孟令璽　劉英偉　孟令威

摘 要：云計算平臺虛擬化技術的出現使得各類應用資源的按需動態(tài)配置成為可能，大大提高了資源的利用率。共享資源池的出現，使云環(huán)境中服務器的數量得到減少，從而增加了云服務提供商的收益。負載均衡可以實現物理資源和虛擬資源消耗的匹配。通過云計算資源，人們可以采用MOGA-D算法，將多目標優(yōu)化調度方法應用在移動端子系統中，實現最終的資源調度。對比實驗結果表明，與傳統方法相比，該方法具有更加突出的有效性。

關鍵詞：移動端;云計算;多目標優(yōu)化調度

中圖分類號：TP311.52 文獻標識碼：A 文章編號：1003-5168（2019）35-0027-03

Application of Multi-objective Optimal Scheduling Method of

Cloud Computing Resources in Mobile Terminal System

MENG Lingxi LIU Yingwei MENG Lingwei

（School of Humanities and Information， Changchun University of Technology，Changchun Jilin 130000）

Abstract： TThe advent of cloud computing platform virtualization technology makes it possible to dynamically configure various application resources on demand， which greatly improves the utilization rate of resources. The emergence of shared resource pools has reduced the number of servers in the cloud environment， thereby increasing the revenue of cloud service providers. Load balancing can match the consumption of physical resources and virtual resources. Through cloud computing resources， people can use the MOGA-D algorithm to apply the multi-objective optimized scheduling method to mobile terminal systems to achieve the ultimate resource scheduling. The comparison test results show that the method has more prominent effectiveness than the traditional method.

Keywords： mobile;cloud computing;multi-objective optimal scheduling

移動終端是指可以在移動中使用的計算機設備，它可以分為兩類，一類為模擬移動終端，如數字蜂窩電話和模擬蜂窩電話，另一類為數字移動終端。移動終端具有極強的便攜性，客戶端子系統主要由平板電腦、智能手機等手持移動設備組成，這些設備將代替服務器智能地發(fā)出請求，將所需要的分塊緩存或下載到本地運行，以滿足服務需求[1，2]。

1 云計算資源多目標優(yōu)化調度方法

采用云計算的方式，用戶就可以通過網絡將需要處理的數據發(fā)送到云計算終端的數據中心，由數據中心對數據進行處理，并及時將處理結果反饋給用戶，資源的使用率得到大幅提高，減少了所消耗的資源，這樣有助于“節(jié)能減排”[3-5]。目前，如何減少激活服務器的數量是云平臺節(jié)約型資源調度方法需要解決的問題，從而達到節(jié)能的目的，實現綠色計算。綜上，本文提出了一種考慮物理節(jié)點穩(wěn)定性的節(jié)能型多目標資源優(yōu)化調度方法。

1.1 負載均衡

對數據中心整體而言，負載均衡程度是指各物理機負載量的相對平衡，防止出現“熱點”現象;而從單個物理服務器角度來說，負載均衡程度是指各物理資源（內部網絡帶寬和內存等）的使用相對平衡。“負載-資源-能耗”關系如圖1所示。

負載均衡度計算方法如下：

[Degreem=（uCPU-umemory）2+（uCPU-ubandwidth）2+（umemory-ubandwidth）2]? ? ? （1）

式中，[uCPU]為物理機利用率;[umemory]為內存利用率;[ubandwidth]為網絡帶寬使用率;[Degreem]為根據虛擬機實際運行數據得到的物理機m各類資源消耗的均衡程度，也就是物理機資源配置與所承載的虛擬資源消耗的匹配程度。

1.2 基于MOGA-D算法的多目標優(yōu)化調度方法

云計算環(huán)境下資源的調度問題不只是某些單個目標的多目標優(yōu)化問題，需要考慮的往往還包括服務器負載、服務質量和節(jié)能等多方面因素，傳統的求解單目標方案往往不能滿足要求。為此，本研究提出了基于MOGA-D算法的資源多目標優(yōu)化調度方法，調度關系如圖2所示。

圖2 多目標優(yōu)化調度關系

MOEA/D的分解思想是：首先對求解空間進行分解，再將多目標求解轉化為在[N]個子空間中求解單目標的優(yōu)化問題，與其他多目標優(yōu)化算法不同的是，沒有將多目標問題整合為一個整體進行處理。其中利用聚合方法將子空間中的解由一個多目標問題轉化為求解一個單目標問題。

利用切比雪夫聚合方法將一個多目標問題轉化為求解一個單目標問題：

[min imize gte（x/y，z*）=max1≤i≤mλifi（x）-z*i]? ? ? ? ? （2）

式中，[λi]為權向量;[z*]為參考點，且取值為目標值中最優(yōu)解;[i]為種群個數;[m]為目標數;[gte（x/y，z*）]為切比雪夫數值;[fi（x）]為目標函數值。

經過多目標問題轉化，計算每個均勻分布的權重向量的鄰域，經過初始化，在[p]個種群中選取當前個體[pi]，再從[p]中選取個體[pi]的鄰域個體[pj]，經過交叉計算求得新個體[px]，經過變異計算，獲取變異個體[p′x]，對[px]和[p′x]進行適度函數計算，求得最優(yōu)解。

2 多目標優(yōu)化調度方法在移動端子系統的應用

智能移動終端已深入人們的日常生活中，隨著科技的發(fā)展，移動終端所能承載的應用程序越來越豐富，豐富了人們的生活，但是受電池能量損耗及處理能力等限制，其復雜資源調度存在困難。為此，將基于MOGA-D算法的多目標優(yōu)化調度方法應用于移動端子系統中，以增加子系統的資源調度速度，并保證物理節(jié)點的穩(wěn)定性，提升移動端的使用性能。

客戶端子系統采用P2P的網絡結構，P2P網絡對等點使用移動設備，該設備既可以作為服務器將自己緩存的資源提供給其他移動設備，也可以作為客戶端從其他移動設備中獲得自己需要的資源。混合式P2P結構以服務網格作為中央節(jié)點，搜集多目標優(yōu)化調度動態(tài)變化資源信息，向各個移動設備節(jié)點提供服務，各個移動設備緩存的資源信息由網格服務負責收集。

在移動設備智能代理服務器的通信方面，由移動設備發(fā)送查詢調度方法的請求信息，需要包含分塊自身的配置信息（處理能力、內存和CPU大?。?、功能的描述、執(zhí)行環(huán)境（內存利用率、CPU利用率）等參數。移動設備只需要向終端發(fā)送所需要任務的請求信息，然后等待接受所需要的智能代理服務器返回的資源，而對資源的選擇和請求信息的處理均由智能代理服務器負責，這樣移動設備就省去了自行計算等步驟，避免了不必要的損耗。

綜上，基于云計算，人們可以實現移動端子系統的資源多目標優(yōu)化調度。其主要通過網絡連接或是大型數據中心中計算資源的訪問，形成一個計算資源池，以便進行統一的調度管理，最終實現云計算資源多目標優(yōu)化調度方法在移動端子系統中的應用。為了驗證該方法能否在移動端子系統中得到很好應用，采用仿真實驗的方式進行了驗證。

3 實驗對比

以上部分從理論上論證了基于MOGA-D算法的調度方法的可行性，并詳細說明了其在不同移動端子系統中的應用。為了證實該方法在移動端子系統中應用的有效性，本研究進行了對比實驗，從任務完成時間和物理節(jié)點穩(wěn)定性兩方面進行對比驗證。實驗中設MOGA-D算法為實驗組，粒子群算法為對照組。

3.1 實驗準備

實驗均在Dell optiplex上進行，Dell optiplex配置有第四代Intel Core i5 CPU、8GB內存和1TB硬盤，采用兩種調度方法，分別對任務完成時間和物理節(jié)點穩(wěn)定性進行實驗。

3.2 實驗結果與分析

將對比實驗所得的兩組數據記錄下來，并相應繪制對比圖，如圖3所示。

由圖3的兩種數據可知，在種群大小一定的情況下，采用本文方法需要的運行時間要比粒子群算法對照組消耗的時間短很多。因此，在移動端子系統中進行云計算資源多目標優(yōu)化調度時，引入MOGA-D算法可有效縮短耗時，提高系統利用率，具有一定的優(yōu)勢。

4 結語

將云計算資源多目標優(yōu)化調度方法應用于移動端子系統中，通過負載均衡、多目標優(yōu)化等分析設計，實現資源調度，并將該方法應用于移動端中?；贛OGA-D算法的多目標優(yōu)化調度方法，本文對云計算資源多目標優(yōu)化調度方法在移動端子系統中的應用情況進行分析。經過對比實驗，筆者驗證了方法的有效性。結果發(fā)現，MOGA-D算法可有效優(yōu)化移動端子系統的資源調度情況，但對于使用環(huán)境的變化，還需要進一步進行驗證。

參考文獻：

[1]楊愛華.云計算下的蟻群優(yōu)化算法資源調度研究[J].通化師范學院學報，2019（8）：1-5.

[2]祝旭.綠色云計算數據中心能耗資源調度優(yōu)化關鍵技術研究[J].無線互聯科技，2019（11）：118-119.

[3]呂騰飛，陳世平.基于包簇映射的云計算資源分配策略[J].上海理工大學學報，2019（3）：260-266.

[4]黃偉建，辛風俊，黃遠.基于混沌貓群算法的云計算多目標任務調度[J].微電子學與計算機，2019（6）：55-59.

[5]葉符明，李雯婷，王穎.MC2ETS：移動云計算中一種能效任務調度算法[J].計算機科學，2019（6）：135-142.