沙特国王大学学报：基于Agent的自主服务组合云计算

Journalof King Saud University沙特国王大学沙特国王大学学报www.ksu.edu.sawww.sciencedirect.com一种新的基于Agent的自主服务组合云计算Aarti Singha，*， Dimple Junejab， Manisha MalhotraaaMMICT &BM，M.M. 印度哈里亚纳邦133207bDIMT，Kurukshetra，Haryana，印度接收日期2015年4月9日;修订日期2015年8月3日;接受日期2015年2015年11月17日在线发布云计算环境提供了一个简单的、集中的平台或资源，以便在需要时以低成本使用。这种计算的关键功能之一是根据个人需求分配资源。然而，随着云用户需求的不断扩大，有效分配资源的需要也正在出现。服务提供商的主要作用是有效地分配和共享资源，否则会导致资源浪费。 除了用户根据请求获得适当的服务外，还优化了相应资源的成本。为了克服上述缺点，实现资源的优化配置，提出了一种基于Agent的自动服务组合（A2SC）算法，该算法由请求处理和自动服务组合两个阶段组成，不仅负责搜索综合服务，而且考虑到减少仅用于按需服务的虚拟机©2015作者。制作和主办由爱思唯尔B.V.代表沙特国王大学。 这是CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍云计算是一种商业模式，用于实现对可配置计算资源（例如，网络、服务器、存储、应用程序和服务），*通讯作者。联系电话：+91 9896710680。电子邮件地址：singh2208@gmail.com（A.Singh）。沙特国王大学负责同行审查制作和主办：Elsevier通过万维网按需提供，并以最少的管理工作或服务提供商交互发布。从云上可用的大量资源中，最终用户只需为相关服务提供商提供的服务付费。存在多个虚拟机（Ezugwu等人，2013）存在于云数据中心，并且每个虚拟机分别处理具有许多实例的一个资源，并且由于资源是在终端用户的请求下使用的，因此使用成本自动增加，这成为部署太多虚拟机的主要瓶颈。随着云数据中心资源数量的无限增加，分配和发现活动和最合适的服务资源是另一个主要挑战。除了与此相关的各种利弊之外http://dx.doi.org/10.1016/j.jksuci.2015.09.0011319-1578© 2015作者。制作和主办由爱思唯尔B.V.代表沙特国王大学。 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词云计算;云移动代理;成本优化;资源分配;虚拟机20A. Singh等人随着技术的发展，企业愿意通过转移到公共云、私有云或混合云来执行它们的业务，其中公共云通过互联网提供非现场的服务和基础设施，私有云在私有网络上维护服务和基础设施，并且混合云包括多种公共和私有选项，其中多个提供商也增加了多个安全提供商的成本。与已知在共享资源方面最有效的公共云相比，私有云在增加高成本的安全性方面更有效（Su等人，2013年），维护软件和基础设施。为了管理上述云中心，存在严格的要求，并且其管理变得复杂。因此，需要一种新的资源管理策略是非常明显的。这项工作认为，移动代理可以潜在地管理资源分配，特别是在分布式应用程序中，同时考虑请求处理，自动服务组合和虚拟机的成本优化作为主要因素。目前的工作提出了一个自主的服务组合框架，在很大程度上放宽了管理要求，从而克服了上述缺点。下一小节提供了一个简单的概述与典型的数据中心的网络1.1. 数据中心网络架构概述云数据中心主要包括服务器、基础设施、电力汲取或电力支持设备（UPS、发电机等），冷却设备和联网组件（Lenk等人，2009年）。这些组件中的每一个都涉及一些成本。涉及服务器、基础设施的成本（Marrone等人，2013），并且电力支持设备和冷却设备与用户不直接相关，然而联网组件是用户访问云服务的骨干。因此，联网对于最终用户和服务提供商来说是重要的。当用户的任务是计算密集型的并且需要来自多个服务器的资源时，则计算速度可能会下降，因为服务器之间的传播延迟增加。此外，通信成本和服务成本将随着数据中心之间的距离的增加而增加这是由于WAN的成本明显高于LAN的成本。因此，如果服务涉及使用物理上分布式的服务器，则向用户提供服务的总成本将增加已建议使用微型数据中心以提高对用户的服务效率。进一步的灵活性（Greenberg等人，2009年）是降低用户云服务成本的关键，这是增加和减少资源以满足用户需求的能力， 从最佳地点获取资源数据中心的现有物理结构在可用资源的最佳利用方面造成阻碍。下面给出的图1说明了数据中心的物理架构，它取自CISCO Systems（2004）。在数据中心中，来自互联网的请求位于第3层，它们使用IP地址（第3层）进行识别，它们通过边界和访问路由器路由到基于目的地虚拟IP地址（VIP）的第2层域。VIP被配置到连接到顶部交换机的两个负载均衡器上，并且使用复杂的机制来确保如果一个负载均衡器发生故障，另一个负载均衡器会拾取流量。对于每个VIP，负载均衡器都与图1CISCO 建议的云数据中心网络架构（CISCO Systems ，2004）。直接IP地址（DIP）列表，这些地址是负载均衡器下方机架中物理服务器的专用和内部地址。这个DIP列表定义了可以处理对该VIP的请求的服务器池，负载均衡器将请求分散到池中的DIP中为了在云中有效地提供服务，用户请求应该被分配到一个数据中心或其他数据中心中的任何服务器，然而，目前的网络架构不支持这种程度的敏捷性，并导致诸如资源碎片化和服务器到服务器连接性差的问题。研究人员正在努力改善这些网络障碍（Greenberg等人，2008年，这些问题依然存在。本文提出了一种智能服务组合和提供机制，在资源分配之前，可以为用户分配最优的硬件资源，避免网络问题本文件其余部分的结构如下。第2节讨论了该领域的相关工作。第三节介绍了本文提出的技术、算法和基于该技术的流程图，第四节详细介绍了实验结果，并与现有技术进行了比较。最后在第5节中给出了结论。2. 相关工作本节介绍了一些著名研究人员的工作，他们是当前研究工作的支柱和创始人。不同领域的资源管理策略研究（Chia-Ming等人，2014年）的分布式计算与不同的政策并不新鲜。 然而，在CC中，动态资源供应（Quang-Hung等人，2014年），不拖延或就拖延问题作出任何妥协，这是最令人关切的问题。由于普遍性和成本效益是描述CC的两个关键词，因此成本效益的核心是最佳资源配置。文献进行了审查，以探讨现有的资源分配和改进范围的战略。Buyya等人（2002年，2003年）提出了资源分配框架，可以优化用户和资源提供者的目标函数。Li等人（2009年）提出了调度和优化一种新的基于Agent的自治服务组合框架21基于服务水平协议（SLA）的技术，忽略了数据中心的吞吐量和响应时间。 Bennani和Menasce（2005）提出了一个预测多类排队网络模型来计算平均响应时间，但该模型不足以评估服务器从一个应用程序切换到另一个应用程序的成本。Singh等人（2015）提出了一种基于代理的负载平衡机制。Arfeen和他的同事（Arfeen等人， 2011年）侧重于网络意识和资源分配策略的持续优化，并强调了该领域的研究问题。Zhang等人（2010年）强调，需要做出更多努力，使现有的性能模型具有预测性和响应性。Zheng等人（2009）提出了一种二进制整数规划方法来解决独立的优化问题，但只能解决线性问题，不适用于动态和复杂的问 题 。 此 外 ， 一 些 作 者 （ Christodoulou 等 人 ，2007;Doulamis等人，2007）从资源提供者的角度提出了解决网络系统资源优化配置的博弈论方法。 Jiet al.（2014）提出了一种基于贪婪方法的作业调度算法。作者已经在云环境中实现了他们的算法，并成功地减少了任务的完成时间。它们的实现根据完成时间和带宽要求划分任务。然而，如果在特定的数据中心没有找到资源，这个问题还没有得到重视。Hassan和Alamri（2014）提出了一种基于Nash讨价还价系统的多媒体云计算资源分配机制，他们的方案提供了降低成本的动态资源分配。在虚拟机过载的情况下，作者将其算法与贪婪的迁移方法进行了比较，并表明了更好的结果。然而，在资源利用方面没有讨价还价的余地。Marrone和Nardone（2015）提出了一种模型驱动的资源分配方法。作者使用UML和贝叶斯网络建模方法部署了一个自动谈判模型。这完全是建立在谈判基础上的。然而，响应时间和成本优化一直无人关注。Xiao等（2013）已经引入了偏度的概念来测量服务器的多维资源利用中的不均匀性。不同类型的工作负载可以组合在一起，以最大限度地减少偏斜，提高整体服务器资源利用率。该机制在考虑绿色计算的同时提供了过载避免。Yee-Ming和Hsin-mie（2010）提供了一种分配和定价机制，作为在云计算环境中分配资源的基于市场的模型。但是，这种模型也不能充分处理大规模的问题。在Buyya等人（2008）、Jung和Sim（2011）、Stoesser等人（2007）、Streitberger等人（2007）中有更多的资源分配机制可用，这些机制反映了已经在云计算中的资源管理方面做出了大量努力，但据我们所知，没有一种机制被证明在所有条件下都是合适的。从文献综述中可以清楚地看出，调度算法的主要目的是最大限度地减少资源饥饿，并确保有效和公平的资源调度（Singh和Malhotra，2013）。事实上，最优的资源分配策略一直是研究人员最关心的问题，因此需要更多地关注资源调度策略。传统的最优资源分配使用匈牙利算法，该算法只能在资源和请求数量对称的情况下工作。但是，成本CC的共享模型部署了多租户，因此不能总是使用匈牙利方法来优化资源调度。这给了我们的动机，目前的工作，重点是一个智能的基于代理的自动调度和服务组合框架，在云计算资源配置的成本优化。下一节将对拟议的框架进行评估。3. A2SC框架为了降低复杂性，A2SC提供了一个双层架构（见图2），其中每一层都可以自主操作，也可以协同操作。第1层称为自动请求处理层（ARPL），负责初始请求处理和定位合 适 的 服 务 提 供 者 ， 而 第 2 层 称 为 自 动 服 务 组 合 层（ASCL），主要处理可能需要与第1层交互的服务组合。每一层都配备有一组不同的移动代理和所有操作代理的功能，如下面给出的表1和级别中所描述的，即：ARPL和ASCL将在子章节中讨论下面给出的图3接下来的小节提供了这两层提议机制的细节。3.1. 自动请求处理层（ARPL）优先接口和辅助代理是在该级别执行的两个活动代理，如图4所示。最终用户向具有所有潜在和可用资源的数据中心发送资源请求。在每个传入的请求中，interface_agent被激活并立即收集进一步处理请求所需的相关信息。如果请求被发现是可行的需求，它会生成一个请求id（b），然后调 用assistant_agent 来 分 配为 请求 提供 相应id 的 任务 。Assis- tant_agent然后探索数据中心找到合适的图2A2SC的双层架构22A. Singh等人公司简介a2f2ðÞð Þ表1一号先生。操作代理的功能。剂界面剂2.助剂3.经纪代理人4.目录代理5.功能接口代理维护从用户接收的所有请求的日志，并进一步将助理代理与每个请求相关联。此外，它还保留所有可供使用的虚拟机的记录以及服务规范相应的辅助代理从接口代理维护的当前数据中心的可用资源实例中搜索资源。它还保留可用资源的成本，并包含所有未处理和已处理请求的索引以及请求IDBroker Agent是一个第三方代理，在云计算中充当消费者和服务提供商之间的中介。它的主要作用是节省消费者搜索服务的时间，并为客户提供最佳供应商的信息。经纪人代表客户与供应商签订合同在创建数据中心时，企业需要向目录代理注册所有部署的代理，因为目录代理是唯一一个记录所有云代理（包括接口、助理和代理）并维护其状态（如可用或已分配）的代理。它还维护其分配延迟时间（ADT）的记录，其中ADT定义为数据中心分配服务所花费的时间，并且还跟踪各个数据中心资源管理器资源管理器代理接收用户请求和接口代理代理推荐的相应资源以及用户的请求。它在双层体系结构中起着最后的重要作用，为每个相应的请求提供图3代理之间的相互作用resourcesassistant_agent发送< req_id，资源列表>到a10I1I2···In1resource_manager_agent，其中resource_manager_agent主要记录所有可用资源以及已分配资源的日志（ai）。由于该机制的重点是优化成本，资源实例矩阵a2I1I2···In–在为用户组成服务时，分配给用户的所有资源的成本应小于或等于用户在SLA中期望的成本。当量下面给出的等式（1）将用户请求表示为各种资源的一组实例，如alloc_aiIi，其中alloc_aiii一定有什么与该集合相关联的成本表示为fiallocaiIi，成本必须小于或等于用户指定的成本ana12f13每项资源的费用anfn;I1I2···In在其请求中，即fibi。因此，在这一阶段，每个服务提供商必须满足以下目标：aiIi（）fiaiIi6fibi80biai和第二节. n1其中ai表示可用资源的总数，bi表示终端用户的请求数。aiIi是资源实例矩阵，表示每个资源的实例，fi描述资源的成本如果由Eq. （1）满足，则inter-face_agent将所有条款和条件（如成本、时间等）转发给请求者，并仅等待阈值时间的响应。如果在此阈值时间内收到响应，则interface_agent相应地处理请求;然而，如果用户未能响应，则假定用户对数据中心的服务不再感兴趣。在这里，请求者可以选择为未列出的新服务或资源讨价还价在请求-响应中，这要求执行下一级，即在接下来的部分中描述的ASCL。此外，在一种新的基于Agent的自治服务组合框架2301BC@a1fI1b1;I2b1g fI3b2;I2b2g··· fInngP一图4自动请求处理层。可以以最佳方式应用相同的方法，从而使用户满意于较少的实例而不是一对一的分配。该矩阵应基于资源的实例如果某些实例有更多的获取空间，那么它将被某些用户需求所获取下面的矩阵表示分配给相应请求的资源实例。让我们假设定义的矩阵如下：资源实例矩阵b1b2···bn1/4a2fI2b1;I2b1g fI3b1;I4b1g··· fI5bng值ai、bi、assistant_agent的基础确定当前请求是否可以被处理。有三种可能的情况，如下表2所有这些病例均采用不同的行动方案，如下所述：案例一：ai<$bi传统上，匈牙利算法1在请求等于可用性的情况下被数据中心-anfI1b1;I3b1g fI2b2;I5b2g··· fInng现在resource_manager_agent已经的目的（Wang等人，2014），以最大限度地减少成本与一些约束，如最小响应时间和最佳利用每个实例。当量下面给出的公式（2）表示该目标函数：Xn最小化f¼aiIi假设每个人（这里的人意味着资源）可以一次做一件工作，尽管效率不同。但这一重要特征，即一对一分配受制于Xn成为云计算的主要瓶颈。在许多情况下，它不能满足同样的要求，b¼1/4我80bbi3PAIBI<描述这意味着所需的资源等于请求的数量，并且在数据中心这意味着所需资源的数量少于可用资源，并且数据中心这意味着数据中心中没有可用的所需数量的资源或资源实例1/4ð2Þ24A. Singh等人PP我80ai4<1/4最终用户根据BDI（信念-欲望-意图） 架构2 的 架构是分配表=DC1数据中心IDB1B2–的1一个2–图5自动化服务组合层。Xn两种方式。一方面，interface_agent可以建议应用此算法后，resource_manager_agent将把资源分配给所有请求并更新分配表。分配表记录所有资源的状态。Resource_manager_agent将分配资源的信息发送给最终用户。案例二：ai> bi如果请求的数量小于资源的数量，则将基于FCFS分配资源，以满足用户需求。案例三：aibi<在所有其他情况下，请求将超过可用资源。现在，资源分配可以在基于信念集，即系统实际上可以实现的目标，期望集主要是所提出的请求，而意图是为实现这些信念和期望而执行的动作。在这里，如果设置如果信念的集合与欲望的集合不匹配，则与欲望的修改有关的意图被执行。重复这个 过 程 ， 直 到 客 户 端 达 到 或 拒 绝 目 标 。 类 似 地 ，interface_agent建议最终用户修改/减少请求的资源数量，以 便 可 以 按 照 上 述 两 种 情 况 分 配 资 源 。 因 此 ，interface_agent现在将在其自己的数据中心安排资源。 与上述战略相反，可扩展性（Singh和Malhotra，2012年）是其他选择之一。它提供了从一个云迁移到另一个云的选项，这是在broker_ agent的帮助下进行的。可伸缩性导致了对下一层的要求，即自动服务组合层（ASCL）。2http://en.wikipedia.org/wiki/Belief%E2%80%93desire%E2%80%93intention_software_model。a¼一种新的基于Agent的自治服务组合框架25PPX3.2. 自动服务组合层（ASCL）当在该层接收到请求时，broker_agent被激活，并负责通过服务组合层在客户和服务提供者之间建立新的合同。它保存所有目录代理的记录，进一步提供有关所有数据中心的虚拟机或可用资源记录的信息，数据中心的工作负载（WLi）是根据所占用的虚拟机来计算的，并且由等式2给出。（5）以下：中文（简体）WL i=VM500其中WLi是数据中心的总工作负载，VM是该数据中心的虚拟机数量，它与响应时间成正比。如果WLiVMi，则PbiP a我

下载后可阅读完整内容，剩余1页未读，立即下载