广西师范大学学报(自然科学版) ›› 2022, Vol. 40 ›› Issue (3): 202-209.doi: 10.16088/j.issn.1001-6600.2021071502

• 研究论文 • 上一篇    

基于粒子群优化算法的云数据均衡放置策略

郑力宁1, 金雪松2, 云利军3*   

  1. 1.云南师范大学 信息学院, 云南 昆明 650500;
    2.玉溪市第二人民医院 信息网络中心, 云南 玉溪 653100;
    3.云南师范大学 云南省光电信息技术重点实验室, 云南 昆明 650500
  • 收稿日期:2021-07-15 修回日期:2021-09-09 出版日期:2022-05-25 发布日期:2022-05-27
  • 通讯作者: 云利军(1973—), 男(蒙古族), 内蒙古呼和浩特人, 云南师范大学教授, 博士。E-mail: yunlijun@ynnu.edu.cn
  • 基金资助:
    云南省应用基础研究计划重点项目(2018FA033)

Balanced Placement Strategy of Cloud Data Based on Particle Swarm Optimization Algorithm

ZHENG Lining1, JIN Xuesong2, YUN Lijun3*   

  1. 1. School of Information, Yunnan Normal University, Kunming Yunnan 650500, China;
    2. Information Network Center, Second People’s Hospital of Yuxi, Yuxi Yunnan 653100, China;
    3. Key Laboratory of Optoelectronic Information Technology, Yunnan Normal University, Kunming Yunnan 650500, China
  • Received:2021-07-15 Revised:2021-09-09 Online:2022-05-25 Published:2022-05-27

摘要: 在拥有多个存储节点的云数据存储系统中,保持云存储系统的负载均衡水平为一个合理的值和最小化数据检索的时间是一个值得研究的问题。本文提出一种基于粒子群优化算法的云数据均衡放置策略(balanced placement strategy of cloud data based on particle swarm optimization algorithm, BPCD),首先,给出一种云存储系统模型;其次,引入基尼系数作为衡量该系统负载均衡水平的指标,结合数据检索时间目标函数构建多目标约束优化模型;再次,采用粒子群优化算法对问题进行求解,主要包括数据节点编码与参数设置、种群初始化、粒子群空间搜索、算法迭代4个过程;最后,将本文算法与传统云数据放置算法进行对比分析。仿真实验表明,本文提出的云数据均衡放置策略在优化云存储系统的负载水平和数据检索时间方面具有良好的效果。

关键词: 云存储系统, 负载均衡, 检索时间, 多目标优化, 粒子群

Abstract: In the cloud data storage system with multiple storage nodes, how to keep the load balance level of the cloud storage system to a reasonable value and minimize the time of data retrieval is a problem worth studying. To solve this problem, this paper proposes a balanced placement strategy of cloud data based on particle swarm optimization algorithm (BPCD). Firstly, a cloud storage system model is presented. Secondly, the Gini coefficient is introduced as the index to measure the load balancing level of the system, and a multi-objective constrained optimization model is constructed by combining the objective function of data retrieval time. Thirdly, the particle swarm optimization algorithm is used to solve the problem, which mainly includes four processes: data node coding and parameter setting, population initialization, particle swarm spatial search and algorithm iteration. Finally, the proposed algorithm is compared with the traditional cloud data placement algorithm. Simulation experiments show that the proposed cloud data balanced placement strategy has good effects in optimizing the load level and data retrieval time of the cloud storage system.

Key words: cloud storage system, load balancing, retrieval time, multi-objective optimization, particle swarm

中图分类号: 

  • TP301
[1]IJAZ A, ZHANG L, GRAU M, et al. Enabling massive IoT in 5G and beyond systems: PHY radio frame design considerations[J]. IEEE Access, 2016, 4: 3322-3339. DOI:10.1109/ACCESS.2016.2584178.
[2]GUBBI J, BUYYA R, MARUSIC S, et al. Internet of things(IoT): a vision, architectural elements, and future directions[J]. Future Generations Computer Systems, 2013, 29(7): 1645-1660.
[3]GANTZ J, REINSE D. Extracting value from chaos[R/OL]. Framingham, MA: IDC, 2011[2021-07-15]. https://documents.pub/document/idc-report-extracting-value-from-chaos.html.
[4]周可, 王桦, 李春花. 云存储技术及其应用[J]. 中兴通讯技术, 2010,16(4): 24-27. DOI: 10.3969/j.issn.1009-6868.2010.04.006.
[5]KUMAR A, KALRA M. Load balancing in cloud data center using modified active monitoring load balancer[C]// Proceedings of the 2016 International Conference on Advances in Computing, Communication, & Automation(ICACCA). Piscataway: IEEE, 2016: 1-5. DOI: 10.1109/ICACCA.2016.7578903.
[6]LIU H, LIU S J, MENG X X, et al. LBVS: a load balancing strategy for virtual storage[C]// Proceedings of the 2010 International Conference on Service Sciences. Piscataway: IEEE, 2010: 257-262. DOI: 10.1109/ICSS.2010.27.
[7]STEFANOV E, SHI E. ObliviStore: high performance oblivious cloud storage[C]// 2013 IEEE Symposium on Security and Privacy. Piscataway: IEEE, 2013:253-267. DOI: 10.1109/SP.2013.25.
[8]TRAN D A, ZHANG T. S-PUT: an EA-based framework for socially aware data partitioning[J]. Computer Networks, 2014, 75(B): 504-518. DOI:10.1016/j.comnet.2014.08.026.
[9]HADA R J, WU H Y, JIN M. Scalable minimum-cost balanced partitioning of large-scale social networks: online and offline solutions[J]. IEEE Transactions on Parallel and Distributed Systems, 2018, 29(7): 1636-1649. DOI: 10.1109/TPDS.2017.2694835.
[10]周经亚, 樊建席, 王进. 支持可扩展的在线社交网络数据放置方法[J]. 中国科学: 信息科学, 2018, 48(3): 329-348.
[11]ZHANG L, LI X J, KHALAJZADEH H, et al. Cost-effective and traffic-optimal data placement strategy for cloud-based online social networks[C]// Proceedings of the 2018 IEEE 22nd International Conference on Computer Supported Cooperative Work in Design(CSCWD). Piscataway: IEEE, 2018: 110-115. DOI: 10.1109/CSCWD.2018.8465343.
[12]何利文, 袁野, 王延松, 等. 基于WFPSO算法的云虚拟机放置策略[J]. 计算机应用研究, 2017, 34(2): 591-594. DOI: 10.3969/j.issn.1001-3695.2017.02.060.
[13]BORU D, KLIAZOVICH D, GRANELLI F, et al. Energy-efficient data replication in cloud computing datacenters[J]. Cluster Computing, 2015, 18(1): 385-402.
[14]SU M M, ZHANG L, WU Y W, et al. Systematic data placement optimization in multi-cloud storage for complex requirements[J]. IEEE Transactions on Computers, 2016, 65(6): 1964-1977. DOI: 10.1109/TC.2015.2462821.
[15]赵涛. 基于数据聚合的无线传感器网络拓扑发现算法[J]. 计算机工程与应用, 2011, 47(3): 17-19,33. DOI: 10.3778/j.issn.1002-8331.2011.03.005.
[16]路红, 廖龙龙. 云计算支持下的协作式数字取证技术[J]. 计算机系统应用, 2015, 24(3): 241-245. DOI: 10.3969/j.issn.1003-3254.2015.03.042.
[17]王禹, 赵跃龙, 侯昉. 分布式存储系统最小带宽再生码研究[J]. 小型微型计算机系统, 2012, 33(8): 1710-1714. DOI: 10.3969/j.issn.1000-1220.2012.08.017.
[18]刘琨, 肖琳, 赵海燕. Hadoop中云数据负载均衡算法的研究及优化[J]. 微电子学与计算机, 2012, 29(9): 18-22. DOI: 10.19304/j.cnki.issn1000-7180.2012.09.005.
[19]NISHIDA H, NGUYEN T. Optimal client-server assignment for internet distributed systems[J]. IEEE Transactions on Parallel and Distributed Systems, 2013, 24(3): 565-575. DOI: 10.1109/ICCCN.2011.6006007.
[20]梁昔明, 秦浩宇, 龙文. 一种求解约束优化问题的遗传算法[J]. 计算机工程, 2010, 36(14): 147-149. DOI: 10.3969/j.issn.1000-3428.2010.14.053.
[21]公茂果, 焦李成, 杨咚咚, 等. 进化多目标优化算法研究[J]. 软件学报, 2009, 20(2): 271-289. DOI: 10.3724/SP.J.1001.2009.03483.
[22]BAI Q H. Analysis of particle swarm optimization algorithm[J]. Computer and Information Science, 2010, 3(1): 180-184. DOI: 10.5539/cis.v3n1p180.
[23]ZHANG Y D, WANG S H, JI G L. A Comprehensive survey on particle swarm optimization algorithm and its applications[J]. Mathematical Problems in Engineering, 2015,2015:931256. DOI: 10.1155/2015/931256.
[24]JIAN Z Y, JIAN Y W. A HDFS dynamic load balancing strategy using improved niche PSO algorithm in cloud storage[J]. International Journal of Autonomous and Adaptive Communications Systems, 2021, 14(1/2): 163-178. DOI:10.1504/IJAACS.2021.10035639.
[25]王启付, 王战江, 王书亭. 一种动态改变惯性权重的粒子群优化算法[J]. 中国机械工程, 2005,16(11): 945-948. DOI: 10.3321/j.issn:1004-132X.2005.11.002.
[1] 李飞羽, 翁小雄, 姚树申. 基于乘客群体出行时间间隔的标度律研究[J]. 广西师范大学学报(自然科学版), 2020, 38(1): 1-9.
[2] 王国宇, 黄植功, 戴明. 基于改进粒子群算法的无刷电机模糊控制研究[J]. 广西师范大学学报(自然科学版), 2016, 34(2): 21-27.
[3] 王剑, 黄植功, 许金海. 基于优化EKF的永磁同步电机转速估计[J]. 广西师范大学学报(自然科学版), 2014, 32(4): 11-17.
[4] 徐胜舟, 许向阳, 胡怀飞, 李波. 基于改进动态规划的MR图像左心室分割[J]. 广西师范大学学报(自然科学版), 2014, 32(2): 35-41.
[5] 严晓明, 郑之. 基于混合仿生算法的SVM参数优化[J]. 广西师范大学学报(自然科学版), 2011, 29(2): 114-118.
[6] 刘炜, 王浩, 方宝富. 基于二进制粒子群的救援仿真机器人决策[J]. 广西师范大学学报(自然科学版), 2011, 29(2): 130-133.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 艾艳, 贾楠, 王媛, 郭静, 潘东东. 多性状多位点遗传关联分析的统计方法研究及其应用进展[J]. 广西师范大学学报(自然科学版), 2022, 40(1): 1 -14 .
[2] 白德发, 徐欣, 王国长. 函数型数据广义线性模型和分类问题综述[J]. 广西师范大学学报(自然科学版), 2022, 40(1): 15 -29 .
[3] 曾庆樊, 秦永松, 黎玉芳. 一类空间面板数据模型的经验似然推断[J]. 广西师范大学学报(自然科学版), 2022, 40(1): 30 -42 .
[4] 张治飞, 段谦, 刘乃嘉, 黄磊. 基于Jackknife互信息的高维非线性回归模型研究[J]. 广西师范大学学报(自然科学版), 2022, 40(1): 43 -56 .
[5] 杨迪, 方扬鑫, 周彦. 基于MEB和SVM方法的新类别分类研究[J]. 广西师范大学学报(自然科学版), 2022, 40(1): 57 -67 .
[6] 陈钟秀, 张兴发, 熊强, 宋泽芳. 非对称DAR模型的估计与检验[J]. 广西师范大学学报(自然科学版), 2022, 40(1): 68 -81 .
[7] 杜锦丰, 王海荣, 梁焕, 王栋. 基于表示学习的跨模态检索方法研究进展[J]. 广西师范大学学报(自然科学版), 2022, 40(3): 1 -12 .
[8] 李慕航, 韩萌, 陈志强, 武红鑫, 张喜龙. 面向复杂高效用模式的挖掘算法综述[J]. 广西师范大学学报(自然科学版), 2022, 40(3): 13 -30 .
[9] 晁睿, 张坤丽, 王佳佳, 胡斌, 张维聪, 韩英杰, 昝红英. 中文多模态知识库构建[J]. 广西师范大学学报(自然科学版), 2022, 40(3): 31 -39 .
[10] 李正光, 陈恒, 林鸿飞. 基于双向语言模型的社交媒体药物不良反应识别[J]. 广西师范大学学报(自然科学版), 2022, 40(3): 40 -48 .
版权所有 © 广西师范大学学报(自然科学版)编辑部
地址:广西桂林市三里店育才路15号 邮编:541004
电话:0773-5857325 E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发