|
IE(C)D=XxE(t,)⑵i=1 其中,EG,)表示结点i对任务的响应时间。在M/M/1排队模型中，结点空闲概率可以表示为^=1-E(Pi),因此，要降低E(C)D,可以通过增大E(Pl)来实现，而计算结点期望服务强度E(Pl)与任务调度概率及单个结点的服务强度相关，其计算公式为： E^PJ)=XPjxPj⑶ 通过上述公式可知，想要增大期望服务强度就必须将大服务强度的任务j调度到计算结点i上，以增加结点服务强度，同时降低结点空闲时间，并最终降低系统的空闲能耗E(C)D。因此，通过上述理论推导,改进任务调度策略使得所有计算结点保持忙碌状态，有利于提高系统资源的利用效率与降低系统空闲能耗。 对于系统执行能耗E(C)B,考虑到同一计算任务在不同结点运行时，由于执行功率较大的计算结点性能较高,任务的执行时间较短，因此也可以使得执行功率较大的计算结点总的执行能耗达到最小。任务j在计算结点i的执行能耗可以表示为： E(C)s=p,x丄⑷ 即执行功率与任务j调度到计算结点i的概率成正比，与任务j在计算结点i中服务率成反比。任? 务j调度到计算结点i的概率取决于任务调度策略,与系统本身没有关系，因此可以减少任务到达来降低执行能耗E(C)B,但需要注意的是，能耗优化不能违背云计算的初衷，在降低系统能耗的同时必须考虑系统的执行性能，如果只考虑到执行能耗的最优,则会发生少数计算结点运行大量计算任务的不合理现象，导致系统资源的极大浪费与运行效率低下。因此，为了均衡系统的执行效率与执行能耗，可以通过增加任务j在计算结点i中服务率来降低执行能耗，即将时间成本较小的任务分配到功率较大的计算结点中，提高执行功率大的结点的服务率，以降低执行能耗，同时也可以保证系统的运行效率不受影响。 3.2最小能耗优化 根据上述的理论分析与推导，云计算平台中能耗问题主要包括空闲能耗与执行能耗2种，并且可以通过改进任务调度策略使得计算结点尽量忙碌,以及将时间成本较小的任务分配给功率较大的计算结点，以达到降低整体能耗的目的。同时能耗问题也需要综合考虑，并不能为了改善系统能耗而导致系统运行效率的降低，通过分析可知，这种情况很有可能会发生。因此，本文将综合考虑系统能耗优化与运行效率的均衡问题，分析系统任务执行的功率与时间、任务调度过程的计算结点数量、分配子任务数量、资源调度成本、数据文件使用成本、回收数据文件成本等因素对两者的影响，并将系统能耗优化问题转化成系统成本控制问题，在不会对系统运行效率有较大影响的情况下，想要达到最小能耗优化,只需满足最小系统消耗成本。在给出基于最小能耗优化的总消耗成本目标函数之前，首先定义相关参数式(6)计算系统文件资源调度时间成本,如果计算结点i在任务分配时使用过文件资源r,则=1,否则为0。式(7)计算任务分配成本,将空闲能耗的期望服务强度E(Pl)与执行能耗中的服务率/^作为分配成本的_部分,对于给定的计算结点，采用资源实际使用数量与总时间的乘积，再加上空闲能耗与执行能耗的核心要素构成了总的任务分配成本。式(8)计算使用与回收资源的成本。这3个成本函数构成了总消耗成本目标函数，在计算时需要考虑其约束条件，式(9)保证计算结果不能为负,即初始资源数量与分配的资源数量之和要不小于回收资源数量。式（10)表示系统资源需求量应不小于初始设定的资源需求量。式（11)表示期望服务强度E(Pl)与服务率/^不能为0。式（12)表示子任务的预计时间大于子任务分配时间成本与回收时间成本之和。 综上，最小能耗优化问题即为求解满足总消耗成本目标函数（式5)最小的最优任务与资源分配万条。 3.3算法设计 总消耗成本目标函数优化求解问题是一个NP难问题，解决方法有基于图论、整数规划的精确求解方法以及基于启发式的近似求解方法。想要在短时间内完成NP难问题精确求解是比较困难的,往往需要强大的硬件资源与高效处理技术。因此本文基于启发式搜索技术来解决该优化求解问题，设计出最 小能耗优化的任务分配算法（MinimumEnergyConsumptionOptimizationTaskAllocationAlgorithm, MECOTAA)。算法采用随机轮流与轮盘赌相结合的方法来选择最优分配方案,并设计多点交叉操作进行多角度方案选择操作，以尽可能多的获得候选分配方案，同时为了增强方案的多样性，设计了_个任务更新操作函数，可以对新分配方案进行随机更新。具体的操作步骤如下： 算法1MECOTAA 输入计算任务列表参数设置表1,最小成本阈值m 输出最优任务分配方案TA (1)系统初始化操作函数/nitialOp(),将计算任务列表放入到任务调度队列TL中，根据参数设置表1相关参数，其中JsLengthCTLhB.为用户给定的预计时间成本,r=1表示只有一种输入文件类型。 (2)根据式（5)设计任务分配方案AS=(A.?,'），并假设所有的资源调度时间成本为1,即设置ooL=1，KiJ=1,J=1。 (3)在初始分配方案中随机生成（A.F.Xj),然后根据式（9)~式（12)判断生成的方案是否有效，如果有效则根据式(5)~式⑷分别计算X(P),Y(P),Z(P)以及Cost(P),否则重新生成分配方案。 (4)取其中_个任务分配方案为最优方案，并设定Cost(P)为最小消耗时间成本MinCost。 (5)设计一个随机轮流选择与轮盘赌选择相结合的算法ChooseOpO,以尽可能地使得搜索结点与最优结果相接近,并且避免可早地陷入到局部最优。先由轮盘赌根据生成概率F(C,)生成2种分配方案ASt和AS2，如果无效就重新生成。 (6)设计一个多点交叉操作函数Crossver〇p(),并将ASi和AS2进行随机多角度交叉操作，交叉点设置为Min(Length(ASi),Length(AS2))的三次方根，得到2个新分配方案:AS3,，S4。 (7)设计一个更新操作函数UpdateOp(),对新的分配方案进行随机更新，以增强方案的多样性与扩展搜索空间。 (8)对2种新的分配方案分别计算Cost(P),并与MinCost进行对比，如果小于MinCost则进行替换，将新的方案作为最优与次优方案，循环执行步骤(4)~步骤(8),直接达到循环结束条件。 (9)循环结束条件为：1)最优与次优方案AS1和AS。满足最小成本阈值m;2)达到一定的循环次数,譬如5000次，则取最小Cost(P)对应的方案作为最优方案TA。 在得到最佳任务分配方案后，系统根据方案将输入的任务进行分配执行，以达到系统能耗与性能的最优。将传统云计算任务调度模型与本文的任务分配方案相结合，设计出最小能耗优化云模型,因此该模型是基于传统云平台的_种改进，以进_步提升系统资源整合利用的效率。模型如图2所示。 |
|
核心期刊网（www.hexinqk.com）秉承“诚以为基，信以为本”的宗旨，为广大学者老师提供投稿辅导、写作指导、核心期刊推荐等服务。 核心期刊网专业期刊发表机构，为学术研究工作者解决北大核心、CSSCI核心、统计源核心、EI核心等投稿辅导咨询与写作指导的问题。 投稿辅导咨询电话：18915033935 投稿辅导客服QQ： 投稿辅导投稿邮箱：1003158336@qq.com |
| 你好，欢迎来到！ 设为首页 ｜收藏本站 | ||
|
