1.一种云计算负载均衡方法,其特征在于,包括:
获取用户提交的云计算任务申请;根据云计算任务申请将云计算任务分成M个云计算子任务Tm,m=1,2,3,……M,m为云计算子任务Tm对应的云计算子任务编号,同时获取每个云计算子任务的任务计算量Qm,且从M个云计算子任务Tm按照对应的任务计算量Qm从大到小进行排列;
获取N个云计算虚拟机对应的虚拟机编号n,n=1,2,3,……N;同时获取虚拟机编号n对应的虚拟机计算能力Cn;
在云计算子任务Tm、任务计算量Qm、虚拟机编号n和虚拟机计算能力Cn的基础上通过改进后的红狐优化算法对任务分配方案进行模拟,并输出最优任务分配方案;
基于最优任务分配方案将M个云计算子任务Tm分配至N个云计算虚拟机;云计算子任务Tm、任务计算量Qm、虚拟机编号n和虚拟机计算能力Cn的基础上通过改进后的红狐优化算法对任务分配方案进行模拟,具体包括如下步骤:S1:基于云计算子任务Tm和虚拟机编号n建立模拟种群集合,模拟种群集合中存储E个任务分配模拟方案Fe,e=1,2,3,……E,e为任务分配模拟方案编号;任务分配模拟方案Fe的存储形式为其中指的是第m个云计算子任务Tm分配的虚拟机编号;
S2:设置最大迭代次数G,并设置g=1,g用于记录迭代次数;
S3:计算模拟种群集合中E个任务分配模拟方案Fe的适应度值δe,并选择E个任务分配模拟方案Fe中适应度值δe最大的任务分配模拟方案Fe作为全局最优任务分配模拟方案Fbest;
S4:基于E个任务分配模拟方案Fe的适应度值δe对模拟种群集合中的E个任务分配模拟方案Fe进行更新;
S5:对更新后的模拟种群集合中的E个任务分配模拟方案Fe计算适应度值δe,选择更新后的模拟种群集合中的适应度值δe最大的任务分配模拟方案Fe,记为待选任务分配模拟方案Fchoose,将待选任务分配模拟方案Fchoose的适应度值δchoose与全局最优任务分配模拟方案Fbest的适应度值δbest进行比较,若是待选任务分配模拟方案Fchoose的适应度值δchoose高于全局最优任务分配模拟方案Fbest的适应度值δbest,将待选任务分配模拟方案Fchoose作为新的全局最优任务分配模拟方案Fbest;否则,无操作;
S6:判断“g<G”是否成立,若是“g<G”成立,将g+1赋值给g,回到S4;若是“g<G”不成立,进入S7;
S7:将全局最优任务分配模拟方案Fbest作为最优任务分配方案进行输出;
模拟种群集合建立的步骤如下:S1.1:建立一个空的任务模拟分配集合H,任务模拟分配集合H存储形式为{h1,h2…hm…hM},hm初始为0,从任务模拟分配集合H逐个选择hm,针对选择的hm,从N个虚拟机编号n随机选择一个虚拟机编号n对hm进行重新赋值;当任务模拟分配集合H中所有元素hm都被重新赋值后,将任务模拟分配集合H作为任务分配模拟方案Fe进行输出;
S1.2:重复E次步骤S1.1,获得E个任务分配模拟方案Fe,并将E个任务分配模拟方案Fe组成模拟种群集合;
还包括对模拟种群集合的优化,具体步骤如下:
在每一次执行对任务分配方案进行模拟时,记录任务计算量数据集合φ ξ和对应的最优任务分配方案ψξ,ξ=1,2,3,……J,J为任务计算量数据集合φ ξ的总数量;任务计算量数据集合φ ξ包括从大到小进行排列的任务计算量Qm;将所有任务计算量数据集合φ ξ和对应的最优任务分配方案ψξ组成任务分配模拟方案匹配库,任务分配模拟方案匹配库中任务计算量数据集合φ ξ和对应的最优任务分配方案ψξ一一对应;
在云计算子任务Tm、任务计算量Qm、虚拟机编号n和虚拟机计算能力Cn的基础上通过改进后的红狐优化算法对任务分配方案进行模拟之前,判断任务分配模拟方案匹配库中是否为空,若是任务分配模拟方案匹配库中为空,直接对任务分配方案进行模拟;若是任务分配模拟方案匹配库中不为空,将任务计算量Qm从大到小进行排列,构建待模拟任务计算量数据集合φ stay,将待模拟任务计算量数据集合φ stay与任务分配模拟方案匹配库中所有的任务计算量数据集合φ ξ计算相似度σξ,将满足“σξ>σconfidence”的任务计算量数据集合φ ξ对应的最优任务分配方案ψξ组成种群待选集合,其中σconfidence为相似度阈值;在云计算子任务Tm、任务计算量Qm、虚拟机编号n和虚拟机计算能力Cn的基础上通过改进后的红狐优化算法对任务分配方案进行模拟时,将种群待选集合中的所有最优任务分配方案ψξ作为任务分配模拟方案Fe存入模拟种群集合中,通过步骤S1 .1至步骤S1 .2生成E‑B个任务分配模拟方案Fe,B为种群待选集合中的所有最优任务分配方案ψξ的总个数,将E‑B个任务分配模拟方案Fe与B个最优任务分配方案ψξ组成模拟种群集合;
还包括对最优任务分配方案的直接输出,具体步骤如下:
当获取到用户提交的云计算任务申请时,将此云计算任务申请对应的所有任务计算量Qm从大到小进行排列组成待计算任务计算量数据集合,再将待计算任务计算量数据集合送入训练好的最优任务分配方案预测模型进行计算,最优任务分配方案预测模型基于BP神经网络进行建立,输出预测任务分配方案,计算预测任务分配方案对应的适应度值,若是预测任务分配方案对应的适应度值高于预设适应度值,则将预测任务分配方案作为最优任务分配方案进行输出;否则,对任务分配方案进行模拟;
对最优任务分配方案预测模型的训练包括如下步骤:获取任务分配模拟方案匹配库中所有的任务计算量数据集合φ ξ和对应的最优任务分配方案ψξ,将任务计算量数据集合φ ξ和对应的最优任务分配方案ψξ组成训练样本,再将所有训练样本组成训练样本集;将训练样本集送入初始化参数的最优任务分配方案预测模型进行训练,期间以最优任务分配方案ψξ作为目标输出,计算损失值,若是损失值在预设范围内,输出训练好的最优任务分配方案预测模型;否则,继续迭代训练。
2.根据权利要求1所述的一种云计算负载均衡方法,其特征在于,计算任务分配模拟方案Fe的适应度值δe包括如下步骤:由于在进行云计算任务负载均衡时,更多考虑的是任务完成时间,因此任务分配模拟方案Fe的适应度值δe也是基于任务完成时间进行计算;根据任务分配模拟方案Fe建立任务分配矩阵AMN,任务分配矩阵AMN内部的任务分配数值amn表示任务分配矩阵AMN内第m行第n列的数据,建立方式如下:从任务分配模拟方案Fe中逐个选择元素并提取元素对应的虚拟机编号n和云计算子任务编号m,将虚拟机编号n和云计算子任务编号m对应的任务分配数值amn赋值为1,当任务分配模拟方案Fe中所有元素被选择完毕后,完成任务分配矩阵AMN的建立;适应度值δe的计算公式如下:
3.根据权利要求2所述的一种云计算负载均衡方法,其特征在于,基于E个任务分配模拟方案Fe的适应度值δe对模拟种群集合中的E个任务分配模拟方案Fe进行更新,具体包括如下步骤:S4.1:从模拟种群集合中逐个选择任务分配模拟方案Fe,针对选择的任务分配模拟方案Fe执行第一次更新:
S4 .1 .1:计算选择的任务分配模拟方案Fe与其余的任务分配模拟方案之间欧式距离dej,其中j=1,2,3,……E,且j≠e;将满足条件“dej<visual”的任务分配模拟方案Fj组成第一可视集合U1,其中visual为视野参数,基于第一可视集合U1建立中心任务分配模拟方案Fcenter,中心任务分配模拟方案Fcenter的存储形式为实现对任务分配模拟方案Fe的第一次更新;若是不成立,不保留对任务分配模拟方案Fe的替换;
S4.2:从经过第一次更新的模拟种群集合中逐个选择任务分配模拟方案Fe,针对选择的任务分配模拟方案Fe执行第二次更新:
S4.2.1:通过随机函数生成一个0至1之间的随机数α,判断“α>β”是否成立,β为局部搜索允许阈值;若是“α>β”成立,进入S4.2.2;否则,无操作;
S4 .2 .2:计算选择的任务分配模拟方案Fe与其余的任务分配模拟方案之间欧式距离dek,其中k=1,2,3,……E,且k≠e,将满足条件“dek<visual”的任务分配模拟方案Fk组成第二可视集合U2,遍历选择的任务分配模拟方案Fe,针对选择的每一个虚拟机编号从第二可视集合U2中所有任务分配模拟方案Fk中的第m个云计算子任务Tm分配的虚拟机编号中随机选择一个虚拟机编号对任务分配模拟方案Fe中的虚拟机编号进行替换,当任务分配模拟方案Fe中的所有虚拟机编号替换完毕后,计算替换后的任务分配模拟方案Fe的适应度值判断是否成立,若是成立,保留替换后的任务分配模拟方案Fe,实现对任务分配模拟方案Fe的第二次更新;若是不成立,不保留对任务分配模拟方案Fe的替换;
S4.3:从经过第二次更新的模拟种群集合中逐个选择任务分配模拟方案Fe,针对选择的任务分配模拟方案Fe执行第三次更新:
S4 .3 .1:计算选择的任务分配模拟方案Fe与其余的任务分配模拟方案之间欧式距离dei,其中i=1,2,3,……E,且i≠e,将满足条件“dei<visual”的任务分配模拟方案Fk组成第三可视集合U3,选择第三可视集合U3中适应度值最大的任务分配模拟方案,记为局部最优任务分配模拟方案Fpart,判断是否成立,其中δpart为局部最优任务分配模拟方案Fpart的适应度值,Up为第三可视集合U3中元素的总个数;若是成立,进入S4.3.2;否则,无操作;
S4.3.2:统计选择的任务分配模拟方案Fe与局部最优任务分配模拟方案Fpart中对应云计算子任务Tm上分配的虚拟机编号不一致的云计算子任务Tm个数ε3,随机整数生成函数生成一个1至ε3之间的随机整数η3,同时通过随机整数生成函数生成一个1至M之间的随机整数μ3,将局部最优任务分配模拟方案Fpart中第μ3个虚拟机编号至第μ3+η3个虚拟机编号对选择的任务分配模拟方案Fe中第μ3个虚拟机编号至第μ3+η3个虚拟机编号进行替换,判断案Fe分别记为第一父本任务分配模拟方案Fmale1和第二父本任务分配模拟方案Fmale2,且满足第一父本任务分配模拟方案Fmale1的适应度值δmale1高于第二父本任务分配模拟方案Fmale2的适应度值δmale2,再选择前r个任务分配模拟方案Fe组成游离更新集合,从游离更新集合中逐个选择任务分配模拟方案Fe,针对选择的任务分配模拟方案Fe执行第四次更新:S4.4.1:通过随机函数生成一个0至1之间的随机数τ,判断“τ<υ”是否成立,其中υ为新个体生成阈值;若是“τ<υ”成立,进入S4.4.2;否则,无操作;
S4.4.2:通过随机整数函数生成一个1至τM之间的随机整数η4,同时通过随机整数生成函数生成一个1至M之间的随机整数μ4,将第二父本任务分配模拟方案Fmale2中第μ4个虚拟机编号至第μ4+η4个虚拟机编号对第一父本任务分配模拟方案Fmale1中第μ3个虚拟机编号至第μ3+η3个虚拟机编号进行替换,构建新的第一父本任务分配模拟方案Fmale1,并将新的第一父本任务分配模拟方案Fmale1替换选择的任务分配模拟方案Fe,实现对任务分配模拟方案Fe的第四次更新。
4.一种云计算负载均衡系统,其特征在于,所述系统应用于上述权利要求1‑3任一项所述的一种云计算负载均衡方法,包括:
云计算任务信息获取模块,用于获取用户提交的云计算任务申请,并根据云计算任务申请将云计算任务分成云计算子任务,同时获取每个云计算子任务的任务计算量;
虚拟机信息获取模块,用于获取云计算虚拟机对应的虚拟机编号,同时获取虚拟机编号对应的虚拟机计算能力;
最优任务分配方案输出模块,用于在云计算子任务、任务计算量、虚拟机编号和虚拟机计算能力的基础上通过改进后的红狐优化算法对任务分配方案进行模拟,并输出最优任务分配方案;
云计算任务分配模块,用于基于最优任务分配方案将云计算子任务分配至云计算虚拟机;
还包括:任务分配模拟方案匹配库管理模块,用于在每一次执行对任务分配方案进行模拟时,记录任务计算量数据集合和对应的最优任务分配方案,并将所有任务计算量数据集合和对应的最优任务分配方案组成任务分配模拟方案匹配库;
最优任务分配方案预测模型管理模块,用于训练和存储最优任务分配方案预测模型管理;预测任务分配方案输出模块,用于通过最优任务分配方案预测模型输出预测任务分配方案;
预测任务分配方案判断模块,用于判断预测任务分配方案对应的适应度值是否高于预设适应度值,若是预测任务分配方案对应的适应度值高于预设适应度值,预设适应度值人为设定,则将预测任务分配方案作为最优任务分配方案进行输出;否则,对任务分配方案进行模拟。