云计算环境下实验室资源调度策略

陈榕利

（广东创新科技职业学院广东·东莞523960）

云计算环境下实验室资源调度策略

陈榕利

（广东创新科技职业学院广东·东莞523960）

随着我国科学技术与信息技术的快速发展，各个领域都取得了很大的进步，云计算是从分布式计算、效用计算以及并行计算发展而来的，它为人们生活提供了很大的便利与服务，云计算是一种新型的计算模式，它作为互联网发展的主要趋势之一已经引起了各个领域的注意，云计算有着独特的技术与很大的发展潜力，它改变了传统的服务模式，与互联网结合形成新型商业模式，云计算主要是利用付费的方式来进行工作，云计算系统具有一定的透明性，用户在进行操作的时候可以通过虚拟化的计算与存储来进行，这样能够及时的解决用户所提出的问题，本文对云计算环境下实验室资源的调度策略进行具体的分析与研究，希望能为以后该方面的工作提供一些帮助。

云计算；实验室；资源调度；蚁群算法；策略分析

21世纪是信息的时代，云计算的出现正慢慢改变着人们对软件的认识与看法。云计算具有虚拟性、可靠性、可扩展性以及自治性等特性，有了这种方法人们就不需要再对软件进行安装与维护，只要通过付费的方式就能在网上获取到自己想要的资源，让信息化的世界真正走进人们的日常生活，云就是由大量的廉价计算节点所构成的，也可以说云是由成百上千的计算机所构成的，这些构成云的节点会受到计算与存储等方面的限制，因此用户想要找到合适的资源就要将信息合理的分配到虚拟机上面，这样才能保证用户能够准时的完成任务。目前云计算的主要工作是对用户实验室资源调度方面的研究，同时利用云来解决本地资源短缺的现象，也能从很大程度上降低成本。蚁群算法是用于解决计算机中问题最常用的方法之一，大多蚁群算法都是通过信息素进行交流的，而且云的规模比较大，因此高效的资源调度算法可以对云计算性能得到很大提高，本文就对基于蚁群算法的资源调度策略以及算法的描述与结果进行具体的分析与研究。

一、基于蚁群算法的资源调度策略

随着科学技术的日益进步，智能化时代已经到来，一种新型的计算模式云计算已经诞生了。云计算节点的规模是很大的，但是单个的节点资源配置比较低，可以将双向蚂蚁机制很好的引入到资源调度中根据蚁群优化的方式让蚂蚁之间进行更好的交流，这样也可以快速的发现虚拟机资源，让主节点能快速的为用户任务分配虚拟机[1]。利用云计算的虚拟化技术可以将资源进行分类，从而形成多级的资源池，其中一个资源池可以用来充当服务器的作用以方便与云外面的交互、分配任务等，随着数据中心规模的扩大，使用云计算的用户数量也在不断的增加，利用云中的虚拟机资源就能够让用户不必等待很长的时间从而完成云计算资源调度的问题。云计算虚拟机资源调度让虚拟机的资源通过蚁群算法来分配给不同的用户使用，以满足各个用户对系统的要求，真正实现提高云计算资源使用率以及减少计算时间的效果。下面就将对双向蚂蚁机制、信息素的定义与修改、任务预计执行时间的定义三个方面对基于蚁群算法的资源调度策略进行具体的分析与研究。

（一）双向蚂蚁机制研究

双向蚂蚁机制顾名思义就是将蚂蚁分成两大类，分别为前向蚂蚁与后向蚂蚁。前者主要负责对云计算的虚拟机节点的寻找工作，在找到之后就要原路返回，在返回的过程中可以在途中的各个节点上留下一些信息素。如果在寻找的过程中两只蚂蚁相遇了，那么其中一只蚂蚁就会向另一只蚂蚁提供关于食物位置的相应信息，蚂蚁获得了信息就能很快的找到食物的具体位置，因此要想计算资源调度的问题只需要对蚂蚁相遇次数进行计算就可以得到，具体的做法如下：首先要保留存储的区域，这些区域通常会出现在各个节点上是用来存储反向蚂蚁携带的信息，当前向蚂蚁到达节点之前定时器就应该启动并且归零，蚂蚁相遇时节点的信息会自动清零，这些反向蚂蚁可能是由多个资源产生的，对于这种问题的解决可以采用两种方法，第一种方法是让每一个节点都只能存储一个反向蚂蚁的信息，如果第二只蚂蚁也到达的时候就会将前一个蚂蚁的信息覆盖掉，并且需要重新对定时器进行启动。第二种方法是由于多个反向蚂蚁携带的信息都放在一个节点区域中，因此如果反向蚂蚁要通过的时候启动器就会被启动，如果是来自于同一资源的两只蚂蚁的话那么通常只会保存后面的那只反向蚂蚁的信息，这样的方法有着空间大、计算量也大的优点，被人们广泛的应用。

（二）信息素的定义与修改

所谓信息素就是用虚拟机的硬件资源来对节点进行衡量，将CPU、内存、外存以及带宽等硬件的信息素进行初始化操作，对修改信息素的问题可以从两个方面进行分析：一方面是可以对资源节点上的信息素进行修改操作，另一方面当反向蚂蚁经过的时候可以进行保存，将蚂蚁所携带的节点进行修改也是十分有效的。当计算节点上出现新任务的时候，CPU的利用率就会慢慢变大，同时信息素就会减小，然后要对信息素的浓度进行测验，在对信息素的浓度测验完成之后就应该对该节点进行奖励，还可以增加一些节点上的信息素以便于其他的蚂蚁对该节点进行选择，当然有奖励也应该有相应的处罚，如果任务没有很好的完全那么就应该给予相应的处罚。随着时间的不断变化，有效节点上的任务数也变得少了，但是节点上的信息素却在不断的增加，通常是隔一段时间就会增大有效节点的信息素浓度。

（三）对任务执行时间的预计问题

随着科技的不断进步，云计算得到了快速的发展，在云计算的环境之下，如果一个节点想要同时进行多个任务但是又想对整个云的性能进行提高，那么就需要将任务分配给很多个节点从而保证任务的正常执行，建立起任务预计时间的模型对任务的执行也有很大的好处。当节点变得很少的时候任务预计时间也就相应的变短了，需要定期的对节点进行修改保证任务执行时间正确才可以，如果前向蚂蚁与反向蚂蚁没有相遇，那么就应该将其中的概率大的节点作为下一跳的节点，如果一个节点只能保存一个反向蚂蚁所携带的信息素，并且反向蚂蚁还要在对下一个节点进行选择之前就选择下一节点，对前后节点进行比较可以发现前向蚂蚁被选择的几率通常是比较大的，因此可以对多个节点信息进行分析。

二、资源调度策略算法描述及分析结果

（一）资源调度策略算法的描述

资源调度算法主要包括以下方面，首先，可以对每一个节点的信息素进行初始化操作，然后由用户对主节点进行作业提交，当主节点取到第一个作业的时候主节点就可以将作业分为多个任务，同时启动一个定时器将多个前向蚂蚁进行发送，即使不同的前向蚂蚁也都会对下一节点进行选择，这种选择是随机的。然后当主节点的蚂蚁进入到虚拟机的节点时，可以根据公式来进一步判断节点是否为有效的节点，从而更好的进行标记让反向蚂蚁能够按照路径返回。反向蚂蚁经过每一个节点都需要隔一段时间，这样也能对节点上的信息素浓度进行保留同时及时的修改节点的任务预计执行时间值，在主节点的定时器归零之前如果收到反向蚂蚁的信息，就认为反向蚂蚁的节点是有效的，若是在主节点的定时器归零之前没有收到合适的资源那么就表示不能分配到任务，最后还要对分配到的任务节点进行操作，即对信息素浓度进行一定的修改，当任务失败的时候需要由主节点转移到其他的节点上，主节点取到作业然后再重复进行上述操作。

(二)算法仿真结果及分析

为了对蚁群优化算法进行验证，就需要将基于蚁群算法的资源调度策略与蚂蚁系统的资源调度进行一定的比较，通过比较可以发现以下几点内容：第一，可以发现时间复杂度。由于整个蚁群算法的时间复杂度是可以计算出来的，因此在进行计算的时候可以将其中的时间复杂度都记录下来，将作业放到虚拟机上就可以把其中的作业个数或者蚂蚁寻找资源的时间复杂度都计算出来，这样的方式能让虚拟机的整个时间都减小，也能让资源的利用率得到提高。第二，对实验参数的设置问题。在算法中可以利用字母a，b，c，d的形式来对虚拟机中的CPU、内存、外存以及带宽进行表示，在执行任务的时候可能会受到处理器的影响，因此可以将虚拟机的这四个部分分别设置上数值，通过实验来找到最佳的组合方案。对实验结果进行分析的时候，首先要提交一个作业，这个作业需要提交10次左右，然后取出不同大小的作业进行重复操作，当作业的任务调度时间最少的时候即为最合理的组合，在资源调度的时候时间用的明显少了很多，前向蚂蚁在对虚拟机进行搜寻的过程中能够与其他的蚂蚁进行交流与沟通，通过前向蚂蚁留下的信息素来进行更好的选择从而能够找到最合适的节点。如果前向蚂蚁能够根据反向蚂蚁留下的信息找到虚拟机节点那么就可以将任务分配的整个时间都缩短。

三、结束语

综上所述，本文主要分析了云计算环境下实验室资源调度策略，这种资源调度策略能够充分的适应云计算环境，这种云计算环境有着很多特点，包括大规模性、共享性等等，能够让用户快速的找到各种虚拟机资源，然后再根据相应的资源配置不同的任务。一些企业单位也可以与用户签订一系列的服务协议并结合一些其他的算法让用户找到虚拟机资源，从而完成整个的资源调度过程。相信在众多专业人员的共同努力之下，未来我国云计算环境下实验室资源调度方面会有更大的进展，迈上新的历史阶段。

[1]卢民荣，许邓艳.基于桌面云的实验室资源优化研究[J].现代教育技术.2015,25,(7):101-106

[2]季霞.探讨基于云计算技术的高校实验室资源的优化应用[J].软件工程师.2015,(11):35-36

[3]宋芳.基于云计算技术的高校实验室资源的优化应用[J].电子世界.2013,(2):8-8.

责任编校：徐向阳

TP301

A

1009-8534（2017）01-0110-02

广东省教育厅，校企协同构建高职管理类生产性实训基地的研究与实践（项目编号：GDJG2015016）

陈榕利，广东创新科技职业学院实验师，本科。