没有合适的资源?快使用搜索试试~ 我知道了~
层次分析法在敏感租赁调度中的应用
沙特国王大学沙特国王大学学报www.ksu.edu.sawww.sciencedirect.comJournal of King Saud University基于层次分析法Suvendu Chandan Nayak*,Chitaranjan Tripathy计算机科学与工程系,Veer Surendra Sai University of Technology(VSSUT),Burla,印度接收日期:2016年1月18日;修订日期:2016年5月12日;接受日期:2016年2016年6月11日在线发布摘要OpenNebula是一个开源环境,通过Haizea作为租赁管理器提供云资源。Haizea支持不同类型的租赁,其中截止日期敏感租赁是其中之一在实时情况下,大多数租赁都是对期限敏感的租赁。这些通过使用最后期限算法来调度对期限敏感的租赁。在该算法中,从尽力而为队列中选择一个租约,该租约将提供空闲资源安排期限敏感的租赁。但在某些情况下,如果存在相似类型的租赁,并且必须在共轭序列中,则该算法不能提供更好的调度本文的目的是利用层次分析法(AHP)作为决策者,从给定的尽力而为队列中选择可能的最佳租赁,以调度截止期敏感的租赁。所提出的工作,提高了性能的搜索算法,通过搜索更多的租赁和最小化租赁拒绝使用层次分析法。©2016制作和主办由Elsevier B.V.代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍近年来,云计算作为一个新的资源计算时代出现了,它根据用户的请求按需提供资源作为云服务提供商为用户提供按需资源的任务是相当具有挑战性的。因此,资源管理对于云服务提供商来说非常重要(Liu等人, 2014年),*通讯作者。电子 邮件地址 : Suvendu2006@gmail.com (南 卡罗来 纳州)Nayak),crt. vssut@yahoo.com(C. Tripathy)。沙特国王大学负责同行审查当工作负载增加时,更好地利用资源以提高系统性能。加工资源管理是通过资源监控、资源提供和资源分配来实现的。根据服务水平协议(SLA),服务提供商需要满足用户的按需请求 用户请求可以在任何时间发送到云服务提供商以获得资源(Nathani等人,2012),并且应当被处理以执行用户应用。云服务提供商正在使用许多支持云的开源平台来提供云服务(Liu等人,2014)通过创建用户友好的环境来运行用户应用程序,并且还管理浏览器。为了管理云资源,采用了不同的机制和算法。OpenNebula是一个开源软件云工具包,用于管理数据中心和云。数据中心由许多物理机器组成。在每个http://dx.doi.org/10.1016/j.jksuci.2016.05.0031319-1578© 2016制作和主办Elsevier 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/)。制作和主办:Elsevier关键词OpenNebula;Deadline sensitive;Haizea;回填;调度;AHP基于层次分析法的云计算环境下租赁调度153物理机根据用户的请求创建多个虚拟机(VM)以计算用户 应 用 。 这 些 类 型 的 请 求 被 认 为 是 提 前 预 订 租 赁(Sotomayor等人,2009b),其不是现在而是将来需要所需的资源来计算用户应用。Haizea是一种开源的基于虚拟机的租赁管理架构,在OpenNebula 中用作 资源管理 器( Sotomayor 等人, 2008年)。它将用户请求作为租约接受,然后根据物理机中的资源可用性安排租约。此外,OpenNebula是一个开源项目,Haizea是OpenNebula后端的租赁管理器(Haizea将用户 请 求 分 为 以 下 几 类 : 尽 力 租 赁 、 提 前 预 订 式 租 赁(AR)和即时租赁(Sotomayor,2009;尽力租赁资源于可供使用时尽快分配至租赁。资源分配的可能性取决于服务提供商。当资源空闲时,调度器处理对资源的请求。这种类型的租赁没有时间限制。预订式租赁(AR)AR租赁是另一种类型的租赁,它要求在严格确定的时间段内提供资源。在AR租赁中,顾名思义,服务提供商根据用户的请求在预定时间段内提供资源立即租赁在这种租约中,资源必须立即分配,或者根本不分配。这些类型的租赁需要在实例上使用资源。如果资源可用,调度程序将处理这些租用,否则不处理。除了这些租赁之外,另一种类型的租赁可能具有时间约束,称为“截止日期敏感租赁“(Nathani等人,2012年,在OpenNebula。为了调度截止日期敏感的租赁,在Haizea中使用了交换算法和递归算法。调度器从尽力而为队列中选择一个租约,该租约将向调度期限敏感租约提供空闲时隙。可以利用决策者来选择租赁。AHP 是 处 理 复 杂 决 策 问 题 的 有 效 工 具 ( Saaty ,2008)。它使用一组评估标准和一组备选方案来做出最佳决策。通过使用标准之间的成对比较(Saaty,2003)来找出排名。层次分析法有广泛的应用,如战略规划,资源分配,资源选择,商业或公共政策,项目选择等等。任务调度由AHP完成,其中AHP用于找到任务的优先级(Ergu等人,2011年a,b)。在这项工作中,我们改进了调度性能的调度算法,通过使用层次分析法。层次分析法是用来作为一个决策者选择租赁从最佳的努力提供空闲时隙以分配期限敏感的租用的队列。在第2节中,讨论了与拟议工程相关的先前工程。现有的调度机制在第3节中讨论。在第4节中提出了使用AHP的调度机制,并附有说明。第五、六部分对结果进行了分析和总结,并对今后的工作提出了建议。2. 相关工作弹性是云计算的一个重要特征。它为用户提供了按需资源的扩展和缩减(Li和Cai,2015)。为此,提出了一种基于任务深度的优先级规则来调度当前任务.这些进程用于管理物理资源,如CPU核心、主内存、磁盘空间、I/O设备和网络带宽。这些资源必须在运行潜在异构工作负载的虚拟机之间进行切片和共享(Manimaran和Murthy,1998)。资源分配是分布式计算、并行计算、网格计算、绿色计算和云计算等各类计算中一个非常具有挑战性的领域。云计算中的资源分配问题已经引起了研究者的广泛关注。资源分配是一个NP难问题。装箱算法用于将每个任务分配给处理器(Manimaran和Murthy,1998);(Lo′pez等人, 2003)。他们的工作是基于网格计算中具有异构资源的周期性任务。针对网格计算中的资源调度问题,人们提出了不同的调度算法。在文献中,这些都是基于策略,目标函数,应用模型,适应,QoS约束的静态和动态环境(董和Akl,2006年)。近年来,云环境下的研究主要集中在各种用于调度用户请求的资源分配算法上。Byun等人(2011)提出了一种成本优化和截止期限约束的算法。他们的工作只使用一种类型的云资源。分块平衡时间调度(PBTS)为用户应用程序提供调度决策和资源供应.此外,Abrishami等人(2013)提出了一种算法,将成本和截止日期作为云环境中用户应用的约束。研究人员还提出了不同的优化技术,用于云中的资源分配。Pandey等人(2010)提出了一种基于PSO的算法,以最小化任务的执行成本。所提出的机制为可用资源提供了负载平衡。 Wu等人(2010)提出了另一种基于PSO的工作,用于寻找接近最优的调度。这项工作的重点是通过考虑任务的最后期限来最大限度地减少成本或时间。此外,还使用不同的流行元启发式技术进行了回顾和比较:蚁群优 化 ( ACO ) , 遗 传 算 法 ( GA ) 和 粒 子 群 优 化(PSO),以及两种新技术:联盟锦标赛算法(LCA)和BAT算法用于云和网格环境(Kalra和Singh,2015)。Rodriguez和Buyya(2014)提出了使用PSO在IaaS(基础架构即服务)中进行资源调配和调度。这些任务被认为有一 个 时 间 限 制 , 称 为 最 后 期 限 。 Calheiros 和 Buyya(2014)提出了基于截止日期的任务迁移空闲时间154S.C.纳亚克角崔帕蒂通过该算法发现时隙并将任务适配到这些时隙中,否则将任务迁移到其他VM。任务的迁移和调度也符合截止日期。叫做按需短期租赁。他们建议的架构通过安排短期租赁以及现有工作负载,对服务提供商来说具有成本效益。此外 , Sotomayor et al. ( 2008 ) 提 出 了 通 过 在 Haizea forOpenNebula平台中暂停低优先级租赁来进行负载调度。最近,云服务提供商大多使用即时和尽力而为的资源分配策略来处理IaaS中的用户请求(Sotomayor 等人,2009 年b)。还讨论了Haizea支持的三种不同类型的租赁。类似地,Sotomayor等人(2009 a,b)提出了另一个模型,用于使用调度决策预测AR租赁的虚拟机中涉及的各种运行时开销。调度决策是通过使用Haizea和OpenNebula来制定的为了调度尽力而为的租赁,使用了最小化算法。最常用的优化调度算法是递归算法(Lifka,1995; Feitelson,1998)。Nathaniet al.(2012)提出了一种使用交换和重复算法来调度截止日期敏感租赁的机制。 Ergu等人(2011a,b)在云中使用AHP调度任务,其中AHP用于找到任务的优先级。但在实时,我们需要一些决策支持系统在海泽与OpenNebula调度期限敏感的租赁使用回填。第4节和第5节介绍了与层次分析法有关的问题和解决方案。3. 调度机制本 节 讨 论 各 种 调 度 机 制 。 与 其 他 云 开 源 平 台 相 比 ,OpenNebula 在 虚 拟 基 础 架 构 管 理 方 面 更 受 欢 迎(Sotomayor等人,2009年b)。在后端,Haizea被用作OpenNebula的资源租赁管理器。Haizea接受四种类型的租赁,如尽力租赁,提前预订租赁,立即租赁和截止日期敏感租赁(Nathani等人,2012年)。期限敏感租赁是具有一定时间限制的尽力而为租赁。当用户请求需要在一定时间内获得资源进行尽力而为的租赁时,这些类型的租赁可以被认为是Haizea中的期限敏感租赁。当且仅当它满足其截止日期时,截止日期敏感租赁在本质上是抢先的。在Haizea中,交换和交换用于调度这些类型的租赁(Nathani等人,2012年)。当交换无法调度截止日期敏感的租赁时,使用该算法。例1. 第一个例子说明了交换算法如何无法调度Haizea中的截止日期敏感的租赁。表1描述了对截止日期敏感的租赁信息其由每个租约的节点、提交时间、开始时间、持续(执行)时间和结束时间(截止期限)通过使用交换算法(Nathani等人,当且仅当第一个租约请求的资源少于第二个租约时,交换,他们必须在最后期限内完成他们的执行。因此,租约1(L1)和租约2(L2)应该交换,尽管租约2需要3个节点。因此,租约2将在租约1之前被调度40分钟的执行时间,其中租约1无法满足其最后期限。类似地,租约3(L3)和租约4(L4)根据它们的执行时间与时隙(12.40-12.45)一起1.30下午)和(1.30交 换 算 法 产 生 比 简 单 分 配 策 略 更 好 的 资 源 分 配(Nathani等人,2012年)。但在某些情况下,交换算法无法调度租赁。当交换失败时,将使用优先级来安排租赁。图2示出了使用RISK算法的表1图1使用交换调度租赁。图2使用回填安排租赁。租赁节点提交时间开始时间期限截止日期表1租赁信息(Nathani等人, 2012年)。号(上午)(下午)(下午)过去提出的大多数作品都是基于1211.1012.002012.30资源分配或类似类型任务的任务调度。2311.2012.004001.00Sotomayor和Keahey(2007年)也关注时间表3211.3012.005001.50任务在短时间内所需的资源,11.40 01.00 20 01.50基于层次分析法的云计算环境下租赁调度155表2租赁信息。表3Saaty评定量表。强度123重要性同等重要性弱或轻微¼在图2中,所有的租赁都是通过使用调度算法来调度的。L3本质上是原语,其在时隙12.00-12.20 PM中执行20分钟的持续时间, 在1.00-1.30 PM的时间段内30分钟。最后,应该从尽力而为队列中选择尽力而为租赁,该尽力而为队列可以在空闲时隙中提供空闲资源,在空闲时隙中可以调度期限这里,L3提供空闲资源来调度L4,这是一个期限敏感的租赁。从尽力服务队列中选择尽力服务租赁应由决策者执行。在我们提出的工作中,我们使用层次分析法作为决策者的算法。如果存在类似类型的尽力而为租赁(如L3),则使用决策器这将在下一节中讨论4. 拟议工作4.1. 问题陈述在第3节中讨论了递归算法。回填算法通过从尽力而为队列中选择一个尽力而为的租约来调度对期限敏感的租约.所选租约应提供空闲资源。这些空闲资源被分配给新到达的对期限敏感的租赁以进行调度。当尽力服务队列中存在多个共轭且相似类型的尽力服务租赁时,决策者应该从尽力服务队列中选择租赁。该问题在下列条件下制定了类似的任务,如:(1)租赁必须是共轭的序列(Li,Li+1,...Li+n)。(2)租赁的开始时间(ST)应该相同。(3)所需的节点数(Nodes)也必须相同。(4)它们的最后期限(DT)应该相同;(5)租约Li的执行时间(Ei)必须小于Li+1的执行时间(Ei+1)。表2显示了不同的租赁信息,其中考虑到上述条件,租赁L3和L4是类似类型的租赁。算法的挑战是从尽力而为队列中选择租用L3还是L4来调度租用L5。4.2. 层次分析法在我们的工作中,我们使用AHP作为决策者来处理第4.1节中讨论的挑战。它是一个灵活、简单、强大的工具,用于在标准中查找排名。它还用于优化人力资源分配问题(Saaty等人,2007年)。层次分析法不需要建立复杂的专家系统。层次分析法允许在显示目标、目标(标准)、子目标和备选方案(Saaty,2008年)。它使用相对重要性和成对比较来获得基于标准的每个选项的得分值(Saaty,1990)。层次分析法使用层次模型来解决复杂的问题。层次模型由目标、目的和方案构成。替代品或标准的相对值由Saaty评定量表(Saaty,1990)设定,如表3所示。两两比较的计算用一个矩阵表示,称之为两两比较矩阵.该矩阵指定了标准的相对重要性。然后,计算这些值以找到标准之间的排名。根据这些等级值做出决定。4.3. 建议的方法(使用AHP的AHP算法)在本节中,我们提出了改进的机制,调度的AHP算法,使用。AHP被用来作为一个决策者在调度算法中的最后期限敏感的租赁。正如我们在4.1节中所讨论的,该算法需要从尽力而为队列中选择一个租约,该租约将提供空闲资源来调度新到达的截止日期敏感租约。当尽力而为队列中存在类似类型的租赁时,就会出现挑战。我们在回填算法中使用了层次分析法来克服这一挑战。层次分析法应用于这些类似类型的租赁,以选择确切的租赁,将提供免费资源。该算法基于租约的松弛值。引入了Slack值来进行验证,其中可以计划租用或不使用租赁算法。租约的这个值指定租约是被认为是期限敏感租约还是提前预订租约(Nathani等人,2012年)。它决定了租赁的优先购买权。使用租赁的截止日期、开始时间和持续时间松弛值截止日期-开始时间持续时间如果计算出的租约的松弛值大于系统管理员决定的松弛值下限,则该租约被视为期限敏感租约。 在我们提出的工作中,分配的下限松弛值为1.1(Nathani等人,2012年)。在表2中,所有租约的松弛值都大于1.1。因此,所有的租约都应该使用最优算法来安排但是在这个任务中,4中高凸度1211.1012.002012.305强重要性2311.2012.004001.006强加3211.3012.003001.507很强4211.3212.004001.508非常非常强大5411.4001.002001.509极端重要性租赁节点提交时间开始时间持续时间 截止日期号(上午)(下午)(下午)156S.C.纳亚克角崔帕蒂0B1. .Ca公司简介×-B@BWnBCBC应该从优先的尽力服务队列中选择。为此,我们引入了AHP作为决策a11a11a21a11a11a12a21一个12a11a13a21一名13a11a1n...一名211N#21453;,选择了这一租赁。4.3.1. 建议方案An×n¼B······C·在本节中,我们讨论了使用AHP来克服第4.1节中描述的挑战。在这个亲-提出的工作,我们考虑了最后期限,持续时间和开始an1a11an1一个12an1一名13··...an1将1n时间是安排租赁的重要参数。那么,在该方案中,期限敏感租赁的期限、持续时间和开始时间被认为是AHP的准则/备选类似类型的租赁被用作AHP的替代品将租赁选择作为层次分析法的目标图中构造并示出了图示的所提出的方案的决策层次树(DHT)。 四、使用Saaty量表设置截止日期、持续时间和开始时间之间的相关值。这些值用一个方阵表示,方阵规定了它们之间的关系。这个矩阵叫做相关矩阵。相关矩阵表示如下。0W11W2.. .n×1.. .@。 . . CA计算特征向量以找到相对权重(Saaty,2003)。设k是A和W的右特征向量,若AW=kW. 在执行成对比较期间可能会出现一些不一致。为了发现参数之间的一致性,我们计算了一致性指数(CI)。假设矩阵A和B涉及成对比较,其中用于发现不一致性的技术仅用于矩阵A. 矩阵B可以通过用B代替A来获得。通过将特征向量k计算为向量的元素的平均值来计算一致性指数(CI),该向量的 第 j个元素是向量A * w的第j个元素的比率向 量 w的对应元素。则CI可以计算为:CI¼k最大值-nkn-1Max在上述矩阵A、B、C、.......你好。N代表标准。一个11,一个12,......你好。ann是表示任何两个标准之间的相关性的标度值0Paij6 9.此外,使用成对比较方法来找到租赁的截止日期、持续时间和开始时间之间的其他相关值。矩阵A是一个n n实矩阵,其中n是决策层次中参数的数量。矩阵A的每个条目aij表示第i个参数相对于第j个参数的重要性,如下:(1) 如果aij>1,则矩阵A中的第i个参数比第j个参数更重要。(2) 如果ij为1,则第i个参数不如<第j个参数。(3) 如果ij为1,则两个参数具有相同的重要性。条目aij和aji必须满足以下约束:aij:·aji¼1针对截止时间、持续时间和开始时间的具有相关权重矩阵W的计算出的成对矩阵A可以表示为:对于所有完全一致的决策者,CI = 0或kmax= n。但是,如果不一致的小值可以被忽略,CIRI0: 1<其中RI是随机索引,其是当A的条目完全随机时的一致性索引。此外,矩阵A称为完全相容的当且仅当,大小为n的诱导矩阵为D=AA nA。 成对比较矩阵A几乎是一致的,如果,诱导矩阵D接近于零矩阵。类似地,如果诱导矩阵D由远离零的一些不一致元素组成,则成对矩阵是不一致的(Ergu等人,2011年a,b)。矩阵元素之间的一致性说明了它们之间的相关性4.3.2. 该算法该算法的动机是提高调度通过分配更多的租赁数量,利用层次分析法在调度算法。当相似类型的租赁之间发生冲突时,AHP被用来作为决策支持系统,在调度算法中调度租赁。AHP可以用作时间相关的决策者(Saaty,2007)。所提出的机制的流程图如图3所示。根据调度算法的原理,执行来自尽力而为队列的第一个租约,然后它找到下一个租约(Li),该租约将在时隙Ti处配备空闲时隙。在选择要在时间Ti中调度的租约Li之前,CA基于层次分析法的云计算环境下租赁调度157所提出的机制测试下一个租约(Ti+1)是否与租约(Li)相似。如果我!= L i+1,则L i将根据调度算法的原理进行调度,否则将通过层次分析法(AHP)评估相似任务的排序。根据排序,修改尽力而为队列,并进一步调度租赁。重复该过程,直到尽力而为队列为空。任务应该在截止日期内调度,否则将从队列中删除。4.3.3. 图示在这一节中,所提出的算法进行了讨论的例子。为了描述所提出的算法,我们使用了表2中所示的数据。在表2中,租约4与租约3几乎相似。无论何时,我们调度这些租约,在调度租约3的算法中都会出现冲突,无论是在租约4之前还是之后。正如我们在第4.3节中讨论的松弛值,表2中的所有租赁都是对期限敏感的租赁。这些租约应该通过使用租约算法来调度,但是由于租约3和租约4之间的冲突而失败。为了解决这个问题,我们使用层次分析法作为决策者的AHP算法。当问题有多个备选方案时,AHP通过构造决策层次树来提供决策。决策是根据最终用于评价备选方案优先级的标准(Saaty,1990)做出的。该问题的决策层次结构被构造并显示在图3中。租赁的选择被设定为目标、期限、期限和最后将租约3(L3)和租约4(L4)设置为备选方案在AHP中。在我们的例子中,租赁3和租赁4是类似的租赁类型。需要决策支持来选择这两个租赁中的任何一个,对于这两个租赁,租赁被设置为如图3所示的决策层次结构中的目标。同样,决策是根据层次分析法中的标准。在这项工作中,我们认为,截止日期,持续时间(执行时间)和开始时间的约束参数的截止日期敏感租赁。期限敏感租赁的调度完全取决于这些参数。为了评估一个正确的决策,我们考虑了决策层次结构中租赁的截止日期,持续时间和开始时间。为说明而模拟的问题是在将提供空闲资源的租约3和4中选择正确的租约。因此,只有两种选择(租约3和租约4),其他租约的进度取决于租约3和租约4的进度顺序。因此,租约3(L3)和租约4(L4)是决策层次中的备选方案。使用Saaty评定量表计算标准向量,如表3所示。这些标准之间的相关值显示在下面的矩阵截止日期持续时间开始时间图3拟议机制的流程图(1) 最后期限是持续时间的五倍强重要性。在期限敏感型租赁的情况下,租赁应在预定的时间段内完成。为了满足最后期限,租约必须执行完整的持续时间。如果租赁L不满足其截止线D,则可以表示为:持续时间>截止日期-开始时间(2) 截止时间的重要性是开始时间的三倍。在基于期限的租赁中,期限可以与开始时间和持续时间相关,如下所示:截止日期>开始时间>持续时间2018 -04- 25其中,b是两个时间之间的附加时间或时间间隙完成时间和截止日期。截止日期01 5 31持续时间开始时间1 3CA1为了计算上述准则矩阵,我们使用了期限敏感租赁的以下性质来找到尺度值。图4问题的决策B@158S.C.纳亚克角崔帕蒂ΣΣ01ΣΣJJX“X647545J1J2JNJ1/1我我我ΣΣ¼ΣΣ236237(3) 同样,我们也认为持续时间比开始时间重要三倍。如果资源空闲,则可以在开始时间的确切时间调度租约。从上述标准矩阵中找出成对比较。它被计算为,如果一行向量-其中,A表示原始成对比较矩阵A的第i行,则同一矩阵的第j列可以表示为列向量,cTa;a;:;aT其中cT是列向量c的转置向量。所以各评价指标的一致性比较接近。因此,不需要进一步计算,并且最后计算的特征向量E2是秩矩阵。类似地,计算每个标准的特征向量。在4.3.1节中,我们考虑了三个标准:截止时间,持续时间和开始时间.同样地,我们计算了秩矩阵E2,三个准则矩阵在同一种情况下求值.0:24990:7500JJ计算的矩阵为:最后期限开始时间Edu¼0: 2499 持续时间:0: 7500最后期限1 5 3B@1=5 1 3CAEst¼0:50:5开始时间:开始时间1= 3 1= 3 1为了做出正确的决定,首先从Edl,Edu和Est特征向量计算m×n的矩阵E,其中m是alter-在第4.3.1节中讨论了成对比较矩阵的不一致性。为了使矩阵一致,我们计算出特征向量。求出了n维向量ri与cT的点积.两个向量的点积b可以计算为,B^rj:cT我是一个...... ; a in:a1 j; a2 j;. ; a nj我的天啊!我的天啊!; a in a nj我的天啊!我的天啊!; a in a nj如果矩阵A被创建,我们计算矩阵A的归一化矩阵A范 数为,Mnative和n是目标。E0: 24992019 -01 - 29 00:00: 000: 7500时间:2019 - 07 - 05 00:00:00那么决策矩阵D可以计算为,D¼ Eω E20: 28160: 7195上述矩阵D示出了租约4(L4)比租约3(L3)具有更多的排名值。因此,租约4应该排在租约3之前。调度结果在图1和图2中示出。11和12并且标准w中的加权值可以被评估为,国际新闻报宽1/4米地ill-1的因此,可以找到问题的特征向量E1为0:6722E1¼0: 21120: 1165[We在建议的工作中,一直考虑到小数点后第4位。]矩阵A的下一个计算的特征向量E2是20: 648435. 业绩和结果分析5.1. 性能通过与现有的不使用层次分析法的调度算法进行比较,评估了所提出的算法在期限敏感租赁调度中的性能。与现有的调度算法相比,该算法没有解决类似的租赁冲突,因此可以提供更好的租赁调度。所提出的机制的性能进行评估的租赁数量,租赁拒绝,总分配的时隙(AT)分钟和浪费时隙(WT)分钟。调度集合中的n个租赁所需的总时隙(TS)可以按分钟计算为:TS最大值 N最大值 DT最小值ST最小值2019- 06-2200:00:000:1275AT¼Pn 如果L满足其最后期限,则为<$N ω ET <$。一致性比率可以通过执行E1-E20238CI1/4 - 0:0127-0:011以及总浪费时隙(WT):WT¼TS-AT我们已经考虑了三种情况下的实验,以评估所提出的机制的正确性,性能和效率。实验结果如下:(1)租赁次数相同,但对租赁期限进行了调整.(2)截止日期不作调整。对于截止日期标准:Edl¼a/国际新闻报第1页基于层次分析法的云计算环境下租赁调度159(3)没有类似的租赁。实验由许多随机数的租赁组成,其所需参数如表4、6和7所示。实验1:表4包含不同数量的租约,这些租约具有不同的节点需求,并且还具有许多类似的租约,正如我们在4.1小节中所讨论的那样。在这里,我们调整了租赁的最小截止时间,所有的租赁都安排好了,并且能够满足他们的截止时间。因此,在拟议的机制中,没有租约被拒绝。但即使我们调整了截止日期,在现有的租赁算法中,一些租赁被拒绝。我们还观察到,当租赁之间发生相似性时,它会导致错过下一个即时租赁的截止日期。表8中示出了表4的分配的时隙和时隙的浪费的百分比,表8示出了通过分配更多数量的租用而获得的更多资源利用。它还示出了时隙的浪费,这是减少在所提出的方法相比,每一组租赁的时间间隔算法。实验2:在这个实验中,我们用不同的租赁集测试了所提出的工作。在这里,我们没有调整租赁期限,也没有解决所有由于相似性而发生的冲突。表5示出了与RISK算法相比,针对所提出的方法调度更多的租赁并且拒绝更少数量的租赁。这说明在所提出的方法中利用了更多的资源计划和拒绝的租赁的业绩结果如图所示。9.第九条。实验3:本实验是为了验证所提出的工作的正确性而进行的虽然该算法是一个标准的算法,我们提出的算法与它进行了比较。在这里,我们已经通过一组租赁进行了测试表7所示租赁之间并无相似性。调度算法和提出的方法调度和拒绝的租约数相同。5.2. 结果分析所提出的工作在MATLAB R2010a中实现。拟议的工作旨在通过解决由于相似性而产生的冲突来安排更多数量的租赁。租赁集合与类似租赁一起随机选取。我们还考虑了不同数量的虚拟机,如表4、6和7所示。图5显示了实验1中安排的租赁数量,其中两个以上的租赁是相似的。该机制对所有的租赁进行调度,解决了相似性冲突,而现有的租赁算法则拒绝了部分租赁类似地,与图1中所示的同步算法相比,在所提出的机制中更多的时隙被分配给租约。 六、虽然所提出的机制能够调度更多数量的租赁,它利用更多的时隙。所以总表4 (实验1)在调整了截止日期的情况下,预定和拒绝的租赁数量。实验号的号的类似器械数量类似器械数量回填该方法numberVM租赁租赁组租约数目租约数目租约数目租约数目定于拒绝定于拒绝145214150247416170341042821004420841642005610428210066362172973607650286446500881563123150983016426430010850207437500表5实验1的分配和浪费插槽数。实验号的号的总时隙数回填该方法numberVM租赁分钟(TS)分配的插槽浪费插槽分配的插槽浪费插槽分钟(AT)分钟(WT)分钟(AT)分钟(WT)145550300250380170247580460120540403410880600280760120442017601200560152024056101380860520110028066364080307010103910170765063804790159058705108815264016809602160480983041002740136037004001085075204660284060601460160S.C.纳亚克角崔帕蒂表6(实验2)在没有调整截止日期的情况下(所有相似性冲突都没有解决)调度和拒绝的租赁的数量。实验号的号的类似器械数量类似器械数量回填该方法numberVM租赁租赁组租约数目租约数目租约数目租约数目定于拒绝定于拒绝1420848121010242510510151213343012611191317444014817231921552510510151213653015612181515755527821342926871242841119730144131717131074422623212717表7(实验3)预定和拒绝的租赁数量(租赁之间没有相似性)。实验号的号的类似器械数量类似器械数量回填该方法numberVM租赁租赁组预定租赁数量拒绝批出的契约数目预定租赁数量拒绝批出的契约数目141000737324200081281235100064644624001113111357400017231723图5实验1中安排的租赁数量物理机中的时隙浪费小于图7所示的TDMA算法中的时隙总浪费。在表8中,实验1的拟议工作中的资源利用率的百分比远远超过了ESTA算法。这表明所提出的机制提供了更好的资源利用。资源利用率的比较图如图所示。8.第八条。图9显示了实验2中安排的租赁。在实验2中,我们没有解决所有的相似性冲突。有些冲突得到了解决,有些则没有。如果我们将租赁的最后期限更改为最短时间,则结果将与实验1相似。虽然该方法不需要调整最后期限,但其调度性能与传统算法相比差异较小。差异是由于解决了一些冲突而产生的。图6实验1中分配的时隙数。图7实验1中的浪费时隙数。基于层次分析法的云计算环境下租赁调度161表8实验1中资源利用的比较。实验编号总时隙(分钟)插槽利用率(%)插槽浪费率(%)Backfilling算法该方法Backfilling算法该方法155054.54%百分之六十九点零九45.54%百分之三十点九258079.31%93.10%20.68%6.89%388068.18%86.36%31.81%13.63%4176068.18%86.36%31.81%13.63%5138062.31%79.71%37.68%20.28%6408075.24%百分之九十五点八三百分之二十四点七五 4.17%7638075.07%百分之九十二百分之二十四点九二 百分之八8264063.63%81.81%36.36%百分之十八点一八9410066.82%百分之九十点二四33.17%9.76%10752061.96%80.58%37.76%百分之十九点四一图8实验1中资源利用率的比较图9实验2中租赁的时间安排。在实验3中,我们考虑了一些租赁集合,这些租赁之间没有相似性,如表7所示。由于不存在相似性,因此该算法的行为类似于递归算法。在所提出的机制中调度的租赁的数量是等于该算法的。6. 结论和今后的工作层次分析法作为一种决策方法,在不同的领域得到了广泛的应用。它使用刻度值做出正确的决定。该机制实现简单,鲁棒性强在这项工作中,我们有图10实验3中安排的租赁比较图11使用现有的AHP算法(没有AHP)进行租赁调度。实现AHP内的决策者的AHP算法。如果两个以上的租赁相似,则该算法按先到先得的原则安排租赁。它降低了如图1A和1B所示的MEMS器件的性能。5、6和9。所提出的工作使用AHP来解决冲突,该AHP评估类似租赁之间的排名并安排更多数量的租赁,如图1A和1B所示。5和9。与图1所示的算法相比,时隙的浪费也被最小化。7 .第一次会议。该算法162S.C.纳亚克角崔帕蒂图12使用AHP和AHP算法的租赁调度。如果存在类似的租赁,则改进了该算法的性能。除此之外,它与图1所示的算法相同。 10个。此外,在未来的OpenNebula中,可以使用Haizea中的AHP来实现和修改该算法。除层次分析法外,其他决策者也可用于调度算法中,并对调度性能进行研究。我们也正在努力提出一种新的算法,以克服的缺点,在不久的将来的算法。致谢作者要感谢P. K博士。Pattnaik,计算机工程学院,KIIT大学和夫人。S. 帕丽达,C.V.拉曼工程学院感谢他们在这项工作中提出的建议和观点。我还要感谢C.V.拉曼工程学院的管理层对我的全力支持。引用Abrishami,S.,Naghibzadeh,M.,Epema,D.,2013. IaaS云的截止日期约束工作流调度算法。未来一代Comput.系统29,158-169。Kyu , Byun , Kee , Yang-Suk , Kim , Jin-Soo , Maeng ,Seungryoul,2011.为应用程序工作流提供成本优化的弹性资源配 置 。 未 来 一 代 Comput. 27 ( 8 ) , 1011-1026. 网 址 :http://linkinghub.elsevier.com/retrieve/pii/S0167739X11000744>。Calheiros,R. N.,Buyya河,2014.通过任务复制在公共云中满足科学工作流的最后期限。IEEE Trans. 平行分布系统25(7),1787-1796。董,F.,Akl,S.G.,2006.网格计算的调度算法:最新技术和开放问题。 1-55Ergu,Daji,Gang,Kou,Yi,Peng,Yong,Shi,2011 a.一种提高ANP中两两比较矩阵一致率的简单方法。EUR. J. 操作员Res.213(1),246-259。Ergu,Daji,Kou,Gang,Peng,Yi Shi,Yong,Shi,2011 b.层次分析法:云计算环境下的任务调度与资源分配。超级计算机杂志,835-848。Feitelson,D.G.,1998.带备份的IBM SP2调度中的利用率和可预测性。在:12th Intl.并行处理Symp.IEEE,pp. 542- 546Haizea.cs.uchicago.edu,2016年出版。Haizea -一个N.p.,不含2016年。Web. 1月152016年。Kalra,M.,辛格,S.,2015.云计算中的元启发式调度技术综述。埃及Inf.J.16(3),275-295.网址:http://linkinghub.elsevier.com/retrieve/pii/S1110866515000353>。Li,X.,蔡志,2015.云工作流应用的弹性资源调配。IEEE Trans.Autom.Sci.工程师:1。地方检察
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 京瓷TASKalfa系列维修手册:安全与操作指南
- 小波变换在视频压缩中的应用
- Microsoft OfficeXP详解:WordXP、ExcelXP和PowerPointXP
- 雀巢在线媒介投放策划:门户网站与广告效果分析
- 用友NC-V56供应链功能升级详解(84页)
- 计算机病毒与防御策略探索
- 企业网NAT技术实践:2022年部署互联网出口策略
- 软件测试面试必备:概念、原则与常见问题解析
- 2022年Windows IIS服务器内外网配置详解与Serv-U FTP服务器安装
- 中国联通:企业级ICT转型与创新实践
- C#图形图像编程深入解析:GDI+与多媒体应用
- Xilinx AXI Interconnect v2.1用户指南
- DIY编程电缆全攻略:接口类型与自制指南
- 电脑维护与硬盘数据恢复指南
- 计算机网络技术专业剖析:人才培养与改革
- 量化多因子指数增强策略:微观视角的实证分析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功