多租户管理技术在运营管理系统的应用研究

黄秀彬 邓艳丽 经航 黄璨 张莉

摘要：

为提高对运营管理系统中多租户信息的管理和调度能力，提出基于多租户管理技术的运营管理系统信息调度方法。构建多租户信息集成分析模型，采用大数据信息融合方法对运营管理系统的集成数据进行挖掘和采样;在运营管理系统中构建运营信息统计分析和大数据融合聚类模型;采用相空间结构重组方法进行运营管理系统的多租户信息重构，并从中提取运多租户信息数据的关联规则特征量;采用逻辑回归分析方法进行运营管理系统的多租户信息调度和融合处理，构建运营管理系统的多租户信息调度模型，实现对多租户信息的妥善管理。

关键词：

多租户管理; 运营管理系统; 信息融合; 信息调度

中图分类号： TP 391

文献标志码： A

Research on the Application of Multitenant Management

Technology in the Operation Management System

HUANG Xiubin，  DENG Yanli，  JING Hang，  HUANG Can，  ZHANG Li

（State Grid Customer Service Center，  Tianjin  300309， China）

Abstract：

In order to improve the management and scheduling ability of multitenant information in operation management system， an information scheduling method of operation management system based on multitenant management technology is proposed. The multitenant information integration analysis model is constructed， and big data information fusion method is used to mine and sample the integrated data of the operation management system; the operation information statistical analysis and big data fusion clustering model is constructed in the operation management system; the phase spatial structure reorganization method is used to reconstruct the multitenant information of the operation management system， and the association rules feature quantity of the multitenant information data is extracted from it. Using logical regression analysis method to adjust multitenant information of operation management system degree and fusion processing， a multitenant information scheduling model of operation management system is constructed， and the proper management of multitenant information is realized.

Key words：

multitenant management; operation management system; information fusion; information on the scheduling

0引言

一般情況下，需要结合现代通信技术进行网络运行管理系统模型构建，采用合适的信息管理方法进网络运行管理系统的信息自适应调度和管理，提高网络运行管理系统的自适应信息调度水平[1]。其中多租户技术作为提升网络运行效率的使用办法之一，被广泛应用于计算机领域中，多租户管理技术可以使得多个租户共用同一应用程序或同一运行环境，可以有效的降低环境建置的成本，因此成为了一种实用性较强的信息管理手段。对网络运行管理系统的设计和对其中数据的管理是一般建立在大数据融合和统计分析基础上，提取网络运行管理系统的统计特征量，结合特征融合聚类分析方法，进行网络运行管理系统的优化开发设计[2]。目前，已有专家学者在该领域提出了一些较为成熟的研究结果。

针对传统方法中存在的问题[34]，本文提出基于多租户管理技术的运营管理系统信息调度方法。首先构建运营管理系统的多租户信息集成分析模型，然后采用逻辑回归分析方法进行运营管理系统的多租户信息调度和融合处理。最后进行仿真实验分析，通过对比结果证明了本文方法在提高多租户管理和网络运营管理能力方面的优越性能。

1运营管理系统的集成数据挖掘和数据融合聚类

运营管理系统体系结构共分为三层，包括应用服务层、网络传输层和感知控制层[4]。其体系结构组成形式，如图1所示。

根据图1所示的系统结构模型，采用并行输入/输出控制方法，进行多租户运营管理系统的输出统计特征量计算和及其融合聚类处理。

1.1运营管理系统的输出统计特征量

构建运营管理系统的多租户信息调度模型，采用统计特征分析方法，进行多租户运营管理系统的自适应调度和特征提取[5]，得到多租户运营管理系统的分布式调度检测统计量如式（1）。

其中，f代表正向调度统计特征，b代表逆向调度统计特征，b代表一个随机的待调度资源数据，χ代表一个随机的待调度资源数据，α代表标准调度系数，χ代表分布式调度检测统计过程的基本运算参量。

在获取多租户运营管理系统的分布式调度检测统计量的基础上，构建运营管理系统的多租户信息数据统计分布模型。采用时延均衡控制方法得到运营管理系统的多租户信息数据的关联特征如式（2）。

其中，θ代表标准定义下的运营管理系统多租户信息资源数据取值结果。在分散的特征子空间中进行运营管理系统的多租户信息调度和模糊检测，采用关联规则挖掘方法，实现运营管理系统的多租户信息挖掘，具体过程为：提取运营管理系统中多租户用户数据的关联规则特征量，进行运营管理系统的多租户信息调度，得到运营管理系统的集成数据挖掘可靠性评估函数S可表述如式（3）。

其中，τ代表挖掘过程的调度系数，e代表挖掘过程的时间定量因子，β代表集成数据挖掘过程的建立条件。在此基础上，采用多队列调度方法，建立运营管理系统的多租户信息数据的模糊决策模型，使用UNIX类操作进行运营管理系统中多租户信息调度的融合聚类和交叉编译控制，得到特征训练集xi={x1，x2，x3，…，xn}，则运营管理系统的多租户信息挖掘的输出统计特征量如式（4）。

根据上述分析，建立模糊度核函数模型，采用大数据信息融合方法进行运营管理系统的集成数据挖掘和聚类，构建运营管理系统的运营信息统计分析模型，进行运营管理系统的优化设计[6]。

1.2多租户管理数据的融合聚类处理

构建运营管理系统的运营信息统计分析和大数据融合聚类模型，采用相空间结构重组方法进行运营管理系统的多租户信息重构[7]，得到几何邻域空间中的多租户运营管理模糊度T，则运营管理系统的多租户信息数据统计融合分布函数如式（5）。

其中，a代表几何领域空间中的隶属度函数，r代表最大调度算子。整合上述所有理论依据，完成基于云模型BBO算法的医院管理资源优化控制处理。在关联规则聚类下，采用模糊C均值聚类方法，得到运营管理系统的多租户信息的模糊度核函数模型如式（6）。

其中，G代表模糊调度迁移标准，θ、ε分别代表两个不同的动态调度系数。采用子空间融合聚类分析方法和差异化的融合聚类分析方法，得到运营管理系统的多租户信息融合聚类模型如式（7）。

其中，m为运营管理系统的多租户信息调度的适应度函数，d为样本xi的关联规则特征分布量。根据上述分析，构建运营管理系统的多租户信息调度模型，根据运营管理系统的多租户信息融合结果进行线性结构重组，提高多租户管理数据的融合聚类和特征检测能力[8]。

2运营管理系统的多租户管理调度优化

2.1运营管理系统的多租户信息重构

在上述构建运营管理系统的多租户信息集成分析模型并采用大数据信息融合方法进行运营管理系统的集成数据挖掘和采样的基礎上，进行基于多租户管理技术的运营管理系统信息调度优化设计，构建运营管理系统的运营信息统计分析和大数据融合聚类模型，得到运营管理系统的多租户信息数据的多元决策模型[9]。对运营管理系统的多租户信息数据进行分布式检测，定义检测统计特征量为p，建立运营管理系统的多租户信息的模糊聚类分析模型，采用多租户信息重构方法进行信息加权融合[10]。假设深度学习的自适应加权权重为ω，建立运营管理系统的多租户信息调度模型，采用自相关信息聚类方法，进行运营管理系统的多租户信息相似度挖掘[11]，从中提取用户信息的相似度特征量如式（8）。

其中，k代表运营管理系统的多租户信息特征分布权重。采用离散序列调度方法，构建运营管理系统中多租户信息调度的模糊控制模型，对运营管理系统的多租户信息进行特征重构，重构模型定义如式（9）。

其中，m表示相关性特征分布集。根据上述分析，采用相空间结构重组方法进行运营管理系统的多租户信息重构，根据重构结果，进行多租户管理调度优化。

2.2多租户管理信息调度

采用决策树模型进行运营管理系统的多租户信息调度，从中提取运营管理系统的多租户信息的模糊度特征量，采用边缘像素特征重构方法，进行多租户信息的自适应调度，将得到的统计特征分布集定义为Q，则如式（10）。

其中，μ表示运营管理系统的多租户信息调度的空间聚类函数，c表示运营管理系统的多租户信息的模糊度，g表示运营管理系统的多租户信息的相似度模型。在此基础上，采用分段线性管理方法，进行多租户信息调度，得到量化特征分布集如式（11）。

采用一个1×N维的矩阵确定运营管理系统的多租户信息调度的时间窗口值N，采用多维信息熵重构方法构建Probit多元回归分析模型，进行运营管理系统的多租户信息融合，得到边缘量化特征分布集如式（12）。

采用线性随机均衡调节方法进行运营管理系统的多租户信息融合，从中提取运营管理系统那个多租户信息数据的关联规则特征量[12]，得到运营管理系统中多租户信息调度的传输学习函数如式（13）。

综上分析，实现了自适应学习模型的构建，完成了运营管理系统中多租户信息特征分布式采样和调度管理。

3仿真实验检测与结果分析

为了测试上述基于多租户管理技术的运营管理系统信息调度方法在实现运营信息调度管理中的应用性能，进行仿真测试分析。

实验环境及参数设置情况如下：采用嵌入式Matlab进行的运营管理系统中多租户信息管理和交叉编译控制，在类文件MinePressureCollectionC.nc里完成对运营管理系统中多租户信息调度。设定多租户信息采样的数据长度为800，运营网络进行数据传输的带宽为24Buad，多租户信息调度的载波频率为6 kHz，预迭代次数300次。

根据上述参量设定，构建运营管理系统的多租户信息集成分析模型，采用基于多租户管理技术的运营管理系统信息调度方法结合大数据信息融合方法进行运营管理系统的集成数据挖掘，得到数据分布结果，如图2所示。

随着实验时间的的推移，采用本文方法进行信息调度后，信息数据的增值量始终保持在[-3，3]之间，增值情况较为稳定，证明基于多租户管理技术的运营管理系统信息调度方法能够有效实现运营管理系统中多租户信息采样和融合聚类。在此基础上，提取运营管理系统中每个租户信息数据的关联规则特征量的波动幅值，得到特征提取结果，如图3所示。

分析图3结果可知，采用基于多租户管理技术的运营管理系统信息调度方法后，多租户信息数据关联规则特征量的波动幅值始终保持在[-1，1]之间，波动情况较为稳定，证明利用该方法进行运营管理系统信息调度的自适应性较好，特征提取的抗干扰能力较强。

为进一步测试基于多租户管理技术的运营管理系统信息调度方法的有效性，设计如下对比实验。将该方法与文献[3]中的基于角色的多租户信息调度控制模型和文献[4]中的基于历史执行信息的信息集群调度方法进行对比，测试不同方法在进行运营管理系统信息调度过程中的收敛性，得到收敛误差对比结果，如图4所示。

分析图4可知，随着实验迭代次数的不断增加，不同方法的收敛误差也在不断发生变化，均表现为下降态势。其中，文献[4]方法的收敛误差的下降幅度最大，但其收敛误差值高于本文方法和文献[4]方法。本文方法和文献[4]方法的收敛误差的下降幅度相似，但本文方法的收敛误差值更低，证明采用本文方法进行运营管理系统的多租户信息调度的自适应性较好，运营管理的数据分类融合性能较好、误差较小。

4总结

在多租户管理技术条件下，采用大数据统计分析方法，进行网络运行管理系统的优化设计，构建网络运行管理系统的信息融合模型，能夠提高网络运行管理系统的稳定性。为此，本文提出基于多租户管理技术的运营管理系统信息调度方法。对运营管理系统中的集成数据进行采样和挖掘并构建多租户信息集成分析模型，采用相空间结构重组方法重构多租户信息，提取其中的关联规则特征量，实现对多租户信息的有效调度。分析实验结果可知，利用基于多租户管理技术的运营管理系统信息调度方法进行运营管理系统的多租户信息调度的自适应性较好、系统稳定性较强，特征提取过程的误差较小，证明该方法具有较高的实用性。

参考文献

[1]成静静. 多租户管理技术在大数据平台中的应用研究[J]. 数据通信， 2016（6）：1214.

[2]何美斌， 胡精英. 基于Hadoop的大数据平台多租户管理策略研究[J]. 电脑编程技巧与维护， 2017（23）：5860.

[3]王鹏鉴. 大数据平台下多租户模型管理关键技术研究[D]. 成都：电子科技大学， 2017.

[4]陈重韬. 面向多用户环境的MapReduce集群调度算法研究[J]. 高技术通讯， 2017， 27（4）：295302.

[5]喻朝新， 谭伟基， 张静娴. 基于分布式云计算环境下的多租户管理技术方案研究[J]. 数据通信， 2016， 29（4）：711.

[6]石文昌， 王智愚， 黄瑛. 针对 IaaS 云的多租户访问控制模型[J]. 华中科技大学学报（自然科学版）， 2016， 44（3）：9498.

[7]韩敏， 杨柳. 产业链协同SaaS平台多租户权限管理技术[J]. 计算机系统应用， 2016， 25（1）：197203.

[8]尤晓青. SaaS网管系统多租户数据管理的研究与实现[D].西安：西安工程大学，2017.

[9]师康利， 于炯， 鲁亮. 基于Storm的多租户槽感知调度策略[J]. 新疆大学学报（自然科学版）， 2019， 36（1）：6068.

[10]刘英杰， 汪伦焰， 郭阳，等. 基于SaaS模式多租户集成项目管理信息平台设计[J]. 信息技术与信息化， 2017（4）：126130.

[11]刘建国， 杨绿溪. 多用户MIMO系统中一种基于一位反馈信息的调度算法[J]. 电子与信息学报， 2008， 30（10）：24312434.

[12]张炳超， 黎海涛. 一种多用户MIMO系统的公平调度算法[J]. 中国电子科学研究院学报， 2010， 5（2）：213216.

（收稿日期： 2019.09.04）

作者简介：黄秀彬（1971），女，硕士，高级工程师，研究方向，电力营销和客户服务。

邓艳丽（1972），女，本科，高级工程师，研究方向，电力营销和客户服务。

经航（1990），男，硕士，工程师，研究方向：电力营销和客户服务。

黄璨（1984），女，本科，副高级工程师，研究方向：电力营销和客户服务。

张莉（1976），女，本科，副高级工程师，研究方向：电力营销和客户服务。

文章编号：1007757X（2020）08012903