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co ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。