一种铁路分布式数据中心资源调度方法技术

本发明专利技术涉及一种铁路分布式数据中心资源调度优化方法及系统，该方法包括：S1、判断是否存在申请资源铁路局，并且所述申请资源铁路局的申请资源小于所述相邻铁路局的空闲资源之和；如果是，则执行下一步，进行铁路分布式数据中心资源调度，否则结束；S2、分析所述铁路分布式数据中心的资源分布情况，建立所有铁路局之间的通信网络拓扑结构，并根据所述通信网络拓扑结构，建立资源迁移总距离目标函数和约束条件；S3、根据所述目标函数和约束条件，利用粒子群算法，进行资源调度的优化。本申请的方法和系统能够大幅度提高铁路数据中心资源利用效率，也能满足各个铁路局数据中心资源申请的需求，还能运用于各个铁路局之间机车、运力等资源的统一调配。

【技术实现步骤摘要】

本专利技术涉及分布式云资源调度优化
，尤其是涉及一种铁路分布式数据中心资源调度方法。
技术介绍
随着高速铁路的快速发展和铁路体制的改革，以及云计算、大数据、绿色节能等新技术和新理念不断涌现。铁路行业急需运用云计算和大数据等信息新技术，建立一个弹性计算能力强、基础设施共享度高、云资源智能动态调配、按需分配的基础性支撑平台——铁路云计算数据中心，以提高铁路基础设施的利用率，促进铁路业务系统之间的互联互通，支撑铁路业务快速的发展，充分挖掘铁路数据潜在价值，最终达到提高铁路企业经济效益的目的。铁路分布式云计算数据中心是铁路信息化建设中数据中心的主要应用模式之一。铁路数据中心包括铁路总公司和各铁路局的计算资源、存储资源、网络资源等，它需向各铁路局或各用户提供各种计算资源和存储资源。跨数据中心的资源分配和调度是分布式云计算数据中心的研究重点和难点之一。跨数据中心的资源分配本质上是一个离散的匹配问题，可利用典型优化算法将数据中心不同类型的资源分配给不同的用户，减小总传输距离、传输时间、维护成本和管理成本，达到提高客户体验度和满意度、以及提高企业效益的目的。目前，云计算数据中心的资源调配主要分析和研究同个数据中心的资源调配问题。不少学者已提出多维协同聚合的虚拟机调度机制，以及多维资源协同聚合的虚拟机调度算法，以提高云平台的资源综合利用率；还提出通信关联感知的多层应用映射策略，提出多层可用性<br>映射冲突的双阶段优化算法，实现数据中心网络资源的效用；再提出基于双向拍卖理论的竞价调度策略、基于马尔可夫理论的多维云资源高效调度方法和基于云任务的低能耗融合调度方案；最后，提出一种综合负载均衡度最小优先的方法，在考虑CPU、内存和网络带宽情况下，实现物理服务器和虚拟服务器的智能调度。综上所述，现有数据中心的资源调度主要涉及单个数据中心之间的资源调度，较少涉及多个数据中心之间的资源调配，以及较少研究在铁路行业背景下资源分配技术。但随着铁路通信网络大规模建设，且网络带宽和传输速度不断提高，跨分布式数据中心的资源分配是十分关键且亟需解决的问题。
技术实现思路
本专利技术提供一种铁路分布式数据中心资源调度方法及系统，能够大幅度提高铁路数据中心资源利用效率，也能满足各个铁路局数据中心资源申请的需求，还可应用于各个铁路局之间机车、运力等资源的统一调配。根据本专利技术的一个方面，提供一种铁路分布式数据中心资源调度优化方法，其特征在于，所述方法包括：S1、判断是否存在申请资源铁路局，并且所述申请资源铁路局的申请资源小于所述相邻铁路局的空闲资源之和；如果是，则执行下一步，进行铁路分布式数据中心资源调度，否则结束；S2、分析所述铁路分布式数据中心的资源分布情况，建立所有铁路局之间的通信网络拓扑结构，并根据所述通信网络拓扑结构，建立资源迁移总距离目标函数和约束条件；S3、根据所述目标函数和约束条件，利用粒子群算法，进行资源调度的优化。其中，所述步骤S2具体包括：S21、分析所述铁路分布式数据中心的资源分布情况，建立所有铁路局之间的通信网络拓扑结构E(i,j)；S22、根据所述通信网络拓扑结构，建立所述资源迁移总距离目标函数：Σi=1anΣj=1bnNumber(i,j)×E(i,j)×D(i,j),]]>其中，an为申请资源的铁路局个数，bn为所有铁路局总数，Number(i,j)为第i个铁路局向第j个铁路局申请资源数，D(i,j)为第i个铁路局向第j个铁路局申请资源的代价；S23、建立等式约束条件，即每个申请资源的铁路局的数据中心所申请资源一定可以从相邻的铁路局数据中心中获取：∀iΣj=1bnNumber(i,j)×E(i,j)=Si;]]>其中，Si为第i个申请资源铁路局的申请资源数。S24、建立不等式约束条件，即向同一个铁路局数据中心申请资源的个数不能超过该铁路局数据中心的空闲资源数：∀jΣi=1anNumber(i,j)×E(i,j)=sj′;]]>其中，S'j为第j个提供资源的铁路局的空闲资源数。其中，所述步骤S3具体包括：S31、初始化参数，所述参数具体包括：所有粒子个数、资源调度问题的总维数、粒子群算法的惯性因子ω(t)、个人因子c1和社会因子c2、最大迭代次数、每个粒子的初始位置和初始速度、以及粒子速度和位置超过所述约束条件后的重新赋值方式、初始化每个所属粒子的个体最优pbest和群体最优位置gbest；S32、更新每个所述粒子的速度和位置；S33、判断所述每个粒子更新后的位置和速度是否满足所述约束条件，是则直接执行下一步；否则调整所述每个粒子位置使得满足所述约束条件，然后执行下一步；S34、计算每个粒子更新位置后的目标函数值，并与当前个体最优位置pbest对应的目标函数值比较，如果更新位置后的目标函数值大，则更新当前个体最优位置pbest；S35、将群体中的每个粒子的更新后的个体最优位置pbest对应的目标函数值与当前群体最优位置gbest对应的目标函数值比较，如果更新后的个体最优pbest对应的目标函数值小，则更新当前群体最优位置gbest；S36、判断当前迭代次数是否超过预设最大迭代次数，是则终止迭代，将当前群体最优位置gbest的目标函数值作为最优目标函数值；否则执行S32。其中，所述步骤S32具体包括：根据以下公式更新每个所述粒子的速度和位置；Vij(t+1)＝ω(t)Vij(t)+c1r1(pbestij(t)-xij(t))+c2r2(gbestij(t)-xij(t))，Xij(t+1)＝Xij(t)+Vij(t+1)；其中，Vij(t+1)为在t+1时刻的第i个粒子第j维速度，Xij(t+1)为在t+1时刻的第i个粒子第j维位置，pbestij(t)为从最开始到t时刻为止第i个粒子第j维最优的位置，gbestij(t)为从最开始到t时刻为止所有粒子第j维最优的位置。其中，所述步骤S33具体为：判断所述每个粒子更新后的位置和速度是否满足所述约束条件，是则直接执行下一步；否则调整所述每个粒子位置使得满足所述约束条件，其具体调整过程如下：Xij(t+1)＝(0.8+0.2×r3)×Xmax(j)     Xij(t+1)>Xmax(j)本文档来自技高网...

【技术保护点】
一种铁路分布式数据中心资源调度优化方法，其特征在于，所述方法包括：S1、判断是否存在申请资源铁路局，并且所述申请资源铁路局的申请资源小于所述相邻铁路局的空闲资源之和；如果是，则执行下一步，进行铁路分布式数据中心资源调度，否则结束；S2、分析所述铁路分布式数据中心的资源分布情况，建立所有铁路局之间的通信网络拓扑结构，并根据所述通信网络拓扑结构，建立资源迁移总距离目标函数和约束条件；S3、根据所述目标函数和约束条件，利用粒子群算法，进行资源调度的优化。

【技术特征摘要】
1.一种铁路分布式数据中心资源调度优化方法，其特征在于，
所述方法包括：
S1、判断是否存在申请资源铁路局，并且所述申请资源铁路局的
申请资源小于所述相邻铁路局的空闲资源之和；如果是，则执行下一
步，进行铁路分布式数据中心资源调度，否则结束；
S2、分析所述铁路分布式数据中心的资源分布情况，建立所有铁
路局之间的通信网络拓扑结构，并根据所述通信网络拓扑结构，建立
资源迁移总距离目标函数和约束条件；
S3、根据所述目标函数和约束条件，利用粒子群算法，进行资源
调度的优化。
2.根据权利要求1所述的资源调度优化方法，其特征在于，所述
步骤S2具体包括：
S21、分析所述铁路分布式数据中心的资源分布情况，建立所有
铁路局之间的通信网络拓扑结构E(i,j)；
S22、根据所述通信网络拓扑结构，建立所述资源迁移总距离目
标函数：
Σi=1anΣj=1bnNumber(i,j)×E(i,j)×D(i,j),]]>其中，an为申请资源的铁路局个数，bn为所有铁路局总数，
Number(i,j)为第i个铁路局向第j个铁路局申请资源数，D(i,j)为第i个铁
路局向第j个铁路局申请资源的代价；
S23、建立等式约束条件，即每个申请资源的铁路局的数据中心
所申请资源一定可以从相邻的铁路局数据中心中获取：
∀iΣj=1bnNumber(i,j)×E(i,j)=Si;]]>其中，Si为第i个申请资源铁路局的申请资源数。
S24、建立不等式约束条件，即向同一个铁路局数据中心申请资
源的个数不能超过该铁路局数据中心的空闲资源数：
∀jΣi=1anNumber(i,j)×E(i,j)≤Sj′;]]>其中，S'j为第j个提供资源的铁路局的空闲资源数。
3.根据权利要求1或2所述的资源调度优化方法，其特征在于，
所述步骤S3具体包括：
S31、初始化参数，所述参数具体包括：所有粒子个数、资源调
度问题的总维数、粒子群算法的惯性因子ω(t)、个人因子c1和社会因
子c2、最大迭代次数、每个粒子的初始位置和初始速度、以及粒子速
度和位置超过所述约束条件后的重新赋值方式、初始化每个所属粒子
的个体最优pbest和群体最优位置gbest；
S32、更新每个所述粒子的速度和位置；
S33、判断所述每个粒子更新后的位置和速度是否满足所述约束
条件，是则直接执行下一步；否则调整所述每个粒子位置使得满足所
述约束条件，然后执行下一步；
S34、计算每个粒子更新位置后的目标函数值，并与当前个体最
优位置pbest对应的目标函数值比较，如果更新位置后的目标函数值
大，则更新当前个体最优位置pbest；
S35、将群体中的每个粒子的更新后的个体最优位置pbest对应的
目标函数值与当前群体最优位置gbest对应的目标函数值比较，如果更
新后的个体最优pbest对应的目标函数值小，则更新当前群体最优位置
gbest；
S36、判断当前迭代次数是否超过预设最大迭代次数，是则终止
迭代，将当前群体最优位置gbest的目标函数值作为最优目标函数值；
否则执行S32。
4.根据权利要求3所述的资源调度优化方法...

【专利技术属性】
技术研发人员：刘军，李平，史天运，马小宁，邹丹，潘佩芬，刘颜军，王虎，杨连报，冯玉梅，
申请(专利权)人：中国铁路总公司，中国铁道科学研究院电子计算技术研究所，
类型：发明
国别省市：北京;11