云环境下基于SLA的优化资源分配探究.docVIP

云环境下基于SLA的优化资源分配探究 　　1 引言 　　云计算概念自2007年提出以来，逐渐成为了工业界和学术界的研究热点[1]。云环境下资源的复杂性、异构性、多样性及用户请求的动态性，决定了资源分配是一个NP完全问题。在访问资源过程中，对云服务提供者而言，总是尽可能将较少的资源分配给用户，以节约成本;而对云用户来说，期望过度供应资源以完成任务请求。针对两者之间造成的资源供应不符点，可通过设计服务级别协议(SLA)来有效解决，该协议属性包括：计算力、网络带宽、存储空间、可用性、安全性等。为了实现云服务提供者的利润最大化，云环境下的高效资源分配策略一直都是研究的难点。根据资源分配策略的输入参数及分配方法的不同，从不同角度(执行时间、效用函数、硬件资源之间的依赖度)总结既存的一些分配方案;文献提出了一种基于元胞自动机遗传算法(CGA)的云资源调度策略，目的是缩短用户任务执行时间，但是每个用户任务只能分配给单一的虚拟机执行，效率不高;文献[5]为了使软件即服务(SaaS)供应商获取最大的利润，给出了两种不同的算法，该算法虽然可以降低SLA协议的违例概率，却存在一定的缺陷，容易造成资源浪费;文献构造了一种基于蚁群算法的自适应负载云资源分配模型，主要解决负载不均衡问题，并未考虑服务供应商的效益。文献提出了一种基于粒子群优化算法的资源分配和调价策略，以达到均衡稳定的状态，然该文针对的是静态资源管理方法的缺陷，未涉及动态资源的分配。文献[8]针对云计算环境下资源的复杂性、异构性、动态性等特点，证实了CloudSim体系结构可提供良好的云计算调度算法仿真平台，然而该文实现的调用算法并未考虑虚拟机的计算能力、网络延迟等因素。针对上述缺陷，本文提出了基于SLA协议的云资源分配策略，将用户请求概率分布给多个虚拟机并行执行，采用粒子群算法(PSO)为基本算法，将SLA参数作为资源分配过程中的优化参数，并通过对每个粒子的位置和速度引入模拟退火机制，根据Metropolis准则概率接受恶化解，避免算法陷入局部极值，以实现服务供应商的利润最大化。用户请求-资源映射过程：(1)客户端通过任何与网络相连的终端设备向数据中心发出请求，同时传递SLA参数。(2)服务供应商通过负责管理维护应用层，实现与用户的交互过程。(3)平台层包括映射过程与资源调度策略，通过分析用户需求，将优化后的SLA参数传递给基础设施层。(4)数据中心根据优化后的参数信息，将适当的虚拟资源分配给应用程序，通过管理模块，决定虚拟机的分配与移除。(5)最终通过应用层，将服务资源提供给客户端。. 　　2 动态资源分配过程 　　建模在基于SLA的资源分配问题中，SLA是指提供服务的企业与用户之间就服务的质量、性能等方面所达成的约束协议。内容涉及参与各方所提供的服务要求及协议有效期的规定，及服务相关收费规定和供应商对违反协议的处罚规定。在云环境下，本文将该问题形式化为：将客户的动态需求表示为各类用户请求，将提供云资源服务的过程模拟化为对虚拟机的分配过程，最终目的是让服务供应商在遵循SLA协议前提下，实现利润最大化。 　　3 基于 SLA 的改进 　　混合粒子群优化算法3.1 标准粒子群优化算法粒子群算法(Particle Swarm Optimization，PSO)是美国学者J.Kennedy和R.C.Eberhart于1995年受鸟群觅食行为的启发而提出的[9]，经过反复实验，最终形成了具有惯性权重 omega; 的标准形式。该算法自提出以来，就以其容易实现、所需调整的参数少、具有良好的全局有哪些信誉好的足球投注网站能力等优点被广泛应用于各个领域，故本文为了实现云环境下，资源供应商的效益最大化，采用粒子群算法为基本算法来优化SLA参数。其基本思想是随机初始化一群粒子，粒子的运动轨迹由一个矢量速度V 控制，在每次迭代中，粒子跟踪两个极值：个体最优值 pbest即粒子本身迄今为止所找到的最优解 　　4 仿真实验与分析 　　4.1 实验环境为了验证改进的混合粒子群算法在基于SLA参数动态变化时资源分配过程中的可行性和有效性，实验环境为 Pentium Dual 2.3 GHz CPU，RAM 内存 2 GB，Windows 7 操作系统，开发环境是 Eclipse，用 Java 语言编程，结合CloudSim3.0云仿真平台，模拟出一个云计算局部环境。在该环境下，可以对数据中心的虚拟资源进行加载，对用户任务的属性能另行设置、保存，再提交给云端数据中心执行。 　　5 结束语 　　本文针对服务供应商与用户请求之间的资源分配不符点，做了XdUvF如下工作：(1)构造了一种基于SLA协议的分配模型，提出了将客户请求概率分布给若干虚拟机共同执行;(2)基