[發明專利]一種基于蟻群算法的部署優化方法

在審

• 申請號: 201910357031.5
• 申請日: 2019-04-29
• 公開（公告）號: CN110098964A
• 公開（公告）日: 2019-08-06
• 發明（設計）人: 應時;錢云;董波;王勇
• 申請（專利權）人: 武漢大學
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

本發明針對軟件部署優化問題提出了一種新的基于蟻群算法的部署優化方法(Ant Colony Optimization for Deployment Optimization，ACO?DO)。該方法利用效用函數平衡沖突的性能評價因素，通過設計基于問題的啟發式，提高算法的收斂速度；通過在部署方案構建過程中，考慮方案組件的選擇順序，提高部署方案的構建質量；通過增加局部搜索過程，避免過早收斂于局部最優解。理論分析和實驗結果表明，在實現軟件部署優化問題時，ACO?DO比現有的蟻群系統(Ant Colony System,ACS)、遺傳算法(Genetic Algorithm,GA)具有更好的綜合性能。

技術領域

本發明涉及軟件部署與性能分析技術領域，具體涉及一種基于蟻群算法的部署優化方法。

背景技術

面向服務的體系結構以其松耦合、可重用和易組合等特性，已被廣泛地應用于當前軟件系統的開發之中，采用這一體系結構開發的軟件被稱為面向服務的軟件。面向服務的軟件經過長時間的運行會出現性能降級問題，即隨著應用范圍的擴展、用戶數量的增多，軟件的性能和服務質量嚴重下降。實踐表明，面向服務軟件性能降級的原因主要來自兩方面：一是由于軟件自身的設計或編碼缺陷所引發的，通常可以從開發和構造的角度對軟件的設計和代碼進行優化來解決；二是由于應用和系統環境的變化所引發的，例如運行環境中硬件資源供給不足或出現故障、用戶數量增多、某時間段內某個應用服務或業務工作流的使用異常頻繁等都可能引發軟件的性能降級，目前常用的方法是通過對軟件部署方案和資源供給進行調整和優化來解決。例如，優化軟件的部署結構，為負載較高的服務分配更多的計算資源；在相同節點上部署交互頻繁的服務來減少通訊代價，都能夠有效地提升軟件性能，解決軟件性能降級問題。但為面向服務的軟件設計和開發能夠表現出優異性能的部署方案較困難。

國內外專家學者在軟件部署方案的優化與評估方面展開了大量的研究，提出了一些解決方法。歸納起來，這些方法主要分為兩類：一是以數理統計為基礎的精確方法(例如，線性規劃(Liner Programming，LP))。二是以元啟發式為基礎的近似方法(例如，遺傳算法(Genetic Algorithm，GA)，蟻群優化算法(Ant Colony Optimization，ACO))。

本申請發明人在實施本發明的過程中，發現現有技術的方法，至少存在如下技術問題：

精確方法建立在完善的數理統計基礎之上，利用該類方法總能搜索到最優解，但需要耗費昂貴的計算成本；而近似方法利用元啟發式為指導，雖可能無法獲取最優解，但能夠以較低的成本快速找到近似最優解。由于軟件部署優化問題是典型的NP難題，在最壞的情況下求解該問題，所需耗費的時間將隨著問題的規模呈現指數增長。為面向服務的軟件設計和開發能夠表現出優異性能的部署方案較困難。一方面，由于可能的部署方案總數通常非常巨大，探索可行的部署空間需耗費大量的計算成本。另一方面，評估性能的指標之間以及不同用戶對同一指標的評價之間常常存在沖突，搜尋最優的軟件部署方案常常需要衡量這些沖突因素。

由此可知，現有技術中的方法存在綜合性能不佳的技術問題。

發明內容

有鑒于此，本發明提供了一種基于蟻群算法的部署優化方法，用以解決或者至少部分解決現有技術中的方法存在綜合性能不佳的技術問題。

本發明提供了一種基于蟻群算法的部署優化方法，包括：

構建面向服務軟件的部署優化模型，部署優化模型主要包含四部分：應用軟件模型ASM、運行平臺模型RPM、應用場景AS、和約束CON，其中，ASM用于提供部署軟件的信息，RPM提供用于部署的硬件節點信息，AS提供軟件性能評估的其它相關因素信息，CON提供軟件部署過程中所需滿足的約束條件；

基于三種預設性能指標定義目標函數，三種預設性能指標為組合服務的平均延遲時間、組合服務的平均吞吐量以及硬件資源的平均利用率，目標函數定義為公式(1)：