周永福,徐勝超

(1.河源職業(yè)技術(shù)學(xué)院電子與信息工程學(xué)院,廣東 河源 517000; 2.廣州華商學(xué)院數(shù)據(jù)科學(xué)學(xué)院,廣東 廣州 511300)

0 引 言

在云計(jì)算網(wǎng)絡(luò)環(huán)境中，容器云資源的動(dòng)態(tài)配置主要解決如何調(diào)用不同的資源來連接云計(jì)算終端，并在此基礎(chǔ)上提供可靠、高效的服務(wù)[1-2]。容器云資源動(dòng)態(tài)配置的目標(biāo)是實(shí)現(xiàn)各種資源在網(wǎng)絡(luò)上的有效共享。云資源規(guī)模在不斷擴(kuò)增的同時(shí)，手動(dòng)或人工管理資源的方式變得非常不現(xiàn)實(shí)，必須研究一種有效的管理手段，來適應(yīng)云計(jì)算網(wǎng)絡(luò)負(fù)載的變化，降低資源管理人員的工作難度[3]。

在上述背景下，相關(guān)學(xué)者對(duì)資源配置問題進(jìn)行了深入研究，并取得了一些研究成果，如：文獻(xiàn)[4]提出了一種容器云環(huán)境虛擬資源優(yōu)化配置方法，根據(jù)資源配置方案，分析物理機(jī)選取策略對(duì)資源配置能耗的影響；構(gòu)建主機(jī)利用率、容器利用率與數(shù)據(jù)資源能耗之間的關(guān)系，建立數(shù)學(xué)模型，并設(shè)置相應(yīng)的目標(biāo)函數(shù)；根據(jù)建立的目標(biāo)函數(shù)，通過最佳能耗優(yōu)先物理機(jī)選擇算法實(shí)現(xiàn)資源配置。實(shí)驗(yàn)結(jié)果表明，該方法在數(shù)據(jù)中心節(jié)能方面具有一定的優(yōu)勢(shì)，但是存在資源利用率較低的問題。文獻(xiàn)[5]提出了一種大數(shù)據(jù)環(huán)境下基于譜機(jī)器學(xué)習(xí)的云物流資源配置方法，該方法將云物流資源作為研究對(duì)象，依據(jù)多粒度理論建立云資源配置模型，并采用機(jī)器學(xué)習(xí)算法對(duì)該模型進(jìn)行求解，最后通過實(shí)驗(yàn)研究驗(yàn)證該方法的有效性。結(jié)果表明，該方法的資源配置準(zhǔn)確率較高，但是需要消耗大量的時(shí)間，配置效率較低。

基于以上研究背景，本文將雙層規(guī)劃應(yīng)用到容器云資源動(dòng)態(tài)配置算法設(shè)計(jì)中，從資源利用率和完成時(shí)間2個(gè)方面提升算法的性能。

1 容器云資源動(dòng)態(tài)配置算法設(shè)計(jì)

1.1 容器云資源動(dòng)態(tài)配置決策問題分析

采用動(dòng)態(tài)的方式配置容器云資源時(shí)，需要先在容器云資源配置行為的應(yīng)用場(chǎng)景中分析容器云資源動(dòng)態(tài)配置決策問題[6-7]，容器云資源配置行為的應(yīng)用場(chǎng)景如圖1所示。

圖1 容器云資源配置行為的應(yīng)用場(chǎng)景

從圖1可以看出，容器云資源配置行為的應(yīng)用場(chǎng)景提供的中間層包括代理申請(qǐng)模塊和配置決策模塊，代理申請(qǐng)模塊是根據(jù)接收到的命令，自動(dòng)執(zhí)行對(duì)容器云資源進(jìn)行添加、刪除等行為操作[8]；容器云資源配置決策模塊是將容器云資源的運(yùn)行狀態(tài)作為輸入，根據(jù)云資源配置決策算法的設(shè)計(jì)，將云資源的動(dòng)態(tài)配置命令傳輸給代理申請(qǐng)模塊。

根據(jù)以上描述，容器云資源動(dòng)態(tài)配置決策模塊在容器云資源配置行為的應(yīng)用場(chǎng)景中是一個(gè)核心組成部分[9-14]，因此，容器云資源動(dòng)態(tài)配置決策模塊在容器云資源動(dòng)態(tài)配置中是一個(gè)需要重點(diǎn)解決的問題。先將容器云資源動(dòng)態(tài)配置過程看成是一個(gè)強(qiáng)化學(xué)習(xí)的過程，再針對(duì)容器云資源構(gòu)建調(diào)度模型，達(dá)到容器云資源動(dòng)態(tài)配置的目的。

基于容器云資源配置行為的應(yīng)用場(chǎng)景，將中間層劃分為代理申請(qǐng)模塊和配置決策模塊，利用模塊間的關(guān)系，分析容器云資源動(dòng)態(tài)配置決策問題。

1.2 容器云資源調(diào)度模型構(gòu)建

容器云資源能否進(jìn)行動(dòng)態(tài)配置，決定著云計(jì)算服務(wù)的質(zhì)量。當(dāng)云計(jì)算服務(wù)被多個(gè)用戶使用時(shí)，容器云資源在調(diào)度過程中就會(huì)根據(jù)不同用戶的需求，將容器中不同的云資源分配給不同的用戶[15-20]。容器云資源調(diào)度模型的構(gòu)建步驟如下：

Step1計(jì)算出容器云資源調(diào)度任務(wù)的表達(dá)式，構(gòu)建計(jì)算調(diào)度時(shí)間矩陣。

假設(shè)容器云資源參與調(diào)度任務(wù)的集合為J，P表示容器云資源的待分配集合，那么容器云資源的調(diào)度任務(wù)可表示為：

(1)

其中，Ji表示第i個(gè)調(diào)度任務(wù)，Pj表示第j個(gè)調(diào)度任務(wù)中的待分配容器云資源。

Step2求解容器云資源調(diào)度時(shí)間矩陣。

假設(shè)ETC,ij表示容器云資源的調(diào)度任務(wù)Ji在分配容器云資源Pj時(shí)消耗的時(shí)間，那么可以計(jì)算出容器云資源調(diào)度時(shí)間矩陣，表示為：

(2)

Step3求解容器云資源調(diào)度任務(wù)Ji在分配云資源Pj的最短時(shí)間ECT,ij，那么可以得到容器云資源調(diào)度任務(wù)的最短時(shí)間矩陣，即：

(3)

Step4獲取容器云資源調(diào)度所需的條件。

一般情況下，對(duì)容器云資源進(jìn)行調(diào)度就是利用最短的時(shí)間解決容器云資源的調(diào)度問題[21]。令xij描述云資源調(diào)度任務(wù)是否可以獨(dú)立完成容器云資源Pj的分配，容器云資源調(diào)度任務(wù)的目標(biāo)函數(shù)為：

(4)

那么構(gòu)建的約束條件為：

(5)

Step5求解容器云資源調(diào)度的目標(biāo)函數(shù)。

容器云資源在執(zhí)行調(diào)度任務(wù)過程中的約束條件為：

(6)

其中，xij∈{0,1}。

通過定義容器云資源的調(diào)度任務(wù)，求解得到容器云資源調(diào)度時(shí)間，利用容器云資源調(diào)度任務(wù)的最短時(shí)間矩陣，獲取容器云資源調(diào)度所需的條件，求解容器云資源調(diào)度的目標(biāo)函數(shù)，構(gòu)建容器云資源調(diào)度模型。

1.3 基于雙層規(guī)劃的容器云資源動(dòng)態(tài)配置算法

在1.2節(jié)構(gòu)建的目標(biāo)函數(shù)基礎(chǔ)上，為了進(jìn)一步提升資源配置效果，提出基于雙層規(guī)劃的容器云資源動(dòng)態(tài)配置算法。多目標(biāo)優(yōu)化方法通常通過求取各目標(biāo)的加權(quán)和，然后采用單目標(biāo)的優(yōu)化技術(shù)，實(shí)現(xiàn)目標(biāo)優(yōu)化。采用該方法處理優(yōu)化問題時(shí)，會(huì)由于不同性質(zhì)的目標(biāo)之間單位不一致，存在不易比較的問題，并且優(yōu)化目標(biāo)僅為各目標(biāo)的加權(quán)和，優(yōu)化過程中各目標(biāo)的優(yōu)度進(jìn)展不可操作。因此，本文采用雙層規(guī)劃方法對(duì)云資源進(jìn)行配置研究。雖然與多目標(biāo)優(yōu)化方法的目的相同，都是求取問題的最優(yōu)解，但是在雙層規(guī)劃模型中，該模型以對(duì)偶理論為基礎(chǔ)，目標(biāo)函數(shù)中的一組變量被約束為另一優(yōu)化問題的最優(yōu)解，簡(jiǎn)單來說，就是一個(gè)優(yōu)化問題的參數(shù)受限于另一個(gè)優(yōu)化問題，這2個(gè)問題相互影響。上下層的優(yōu)化問題在優(yōu)化過程中是相互輔助的，下層優(yōu)化是在上層優(yōu)化條件下實(shí)現(xiàn)的，反過來下層優(yōu)化問題的最優(yōu)反饋能夠優(yōu)化上層的目標(biāo)函數(shù)。該方法可以同時(shí)考慮全局和個(gè)體的需求，從全局出發(fā)，滿足不同的目標(biāo)需求，并且不需要對(duì)目標(biāo)進(jìn)行求解，具有操作簡(jiǎn)便的優(yōu)勢(shì)。下面通過數(shù)學(xué)公式的形式對(duì)雙層規(guī)劃模型進(jìn)行描述：

(7)

其中，(A)和(B)分別表示上下層規(guī)劃；D和d分別表示上下層規(guī)劃的目標(biāo)函數(shù)；S和s分別表示約束條件；x和y均表示決策變量。

將雙層規(guī)劃模型引入到容器云資源動(dòng)態(tài)配置中，運(yùn)用雙層規(guī)劃理論來分析容器云資源動(dòng)態(tài)優(yōu)化配置問題[22-23]。

容器云資源動(dòng)態(tài)配置過程中包含了2個(gè)優(yōu)化目標(biāo)，其一是容器云資源在每一個(gè)節(jié)點(diǎn)上的最大利用率，對(duì)應(yīng)雙層規(guī)劃模型的上層規(guī)劃問題，其二是容器云資源在虛擬機(jī)上的最小重復(fù)配置次數(shù)，對(duì)應(yīng)雙層規(guī)劃模型的下層規(guī)劃問題，將其稱為最小遷移次數(shù)，即：

(8)

(9)

(10)

(11)

每一個(gè)容器云資源都配置完成之后，針對(duì)容器云資源的配置結(jié)果是否合理，來對(duì)其進(jìn)行進(jìn)一步優(yōu)化[24-25]，容器云資源動(dòng)態(tài)配置結(jié)果在優(yōu)化時(shí)的目標(biāo)函數(shù)為：

(12)

與優(yōu)化目標(biāo)函數(shù)對(duì)應(yīng)的約束條件為：

(13)

對(duì)目標(biāo)函數(shù)進(jìn)行求解，得到雙層規(guī)劃模式下的容器云資源進(jìn)行調(diào)度的表達(dá)式為：

(14)

根據(jù)上述確立的目標(biāo)函數(shù)與約束條件，給出容器云資源動(dòng)態(tài)配置算法的具體實(shí)現(xiàn)步驟：

1)確定容器云資源在物理主機(jī)和虛擬機(jī)上的配置參數(shù)；2)在虛擬機(jī)上建立物理主機(jī)矩陣，對(duì)容器云資源的配置狀態(tài)進(jìn)行描述，配置完成，用ηij=1描述，否則ηij=0；3)設(shè)定上層目標(biāo)函數(shù)，即容器云資源在每一個(gè)節(jié)點(diǎn)上的最大利用率；4)設(shè)定下層目標(biāo)函數(shù)，即容器云資源在虛擬機(jī)上的最小重復(fù)配置次數(shù)[26-27]；5)對(duì)容器云資源動(dòng)態(tài)配置問題進(jìn)行約束，若同時(shí)滿足步驟3和步驟4，則實(shí)現(xiàn)目標(biāo)，若不滿足上述目標(biāo)函數(shù)，則返回至步驟1。

綜上所述，通過構(gòu)建容器云資源動(dòng)態(tài)配置結(jié)果在優(yōu)化時(shí)的目標(biāo)函數(shù)，結(jié)合約束條件，設(shè)計(jì)容器云資源動(dòng)態(tài)配置算法，實(shí)現(xiàn)了容器云資源的調(diào)度。

2 實(shí)驗(yàn)對(duì)比分析

2.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

為了驗(yàn)證基于雙層規(guī)劃的容器云資源動(dòng)態(tài)配置算法在容器云資源動(dòng)態(tài)配置方面的優(yōu)越性，引入文獻(xiàn)[4]方法和文獻(xiàn)[5]方法進(jìn)行實(shí)驗(yàn)測(cè)試。本次測(cè)試在CloudSim云計(jì)算環(huán)境中搭建容器云資源動(dòng)態(tài)配置的實(shí)驗(yàn)測(cè)試環(huán)境，網(wǎng)絡(luò)帶寬為80 Mbit/s、內(nèi)存為8 GB，操作系統(tǒng)為Windows10，并通過Matlab7.1仿真軟件對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行處理，以此保證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性。實(shí)驗(yàn)所用數(shù)據(jù)來自Microsoft Azure數(shù)據(jù)集，容器云資源動(dòng)態(tài)配置實(shí)驗(yàn)過程中的具體的實(shí)驗(yàn)參數(shù)設(shè)置情況如下：

1)容器云資源的收費(fèi)標(biāo)準(zhǔn)為5 元/h；2)用戶對(duì)容器云資源的需求，模擬的是某網(wǎng)站的訪問量；3)劃分容器云資源提供的服務(wù)類型。

實(shí)驗(yàn)參數(shù)的具體設(shè)置情況如表1所示。

表1 實(shí)驗(yàn)參數(shù)設(shè)置

2.2 結(jié)果分析

3種容器云資源動(dòng)態(tài)配置算法的容器云資源利用率測(cè)試結(jié)果如圖2所示。

從圖2的結(jié)果可以看出，在容器云資源數(shù)量一定的情況下，基于雙層規(guī)劃的容器云資源動(dòng)態(tài)配置算法在容器云資源動(dòng)態(tài)配置方面比較均衡，說明虛擬機(jī)上的容器云資源利用率比較充分，始終在95%以上；文獻(xiàn)[5]的容器云資源動(dòng)態(tài)配置算法的容器云資源利用率也很高，幾乎都在90%以上；而文獻(xiàn)[4]的容器云資源動(dòng)態(tài)配置算法將動(dòng)態(tài)配置任務(wù)執(zhí)行綜合能耗和截止時(shí)間作為評(píng)價(jià)目標(biāo)，導(dǎo)致虛擬機(jī)之間的容器云資源動(dòng)態(tài)配置負(fù)載無法均衡，容器云資源利用率的波動(dòng)偏大。

圖2 容器云資源利用率測(cè)試結(jié)果

3種容器云資源動(dòng)態(tài)配置算法的完成時(shí)間對(duì)比結(jié)果如圖3所示。

從圖3的結(jié)果可以看出，隨著容器云資源動(dòng)態(tài)配置任務(wù)量的增加，3種動(dòng)態(tài)配置算法的完成時(shí)間也越來越長(zhǎng)。文獻(xiàn)[5]的容器云資源動(dòng)態(tài)配置算法不僅改進(jìn)了傳統(tǒng)方法的尋優(yōu)劣勢(shì)，還考慮了容器云資源的動(dòng)態(tài)性，比文獻(xiàn)[4]的容器云資源動(dòng)態(tài)配置算法在完成時(shí)間上短；文獻(xiàn)[4]的容器云資源動(dòng)態(tài)配置算法存在收斂速度慢的問題，導(dǎo)致容器云資源配置的完成時(shí)間偏長(zhǎng)；而基于雙層規(guī)劃的容器云資源動(dòng)態(tài)配置算法將客戶需要等待的最短時(shí)間、配置任務(wù)完成所耗費(fèi)用等目標(biāo)作為單一的目標(biāo)評(píng)價(jià)函數(shù)，取得了比較好的配置效果。

圖3 容器云資源配置的完成時(shí)間對(duì)比結(jié)果

為了進(jìn)一步驗(yàn)證本文算法的有效性，將云資源在虛擬機(jī)上的重復(fù)配置次數(shù)作為實(shí)驗(yàn)指標(biāo)，對(duì)3種方法進(jìn)行測(cè)試，結(jié)果如表2所示。

表2 重復(fù)配置次數(shù)對(duì)比結(jié)果

由表2中的數(shù)據(jù)可知，采用本文算法對(duì)容器云資源進(jìn)行動(dòng)態(tài)配置時(shí)，云資源在虛擬機(jī)上的重復(fù)配置次數(shù)較低，明顯低于文獻(xiàn)[4]算法和文獻(xiàn)[5]算法。說明本文算法達(dá)到了預(yù)期目標(biāo)，即容器云資源在虛擬機(jī)上的重復(fù)配置次數(shù)最小，說明該算法具備一定的實(shí)際應(yīng)用前景。

3 結(jié)束語

為了提升云資源的利用率，降低資源配置時(shí)間，本文提出了一種基于雙層規(guī)劃的容器云資源動(dòng)態(tài)配置算法，該方法的主要?jiǎng)?chuàng)新點(diǎn)如下：

1)通過分析容器云資源動(dòng)態(tài)配置決策問題，構(gòu)建了容器云資源調(diào)度模型，實(shí)現(xiàn)對(duì)資源配置問題的初步分析。

2)通過構(gòu)建雙層規(guī)劃模型，解決了傳統(tǒng)多目標(biāo)優(yōu)化方法多目標(biāo)之間不易比較的問題，通過上下層之間的關(guān)聯(lián)，有效解決了目標(biāo)優(yōu)化問題，不僅有效提升了云資源利用率，而且減少了資源配置時(shí)間。

3)實(shí)驗(yàn)結(jié)果顯示，該配置算法具有較高的云資源利用率和配置效率，驗(yàn)證了其應(yīng)用價(jià)值。

雖然本文方法在一定程度上提升了資源配置效果，但是在雙層規(guī)劃中由于沒有考慮到資源的多樣性特點(diǎn)，下一步的工作是主要針對(duì)資源的多樣化特點(diǎn)，研究出適應(yīng)不同云資源的配置方法。