[发明专利]面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法

说明书

本发明涉及一种面向负载‑时间窗口的面向负载时间窗口的基于PSO‑GA的云服务资源自适应分配方法，包括以下步骤：步骤S1:初始化时间窗口参数;步骤S2:采用改进的PSO‑GA算法，并基于QoS预测模型，搜索窗口内的目标资源分配方案；步骤S3:根据得到的目标资源分配方案，对当前的虚拟机分配方案作出相应调整。本发明能够有效提高云应用资源分配的效率。

技术领域

本发明涉及云计算领域，具体涉及一种面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法。

背景技术

如今，基于云计算的软件服务对自适应资源分配提出要求，这种分配可以根据需要动态调整资源，以保证良好的服务质量(QoS，Quality of Service)和低成本资源。然而，在复杂波动的负载环境下，以具有成本效益的资源量来分配资源并满足QoS是一个挑战。

发明内容

有鉴于此，本发明的目的在于提供一种面向负载时间窗口的基于PSO-GA的云软件服务资源自适应分配方法，能够有效提高云应用资源分配的效率。

为实现上述目的，本发明采用如下技术方案：

一种面向负载时间窗口的基于PSO-GA的云服务资源自适应分配方法，包括以下步骤：

步骤S1:初始化时间窗口参数；

步骤S2:采用改进的PSO-GA算法，并基于QoS预测模型，搜索窗口内的目标资源分配方案；

步骤S3:根据得到的目标资源分配方案，对当前的虚拟机分配方案作出相应调整。

进一步的，所述时间窗口参数包括时间窗口对应的负载、负载对应的增加虚拟机分配方案以及虚拟机分配方案。

进一步的，所述改进的PSO-GA算法采用变异运算和交叉运算，来代替原始粒子的运动。

进一步的，所述改进的PSO-GA算法采用离散编码方式对PSO的粒子进行编码，对于时间窗口k，窗口内的增加虚拟机资源分配方案表示为：

其中l为时间窗口k的长度，它表示窗口内增加虚拟机资源分配方案的数量；

将窗口k内增加虚拟机分配方案ADD^k作为粒子X，一个粒子代表窗口k对应的增加虚拟机资源分配方案；

设窗口中虚拟机类型有m种，窗口长度为l，则第i个粒子的第t次迭代表示为：

每个粒子由m×l个元素构成；表示i^th粒子在t^th迭代后，时间窗口内j^th增加虚拟机分配方案中k^th虚拟机类型的数量，且每种虚拟机类型数量的取值在[0,4]之间。

进一步的，所述改进的PSO-GA算法的适应度函数，具体为：

设时间窗口的长度为l，则窗口i内的负载Wⁱ表示为：

窗口i内的负载是分段函数；

时间窗口i内的虚拟机资源分配方案VMⁱ通过窗口i内增加的虚拟机资源分配方案ADDⁱ计算得到，ADDⁱ下式所示：

则VMⁱ表示为：

对窗口i内增加的虚拟机资源分配方案ADDⁱ进行粒子编码，VMⁱ通过粒子编码计算得到；