基金項(xiàng)目：江蘇省高等職業(yè)院校專(zhuān)業(yè)帶頭人高端研修資助項(xiàng)目；項(xiàng)目名稱：云背景下產(chǎn)學(xué)研協(xié)調(diào)育人平臺(tái)構(gòu)建；項(xiàng)目編號(hào)：2021GRFX010。江蘇省高校哲學(xué)社會(huì)科學(xué)研究一般項(xiàng)目；項(xiàng)目名稱：云背景下產(chǎn)學(xué)研協(xié)調(diào)育人平臺(tái)構(gòu)建；項(xiàng)目編號(hào)：2021SJA2012。

作者簡(jiǎn)介：馮政軍（1977— ），男，江蘇高郵人，副教授，碩士；研究方向：計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)，云計(jì)算。

摘要：為優(yōu)化云計(jì)算系統(tǒng)在資源分配中的均衡性，不斷提升資源提供者的收益，文章提出以排隊(duì)理論為基礎(chǔ)的云計(jì)算資源模型。將云計(jì)算等待隊(duì)列的距離當(dāng)作資源調(diào)度的基礎(chǔ)，進(jìn)而融合了納什均衡理論對(duì)模型的資源調(diào)度策略展開(kāi)合理性分析，并有針對(duì)性地提出合理優(yōu)化的資源調(diào)度方法，并將其和分布式計(jì)算架構(gòu)Hadoop當(dāng)中的資源分配方式進(jìn)行對(duì)比，進(jìn)而得到實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果表明，和其他幾種算法相比，本次研究提出的改進(jìn)資源分配算法不僅能夠滿足用戶對(duì)資源共享提出的需求，還能夠滿足資源提供者對(duì)提升系統(tǒng)響應(yīng)時(shí)間提出的需要。

關(guān)鍵詞：云計(jì)算；資源分配；納什均衡；分析

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)志碼：A

0 引言

在云計(jì)算系統(tǒng)當(dāng)中，整體的資源利用效率有限，資源調(diào)度并不均衡，這些問(wèn)題阻礙了云計(jì)算技術(shù)的持續(xù)發(fā)展，同樣也降低了資源提供者與使用者的自身利益。所以，當(dāng)前需要從資源提供者以及使用者兩個(gè)角度出發(fā)來(lái)探討資源配置與共享的問(wèn)題。資源提供者往往希望云計(jì)算系統(tǒng)內(nèi)的資源能夠被合理地運(yùn)用與配置。使用者更傾向于增強(qiáng)系統(tǒng)的功能性，在保障基本需求的前提下，更加迅速地完成用戶的實(shí)際操作。

1 資源分配的排隊(duì)模型

為了優(yōu)先處理當(dāng)前系統(tǒng)內(nèi)的任務(wù)與資源分配問(wèn)題，首先應(yīng)當(dāng)運(yùn)用排隊(duì)理論構(gòu)建排隊(duì)模型，設(shè)云計(jì)算為M/M/n+1的隨機(jī)服務(wù)系統(tǒng)，在這一系統(tǒng)當(dāng)中，每一個(gè)計(jì)算資源都能被看作是一個(gè)工作臺(tái)，n是工作臺(tái)的數(shù)目，l則是需要等候的隊(duì)伍距離，使用者的需求抵達(dá)的時(shí)間間隔應(yīng)當(dāng)能夠符合泊松分布，工作臺(tái)的工作效率呈現(xiàn)出負(fù)指數(shù)分配。

在擬定的隊(duì)列當(dāng)中，系統(tǒng)中每一種形態(tài)的轉(zhuǎn)移概率能夠體現(xiàn)為：

系統(tǒng)的響應(yīng)時(shí)間包含服務(wù)時(shí)間與等待時(shí)間兩部分，等待時(shí)間可以被解釋為：在任務(wù)抵達(dá)后，如果檢測(cè)到工作臺(tái)中有任務(wù)在等待完成，則需要進(jìn)入等候隊(duì)伍中等候開(kāi)始工作。若某一個(gè)任務(wù)已經(jīng)抵達(dá)，等候工作的任務(wù)為i，則這一時(shí)期的平穩(wěn)概率qi能夠用下述式子來(lái)體現(xiàn)［1］：

若虛擬機(jī)當(dāng)中的資源需求總量少于資源需求總量Cbasic，則可以調(diào)配這一虛擬機(jī)需求的資源；若高于資源需求量Cbasic，則給予服務(wù)器當(dāng)中各個(gè)相互聯(lián)系的虛擬機(jī)一個(gè)上限；當(dāng)某對(duì)虛擬機(jī)組合內(nèi)，其中一個(gè)虛擬機(jī)的資源需求量高于基礎(chǔ)標(biāo)準(zhǔn)時(shí)，考慮消耗另一臺(tái)機(jī)器的多余資源或服務(wù)器中其他虛擬機(jī)的多余資源，一方面能夠保障資源調(diào)度的合理性符合基本要求，另一方面具有良好的公平性。

4 實(shí)驗(yàn)仿真與結(jié)果分析

實(shí)驗(yàn)環(huán)境的選擇：網(wǎng)絡(luò)傳輸率為1Gb/s，使用兩部服務(wù)器，每部服務(wù)器內(nèi)都包含了4個(gè)虛擬機(jī)，4臺(tái)虛擬機(jī)相互之間有著不一樣的傳輸形式，一對(duì)一，一對(duì)多或是多對(duì)多。

在云計(jì)算系統(tǒng)內(nèi)，每個(gè)向上提交的使用者需要完成的任務(wù)，都需要將應(yīng)用或是計(jì)算任務(wù)作為重點(diǎn)，考量到任務(wù)中的串行以及并行等組合形式，實(shí)驗(yàn)中的任務(wù)模擬MapReduce內(nèi)任務(wù)的分布式計(jì)算工作手段，同時(shí)在8個(gè)節(jié)點(diǎn)的小型集群上搭建Hadoop集群，這幾個(gè)節(jié)點(diǎn)的屬性設(shè)置都需要結(jié)合本次實(shí)驗(yàn)需求的CPU性能，隨機(jī)訪問(wèn)的內(nèi)存容量與帶寬。把本次研究中提出的納什均衡優(yōu)化算法（MRA），借助Hadoop框架來(lái)運(yùn)行，同時(shí)和Hadoop內(nèi)核心的公平調(diào)度算法（Fair）、先入先出算法（FIFO）以及隨機(jī)調(diào)度算法（Random），分別從響應(yīng)時(shí)間、CPU利用率以及內(nèi)存利用效率3個(gè)角度出發(fā)進(jìn)行對(duì)比［4］。公平調(diào)度算法下，每個(gè)任務(wù)能夠獲得同樣數(shù)量的資源，調(diào)度器隨著時(shí)間的變化平均配置任務(wù)量，這樣每個(gè)任務(wù)都能夠平均地獲取到資源，最終只需要消耗少量時(shí)間，進(jìn)行的任務(wù)就可以訪問(wèn)CPU，一些需要消耗更長(zhǎng)時(shí)間來(lái)完成的任務(wù)則可以較晚完成，保障資源配置的合理性。在先入先出的調(diào)度算法下，對(duì)使用者提出的任務(wù)不進(jìn)行特殊的順序安排，僅僅依據(jù)先來(lái)先工作的順序來(lái)進(jìn)行。在隨機(jī)調(diào)度算法下，資源則是隨機(jī)被配置到各個(gè)任務(wù)內(nèi)。3種算法在響應(yīng)時(shí)間上的對(duì)比如圖1所示。

對(duì)于不同算法工作時(shí)對(duì)虛擬機(jī)能力造成的影響，在實(shí)驗(yàn)的過(guò)程中將會(huì)用4種不同的算法分別運(yùn)用在工作流體系中，同時(shí)對(duì)比CPU利用效率以及內(nèi)存利用效率兩個(gè)方面的數(shù)據(jù)，最終結(jié)果如圖2—3所示。

在仿真測(cè)試中選取工作執(zhí)行60s后的情況進(jìn)行分析，可觀察到，在10s、23s、44s幾個(gè)時(shí)間點(diǎn)中，使用MRA調(diào)度算法時(shí)，系統(tǒng)內(nèi)的內(nèi)存與CPU利用效率都出現(xiàn)了顯著降低，說(shuō)明依據(jù)調(diào)度方式，在這一階段內(nèi)，任務(wù)正在等候系統(tǒng)進(jìn)行的資源配置，然而由于這一階 段的資源利用率顯著下降，后續(xù)調(diào)度加速任務(wù)進(jìn)程。因此在上述幾個(gè)階段后，CPU的利用效率出現(xiàn)了顯著提升，在本次選擇的60s調(diào)度階段內(nèi)，因?yàn)槿蝿?wù)分配的時(shí)間較為合理，沒(méi)有由于任務(wù)數(shù)目的提升和納什均衡理論運(yùn)行中產(chǎn)生的損耗，對(duì)系統(tǒng)CPU的正常運(yùn)作造成阻礙，也沒(méi)有提升系統(tǒng)運(yùn)作的難度。在相同的階段，運(yùn)用其余幾種算法時(shí)，內(nèi)存利用效率均處于不斷提升的狀態(tài)，CPU利用效率出現(xiàn)了顯著改變，同時(shí)變化程度較為顯著。因此可以看出，運(yùn)用MRA算法可以有效提升系統(tǒng)性能。

最終從實(shí)驗(yàn)中能夠看出，虛擬機(jī)的基礎(chǔ)資源需求是資源合理分配與優(yōu)化的最重要部分，借助MRA的資源配置方法，能夠有效提升系統(tǒng)資源利用效率，便于對(duì)資源分配進(jìn)行合理調(diào)整，符合使用者提出的需要。

5 結(jié)語(yǔ)

為了同時(shí)滿足使用者與資源提供者提出的需要，本次研究運(yùn)用納什均衡理論嘗試處理云計(jì)算系統(tǒng)中的資源配置問(wèn)題，同時(shí)對(duì)于任務(wù)中的等候隊(duì)列運(yùn)用排隊(duì)理論來(lái)展開(kāi)理性分析，將需要改善處理的問(wèn)題轉(zhuǎn)為分布式優(yōu)化算法，符合資源提供者在提升系統(tǒng)響應(yīng)時(shí)間、提高資源利用水平等方面提出的需求，同時(shí)可以保障使用者對(duì)資源需求的合理性提出的需要。通過(guò)和Hadoop算法進(jìn)行的對(duì)比與實(shí)驗(yàn)，說(shuō)明本次探討的計(jì)算資源優(yōu)化配置手段能夠保障資源共享所具有的合理性與公平性。未來(lái)，研究中心將主要放置在如何在解決合理配置問(wèn)題的基礎(chǔ)上，探討能源消耗的降低，實(shí)現(xiàn)資源分配中的優(yōu)化，減少資源浪費(fèi)。

參考文獻(xiàn)

［1］李桂君，寇晨歡，胡軍，等.云服務(wù)資源調(diào)度機(jī)制的協(xié)同與優(yōu)化研究［J］.系統(tǒng)科學(xué)與數(shù)學(xué)，2020（8）：1365-1383.

［2］周克楠.基于納什均衡的需求響應(yīng)多用戶策略研究［J］.電子測(cè)試，2020（4）：43-45.

［3］王巖，汪晉寬，宋欣.云計(jì)算資源納什均衡優(yōu)化分配方法改進(jìn)［J］.計(jì)算機(jī)工程，2017（12）：17-24.

［4］孟川杰，張福泉，羅一帆.博弈模型下云資源分配納什均衡算法［J］.機(jī)床與液壓，2018（6）：184-192.

（編輯 傅金睿）

Abstract： In order to effectively improve the balance of cloud computing system in the process of resource allocation， continuously improve the revenue of resource providers， and form a cloud computing resource model based on queuing theory. Considering the distance of the waiting queue and taking it as the basis of resource scheduling， we integrate the Nash equilibrium theory to carry out a rational analysis of resource scheduling strategies， propose a reasonably optimized resource scheduling method， and compare it with the resource allocation method in the distributed computing architecture Hadoop. The experimental results show that， compared with other algorithms， the improved resource allocation algorithm proposed in this study can not only meet the needs of users for resource sharing， but also meet the needs of resource providers for improving system response time.

Key words： cloud computing; resource allocation; Nash equilibrium; analysis