云计算数据中心调度算法研究

云计算数据中心调度算法研究摘要：本文通过对云计算的资源调度的现状以及云计算数据中心的能耗情况分析，提出了一种改进的SFLA算法实现任务的调度，提高云计算任务调度的效率。关键词：云计算；数据中心；调度算法；SFLA算法中图分类号：TP393文献标识码：A文章编号：1674-7712（2015）02-0000-01本文主要针对云计算的资源管理进行分析，提出了一种改进的SFLA算法实现任务的调度，提高云计算任务调度的效率。一、云计算数据中心资源调度相关研究分析对于云计算的研究关键就在于对云计算中的资源管理的研究，包括异构资源管理和资源合理分配和调度等，主要的研究方向有如下几个方面：（一）以降低云计算数据中心能耗为主的资源调度在整个数据中心的能耗当中IT设能耗约为50%左右，存储及网络通信设备能耗约占10%左右，其他辅助系统占总能耗的40%左右。当前比较通行的两种降低云计算数据中心能耗的方法主要有如下两种：（1）动态调整CPU电压或频率结合云计算数据中心的虚拟机具体的负载状况而进行的电压调度机制，主要是通过智能的增降供电方式实现的。当判定出虚拟机正在高速运转的时候增加供电，相应的散热辅助设备也适当的增大电压；如果虚拟机运行较为缓慢，则进行适当的降低供电。（2）关闭闲置的服务器节约资源通过关闭暂时闲置的服务器以达到云计算数据中心节能降耗的目的是当前云计算数据中心主要的资源调度研究方向之一。该研究方向主要是通过发现暂时不需要的服务器资源而获取节约的资源。（二）提高系统利用率的资源调度比较有代表的就是博弈论的资源分配，这种方法主要是通过整数规划对单个参与者进行独立优化处理，之后再应用进化算法对多个参与者综合优化进行解决，兼顾了公平与优化，是一个相对折衷的方法。当前，也有一部分应用了虚拟资源动态分配物理资源，结合相应的算法降低云计算的资源占用率。可以从计算和虚拟机迁移时间两个方面入手实现资源的节约，主要的做法就是重新配置计算时间提高运算速度和降低等待时间，可是这种方式也存在着弊端，降低计算时间将可能引发物理资源的多次重复加载，反而增加了时间成本。三、数据中心资源调度的SFLA算法研究（一）SFLA原理SFLA算法也叫做蛙跳算法，主要是借鉴动物在觅食的过程中映射出来的信息传递模式，通过局部搜索和全局信息交换技术的有效融合，以便达到信息传递的目的。（二）SFLA算法数学模型的建立首先随机生成P只青蛙，之后对这P只青蛙的位置信息进行描述说明，然后依据所提供的位置信息对这P只青蛙进行相应的排序，将排序完毕的青蛙进行子集划分。而新加入的青蛙则根据公式（1）加入子集当中。（1）利用接下来的两个公式对子集进行相应的搜索完成顺序交换。Dj=rand（0，1）×（Xb-Xw），j=1，2…，s（2）newXw=oldXw+Dj，Dmax≥Dj≥-Dmax（3）一旦发现新位置要优于之前的位置，那么就将旧位置的青蛙替换为新位置的青蛙，如果没有发现好的位置则运用公式（4）实现替换。Dj=rand（0，1）×（Xg-Xw）（4）如果通过公式（4）对距离进行求近仍无结果，那么将产生随机的新的青蛙取代之前的青蛙，如此反复直至最后子集搜索的完毕。（三）基于SFLA算法的改进上述的SFLA算法流程可以很大程度上提高全集优化的水平。可是相比其他优化算法，收敛速度与精度尚显不足。在上述的算法流程基础之上进行进一步的算法改进，将在很大程度上提升收敛速度快和精度增强算法的性能。主要的改进策略是将青蛙群划分为两个子群，通过群体智能算法与自适应混合蛙跳算法相结合。单一选用混合群体算法只是能够更加容易的获取到局部最优解，而通过自适应混合蛙跳算法的引入，可以极大程度的弥补群体智能算法局部最优的弊端。从而实现个体与全体最佳位置的搜索，通过相应的调整以便寻求到最佳的运行位置以及速度。具体的数学模型建立如公式（5-9）所示。vi+1=wvi+c1r1（pi-xi）+c2r2（pg-xi）（5）xi+1=xi=vi+1（6）vi=vmaxifvivmax（7）vi=vminifvi