基于花授粉算法的容器云资源低能耗部署方法_徐胜超.pdf
《基于花授粉算法的容器云资源低能耗部署方法_徐胜超.pdf》由会员分享,可在线阅读,更多相关《基于花授粉算法的容器云资源低能耗部署方法_徐胜超.pdf(6页珍藏版)》请在咨信网上搜索。
1、2023 年第 3 期计算机与数字工程收稿日期:2022年8月3日,修回日期:2022年9月20日基金项目:国家自然科学基金面上项目(编号:61772221);广州华商学院校级导师制科研项目(编号:2022HSDS07);广东省哲学社会科学规划项目(编号:GD17XGL19)资助。作者简介:徐胜超,男,硕士,讲师,研究方向:并行分布式处理软件。毛明扬,男,硕士,助教,研究方向:信息安全技术。陈刚,男,硕士,讲师,研究方向:信息安全与云计算。1引言云计算在使用过程中能耗过大是比较棘手的问题1,近年来国内外专家针对降低云计算能耗的方法开展了深入研究,得出能耗高的原因:其一是数据量的增多,其二是云资
2、源部署不合理2。随着云计算的广泛应用,数据中心数量急剧增多,能耗问题愈发严重。为了进一步优化云资源部署能力,有效降低资源能耗,相关的云资源低能耗部署方法引起了学者的关注。文献 3 比较了不同的容器云调度算法,考虑了容器云任务调度的不同细微差别,包括任务长基于花授粉算法的容器云资源低能耗部署方法徐胜超毛明扬陈刚(广州华商学院数据科学学院广州511300)摘要论文提出了基于花授粉算法的容器云资源低能耗部署方法。首先构建容器云资源能耗模型,在此基础上迁移容器,提出最低增长法、最高增长法、混合增长法以及随机选择模式四种容器选择方式应用在迁移中。综合容器迁移以及能耗模型得出资源部署的最低能耗,利用花授粉
3、算法实施容器云资源的部署,划分云资源任务个体适应度种群,得出每个种群最高适应度实施初始化和更新处理,输出花授粉算法的最优解,即资源的最优部署策略。实验结果表明,该方法的平台资源利用率高、部署完成时间短以及负载均衡好,降低了容器云资源部署过程中的能耗。关键词花授粉算法;容器云;低能耗;资源部署;预处理中图分类号TP393.4DOI:10.3969/j.issn.1672-9722.2023.03.024Low-energy Deployment Method of Container Cloud ResourcesBased on Flower Pollination AlgorithmXU S
4、hengchaoMAO MingyangCHEN Gang(School of Data Science,Guangzhou Huashang College,Guangzhou511300)AbstractA low-energy deployment method of container cloud resources based on flower pollination algorithm is proposed.First,the container cloud and build the container cloud resource energy consumption mo
5、del.On this basis,the container is migrated,and four container selection methods are put forward,which are minimum growth method,maximum growth method,mixedgrowth method and random selection mode.The minimum energy consumption of the original resource deployment is obtained by integrating the contai
6、ner migration and energy consumption model.The flower pollination algorithm is used to deploy the containercloud resources.Niche technology is added in the calculation process to divide the individual fitness population of cloud resourcetasks,obtain the highest fitness of each population,implement i
7、nitialization and update processing,and output the optimal solutionof the flower pollination algorithm,that is,the optimal deployment strategy of resources.The experimental results show that the proposed method has high platform resource utilization,short deployment completion time and good load bal
8、ancing,and reduces the energy consumption in the process of container cloud resource deployment.Key Wordsflower pollination algorithm,container cloud,low-energy,resource deployment,pre-processClass NumberTP393.4总第 401期2023 年第 3期计算机与数字工程Computer&Digital EngineeringVol.51No.3669第 51 卷度、任务完成时间、虚拟机配置和任务
9、截止时间,同时还包括容器,这确保调度器在容器环境中有效工作,以提高容器云部署的效率。但是该方法调度过程中能耗消耗较多。文献 4 提出了带约束修复的树形调度目标模型,采用优先级综合多个子目标并将其归属于不同树形分支下的子空间,构建了容器云资源均衡调度模型。但是该方法极易出现不可用节点或主机被开启的情况,存在平台资源利用率低及负载均衡差的问题。文献 5 提出了基于多维资源空闲率权重的评价函数和调度方法,利用模糊层次分析法自动建模求解容器应用多维资源权重参数,均衡了集群多维资源利用率。但是该方法不能实时监测部署过程中的能耗。文献 6 提出了一种离散Pareto花朵授粉算法对问题进行求解,构造了离散异
10、花授粉行为和离散自花授粉行为,并将离散算法与多目标优化策略相结合,提升了算法的适用性。综上所述,一方面容器云急需降低能耗,另一方面花朵授粉算法可以采用多目标优化的方式有效提高容器云平台的物理资源的利用效率与降低能耗,因此,本文提出了基于花授粉算法的多目标优化容器云资源低能耗部署方法,最后利用实验的方式验证了我们的思路与性能。2容器云资源能耗分析2.1能量消耗的数学模型在有m个物理主机和n个容器的云平台中,云资源部署的能量消耗主要来自固定和迁移两部分,经实验发现,云资源能耗与物理主机的资源利用率有较大关联7,因此t时刻物理主机的能耗为Ehost(t)=E(Ucpu(t)+E(Umem(t)+E(
11、Udisk(t)+E(Ubw(t)(1)E(Ucpu(t)表示物理主机CPU的能耗,E(Umem(t)物理主机的内存能耗E(Udisk(t)物理主机的磁盘能耗,E(Ubw(t)物理主机的网络带宽能耗。这样第i个物理主机在ta,tb时间段的总体能量消耗Ei可以按照式(2)来计算:Ei=tbtaEhost(t)dt(2)考虑到容器云资源调度过程中的能耗除了硬件资源利用率实时变化产生的能耗外,还包括容器迁移能耗,在容器云平台中,由于用户需求的差别,系统的负载均不相同,当云资源利用率较低时,为降低能耗需要迁移容器8,迁移过程必须实时关注容器的迁移量,若迁移量较大会直接影响容器云平台性能,升高SLA(服
12、务等级协议)违约率。基于系统各部位的资源利用率以及能耗公式得出容器迁移开销,其计算公式为Vj=t1+tkjt1vj()t dt(3)其中,j代表容器,vj()t代表t时刻的第j个容器处理器利用率,t1代表容器开始迁移的时间,tkj代表容器完成迁移所需的时间。式中,Vj代表容器迁移开销。由于容器迁移开销是影响容器云资源调度能耗的重要影响因素,因此容器云资源能耗分析过程中重点计算容器迁移开销。整个容器云平台的能量消耗为Etotal=i=1mEi+j=1nVj(4)2.2容器迁移方法与目标函数在迁移过程中利用三个阈值的容器迁移方案完成迁移,其核心思想是当物理主机负载过轻或过重时即刻迁移容器,负载过轻
13、的主机为之匹配合适的主机,同时关闭无用主机进而降低能耗,过重的主机通过迁移提高CPU利用率,无需迁移处理的仅为负载合理的主机9。迁移容器时,需要根据实时负载情况选择容器迁移方法,迁移容器的选择主要方式有以下四种。1)最低增长方法这种容器迁移方法就是当容器云平台主机出现负载过重时,从所有CPU中选取出利用率最大的容器,对该容器实施迁移处理,以此保证主机CPU利用率小于阈值C,则此时的容器选择目标函数为W=|G|G()Uj,vj()t-uGvb()u C,bvj()t,vj()t aUj,vj()t b(5)式中,G代表主机负载集合,()Uj代表j个容器集合的幂集,Uj代表j个容器集合,vj()t
14、代表容器j的CPU利用率,v()u代表负载u占主机的CPU利用率,a和b均为CPU利用率的位置标识。2)最高增长方法此方法的主要实现方式就是若物理主机负载过重,立即在主机中选取CPU利用率最小的容器,并对其迁移处理,实现物理主机CPU利用率小于阈值C的目的,此方式下的容器选择目标函数为徐胜超等:基于花授粉算法的容器云资源低能耗部署方法6702023 年第 3 期计算机与数字工程W=|G|G()Uj,vj()t-uGvb()u C,bvj()t C,vj()t aUj,vj()t b(6)公式中字母和符号的含义与最低增长方法中的含义一致。3)混合增长方法混合增长方法就是在物理主机负载过重时,第一
15、时间选取出CPU利用率最小的容器,并对其完成第一次迁移处理,再提取出 CPU利用率最大的容器,完成第二次迁移,最后不断循环操作上述步骤,直至CPU利用率小于阈值C,混合增长方法下的容器选择目标函数为W=|G|G()Uj,vj()t-uGvb()u CG|G()Uj,vj()t-uGvb()u C,bC,vj()t aUj,vj()t b(7)4)随机选择模式这种容器选择策略的核心思想就是在物理主机发生负载过重时,在主机中随机选取出部分容器,并对其迁移处理,随机选择模式下的容器选择目标函数为W=|G|G()Uj,vj()t-uGvb()u C,bvj()t C,vj()t aUjb(8)公式中字
16、母和符号的含义与最低增长方法中的含义一致。通过以上计算和约束条件分析,可以得出云资源部署过程中所需要部署的容器,将不必要的容器进行关闭,降低能耗,同时结合能耗模型计算容器云资源调度所需的最低能耗,最大程度降低资源部署的能耗。3基于花授粉的云资源低能耗部署方法通过计算云资源相应能耗对容器进行迁移,并根据实际迁移情况选择容器,以此保证云资源在运行过程中能耗最低,在此基础上利用花授粉算法10得出每个被选中容器最合理的位置,花授粉算法(Flower Pollination Algorithm,FPA)是仿生智能算法的一种,即模拟花朵传粉机制在全局中找出每个容器最优的部署位置,这种算法的操作简单,结构新
17、颖,可有效解决混合数据聚类难的问题1112。在容器云资源能耗分析的基础上,基于花授粉算法的云资源低能耗部署,具体步骤如图1所示。步骤1 初始化花授粉算法相应参数。步骤2计算容器云资源种群的半径R,并求解出种群内每个个体的适应度值1314,对在R半径内符合欧式距离的个体,同时记载每个种群中的最优和最差个体。步骤3 求解上述记载容器云资源个体对应的解,同时对其实施越界处理,其计算公式为Xk+1i=Xki+H()bestx-Xki(9)式中,Xk+1i代表经过k+1次迭代后的容器云资源个体对应解,Xki代表经过k次迭代后的容器云资源个体对应解,bestx代表容器云资源低能耗部署的全局最优解,H代表花
18、授粉算法的步长。步骤4 在花授粉算法中计算出容器云资源个体的适应度值15,利用适应度评判种群内每个个体的优劣,假设适应度值为F()X,基于适应度值必须为非负的要求,对其做出以下调整,即:Fl()X=fl()X-F()Xmin+1F()Xmax-F()Xmin(10)式中,Fl()X代表完成调整后的适应度值,fl()X代表未经过调整的适应度值,F()Xmin代表未经过调整的最小适应度值,F()Xmax代表未经过调整的最大适应度值,1代表调整系数。容器云资源种群优劣的衡量方法是对种群中个体适应度平均值与种群适应度最大值进行比较,若两者之差小于设定的最小正数,则说明此时部署的容器个体较优,两者之差大
19、于设定的最小正数,则说明此时部署的容器个体较差。步骤5 将每个子容器云资源种群适应度最高的视为精英,并对最差容器个体开展初始化处理。步骤6 达到迭代次数后更新最差容器云资源个体,反之,返回第3步重新计算。步骤 7输出容器云资源部署的最优解并计算,得出的最优解就是容器云资源最终的低能耗部671第 51 卷署结果,从而实现容器云资源低能耗部署。图1基于花授粉算法的容器云资源低能耗部署流程4实验结果与分析为了验证基于花授粉算法的容器云资源低能耗部署方法的整体有效性,将引言中提到的其他容器云调度方法文献 3 云环境下任务调度算法的统计评估方法和文献 4 基于多目标的容器云任务调度算法作为对比方法,进行
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 授粉 算法 容器 资源 低能 部署 方法 徐胜超
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。