宗江琴

（江西省信息科技學校，江西 南昌330029）

模糊規(guī)劃理論能夠較好地描述，并且模仿人類思維方式，進而根據人的體驗以及經驗，對具有多維度、復雜性的事物進行識別、判斷以及決策[1-2]?；谀：?guī)劃理論的研究作為一門新興學科，已經廣泛應用于互聯(lián)網多媒體技術，以及計算機自動化控制等多個計算機領域[3]。因此，基于模糊規(guī)劃理論的云計算資源調度，不僅能夠保證互聯(lián)網信息環(huán)境的安全性、可靠性；還能夠基于云計算資源的統(tǒng)一分配、管理，提高云計算服務器資源的利用率。

1 基于模糊規(guī)劃理論的云計算資源調度研究

1.1 確定云計算資源調度優(yōu)先級

在云計算技術的服務應用過程中，其資源數據存在一定數量的輕量級任務。因此，為了提高云環(huán)境下調度資源與服務請求的匹配度，需要對云計算平臺中的等待時間、傳輸時間以及調度時間進行調整[4]。

通過細粒度任務的請求方式，以云計算資源分組為前提，整合云計算資源調度數據，進而提高云計算資源的利用率。與此同時，要關注到云環(huán)境下的資源調度是實時變化的，需要將云計算資源的靜態(tài)調度與動態(tài)調度進行融合。具體關于云計算資源優(yōu)先級的調度流程如圖1 所示：

圖1 云計算資源優(yōu)先級的調度流程

縮短云計算資源的等待時間，以及根據云資源的狀態(tài)信息分組處理是確定資源調度優(yōu)先級的關鍵目標，能夠有效提高云計算資源的利用率。當客戶在云計算平臺提交服務需求時，資源調度器能夠具有針對性地提取相關資源的特征參數，并根據服務器需求資源的節(jié)點，選擇特定的云計算資源進行調度[5]。與此同時，云計算資源的調度分組會受到任務粒度的影響，需要在給定的資源節(jié)點進行一定數量的資源調度。

在云計算資源調度中，通過云計算數據庫中心獲取的調度資源，具有明顯異構性，需要根據云計算資源調度的數據節(jié)點進行排序。通常情況下，云計算資源調度的處理能力，以及帶寬參數值，通過SCTP 層傳輸協(xié)議，能夠直接影響著云計算資源的調度排序結果。因此，為了減少云計算服務器與調度資源間的傳輸延遲，便需要選擇具有最高通信傳輸率的調度資源。

1.2 分析模糊變量設置目標參數

在量化云計算平臺用戶應用偏好的前提下，根據云計算資源的完成時間、可靠性以及安全性等多方面進行有效評估，進而構造效用函數。在基于模糊規(guī)劃理論的基礎上，根據云計算資源調度的概率問題，對云計算資源調度的空間、隨機變量以及模糊變量的相關參數特征進行提取。在基于模糊規(guī)劃理論的云計算資源調度研究中，模糊變量是模糊規(guī)劃理論的數學描述，并根據不同用戶的服務需求設置相關參數。

由于云計算平臺下用戶資源使用的需求存在一定的偏差，因此在基于模糊規(guī)劃理論的云計算資源調度方法中，首先需要明確用戶的資源偏好值，并對云計算下的所有資源進行量化。因此，通過對調度資源的進行量化剛性偏好，以及彈性偏好的分析，得到用戶任務對云計算下不同資源屬性的偏好值，具體表達式如公式（1）所示：

其中，ri表示為云計算調度資源；k表示為維度空間；ri(k)表示為云計算調度資源ri在k維的特征屬性；表示為偏好區(qū)間；表示為用戶任務對云計算下不同資源屬性的實際偏好值。

綜上所述，基于模糊規(guī)劃理論的云計算資源調度參數設置，是利用模糊規(guī)劃的定義、序關系以及運算等形式，規(guī)定云計算資源調度的模糊數排序。與此同時，根據云計算用戶資源的偏好特性，提取模糊規(guī)劃中的參數特征應用于實際資源調度。在基于模糊規(guī)劃理論的云計算資源調度的過程中，為了實現云計算資源的最優(yōu)調度目的，需要考慮在規(guī)定條件下的調度約束條件。

1.3 構建模糊線性規(guī)劃模型實現調度

在云計算資源調度過程中，引入模糊線性規(guī)劃理論，是將其看作是帶有模糊參數的云計算資源優(yōu)化調度方法。其中，將云計算平臺下的用戶看作是資源調度的約束條件，需要根據模糊變量的排序規(guī)則，構建基于模糊規(guī)劃理論的云計算資源調度模型。無論是云計算平臺下的部分調度資源，還是云計算平臺下的全部調度資源，都可以看作是模糊線性規(guī)劃的系數。

在基于模糊規(guī)劃理論的云計算資源調度過程中，需要首先確定云計算資源調度的最大決策模糊集。與此同時，根據云計算資源的參數特征，深度分析資源調度的可行解集，與資源調度的模糊目標集之間的兼容程度。

為了實現云計算資源調度的最優(yōu)解集，在模糊線性規(guī)劃模型中設置多目標。與此同時，根據云計算資源調度的多目標約束條件，在經典的多目標線性規(guī)劃模型的基礎上，求解云計算資源最優(yōu)調度，具體如公式（2）所示：

基于經典的多目標線性規(guī)劃模型，Z 表示為目標函數在約束條件下取得的極值；c、k、a、b 均表示為云計算資源調度的規(guī)劃常量。

關于構建模糊規(guī)劃理論下的云計算資源調度模型，可以通過截集的方法，在基于云計算調度資源以及服務用戶的需求雙目標規(guī)劃的基礎上，精確模糊線性規(guī)劃常量。與此同時，根據云計算資源調度的約束條件，對資源調度的非單調性情形進行實際規(guī)劃。一定程度上，這不僅簡化了云計算資源調度的目標函數，還極大地提高了云計算資源的高效調度。

2 實驗

2.1 實驗準備

本次基于模糊規(guī)劃理論的云計算資源調度研究實驗，需要10 臺物理服務器一對一開啟10 臺虛擬機。在實驗過程中，每臺云計算虛擬機分別運行一個服務程序，并通過增加服務器負荷的方式，完成本次資源數據的測量。在本次研究實驗中，云計算平臺共需要10 個服務器節(jié)點，并且能夠在Intel Xeon 5506 的處理器運行。

C1oudSim 是一個獨立存在的仿真實驗平臺，能夠在創(chuàng)建云計算數據中心節(jié)點的基礎上，支持云計算資源的有效調度。因此，本次基于模糊規(guī)劃理論的云計算資源調度研究實驗，為實現云計算資源調度與應用服務之間的開源框架，需要在CloudSim 仿真工具下進行。

此外，在云計算平臺的資源采集過程中，需要通過Linux 操作系統(tǒng)中的IPTraf 數據控制臺，對云計算服務下的資源進行監(jiān)測。與此同時，可以根據模糊規(guī)劃理論中的模糊變量，自行調整調度參數，并執(zhí)行云計算資源調度代碼。

2.2 實驗過程及結果

云計算數據庫中心的資源具有動態(tài)性、多樣性以及復雜性。因此，在短時間內數據量大量涌入，甚至超過服務器負載時，極易導致云計算服務器崩潰，直接影響服務效率。由于云計算的資源調度直接服務于客戶，因此用戶滿意度是云計算資源調度的關鍵。針對不同的服務客戶，需要根據自身的服務特殊性，提供多維度的服務質量保證。

為了驗證基于模糊規(guī)劃理論的云計算資源調度研究實驗具有優(yōu)越性，需要將其與傳統(tǒng)的云計算資源調度方法進行結果對比。其中，將基于經典Min-Min 的云計算資源調度方法作為傳統(tǒng)方法1；將基于負載均衡的云計算資源調度方法作為傳統(tǒng)方法2。

與此同時，為了保證不同云計算調度方法的實驗結果具有客觀性。因此，在云計算任務量與資源調度量一致的情況下，每種調度方法分別進行5 次實驗并取得實驗結果的平均值。具體不同云計算調度方法的實驗對比結果如表1 所示：

表1 不同調度方法的實驗結果對比

根據實驗對比結果可知，在云計算任務量與資源調度量一致的情況下，基于經典Min-Min 的云計算資源調度的傳統(tǒng)方法1 在資源利用率，以及調度時間兩個方面都不占用優(yōu)勢。基于負載均衡的云計算資源調度的傳統(tǒng)方法2 與本文調度方法的資源利用率相差不是很大，但基于模糊規(guī)劃理論的云計算資源調度方法中，調度時間明顯縮短，僅需17s。

結束語

云計算通過互聯(lián)網信息網絡，為用戶提供多元化的資源服務。云計算資源的有效調度是云計算平臺性能服務的關鍵因素，因此，在增加云計算數據庫中心資源調度復雜性的同時，保證云計算資源具有異構性。云計算環(huán)境下的服務存在一定數量的輕量級任務，需要保證云計算資源節(jié)點的負載平衡性。總而言之，基于模糊規(guī)劃理論的云計算資源調度研究，在分析模糊線性規(guī)劃模型的基礎上，通過運用模糊規(guī)劃理論，能夠有效解決云計算資源調度存在的問題。一定程度上，既能擴大云計算資源的服務范圍，也能夠保證服務具有可靠性。