賀敬偉，戚林成，杜元翰，張世杰，劉繼東

（1.江蘇電力信息技術(shù)有限公司，江蘇 南京 210000；2.國網(wǎng)江蘇省電力有限公司信息通信分公司，江蘇南京 210000）

混合模型是集中不同應(yīng)用模型的組合體表現(xiàn)形式，其允許所研究項目向著最有效的路徑發(fā)展。除隨機誤差條件外，也可定義為固定效應(yīng)、隨機效應(yīng)兩類基本的統(tǒng)計分析原則。在統(tǒng)計學(xué)范疇中，混合模型代表了原始大群體中存在子群體的數(shù)學(xué)概率，一般來說，與混合模型匹配的數(shù)據(jù)集合空間越大，子群體被應(yīng)用主機直接采納的可能性也就越大[1-2]。若將統(tǒng)計推斷條件考慮在內(nèi)，則可認(rèn)為隨著子群體數(shù)量值水平的增大，混合模型的原始包含空間也會不斷擴大，但由于隨機誤差量的存在，子空間對于原始空間的數(shù)值影響條件也會隨之不斷改變。

在云平臺環(huán)境中，為了從根本上保障云服務(wù)的質(zhì)量水平，應(yīng)對資源數(shù)據(jù)存儲條件進(jìn)行及時適量的匹配。傳統(tǒng)高斯負(fù)載型數(shù)據(jù)伸縮方法通過計算正向超量時延系數(shù)的方式，確定云平臺資源數(shù)據(jù)的實時存儲條件，再根據(jù)既定的殘差值分析標(biāo)準(zhǔn)，實現(xiàn)對數(shù)據(jù)信息的拉伸與收縮處理。然而此方法的最小壓縮與最大拉伸能力有限，并不能實現(xiàn)對云資源數(shù)據(jù)傳輸體積的及時調(diào)整。

為解決此問題，提出基于混合模型的云平臺資源彈性伸縮方法，根據(jù)資源數(shù)據(jù)的初始定位條件，確定云平臺主機需求的實際變化趨勢，再通過資源數(shù)據(jù)采集與融合的處理方式，完善已定義的彈性擴容與伸縮擴容條件。

1 基于混合模型的云數(shù)據(jù)定位

基于混合模型的云數(shù)據(jù)定位由聚類混合系數(shù)計算、初始定位條件確定、云數(shù)據(jù)優(yōu)選殘差加權(quán)量分析三個處理環(huán)節(jié)共同組成，具體研究方法如下。

1.1 聚類混合系數(shù)

聚類是將已知云數(shù)據(jù)特征矢量全部劃分至不同模型類別中，再將所得模型集合體按照一定標(biāo)準(zhǔn)混合，以便于后續(xù)協(xié)方差計算。協(xié)方差指標(biāo)能夠約束云平臺資源在單位時間內(nèi)的傳輸能力，一般情況下，混合模型的初始數(shù)值空間越大，已存儲資源信息之間的協(xié)方差指標(biāo)數(shù)值水平越高[3-4]。

設(shè)i0代表最小的云數(shù)據(jù)存儲系數(shù)，in代表最大的云數(shù)據(jù)存儲系數(shù)。其中，n表示聚類處理的實際執(zhí)行次數(shù)。在由i0、in決定的云數(shù)據(jù)存儲空間中，混合模型所涉及的云數(shù)據(jù)信息總量值越大，最終計算所得的聚類混合系數(shù)值也就越精準(zhǔn)。聯(lián)立上述物理量，可將聚類混合系數(shù)表達(dá)式定義為：

其中，w1代表第一個應(yīng)用模型聚類條件，wn代表第n個應(yīng)用模型聚類條件，代表待存儲云平臺資源數(shù)據(jù)特征值，代表聚類模型的混合特征均值。

1.2 初始定位條件

初始定位條件是混合模型建立的關(guān)鍵，可在已知聚類混合系數(shù)結(jié)果基礎(chǔ)上，限定云平臺資源數(shù)據(jù)所能達(dá)到的傳輸與存儲位置[5]。由于混合模型存在相對復(fù)雜的數(shù)據(jù)信息存儲限定條件，在考慮聚類作用的情況下，隨著云平臺資源數(shù)據(jù)傳輸速率的加快，相關(guān)信息參量的存儲位置也會逐漸發(fā)生改變。為更好適應(yīng)上述資源信息變化情況，應(yīng)選取多個不同云平臺數(shù)據(jù)作為聚類參考條件。一方面，借助混合模型對相關(guān)信息參量進(jìn)行整合，另一方面也可較好控制模型主體在單位時間內(nèi)的具體變化情況[6-7]。設(shè)m1、m2、…、mn分別代表n個不同云平臺資源數(shù)據(jù)信息，λ表示混合模型的單位聚類條件，聯(lián)立式（1），可將混合模型的初始定位條件表示為：

其中，u0代表最小的資源數(shù)據(jù)傳輸速率值，un代表最大的資源數(shù)據(jù)傳輸速率值，R代表標(biāo)準(zhǔn)的平臺資源數(shù)據(jù)聚類系數(shù)項。

1.3 云數(shù)據(jù)的優(yōu)選殘差加權(quán)量

云數(shù)據(jù)的優(yōu)選殘差加權(quán)量從隨機解角度出發(fā)，通過尋優(yōu)迭代處理的方式，確定混合模型的最優(yōu)解數(shù)值，再借助適應(yīng)度函數(shù)，評價云平臺資源的存儲與應(yīng)用價值，從而實現(xiàn)對混合模型執(zhí)行環(huán)境的有效完善。在已知初始定位條件的前提下，通過聚類處理等方式所獲得的優(yōu)選殘差加權(quán)量計算結(jié)果，能夠從強弱度、分離度等多個角度分析云平臺存儲環(huán)境的穩(wěn)定性水平[8-9]。云數(shù)據(jù)優(yōu)選殘差加權(quán)量作為一種正值誤差特征量，在參量選取與計算過程中，只能將其視為一種估算值應(yīng)用結(jié)果。

設(shè)表示云平臺環(huán)境中資源數(shù)據(jù)信息的殘差優(yōu)選系數(shù)，代表與混合模型匹配的強弱度參量值，β代表與混合模型匹配的分離度參量值，聯(lián)立式（2），可將云數(shù)據(jù)的優(yōu)選殘差加權(quán)量計算結(jié)果表示為：

其中，An代表云數(shù)據(jù)信息的殘差量最大值，Aˉ代表云數(shù)據(jù)信息的殘差量均值，ΔY代表單位時間內(nèi)的云平臺資源數(shù)據(jù)傳輸變化量。

2 云平臺資源的彈性伸縮方法

在混合模型支持下，按照平臺主機需求變化趨勢分析、資源數(shù)據(jù)采集與融合、彈性擴容與伸縮擴容條件計算的處理流程，完成云平臺資源彈性伸縮方法的設(shè)計與應(yīng)用。

2.1 平臺主機需求變化趨勢

針對云平臺所有特定資源數(shù)據(jù)的彈性伸縮變化策略，需要根據(jù)平臺主機的需求制定條件，且由于混合模型的存在，數(shù)據(jù)信息參量在實際存儲過程中，始終保持較強的感應(yīng)性傳輸能力[10-11]。不同存儲時刻，云平臺資源數(shù)據(jù)具備的彈性伸縮適應(yīng)能力也有所不同，在已知優(yōu)選殘差加權(quán)量計算結(jié)果的情況下，待存儲的資源數(shù)據(jù)量越大，云平臺主機所具備的信息傳輸能力也就越強。在單位傳輸時間內(nèi)，云平臺資源數(shù)據(jù)始終保持連續(xù)轉(zhuǎn)存的物理變化形式，即隨著平臺運行時間的延長，資源數(shù)據(jù)的轉(zhuǎn)存量水平也會不斷增大，反之則不斷減小[12]。

設(shè)θ1、θ2分別代表兩個不同的云平臺感應(yīng)需求條件，在資源數(shù)據(jù)查找量等于β的情況下，聯(lián)立式（3），可將云平臺主機的需求變化趨勢定義為：

其中，f代表云平臺環(huán)境中的資源數(shù)據(jù)轉(zhuǎn)存系數(shù)，代表單位時間內(nèi)的云平臺資源查找均值量，η代表資源數(shù)據(jù)的傳輸效率，k0代表數(shù)據(jù)信息的初始存儲量數(shù)值。

2.2 資源數(shù)據(jù)的采集與融合

云平臺資源數(shù)據(jù)采集與融合是信息參量處理的關(guān)鍵環(huán)節(jié)，其可在已知混合模型的基礎(chǔ)上，安排彈性伸縮控制指令的執(zhí)行強度，實現(xiàn)對彈性擴容與伸縮擴容條件的準(zhǔn)確計算。從宏觀角度來看，資源數(shù)據(jù)采集與資源數(shù)據(jù)融合是兩個相互獨立的執(zhí)行流程，前者負(fù)責(zé)在云平臺環(huán)境中分析資源數(shù)據(jù)所處的實時位置，并結(jié)合混合模型對主機中暫存的信息參量進(jìn)行按需提??；后者則主要負(fù)責(zé)將散亂分布的資源數(shù)據(jù)整合成包狀傳輸形式，從而實現(xiàn)對彈性收縮控制指令的有效分配與調(diào)節(jié)[13-14]。采集與融合流程如圖1所示。

圖1 云平臺資源數(shù)據(jù)的采集與融合流程

2.3 彈性擴容與伸縮擴容條件

彈性擴容條件決定了云平臺資源數(shù)據(jù)的最大存儲能力，一般來說，資源數(shù)據(jù)的采集與融合情況越完整，彈性擴容條件的計算結(jié)果也就越精確[15]。設(shè)ξ表示既定的云平臺資源數(shù)據(jù)采集系數(shù)，j表示單位時間內(nèi)的資源數(shù)據(jù)融合處理系數(shù)，聯(lián)立式（4），可將彈性擴容條件表示為：

其中，h代表單位時間內(nèi)云平臺資源數(shù)據(jù)的最大采集量。

伸縮擴容條件決定云平臺資源數(shù)據(jù)的最小存儲能力，該項物理條件與彈性擴容條件之間的差值水平越大，云平臺空間的實際穩(wěn)定性能力也就越強[16]。設(shè)d代表云平臺資源數(shù)據(jù)的實時容量系數(shù)值，μ代表數(shù)據(jù)信息的彈性伸縮目標(biāo)向量，聯(lián)合上述所有已知條件，可將伸縮擴容條件表示為：

至此，完成各項物理系數(shù)值的計算與處理，實現(xiàn)云平臺資源彈性伸縮方法的研究。

3 實例分析

在云平臺環(huán)境中，最大拉伸值、最小壓縮值都能反映主機設(shè)備所具備的資源數(shù)據(jù)處理能力。理想情況下，云平臺資源最大拉伸值的理想變化區(qū)間為5～13 bit（如圖2 所示），且數(shù)值結(jié)果越大，達(dá)標(biāo)拉伸處理行為越明顯，其理想情況如圖2 所示。

圖2 最大拉伸值的理想變化情況

將與理想拉伸值結(jié)果對應(yīng)的時間節(jié)點作為時間取樣點，繪制實驗組、對照組最大拉伸數(shù)值的實際變化曲線。其中，實驗組采用基于混合模型的云平臺資源彈性伸縮方法，對照組采用高斯負(fù)載型數(shù)據(jù)伸縮方法[17-19]。

對比圖2、圖3 可知，實驗組、對照組的最大拉伸值曲線始終與理想曲線保持相同的變化趨勢，但實驗組均值水平明顯更高，變化區(qū)間范圍由5～13 bit 擴大為8～16 bit；對照組均值水平則顯著降低，變化區(qū)間范圍由5～13 bit縮小至3.5～11.5 bit。

圖3 最大拉伸值的實驗記錄結(jié)果

綜上可知，在混合模型作用下，云平臺資源的最大拉伸數(shù)值會明顯增大，對于擴大云主機的數(shù)據(jù)信息存儲能力具有較強促進(jìn)作用。

表1 記錄了實驗組、對照組云平臺資源最小壓縮值及理想數(shù)值的實際變化情況。

分析表1 可知，實驗組最小壓縮值、對照組最小壓縮值、理想數(shù)值均保持相同的物理變化趨勢。從平均量角度來看，實驗組的變化區(qū)間為[0.200 bit，0.317 bit]，對照組的變化區(qū)間為[0.5 bit，0.8 bit]，理想數(shù)值的變化區(qū)間為[0.31 bit，0.45 bit]，其變化區(qū)間大小順序為實驗組＜理想組＜對照組。

表1 最小壓縮值的實驗記錄結(jié)果

綜上可知，在混合模型作用下，云平臺資源的最小壓縮值會出現(xiàn)持續(xù)縮小的變化形式，這在一定程度上，可實現(xiàn)對云主機數(shù)據(jù)信息下限存儲能力的有效促進(jìn)。

4 結(jié)束語

與高斯負(fù)載型數(shù)據(jù)伸縮方法相比，新型彈性伸縮方法可在混合模型的作用下，通過定義初始定位條件，計算得到云數(shù)據(jù)優(yōu)選殘差加權(quán)量，且由于平臺主機始終處于相對變化的發(fā)展趨勢，資源數(shù)據(jù)的采集與融合結(jié)果可對彈性擴容與伸縮擴容條件提供有效的保障。從實用性角度來看，混合模型支持下，云平臺主機的最大拉伸值結(jié)果更大，最小壓縮值結(jié)果更小，可在實現(xiàn)云資源數(shù)據(jù)與平臺主機存儲條件最大化匹配的同時，確保云服務(wù)質(zhì)量水平的可行性，具備較強的實際應(yīng)用價值。