[发明专利]基于服务质量要求驱动的云计算网络资源分配方法

摘要

本发明公开了一种基于服务质量要求驱动的云计算网络资源分配方法，步骤为云计算网络中中央处理服务器收集用户终端的虚拟资源使用申请；收集底层网络中各节点的可用资源；采用量子免疫方法进行虚拟资源分配初始化参数及种群中每个抗体的量子编码向量；检验每个抗体编码向量是否满足底层节点的流守恒公式和最大容量限制公式、虚拟流量和带宽容量限制、及资源分配解的可行性限制；确定每个抗体的期望繁殖概率，并从种群中提取父代种群和记忆库种群；采用量子旋转门操作方法得到新群体中抗体，并合并记忆库中抗体构成新一代种群；重复多次，输出云计算网络虚拟资源分配的最优解。本发明能够高效利用虚拟资源，并保障用户终端的服务质量要求。

主权项

一种基于服务质量要求驱动的云计算网络资源分配方法，其特征在于，包括以下步骤：步骤1，云计算网络中中央处理服务器收集用户终端的虚拟资源使用申请；步骤2，云计算网络中中央处理服务器收集底层网络中各节点的可用资源；步骤3，云计算网络中中央处理服务器采用量子免疫方法进行虚拟资源分配，包括以下步骤：步骤3.1，初始化量子免疫方法参数，初始化种群中每个抗体的量子编码向量；所述的初始化量子免疫方法参数，初始化种群中每个抗体的量子编码向量，具体为：(1)初始化量子免疫方法抗体的数目Np、量子免疫方法迭代次数Ng，其中Np、Ng均为整数且Np∈[100,120]、Ng∈[300,350]；(2)令迭代次数序号gen＝1，初始化虚拟链接(n,m)的业务流是否经过底层链接(u,v)的指示变量虚拟链接(n,m)的业务流经过底层的链接(u,v)的流量虚拟节点的无向带权图GV＝(NV,EV)和底层节点的无向带权图GS＝(NS,ES)，其中NV表示虚拟节点集合，EV表示虚拟节点链接集合，NS是底层节点集合，ES是底层节点链接集合；(3)初始化扩充的底层无向带权图GS'＝(NS',ES')、扩充的底层节点链接集合其中NS'表示扩充的底层节点集合且NS'＝NS∪NV，nV表示底层节点n，nS表示底层节点链接s；(4)初始化表示虚拟链接(n,m)的总业务流量b(n,m)、底层链接(u,v)的传输带宽BW(u,v)、底层节点w资源i的最大值容量Ci(w)、种群中每个抗体的量子编码向量Qxf＝[qx,qf]；其中向量表示底层链接分配指示的量子编码向量，向量表示底层链接分配流量的量子编码向量，αi和βi表示向量qx中的量子比特第i位，χi和δi表示向量qf中的量子比特第i位；和NL表示扩充的底层无向带权图GS'中链接的数目；步骤3.2，将每个抗体的量子编码向量转化为二进制向量，具体为：对量子编码向量Qxf进行观察得到二进制向量XF＝[x,f]，向量中满足公式(1)：xuvnm∈{0,1},∀u,v∈NS′,∀(n,m)∈EV---(1)]]>向量中满足公式(2)：fuvnm≥0,∀u,v∈NS′,∀(n,m)∈EV---(2)]]>其中，XF表示量子免疫方法二进制编码向量，x表示底层链接分配指示的二进制编码向量，f表示底层链接分配流量的二进制编码向量；步骤3.3，检验每个抗体编码向量是否满足底层节点的流守恒公式和底层节点最大容量限制公式，检验每个抗体编码向量是否满足虚拟流量和带宽容量限制，检验每个抗体编码向量是否满足资源分配解的可行性限制，具体步骤如下：(1)检验每个抗体编码向量XF＝[x,f]中和是否满足底层节点的流守恒公式(3)和底层节点最大容量限制公式(4)：Σv∈NS′fuvnm-Σw∈NS′fwunm=0,∀(n,m)∈EV,∀u∈NS′/{n,m}Σv∈NS′fnvnm-Σw∈NS′fwnnm=b(n,m),∀(n,m)∈EV,n∈NS′Σv∈NS′fmvnm-Σw∈NS′fwmnm=-b(n,m),∀(n,m)∈EV,m∈NS′---(3)]]>Pci(p)ci(p)xpwmn≤Ci(w),∀p⊆NS′/SS,∀w⊆NS,∀i∈I,∀a∈A,∀(n,m)∈EV---(4)]]>其中，表示虚拟链接(n,m)的业务流经过底层的链接(u,v)的流量，表示虚拟链接(n,m)的业务流经过底层的链接(n,v)的流量，表示虚拟链接(n,m)的业务流经过底层的链接(m,v)的流量，表示虚拟链接(n,m)的业务流经过底层的链接(w,u)的流量，表示虚拟链接(n,m)的业务流经过底层的链接(w,n)的流量，表示虚拟链接(n,m)的业务流经过底层的链接(w,m)的流量，p表示虚拟节点，w表示底层节点，表示虚拟节点p申请资源i的预留百分比，(n,m)表示虚拟节点n和虚拟节点m之间的链接，(u,v)表示底层节点u和底层节点v之间的链接，ci(p)表示虚拟节点p资源i的使用量，表示虚拟链接(n,m)的业务流经过底层链接(p,w)的指示变量，I表示明确的非功能性质集合，a表示云计算网络中CPU资源、存储资源或带宽资源；(2)检验每个抗体编码向量XF＝[x,f]中和是否满足公式(5)和公式(6)，公式(5)表示经过底层链接(u,v)的虚拟流量、公式(6)表示不超过底层链接(u,v)的带宽容量：(fuvnm+fvunm)≤BW(u,v)xuvnm,∀u,v∈NS′,∀(n,m)∈EV---(5)]]>Σ(n,m)∈EV(fuvnm+fvunm)≤BW(u,v),∀u,v∈NS′---(6)]]>其中，表示虚拟链接(n,m)的业务流经过底层的链接(v,u)的流量，(3)检验每个抗体编码向量XF＝[x,f]中和是否满足公式(7)～(9)，公式(7)保证每个底层节点只能选择一个虚拟节点，公式(8)保证每个底层节点的同一种资源只能分配给一个虚拟节点，公式(9)保证每个虚拟节点只能选择一个底层节点：Σp⊆NS′/NSxpwmn≤1,∀w⊆NS,∀(m,n)∈EV,∀A---(7)]]>Σw⊆NSxpwmn=0,∀p⊆NS′/NS,∀(m,n)∈EV---(8)]]>Σw⊆NSxpwmn=1,∀p⊆NS′/NS,∀(m,n)∈EV---(9)]]>其中，A表示云计算网络中资源总和；表示虚拟链接(m,n)的业务流经过底层链接(p,w)的指示变量；(4)检验每个抗体编码向量XF＝[x,f]中和是否满足公式(10)～(12)，公式(10)和公式(12)保证对虚拟链接(n,m)业务流经过的底层链接(u,v)的指示变量进行设置，公式(11)保证资源映射结果是一个连通图，公式(11)对虚拟链接(n,m)业务流没有经过的链接(u,v)的指示变量进行设置：xuvnm=xvunm,∀u,v∈NS′,∀(n,m)∈EV---(10)]]>xuvnm=xuvnk=xuvlm=0,∀u,v∈NS′/NV,k,l∈NS′NS′,(n,m)∈EV---(11)]]>其中，表示虚拟链接(n,m)的业务流经过底层链接(v,u)的指示变量，表示虚拟链接(n,k)的业务流经过底层链接(u,v)的指示变量，表示虚拟链接(l,m)的业务流经过底层链接(u,v)的指示变量；步骤3.4，确定每个抗体的期望繁殖概率，根据期望繁殖概率从种群中提取父代种群和记忆库种群；采用量子旋转门操作方法得到新群体中抗体，并且合并记忆库中抗体，构成新一代种群；步骤3.5，重复步骤3.2～步骤3.4NIg次，输出云计算网络虚拟资源分配的最优解，NIg表示量子免疫方法的最大迭代次数。