CN115079929A - 路径调度方法及装置、存储介质和电子设备 - Google Patents

路径调度方法及装置、存储介质和电子设备 Download PDF

Info

Publication number
CN115079929A
CN115079929A CN202110269263.2A CN202110269263A CN115079929A CN 115079929 A CN115079929 A CN 115079929A CN 202110269263 A CN202110269263 A CN 202110269263A CN 115079929 A CN115079929 A CN 115079929A
Authority
CN
China
Prior art keywords
data transmission
performance evaluation
transmission performance
path
value
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.)
Pending
Application number
CN202110269263.2A
Other languages
English (en)
Inventor
李贵斌
吴学含
陈孝委
薛强
李家伟
王帅超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianyi Cloud Technology Co Ltd
Original Assignee
Tianyi Cloud Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianyi Cloud Technology Co Ltd filed Critical Tianyi Cloud Technology Co Ltd
Priority to CN202110269263.2A priority Critical patent/CN115079929A/zh
Publication of CN115079929A publication Critical patent/CN115079929A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/061—Improving I/O performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0629—Configuration or reconfiguration of storage systems
    • G06F3/0635—Configuration or reconfiguration of storage systems by changing the path, e.g. traffic rerouting, path reconfiguration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0655—Vertical data movement, i.e. input-output transfer; data movement between one or more hosts and one or more storage devices
    • G06F3/0659—Command handling arrangements, e.g. command buffers, queues, command scheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Computer And Data Communications (AREA)

Abstract

本公开提供了一种路径调度方法及装置、存储介质和电子设备，涉及计算机技术领域。该路径调度方法包括：计算多条路径中每条所述路径的数据传输性能评价值，所述数据传输性能评价值是基于适应度函数而得到的，所述适应度函数是基于所述路径的多维度传输指标而建立的；根据所述多条路径的数据传输性能评价值，确定出数据传输性能评价最优值；将所述数据传输性能评价最优值对应的路径确定为目标路径；将应用层的传输请求映射至所述目标路径上。本公开可以在路径调度过程中，提高目标路径确定的准确性。

Description

路径调度方法及装置、存储介质和电子设备
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种路径调度方法、路径调度装置、存储介质和电子设备。
背景技术
随着云存储业务中块存储技术的不断发展，多路径(Multipath)管理技术成为分布式块存储系统中不可或缺的核心技术之一。在分布式块存储系统中，客户的应用层可以跟后端存储网络建立多条链接路径，以并发访问服务端提供的分布式块存储设备，提高数据传输性能。
在多路径管理技术中，通常需要对上述多条连接路径进行调度均衡，以确定出当前的最优路径进行数据读写，提高数据读写的效率。
现有技术中，对于多条路径的调度均衡，只是将路径的实时数据与预先设定的指标进行粗略对比，以确定多路径调度的目标路径，导致确定的目标路径并非最优路径，无法充分利用各条路径的传输能力，调度的准确性较低。
发明内容
本公开提供一种路径调度方法、路径调度装置、存储介质和电子设备，进而至少在一定程度上克服现有的路径调度方法准确性低的问题。
根据本公开的第一方面，提供了一种路径调度方法，包括：
计算多条路径中每条所述路径的数据传输性能评价值，所述数据传输性能评价值是基于适应度函数而得到的，所述适应度函数是基于所述路径的多维度传输指标而建立的；
根据所述多条路径的数据传输性能评价值，确定出数据传输性能评价最优值；
将所述数据传输性能评价最优值对应的路径确定为目标路径；
将应用层的传输请求映射至所述目标路径上。
在本公开的一些示例性实施方式中，根据所述多条路径的数据传输性能评价值，确定出数据传输性能评价最优值包括：
将所述多维度传输指标确定为一个多维向量，基于所述多维向量确定参考向量；
根据所述参考向量，确定所述数据传输性能评价最优值。
在本公开的一些示例性实施方式中，基于所述多维向量确定参考向量包括：
将所述多维向量确定为粒子，根据所述粒子建立粒子更新公式；
基于所述多维度传输指标的边界条件，对所述粒子建立粒子更新公式进行迭代，确定所述参考向量。
在本公开的一些示例性实施方式中，根据所述参考向量，确定所述数据传输性能评价最优值包括：
根据所述参考向量中的所述多维度传输指标，确定数据传输性能评价参考值；
将所述数据传输性能评价参考值与每条所述路径的实时数据传输性能评价值进行比较，确定出所述数据传输性能评价最优值。
在本公开的一些示例性实施方式中，将所述数据传输性能评价参考值与每条所述路径的实时数据传输性能评价值进行比较，确定出所述数据传输性能评价最优值包括：
将所述数据传输性能评价参考值与每条所述路径的实时数据传输性能评价值相减并取绝对值，获得数据传输性能评价差值；
将所述多条路径中最小的数据传输性能评价差值对应的所述实时数据传输性能评价值，确定为所述数据传输性能评价最优值。
在本公开的一些示例性实施方式中，还包括：
在所述多条路径中的至少一条所述路径发生变化时，重新确定所述数据传输性能评价最优值。
在本公开的一些示例性实施方式中，还包括：
对所述多维度传输指标中的每个传输指标进行归一化，获得归一化传输指标；
根据多个所述归一化传输指标和所述传输指标的权重，建立所述适应度函数。
根据本公开的第二方面，提供了一种路径调度装置，包括：
评价值计算模块，用于计算多条路径中每条所述路径的数据传输性能评价值，所述数据传输性能评价值是基于适应度函数而得到的，所述适应度函数是基于所述路径的多维度传输指标而建立的；
最优值确定模块，用于根据所述多条路径的数据传输性能评价值，确定出数据传输性能评价最优值；
目标路径确定模块，用于将所述数据传输性能评价最优值对应的路径确定为目标路径；
路径调度模块，用于将应用层的传输请求映射至所述目标路径上。
根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的路径调度方法。
根据本公开的第四方面，提供了一种电子设备，包括处理器；存储器，用于存储一个或多个程序，当一个或多个程序被处理器执行时，使得所述处理器实现上述的路径调度方法。
在本公开的一些实施例所提供的技术方案中，一方面，通过路径中的多个衡量数据传输性能的指标来确定数据传输性能评价值，可以从多维度综合考量路径的负载能力，从而可以避免使用单指标带来的性能评价的片面性，提高了数据传输性能评价的全面性和准确性，进而为最优路径的确定提供可靠的参考；另一方面，本公开的示例性实施方式提供的路径调度方法，能够根据不同的业务场景优化计算结果，从而提高了路径调度方法的适应性；再一方面，在可用路径发生变化时，可以根据粒子更新公式重新确定数据传输性能评价最优值，无需重启多路径管理软件，保证了数据处理的连续性和时效性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示出了本公开实施方式的路径调度方案的示例性系统架构的示意图；
图2示意性示出了根据本公开的示例性实施方式的路径调度方法的流程图；
图3示意性示出了根据本公开的示例性实施方式的粒子更新公式的原理示意图；
图4示意性示出了根据本公开的示例性实施方式的路径调度过程的流程示意图；
图5示意性示出了根据本公开的示例性实施方式的路径调度装置的方框图；
图6示意性示出了根据本公开的示例性实施方式的电子设备的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，下面所有的术语“第一”、“第二”仅是为了区分的目的，不应作为本公开内容的限制。
图1示出了本公开实施方式的路径调度方案的示例性系统架构的示意图。
如图1所示，系统架构100可以包括终端设备101、102中的一个或多个，多台独立的存储设备103、104、105。在终端设备101、102和多台独立的存储设备103、104、105之间存在多条物理路径106、107、108、109，以便于终端设备访问存储设备103、104、105中的数据。
分布式存储系统就是基于上述系统架构100将数据分散存储在多台独立的存储设备103、104、105上。分布式网络存储系统通过可扩展的系统结构，利用多台存储设备分担存储负荷，利用位置服务器定位存储信息，不但提高了系统的可靠性、可用性和存取效率，还易于扩展。
在实际应用中，终端设备101、102包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。对于云存储业务而言，存储设备103、104、105可以为虚拟服务器。
应该理解，图1中的存储设备和物理路径的数目仅仅是示意性的。根据实现需要，可以具有任意数目的存储设备和物理路径。比如存储设备也可以是多个服务器组成的服务器集群等。本申请实施例所提供的路径调度方法即是在多条路径中选择出当前数据传输性能最好的路径来传输数据，从而可以提高数据传输的质量和效率。
图2示意性示出了本公开的示例性实施方式的路径调度方法的流程图。参考图2，路径调度方法可以包括以下步骤：
步骤S210、计算多条路径中每条路径的数据传输性能评价值，数据传输性能评价值是基于适应度函数而得到的，适应度函数是基于路径的多维度传输指标而建立的。
在本公开的示例性实施方式中，数据传输性能评价值是衡量路径的数据传输性能的重要指标，通过获取每条路径的数据传输性能评价值，可以作为多条路径数据传输性能评价和比较的依据。
在本公开的示例性实施方式中，上述数据传输性能评价值是由适应度函数所确定的，而适应度函数则是基于路径的多维度传输指标所建立。其中，多维度传输指标由多个衡量路径负载能力的指标组成，多维度传输指标例如可以包括：每秒的读写次数θ1、网络传输带宽θ2、I/O队列深度θ3、网络传输延迟θ4、I/O响应时间θ5以及队列中的I/O个数θ6等多个衡量数据传输性能的传输指标。
本公开的示例性实施方式提供的路径调度方法，通过路径中的多个衡量数据传输性能的指标来确定数据传输性能评价值，可以从多维度综合考量路径的负载能力，从而可以避免使用单指标带来的性能评价的片面性，提高了数据传输性能评价的全面性和准确性，进而为最优路径的确定提供可靠的参考。
在实际应用中，可以根据实际需要来增减多维度传输指标中的具体传输指标，或者通过改变多个传输指标的权重来达到调节多个传输指标影响的目的。由于多个传输指标可能具有不同的物理单位，因此，可以在基于多维度传输指标建立适应度函数的过程中，先对多维度传输指标中的每个传输指标进行归一化处理，以获得归一化传输指标：
Figure BDA0002973525860000061
其中，i＝1,2,3,4,5,6,……，并且在实际的操作系统中网络传输延迟θ4和I/O响应时间θ5在以秒作为单位的情况下，其数量级远小于式(1)中其他变量，所以对时间变量θ4和θ5均取对数以减小其与其他变量的差距。
在本公开的示例性实施方式中，在获得多个归一化传输指标后，可以结合每个传输指标的权重，来建立适应度函数：
Figure BDA0002973525860000062
其中，αi,βi(i＝1,2,3,4,5,6)属于权重变量。在实际应用中，可以根据实际需要对式(2)中进行相加的项进行增减，以满足路径传输性能评价的实际情况。
在实际应用中，公式(2)中的权重变量可以根据不同的业务场景来确定。例如，对于不同的存储业务场景，所侧重的传输指标是不同的，例如，对于写大块的数据，网络传输带宽θ2的权重较高；对于写小块的数据，每秒的读写次数θ1的权重则较高；而对于读数据，则对网络传输延迟θ4的权重较高等；本公开示例性实施方式对此不作特殊限定。
本公开的示例性实施方式提供的路径调度方法，能够根据不同的业务场景优化计算结果，从而提高了路径调度方法的适应性。
在确定了适应度函数，即获得公式(2)之后，将每条路径的多维度传输指标代入公式(2)中，所获得的适应度函数Ffitness值即是每条路径的数据传输性能评价值。
步骤S220、根据多条路径的数据传输性能评价值，确定出数据传输性能评价最优值。
在本公开的示例性实施方式中，在确定了每条路径的数据传输性能评价值之后，可以根据多条路径的数据传输性能评价值，确定出数据传输性能评价最优值，便于在多条路径中确定出数据传输性能最好的路径。
在实际应用中，根据多条路径的数据传输性能评价值，来确定出数据传输性能评价最优值的方法有多种，例如，直接对数据传输性能评价值的大小进行比较，将最大的数据传输性能评价值确定为数据传输性能评价最优值等。
然而，直接对数据传输性能评价值的大小进行比较的方法，所需要的评价参考值通常需要人为来设定，所获得的结果可靠性较差。
基于此，在本公开的示例性实施方式中，在根据多条路径的数据传输性能评价值来确定数据传输性能评价最优值的过程中，采用了不同的方式，具体可以包括：
将多维度传输指标确定为一个多维向量，以上述六个传输指标θ1,θ2,θ3,θ4,θ5,θ6为例，所确定的多维向量为X＝[θ1 θ2 θ3 θ4 θ5 θ6]。并基于该多维向量来确定参考向量，并根据该参考向量就可以确定出数据传输性能平均最优值。
具体的，基于该多维向量来确定参考向量的过程可以包括：将该多维向量确定为粒子，再根据该粒子建立粒子更新公式。在实际应用中，多维度传输指标有多种可能的取值，多种可能的取值可以称为粒子群。可以根据粒子更新公式确定出粒子群中的最优粒子，该最优粒子即可作为参考向量来确定数据传输性能评价最优值。
在本公开的示例性实施方式中，所建立的粒子更新公式为：
Figure BDA0002973525860000081
其中，t是当前迭代的代数，X是多维向量，代表粒子的位置矢量，V是粒子的速度矢量，w是惯性权重，pBest是粒子自身的历史最优值，gBest是粒子群的历史最优值，c1和c2分别对应粒子自身的历史最优值和粒子群的历史最优值的学习因子，r1和r2是随机数。
参照图3，示出了粒子更新公式的原理示意图，如图3所示，在粒子的最初位置位于原点处时，具有速度Vt，wVt被称为粒子的惯性，反映了粒子的运动趋势，粒子通过两个“极值”(粒子自身的历史最优值pBest和粒子群的历史最优值gBest)来影响更新下一时刻的速度Vt+1，该速度Vt+1又是更新粒子位置的关键，而粒子的位置象征着离最优粒子的距离，迭代完成后粒子的位置Xt将稳定在最优粒子的附近，从而可以确定出数据传输性能评价最优值。
在对粒子更新公式进行迭代的过程中，为了保证迭代的收敛和所获得数据的有效性，需要根据检测的历史数据，统计粒子中每个元素取值的边界条件，即确定多维度传输指标的边界条件，并基于这些多维度传输指标的边界条件，来对粒子建立粒子更新公式进行迭代，以确保粒子更新公式收敛在有效值之内，将收敛值确定为参考向量。
在具体操作过程中，在满足边界条件的情况下，对粒子更新公式中的参量进行随机初始化，并根据预先设立的迭代次数对粒子更新公式进行迭代更新，若是计算结果超出了边界条件，则需要对参量重新进行随机初始化，再迭代获得更新值。并将每次迭代获得的更新值与粒子自身的历史最优值pBest和粒子群的历史最优值gBest分别进行比较。
如果更新值大于pBest，那么将该更新值作为新的pBest值；如果更新值大于gBest，那么将该更新值作为新的gBest值。再以新的pBest值和新的gBest值为基础进行粒子更新公式的迭代，直到迭代次数满足预设值或者gBest值收敛不再变化为止。并将迭代完成后的gBest值作为参考向量。
在获得了参考向量gBest值之后，可以根据该参考向量gBest值，确定数据传输性能评价最优值。即，根据该参考向量gBest值中的多维度传输指标，来确定数据传输性能评价参考值；也就是将gBest值中的多维度传输指标代入公式(2)中，获得适应度函数Ffitness参考值，该适应度函数Ffitness参考值即为数据传输性能评价参考值。
在获得数据传输性能评价参考值之后，可以根据获得的多条路径的实时多维度传输指标θ1,θ2,θ3,θ4,θ5,θ6，来确定每条路径的实时数据传输性能评价值，并将数据传输性能评价参考值与多条路径中的每条路径的实时数据传输性能评价值进行比较，确定出数据传输性能评价最优值。需要说明的是，此处的每条路径指的是多条路径中的可用路径。
在本公开的示例性实施方式中，将数据传输性能评价参考值与每条路径的实时数据传输性能评价值进行比较，确定数据传输性能评价最优值的过程可以包括：将数据传输性能评价参考值与每条路径的实时数据传输性能评价值相减并取绝对值，获得数据传输性能评价差值；再将多条路径中最小的数据传输性能评价差值对应的实时数据传输性能评价值，确定为数据传输性能评价最优值。
需要说明的是，在数据传输性能评价最优值具体确定过程中，如果多条路径中的至少一条路径发生变化，例如，有路径出错或者硬件更换等情况发生时，需要重新确定数据传输性能评价最优值，即重新基于边界条件对粒子更新公式进行迭代，从而使得所确定的数据传输性能评价最优值成为一个动态变化的值，实现多路径的动态调度，提高调度结果的实时性和准确性。通过本公开的示例性实施方式提供的路径调度方法，在可用路径发生变化时，可以根据粒子更新公式重新确定数据传输性能评价最优值，无需重启多路径管理软件，保证了数据处理的连续性和时效性。
步骤S230、将数据传输性能评价最优值对应的路径确定为目标路径。
步骤S240、将应用层的传输请求映射至目标路径上。
在本公开的示例性实施方式中，所确定出的数据传输性能评价最优值代表了目前可用路径中的最佳路径；在确定出数据传输性能评价最优值后，就可以将该数据传输性能评价最优值对应的路径确定为目标路径，并可以将应用层的传输请求映射至目标路径上进行处理，从而实现路径的调度。
综上所述，基于本公开示例性实施方式的路径调度方法，通过路径中的多个衡量数据传输性能的指标来确定数据传输性能评价值，可以从多维度综合考量路径的负载能力，从而可以避免使用单指标带来的性能评价的片面性，提高了数据传输性能评价的全面性和准确性，进而为最优路径的确定提供可靠的参考；另一方面，本公开的示例性实施方式提供的路径调度方法，能够根据不同的业务场景优化计算结果，从而提高了路径调度方法的适应性；再一方面，在可用路径发生变化时，可以根据粒子更新公式重新确定数据传输性能评价最优值，从而使得所确定的数据传输性能评价最优值成为一个动态变化的值，实现多路径的动态调度，提高调度结果的实时性和准确性，并且无需重启多路径管理软件，保证了数据处理的连续性和时效性。
与直接对数据传输性能评价值的大小进行比较的方法相比，本公开示例性实施方式的路径调度方法，是一种通过高效的随机搜索算法来确定数据传输性能评价参考值的方法，评价参考值确定的依据是本方法中提出的适应度函数，并通过粒子更新公式迭代获得，参考值的可靠性更大；且仅在多路径调度程序启动和可用路径发生变化时才会进行迭代计算，在正常工作时仅是将各个传输指标的实时值代入适应度函数计算即可，因此，本公开示例性实施方式的路径调度方法的效率并不会比直接比较的方法低；另外，所确定的数据传输性能评价最优值是指与数据传输性能评价参考值的偏差最小的值，并且在计算差值时，本公开实施例只是做了一次相减运算并取绝对值的步骤，因此，从处理器的角度来看，其效率与直接比较大小的效率差异可以忽略不计。
参照图4中，示出了本示例性实施方式的一种路径调度过程的流程示意图；如图4所示，步骤S401，确定路径的多维度传输指标；步骤S402，建立适应度函数；步骤S403，计算每条路径的数据传输性能评价值；执行步骤S404，确定多维向量；接着，执行步骤S405，建立粒子更新公式；执行S406，迭代粒子更新公式，确定参考向量；步骤S407，根据参考向量中的多维度传输指标，确定数据传输性能评价参考值；步骤S408，将数据传输性能评价参考值与每条路径的实时数据传输性能评价值进行比较，确定出数据传输性能评价最优值；执行步骤S409，将数据传输性能评价最优值对应的路径确定为目标路径；执行步骤S410，将应用层的传输请求映射至目标路径上。在多条路径中的至少一条路径发生变化时，重新执行S406。
应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
进一步的，本示例实施方式中还提供了一种路径调度装置。
图5示意性示出了本公开的示例性实施方式的路径调度装置的方框图。参考图5，根据本公开的示例性实施方式的路径调度装置500可以包括评价值计算模块510、最优值确定模块520、目标路径确定模块530、路径调度模块540。
具体的，评价值计算模块510用于计算多条路径中每条路径的数据传输性能评价值，数据传输性能评价值是基于适应度函数而得到的，适应度函数是基于路径的多维度传输指标而建立的；最优值确定模块520用于根据多条路径的数据传输性能评价值，确定出数据传输性能评价最优值；目标路径确定模块530用于将数据传输性能评价最优值对应的路径确定为目标路径；路径调度模块540用于将应用层的传输请求映射至目标路径上。
由于本公开实施方式的路径调度装置的各个功能模块与上述方法实施方式中相同，在此不再赘述。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640。
其中，所述存储单元620存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图2中所示的步骤S210、计算多条路径中每条路径的数据传输性能评价值，数据传输性能评价值是基于适应度函数而得到的，适应度函数是基于路径的多维度传输指标而建立的；步骤S220、根据多条路径的数据传输性能评价值，确定出数据传输性能评价最优值；步骤S230、将数据传输性能评价最优值对应的路径确定为目标路径；步骤S240、将应用层的传输请求映射至目标路径上。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备670(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种路径调度方法，其特征在于，包括：
计算多条路径中每条所述路径的数据传输性能评价值，所述数据传输性能评价值是基于适应度函数而得到的，所述适应度函数是基于所述路径的多维度传输指标而建立的；
根据所述多条路径的数据传输性能评价值，确定出数据传输性能评价最优值；
将所述数据传输性能评价最优值对应的路径确定为目标路径；
将应用层的传输请求映射至所述目标路径上。
2.根据权利要求1所述的路径调度方法，其特征在于，根据所述多条路径的数据传输性能评价值，确定出数据传输性能评价最优值包括：
将所述多维度传输指标确定为一个多维向量，基于所述多维向量确定参考向量；
根据所述参考向量，确定所述数据传输性能评价最优值。
3.根据权利要求2所述的路径调度方法，其特征在于，基于所述多维向量确定参考向量包括：
将所述多维向量确定为粒子，根据所述粒子建立粒子更新公式；
基于所述多维度传输指标的边界条件，对所述粒子建立粒子更新公式进行迭代，确定所述参考向量。
4.根据权利要求2所述的路径调度方法，其特征在于，根据所述参考向量，确定所述数据传输性能评价最优值包括：
根据所述参考向量中的所述多维度传输指标，确定数据传输性能评价参考值；
将所述数据传输性能评价参考值与每条所述路径的实时数据传输性能评价值进行比较，确定出所述数据传输性能评价最优值。
5.根据权利要求4所述的路径调度方法，其特征在于，将所述数据传输性能评价参考值与每条所述路径的实时数据传输性能评价值进行比较，确定出所述数据传输性能评价最优值包括：
将所述数据传输性能评价参考值与每条所述路径的实时数据传输性能评价值相减并取绝对值，获得数据传输性能评价差值；
将所述多条路径中最小的数据传输性能评价差值对应的所述实时数据传输性能评价值，确定为所述数据传输性能评价最优值。
6.根据权利要求1-5任一项所述的路径调度方法，其特征在于，还包括：
在所述多条路径中的至少一条所述路径发生变化时，重新确定所述数据传输性能评价最优值。
7.根据权利要求1所述的路径调度方法，其特征在于，还包括：
对所述多维度传输指标中的每个传输指标进行归一化，获得归一化传输指标；
根据多个所述归一化传输指标和所述传输指标的权重，建立所述适应度函数。
8.一种路径调度装置，其特征在于，包括：
评价值计算模块，用于计算多条路径中每条所述路径的数据传输性能评价值，所述数据传输性能评价值是基于适应度函数而得到的，所述适应度函数是基于所述路径的多维度传输指标而建立的；
最优值确定模块，用于根据所述多条路径的数据传输性能评价值，确定出数据传输性能评价最优值；
目标路径确定模块，用于将所述数据传输性能评价最优值对应的路径确定为目标路径；
路径调度模块，用于将应用层的传输请求映射至所述目标路径上。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的路径调度方法。
10.一种电子设备，其特征在于，包括：
处理器；
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述处理器执行时，使得所述处理器实现如权利要求1至7中任一项所述的路径调度方法。
CN202110269263.2A 2021-03-12 2021-03-12 路径调度方法及装置、存储介质和电子设备 Pending CN115079929A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110269263.2A CN115079929A (zh) 2021-03-12 2021-03-12 路径调度方法及装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110269263.2A CN115079929A (zh) 2021-03-12 2021-03-12 路径调度方法及装置、存储介质和电子设备

Publications (1)

Publication Number Publication Date
CN115079929A true CN115079929A (zh) 2022-09-20

Family

ID=83240951

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110269263.2A Pending CN115079929A (zh) 2021-03-12 2021-03-12 路径调度方法及装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN115079929A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115733839A (zh) * 2022-11-14 2023-03-03 中国电子科技集团公司第五十四研究所 一种带宽自适应的数据链智能分发策略优化方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115733839A (zh) * 2022-11-14 2023-03-03 中国电子科技集团公司第五十四研究所 一种带宽自适应的数据链智能分发策略优化方法
CN115733839B (zh) * 2022-11-14 2023-09-12 中国电子科技集团公司第五十四研究所 一种带宽自适应的数据链智能分发策略优化方法

Similar Documents

Publication Publication Date Title
CN109710405B (zh) 区块链智能合约管理方法、装置、电子设备及存储介质
CN103970604A (zh) 基于MapReduce架构实现图处理的方法和装置
CN113095474A (zh) 深度学习模型的资源使用情况预测
US20050267891A1 (en) Optimization of buffer pool sizes for data storage
US10977091B2 (en) Workload management with data access awareness using an ordered list of hosts in a computing cluster
US20190310893A1 (en) Workload management with data access awareness in a computing cluster
CN115878394A (zh) 内存测试方法、装置、电子设备及存储介质
CN115079929A (zh) 路径调度方法及装置、存储介质和电子设备
US11755954B2 (en) Scheduled federated learning for enhanced search
US8627039B2 (en) Effective memory clustering to minimize page fault and optimize memory utilization
US10594620B1 (en) Bit vector analysis for resource placement in a distributed system
CN109308243B (zh) 数据处理方法、装置、计算机设备和介质
US10929263B2 (en) Identifying a delay associated with an input/output interrupt
WO2023057152A1 (en) Handling a transaction request
US11886928B2 (en) Automated service tiering between edge computing sites and a core data center
US12093838B2 (en) Efficient execution of a decision tree
CN114637809A (zh) 同步延迟时间动态配置方法、装置、电子设备及介质
CN109062775B (zh) 一种栈层优化判断的方法、系统及设备
US10776269B2 (en) Two level compute memoing for large scale entity resolution
US10761891B2 (en) Workload management with data access awareness by aggregating file locality information in a computing cluster
CN118170499B (zh) 虚拟云盘分割的方法及装置、电子设备和存储介质
US11762751B2 (en) System-level tunable parameter identification
CN110647519B (zh) 对测试样本中的缺失属性值进行预测的方法及装置
US12056358B2 (en) Predicting storage array response times
WO2024187920A1 (zh) 云监控方法及装置、存储介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination