[发明专利]一种基于Spark与优化MBBO算法的并行虚拟机聚合方法

摘要

本发明提供一种基于Spark与优化MBBO算法的并行虚拟机聚合方法，通过拓展的Spark并行框架及多目标生物地理学优化MBBO算法，从而能够在比较短的收敛时间内求解VMC问题的最佳迁移方案，为后续的虚拟机并行迁移奠定基础。其包括如下步骤，步骤1，将虚拟机聚合问题映射到生物地理学优化算法中，确定约束条件，明确求解目标；步骤2，基于拓展的Spark并行框架，分发满足约束条件的初始栖息地群到各Spark计算节点并迭代执行MBBO并行算法，直到满足终止条件，停止算法执行并获取能够平衡多个优化求解目标的最优解。利用拓展的Spark并行框架的同时，将生物地理学概念映射到优化问题中。

主权项

1.一种基于Spark与优化MBBO算法的并行虚拟机聚合方法，其特征在于，包括如下步骤，步骤1，将虚拟机聚合问题映射到生物地理学优化算法中，确定约束条件，明确求解目标；步骤2，基于拓展的Spark并行框架，分发满足约束条件的初始栖息地群到各Spark计算节点并迭代执行MBBO并行算法，直到满足终止条件，停止算法执行并获取能够平衡多个优化求解目标的最优解；具体包括如下步骤，步骤2.1，通过添加二级Reduce方法拓展Spark并行框架，使其具有Map‑1stReduce‑2ndReduce 3个执行阶段，并采用主从式‑细粒度的两层并行化模型；并行框架的上层采用主从式的并行模式，由Master节点将初始栖息地群划分为若干个群岛，分配到不同的Worker节点并行执行；Master节点负责任务分派，结果回收、子问题的切分以及监督算法的执行状态；步骤2.2，并行框架的下层采用细粒度的并行模式实现各群岛的并行执行过程；各Worker节点采用Map方法接收对应的群岛，并进行群岛内SIV迁移和突变的迭代过程；采用1stReduce方法获取同一Worker节点上Map方法产生的中间结果，进行子代栖息地群和父代精英解的HSI计算并从高到地排序，替换更新该Worker节点保存的父代精英解并作为下一次迭代过程的初始栖息地群；步骤2.3，经过设定的迭代间隔，采用2nd Reduce方法获取所有Worker节点1st Reduce产生的最新精英解并相互交换，交付给Master节点；步骤2.4，由Master节点收集各Worker节点的精英解，判断终止条件，若不满足终止条件，则将收集的精英解重新分发到各Worker节点，作为新栖息地群参加下一次迭代过程。