CN105577760A - 云计算分级管理方法及系统 - Google Patents

Abstract

本发明公开一种云计算分级管理方法及系统。其中云计算分级管理系统包括全局资源管理器、局部调度器和云计算资源池。全局资源管理器，包括资源申请器，提供对于资源服务请求的判断机制；全局资源调度器，提供资源服务的初步调度；局部调度器，提供更细化的资源服务的调度。数量为一个或多个；云计算资源池，包括多个服务器和数据库，用于存放数据，接受局部调度器的管理。本发明针对现有的云计算的资源管理对资源进行分层管理，缩小了客户请求的响应时间和保证负载均衡，提高了可用性。

Description

云计算分级管理方法及系统

技术领域

本发明涉及云计算技术领域，尤其涉及一种云计算分级管理方法及系统。

背景技术

近年来移动互联网业务的迅猛发展，随之产生的云计算更是快速的被人们所利用。云计算的表现形式多种多样，在人们日常网络应用中随处可见，人们对于云计算的依赖也越来越大，需求的服务也越来越多。

“云”作为基础设施、软件开发平台和应用的一种新资源形式，从本地移到了网络环境，并以服务的方式提供给用户使用。云用户按需购买、支付和定制化云服务，有效减少了投资成本和管理成本。但同时这些操作对于大多数用户来说是件困难的事情，甚至对于计算机专业人员来说，也是十分耗时耗力的事情，更不能有效保证服务质量。因此，提供能够满足用户多种服务需求的云计算服务资源管理是一个亟待解决的问题，具有十分重要的现实意义。在现有的技术中，资源管理还存在着诸多问题，一方面其云服务的负载不均衡，会导致服务的可用性降低。另一个方面其云服务的响应很慢，造成用户的满意度降低。

申请号为201410641058.4的发明提供了一种云计算资源管理的方法和系统，业务分配服务器接收各个终端发送的业务请求后，按照预设的负荷分担策略，分配至对应的计算服务器。不足之处在于，针对云计算的资源调度，负载不平衡以至其性能低，不能保证高可靠性。

申请号201110138021.6的发明提供一种云计算资源管理系统及方法，根据物理资源的报价信息和服务可靠性级别生成资源能力/价格表，云计算部署服务器据资源能力/价格表提供最高性的服务，但该方法对于客户的服务请响应很慢，造成服务质量下降。

发明内容

为了克服上述现有技术中的不足，对现有的云计算的资源管理对资源进行分层管理，缩小客户请求的响应时间和保证负载均衡，提高可用性，本发明提供一种云计算分级管理方法。

云计算分级管理方法，包括资源申请器，对接收到的用户存储服务请求进行判断，如果不符合服务要求则返回错误信息；符合服务要求则由全局资源调度器为所述存储服务请求分配资源；所述全局资源调度器采用雨林算法，为所述存储服务请求初步分配存储资源，并将任务进一步发送给指定的局部调度器；所述局部调度器基于轮转算法为所述存储服务请求分配存储资源。

所述雨林算法的步骤为

步骤201、在局部调度器1～n中任选d个样本点作为树的种子，以该种子为根结点，同时初始化步长rk、枝叶数量n和母结点保留数量nn；

步骤202、根据当前信息熵和各个母结点的适应度计算当前的各个母结点的树i在全局第j次迭代中所获得的采样价值V_i,j和树的信息价值v^H，

$V_{i,j}=\frac{F_{i,j}-F_{\min ,j}}{F_{\max ,j}-F_{\min ,j}}$ (i＝1,2……..n；j＝1,2…….t)

V^H＝V×H，(V∈[0，1])H＝1-e^-t，(t∈[1，+∞))

其中，F_i,j是树i在第j次迭代中所获得的适应度，F_max，j和F_min，j分别指第j次迭代中全局所有树的最大和最小适应度，V是采样价值，H是信息熵。

步骤203、计算树i在全局第j次迭代中得到的采样价值变化率根据采样价值V_i,j和树的信息价值v^H规划下一次迭代中围绕母结点而新生的在k维决策空间树i在全局中第j次迭代s母结点的代理数量n_k,s,i,j与在k维决策空间，树i在全局中第j次迭代s母结点的伸展范围r_k,s,i.j：

$R_{i,j}^C=\frac{v_{i,j}^C}{v_{i,j-1}^C}$

$n_{k,i,j}=(1-\mathrm{\α})\×n_{k,i,j-1}+\mathrm{\α}\×n_{k,i,j-1}\×\[\frac{{\tan }^{-1}{R}_{i,j-1}^C}{\mathrm{\π}}\×3+\frac{1}{2}\]$

$n_{k,s,i,j}=(1-\mathrm{\α})\×n_{k,i,j}+\mathrm{\α}\×n_{k,i,j}\×e^{1-2V_{k,i,j-1}-1}$

$r_{k,s,i,j}=(1-\mathrm{\α})\×r_k+\mathrm{\α}\×r_k\×e^{1-2V_{k,i,j-1}}$

其中i,j,k,s分别表示集合树、迭代次数、决策空间维和母结点,n,r,nn分别表示代理数量、代理范围与保留的母结点数量.α为学习因子；

步骤204、按照所得的新生枝叶的数量与范围，以各个母结点为中心展开新的一轮采样，并实时更新信息熵H，通过竞争保留nn个最优代理作为下一代的母结点；

步骤205、判断最近5次迭代所得的最优适应度F是否增加，是则保留母结点转入步骤202，继续新一轮的采样，否则执行步骤206；

步骤206、判断程序是否达到迭代次数，如果是则输出最优解，否则执行步骤201，重新初始化。

所述轮转算法的具体过程为：将就绪服务按照先来先服务原则排成队列，调度时将服务器分派给队首服务，执行一个时间片；在一个时间片结束时，发生时钟中断，调度程序暂停执行当前服务，将其送到队列的末尾，并通过上下文切换执行当前的队首服务。

云计算分级管理系统，包括数据端的云计算资源池，所述云计算资源池包括多个服务器和数据库，还包括全局资源管理器，包括资源申请器和全局资源调度器，接收用户存储服务请求，对所述存储服务请求进行判断，对适用的服务请求采用雨林算法，为其初步分配存储资源；局部调度器，与云计算资源池相连，对经过所述全局资源管理器初步分配的服务请求进行排队，利用轮转算法为其分配存储资源。

所述局部调度器至少为一个。

本发明使客户得到有更高可用性和交易保障的云计算服务，客户请求的响应块，能做到负载均衡，对资源进行优化。

附图说明

图1为云计算分级管理系统结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，云计算分级管理系统包括全局资源管理器、局部调度器和云计算资源池。

全局资源管理器，包括资源申请器，提供对于资源服务请求的判断机制；全局资源调度器，提供资源服务的初步调度。

局部调度器，提供更细化的资源服务的调度。数量为一个或多个。

云计算资源池，包括多个服务器和数据库，用于存放数据，接受局部调度器的管理。

基于以上结构的资源管理方法，步骤如下：

步骤1、用户向云计算服务平台请求资源服务，服务平台产生大量的云计算服务请求；

步骤2、资源申请器对所有的用户请求进行判断，是否符合该服务平台的要求，如果不符合，则返回错误信息，否则执行下一步骤；

步骤3、全局资源调度器采用雨林算法，为所述存储服务请求初步分配存储资源；

3.1、在局部调度器1～n中任选d个样本点作为树的种子，以该种子为根结点，同时初始化步长rk、枝叶数量n和母结点保留数量nn；

3.2、根据当前信息熵和各个母结点的适应度计算当前的各个母结点的树i在全局第j次迭代中所获得的采样价值V_i,j和树的信息价值v^H，

$V_{i,j}=\frac{F_{i,j}-F_{\min ,j}}{F_{\max ,j}-F_{\min ,j}}$ (i＝1,2……..n；j＝1,2…….t)

V^H＝V×H，(V∈[0，1])H＝1-e^-t，(t∈[1，+∞))

其中，

3.3、计算树i在全局第j次迭代中得到的采样价值变化率根据这些评估信息规划下一次迭代中围绕母结点而新生的在k维决策空间树i在全局中第j次迭代s母结点的代理数量n_k,s,i,j与在k维决策空间，树i在全局中第j次迭代s母结点的伸展范围r_k,s,i.j：

$R_{i,j}^C=\frac{v_{i,j}^C}{v_{i,j-1}^C}$

$n_{k,i,j}=(1-\mathrm{\α})\×n_{k,i,j-1}+\mathrm{\α}\×n_{k,i,j-1}\×\[\frac{{\tan }^{-1}{R}_{i,j-1}^C}{\mathrm{\π}}\×3+\frac{1}{2}\]$

$n_{k,s,i,j}=(1-\mathrm{\α})\×n_{k,i,j}+\mathrm{\α}\×n_{k,i,j}\×e^{1-2V_{k,i,j-1}-1}$

$r_{k,s,i,j}=(1-\mathrm{\α})\×r_k+\mathrm{\α}\×r_k\×e^{1-2V_{k,i,j-1}}$

其中i,j,k,s分别表示集合树、迭代次数、决策空间维和母结点,n,r,nn分别表示代理数量、代理范围与保留的母结点数量.α为学习因子；

3.4、按照所得的新生枝叶的数量与范围，以各个母结点为中心展开新的一轮采样，并实时更新信息熵H，通过竞争保留nn个最优代理作为下一代的母结点；

3.5、判断最近几次迭代所得的最优适应度是否增加，是则保留母结点转入步骤202，继续新一轮的采样，否则执行步骤206；

3.6、判断程序是否满足结束条件，如果是则输出最优解，否则执行步骤201，重新初始化。

步骤4、局部调度器基于轮转算法为所述存储服务请求分配存储资源：将就绪服务按照先来先服务原则排成队列，调度时将服务器分派给队首服务，执行一个时间片；在一个时间片结束时，发生时钟中断，调度程序暂停执行当前服务，将其送到队列的末尾，并通过上下文切换执行当前的队首服务。

步骤5、服务器从数据库调取数据进行处理计算，得到结果，返回给用户。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

Claims (5)

1.云计算分级管理方法，其特征在于，包括

资源申请器对接收到的用户存储服务请求进行判断，如果不符合服务要求则返回错误信息；符合服务要求则由全局资源调度器为所述存储服务请求分配资源；

所述全局资源调度器采用雨林算法，为所述存储服务请求初步分配存储资源，并将任务进一步发送给指定的局部调度器；

所述局部调度器基于轮转算法为所述存储服务请求分配存储资源。

2.根据权利要求1所述的云计算分级管理方法，其特征在于，所述雨林算法的步骤为步骤201、在局部调度器1～n中任选d个样本点作为树的种子，以该种子为根结点，同时初始化步长r_k、枝叶数量n和母结点保留数量nn；

步骤202、根据当前信息熵和各个母结点的适应度计算当前的各个母结点的树i在全局第j次迭代中所获得的采样价值V_i,j和树的信息价值v^H，

$V_{i,j}=\frac{F_{i,j}-F_{\min ,j}}{F_{\max ,j}-F_{\min ,j}}$ (i＝1,2……..n；j＝1,2…….t)

V^H＝V×H，(V∈[0，1])H＝1-e^-t，(t∈[1，+∞))

其中，F_i,j是树i在第j次迭代中所获得的适应度，F_max，j和F_min，j分别指第j次迭代中全局所有树的最大和最小适应度，V是采样价值，H是信息熵。

步骤203、计算树i在全局第j次迭代中得到的采样价值变化率根据采样价值V_i,j和树的信息价值v^H规划下一次迭代中围绕母结点而新生的在k维决策空间树i在全局中第j次迭代s母结点的代理数量n_k,s,i,j与在k维决策空间，树i在全局中第j次迭代s母结点的伸展范围r_k,s,i.j：

$R_{i,j}^C=\frac{V_{i,j}^C}{V_{i,j-1}^C}$

$n_{k,i,j}=(1-\mathrm{\α})\×n_{k,i,j-1}+\mathrm{\α}\×n_{k,i,j-1}\×\[\frac{{\tan }^{-1}{R}_{i,j-1}^C}{\mathrm{\π}}\×3+\frac{1}{2}\]$

$n_{k,s,i,j}=(1-\mathrm{\α})\×n_{k,i,j}+\mathrm{\α}\×n_{k,i,j}\×e^{1-2V_{k,i,j-1}-1}$

$r_{k,s,i,j}=(1-\mathrm{\α})\×r_k+\mathrm{\α}\×r_k\×e^{1-2V_{k,i,j-1}}$

其中i,j,k,s分别表示集合树、迭代次数、决策空间维和母结点,n,r,nn分别表示

代理数量、代理范围与保留的母结点数量.α为学习因子；

步骤204、按照所得的新生枝叶的数量与范围，以各个母结点为中心展开新的一轮采样，并实时更新信息熵H，通过竞争保留nn个最优代理作为下一代的母结点；

步骤205、判断最近5次迭代所得的最优适应度F是否增加，是则保留母结点转入步骤202，继续新一轮的采样，否则执行步骤206；

步骤206、判断程序是否达到迭代次数，如果是则输出最优解，否则执行步骤201，重新初始化。

3.根据权利要求1所述的云计算分级管理方法，其特征在于，所述轮转算法的具体过程为：将就绪服务按照先来先服务原则排成队列，调度时将服务器分派给队首服务，执行一个时间片；在一个时间片结束时，发生时钟中断，调度程序暂停执行当前服务，将当前服务送到队列的末尾，并通过上下文切换执行当前的队首服务。

4.云计算分级管理系统，包括数据端的云计算资源池，所述云计算资源池包括多个服务器和数据库，其特征在于：还包括

全局资源管理器，包括资源申请器和全局资源调度器，接收用户存储服务请求，对所述存储服务请求进行判断，对适用的服务请求采用雨林算法，为其初步分配存储资源；

局部调度器，与云计算资源池相连，对经过所述全局资源管理器初步分配的服务请求进行排队，利用轮转算法为其分配存储资源。

5.根据权利要求4所述的云计算分级管理系统，其特征在于：所述局部调度器至少为一个。