基于状态空间连续逼近的云计算虚拟资源优化配置研究

doi:10.3969／j.issn.1000-0801.2012.10.008

摘要/Abstract

摘要：

针对云计算中虚拟资源的优化配置问题，提出了一种基于状态空间连续逼近的云计算虚拟资源的优化配置方法。首先利用一个带时间扩展的标记转移系统，对虚拟资源在申请和调用过程中各对象的动作行为以及状态转移关系进行描述；然后根据对象之间的并发关系，推导出一组能够描述系统中每种对象各状态数量随时间变化的微分方程组；最后通过求解方程组，分析在供需平衡状态下各虚拟资源的实际需求，动态地配置各虚拟资源的数量，实现虚拟资源动态优化配置的目的。

关键词: 云计算, 虚拟资源, 优化配置, 连续逼近

Abstract:

In order to deal with the difficulties in the configuration of virtualized resources in cloud computing, an optimal configuration method based on continuous state-space approximation is proposed. By the use of the time-extended LTS, the actions and state transition relations of the objects that participated in the process of virtualized resources applying and allocating could be precisely described. Then, according to the concurrency relation among the objects, a set of ODE is generated which can describe the variable trend of the objects during working time. By solving out the ODE, the amount of virtualized resources to meet the demand can be calculated out, and the virtualized resources could be dynamically configured according to the results, so as to realize the purpose of optimal configuration of virtualized resources.

Key words: cloud computing, virtualized resource, optimal configuration, continuous approximation

付钰,严博,吴晓平. 基于状态空间连续逼近的云计算虚拟资源优化配置研究[J]. 电信科学, 2012, 28(10): 46-52.

Yu Fu,Bo Yan,Xiaoping Wu. Optimal Configuration of Virtualized Resources in Cloud Computing Based on Continuous State-Space Approximation[J]. Telecommunications Science, 2012, 28(10): 46-52.

图/表 9

图1

图2

图3

图4

表1

图5

图6

表2

图7

参考文献 15

1	徐小龙，程春玲，熊婧夷．基于multi-agent的云端计算融合模型的研究．通信学报， 2010, 31 （10）:203～211
2	Vaquero L M , Rodero-Merino L , Caceres J , et al. A break in the clouds:towards a cloud definition. Computer Communication Review, 2009,39（1）: 50～55
3	田冠华，孟丹，詹剑锋．云计算环境下基于失效规则的资源动态提供策略．计算机学报， 2010, 33 （10）:1859～1872
4	谭一鸣，曾国苏，王伟．随机任务在云计算平台中能耗的优化管理方法．软件学报， 2012, 23 （2）:266～278
5	张伟哲，张宏莉，张迪等．云计算平台中多虚拟机内存协同优化策略研究．计算机学报， 2011, 34 （12）:2265～2277
6	殷波，王颖，孟洛明等．综合迁移成本和通信成本的云计算节能策略．北京邮电大学学报， 2012, 35 （1）:68～71
7	Zheng G . Achieving high performance on extremely large parallel machines:performance prediction and load balancing. University of Illinois, 2005
8	Zhao G S , Liu J L , Tang Y , et al. Cloud computing:a statistics aspect of users. Proceedings of the First International Conference on Cloud Computing, Beijing, China, 2009
9	Wang Z J , Li K W , Wang W Z . An approach to multiattribute decision making with interval-valued intuitionistic fuzzy assessments and incomplete weights. Information Science, 2009, 179（17）: 3026～3040
10	钮俊，曾国苏，陈波．一种刻画功能和时间空间性能的统一验证模型atsFPM．计算机学报， 2009, 32 （4）:740～750
11	Galpin V . Continuous approximation of PEPA models and Petri nets. International Journal of Computer Aided Engineering and Technology, 2010, 2（4）: 324～339
12	Hillston J . Fluid flow approximation of PEPA models. Proceedings of the 2nd International Conference on Quantitative Evaluation of Systems, Torino, Italy, 2005: 33～43
13	袁文成，朱怡安，陆伟．面向虚拟资源的云计算资源管理机制．西北工业大学学报， 2010, 28 （5）:704～708
14	Armbrust M , Fox A , Griffith R , et al. Above the clouds:a berkely view of cloud computing. UC Berkely, USA:Technical Report No.UCB/EECS-2009-28, 2009: 1～25
15	Padala P , Shin K G , Zhu X Y , et al. Adaptive control of virtualized resources in utility computing environments. Proceedings of the 2nd ACM SIGOPS/EnroSys European Conference on Computer Systems, Lisbon, Portugal, 2007: 289～302

服务请求对象	所需虚拟资源数量			调用步骤
服务请求对象	s¹	s²	s³	调用步骤
q¹	1	0	1	通过request₁调用s¹完成task₁后，再通过request₂调用s³完成task₂
q²	0	1	1	通过request₃并发调用s²和s³完成task₃
q³	2	0	1	通过request₄并发调用两个s¹完成task₄后，再通过request₅调用s³完成task₅

参数	r₁	r₂	r₃	r₄	r₅	υ₁	υ₂	υ₃	u₁	u₂	u₃	w₁	w₂	w₃	w₄	w₅
取值	0.015	0.025	0.02	0.01	0.03	0.05	0.05	0.05	0.4	0.5	0.3	0.25	0.3	0.2	0.15	0.18

[1]	韩雪. 基于电力大数据的电力骨干通信网络毁伤韧性评估方法[J]. 电信科学, 2023, 39(5): 136-143.
[2]	邢文娟, 雷波, 赵倩颖. 算力基础设施发展现状与趋势展望[J]. 电信科学, 2022, 38(6): 51-61.
[3]	邓平科, 张同须, 施南翔, 张童, 邵天竺, 郑韶雯. 星算网络——空天地一体化算力融合网络新发展[J]. 电信科学, 2022, 38(6): 71-81.
[4]	邬江兴. 论网络技术体制发展范式的变革——网络之网络[J]. 电信科学, 2022, 38(6): 3-12.
[5]	马焜, 徐玲玉, 沈晓萍, 龚志城, 蓝建平, 陈双喜, 钱钧. 云计算中基于Shapley值改进遗传算法的虚拟机调度模型[J]. 电信科学, 2022, 38(12): 1-10.
[6]	刘志勇, 何忠江, 阮宜龙, 单俊峰, 张超. 大数据安全特征与运营实践[J]. 电信科学, 2021, 37(5): 160-169.
[7]	许剑,靳莉. 一种可量化的云计算平台安全评估模型[J]. 电信科学, 2020, 36(7): 163-167.
[8]	罗斯宁,王化龙,李弘宇,彭蔚. 基于改进蚁群算法的云计算用户任务调度算法[J]. 电信科学, 2020, 36(2): 95-100.
[9]	雷波, 刘增义, 王旭亮, 杨明川, 陈运清. 基于云、网、边融合的边缘计算新方案：算力网络[J]. 电信科学, 2019, 35(9): 44-51.
[10]	高永梅,程冠杰. 基于边缘计算的数据密集型服务部署[J]. 电信科学, 2019, 35(7): 87-99.
[11]	鲁泽霖,李强治. 电子商务平台的演化逻辑和运营机理[J]. 电信科学, 2019, 35(7): 152-158.
[12]	黄志兰,樊勇兵,樊宁,陈楠,吴林泽,林宝洪. 云资源池集成虚拟防火墙方案及关键技术[J]. 电信科学, 2019, 35(5): 140-148.
[13]	朱友康,乐光学,杨晓慧,刘建生. 边缘计算迁移研究综述[J]. 电信科学, 2019, 35(4): 74-94.
[14]	吴国威,樊宁,汪来富,王帅,沈军,金华敏. 云环境下基于属性加密体制算法加速方案[J]. 电信科学, 2019, 35(11): 101-107.
[15]	张云勇. 5G将全面使能工业互联网[J]. 电信科学, 2019, 35(1): 1-8.