基于MPSO算法的云计算资源调度策略

中 分 号 Ｔ３ 图 类 ： Ｐ１ １
基 于 ＭＰ Ｏ 算 法的云计算 资源调度 策略 Ｓ
刘 万军 ，张孟华 ，郭文越
（ 辽宁工程技术 大学 ａ 软件学院 ； ． ． ｂ 电子 与信息工程 学院 ，辽宁 葫 芦岛 １ ５ ０ ） ２ ５ １
摘
要 ：针对云计算服务集群资源调度和 负载平衡 的优化问题 ， 出一种基于 改进 的粒 子群 优化算法的云计算资源 调度策 略。将动态多群 提
资源 ，并且能尽量避免资源调度负载失衡 。
过 大量 的实验研 究，证实 了群体 中个体之 间信息 的社会共享 有助于 整体进化 ，这是开发 Ｐ Ｏ算法 核心思想 。标准 的粒 Ｓ 子群算法通 过惯性权重 来协调 Ｐ Ｏ 算法 的全局和局部寻 Ｓ
优能力 ， 过大 有利于全局寻优 ， 过小则有利于 局部寻优 ，
ｍｕａｉｎｐ ｒ ｃｅ ｏｔｅ Ｐ ｒ ｃｅＳ ｒ Ｏｐｉ ｚ ｔ ｎＰ Ｏ）ａ ｏ ｉ ｍ． ｘｅ ｄｎ ｅｃｏ ｄｃ ｍｐ ｔ ｇ ｅ ｌｔｒ ｏ ｄ ｉ ｐａｆ ｒ ｔ ｓ ｔｅ ｔ ｏ ａｔ ｌｓ ａ ｔ ｌ ｗａｍ ｔ ｔ ｉ ｔｈ ｉ ｍｉａ ｏ （ Ｓ ｌ ｒ ｉ ｇ ｔ ｈ Ｂｙｅ ｔ ｉｇｔ ｌ ｕ ｏ ｕ ｎ ｍｕａｏ ｕ Ｓｍ ｌｔ ｍ ｔ ｔ ｎ ｈ ｉ Ｃｌ ｏ ｏｅ ｈ
ｃｏ ｄｃ ｍｐ ｔ ｇｒｓ ｕ ｃ ｈ ｄ ｌ ｓ ａ ｇ ａ ｅ ｎＭｏ ｉ ｅ ａｔ ｌ ｗａｍ ｔ ｚ ｔ ｎＭＰ Ｏ） ｌ ｏｉ ｍ． ｎｏ ｄ ｒ ｏｃ ｎｒ ｌｈ ｌｂ ａｃ ｌｕ ｏ ｕ ｎ ｏ ｒ ｅ ｃ ｅ ｕｅ ｔ ｔ ｙｂ ｓｄ ｏ ｄｆ ｄＰ ｒ ｃｅＳ ｒ Ｏｐｉ ａ ｏ （ Ｓ ａｇ ｒ ｈ Ｉ ｒ ｅ ｏ ｔ ｅｇｏ ａ ｓ ｒ ｈ ｉ ｅ ｓ ｒｅ ｉ ｉ ｍｉ ｉ ｔ ｔ ｏｔ ｌ ｅ
［ ｙｗｏ ｄ ］ｃｏ ｄｃ ｍｐ ｔ ｇ Ｐ ｒｃｅＳ ｒ Ｏｐｉ ｚｔ ｎＰ Ｏ） ｌｏｉ ｍ；ｅｏｒｅｓｈ ｄ ｌ； ｌｕ Ｓｍ ｌｔ ｒ Ｋｅ ｒ ｓ ｌｕ ｏ ｕ ｎ ； ａｔ ｌ ｗａｍ ｔ ａ ｏ （Ｓ ａｇｒ ｈ ｒｓｕｃ ｃｅｕｅ Ｃｏ ｄ ｉ ｐａ ｏｍ ｉ ｉ ｍｉ ｉ ｔ ｆ
ｚｔ ｎ Ｓ ） 法 是一 种 模 拟鸟 群 觅 食行 为 的 演化 计 算 算 ａ ｏ ，Ｐ Ｏ 算 ｉ 法…。因其 结构简单、参数少、易实现 ，所以受到广泛重视 并被应用到 了许多 自然科学和工程科 学领 域。但对于存在较 多局部极值 的搜索空 间，它很容易 陷入局部最 优，在进化 后 期收敛速度慢 、鲁棒性差 。本文从动态 多群体协作 和变 异粒 子逆 向飞行两方面对 Ｐ Ｏ算法加以改进 ， Ｓ 将改进的粒子群优
刻粒子 本身的最优位置 的第 ｄ 维变量 ；ｐ 是第 ｔ 时刻粒子
群 全局最优位置 的第 ｄ维变量 ；Ｃ， １Ｃ是学 习因子 ；‘ ｒ是均 ， ２
基 金项 目： 宁省教 育厅基金资助项 目（ ０ Ａ ５ ） 辽 ２ ９ ３０ ０
作者倚 介 ： 刘万军（９９ ） ， １５ － ，男 教授 ， 研方向：云计算 ， 主 智能优
化 算法 ；张盂华 、郭文越 ，硕 士研究生
收穑 日期 ：２ １—１ ２ ００１— １
Ｅｍａ ￣ ｎｈｈ０８ ６ ． ｍ － ｉ ｍｅｇｚ２０ ＠１３ ｏ ｌ ｃ
计
算
机
工
程
２ １ 年 ６月 ５日 ０１
匀分布在（， 区间的随机数 。 ０１ ）
其 中，国∈【． ０ 】 － ．； ＝０ ０ ，． ； － ４ ４ ９ ０ ． ９；Ｔ是最大迭代 次数 ； ｔ 当前迭代次数。 是 产生下一代主群和 次群粒子 的搜索速度、当前位置、最 优位置和全局最优位置 ，然后产生变异粒子 ，变 异粒子个数 由随机数产 生，产 生随机数通过 “ｉｔＭａｈｒｎ ｏ ）１） （ ） ｔ． ｄ ｍ（ ０” ｎ（ ａ Ｊｖ 代码 实现 。变异粒子执行 式（） ａａ ５和式（） ６，改变方向逆 向飞 行 ，然后更新整体信息量 ，如果未达到最优解或未达 到迭代 次数 ，则继续迭代 。为保证资源分配时负载平衡 ，变 异粒子 逆 向飞行 时， 给它加上一个权 重因子， 量各资源负载情况 ， 衡
（． ｃ ｏ ｌ ｆ ｏ ｗ ｒ ； ． ｌ ｇ ｆ ｌｃｒｎ ｃ ｎ ｆｒ ｔ ｎＥ ｇ ｎ ｅｉ ｇ Ｌ ａ ｎ ｎ ｅ ｈ ｉ ｌ ｉｅ ｓｙ Ｈｕｕ ａ ２ １ ５ Ｃ ｉａ ａ Ｓ ｈ ｏ ｆ ａ ｅ ｂ Ｃｏｌ ｅｏ ｅ ｔ ｉｓ ｄＩ ｏ ｍａｉ ｎ ｉｅ ｒ ， ｉ ｉｇＴ ｃ ｎｃ ｖ ｒｉ ， ｌｄ ｏ１ ５ ０ ， ｈｎ ） ｏＳ ｔ ｅ Ｅ ｏ ａ ｎ ｏ ｎ ｏ ａ Ｕｎ ｔ
避免 所有同一 资源 的请求者聚集于某一服务器而造成 负载 失 衡 。改进算法的流程如图 ２所示 。
４１ 改进 的粒子群优化算法 ． 对于每个资源请求者 ，云环境服务集群必须推荐 出一个 较优的资源 。采 用动态 多群体协作 算法 ，次群侧重于全局搜 索 ，主群侧重于 局部搜索。每一代 ，所有子群都把最优的个 体信息传递给主群 ，主群从中挑选最优子群 个体进行进化 。 算法中主一 体结构如 图 １ 次群 所示 。
向飞行两方面进 行改进 。动态 多群体协作提高了算法 的收敛 速 度和求解精 度 ，变 异粒子逆 向飞行可 以一定程度上避免陷
入局部最优的风 险，维持和增加 了种群 的多样性 ，对 调节系 统的负载平衡 有一定帮助。基于这种改进粒子群优化算法 ， 云 计算服务集群 实现 资源 发现 、信息交互、次群推荐最优资 源到主群 、主群筛选全局最优、变异粒子逆 向飞行。
粒子群 内粒子 的个数 ； ＝（ ， ） ， …， 表示粒子 当前位 置 ；１＝（ Ｖ ， ）表示粒 子 的当前速度 ； ｔ是第 ｔ ； ， …， ｉ ｉ 时
费的形式 ，用户交付很低 的费 用，能得 到更优 质的服务 ；程
序员只需关注应 用程序 本身 ，关于集群 的处理 问题 ，则交 由 平 台处理 。云计算平 台按需进行 动态 地部署、配置、重新 配 置以及取消服 务等 。云计算重 要特 点之一是虚拟化 。虚拟 Ｊ
ｓ ｍｕ ａ ｉ ｎ ｔ ｅ ｕ ｔ ｈ ｗ ａ ｉ ｔ ｏ ｆｅ ｔ ｅ ａ ｄ ｔ ｅ ｏ ｅ ａ ｉ ｎ ｅ ｃ ｅ ｃ ｓｈ ｇ ． ｉ ｌ ｔ ， ｈｅｒ ｓ ｌｓｓ ｏ ｔ ｔ ｓｍｅ ｈ ｄ ｉ ｅ ｆ ｃ ｉ ， ｎ ｐ ｒ ｔ ｆ ｉ ｎ ｙ ｉ ｉ ｈ ｏ ｈ ｔ ｈ ｓ ｖ ｈ ｏ ｉ
ＤＯＩ １ ． ６ ／ｉ ｎ１０ —４ ８ ０ １１．１ ： ０３ ９ｊｓ ． ０３ ２ ． １．１ ５ ９ ．ｓ ０ ２ ０
１ 概述
云环境 中采用虚拟化技术 ，将服务器整体虚拟化为一 个 资源池 ，由于资源 的种类 多、规模大 ，云计算 资源 调度成为
云计算研究的热点之一 。粒 子群 优化 （ａｔ ｌ Ｓ ｒ ｐｉ — Ｐ ｒ ｃ ｗａｍ Ｏ ｔ ｉｅ ｍｉ
定的资源使 用规 则，在不 同的资源使 用者之 间进行的资源调 整 过程。 目前的资源 调度策 略大多数是通过虚拟机级别上 的 调度技 术结合一 定的调度策 略来为虚拟机 内部应用做资源调 度 ，并且调度算法过于 简单 ，判断需要进行推测执行的任 Ｊ 务的算法造 成过多任 务需要推测执行 ，降低 了整个任务 的性 能 。所以在虚拟机级别 上采 用什 么算法实现资源调度是 目 】 前待解决 的一个难题 。
Ｃｌｕ ｍ ｐ ｔｎ ｓ ｕ ｃ ｃ ｅ ｕ ｅＳ ｒ ｔ ｇ ｏ ｄ Ｃｏ ｕ ｉ ｇＲｅ ｏ ｒ ｅＳ ｈ ｄ ｌ ｔａ ｅ ｙ Ｂａ ｅ ｎ Ｍ ＰＳ Ａｌｏ ｉｈ ｓ ｄ０ Ｏ ｇ ｒｔ ｍ
Ｌ Ｕ Ｗ ａ － ｎ， ＨＡＮ Ｍｅ ｇｈ ａ， Ｉ ｎｊ Ｚ ｕ Ｇ ｎ －ｕ ＧＵＯ Ｗ ｅ －ｕ ｎｙ ｅ
２ 云计算技术
云计算作为一种新兴 的并行 计算技术 ，是分布式处理、 并行处理、 网格计算 的发展和延伸 ，是这 些计 算机科 学概念 的商业实现 Ｊ ，适合 当今 巨型信 息化处理需求 。云计算提供 了更可靠 、更 安全 的存储 和计算数据能力、简化计算交付、
降低成本 、具有更高 的扩展性 和灵活性。云计算采 用计时付
体协作和变异粒子逆 向飞行 思想引入到粒 子群 优化算法 中，从而控制全局搜索和局部搜索 ，尽量避免 陷入局部最优 。在 Ｃｏｄｉ 平台进 ｌ Ｓ ｕ ｍ
行模拟测试 ，结果表 明，该调 度策 略有效且执行效率较高 。
关健诃 ：云计算 ；粒子群优化算 法 ；资源 调度 ；Ｃｏｄ ｉ 平台 ｌ Ｓｍ ｕ
ａ ｄ ｌｃ ｌｓａｃ ｆｅ ｔ ｅｙ ａ ｄ ｔ ｖ ｉ ａｌ ｇ ｉｔ ｏ ａ ｐｉ ｌ ｉ ｉｔｏ ｕ ｅ ｙ ａ ｉ ｌｉ ｒ ｕ ｏｌｂ ｒｔｏ ｄｔｅｒ ｖ ｒｅｏ ｅｆｉｈ ｆ ｎ ｏ ａ ｅ ｈ ｅｆｃ ｖ ｌ， ｎ ｏａ ｏｄｆ ｌｎ ｎ ｏｌｃ ｏ ｔｍａ，ｔ ｎｒ ｄ ｃ ｓｄ ｎ ｍ ｃｍｕｔ— ｏ ｐ ｃ ｌａ ｏ ａｉｎａ ｅ ｅｓ ｆｔ ｇ ｔｏ ｒ ｉ ｉ ｌ ｇ ｎ ｈ ｈ ｌ
式（） １ 、式（） ２包含：１ 子对 先前速度 的继承 ，属于 “ （粒 ） 继 承 ” 部分 ；（ 粒 子 对本 身 的考 虑 ，属于 “ ２ ） 认知 ” 部分 ； （）“ ３ 社会”部分 ，粒子 间的信息共享与相互合作 。
４ 基于 ＭＰ Ｏ算法 的云计算资源调度策略 Ｓ
Ｐ Ｏ算法优点很多 ，但是 由于 算法 随机性很大 ，仍有很 Ｓ 多不完善的地 方。本文主要从动态多群体协作和变异粒子逆
［ ｓ ａ ｔ ｍｉｇａ ｅｏ ｔ ｚｔ ｎ ｒｂｅ ｏ ｅｃ ｕ ｏ ｕ ｎ ’ ｓｒｉｅｃ ｓｅ ｓｕｃ ｈｄ ｌ ｎ ａ ｉｇｂｌ ｃ，ｈｓ ａｅ ｒｓｎｓ Ａｂ ｔ ｃ］Ａｉ ｎ ｔｈ ｐｉ ａｏ ｏ ｌｍ ｆｈ ｏ ｄｃｍｐ ｔ ｇＳ ｅｖｃ ｌ ｔ ｒ ｏ ｒｅｓ ｅｕｅ ｄｌ ｄｎ ａａ ｅ ｔｉ ｐｐ ｒ ｅｅｔ ｒ ｔ ｍｉ ｉ ｐ ｔ ｌ ｉ ｕ ｒｅ ｃ ａ ｏ ｎ ｐ
第３ ７卷 第 １ 期 １
、 ．７ ｂ１３
Ｎ Ｏ．１ １
计
算
机
工
程
２ １ 年 ６月 ０１
Ｊ ｅ ０１ｌ ｕｎ ２
Ｃｏ ｍｐｕ ｅ ｔ ｒＥｎｇ ｎ ｅ ｉ ｉ ｅ ｒｎｇ
・ 云计算专题 ・
文 编 ： ０＿３ ８ｏ１１０ ３ ０ 章 号 １ ０ ４ （１１ ｏ — ２ 文 标 码： ｏ＿ ２２ ）— ４ ＿ ＿ 献 识 Ａ
化（ ｄｆ ｄＰ ｒｃｅＳ ａｍ ｐｉ ｚｔ ｎ ＭＰ Ｏ 算法应用于 Ｍｏ ｉｅ ａｔ ｌ ｗ ｒ Ｏ ｔ ａｏ ， Ｓ ） ｉ ｉ ｍｉ ｉ
３ 标准粒子群算法
粒 子群 算法是一 种基于群 体的 自适应搜索优化算法 。通
云环境下 的资源调度 ，服务集群能够推荐 出一 个较 优的有效
化技 术 范 畴从简 单的硬件抽象逐渐 发展 成为虚拟云操作系 统 ，云主 机 能够 大量 根据 用 户定 义 的服 务质 量（ ａｉ ｆ Ｑｕｌｙ ｏ ｔ Ｓ ｒｉ ， ｏ ） ｅｖｃ Ｑ Ｓ规范执行应 用程序 的 ＶＭｓ ｅ 并行分 享。 云计算资源调度指 的是在一 个特 定的云环境中 ，根据一
经 过先前的大量研究实验 ，专家建议 采用从 ０ ． ９线性递减
到０ ． ４的策 略，如下 ：
ｔ
＝
ｄ ｌ（ ｌ ｔ ＋ＣＦ×（ ｇ 一． ） ＋Ｃｒ Ｐｄ一玉 ） ２ ｌ ｄ ２ ｐｔ ｄ
（） １
（） ２
来自百度文库
＝
ｔ＋
其中 ，１ ≤ｄ≤Ｄ ，１ ≤Ｍ ，Ｄ是搜索 空间的维数 ， 肘 是 ≤ｉ