一种用于云计算的分布链式计算资源的优化方法及系统技术方案

本发明专利技术实施例提供了一种用于云计算的分布链式计算资源的优化方法及系统。首先构建第一点集合和第一边集合，以生成静态子模型，第一点集合包括节点链集合、任务包集合和区域集合，所述第一边集合包括五种边类型；然后，构建第二点集合和第二边集合，以生成动态子模型，第一点集合包括任务包集合，所述第二边集合包括两种边类型；再将静态子模型与动态子模型合并为计算资源优化模型；最后在计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出计算节点的路径。可根据具体需求，获取计算速度最快的路径或者占用计算节点最少的路径，从而可以提高计算资源的优化效率，利于发挥计算节点的算力。

An optimization method and system of distributed chain computing resources for Cloud Computing

The embodiment of the invention provides an optimization method and system of distributed chain computing resources for cloud computing. First, the first point set and the second edge set are constructed to generate the static sub model. The first point set includes the node chain set, the task package set and the region set. The second edge set includes five edge types. Then, the second point set and the second edge set are constructed to generate the dynamic sub model. The first point set includes the task package set, and the second edge set includes two edge classes The static sub model and the dynamic sub model are combined into the computational resource optimization model. Finally, in the time extension graph of the computational resource scheduling model, the path of the computational node is obtained by improving the Dijkstra algorithm. According to the specific needs, we can obtain the path with the fastest computing speed or the path with the least number of computing nodes, which can improve the optimization efficiency of computing resources and help to play the computing power of computing nodes.

【技术实现步骤摘要】
一种用于云计算的分布链式计算资源的优化方法及系统
本专利技术涉及大大数据
，尤其涉及一种用于云计算的分布链式计算资源的优化方法及系统。
技术介绍
近些年来，随着互联网的发展，数据处理量也发生了爆炸性的增长。目前，一般通过装载有大量服务器的数据中心进行数据处理与计算，这就涉及到计算资源的优化的技术问题，现有的优化方法对于计算路径的优化效率较低，造成任务处理效率低下，还可能造成服务器的算力的浪费。
技术实现思路
有鉴于此，本专利技术实施例提供了一种用于云计算的分布链式计算资源的优化方法及系统，用以解决现有技术计算路径优化较差的技术问题。一方面，本专利技术实施例提供了一种用于云计算的分布链式计算资源的优化方法，包括：S1、构建第一点集合和第一边集合，以生成静态子模型，所述第一点集合包括节点链集合、任务包集合和区域集合，所述第一边集合包括五种边类型；S2、构建第二点集合和第二边集合，以生成动态子模型，所述第一点集合包括任务包集合，所述第二边集合包括两种边类型；S3、将静态子模型与动态子模型合并为计算资源优化模型；S4、在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出计算节点的路径。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，S1包括：S11、构建第一点集合P＝CUMUA；其中，C为节点链集合，节点链cq表示从计算机com(0)出发，依次访问计算机com(1)、计算机com(2)、…、计算机com(k)的节点链；M表示任务包集合，M＝Uu∈CMu，u∈C,Mu表示需要通过计算机com(u)进行计算的任务包集合；A为区块集合，Ax表示x区块中所有计算机节点,x∈A；S12、构建第一边集合E＝BUDUFUGUH，所述第一边集合包括五种边类型；其中，边类型B＝Uu∈CBu，边类型D＝Uu∈CDu，边类型F＝Ux∈AFx，边类型G＝Ux∈AGx，边类型表示第i类任务包在计算机com(u)的类节点，表示第j类任务包在计算机com(v)的类节点；表示第i个计算机在x区块的计算节点；和是两个相邻的类节点；S13、根据第一点集合和第一边集合构建数据图，以生成静态子模型。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，S2包括：S21、构建第二点集合P＝M；其中，C为节点链集合；M表示任务包集合，M＝Uu∈CMu，u∈C,Mu表示需要通过计算机com(u)进行计算的任务包集合；S22、构建第二边集合所述第二边集合包括两种边类型；其中，表示第i类任务包在计算机com(u)的类节点；表示的第k个计算机在x区域的计算节点，表示的第l个计算机在x区域的计算节点；和是两个相邻的类节点；表示第i类任务包在计算节点的类节点，表示第i类任务包在计算节点的类节点。S23、根据第二点集合和第二边集合构建数据图，以生成动态子模型。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述静态子模型和动态子模型需要同时满足：条件a、随机计算过程中，保证同类任务包在相邻计算机之间不出现节点超越的情形；条件b、随机计算过程中，保证同一计算机中先到达的任务包在计算完成优先输出。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤S4包括：在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出占用计算节点最少的路径；以及，在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出计算速度最快的路径。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出占用计算节点最少的路径，具体包括：S41a、在计算资源调度模型时间扩展图中，运行改进迪杰斯特拉算法；S41b、创建OPEN表和CLOSE表，其中OPEN表保存所有已考察而未删除的NODE，CLOSE表中记录已访问过的POINT；S41c、把STARTNODE放入OPEN表中等待检查；S41d、从OPEN表中找出占用计算节点最少的NODE，找出该NODE的所有CHILDNODE，把该NODE放到CLOSE表中；S41e、遍历考察该NODE的CHILDNODE，若该CHILDNODE在CLOSE表中，则丢弃；否则记录该NODE的占用计算节点个数，若该CHILDNODE已在OPEN表中，占用计算节点个数更少则更新权值，占用计算节点个数相同但计算速度较快则到达速度权值，占用计算节点个数更多则丢弃，若该CHILDNODE不在OPEN表中，则将该CHILDNODE放入OPEN表中；S41f、重复第S41d和第S41e步，直到OPEN表为空或找到GOALNODE，以获得占用计算节点最少的路径。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出计算速度最快的路径，具体包括：S42a、在计算资源调度模型时间扩展图中，运行改进迪杰斯特拉算法；S42b、创建OPEN表和CLOSE表，其中OPEN表保存所有已考察而未删除的NODE，CLOSE表中记录已访问过的POINT；S42c、把STARTNODE放入OPEN表中等待检查；S42d、从OPEN表中找出计算速度最快的NODE，找出从该NODE出发的所有CHILDNODE，把该NODE放到CLOSE表中；S42e、遍历考察该NODE的CHILDNODE，若该CHILDNODE在CLOSE表中，则丢弃；否则记录该NODE的可行的最快计算速度，若该CHILDNODE已在OPEN表中，计算速度较快较早则更新权值，否则丢弃，若该CHILDNODE不在OPEN表中，则将该CHILDNODE放入OPEN表中；S42f、重复第S42d和第S42e步，直到OPEN表为空或找到GOALNODE，即获得计算速度最快的路径。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述改进迪杰斯特拉算法的数据结构选择斐波那契堆结构、简单桶结构或二元堆结构。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述区块包括一个或多个等价的计算节点，所述计算节点安装在机柜里，所述机柜包括多个相互连接的子机柜，所述子机柜包括底座，该底座上设有水冷装置，该水冷装置包括水冷液输送泵、循环管道、散热组件和吸热组件，所述散热组件为中空长方体结构，散热组件的内壁为空心结构，循环管道绕置在散热组件的内壁上，水冷液输送泵安装在散热组件的底部，并与循环管道连通；散热组件的顶部承载吸热组件，吸热组件居中设有与散热组件的开口连相互通的开孔，吸热组件的边缘设置有固定计算节点的锁扣，所述吸热组件为槽型结构，槽型的开口边缘设置有若干过线孔；底座的相对两侧设有公连接件和母连接件，所述公连接件和母连接件榫卯配合，可以实现子机柜水平方向本文档来自技高网...

【技术保护点】
1.一种用于云计算的分布链式计算资源的优化方法，其特征在于，所述方法包括：/nS1、构建第一点集合和第一边集合，以生成静态子模型，所述第一点集合包括节点链集合、任务包集合和区域集合，所述第一边集合包括五种边类型；/nS2、构建第二点集合和第二边集合，以生成动态子模型，所述第一点集合包括任务包集合，所述第二边集合包括两种边类型；/nS3、将静态子模型与动态子模型合并为计算资源优化模型；/nS4、在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出计算节点的路径。/n

【技术特征摘要】
1.一种用于云计算的分布链式计算资源的优化方法，其特征在于，所述方法包括：
S1、构建第一点集合和第一边集合，以生成静态子模型，所述第一点集合包括节点链集合、任务包集合和区域集合，所述第一边集合包括五种边类型；
S2、构建第二点集合和第二边集合，以生成动态子模型，所述第一点集合包括任务包集合，所述第二边集合包括两种边类型；
S3、将静态子模型与动态子模型合并为计算资源优化模型；
S4、在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出计算节点的路径。


2.根据权利要求1所述的方法，其特征在于，S1包括：
S11、构建第一点集合P＝CUMUA；其中，C为节点链集合，节点链cq表示从计算机com(0)出发，依次访问计算机com(1)、计算机com(2)、…、计算机com(k)的节点链；M表示任务包集合，M＝Uu∈CMu，u∈C,Mu表示需要通过计算机com(u)进行计算的任务包集合；A为区块集合，Ax表示x区块中所有计算机节点,x∈A；
S12、构建第一边集合E＝BUDUFUGUH，所述第一边集合包括五种边类型；其中，边类型B＝Uu∈CBu，边类型D＝Uu∈CDu，边类型F＝Ux∈AFx，边类型G＝Ux∈AGx，边类型表示第i类任务包在计算机com(u)的类节点，表示第j类任务包在计算机com(v)的类节点；表示第i个计算机在x区块的计算节点；和是两个相邻的类节点；
S13、根据第一点集合和第一边集合构建数据图，以生成静态子模型。


3.根据权利要求2所述的方法，其特征在于，S2包括：
S21、构建第二点集合P＝M；其中，C为节点链集合；M表示任务包集合，M＝Uu∈CMu，u∈C,Mu表示需要通过计算机com(u)进行计算的任务包集合；
S22、构建第二边集合所述第二边集合包括两种边类型；其中，表示第i类任务包在计算机com(u)的类节点；表示的第k个计算机在x区域的计算节点，表示的第l个计算机在x区域的计算节点；和是两个相邻的类节点；表示第i类任务包在计算节点的类节点，表示第i类任务包在计算节点的类节点。
S23、根据第二点集合和第二边集合构建数据图，以生成动态子模型。


4.根据权利要求3所述的方法，其特征在于，所述静态子模型和动态子模型需要同时满足：
条件a、随机计算过程中，保证同类任务包在相邻计算机之间不出现节点超越的情形；
条件b、随机计算过程中，保证同一计算机中先到达的任务包在计算完成优先输出。


5.根据权利要求4所述的方法，其特征在于，步骤S4包括：
在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出占用计算节点最少的路径；以及，在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出计算速度最快的路径。


6.根据权利要求5所述的方法，其特征在于，在所述计算资源调度模型时间扩展图中，通过改进迪杰斯特拉算法进行搜索以得出占用计算节点最少的路径，具体包括：
S41a、在计算资源调度模型时间扩展图中，运行改进迪杰斯特拉算法；
S41b、创建OPEN表和CLOSE表，其中OPEN表保存所有已考察而未删除的NODE，CLOSE表中记录已访问过的POINT；
S41c、把STARTNODE放入OPEN表中等待检查；
S41d、从OPEN表中找出权值最小的NODE，找出该NODE的所有CHILDNODE，把该N...

【专利技术属性】
技术研发人员：吕春燕，
申请(专利权)人：吕春燕，
类型：发明
国别省市：安徽;34