Journalof King Saud University沙特国王大学沙特国王大学学报www.ksu.edu.sawww.sciencedirect.com一种三相云分配算法Sudip Roya， Sourav Banerjeea，*， K.R.Chowdhurya、 Utpal Biswasba印度纳迪亚Kalyani政府工程学院b印度纳迪亚卡利亚尼卡利亚尼大学接收日期：2015年9月15日;修订日期：2016年1月11日;接受日期：2016年1月11日2016年3月28日在线发布摘要云计算是当今最热门和最实用的研究课题之一。在云计算领域中，向合适的VM分配云是最具挑战性的研究领域之一本文提出了一种新的微云分配算法，与其他现有的微云分配算法相比，提高了云服务提供商（CSP）的性能。建议的范围明智的繁忙检查双向平衡（RB2B）的微云分配算法优化了一些基本参数与性能分析。一个广泛的模拟进行评估所提出的算法，使用Cloudsim证明其有效性相比，其他现有的分配政策。©2016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. 介绍云计算是计算机科学领域的最新趋势，被认为是现代技术的未来。云计算之所以流行，主要是因为它能够最有效地利用共享资源。将小云分配到称为虚拟机或VM的合适资源（Fu和Zhou，2015）是云计算环境中的基本要求在典型的云环境中，*通讯作者。电子邮件地址：sanosuke009@gmail.com（S.Roy），mr.sourav.banerjee@ieee.org（美国）Banerjee），papanthegenius@gmail.com（K.R.乔杜里），utpal01in@yahoo.com（美国）。Biswas）。沙特国王大学负责同行审查一个称为数据中心代理（DCB）的模块，它控制整个数据中心，包括向VM分配小云。因此，像任何正常的计算性能优化和改进的分配算法总是有可能的。设计有效的微云分配算法（Zhang et al.，2007年）是一个具有挑战性的研究领域，许多这样的政策已被提出，分析和比较异构并行计算环境。引入了一种新的机制，称为有效聚合计算能力（EACP）（Radulescu和Van Gemund，1999），它可以提高性能。自适应加权因子分解（AWF）（Carino和Banicescu 2008）用于调度并行循环。具有强化学习的动态循环调度（Rashid et al.，2008年）（DLS-with-RL）非常有效地用于具有许多步骤的时间步进科学应用。网格环境的调度（Aziz和El-Rewini，2008）策略使用了几种方法，这些方法与小云分配策略的机制相似但又不同遗传算法（Pop，2008）也用于http://dx.doi.org/10.1016/j.jksuci.2016.01.0031319-1578© 2016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/）。制作和主办：Elsevier关键词云计算; Cloudlet分配;云服务提供商;Cloudsim474S. Roy等人日程安排启发式负载平衡（OLB）试探法（Braun等人，2008 年 ） （ Makelainen 等 人 ， 2014 ） （ Iordache 等 人 ，2007）任意地从一批微云中选择一个微云，并将其分配给估计可用的下一个VM，而不考虑微云在该VM上的预期执行 时 间 ， 导 致 非 常 差 的 完 工 时 间 （ Wang et al. ， 2006年）。最小执行时间（MET）（GeorgeAmalarethinam和Muthulakshmi，2011）将任意选择的每个云分配给具有最少执行时间的VM，导致VM之间负载的严重不平衡。最小完 成 时 间 （ MCT ） （ GeorgeAmalarethinam 和Muthulakshmi，2011）启发式将每个小云分配给具有该小云的最小完成时间的VM。它实际上结合了OLB和MET的优 点 。 QoS （ 服 务 质 量 ） 引 导 的 Min-min （ He 等 人 ，2003 ）分配需要更高带宽的云。QoS优先级分组调度（Dong等人， 2006年，他强调最后期限。 QoS Sufferage（Ullah Munir等人，2007）将网络带宽视为主要因素，并基于任务的带宽需求来调度任务。Grid-JQA（Khanli和Analoui，2007，2008）调度解决方案使用聚合公式，该聚合公式将参数与加权因子结合在一起以计算QoS。不同的和新的调度算法的提议（Afzal等人，2008年），试图最大限度地减少成本的外展以及满足QoS的约束，视外展环境作为一个排队系统。另一种面向用户的调度算法使用高级预留和资源选择技术（Elmroth和Tordsson，2008），在不考虑制作跨度的情况下最小化单个云的执行时间。多资源调度（MRS）（Benjamin Khoo等人，2007）算法将系统能力和Cloud-let的资源需求两者考虑为主要因素。在云计算环境中，大多数分配策略相对更重地加载某些特定资源 ， 使 其 他 资 源 空 闲 或 负 载 最 少 （ Livny 和 Melman ，2011）。因此，负载均衡是云计算中的一个重要问题，它影响着云服务提供商的性能。本文的目标是通过设计一种新的小云分配算法RB 2B来改进该领域中现有的分配策略，该算法主要关注减少等待时间和制造跨度，同时优化VM（Marisol Garc-Valls等人， 2014）通过以最均匀的方式将云的数量分布到VM来将利用率提高到显著的量。该算法被纳入数据中心代理（DCB）模块。DCB政策的增强与这项工作，并在这项研究中被称为先进的数据中心代理（ADCB）模块。2. 相关作品在本文中，很少有现有的分配政策，在第二阶段中，从矩阵中选择具有总体最小预期计算时间的微云并将其然后，从矩阵中移除所分配的微云，并相应地修改矩阵的条目重复Min-min的这个过程，直到矩阵中没有留下任何微云，也就是说，映射了矩阵中的所有微云。这个算法需要O（mn2）时间，其中m是VM的数量，n是云的数量2.2. Max–min (该算法与Min-Min算法基本相似，但在第二阶段有明显区别。该这个算法也需要O（mn2）时间，其中m是VM的数量，n是cloudlet的数量。2.3. RASA（Parsa和Entezari-Maleki，2009年）该算法实际上结合了Min-min和Max-min的优点。如果可用VM的数量是奇数，整个过程可以分为多轮，其中在每一轮中，两个微云交替地通过两种策略中的一种分配给适当的VM。规则是，如果当前轮的第一个cloudlet通过Min-min策略分配给VM，则下一个cloudlet将通过Max-min策略分配。在下一轮中，云分配开始于与上一轮不同的例如，如果第一轮以实验结果表明，如果可用资源的数量是奇数，则在第一轮中开始应用Min-min算法给出了更好的否则 ， 最 好 先 应 用 最 Min–min and Max–min are exchangedalternatively to result in consecutive execution of small andlarge cloudlets on different由于RASA不包括任何耗时的指令，因此RASA的时间复杂度（Maheswaran等人，1999）是O（mn2），其中m是VM的数量，n是cloudlet的数量。2.4. 循环分配（RRA）（Parsa和Entezari-Maleki，2009年; Bhatia等人，2010; Banerjee等人，（2015年）它将cloudlet分配给第一个可用的VM。例如，考虑有四个云团（C0，C1，C2，C3和C4）和三个分析比较了两种方案的优势是RB2B。现将其说明如下。表1RRA分配方式。CloudletVM2.1. Min–min (了c0VM0Dutta Pramanik，2012; El-kenawy等人， 2012年）C1C2VM1VM2最初，对所有未分配的微云采用矩阵有两个阶段在在第一阶段，C3 VM0C4 VM1三阶段云分配算法分析475JJ第1页系统中存在VM（VM0、VM1和VM2）表1说明了分配方式。根据该策略，云C0分配给VM0，C1分配给VM1，C2分配给VM2， C3分配给VM0，C4分配给VM1。2.5. 电导算法（CA）（Chatterjee等人， 2014年度）该算法将每个VM的容量视为管道。它根据等式计算电导（处理能力）。（1）每个VM的处理速度与系统中存在的所有VM的处理速度之和的比率。VMj的处理速度以每秒百万指令（MIPS）为单位测量，并表示为MIPSj。VMj的电导由电导j表示。云的时间此外，有时也可能发生的是，最强大的VM得到较小的微云，因此其资源利用被浪费，同时降低整体性能，并且在CA的情况下，低MIPS VM有时过快地空闲，因此浪费其资源，并且当分配给它们的最长微云的长度非常大时，高MIPS VM有时过载。表2描述了本节中描述的五种现有算法的比较简介。为了克服这些缺点并改善分析参数，本文提出了一种新的微云分配算法--区间忙检双向平衡（RB 2B）分配算法。所提出的RB2B以这样一种方式工作，即云将始终被分配给合适VM根据云电导率为1/4MIPS。XnMIPSð1Þ分配给VM的let几乎是均匀分布的，最大限度地提高资源利用率和优化-在计算电导后，云的数量通过将该特定VMj的电导j与微云列表的长度相乘来计算应当分配给VMj的为了确定每个VM的条带长度，其中VMj的条带长度由条带长度j表示，使用（2）它确定VM可以处理的cloudlet数量。条带长度i 1/4电导i×线云长度i 1/2ð2Þ现有算法的几个局限性新算法的命题：Min–min algorithm lacks uniform resource utilization in away that it chooses smaller cloudlets first which makes use ofVMs 因此，当较小的云的数量大于较大的云的数量时，调度为了克服这个缺点（ArmbrustM等人，2010），Max-min算法首先调度较大的云。但有时，由于先前执行较大的小云，makespan可能会增加。Max-min也增加了较小云团的等待时间。RASA具有Min-min和Max-min的缺点，尽管它试图减少它们。在RRA中，大型微云通常分配给MIPS较低的虚拟机，因此需要更长的时间来执行，并增加了等待时间和响应时间设置每个cloudlet的完成时间，以便与其他策略相比最小化。作为最小化完成时间的结果，微云的制作跨度也最小化。3. CloudSim几个网格模拟器（George Amalarethinam和Muthulakshmi（2011）），如GridSim，SimGrid和Gang-Sim，用于模拟分布式环境中的网格应用程序，但云计算环境模拟器必须支持客户和提供商之间的实时服务交易。CloudSim框架（Belalem等人， 2010）是在GridSim工具包上开发的开源云计算环境模拟器（Bhatia等人，2010年）。CloudSim支持资源管理和应用程序调度模拟以及新策略的实现。CloudSim提供了一系列扩展类和方法。它还有助于在不同级别分析新的Cloudlet分配策略和调度标准。CloudSim支持修改内置类、模块部署技术和性能分析，表2对现有政策的比较研究。性质配置优势Min-min静态Max-min静态RASA静态RRA动态电导静态的空闲时间VM几乎为零缺点(i)缺乏统一资源利用移除敏敏的缺点(i) 完工时间比其他人更伟大(ii) 增加较小云团的等待时间O（Mn2）优点both更易于实现大的微云通常被分配到MIPS较低的虚拟机会增加等待时间和响应时间(ii)不是最佳Makespan较小比其他四项政策资源利用率极不均匀，浪费资源当数字-较小的云团的体积较大，时间复杂性O（Mn2O（Mn2O（Mn）O（Mn2J476S. Roy等人实现少量接口。本研究旨在通过修改数据中心代理算法来利用CloudSim 3.0.3。数据中心代理算法在云服务管理中起着关键作用。CloudSim 3.0.3工具包的其他一些重要模块如下所示。3.1. 云信息服务（CIS）CIS只不过是数据库级别的匹配服务。用户请求由CIS映射到合适的云提供商。CloudSim的CIS和Datacenter Broker进行资源发现和信息交互，是模拟调度的核心（Belalem etal.，2010; Bhatia等人，2 0 1 0 ; Calheiros R. N等人，2009年）。3.2. 数据中心（DC）数据中心由主机或物理（Buyya等人，2009a，b）节点。3.3. Cloudlet它 是 一 组 过 程 或 任 务 。 从 用 户 发 送 微 云 以 进 行 处 理（Calheiros等人，2010年，DC。它由诸如cloudlet ID、cloudlet长度、到达时间等字段组成。cloudlet的cloudlet长度应该大于或等于1（Gulati和Chopra，2013）。3.4. 虚拟机（VM）虚拟机是模仿单个处理元件的特性3.5. 数据中心代理（DCB）这个类封装了代理的属性，代理能够根据用户的需求在服务提供者和用户之间进行中介（Buyya等人，2009年a、b）。服务任务由代理跨云部署。在数据中心代理方法中实现了新的和正在开发的调度算法和云分配策略。3.6. VM调度器VM调度器是一个抽象类。它由一个Host组件实现。它根据向VM分配cloudlet的要求，表示并指定空间共享或时间共享的策略。3.7. VM分配它用作CloudSim中主机的默认VM分配。4. 范围智能繁忙检查双向平衡（RB2B）所提出的RB2B是以这样一种方式开发的，它克服了以前的作品，以提高性能的几个缺点。图1RB2B工作流模型。4.1. 简要说明这是一个三阶段分配算法。阶段如下：（a）VM分类阶段 ， （ b ） 两 轮 忙 检 查 阶 段 和 （ c ） Cloudlet 仍 未 分 配（CSNA）阶段。此外，存在被称为双向平衡条件的两个平衡条件，以尽可能均匀地平衡VM之间的微云分布。一个虚拟机被认为是合适的，只有当它不忙，它满足双向平衡条件。RB2B的流程描述如下：简而言之，VM被创建并分配给主机，并以处理速度的递增顺序排列。微云从全局队列（GQ）到达ADCB，在ADCB中实现所提出的微云分配算法。RB2B工作的整个过程的框图如图所示。1.一、在第一阶段中，ADCB测量微云的长度（百万条指令），并相应地选择遵循在第4.3节中详细描述的微云大小可接受范围的VM（称为目标VM）如果所选VM可用，则ADCB将检查其是否符合平衡阈值（将在4.3中详细讨论）的条件。如果满足条件，则将向目标VM分配cloudlet。如果目标VM不可用或不满足平衡阈值条件，则ADCB将搜索满足此条件的另一个VM。如果这样的合适的VM可用，则分配cloudlet。但是如果仍然没有找到合适的VM，则RB2B的第三阶段将开始。在此阶段，ADCB将根据EFT搜索VM（Bittencourt等人，2010），其也满足双向平衡条件，即平衡阈值和本地队列（LQ）长度限制，并且微云将被排队到该VM的本地队列。4.2. RB2B阶段RB2B有三个阶段。本节将详细介绍这些措施。4.2.1. 虚拟机分类阶段在该阶段中，VM按照适当的可接受的微云长度进行分类。假设创建的VM总数为现在RB2B的首要任务是根据云的长度为到达的云选择合适的具有一定MIPS的VM。因此，ADCB最初将为每个VM定义一个微云长度接受范围。不同幅度的分布以随后描述的方式计算假设Cmin三阶段云分配算法分析477表3每个VM的Cloudlet长度可接受范围。VMm···VMn-1+fm-1x+ 1···Cmin+f0x+f1x+···+fmx···Cmin+f0x+f1x+···+fn-2x+1+fn-1x=CmaxCmin+f0x+f1x+···Cmin+f0x+f1x+···图2VM之间的范围分布。VM下限上限VM0C分钟Cmin+f0xVM1Cmin+f0x +1Cmin+f0x+f1x·········图3第一轮忙检测。和Cmax是最小和最大的云团长度（In MI）。MIPSi是VMi的处理速度。因此，虚拟机的总处理速度为Xn-1MIPS总计 MIPSi3G1/4现在，如果最大和最小云团长度之差与MIPS总量之比为x，则x的计算将如（4）。x¼ ºCmax- Cmin= MIPS总计4000令fi表示VMi的MIPS，因为VM以处理速度的递增顺序排列，所以MIPSi+1>MIPSi。MIPS范围的分布如图所示。 二、VMm的云长可接受性的下限和上限分别为：C最小值=0× 10 ×10×10 × 10 × 10 × 10 × 10，C最小值0x0x0x0x0x0x0x00x00x00x00x00x00x000x000x000x000x000x000x000x0000x0000x00000x00000x00000x00000x0000x0000x00000x000000x000000x0000000x00000000x000000000x00000000x000000000x000000000x0000000000x0000000000x00000000x00000000000x0000000VM的微云长度可接受范围如表3所示。在微云到达之后，ADCB考虑微云的长度找到合适的VM4.2.2. 两轮忙检阶段这是VM选择的第二阶段。在第一阶段完成之后，ADCB检查目标VM是否可用。如果该VM可用，ADCB将检查平衡阈值条件。如果条件已经满足，则cloudlet将被分配给该VM。否则，ADCB在两轮之后搜索其他VM：(i) 如果目标VM不是具有最高MIPS的VM，则ADCB检查具有更高MIPS的下一个VM是否繁忙以及它是否满足平衡阈值条件。如果发现此VM 适合，则将cloudlet分配给它。否则，将以相同的方式检查具有更高MIPS的下一个VM。这图4第二轮忙时检查。一轮繁忙检查将继续，直到分配了cloudlet或检查了具有最高MIPS的VM。这一轮在图中示出。3.第三章。(ii) 如果在第一轮之后仍然没有分配微云，则将开始第二轮检查。首先，检查与目标VM相邻的具有较低MIPS的VM是否合适。否则，以类似的方式检查具有较低MIPS的下一个VM，直到将微云分配给合适的VM或检查具有最低MIPS的VM。这一轮在图中示出。 四、4.2.3. Cloudlet仍未分配阶段（CSNA）这是RB2B的最后阶段在前两个阶段之后，如果平衡因素决定将到达的微云分配给VM，则ADCB将继续移动到下一个微云。但如果到达VM2C1VM1C10 2 4 6 8 10图5处于CSNA阶段的Cloudlet。478S. Roy等人-如果仍然没有分配cloudlet，则ADCB将搜索具有该cloudlet的最早完成时间的VM，前提是也满足4.3中描述的双向平衡条件在图5中，到达微云Cl到达并且ADCB发现两个VM都忙。现在从图中可以清楚地看出，VM1在3处变为空闲，VM2在5处变为空闲。因此，VM1比VM2更早变为空闲，但VM2的完成时间对于C1，小于VM1。因此，C1被分配给VM2。如果两个或多个VM对于一个cloudlet显示出相同的完成时间，则为该cloudlet选择较早空闲的VM。4.3. 云团分布的双向平衡条件有两种机制引入均匀平衡的云分布。它们是：(a) 平衡阈值变量变量Balance初始化为某个值。如果初始存在于全局队列中的微云的总数是GQinit，并且初始部署的VM的总数是n，则以这样的方式设置Balance的初始值2 21虚拟机0虚拟机1虚拟机2本地队列长度Balance初始值图8虚拟机本地队列长度的变化检查并将Balance的值增加到2+ 2= 4。这一过程如图所示。7 .第一次会议。(b) 本地队列长度限制VM的本地队列长度不相等。VM的本地队列长度按以下方式设置假设VM的总数为n。如果n是偶数，则将第（（n/2）+1）个VM设置为中值VM，如果n是奇数，则将第（（n+ 1）/2）个VM设置为中值VM。令第M个VM为中值VM。从第1个VM到第M个VM的所有VM的本地队列（LQ）长度被设置为Balance的初始值剩余VM的本地队列长度将按公差d降序排列，其中平衡init GQ初始化=n16d/4余额=100-M100- 700图 8三 个 虚 拟 机 的本地队列长度如 图所示。当分配给VM的cloudlet数量达到Balance值，则该VM停止接收新的Cloudlet。当分配给所有VM的微云总数达到当前Balance值时，ADCB将Balance值递增其初始值。这个过程一直持续到全局队列变为空。在图6中，首先假设Balance的初始值被设置为2.在将微云C0至C5分配给VM之后，分配给每个VM的微云的数量变得等于当前的Balance值，但是仍然有新的微云C6到达。然后是ADCB3余额=2210VM0 VM1 VM2图6“Balance”值递增之前4增量余额= 43210VM0 VM1 VM2图7增加“Balance”值后有规律的。假设Balance的初始值为2。VM的数量为3。因 此 ， 中 值 VM是 第 （ （ 3+1） /2） 个 VM或 第 二个VM，即VM 1。因此，将VM 0和VM 1的本地队列长度设置为Balance的值4，并且公差d=（2/（3 2+1））=1。因此，第三个VM的本地队列长度设置为2-1 =1。这有助于平衡cloudlet分布，因为很明显，在大多数情况下，MIPS较高的VM会很快耗尽。这种现象可能会导致完成时间的增加。因此，为了防止这种情况，具有较高MIPS的VM的本地队列长度将更短。这将以一种更平衡的方式分发小云，在最坏的情况下，所有本地队列都被耗尽，然后到达的小云将在全局队列中等待5. 流程图时间复杂度使用图9中的流程图来解释所提出的RB2B的整个过程。5.1. 时间复杂度RB2B的时间复杂度是O（mn），其中m是云的数量，n是VM的数量6. 关于RB2B如何工作的一个小例子为了解释RB2B的工作方法，本文考虑了一个小例子。由于空间限制，分别考虑了具有有限长度和处理速度的十个云和三个VM来演示所提出的RB2B的工作方式，如表4和表5所示。C3C4了c0C2C1C6C5C3C4了c0C2C1三阶段云分配算法分析479图9RB2B流程图480S. Roy等人-保持平衡条件，即VM 1。此过程将继续，直到全局队列变为空。工作程序见下表（表7）。7. 绩效评价本节涉及分析与RASA、Max-min、Min-min、RRA和CA相比RB 2B结果的改进。使用具有从1000 MI到100，000MI变化的微云长度的1000个微云和具有从1000 MIPS到10，000 MIPS变化的处理速度的10个VM的参考流进行比较。由于空间的限制，本文只考虑了这一实验方案，但在大量的微云和虚拟云的实验中，得到了相同的结果。性能通过设置模拟环境（36）进行测量，8007006005004003002001000分配策略图10AWT比较。RB2BRASA最 大 最小 最 小RRA电导平衡的初始值=（10/3）+1 = 4，（六）、因此，最多可以为每个VM分配四个Cloudlet这里，C min= 10，C max= 100，MIPS Total= 1 + 2+3 = 6，根据等式（三）、因此，根据等式，所需的比率=（100 10）/6 =90/6 = 15。（四）、在RB2B的第一阶段之后，表6描绘了根据等式（1）的三个VM的微云可接受长度范围。（五）、有三个虚拟机，所以中间虚拟机是（3+ 1）/2=第二个虚拟机。因此，第一VM和第二VM的本地队列长度被设置为Balance的初始值4。剩余的VM（即第三个VM）将具有本地队列长度（4-（4/（1+ 1）=2，如4.4节所述。现在，第一个微云C0的长度是10，因此VM2被优先选择。在繁忙检查和平衡因子检查之后，C0将被分配给VM2。类似地，C1和C2将分别被分配给VM0和VM1，然后C3将到达，并且VM1被主要选择用于它。在所有检查之后，ADCB将发现所有VM在那个时间都忙，因此具有最早完成时间的VM被选择用于C3，100080060040020006000500040003000200010000分配策略图11ATAT比较。分配策略RB2BRASA最 大 最小 最 小RRA电导RB2BRASA最 大 最小 最 小RRA电导在本地队列中排队，前提是双向图12平均值进行跨度比较。表4参考云。了c0抵达时间 0尺寸（MI）100C1C2C3C4C5C6颈7C8 C91 1 2 2 3 5 6 8 910 50 30 90 20 20 40 80 10表5参考VM。VM0处理速度（MIPS）1VM12VM23ATAT平均制造跨度AWT表6VM的Cloudlet长度可接受范围VM下限上限VM010十加十五=二十五VM1二十五加一=二十六25+ 30= 55表7RB2B分配程序。Cloudlets针对性目标VM分配？排队完成VM忙吗（是/否）（是/否）时间了c0VM2没有是的–33.33C1VM0没有是的–10C2VM1没有是的–25C3VM1是的没有VM040C4VM2是的没有VM263.33C5VM0是的没有VM135C6VM0是的没有VM145颈7VM1是的没有VM165C8VM2是的没有VM289.99C9VM0是的没有VM050三阶段云分配算法分析481×百分之八十百分之七十60.00%50.00%40.00%百分之三十百分之二十百分之十0.00%分配策略RB2BRASA最 大 最小 最 小RRA电导时 间 （ ATAT ） 、 平 均 制 造 跨 度 、 平 均 VM 利 用 率（AVMUR）和VM分配标准差（VMSD）。图10显示了平均等待时间的比较。平均等待时间是每个cloudlet在被分配到VM之前的平均等待时间。一个最优的算法肯定会试图最小化这个参数。结果表明RB2B算法的AWT远小于其它五种算法。因此RB2B对AWT有较好的效果图11显示了平均周转时间的比较。这个参数被测量为所有云的周转时间的平均值，这是从云的到达到完成所花费的时间。ATAT也应该最小化，图13AVMUR比较。6050RB2B40 RASA30最大值-最小值20分钟-分钟10个RRA0电导分配策略图14VMSD比较。该图示出了RB2B再次给出比其它五种算法好得多的结果。平均完工时间的比较结果如图12所示。许多cloud-let完成它们的执行所花费的总时间被称为完工时间。该参数也应该被最小化，并且RB2B再次证明了其效率，如图12所示。从图13可以看出，RB2B的平均虚拟机利用率远远好于其他虚拟机。AVMUR是一个应该始终最大化的参数。RB2B给出了超过70%的AVMUR，而CA给出的第二好结果分 配 给 VM 的 Cloudlet 数 量 的 标 准 偏 差 用 于 测 量Cloudlet分布的偏差。设zi是分配给VMi的微云的数量，l是分配给不同VM的微云的数量的平均值（zi）。因此，对于“n”数量的VM的微云分布CloudSim 3.0.3.最后，对图vuXn-12Xn-1以表格形式。由于空间限制，这里无法给出参考cloudlet字符串和VMr¼t1=n1/4zi-l1/4ðziÞ ð8Þ所提出的工作的结果的改善表明RB2B的效率。考虑五个参数来比较和分析这些算法的性能。它们是平均等待时间（AWT），平均周转时间图14 示出了VM 分配标准偏差的比较。总数量的cloudlets抵达 是 （（g n）+h），其中g和h是两个任意的整数， 那么，RRA的VMSD将是表8性能评价比较结果。参数RB2BRASAMax-minMin-minRRA电导AWT47.17729.0761.5730.3337.3479.6ATAT57.68743.4776.5745.1352.1486.平均闭合跨度1373.34567.25046.34954.24976.21678.8AVMUR（%）753029292938VMSD22.633.53.5052.3表9改善的百分比参数RASAMax-minMin-minRRA电导AWT（%）93.593.893.586.090.2ATAT（%）92.292.592.383.688.1平均闭合跨度（%）69.972.872.272.418.2AVMUR（%）4546464637VMSD（%）23.942.942.9–96.2VMSDAVMUR（%）482S. Roy等人表10通过对现有算法&的比较研究，提出了RB2B算法。性质配置优势Min-min静态Max-min静态RASA静态RRA动态电导RB2B静止型动态的空闲时间虚拟机几乎为零移除敏敏的缺点优点最小简单得多实施缺点(i) 缺乏资源统一利用(ii) 不 是 最佳 的 ，当数字-(i)完工时间是更大比他人的Makespan在任何情况下都与其他相比，其他四五项政策大的云团通常 资源A Little Bit最小值-分配给虚拟机的利用率是复杂的，最响应时间的浪费简单如其他资源。五策误码率较小(ii)增加较小云团的等待时间时间复杂性cloudlets大O（Mn2）O（Mn2O（Mn2O（Mn）O（Mn2O（Mn）rRRA¼1=nphn-hð9Þ与虚拟机和微云的比例一样，这两个平衡因素，传入微云的大小分布模式可以可以看出，RRA的VMSD的最大值将为0.5。然而，RB2B在这里给出了第二好的结果。表8描述了基于参数值的性能分析。表9显示了RB2B在不同性能指标方面相对于其他算法的改进率。表10显示了六种算法的比较总结。8. 结论和今后的范围云计算是一个巨大的研究领域，云分配在良好的服务交付中起着关键作用。这一领域的发展空间很大。本文提出了一种三阶段的云分配算法，有效地克服了现有的分配策略的主要缺点。所提出的RB2B工作在与两个主要平衡条件相关联的分层方法中，其中每一层都试图最大化更好分配的机会。它测量微云的长度，并相应地选择遵循微云大小可接受范围的VM。如果所选的VM可用，则将检查平衡阈值条件。如果满足条件，则将向目标VM分配cloudlet。如果这样的合适的VM可用，则分配cloudlet。但是如果仍然没有找到合适的VM，则RB2B的第三阶段将开始。然后，它搜索合适的VM并将cloudlet分配给该VM的本地队列。从而实现了对小云团的合理分配和更好的资源操作我们正计划开发这个建议RB2B政策与非线性优化技术作为未来的工作与软计算。这将通过采用性能学习机制，以智能的方式处理与云分配相关的挑战。一些因素经过训练和分析，使整体性能得到高度提升。最终，这也可以改善整个系统的成本和往返时间致谢该项目由Kalyani大学的UGC DST钱包计划提供部分和财政支持。 审查员和编辑提出的宝贵建议丰富了这一工作。引用Afzal，A.，Mc Gough，A.S.，达林顿，J。，2008.网格计算环境中的容量规划与调度。J. Future Gener. Comput. 24（5），404-414. http://dx.doi.org/10.1016/j.future.2007.07.004.Armbrust，M.，福克斯，A.，格里菲斯河，Joseph，A.，卡茨河，Konwinski，A.，Lee，G.，帕特森，D.，Rabkin，A.，斯托伊卡岛Zaharia，文学硕士，2010.云计算的观点。Commun.ACM53（4），50-58。http://dx.doi.org/10.1145/1721654.1721672网站。Aziz，A.，El-Rewini，H.，2008年研究了利用元算法提高网格工作流在 线调度效率的 算法。群集 计算11 （ 4 ）， 373-390.http://dx.doi.org/10.1007/s10586-008-0062-y.Banerjee，S.，Adhikari，M.，Kar，S.，比斯瓦斯大学，2015.开发和分析一种新的用于云服务质量改进的微云分配策略。Arabian J. Sci. 工 程 师 ： 1319-8025 40 （ 5 ） ， 1409-1425 。http://dx.doi.org/10.1007/s13369-015-1626-9网站。Belalem ， G. ， Tayeb ， F.Z. ， Zaoui ， W. ， 2010. 改 进 模 拟 器CloudSim中资源管理的方法。在：Zhu，R.，张玉，刘，B.，Liu，C.（编），. 见：ICICA 2010年。LNCS，6377。施普林格，海德堡，pp. 189-196.Benjamin Khoo ， B.T. ， Veeravalli ， B. ， 洪 ， T. ， 西 蒙 · 西 ，C.W.，2007.一种网格计算环境下的多维调度方案. J.平行分布Comput.67（6），659-673。得双dx.doi.org/10.1016/j.jpdc.2007.01.008值.三阶段云分配算法分析483Bhatia，W.，Buyya河，Ranjan河， 2010. CloudAnalyst：一个基于CloudSim的可视化建模工具，用于分析云计算环境和应用程序，第24届IEEE高级信息网络和应用国际会议，pp. 446- 452Bittencourt，L.F.，Sakellariou河，马德拉，急诊室，2010.使用异构 最 早 完 成 时 间 算 法 的 前 瞻 变 体 的 DAG 调 度 。 In ： 18thEuromicro International Conference on Parallel ， and Network-BasedProcessing（PDP），34，p.27.dx.doi.org/10.1109/PDP.2010.56，2月17日至19日2010年。Braun，T. D.，西格尔，H. J.，Maciebenski，A.A.，洪，Y.，2008.用于异构计算环境的静态资源分配，其中cloudlet具有依赖性、优先级、截止日期和多个版本。J. 平行分布Comput. 68（11），15041516. http://dx.doi.org/10.1016/j.jpdc.2008.06.006网站。Buyya河，Yeo，C.S.，Venugopal，S.，Broberg，J.，布兰迪奇岛，2009年a。云计算和新兴IT平台：将计算作为第五种实用工具交付的愿景、宣传和现实。未来一代Comput. 2009 25（6），599-616。Buyya河，Ranjan河，Calheiro，RN，2009年b。可扩展云计算环 境 和 CloudSim 工 具 包 的 建 模 与 仿 真 ： 挑 战 与 机 遇http://arxiv.org/pdf/0907.4878>Calheiros，R. N.，Ranjan河，De Rose，C.A.F.，Buyya河，2009.CloudSim：一个用于云计算基础设施和服务。Calheiros，R. N.，Ranjan河，Beloglazov，A.，De Rose，C.A.F.，Buyya河，2010. CloudSim：云计算环境建模和仿真工具包，以及资源配置算法评估。2010年8月24日在Wiley Online Library（wileyonline
