[發明專利]基于服務質量要求驅動的云計算網絡資源分配方法

有效

• 申請號: 201410081223.5
• 申請日: 2014-03-06
• 公開（公告）號: CN103856563B
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 徐雷;楊余旺;李亞平;唐振民;蘭少華;張小飛
• 申請（專利權）人: 南京理工大學
• 主分類號: H04L29/08
• 分類號: H04L29/08;H04L29/06
• 代理公司: 南京理工大學專利中心32203
• 代理人: 朱顯國

技術領域

本發明屬于計算機網絡技術領域，特別是一種基于服務質量要求驅動的云計算網絡資源分配方法。

背景技術

云計算為建立在計算和存貯虛擬化技術上的下一代數據中心保證了可靠的服務。云是一種包含一組相互連接和虛擬化的計算機分布式系統，這些計算機動態的提供一個或者多個統一的以服務水平協議為基礎的計算資源，而此協議則是通過服務提供商和消費者的協商建立。因此云計算服務包括軟件服務、基礎設施服務和平臺服務，這些服務每一個都有不同的商業價值。然而云計算的最終目的是創造一個包含計算機、服務器和數據中心的虛擬資源池來保證用戶根據自己的需求獲取存貯數據和應用的機會。

在分布式計算環境中，高達85%的計算能力是閑置的，云是解決這個問題的有效方法，它可以提供即時的和急需的計算訪問資源，并且為用戶和云的供應商節省了大量的成本。云供應商利用云的靈活的服務供應模型，可以在任何給定的時間內滿足終端用戶對服務質量有要求，在這樣的一個環境下，云中所有的內置請求要求同時使用可能性非常小。因此物理資源在請求的資源當中可以被復用，這就使得我們可以容納更多的請求。更重要的是，在未來因特網的前景中，因特網在什么地方連接物體和基礎設施的聯合變得尤為重要。對許多云計算應用而言，網絡性能將成為云計算性能關鍵，從本質上來說云中服務質量的傳遞與網絡結合在了一起，它推動著網絡云模式的創造。

為了促進這一新興模式的有效實現，傳統的云計算資源和網絡相關的資源需要被共同處理和優化。因此人們需要考慮動態配置和組合，并將網絡資源和計算資源同時進行最優化。在資源的動態配置和組合過程中，還應該考慮這些資源的功能性和非功能性的特性，其中功能性參數定義了計算/網絡的資源屬性，例如，操作系統、支撐的虛擬環境等；而非功能性參數則明確提出各種資源的標準和約束，比如每一個節點的最大接口數、最大的磁盤空間等。因此和網絡性能相關的指標則可以被視為需要優化的目標或者需要滿足的約束。

專利1（一種云計算環境下的分層資源預留系統，華中科技大學，公開號CN102014159A，申請號CN201010565399.X，申請日2010.11.29）公開了一種云計算環境下的分層資源預留系統，該系統由中心預留服務器、區域預留服務器和多層次資源池組成。其中中心預留服務器包括預留請求響應層和多區域中心預留協同層；區域預留服務器分為邏輯調度層和資源分配層，邏輯調度層負責接受資源預留子請求，在邏輯上分配資源；資源分配層負責實施資源分配和回收。但是該方法是只是設計了云計算環境下的分層資源預留系統，沒有設計云計算網絡中的虛擬資源分配方法。

專利2（基于自適應彈性控制的云計算資源優化配置方法，合肥工業大學，公開號CN103220337A，申請號CN201310095506.0，申請日2013.03.22）公開了一種基于自適應彈性控制的云計算資源優化配置方法，該方法首先監控模塊從云計算平臺采集資源使用狀態數據；其次預測模塊利用從監控模塊中獲得的數據對下一時間段內的資源需求動態變化情況進行預測；最后資源配置模塊利用當前和預測的云計算資源需求量來采取基于混合彈性控制的資源配置策略。然而該方法沒有將計算資源和網絡資源需要共同處理和優化，不能促進網絡計算環境的高效實現。

發明內容

本發明的目的在于提供一種高效、可靠的基于服務質量要求驅動的云計算網絡資源分配方法，從計算資源和網絡帶寬資源兩個維度動態按需分配資源，以充分挖掘云計算網絡中可用的硬件和軟件資源。

實現本發明目的的技術解決方案為：一種基于服務質量要求驅動的云計算網絡資源分配方法，包括以下步驟：

步驟1，云計算網絡中中央處理服務器收集用戶終端的虛擬資源使用申請；

步驟2，云計算網絡中中央處理服務器收集底層網絡中各節點的可用資源；

步驟3，云計算網絡中中央處理服務器采用量子免疫方法進行虛擬資源分配，包括以下步驟：

步驟3.1，初始化量子免疫方法參數，初始化種群中每個抗體的量子編碼向量；

步驟3.2，將每個抗體的量子編碼向量轉化為二進制向量；

步驟3.3，檢驗每個抗體編碼向量是否滿足底層節點的流守恒公式和底層節點最大容量限制公式，檢驗每個抗體編碼向量是否滿足虛擬流量和帶寬容量限制，檢驗每個抗體編碼向量是否滿足資源分配解的可行性限制；

步驟3.4，確定每個抗體的期望繁殖概率，根據期望繁殖概率從種群中提取父代種群和記憶庫種群；采用量子旋轉門操作方法得到新群體中抗體，并且合并記憶庫中抗體，構成新一代種群；