洪文圳（廣東農(nóng)工商職業(yè)技術(shù)學(xué)院 計(jì)算機(jī)系，廣東 廣州 510507）

實(shí)驗(yàn)云虛擬資源動(dòng)態(tài)自適應(yīng)負(fù)載均衡研究

洪文圳
（廣東農(nóng)工商職業(yè)技術(shù)學(xué)院 計(jì)算機(jī)系，廣東 廣州 510507）

針對(duì)云平臺(tái)的虛擬資源的負(fù)載均衡問題，為了實(shí)現(xiàn)虛擬資源的合理分配和保持用戶桌面的穩(wěn)定性，提出一種基于動(dòng)態(tài)改變算法權(quán)值的自適應(yīng)粒子群算法，并利用Eucalyptus平臺(tái)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)證明，該方法比貪婪算法和基本粒子群算法具有更好的調(diào)節(jié)效果，能夠有效地控制負(fù)載均衡和保持系統(tǒng)的穩(wěn)定性。

虛擬桌面；負(fù)載均衡；服務(wù)器

0 引言

目前已有許多高校將云計(jì)算、虛擬化技術(shù)應(yīng)用到實(shí)驗(yàn)實(shí)訓(xùn)中心的服務(wù)器管理和用戶桌面系統(tǒng)的部署控制，搭建各種內(nèi)部云計(jì)算平臺(tái)進(jìn)行資源管理和提供服務(wù)。通過一段時(shí)間的部署體驗(yàn)發(fā)現(xiàn)，當(dāng)用戶的桌面需求快速增加時(shí)，服務(wù)器需要部署更多的虛擬機(jī)，負(fù)載壓力以幾何級(jí)陡增。服務(wù)器配置存在差異，服務(wù)器所承載的負(fù)載極限各不相同，如果不能對(duì)虛擬機(jī)進(jìn)行實(shí)時(shí)遷徙，就會(huì)出現(xiàn)部分服務(wù)器的負(fù)載過大，有些服務(wù)器的負(fù)載小，造成負(fù)載不平衡和影響平臺(tái)的穩(wěn)定性［1-2］。因此，怎樣對(duì)云服務(wù)器進(jìn)行負(fù)載調(diào)節(jié)管理，有效提高資源利用率是當(dāng)前云計(jì)算研究的一項(xiàng)熱點(diǎn)。通過對(duì)相關(guān)參考文獻(xiàn)的研究［3］，本文利用一種基于粒子群算法的動(dòng)態(tài)改變權(quán)值的自適應(yīng)變異的方法對(duì)實(shí)驗(yàn)云平臺(tái)的虛擬資源進(jìn)行負(fù)載均衡調(diào)節(jié)。

1 系統(tǒng)模型定義

SV矩陣中每個(gè)Dnm元素的取值范圍為 ｛0，1｝。當(dāng)Dnm=1時(shí)，表示第M個(gè)虛擬桌面部署到第N臺(tái)服務(wù)器上；如果Dnm=0時(shí)，則表示該服務(wù)器上沒有部署虛擬桌面。

1.1 服務(wù)器負(fù)載能力

1.2 集群負(fù)載計(jì)算

1.3 目標(biāo)函數(shù)

為實(shí)現(xiàn)本文提出的目標(biāo)，定義函數(shù)fmax（S，V）用于計(jì)算實(shí)驗(yàn)云資源利用率最大化，函數(shù)fmin（m）用于計(jì)算虛擬機(jī)的遷徙次數(shù)。目標(biāo)函數(shù)為：

2 負(fù)載均衡設(shè)計(jì)

2.1 動(dòng)態(tài)自適應(yīng)算法

為了實(shí)現(xiàn)動(dòng)態(tài)自適應(yīng)負(fù)載均衡目標(biāo)，在標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上進(jìn)行自適應(yīng)變異處理和動(dòng)態(tài)改變權(quán)值，克服原有算法收斂過快的現(xiàn)象。具體算法使用的公式如下。

（1）算法的粒子速度和位置更新公式：

其中，Zk是表示粒子Z的第k維數(shù)值，Rη是呈正態(tài)分布的隨機(jī)變量。對(duì)群體N個(gè)粒子進(jìn)行升序操作，利用式（10）將升序后的前一半數(shù)量的粒子與全局最優(yōu)的粒子進(jìn)行變異計(jì)算。將變異前后的粒子適應(yīng)度值進(jìn)行比較，選取最大值作為新的全局最優(yōu)，值小的作為新的局部最優(yōu)。

2.2 粒子編碼設(shè)計(jì)

由于服務(wù)器負(fù)載均衡涉及多種資源的控制分配，因此算法需要的粒子編碼采用多維向量的方式來處理，每一維代表一種資源情況。為了使算法更易于實(shí)現(xiàn)，將粒子編碼統(tǒng)一轉(zhuǎn)為整數(shù)編碼。假設(shè)第Zi粒子的編碼形式為｛2，1，2，3，5，3，4，8，1｝，在矩陣SV中對(duì)應(yīng)的值是D21=D12=D23=D34=D55=D36=D47=D88=D19=1，表示第1和第3虛擬桌面部署在2號(hào)服務(wù)器上，第4和第6虛擬桌面部署在3號(hào)服務(wù)器上，其他的虛擬桌面與服務(wù)器的映射部署以此類推。在算法的實(shí)現(xiàn)過程中，由于對(duì)于粒子的位置和速度進(jìn)行計(jì)算會(huì)出現(xiàn)粒子編碼為非整數(shù)情況，在這種情況下，采用四舍五入的規(guī)則對(duì)粒子編碼進(jìn)行轉(zhuǎn)換操作。

2.3 算法步驟設(shè)計(jì)

將目標(biāo)函數(shù)作為適應(yīng)度函數(shù)，設(shè)置預(yù)期的閾值ε，約束條件作為判斷條件，具體實(shí)現(xiàn)步驟如下：

（1）根據(jù)用戶需求創(chuàng)建虛擬桌面集合，利用式（4）計(jì)算云負(fù)載能力β，將虛擬桌面分配到合適的服務(wù)器。

（2）利用式（5）的目標(biāo)函數(shù)作為算法的適應(yīng)度函數(shù)，初始化算法中粒子的位置和速度，設(shè)置粒子當(dāng)前的局部最優(yōu)P和群體中的全局最優(yōu)G的位置。

（3）迭代進(jìn)行計(jì)算，判斷當(dāng)前的實(shí)驗(yàn)云負(fù)載極限β是否達(dá)到約束條件的ε（預(yù)定閾值），如果達(dá)到跳到步驟（11），否則繼續(xù)執(zhí)行步驟（4）。

（4）利用式（6）和（7）計(jì)算更新后的粒子的位置和速度，并且利用式（9）計(jì)算群體更新后的負(fù)載情況β。

（5）根據(jù)式（8）計(jì)算調(diào)節(jié)算法的權(quán)值w，動(dòng)態(tài)更新w，保持權(quán)值的動(dòng)態(tài)更新。

（6）判斷更新后的群體變化是否達(dá)到約束條件，如果是執(zhí)行步驟（8），否則執(zhí)行步驟（7）。

（7）保留上次計(jì)算的局部最優(yōu)P值，迭代更新并重新初始化，繼續(xù)循環(huán)計(jì)算，直至達(dá)到約束條件，停止迭代。

（8）計(jì)算更新后的適應(yīng)度，如果更新后的適應(yīng)度優(yōu)于上一次的P的適應(yīng)度，則更新當(dāng)前的P值；假如更新后的群體適應(yīng)度優(yōu)于上一次的G的適應(yīng)度，則更新當(dāng)前的G值。

（9）根據(jù)式（9）計(jì)算當(dāng)前的粒子群體的適應(yīng)度的自適應(yīng)情況，并計(jì)算自動(dòng)變異因子Pm。

（10）判斷式（6）中的隨機(jī)數(shù)是否小于Pm，如果小于Pm，利用式（10）進(jìn)行自適應(yīng)變異操作，并且更新當(dāng)前的P值和G值；否則跳轉(zhuǎn)到步驟（3）。

（11）迭代計(jì)算結(jié)束，輸出負(fù)載均衡的組合結(jié)果。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)環(huán)境搭建

為了驗(yàn)證本文提出算法的有效性和可行性，利用Eucalyptus系統(tǒng)作為實(shí)驗(yàn)測(cè)試環(huán)境。根據(jù)參考文獻(xiàn)提供的方法，基于Eucalyptus平臺(tái)并結(jié)合KVM與QEMU的虛擬架構(gòu)搭建算法實(shí)驗(yàn)需要的運(yùn)行平臺(tái)［6-7］。

3.2 實(shí)驗(yàn)結(jié)果分析

分別利用Eucalyptus自帶的貪婪算法、基本粒子群算法與本文設(shè)計(jì)的算法進(jìn)行實(shí)驗(yàn)。根據(jù)實(shí)驗(yàn)需要，設(shè)置了所需虛擬機(jī)桌面的數(shù)量規(guī)模分別為50、100、150、200、250和300等數(shù)量級(jí)。根據(jù)云控制器顯示的服務(wù)器與虛擬機(jī)的運(yùn)行分析視圖，分別記錄了各個(gè)算法對(duì)服務(wù)器虛擬資源利用率的情況，結(jié)果如圖1和圖2所示，并對(duì)結(jié)果進(jìn)行分析。

圖1 服務(wù)器資源利用率比較

圖2 虛擬機(jī)遷徙數(shù)比較

如圖1所示，三種算法在不同規(guī)模用戶壓力下的服務(wù)器資源利用率的執(zhí)行結(jié)果各不相同，很明顯動(dòng)態(tài)自適應(yīng)粒子群算法比其他兩種能更好地進(jìn)行資源的負(fù)載均衡調(diào)節(jié)，提高服務(wù)器的資源利用率。隨著虛擬桌面數(shù)量的不斷增加，為了保持服務(wù)器間資源利用率的平衡，利用三種算法進(jìn)行虛擬資源負(fù)載調(diào)節(jié)。如圖2所示，動(dòng)態(tài)自適應(yīng)粒子群算法的遷徙數(shù)明顯少于基本粒子群算法和貪婪算法作用下的遷徙數(shù)，在穩(wěn)定性方面具有較好的表現(xiàn)。

4 結(jié)論

本文研究了實(shí)驗(yàn)云虛擬資源的負(fù)載均衡問題，利用基于動(dòng)態(tài)改變權(quán)值的自適應(yīng)變異的粒子群算法對(duì)服務(wù)器上的虛擬機(jī)進(jìn)行負(fù)載均衡調(diào)節(jié)。以Eucalyptus作為實(shí)驗(yàn)平臺(tái)進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出負(fù)載均衡算法具有更好的優(yōu)越性。但本文的方法還處于實(shí)驗(yàn)測(cè)試，沒有應(yīng)用到實(shí)際的用戶桌面負(fù)載調(diào)節(jié)中，這將是以后研究的重點(diǎn)。

［1］陳小嬌，陳世平，方芳.云計(jì)算中虛擬機(jī)資源分配算法［J］.計(jì)算機(jī)應(yīng)用研究，2014，31（9）：2584-2587.

［2］常德成，徐高潮.虛擬機(jī)動(dòng)態(tài)遷移方法［J］.計(jì)算機(jī)應(yīng)用研究，2013，30（4）：971-976.

［3］何丹丹.云環(huán)境下基于節(jié)能和負(fù)載均衡的混沌粒子群資源優(yōu)化調(diào)［J］.計(jì)算機(jī)控制與測(cè)量，2014，22（5）：1626-1628.

［4］劉衛(wèi)寧，高龍.異構(gòu)云中面向集群負(fù)載均衡的任務(wù)調(diào)度策略［J］.計(jì)算機(jī)應(yīng)用，2013，33（8）：2140-2142.

［5］張選平.一種動(dòng)態(tài)改變慣性權(quán)的自適應(yīng)粒子群算法［J］.西安交通大學(xué)學(xué)報(bào)，2005，39（10）：1039-1042.

［6］楊子夜，周逸勛，陳海波，等.利用虛擬機(jī)動(dòng)態(tài)遷移技術(shù)整合虛擬和模擬環(huán)境［J］.小型微型計(jì)算機(jī)系統(tǒng)，2010，31（3）：423-429.

［7］洪文圳，陳玉琴，黃曉峰.基于Eucalyptus的實(shí)驗(yàn)云平臺(tái)搭建［J］.微型機(jī)與應(yīng)用，2014，33（17）：59-61.

Research of dynamic adaptive load balancing experimental Cloud virtual resources

Hong Wenzhen
（Department of Computer，Guangdong AIB Polytechnic College，Guangzhou 510507，China）

For load balancing of virtual resources for Cloud platforms，in order to realize reasonable distribution of virtual resources and maintain the stability of the user′s desktop，this paper presents an algorithm based on dynamically changing weighting adaptive particle swarm optimization algorithm and experiments using Eucalyptus platform.Experiments show that this method has a better effect than the greedy algorithm and particle swarm optimization，and can effectively control the load balance and maintain the stability of the system.

virtual desktop；load balancing；server

TP393

A

1674-7720（2015）20-0054-03

洪文圳.實(shí)驗(yàn)云虛擬資源動(dòng)態(tài)自適應(yīng)負(fù)載均衡研究［J］.微型機(jī)與應(yīng)用，2015，34（20）：54-56，60.

2015-05-28）

洪文圳（1981-），通信作者，男，碩士，實(shí)驗(yàn)師，主要研究方向：云計(jì)算虛擬化、實(shí)驗(yàn)室建設(shè)與管理。E-mail：hwz-507@163.com。