APP下载

指挥信息系统关键技术研究

2017-09-18练倩倩

科教导刊·电子版 2017年23期
关键词:信息融合任务调度

练倩倩

摘 要 指挥信息系统是我军打赢未来信息化战争的前提和物质基础,在军队信息化建设和信息化条件下的一体化联合作战中的地位和作用日益突出。当前我们身处的云计算时代,不断影响着指挥信息系统关键技术的发展,主要集中在面向服务的体系结构、任务调度和信息融合技术等方面。本文针对现阶段指挥信息系统关键技术匮乏,探讨面向服务的体系结构、任务调度和信息融合技术的应用和发展。

关键词 指挥信息系统 任务调度 信息融合

中图分类号:TP319 文献标识码:A

面向服务的体系结构(SOA,Service-Oriented Architecture)是应用层的核心技术,解决信息孤岛和遗留系统问题。采用SOA对数据中心软硬件进行合理的整合,将一系列异类的、分布式的、复杂的不灵活的资源转化为集成的、简化的、高度灵活的资源,实现信息资源共享,并能提升系统互联、互通和互操作能力,满足信息化建设和资源集中统管的需要。目前SOA的服务基本是以软件领域为主,将所提供的服务进行包装、组合,按一定流程运转产生新的功能。如何文娜初步搭建的基于SOA地质云计算平台的原型系统;向伟为满足某煤矿企业的动态业务需求,采用SOA思想对企业现有异构系统进行改造集成。我国SOA领域的研究还比较薄弱,还没有提出特别完整的解决方案,后期的研究重点需要加强对SOA相关技术的研究和探索,将SOA更好地结合到云计算的应用模式中。

任务调度就是在一个特定的云环境中,根据一定的资源使用规则,将资源在不同的资源使用者之间进行调整的过程。若以调度目标为侧重点,可将任务调度归纳为四类调度策略:侧重负载均衡的调度、侧重服务质量( Quality of Service,QoS)的调度、侧重经济原则的调度和侧重能耗优化的调度等。

(1)侧重负载均衡的调度注重性能(如最优跨度,任务最早完成时间等)的提高。主要包括min-min算法、max-min算法、sufferage算法等传统任务调度算法,和近年来研究较多的遗传算法、粒子群算法、蚁群算法、贪心算法以及这些算法的融合等智能算法。传统任务调度算法总体上在资源分配方面存在负载不均衡的缺点,并且完成时间长,而遗传算法全局搜索能力强,蚁群算法求解精度较高,粒子群算法收敛的速度较快,但是智能算法容易陷入局部最优,并且算法过度依靠适应度函数的设计,算法复杂度较高。

(2)侧重服务质量(quality of service,QoS)的调度比较关注用户体验,这也是云计算能否持久发展的关键。部分学者根据应用的特征提高资源的发现率和准确性系数,保证用户服务的性能QoS;还有学者针对用户的状态变迁,动态进行资源选择以及重定向,满足用户的经济QoS。目前已有很多基于 QoS 的研究,邓见光等人提出一种多QoS目标约束的云计算任务调度策略,先对多QoS目标约束条件进行建模,再对转换后的单目标约束优化问题进行近似求解,该算法总体上优于传统的Min-Min算法以及改进的以QoS为导向的Min-Min算法。

(3)侧重经济原则的调度考虑到云计算的超大规模和商业运营模式,以成本优先为目标,现有的研究通常是将问題建模为约束满足问题模型,优化虚拟机资源动态分配,减少所需的物理服务器数量,从而提高资源利用率。谭峰提出了一种考虑计算节点失效及恢复的任务调度算法,能够很好地处理由于计算节点可能失效而带来的经济效益的不确定性,从而保证云计算系统长期经济效益的最大化。

(4)侧重能耗优化的调度是为顺应近年来提倡的绿色计算和节能减排,吴家兴提出了一种面向大规模云数据中心的低能耗任务调度策略,引入胜者树作为模型将数据节点作为胜者树的叶结点基于低能耗的目的两两比赛并选出最终的胜者,该策略有效提高了云数据中心的节点利用率,降低了云数据中心的整体能耗。

根据目前的研究进展,没有一种任务调度策略可以适用于所有领域,同时能获得最佳的调度性能。大部分的研究是既满足负载平衡需求又考虑用户QoS,同时又兼顾经济和能耗指标。李坤设计了一种考虑时间-成本约束的负载均衡蚁群优化算法,不仅充分考虑了用户服务质量 QOS,而且能使负载维持在一个相对均衡的状态,这在充分满足用户服务质量QOS 需求、最大化经济效益以及提高资源利用率等方面都有重要的意义。

当前,信息融合技术的应用研究已经从底层的目标检测、识别和跟踪转向了态势评估和威胁估计等高层应用。李鹏飞研究了基于拓扑发现的指挥信息系统网络安全态势认知问题,通过网络节点的存活状况能够形象、直观地向指挥员展示网络安全态势,有助于指挥者优化、整合战场资源,实时调整战略部署。Misra提出一种集成架构系统Mils-Cloud,利用分层结构的传感器云架构根据用户不同优先级来提供数据。随着传感器技术与计算机技术的迅速发展,大大推动了信息融合技术的研究,分布式、多层次和海量信息的融合技术将成为发展的主流。信息融合的应用面将更加宽泛,未来可从底层融合和高层融合两方面出发来解决特定应用中的信息融合问题。

参考文献

[1] 周水清,陈 雯,龚仕林.基于 IaaS 云中的任务调度分配算法的研究与实现[J].微型机与应用,2016,35(5):22-25.

[2] 陈科文,张祖平,龙军.多源信息融合关键问题、研究进展与新动向[J].计算机科学,2013(8).

猜你喜欢

信息融合任务调度
基于PEPA的云计算任务调度性能分析
基于改进NSGA-Ⅱ算法的协同制造任务调度研究
基于时间负载均衡蚁群算法的云任务调度优化
基于智能粒子滤波的多传感器信息融合算法
大数据背景下的信号处理分析
多传感器图像融合技术
基于小生境遗传算法的相控阵雷达任务调度
云计算环境中任务调度策略
云计算中基于进化算法的任务调度策略