远程教育网络资源分配与任务调度优化研究

姜希尧

(上海工艺美术职业学院，上海 201808）

1 引言

网络远程教育是一种新型的互联网教育实践方式，可在现代信息技术的支持下，实现对云计算技术的开发与研究，从而使整个互联网环境中的信息资源存储容量得到不断扩充[1]。其目的在于组织学生进行集体性的学习与交流活动，并于其中获得大量的教育实践经验。

网络资源分配过程同时受制于计算能力、缓存能力、带宽条件等多项物理因素，是一种较为完善的数据信息匹配处理手段。网络任务调度能够在空间上将数据信息参量调配至任务处理器之上，且可以从时间域角度上对这些任务指令的执行时序进行排列。

在远程教育网络中，由于数据时限性等条件的影响，个别信息资源很难在既定时间内达到理想化传输位置，从而导致教育时效性的不断下降。为解决此问题，相关学者设计了统一型资源分配技术[2]。该技术借助任务管理器，将所有正在执行的数据任务集合到当前频段之中，但由于待存储的教育信息资源量极大，易导致分配调节时间的无限延长。为避免上述情况的发生，本文设计了一种新的远程教育网络资源分配与任务调度优化策略，在基础分配框架与拓扑体系结构的支持下，实现对任务目标的捕获与处理，并通过对比实验的方式，突出该方法的实际应用能力。

2 远程教育网络的资源分配

远程教育网络资源分配需要在基础分配框架的支持下，连接多项资源分配结构，再针对缓存资源信息量进行精确计算，具体操作方法如下。

2.1 远程教育网络的基础分配框架

随着远程教育网络的兴起与发展，信息数据资源需要进行统一的分配与调度，且为了更好满足这种资源分配需求，需明确相关网络层次之间的信息传输目的，从而使传输协议能够适应远程教育网络的全局性调度目的，实现对教育信息资源的最优配比处理。

现有远程教育资源分配算法大致可划分为如下两类：单一型资源分配与统一型资源分配。其中，单一型资源分配主要应用于远程教育网络的某一特定层次主体，可借助协议层信息节点，实现对远程教育数据的交换与互传[3-4]。统一型资源分配可将多个协议层教育资源整合到一起，从而将资源分配问题转化为优化性应用问题。一般情况下，一个完整的远程教育网络基础分配框架同时涉及物理层、MAC 层、网络层、传输层、应用层五类应用层次结构，且随着待传输数据总量的增大，层次主体之间的调度分配能力也在逐渐增强。

远程教育网络分配框架的基础分层模式如表1所示。

表1 远程教育网络分配框架的基础分层模式

2.2 资源分配结构

虚拟远程教育网络可将基础物理网络中的存储数据资源抽象成为虚拟信息的存在形式，如虚拟链路、虚拟节点等多种形式，然后再把这些虚拟链路和虚拟节点组合成相互隔离的资源分配网络模型。在这些预设的虚拟网络中，基础物理教育网络始终保持原有的体系结构格式。远程教育网络虚拟化系统将传统的资源服务ISPs(服务者)分离为SPs(服务提供者)与InPs(基础设施提供者)两类[5]。其中，SPs 可同时租用一个或多个InPs 资源，以用来创建完整的虚拟远程教育网络模式，能够为资源对象同时提供端到端的网络连接服务。InPs 则负责部署和管理现有的教育资源信息，可在虚拟化处理物理资源数据的同时，建立多条可用的资源传输链路结构体[6]。完整的资源分配结构包含物理网络基础设施和虚拟网络主机对象，能够依照教育对象所需的数据需求，改变SPs主机中的信息传输方向，完整的结构连接形式如图1所示。

图1 远程教育网络的基础资源分配结构

2.3 缓存资源量计算

从控制原理的角度来看，远程教育网络中缓存资源信息分配主要包含如下两个方面：若以数据流作为分配核心，不同教育信息始终隶属于不同的用户对象，且每一个资源分配结构都必须占据完全独立的QoS 传输要求。若以教育网络信息分配流作为控制核心，网络缓存分配机制需要在借助定量已缓存教育数据资源的同时，建立节点与节点之间的数据传输关系，从而使得远程教育网络主机能够得到足量的缓存资源信息文件。假设完全划分的教育资源与未完全划分的教育资源在信息分配方面的关系占比情况始终为1：1，且随着远程教育网络应用规模的不断扩大，这种数据信息比率关系也不会打破。为实现远程教育网络资源的合理化分配，缓存分配机制必须在丢弃原有调度模式的情况下，才能完成对数据信息的规划与处理，而在此过程中，教育信息资源的分配进度也始终受到网络覆盖强度的直接影响。假设R代表远程教育网络中的数据信息资源传输均值，δmin代表资源分配系数的下限执行权限量。联立上述物理量，可将远程教育网络中的缓存资源量计算结果表示为：

式中，P0代表信息资源参量的分配处理源系数，Q0代表教育数据的源获取系数，Wmin代表教育网络覆盖面积的最小限度值，Wmax代表教育网络覆盖面积的最大限度值，β 代表教育资源数据的常项分配指标。

3 远程教育网络的任务调度优化算法

在远程教育网络资源分配技术的支持下，按照调度拓扑体系建立、网络路由节点微结构连接、优化目标确定的处理流程，完成远程教育网络资源分配与任务调度优化算法的设计。

3.1 远程教育网络的调度拓扑体系

远程教育网络调度拓扑体系采用直接型连接的应用形式，其拓扑体系连接原理如图2所示。

图2中，拓扑体系由S、AD 两类过渡节点共同组成。其中，S 节点直接针对远程教育网络中的数据资源信息参量，可在与资源分配结构互联的同时，干预数据信息文件的实际传输范围。一般情况下，S 型节点的实际数量值越大，远程教育网络调度拓扑体系的覆盖面积也就越大，但前者对于后者的作用能力相对较小，并不能直接对教育数据资源的调度能力造成影响。AD节点则主要针对远程教育网络中已被赋予分配调度任务的参与节点，能够妥善利用已缓存的教育数据资源量，并可在不影响信息分配能力的基础上，将拓扑体系的执行能力调度值最大值应用状态。从宏观角度来看，远程教育网络调度拓扑体系的规划性能力较强，能够适配基础分配框架的现有连接形式；而从微观角度来看，远程教育网络调度拓扑体系具备较强的执行处理能力，可充分调节待缓存教育 资源量间的连接与传输关系。

图2 远程教育网络调度拓扑体系连接原理

3.2 网络路由节点微结构

路由节点微结构存在于远程教育网络中，可在适应教育资源分配需求的同时，设置既定的网关执行标准，从而将轮空的FIFO 与非空FIFO 集合结合起来，一方面满足与教育资源数据相关的轮询算法应用需求，另一方面按照调度实值的权限标准，对各项教育资源信息量进行妥善处理。远程教育网络资源输入路由节点微结构后，会首先进入教育网关体系之中，而随着信息资源分配需求的逐渐明确，各项数据参量回逐渐成为轮空FIFO集合与非空FIFO集合两部分。其中，轮空的FIFO集合能够适配远程网络教育中信息资源的调度实值，并可在阈值结果的作用下，最终成为非空FIFO集合的存在形式。非空FIFO集合存在于网络路由节点微结构末端，可整合所有待存储的远程教育网络资源，并将其整合成全新的输出形式，以供其它网络结构体的调取与利用。

图3 网络路由节点微结构示意图

3.3 任务调度算法的优化目标

随着远程教育网络中数据资源分配需求的不断扩展，任务调度目标的优化能力也在逐渐趋于多元化。常见的优化指标包含调度时长、调度功耗、网络链路负载条件、分配处理器均衡负载条件四项影响因素。远程教育网络资源调度时长可表示为|T|，是指数据传输任务在既定网络环境中的时间消耗最大值，一般情况下，一个好的网络资源任务调度优化方案中，实际调度时长值应该尽可能的被不断降低。调度功耗可表示为，是指远程教育网络在单位时间内的资源信息消耗总量，通常情况下，该项物理量的实际表现值越大，任务调度算法优化目标的最终处理结果也就越明确。网络链路负载条件可表示为χ1，分配处理器均衡负载条件可表示为χ2，在既定远程教育网络环境中，上述两项物理量始终保持互为相反数的存在状态，且二者之间的作用影响强度始终处于既定数值区间内。在上述物理量的支持下，联立公式(1)，可将远程教育网络资源的任务调度优化目标定义为：

式中，s0代表最小的教育资源调度需求量，sn代表最大的教育资源调度需求量，n代表教育资源在远程网络中的实际分配系数，ξ代表调度任务的实际拆分处理权限值。至此，完成各项执行系数的计算与处理，在不考虑其它干扰条件的情况下，实现远程教育网络资源分配与任务调度优化算法的顺利应用。

4 应用能力检测

为验证远程教育网络资源分配与任务调度优化算法的实际应用价值，设计如下对比实验。

搭建如图4所示的网络应用环境，借助远程服务器与网络服务器，将所有教育信息资源集合到统一的网络环境中，令个人用户与个人电脑同时接入校园网环境中，在确保资源占比量始终保持稳定的情况下，打乱所有可能存在的IP 地址信息，记录由信息分配开始到信息稳定为止整个时间周期内，各项实验指标数值的具体变化情况。其中，实验组主机搭载本文设计的远程教育网络资源分配与任务调度优化算法，对照组主机搭载传统的统一型资源分配技术。

图4 远程教育网络资源分配与任务调度环境

单位时间内的教育信息资源调度量能够反映远程教育网络中信息数据资源的实际分配与规划能力，一般情况下，单位时间内所能调度的信息资源量越大，远程教育网络的分配与规划能力也就越强，反之则越弱。表2记录了实验组、对照组单位时间内信息资源调度量的具体变化情况。

表2 单位时间内的教育信息资源调度量对比表

分析表2可知，实验组教育信息资源调度量在前两个实验时长内，始终保持不断上升的变化趋势，从第三个单位时长开始，逐渐进入数值稳定状态，而到了第四个单位时长，又再次恢复初始情况下的上升状态，整个实验过程中的最大数值结果达到了6．8GB。对照组教育信息资源调度量在前两个单位时长内，始终保持连续稳定的数值存在状态，从第三个单位时长开始，这种稳定态势被打破，开始进入不断下降的变化趋势，整个实验过程中的最大数值结果仅能达到4．3GB，与实验组最大值相比，下降了2．5GB。综上可知，应用远程教育网络资源分配与任务调度优化算法后，单位时间内的教育信息资源调度量得到了大幅促进，能够实现对远程教育网络信息数据资源实际分配与规划能力的不断提升。

教育信息资源分配调节时间是描述远程教育网络应用稳定性的重要物理指标，一般情况下，教育信息资源分配调节时间越短，远程教育网络的应用稳定性能力也就越强，反之则越弱。表3记录了实验组、对照组教育信息资源分配调节时间的具体变化情况。

分析表3可知，随着待分配教育信息资源量的增大，实验组资源分配调节时间始终保持绝对稳定的存在状态。而对照组资源分配调节时间则始终保持不断上升的变化趋势，整个实验过程中的最大数值结果达到了5．3min，与实验组均值结果3．3min 相比，上升了2．0min。综上可知，应用远程教育网络资源分配与任务调度优化算法后，教育信息资源的实际分配调节时间出现了明显下降的变化趋势，可实现对远程教育网络应用稳定性的有效控制。

表3 教育信息资源分配调节时间对比表

5 结束语

与统一型资源分配技术相比，本文设计的远程教育网络资源分配与任务调度优化算法在基础分配框架与调度拓扑体系的作用下，准确计算网络环境中的数据信息缓存资源量，从而实现对调度优化目标的有效定义。从实用性角度来看，单位时间内教育信息资源调度量的增大，不但促进了资源分配调节时间的大幅缩短，也适度提升了远程教育网络的应用稳定性，具备较强的推广与使用价值。