原创基于模糊聚类分析的云计算负载平衡策略

《原创基于模糊聚类分析的云计算负载平衡策略》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、文章编号:1001-9081(2012)01-0213-05doi:10.3724/SP.J.1087.2012.00213中国论文网　　　　摘要:如何实现资源访问的负载平衡成为云计算实施的关键问题之一。基于云计算环境的特点，改进了模糊聚类算法，将粒子群优化算法与模糊C均值聚类算法融合，提高算法正确率。将改进后的聚类算法应用于对各个计算节点的输入输出(I/O)及中央处理器(CPU)利用率的分析,得到对于负载度的分类，并以此为依据判断需要迁移任务的节点，进而实现负载平衡。实验结果表明无论是在UCI机器学习库或是针对提出的负载平衡机制环境下,改进的模糊聚类算法在算法的准确率方

2、面均优于传统算法10%以上，且在算法稳定性方面亦优于传统算法。　　　　?关键词:云计算；模糊聚类；负载平衡；粒子群优化算法　　?中图分类号:TP18;TP311.52文献标志码:A　　?　　Abstract:Itplaysanimportantroleinrealizingcloudcomputingtoimplementtheloadbalanceofaccessingresources.Therefore,basedonthecharacteristicsofcloudcomputingenvironment,animprovedfuzzyclusteringanal

3、ysisalgorithmwasproposedinthispaper.Furthermore,integratingParticleSwarmOptimization(PSO)algorithmwithfuzzyC-meansalgorithmimprovedthealgorithmaccuracy.Then,usingtheimprovedfuzzyclusteringalgorithminanalyzingutilizationratioofI/OandCentralProcessingUnit(CPU)ofallcomputingnodes,eachnodewas

4、dividedintoanaffirmatorycollection.Anditrepresenteditsloadlevel,asabasisforjudgingthenodewhichneededtotransfertasks,soastoachievetheloadbalance.Accordingtotheexperimentalresults,intermsofalgorithmaccuracy,nomatterwhatisintheUCImachinelearningrepository,orfortheproposedloadbalancingmechani

5、sm,theimprovedfuzzyclusteringalgorithm?sreachedthetraditionalone?sby110%.Besides,itsurpassesthetraditionaloneinthestabilityofthealgorithm.　　　　Keywords:cloudcomputing;fuzzyclustering;loadbalance;ParticleSwarmOptimization(PSO)algorithm　　　　　　0引言?　　在云计算环境下，大量用户对系统提出请求时，均希望可以在短时间内得到响应,此时对任务的分配

6、显得尤为重要。应尽可能调整每个节点的计算量，使得整个系统能处于均衡状态［1］，这就是负载平衡策略所要完成的最根本的任务。现有的负载平衡算法主要可以分为两种：一种是预测法；另一种是实测法。?　　1)预测法。指通过对计算节点以前的负载情况的学习，预测该计算节点之后的负载状况。文献［2］中，作者利用了基于误差反向传播（BackPropagation,88娱乐城天上人间www.88tsrj.comrewBP）算法的人工神经网络的方法对计算节点的负载状况进行预判，从而得到下一时刻该节点的负载状况。在基于模拟退火遗传算法的网络负载平衡算法［3］研究中，作者利用了模拟退火遗传算法对计算

7、节点的负载状况进行预判，从而得到下一时刻该节点的负载状况。文献［4］中，作者提出了一种基于随机延迟论的层次结构负载平衡策略，这个策略的优点在于应用通信优化的层次结构减小负载平衡开销，并且还将广义神经网络理论模型应用到了节点计算速率以及通信介质的随即延迟上。但是作者提出的这种负载平衡策略还不能解决多对多的通信，并且系统的容错性也较差。上述文献中的预测算法虽然在一定程度上提高了网络资源利用率，提高了网络负载平衡的能力，但是这些算法都需要很多人为设定的参数，比如交叉、变异概率等，且一旦系统资源发生重大变化，则需要重新训练。?