基于模糊规划理论的云计算资源调度研究

宗江琴

（江西省信息科技学校，江西 南昌330029）

模糊规划理论能够较好地描述，并且模仿人类思维方式，进而根据人的体验以及经验，对具有多维度、复杂性的事物进行识别、判断以及决策[1-2]。基于模糊规划理论的研究作为一门新兴学科，已经广泛应用于互联网多媒体技术，以及计算机自动化控制等多个计算机领域[3]。因此，基于模糊规划理论的云计算资源调度，不仅能够保证互联网信息环境的安全性、可靠性；还能够基于云计算资源的统一分配、管理，提高云计算服务器资源的利用率。

1 基于模糊规划理论的云计算资源调度研究

1.1 确定云计算资源调度优先级

在云计算技术的服务应用过程中，其资源数据存在一定数量的轻量级任务。因此，为了提高云环境下调度资源与服务请求的匹配度，需要对云计算平台中的等待时间、传输时间以及调度时间进行调整[4]。

通过细粒度任务的请求方式，以云计算资源分组为前提，整合云计算资源调度数据，进而提高云计算资源的利用率。与此同时，要关注到云环境下的资源调度是实时变化的，需要将云计算资源的静态调度与动态调度进行融合。具体关于云计算资源优先级的调度流程如图1 所示：

图1 云计算资源优先级的调度流程

缩短云计算资源的等待时间，以及根据云资源的状态信息分组处理是确定资源调度优先级的关键目标，能够有效提高云计算资源的利用率。当客户在云计算平台提交服务需求时，资源调度器能够具有针对性地提取相关资源的特征参数，并根据服务器需求资源的节点，选择特定的云计算资源进行调度[5]。与此同时，云计算资源的调度分组会受到任务粒度的影响，需要在给定的资源节点进行一定数量的资源调度。

在云计算资源调度中，通过云计算数据库中心获取的调度资源，具有明显异构性，需要根据云计算资源调度的数据节点进行排序。通常情况下，云计算资源调度的处理能力，以及带宽参数值，通过SCTP 层传输协议，能够直接影响着云计算资源的调度排序结果。因此，为了减少云计算服务器与调度资源间的传输延迟，便需要选择具有最高通信传输率的调度资源。

1.2 分析模糊变量设置目标参数

在量化云计算平台用户应用偏好的前提下，根据云计算资源的完成时间、可靠性以及安全性等多方面进行有效评估，进而构造效用函数。在基于模糊规划理论的基础上，根据云计算资源调度的概率问题，对云计算资源调度的空间、随机变量以及模糊变量的相关参数特征进行提取。在基于模糊规划理论的云计算资源调度研究中，模糊变量是模糊规划理论的数学描述，并根据不同用户的服务需求设置相关参数。

由于云计算平台下用户资源使用的需求存在一定的偏差，因此在基于模糊规划理论的云计算资源调度方法中，首先需要明确用户的资源偏好值，并对云计算下的所有资源进行量化。因此，通过对调度资源的进行量化刚性偏好，以及弹性偏好的分析，得到用户任务对云计算下不同资源属性的偏好值，具体表达式如公式（1）所示：

其中，ri表示为云计算调度资源；k表示为维度空间；ri(k)表示为云计算调度资源ri在k维的特征属性；表示为偏好区间；表示为用户任务对云计算下不同资源属性的实际偏好值。

综上所述，基于模糊规划理论的云计算资源调度参数设置，是利用模糊规划的定义、序关系以及运算等形式，规定云计算资源调度的模糊数排序。与此同时，根据云计算用户资源的偏好特性，提取模糊规划中的参数特征应用于实际资源调度。在基于模糊规划理论的云计算资源调度的过程中，为了实现云计算资源的最优调度目的，需要考虑在规定条件下的调度约束条件。

1.3 构建模糊线性规划模型实现调度

在云计算资源调度过程中，引入模糊线性规划理论，是将其看作是带有模糊参数的云计算资源优化调度方法。其中，将云计算平台下的用户看作是资源调度的约束条件，需要根据模糊变量的排序规则，构建基于模糊规划理论的云计算资源调度模型。无论是云计算平台下的部分调度资源，还是云计算平台下的全部调度资源，都可以看作是模糊线性规划的系数。

在基于模糊规划理论的云计算资源调度过程中，需要首先确定云计算资源调度的最大决策模糊集。与此同时，根据云计算资源的参数特征，深度分析资源调度的可行解集，与资源调度的模糊目标集之间的兼容程度。

为了实现云计算资源调度的最优解集，在模糊线性规划模型中设置多目标。与此同时，根据云计算资源调度的多目标约束条件，在经典的多目标线性规划模型的基础上，求解云计算资源最优调度，具体如公式（2）所示：

基于经典的多目标线性规划模型，Z 表示为目标函数在约束条件下取得的极值；c、k、a、b 均表示为云计算资源调度的规划常量。

关于构建模糊规划理论下的云计算资源调度模型，可以通过截集的方法，在基于云计算调度资源以及服务用户的需求双目标规划的基础上，精确模糊线性规划常量。与此同时，根据云计算资源调度的约束条件，对资源调度的非单调性情形进行实际规划。一定程度上，这不仅简化了云计算资源调度的目标函数，还极大地提高了云计算资源的高效调度。

2 实验

2.1 实验准备

本次基于模糊规划理论的云计算资源调度研究实验，需要10 台物理服务器一对一开启10 台虚拟机。在实验过程中，每台云计算虚拟机分别运行一个服务程序，并通过增加服务器负荷的方式，完成本次资源数据的测量。在本次研究实验中，云计算平台共需要10 个服务器节点，并且能够在Intel Xeon 5506 的处理器运行。

C1oudSim 是一个独立存在的仿真实验平台，能够在创建云计算数据中心节点的基础上，支持云计算资源的有效调度。因此，本次基于模糊规划理论的云计算资源调度研究实验，为实现云计算资源调度与应用服务之间的开源框架，需要在CloudSim 仿真工具下进行。

此外，在云计算平台的资源采集过程中，需要通过Linux 操作系统中的IPTraf 数据控制台，对云计算服务下的资源进行监测。与此同时，可以根据模糊规划理论中的模糊变量，自行调整调度参数，并执行云计算资源调度代码。

2.2 实验过程及结果

云计算数据库中心的资源具有动态性、多样性以及复杂性。因此，在短时间内数据量大量涌入，甚至超过服务器负载时，极易导致云计算服务器崩溃，直接影响服务效率。由于云计算的资源调度直接服务于客户，因此用户满意度是云计算资源调度的关键。针对不同的服务客户，需要根据自身的服务特殊性，提供多维度的服务质量保证。

为了验证基于模糊规划理论的云计算资源调度研究实验具有优越性，需要将其与传统的云计算资源调度方法进行结果对比。其中，将基于经典Min-Min 的云计算资源调度方法作为传统方法1；将基于负载均衡的云计算资源调度方法作为传统方法2。

与此同时，为了保证不同云计算调度方法的实验结果具有客观性。因此，在云计算任务量与资源调度量一致的情况下，每种调度方法分别进行5 次实验并取得实验结果的平均值。具体不同云计算调度方法的实验对比结果如表1 所示：

表1 不同调度方法的实验结果对比

根据实验对比结果可知，在云计算任务量与资源调度量一致的情况下，基于经典Min-Min 的云计算资源调度的传统方法1 在资源利用率，以及调度时间两个方面都不占用优势。基于负载均衡的云计算资源调度的传统方法2 与本文调度方法的资源利用率相差不是很大，但基于模糊规划理论的云计算资源调度方法中，调度时间明显缩短，仅需17s。

结束语

云计算通过互联网信息网络，为用户提供多元化的资源服务。云计算资源的有效调度是云计算平台性能服务的关键因素，因此，在增加云计算数据库中心资源调度复杂性的同时，保证云计算资源具有异构性。云计算环境下的服务存在一定数量的轻量级任务，需要保证云计算资源节点的负载平衡性。总而言之，基于模糊规划理论的云计算资源调度研究，在分析模糊线性规划模型的基础上，通过运用模糊规划理论，能够有效解决云计算资源调度存在的问题。一定程度上，既能扩大云计算资源的服务范围，也能够保证服务具有可靠性。