点类型，表示计算数量，代表物理节点的荷载。在计算出物理节点的荷载值后，进行调度，调度过程根据公式（5）进行：
公式（5）中，代表云平台在空闲状态下的调度能力，代表云平台在正常状态下的调度能力，代表云平台在过载状态下的调度能力。表示相对负载差值，代表物理负载阈值，、代表不同物理节点的采集周期，代表处理能力的量化值，代表调度能力的最大值，、、表示虚拟目标值，表示在空闲状态下的最大调度能力，表示在正常状态下的最大调度能力，表示在超载状态下的最大调度能力，根据上述公式和调度模型从而实现云平台资源均衡调度。
3 仿真证明
根据上述在虚拟实验室中建立的模型和给出的算法能够实现云平台资源的均衡调度，为了证明方法的可操作性，参考传统的资源调度方法设计了仿真实验。参数设定如下：在0～100之间，分别为1、2、3、4，为固定值。根据上述设定的参数进行仿真实验，得到的实验结果如下图3所示[5]：
分析图3可知，虽然随着时间的增加，两种方法的调度能力都在不断增，但是本文给出的均衡调度方法远远高于传统调度方法，且越到后期调度能力越强，而传统方法到后期调度能力上升程度较小。
传统方法虽然能够对云平台资源进行均衡调度，但是不具备建立云平台资源负载均衡模型的能力，因此无法计算调度过程中需要使用的各种参数，调度耗时长，调度结果差，本文设计的方法在建立虚拟实验室中云平台资源均衡系统模型上实现，能够有效计算出调度过程可能涉及的各种参数，并且给出准确的计算结果，耗时短，工作效率高，是未来的必然发展趋势。
4 结束语
通过本文的探讨分析可以了解到，如今计算机技术已经不断普及到各行各业的各个领域之中，计算机的发展带动云资源的发展，云资源来源渠道多样，数量庞大，一直以来科学家都在寻找对其进行均衡调度的方法，但是收效甚微。本文利用虚拟实验室研究了云平台资源的均衡调度方法，首先建立了云平台资源均衡系统模型，给出了均衡調度算法，通过所建立的模型和给出的算法实现对云平台资源的均衡调度，最后利用仿真实验证明方法的可行性。通过本文的研究证明此种方法能够有效均衡地调度云平台中的资源，提高资源利用率，同时加强负载均衡稳定性，是未来调度云资源的必然发展方向。
参考文献：
[1] 张牧. 云计算和多维QoS环境中基于蚁群优化算法在虚拟机资源负载均衡问题中的研究[J]. 计算机科学， 2013， 40（11a）.
[2] 朱亚会， 陈丹， 庄毅. 云数据中心资源利用率均衡的虚拟机调度算法[J]. 小型微型计算机系统， 2017， 38（2）.
[3] 张焕青， 张学平， 王海涛，等. 基于负载均衡蚁群优化算法的云计算任务调度[J]. 微电子学与计算机， 2015， 32（5）.
[4] 王岗， 王菁， 高晶，等. 面向校园云平台的虚拟机综合调度方法[J]. 计算机与数字工程， 2015（10）.
[5] 李济汉， 李素粉， 张云勇，等. 云计算环境下虚拟机资源均衡调度方法研究[J]. 电信科学， 2013， 29（4）.
关键词：虚拟实验室；云平台；资源调度
中图分类号TP3.11 文献标识码：A 文章编号：1009-3044（2017）29-0172-02
Abstract： With the continuous popularization of computer technology to all walks of life， cloud resources have also become a key topic of attention. The source channels of cloud resources are diverse and large， and the balanced scheduling of them has been extremely complex. Using virtual laboratory studies the balance of the cloud resource scheduling method， cloud platform resource equilibrium system model is established， balance scheduling algorithm is given， and through the established model and algorithm to realize the equilibrium of cloud resources scheduling， using simulation experiments prove the feasibility of method. It is proved that this method can effectively balance the resources in the cloud platform， improve the utilization rate of resources， and enhance the stability of load balancing.
Key words： virtual laboratory； Cloud platform； Resource scheduling
随着科学的发展，社会的进步，计算机技术不断渗透到各个领域，伴随计算机出现的各种业务也愈加成熟。云平台（cloud platforms）是随着计算机发展被提出的一种服务平台，云平台支持开发者将已经编辑好的程序放置到“云环境”中进行运算，也能为使用者提供“云环境”中的服务，这种新兴服务平台能够最大程度帮助用户利用互联网中的资源完成各种任务，而且在任何时间和任何空间都能使用，具有巨大的发展潜力。近年来互联网中的数据呈现爆炸式增长，对云平台提出了更高的要求，云平台必须要拥有大量提供并发访问服务的能力。云平台中负载丰富的资源，如何均衡调度这些资源成为目前亟待解决的问题[1]。
鉴于上述所言，本文利用虚拟实验室研究了云平台资源的均衡调度方法，首先建立了云平台资源均衡系统模型，然后通过建立的云平台资源均衡调度模型实现对云平台资源的均衡调度，最后利用仿真实验证明方法的可行性。实验证明：本文给出的方法能够有效均衡地調度云平台中的资源，提高资源利用率，同时加强负载均衡稳定性。
1 虚拟实验室中云平台资源均衡调度模型
首先在所建立的虚拟实验室中设置云平台，然后对云平台上各节点的负载信息进行全面的搜集，记录出搜集到节点的负载状态，进而将其分类，判断节点样本的负载特性，计算出节点样本的负载特征值，通过传输包将计算的节点负载特征结果传送到根部节点，从而促进根部节点能够及时反馈出各个子节点的任务要求，虚拟实验室中云平台资源均衡系统模型如下图1所示[2]：
虚拟实验室云平台资源调度模型建立过程如下：首先计算出云平台节点整体负载值，计算公式如下：
公式（1）中，代表云平台下的节点，表示节点处于运行状态时的整体负载情况，表示在云平台下的节点运行任务数，通过上述公式计算出CPU的负载特征值。在计算出整体负载值后，要对各个节点的负载值进行计算，计算公式如下所示：
公式（2）中，代表云平台下各个节点负载空间，代表样本的先验概率，代表样本的后验概率，通过公式（2）能够有效计算出各个节点的负载值。
当计算出云平台各个节点的负载值后，可以根据公式（3）计算出各个节点需要执行的任务[3]：
公式（3）代表，当节点处于空闲状态时，子节点任务请求为1，当节点处于正常状态时，子节点任务请求为2，当节点处于超载状态时，子节点任务请求为3。根据公式（1）、公式（2）和公式（3）能够在虚拟实验室中建立云平台资源均衡系统模型。
2 虚拟实验室中云平台资源均衡调度方法的实现
在建立资源均衡系统模型后，可根据资源均衡系统原理对云平台资源进行均衡调度，通过云平台资源均衡调度模型计算出调度过程需要花费的时间，产生的费用以及涉及的安全函数等。虚拟实验室中云平台资源均衡调度模型如下图2所示：
根据图2所建立的均衡调度模型实现云资源的调度，调度过程如下[4]。
在云平台资源均衡调度过程中，设计云平台数据异构集合群，并对计算矩阵的值进行计算，从而定义迁移虚拟实验室的目标物理节点，判断节点的运行方式。计算过程如公式（4）所示： 公式（4）中，表示云平台的物理节点，代表节点类型，表示计算数量，代表物理节点的荷载。在计算出物理节点的荷载值后，进行调度，调度过程根据公式（5）进行：
公式（5）中，代表云平台在空闲状态下的调度能力，代表云平台在正常状态下的调度能力，代表云平台在过载状态下的调度能力。表示相对负载差值，代表物理负载阈值，、代表不同物理节点的采集周期，代表处理能力的量化值，代表调度能力的最大值，、、表示虚拟目标值，表示在空闲状态下的最大调度能力，表示在正常状态下的最大调度能力，表示在超载状态下的最大调度能力，根据上述公式和调度模型从而实现云平台资源均衡调度。
3 仿真证明
根据上述在虚拟实验室中建立的模型和给出的算法能够实现云平台资源的均衡调度，为了证明方法的可操作性，参考传统的资源调度方法设计了仿真实验。参数设定如下：在0～100之间，分别为1、2、3、4，为固定值。根据上述设定的参数进行仿真实验，得到的实验结果如下图3所示[5]：
分析图3可知，虽然随着时间的增加，两种方法的调度能力都在不断增，但是本文给出的均衡调度方法远远高于传统调度方法，且越到后期调度能力越强，而传统方法到后期调度能力上升程度较小。
传统方法虽然能够对云平台资源进行均衡调度，但是不具备建立云平台资源负载均衡模型的能力，因此无法计算调度过程中需要使用的各种参数，调度耗时长，调度结果差，本文设计的方法在建立虚拟实验室中云平台资源均衡系统模型上实现，能够有效计算出调度过程可能涉及的各种参数，并且给出准确的计算结果，耗时短，工作效率高，是未来的必然发展趋势。
4 结束语
通过本文的探讨分析可以了解到，如今计算机技术已经不断普及到各行各业的各个领域之中，计算机的发展带动云资源的发展，云资源来源渠道多样，数量庞大，一直以来科学家都在寻找对其进行均衡调度的方法，但是收效甚微。本文利用虚拟实验室研究了云平台资源的均衡调度方法，首先建立了云平台资源均衡系统模型，给出了均衡調度算法，通过所建立的模型和给出的算法实现对云平台资源的均衡调度，最后利用仿真实验证明方法的可行性。通过本文的研究证明此种方法能够有效均衡地调度云平台中的资源，提高资源利用率，同时加强负载均衡稳定性，是未来调度云资源的必然发展方向。
参考文献：
[1] 张牧. 云计算和多维QoS环境中基于蚁群优化算法在虚拟机资源负载均衡问题中的研究[J]. 计算机科学， 2013， 40（11a）.
[2] 朱亚会， 陈丹， 庄毅. 云数据中心资源利用率均衡的虚拟机调度算法[J]. 小型微型计算机系统， 2017， 38（2）.
[3] 张焕青， 张学平， 王海涛，等. 基于负载均衡蚁群优化算法的云计算任务调度[J]. 微电子学与计算机， 2015， 32（5）.
[4] 王岗， 王菁， 高晶，等. 面向校园云平台的虚拟机综合调度方法[J]. 计算机与数字工程， 2015（10）.
[5] 李济汉， 李素粉， 张云勇，等. 云计算环境下虚拟机资源均衡调度方法研究[J]. 电信科学， 2013， 29（4）.