馮政軍

摘要：隨著社會經(jīng)濟的蓬勃發(fā)展，云計算領域也在逐漸擴張，其規(guī)模也在日益壯大，而越來越多的資源分配與管理方面等問題也凸顯出來．與此同時，國內(nèi)大多數(shù)云計算企業(yè)的數(shù)據(jù)管理資源部門通常以虛擬設備為工作中心，為客戶提供所需的設備個數(shù)和匹配資源，包括儲存卡、顯示器等，甚至可能還要包含外顯設施．因此，云計算企業(yè)應當在滿足自身需求的同時，減少資源的浪費，利用現(xiàn)代計算模式重新評估云計算資源分配過程中的服務成本，以達到云計算行業(yè)綠色、節(jié)能的最終目標。據(jù)此，針對當下時代發(fā)展的要求，文章以云計算資源發(fā)展與分配現(xiàn)狀為出發(fā)點，淺析了當前包簇映射框架，闡述了基于包簇框架的云計算資源分配策略，希望為未來云計算資源分配策略探究提供新方向。

關鍵詞：云計算：資源分配：包簇映射分析

中圖分類號：TP39

文獻標志碼：A

0 引言

傳統(tǒng)的云計算資源分配管理通常以數(shù)據(jù)為重點，通過扁平化的資源模式對整體數(shù)據(jù)信息進行管理，而這種精細化的管理模式將導致后續(xù)出現(xiàn)的問題既復雜又數(shù)量龐大，因此，基于傳統(tǒng)虛擬數(shù)據(jù)的云計算資源分配方式不利于現(xiàn)代社會的進步與發(fā)展。此外，由于網(wǎng)絡技術的飛速發(fā)展和受眾群體類別的不斷變化．互聯(lián)網(wǎng)領域不僅需要擁有適應云計算系統(tǒng)的強大能力，還應使企業(yè)既能滿足客戶的服務條件，又能實現(xiàn)資源的有效利用。云計算資源的高效發(fā)展既可考慮到實際分配的動態(tài)模式以應對當代行業(yè)變化，還可進行虛擬化技術的開發(fā)，改良資源稀少、經(jīng)費開支較高等負面現(xiàn)象。

1 云計算資源發(fā)展與分配現(xiàn)狀

1.1 發(fā)展現(xiàn)狀

當代云計算資源規(guī)模的日益增加，以往的資源管理模式難以適應目前企業(yè)對互聯(lián)網(wǎng)計算的實際需要，同時可擴展性、靈活性等方面問題逐漸凸顯。一方面，靈活性主要包括計算機用戶在進入互聯(lián)網(wǎng)時必須對云計算中心的資源管理進行優(yōu)化，并提出對整體資源的實際要求。當計算機使用者通過集中的方法進行計算機資源的輸出時，如果市場統(tǒng)一對資源進行共享，則對每個使用者而言就沒有獨立的網(wǎng)絡管理[1]。另一方面，云計算的可擴展性主要包括互聯(lián)網(wǎng)中的資源管理展現(xiàn)到服務器時需要大量維護，而市場中的網(wǎng)絡流量模型、數(shù)據(jù)拓撲模型以及管理中心的共享模式都會影響到云計算資源的可擴展性。

1.2 資源分配

新時代云計算系統(tǒng)中的資源分配管理主要與多目標升級問題有關，且與裝箱問題相似，例如如何使資源分配的管理高效、安全，或者判斷云計算環(huán)境的負載能力和具體性能。此外，云計算的啟發(fā)式仿生算法可以模擬生物的成長歷程，并在無數(shù)模擬解法中，準確找到最優(yōu)解，這種算法比以往算法更加科學、實用，有著無法超越的高效性，即使面對消費者的更多需求，云計算的資源分配也可以在滿足客戶要求的情況下，更多地減少企業(yè)的成本。由此可見，完善云計算資源分配的管理模式，降低企業(yè)的成本，杜絕浪費現(xiàn)象，已經(jīng)成為當前社會的云計算專家重點研究的方向。

與此同時，有學者提出一種基于蟻群活動模式的資源分配，并命名為蟻群算法，此算法通過模擬蟻群的活動模式，運用至云計算環(huán)境中，最終得到一種最優(yōu)的資源分配方法，其算法如圖1所示。

通過蟻群算法的仿真實驗，證明了云計算資源分配模式可以幫助使用者享有極速的響應時間和高效的運行質(zhì)量，但由于相關技術還在持續(xù)更新進步，導致其資源分配速度較慢[2]。眾多國內(nèi)外學者為達到理想的實用效果，提高云計算資源的服務質(zhì)量和資源利用率，并構(gòu)建以此為目標的多目標優(yōu)化模型，同時融合現(xiàn)代流行的神經(jīng)網(wǎng)絡，幫助蟻群算法等眾多優(yōu)秀算法對云資源分配資源模式實現(xiàn)理想模式，但神經(jīng)網(wǎng)絡結(jié)構(gòu)的設計也對算法的精準性造成了約束與影響。

2 包簇映射框架

2.1 包的定義

包的定義在于云環(huán)境下針對子包的集合，它也是一個層級含義，例如一層級的包可以由無數(shù)個二層級的包構(gòu)成，同時單個二級包也可由無數(shù)個三級包構(gòu)成，或者由不同的虛擬數(shù)據(jù)構(gòu)成。由此可見，包的定義在于其可以集中并實現(xiàn)包內(nèi)云環(huán)境間的資源分配與共享，所以這種模式的制定只能使客戶自身通過層級化的結(jié)構(gòu)來保證自身的資源要求。

以國內(nèi)某中外合資企業(yè)的內(nèi)部結(jié)構(gòu)為例，其部門結(jié)構(gòu)和管理級別層層劃分，管理中心設立在北京，并在湖南、上海、深圳和南京等大型城市分別設立分部試行逐級管理[3]。并依據(jù)企業(yè)的實際需求，針對包的結(jié)構(gòu)定義，構(gòu)建出至少數(shù)量為5的企業(yè)二級管理部門，每個地區(qū)都設有4個二級包，分別囊括了人事部、銷售部、管理部和工程部，以滿足企業(yè)的資源分配需要，這4個分部門也都擁有多個三級或以下層級包，保證每個包之間的企業(yè)資源都達到互利共享。

2.2 簇的定義

簇就是指數(shù)據(jù)核心拓撲中位置靠近服務器或者更低級別的虛擬賬戶的總和。而簇所持有的數(shù)據(jù)總和就是組成簇整體的各部分資源和。依照簇的定義可得到，每個互聯(lián)網(wǎng)中的服務器可表示成一個簇，同時當?shù)蛯蛹壍拇叵蛏虾喜⒊蔀楦邔蛹壍拇睾?，可再次向上幫助進一步的合并，所以不同的層級包含關系可以融合出各種不同的簇結(jié)構(gòu)，其結(jié)構(gòu)關系如圖2所示。

由此可見，簇和包在云計算中的應用，使數(shù)據(jù)資源分配管理的復雜度大幅下降?？蓪⑼N問題假設成多維裝箱題材，即將資源共享的虛擬機組合成的包假設為裝入的物品，包中所囊括的資源分配數(shù)量就是物品的個數(shù)，而箱子則代表簇，其容量大小代表了簇整體的使用閾值，云計算的資源種類數(shù)量代表了裝箱過程中的維數(shù)，同時其目標是使點數(shù)達到最小，資源利用率呈最大值。

2.3 包簇框架模型

包簇框架模型是指通過各層級的抽象模型來解決問題的模型，并將頂層的包對應著頂層的簇，使每一個簇都有其所匹配的包，同時將模型下一層級的包接著對應到下一級別的簇，將此過程反復進行，直到整體數(shù)據(jù)匹配到服務器接受客戶訪問。所以，包簇框架模型可以將一個煩瑣復雜的問題簡化，并肢解成多部分較小程度的子問題，這些子問題又可通過云計算的各個算法逐一擊破而得到充分解決[4]。因此，云環(huán)境的資源管理分配問題就被轉(zhuǎn)換成多層級、可分開解決且易于整理的問題，并可通過資源中心系統(tǒng)性的監(jiān)控體系，結(jié)合企業(yè)的資源需要和性能進行約束，完成從高層級的包簇到低級包簇匹配的聯(lián)系過程。綜上所述，現(xiàn)代資源管理中心的分配問題可被包簇框架模型分解成多個獨立的子問題，這些子問題相互獨立且解決方式簡單，因此，可通過固定資源分配處理器對其進行快速計算，以提升資源分配的實際效率。

3 基于包簇框架的云計算資源分配策略

3.1 多目標包部署算法的編碼概況

3.1.1 物品編碼

多目標包部署算法將對物品進行預先編碼，其中需編碼資源主要包含CPU、內(nèi)存等。然后對固定時間內(nèi)的各個包進行提取，并充分整理與分析，將包的初始生成過程設定為先隨機輸入一定量的虛擬內(nèi)存，并記錄其輸入與輸出的數(shù)據(jù)量，再鎖定當前包，將所有包中的資源整體進行統(tǒng)一并做規(guī)范化處理，即計算出當前包中的每一種資源占據(jù)當前簇的比重[5]。如此，每個包就可以通過當前簇的比重找到匹配的包，并且保障各匹配資源的運行量小于簇的門閾值。

3.1.2 組編碼

組編碼的制定對資源分配的影響十分關鍵，同時組編碼的實際運作就是資源問題的解決方案到服務器之間的對應關系。將其類比于基因的發(fā)展過程，資源管理的包到簇之間的組編碼可稱為染色體，并將4個包分成兩個組，其對應的染色體則存在兩個基因，同時每個基因囊括一組包和簇，所以基因既可以表達成物品也可以表達成箱子。由此可見，組編碼可類比遺傳算法對染色體的具體操作，其內(nèi)容部分以資源編碼的形式展現(xiàn)。由于編碼節(jié)點放置的包個數(shù)不統(tǒng)一，導致同類型的包會被安置到不同的節(jié)點上，因此，組編碼要處理不同長度的包簇模型。

3.2遺傳算法與螞蟻算法的融合

為了解決多目標包部署算法在云計算后期的乏力，相繼使用了遺傳算法與螞蟻算法。但由于遺傳算法進行了大量的無用迭代，且螞蟻算法在運行初期存在缺少信息素導致進化緩慢的弊端，因此，企業(yè)將遺傳算法與螞蟻算法進行即時的融合與改進，組成新型算法命名為融合改進算法。融合改進算法的主要特點是結(jié)合遺傳算法和螞蟻算法的各自優(yōu)勢，減少其各自存在的缺點，相互補充，揚長避短。在融合改進算法執(zhí)行任務且進行云計算的資源分配任務時，對任務中可能發(fā)生的各種情況使用染色體編碼方式進行編碼，并將可能存在的各種資源分配方案進行染色體組合及編碼，將其用來展現(xiàn)包到資源簇之前的匹配、對應關系，即將每條染色體設為云計算分配問題中的一個可行解法，再運用融合改進算法在可行解法中找到最優(yōu)解，實現(xiàn)云計算資源分配與管理問題的高效解決[6-7]。

3.3 實驗分析

3.3.1 實驗設置

為了驗證融合改進算法的合理性、科學性以及可行性，實現(xiàn)基于包、簇映射云資源分配算法的高效性能，進行了仿真實驗，實驗軟件使用Matlab，CloudSim等，同時設置任務數(shù)為600個，其資源簇為200個。實驗人員構(gòu)建成本評估模型，觀察并分析資源簇節(jié)點的數(shù)量、執(zhí)行時間和服務成本，最后展現(xiàn)基于包簇框架的改進多目標遺傳算法的科學與合理之處。

3.3.2 實驗過程

實驗人員將所有的云計算資源抽象成為資源簇的概念，并將客戶的實際需求設立為需求包，計算在同一需求條件下可以有效降低資源簇的個數(shù)，同時分別采用改進后算法和傳統(tǒng)算法。通過大量實驗證明，改進后的算法進行的簇個數(shù)明顯要比傳統(tǒng)算法部署的簇個數(shù)少很多，這是因為新算法融合了螞蟻算法，使相較單一的傳統(tǒng)算法能夠獲得更準確的解集[8]。此外，在相同任務數(shù)下，與傳統(tǒng)算法相比較，改進后的算法完成時間較短，且在任務數(shù)小于100時，先進算法與傳統(tǒng)算法的任務完成時間相近，但是，隨著任務量的逐漸增加，新算法的任務完成時間仍然保持以往速度，而傳統(tǒng)算法的任務完成時間還在大幅提升，其結(jié)果如表1所示。

由此可見，改進后的算法得益于螞蟻算法的相互融合，以及遺傳算法的大力幫助，得以展現(xiàn)出后期的快速求解能力，最后通過對比實驗可以看出．改進后的算法能夠高效地降低云計算資源的分配與管理時間。

3.3.3 結(jié)果分析

云環(huán)境用戶在享受服務價值的同時，怎樣降低服務成本，降低費用是客戶通常關心的問題。對于云計算資源企業(yè)來講，在提高服務價值的同時，減少服務成本也是應當改革的重點方向。因此，減少任務服務成本對消費者和企業(yè)來講都是十分重要的。通過觀察新算法和傳統(tǒng)算法的執(zhí)行過程，建立成本評價模型，展現(xiàn)各算法的特點及優(yōu)劣情況，最后分析得到，在完成相同時間的條件下，融合改進算法的任務執(zhí)行時間與成本更低，并在成本評價模型中展示，將任務效益采用倒數(shù)的形式反映，即計算結(jié)果越大，其任務結(jié)束時間和執(zhí)行成本越少。

4 結(jié)語

為了實現(xiàn)云計算的資源分配，并將大數(shù)據(jù)環(huán)境中的計算資源以最小的使用成本通過彈性分配進行合理規(guī)劃，充分利用編碼的思想體系，將大量的、雜亂的云資源分配管理內(nèi)容逐步分解，形成部分相對簡單的問題，并通過遞歸循環(huán)的解決方法，幫助云環(huán)境的資源實現(xiàn)科學、合理的分配。本文以云計算資源發(fā)展與分配現(xiàn)狀為基本點，闡述了當前包簇映射框架，并提出基于包簇框架的云計算資源分配策略，旨在為未來云計算資源分配策略探究提供理論基礎。

參考文獻

[1]梁慈，陳世平．基于包簇映射架構(gòu)的包漂移策略研究[J]．計算機與現(xiàn)代化．2019（ 11）：112-119.

[2]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．

[3]邱春紅．云計算中虛擬機簇的優(yōu)化分配[J]．西南師范大學學報，2021（1）：44-49．

[4]朱兵偉，陳世平．包簇框架云資源分配規(guī)劃[J]．計算機應用與軟件，2018（9）：252-257，287.

[5]王無恙．基于用戶行為特征的云計算資源分配策略研究[J]．數(shù)碼世界，2017（11）：383.

[6]孫凌宇，冷明．基于不同分配策略的云計算任務調(diào)度性能比較與分析[J]．井岡山大學學報，2016（1）：62-68，74．

[7]李天宇．基于強化學習的云計算資源調(diào)度策略研究[J]．上海電力學院學報．2019（4）：309-403.

[8]倪思源，扈紅超，劉文彥，等．基于輪換策略的異構(gòu)云資源分配算法[J]．計算機工程，2021（ 6）：44 -51，67．

（編輯沈強）