CN102110021B - 一种云计算自主式优化方法 - Google Patents
一种云计算自主式优化方法 Download PDFInfo
- Publication number
- CN102110021B CN102110021B CN 201010578341 CN201010578341A CN102110021B CN 102110021 B CN102110021 B CN 102110021B CN 201010578341 CN201010578341 CN 201010578341 CN 201010578341 A CN201010578341 A CN 201010578341A CN 102110021 B CN102110021 B CN 102110021B
- Authority
- CN
- China
- Prior art keywords
- computing machine
- network
- computing
- connection
- resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 title claims abstract description 8
- 230000001413 cellular effect Effects 0.000 claims abstract description 18
- 238000007726 management method Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 9
- 238000013468 resource allocation Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000002386 leaching Methods 0.000 claims description 3
- 239000011664 nicotinic acid Substances 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000008929 regeneration Effects 0.000 claims description 3
- 238000011069 regeneration method Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract 1
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Debugging And Monitoring (AREA)
- Multi Processors (AREA)
Abstract
本发明公开了一种云计算自主式优化方法，通过使用元胞自动机对云计算过程的模拟，提出云计算网络按需、易扩展的方式提取资源时的控制方法，从而使云计算过程中数据的传输、存储、管理、分析得到优化。传统的云计算方法，是将大量用网络连接的计算资源统一管理和调度，本发明使用自主式计算资源管理和调度，解决了统一管理和调度中，由于网络的滞后拥堵而带来的计算资源错误调度问题，使计算资源的管理和调度实现优化。
Description
技术领域
本发明涉及系统信息技术领域，尤其涉及一种云计算自主式优化方法。
背景技术
元胞自动机是一种源于人工生命的新兴建模方法，其发展得益于逻辑数学、离散数学和计算机模拟技术的发展。另一方面，元胞自动机的发展也为非线性科学和复杂系统科学提供了一种好的建模方法。
元胞自动机(Cellular Automata，简称CA)模型，是一种对空间、时间、状态高度抽象化概括而成的微观仿真模型，它在宏观上表现为规则的离散的无穷网络，内在结构随着其应用目的而变化，无穷网络上的每个节点称为一个元胞(cell)。该模型由John Von Neumann提出，它从复杂系统的视角出发，利用人工智能和计算机科学领域的最新研究成果，在微观层次上构造个体(元胞)，微观个体的加总得到宏观结果，是一种自底向上(Bottom-up)的研究方法。各元胞来源于对所研究具体对象实体的抽象，每个元胞具有其自身的状态和行为，通过与其它元胞和外部环境进行通信与合作，达到整个系统状态的更新。模型的基本思想是模拟个体的行为和互动，通过个体的综合得到宏观结果。它能确切地描述现实中的状态传播现象，即：个体状态取决于周围一定数目邻居的状态。虽然，各个个体之间可能没有直接的联系，但是，通过元胞个体之间的邻居关系，通过邻居去影响邻居的邻居。如此反复，就能将局部个体的行为拓展开来，直至影响到全局。
发明内容
本发明针对云计算网络中资源统一调配的复杂性问题，提供一种云计算自主式优化方法，从自主式调配的方向，通过使用元胞自动机的模拟方法，实现云计算中计算资源的自主式调配、存储、管理、分析。
本发明的目的是通过以下技术方案来实现的：一种基于仿生学的云计算优化方法，它包括以下步骤：
(1)网络初始建立：计算机通过可用通信进行相互的连接，构成云计算的计算网络。
(2)初始网络连接权计算：按照计算机之间的通信能力，来计算计算机之间的连接权，并将这些连接权发送至云平台服务器进行记录。
(3)初始网络集合分割：云平台服务器根据计算机连接权的大小，将网络中的计算机进行排序，连接权大的作为中心计算单元，连接权较小的作为边缘计算单元，按连接权从大到小对网络进行集合化分割，集合的等级和个数根据云网络大小可灵活制定。
(4)动态网络负荷计算：在进行云计算的过程中，每一个计算机单元根据周围计算机的负荷信息来更新自身的负荷等级，每一个集合根据周围计算机的负荷信息来更新动态网络连接权值。
(5)计算资源自主分配：在进行计算资源调度时，发出资源需求的计算机通过探测周围计算机的负荷等级，来决定计算资源的提取方向(元胞的生长方向)，同时通过探测周围计算机的网络连接权来标定死区计算机(即没有外向传输信息能力的计算机)，通过对计算资源的提取过程可通过元胞自动机的生长进行模拟，使系统进行自主式资源调配、存储、管理、分析。
本发明的有益效果是，自主式计算资源管理和调度，解决了统一管理和调度中，由于网络的滞后拥堵而带来的计算资源错误调度问题，使计算资源的管理和调度实现优化。
具体实施方式
本发明基于仿生学的云计算优化方法，包括以下步骤：
一、网络初始建立：计算机通过可用通信进行相互的连接，构成云计算的计算网络。
计算机可以通过无线Wifi、有线宽带、电话线等多种网络接入方式相互连接，构成云计算的计算网络
二、初始网络连接权计算：通过按照计算机之间的通信能力，来计算计算机之间的连接权，并将这些连接权发送至云平台服务器进行记录。
通过一个计算机向其它网络中的计算机发送测试数据包，来考查响应时间，根据响应时间的长短来定义计算机之间的通信能力，同时通过计算机在网络中的拓扑连接结构来定义连接权系数，两个计算机之间每需要通过一个拓扑网络节点连接，连接权系数就加一，直接连接的两个计算机连接权系数为一，如果两个计算机之间有多条路径相连，则取其中连接权最小的连接权系数作为两个计算机之间的连接权系数。两个计算机之间的连接权值由两个计算机之间多个数据包响应时间的平均值除以它的连接权系数得到，单个计算机的总连接权值由全部和它有关的连接权值相加得到。
三、初始网络集合分割：云平台服务器根据单个计算机总连接权的大小，将网络中的计算机进行排序，连接权大的作为中心计算单元，连接权较小的作为边缘计算单元，按连接权从大到小对网络进行集合化分割，集合的等级和个数根据云网络大小可灵活制定。
云平台服务器根据单个计算机总连接权的大小，将网络中计算机进行降序排列。按照云网络的大小来制定集合数量，一般是80～100台计算机作为一个集合，选取和集合数量相同的最大连接权计算机分配到各个集合做为集合中心计算机，并以此集合中心计算机为中心按与此计算机的连接权由大到小向外按层扩展计算机集合，同时保证每一层向外扩展的连接权和值与中心计算机总连接权值相等或略大。
四、动态网络负荷计算：在进行云计算的过程中，每一个计算机单元根据周围计算机的负荷信息来更新自身的负荷等级，每一个集合根据周围计算机的负荷信息来更新动态网络连接权。
在进行云计算过程中，每一个计算机单元向周围计算机请求CPU的运算负荷信息和网络负荷信息，将CPU的运算负荷的百分量来标定负荷等级，负荷等级从高到低依次如下：CPU运算负荷超过90％为非常繁忙，70％～90％为繁忙，50％～70％为正常，30％～50％为空闲，30％以下为非常空闲。根据周围计算机的负荷等级来更新连接权系数，通过将网络负荷信息除以新的连接权系数得到实时的连接权值。
五、计算资源自主分配：在进行计算资源调度时，发出计算资源需求的计算机通过探测周围计算机的负荷等级，来决定计算资源的提取方向(元胞的生长方向)，同时通过探测周围计算机的网络连接权来标定死区计算机(即没有外向传输信息能力的计算机)，通过对计算资源的提取过程可通过元胞自动机的生长进行模拟，使系统进行自主式资源调配、存储、管理、分析。
在进行计算资源调试时，发出资源需求的计算机通过探测周围计算机的负荷等级来判断是否选择负荷等级的计算机作为计算信息的流向目标计算机，当负荷等级为非常繁忙则不选择，选择负荷等级为正常以下最低等级的计算机标定为流向目标计算机，对所有目标计算机的CPU空闲资源求和，并得到每一个目标计算机在总空闲资源中的百分比，以此作为提取计算资源系数，同时通过探测周围计算机的网络连接权值，标定网络连接权小于1的为死区计算机，在下一次资源分配中进行删除，然后将周围计算机的网络连接权值与计算资源系数相乘并进行归一化处理，向目标计算机进行计算信息分配。整个需要计算的数据依照这种以发出计算资源需求的计算机做为中心自主分配流向其它计算机，再以其它计算机为中心流向其它计算机，如此往复，最终实现系统进行自主式资源调配、存储、管理、分析。
Claims (1)
1.一种基于仿生学的云计算优化方法，其特征在于，它包括以下步骤：
(1)网络初始建立：计算机通过可用通信进行相互的连接，构成云计算的计算网络；
(2)初始网络连接权计算：按照计算机之间的通信能力，来计算计算机之间的连接权，并将这些连接权发送至云平台服务器进行记录；
(3)初始网络集合分割：云平台服务器根据计算机连接权的大小，将网络中的计算机进行排序，连接权大的作为中心计算单元，连接权较小的作为边缘计算单元，按连接权从大到小对网络进行集合化分割，集合的等级和个数根据云网络大小制定；
(4)动态网络负荷计算：在进行云计算的过程中，每一个计算机单元根据周围计算机的负荷信息来更新自身的负荷等级，每一个集合根据周围计算机的负荷信息来更新动态网络连接权值；
(5)计算资源自主分配：在进行计算资源调度时，发出资源需求的计算机通过探测周围计算机的负荷等级，来决定计算资源的提取方向，所述资源的提取方向为元胞的生长方向，同时通过探测周围计算机的网络连接权来标定死区计算机，所述死区计算机为没有外向传输信息能力的计算机，通过对计算资源的提取过程可通过元胞自动机的生长进行模拟，使系统进行自主式资源调配、存储、管理、分析；
其中，所述步骤(1)中，所述可用通信为无线Wifi、有线宽带或电话线；
所述步骤(2)具体为：通过一个计算机向其它网络中的计算机发送测试数据包，来考查响应时间，根据响应时间的长短来定义计算机之间的通信能力，同时通过计算机在网络中的拓扑连接结构来定义连接权系数，两个计算机之间每需要通过一个拓扑网络节点连接，连接权系数就加一，直接连接的两个计算机连接权系数为一，如果两个计算机之间有多条路径相连，则取其中连接权最小的连接权系数作为两个计算机之间的连接权系数；两个计算机之间的连接权值由两个计算机之间多个数据包响应时间的平均值除以它的连接权系数得到，单个计算机的总连接权值由全部和它有关的连接权值相加得到；
所述步骤(3)具体为：云平台服务器根据单个计算机总连接权的大小，将网络中计算机进行降序排列；按照云网络的大小来制定集合数量，80～100台计算机作为一个集合，选取和集合数量相同的最大连接权计算机分配到各个集合做为集合中心计算机，并以此集合中心计算机为中心按与此计算机的连接权由大到小向外按层扩展计算机集合，同时保证每一层向外扩展的连接权的和的总值大于或等于中心计算机总连接权值；
所述步骤(4)具体为：在进行云计算过程中，每一个计算机单元向周围计算机请求CPU的运算负荷信息和网络负荷信息，将CPU的运算负荷的百分量来标定负荷等级，负荷等级从高到低依次如下：CPU运算负荷超过90％为非常繁忙，70％～90％为繁忙，50％～70％为正常，30％～50％为空闲，30％以下为非常空闲；根据周围计算机的负荷等级来更新连接权系数，通过将网络负荷信息除以新的连接权系数得到实时的连接权值；
所述步骤(5)具体为：在进行计算资源调试时，发出资源需求的计算机通过探测周围计算机的负荷等级来判断是否选择周围计算机作为计算信息的流向目标计算机，当负荷等级为非常繁忙则不选择，选择负荷等级为正常以下最低等级的计算机标定为流向目标计算机，对所有目标计算机的GPU空闲资源求和，并得到每一个目标计算机在总空闲资源中的百分比，以此作为提取计算资源系数，同时通过探测周围计算机的网络连接权值，标定网络连接权小于1的为死区计算机，在下一次资源分配中进行删除，然后将周围计算机的网络连接权值与计算资源系数相乘并进行归一化处理，向目标计算机进行计算信息分配；整个需要计算的数据依照这种以发出计算资源需求的计算机做为中心自主分配流向流向目标计算机，再以流向目标计算机为中心流向其它计算机，如此往复，最终实现系统进行自主式资源调配、存储、管理、分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010578341 CN102110021B (zh) | 2010-12-08 | 2010-12-08 | 一种云计算自主式优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010578341 CN102110021B (zh) | 2010-12-08 | 2010-12-08 | 一种云计算自主式优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102110021A CN102110021A (zh) | 2011-06-29 |
| CN102110021B true CN102110021B (zh) | 2013-04-10 |
Family
ID=44174192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010578341 Active CN102110021B (zh) | 2010-12-08 | 2010-12-08 | 一种云计算自主式优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102110021B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103543986A (zh) * | 2013-10-30 | 2014-01-29 | 曙光信息产业(北京)有限公司 | Cfx的计算任务的实现方法和装置 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103248659B (zh) * | 2012-02-13 | 2016-04-20 | 北京华胜天成科技股份有限公司 | 一种云计算资源调度方法和系统 |
| WO2013184137A1 (en) * | 2012-06-08 | 2013-12-12 | Hewlett-Packard Development Company, L.P. | Test and management for cloud applications |
| CN103530131A (zh) * | 2013-10-28 | 2014-01-22 | 曙光信息产业(北京)有限公司 | Gaussian的计算任务的实现方法和装置 |
| CN103544015A (zh) * | 2013-10-28 | 2014-01-29 | 曙光信息产业(北京)有限公司 | Vasp的计算任务的实现方法和装置 |
| CN103559090A (zh) * | 2013-10-31 | 2014-02-05 | 宇龙计算机通信科技(深圳)有限公司 | 一种任务协调处理方法、装置及终端 |
| CN107018534A (zh) * | 2016-01-28 | 2017-08-04 | 中兴通讯股份有限公司 | 一种实现移动边缘计算服务的方法、装置及系统 |
| CN106251620B (zh) * | 2016-09-26 | 2019-01-25 | 北京东土科技股份有限公司 | 基于智能交通云控制系统的中心系统 |
| CN110232432B (zh) * | 2018-03-05 | 2022-09-20 | 重庆邮电大学 | 一种基于人工生命模型的锂电池组soc预测方法 |
| CN108449411B (zh) * | 2018-03-19 | 2020-09-11 | 河南工业大学 | 一种随机需求下面向异质费用的云资源调度方法 |
| US10514949B1 (en) | 2018-12-11 | 2019-12-24 | Signals Analytics Ltd. | Efficient data processing in a serverless environment |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090300210A1 (en) * | 2008-05-28 | 2009-12-03 | James Michael Ferris | Methods and systems for load balancing in cloud-based networks |
| CN101667187A (zh) * | 2009-09-23 | 2010-03-10 | 南京邮电大学 | 一种基于对等计算技术的复合知识云方法 |
-
2010
- 2010-12-08 CN CN 201010578341 patent/CN102110021B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090300210A1 (en) * | 2008-05-28 | 2009-12-03 | James Michael Ferris | Methods and systems for load balancing in cloud-based networks |
| CN101667187A (zh) * | 2009-09-23 | 2010-03-10 | 南京邮电大学 | 一种基于对等计算技术的复合知识云方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103543986A (zh) * | 2013-10-30 | 2014-01-29 | 曙光信息产业(北京)有限公司 | Cfx的计算任务的实现方法和装置 |
| CN103543986B (zh) * | 2013-10-30 | 2017-04-05 | 曙光信息产业(北京)有限公司 | Cfx的计算任务的实现方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102110021A (zh) | 2011-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102110021B (zh) | 一种云计算自主式优化方法 | |
| CN105205231B (zh) | 一种基于dcom的配电网数字仿真系统 | |
| CN102981910B (zh) | 虚拟机调度的实现方法和装置 | |
| CN103118124B (zh) | 一种基于分层多代理的云计算负载均衡方法 | |
| CN104184813B (zh) | 虚拟机的负载均衡方法和相关设备及集群系统 | |
| CN105550323A (zh) | 一种分布式数据库负载均衡预测方法和预测分析器 | |
| CN104216782A (zh) | 高性能计算和云计算混合环境中的动态资源管理方法 | |
| CN110830570B (zh) | 软件定义网络中鲁棒的有限控制器资源均衡部署方法 | |
| CN103441918A (zh) | 一种自组织集群服务器系统及其自组织方法 | |
| CN108234169A (zh) | 一种分布式仿真网络结构实时动态优化方法 | |
| CN108777637A (zh) | 一种支持服务器异构的数据中心综合管理系统和方法 | |
| CN105373432A (zh) | 一种基于虚拟资源状态预测的云计算资源调度方法 | |
| CN101937359A (zh) | 一种面向仿真应用的通用可扩展计算系统 | |
| Kumar et al. | Fog and edge computing simulators systems: research challenges and an overview | |
| CN114490049A (zh) | 在容器化边缘计算中自动分配资源的方法及系统 | |
| CN105704180A (zh) | 数据中心网络的配置方法及其系统 | |
| Pandey et al. | A strategic metaheuristic edge server placement scheme for energy saving in smart city | |
| CN105426247A (zh) | 一种hla联邦成员规划调度方法 | |
| CN103617305A (zh) | 一种自适应的电力仿真云计算平台作业调度算法 | |
| CN109688068A (zh) | 基于大数据分析的网络负载均衡方法和装置 | |
| CN108351795A (zh) | 用于映射虚拟机通信路径的方法和系统 | |
| CN115495231A (zh) | 一种高并发任务复杂场景下的动态资源调度方法及系统 | |
| CN107547650A (zh) | 面向swim系统改进的加权最小连接调度算法 | |
| Zendrato et al. | Forecasting Acceleration of Data Transfer with Fog Computing for Resource Efficiency in Data Centers | |
| CN110020756A (zh) | 一种基于大数据聚类与分级优化的输电网规划方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C53 | Correction of patent for invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Meng Jun Inventor after: Chen Xiao Inventor after: Zhu Tianyu Inventor before: Meng Jun Inventor before: Chen Xiao |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: MENG XUN CHEN XIAO TO: MENG XUN CHEN XIAO ZHU TIANYU |