基于文件类型的云负载均衡混合模型制造技术

本发明专利技术提供基于文件类型的云负载均衡混合模型,包括以下步骤，S1：使用支持向量机对云中的文件进行分类；S2：将支持向量机的分类结果输入到蚁群优化算法中，并在蚁群优化算法中采用多目标方式优化云平台负载均衡性能。本发明专利技术优于现有的负载均衡方法，在云平台上具有显著的鲁棒性和可靠性。著的鲁棒性和可靠性。著的鲁棒性和可靠性。

【技术实现步骤摘要】
基于文件类型的云负载均衡混合模型


[0001]本专利技术属于云平台领域，具体涉及一种用于云平台的负载均衡算法。

技术介绍

[0002]如今，云计算正在发挥重要作用。供应商正在利用SaaS、PaaS和IaaS提供优质服务，在过去几年中，这些服务在公共云计算市场上呈现出巨大增长(约21.5％)。服务质量(QoS)还涉及其他内部和外部因素，如环境问题、经济、可持续性、绩效、能源消耗、新政策和新技术的发展。这意味着云计算的成功在很大程度上取决于供应商和消费者的有效支持策略和智能决策。类似地，其他特性，如负载平衡、可伸缩性、吞吐量、能耗、执行时间、截止时间约束、优化、迁移和响应时间，都被消费者和供应商考虑以维护QoS。由于传统算法无法有效地解决QoS优化问题，因此今年使用通用启发式算法来优化云中的QoS。
[0003]由于云中数据量巨大且种类繁多，仅提取相关信息就需要更多的资源。当需要处理大规模的、计算复杂的和需要资源的应用程序时，这种情况变得更加令人望而生畏。在这种情况下，数据预处理可以发挥重要作用，其中使用机器学习模型对数据进行离线分类可以显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于文件类型的云负载均衡混合模型,其特征在于，包括以下步骤，S1：使用支持向量机对云中的文件进行分类；S2：将支持向量机的分类结果输入到蚁群优化算法中，并在蚁群优化算法中采用多目标方式优化云平台负载均衡性能。2.如权利要求1所述的基于文件类型的云负载均衡混合模型,所述步骤S1包括，S11对支持向量机引入核函数，将原始数据空间转化为包含点积变换函数的高维空间，核函数如下：核函数如下：f()是SVM函数，表示非线性函数，u
i
表示支持向量，α
i
表示拉格朗日乘子，u
j
表示成员类标签，i,j表示节点的编号，N表示节点总数，c表示截距；S12采用以下多项式核函数使数据线性可分，S(x,y)＝((x
T
y+1))
d
x是输入向量，y是成员类标签，T表示转秩，d是多项式次,多项式次数根据学习算法进行选择。3.如权利要求1所述的基于文件类型的云负载均衡混合模型,所述步骤S2包括，S21以无向加权图的形式表示虚拟机网络，虚拟机网络表示成一个无向图G＝(V,E)，V代表虚拟机或节点，E表示具有信息素权重的无向边，信息素权重表示两个节点之间的过载和欠载强度，并以信息素的形式更新；S22初始化信息素，设定初始信息素为0.1，初始信息素值位于两个节点VMi和VMj之间，在第一次迭代...

【专利技术属性】
技术研发人员：赵哲锋，徐琛，梁雄伟，张鑫，杨光，
申请(专利权)人：丝路信息港云计算科技有限公司，
类型：发明
国别省市：