基于任务特征的云计算资源分配策略

doi:10.3969/j.issn.1006-2475.2017.07.015

计算机与现代化

基于任务特征的云计算资源分配策略

(成都理工大学工程技术学院电子信息与计算机工程系，四川乐山614000)

收稿日期:2016-11-24 出版日期:2017-07-20 发布日期:2017-07-20
作者简介:蒋维成（1977-），男，湖南永州人，成都理工大学工程技术学院电子信息与计算机工程系讲师，硕士，研究方向：计算机网络；李兰英（1979-），女，山东菏泽人，讲师，硕士，研究方向：计算机网络，物联网。
基金资助:
四川省教育厅科研基金资助项目(16ZB0412)；成都理工大学工程技术学院基金资助项目(C122015007)

Resource Allocation Strategy in Cloud Computing Based on Task Characteristics

(Department of Electronic Information and Computer Engineering, Engineering & 
Technical College of Chengdu University of Technology, Leshan 614000, China)

Received:2016-11-24 Online:2017-07-20 Published:2017-07-20

摘要/Abstract

摘要： 云计算中存在大量的服务资源，高效利用这些资源是资源分配的主要任务。通过对任务流的资源占用和执行过程建模分析，掌握任务流特性，提出伙伴关系任务流资源分配方案。多任务流执行过程中出现资源需求增减的时间同步，这种现象持续不断将产生波动共振，本文采用资源申请-仲裁机制来解决这一问题，把共振的任务流转变为伙伴关系任务流来协作使用资源，保持资源的高效利用。实验结果表明，本文算法消耗的资源比静态方式要少，溢出数也要少，实现了资源的充分利用，验证了算法的正确性。

关键词: 云计算, 任务特征, 资源分配, 共振, 伙伴关系

Abstract: There are a lot of resources in cloud computing. Efficient use of resources is a main challenge of resource allocation in cloud computing. Based on task flow modeling, the resource occupation and task flow execution are analyzed, and the characteristics of the flow are mastered. A resource allocation scheme on partnership task flow is given. In the process of multi-task flow, the demand of resources may increase or decrease at the same time, which will lead to the phenomenon of the wave resonance. The application-arbitration mechanism is proposed to solve this problem, in which the task flow is transformed into the partnership for using resources efficiently. Results show that the resource consumption and overflow of the algorithm are less than that of the static method. The correctness of the algorithm is verified.

Key words: cloud computing, task characteristics, resource allocation, resonance, partnership

中图分类号:

TP393

蒋维成,李兰英,刘华春,郭维树. 基于任务特征的云计算资源分配策略[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.07.015.

JIANG Wei-cheng, LI Lan-ying, LIU Hua-chun, GUO Wei-shu . Resource Allocation Strategy in Cloud Computing Based on Task Characteristics[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.07.015.

参考文献

［1］陈全,邓倩妮. 云计算及其关键技术［J］. 计算机应用, 2009,29(9):2562-2567.
［2］张建成,宋丽华,鹿全礼,等. 云计算方案分析研究［J］. 计算机技术与发展, 2012,22(1):165-167.
［3］孙香花. 云计算研究现状与发展趋势［J］. 计算机测量与控制, 2011,19(5):998-1001.
［4］张建勋,古志民,郑超. 云计算研究进展综述［J］. 计算机应用研究, 2010,27(2):429-433.
［5］Shen Zhiming, Subbiah S, Gu Xiaohui, et al. CloudScale: Elastic resource scaling for multi-tenant cloud systems［C］// ACM Symposium on Cloud Computing. 2011:1-14.

［6］Emeakaroha V C, Brandic I, Maurer M, et al. SLA-aware application deployment and resource allocation in clouds［C］// Workshop Proceedings of the 35th Annual IEEE International Computer Software and Applications Conference. 2011:298-303.
［7］左利云,曹志波. 云计算中调度问题研究综述［J］. 计算机应用研究, 2012,29(11):4023-4027.
［8］周景才,张沪寅,查文亮,等. 云计算环境下基于用户行为特征的资源分配策略［J］. 计算机研究与发展, 2014,51(5):1108-1119.
［9］Gong Zhenhuan, Gu Xiaohui, Wilkes J. PRESS: PRedictive elastic resource scaling for cloud systems［C］// International Conference on Network and Service Management. 2010:9-16.
［10］魏豪,周抒睿,张锐,等. 基于应用特征的PaaS弹性资源管理机制［J］. 计算机学报, 2016(2):223-236.
［11］胡振碧,黄翔,张文博,等. 面向PaaS的Web系统动态性能建模工具的设计实现［J］. 计算机工程与设计, 2013,34(1):151-158.
［12］Yuan Dong, Yang Yun, Liu Xiao, et al. A data placement strategy in scientific cloud workflows［J］. Future Generation Computer Systems, 2010,26(8):1200-1214.
［13］刘井响,杨雪峰,叶鑫. 基于批量处理策略的云工作流调度方法［J］. 计算机集成制造系统, 2015,21(2):336-343.
［14］燕庆明. 电路分析教程［M］. 北京:高等教育出版社, 2007:193-194.
［15］薛涛,刘龙. 云计算中虚拟机资源自动配置技术的研究［J］. 计算机应用研究, 2016,33(3):759-764.
［16］Nakada H, Hirofuchi T, Ogawa H, et al. Toward virtual machine packing optimization based on genetic algorithm［C］// Distributed Computing, Artificial Intelligence, Bioinformatics, Soft Computing, and Ambient Assisted Living: Proceedings of the 10th International Work-Conference on Artificial Neural Networks. 2009:651-654.
［17］Hirofuchi T, Nakada H, Ogawa H, et al. Eliminating datacenter idle power with dynamic and intelligent VM relocation［M］// Distributed Computing and Artificial Intelligence. 2010:645-648.

[1]	何玉鹏, 陶勇, 王必恒, 赵英男. 智能配电网边缘计算研究现状与展望[J]. 计算机与现代化, 2023, 0(08): 87-92.
[2]	杨波, 徐胜超. 基于SRv6服务链的云网专线场景安全防护方法[J]. 计算机与现代化, 2023, 0(08): 107-111.
[3]	毛明扬, 徐胜超. 可信赖云计算的通信终端攻击行为识别算法[J]. 计算机与现代化, 2022, 0(11): 37-42.
[4]	丁忠林, 李洋, 曹委, 谈宇浩, 徐波. 基于深度Q学习的电力物联网任务卸载研究[J]. 计算机与现代化, 2022, 0(11): 75-80.
[5]	曹禹, 李晓辉, 刘忠麟, 贾贺, 费志伟. 云环境大数据工作流编排管理系统研究综述[J]. 计算机与现代化, 2022, 0(01): 41-53.
[6]	张晓敏. 基于布隆过滤器属性基的多关键词可搜索方案[J]. 计算机与现代化, 2021, 0(08): 104-111.
[7]	邓斌涛, 徐胜超. 基于动态双子种群的差分进化K中心点聚类算法[J]. 计算机与现代化, 2021, 0(07): 54-59.
[8]	吴君才, 刘雪芳. 基于云计算和深度信念网络的数字资源配置[J]. 计算机与现代化, 2021, 0(05): 78-82.
[9]	姚传文, 黄道斌, 叶明全, . 基于粗糙集自适应粒度的MR脑肿瘤图像分割[J]. 计算机与现代化, 2021, 0(01): 34-37.
[10]	陆歌皓, 杨丹妮. 区块链即服务的发展现状与展望[J]. 计算机与现代化, 2020, 0(10): 31-35.
[11]	殷学杰，马玉梅，潘振宽. 基于饱和系统随机共振的图像去噪算法[J]. 计算机与现代化, 2019, 0(12): 44-.
[12]	梁慈1,陈世平2. 基于包簇映射架构的包漂移策略研究[J]. 计算机与现代化, 2019, 0(11): 112-.
[13]	丁顺1,陈世平2. 基于包簇映射机制的实验平台建设及应用[J]. 计算机与现代化, 2019, 0(11): 120-.
[14]	文婷婷,李洪赭. 面向云服务平台的弹性负载均衡算法[J]. 计算机与现代化, 2019, 0(10): 28-.
[15]	袁敏夫，李引，陈胜俭，郑翔蔚. 基于云平台的区块链组网方案及数据共享存储机制[J]. 计算机与现代化, 2019, 0(09): 46-.

基于任务特征的云计算资源分配策略

Resource Allocation Strategy in Cloud Computing Based on Task Characteristics

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价