【技术实现步骤摘要】
本专利技术属于高可靠性与高可用性，特别是一种qos指导的基于hbw-goa的分布式集群服务动态重构方法。
技术介绍
1、当涉及到大规模的计算和数据处理时，分布式集群系统是一种常见的解决方案。它由多台计算机(节点)组成，这些计算机通过网络相互连接，并协同工作来完成复杂的任务。分布式集群系统具有高度的可扩展性和可靠性，可以有效地利用资源，提供高性能和高可用性的服务。
2、服务动态重构是指在运行时更新、修改、添加和删除服务的过程。随着信息技术的快速发展，分布式集群系统已成为现代计算环境中的核心基础设施。面对复杂的网络环境、资源限制以及用户对服务需求的动态变化，传统的静态服务架构已经无法满足这种灵活性和适应性需求。因此，服务动态重构技术应运而生。动态重构技术使得分布式集群系统能够实时地对服务进行优化和调整，以适应用户需求的变化，从而提供更优质的服务质量体验。同时，将任务做细粒度划分也更便于资源的分配和调度，进一步提高了系统的运行效率和灵活性。
3、qos是衡量服务性能的重要指标，通常包括响应时间、可用性、可靠性、吞吐量等方面。在分布式集群服务动态重构领域，qos信息对于优化服务性能和提高用户体验至关重要。目前，已有学者将qos信息应用于服务重构领域。2020年，jeongho kwak等人提出了一种动态服务布局策略，将重新配置延迟和成本等qos信息作为重构决策的依据，通过合理调整服务布局来优化系统性能，使服务提供商的利益最大化。2021年，上海大学的honghao gao等人提出利用lstm神经网络模型预测网络环
4、近年来，研究人员在不断探索各种优化算法和智能方法，以提高分布式服务的适应性、可扩展性和可靠性。针对分布式集群服务动态重构问题的研究目前主要有下列几个方面：doaa h.elsayed等人提出将并行遗传算法和q-learning相结合，提高最优服务组合方法的搜索效率；zhemei fang等人提出了一种基于近似动态规划的数学方法，用于成体系系统故障后服务的快速恢复；abdessalam messiaid等人提出了一种基于蚁群优化算法的方法来解决服务组合中可能出现的故障和qos约束不满足的问题。这些研究提高了服务动态重构的性能，但随着系统规模的增大及网络环境的动态变化，传统的优化算法存在不够灵活、易陷入局部最优解等问题。
5、为了克服传统优化算法的局限性，近年来元启发式算法在目标策略优化领域崭露头角，并取得了显著的进展。群体智能算法作为元启发式算法的重要分支，不仅可以通过模拟自然界中群体的行为来解决复杂问题，还能在全局搜索和局部优化之间找到一种平衡，提高算法的鲁棒性和适应性。蝗虫优化算法(grasshopper optimisation algorithm)是由saremi等人提出的一种典型的群体智能算法。虽然goa在离散优化问题上表现出良好的多样性保持能力，但由于其搜索策略主要取决于个体间的信息交互，全局搜索能力相对较弱，易陷入局部最优解。黑寡妇优化算法(black widow optimization)是adriánf等人在2020年提出的一种适用于连续非线性优化问题的元启发式算法，它通过淘汰机制加快算法的收敛速度，同时引入了个体的多样性保持机制，利用随机性的操作和个体之间的交互保持种群的多样性，避免过早陷入局部最优。同时bwo算法对初始种群的选择不敏感，不依赖于问题的初始化条件，具有较好的鲁棒性和适应性。
技术实现思路
1、本专利技术的目的在于针对上述现有技术存在的问题，提供一种分布式集群应用环境下的新型服务动态重构方法，综合考虑服务调用所产生的成本及价值，并通过hbw-goa智能算法推算出一套高性能、低能耗的服务重构方案。通过设计qos相关指标来评估分布式集群环境中服务的调用价值，同时考虑数据传输及服务调用的资源消耗，综合服务调用价值及调用成本来评估服务重构方案的优劣。最后，得到一个更适用于分布式集群环境的动态重构方案。
2、实现本专利技术目的的技术解决方案为：一种qos指导的基于hbw-goa的分布式集群服务动态重构方法，所述方法包括以下步骤：
3、步骤1，实时监控分布式集群中各节点上的负载状态信息和节点之间的链路信息，并保存在系统数据库中；
4、步骤2，从计算能力、内存空间、磁盘i/o、网络性能和一致性五个方面对节点的处理能力进行评估，并保存在系统数据库中；
5、步骤3，根据收集到的节点负载状态信息以及处理能力计算每个节点的综合负载；
6、步骤4，根据目标分布式集群系统中节点和移动设备用户双方对服务质量的要求，设计适用于目标系统的qos指标；
7、步骤5，根据qos指标计算目标系统服务调用价值；
8、步骤6，根据收集的节点间链路信息和服务调用所需的资源消耗计算服务调用成本；
9、步骤7，将服务调用价值和服务调用成本作为hbw-goa算法中的适应度函数，运行hbw-goa算法将待执行的服务进行重构，进而得到最优的服务动态重构方案；其中hbw-goa算法包括：运用goa算法对bwo算法的迭代过程进行优化处理，将bwo算法每次迭代生成的重构方案作为goa算法中的初始输入，再将goa算法生成的部分结果作为bwo算法下次迭代的输入；
10、步骤8，利用综合负载和选定服务的调用成本评估实施服务重构方案后的预期负载，若各节点的预期负载均未超过设定的阈值，系统将实施该服务重构方案，否则将本次生成的重构方案作为hbw-goa算法的初始输入重新生成服务重构方案。
11、本专利技术与现有技术相比，其显著优点为：
12、1)同时考虑了服务质量与调用成本两个指标，提高了集群系统的整体性能。
13、2)根据分布式集群中服务重构的特点，提出一种新的混合智能算法hbw-goa，该智能优化算法对最优解的搜索能力更强，解决了局部最优解的停滞搜索问题，缩短了搜索最优服务重构方案的处理时间。
14、3)针对目标系统，运行混合bwo和goa的智能优化算法，以减少优化算法的计算时间和计算资源。
15、下面结合附图对本专利技术作进一步详细描述。
本文档来自技高网...【技术保护点】
1.一种QoS指导的基于HBW-GOA的分布式集群服务动态重构方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的QoS指导的基于HBW-GOA的分布式集群服务动态重构方法，其特征在于，步骤2中从计算能力、内存空间、磁盘I/O、网络性能和一致性五个方面对节点的处理能力进行评估，采用式(1)所示的多元组：
3.根据权利要求1或2所述的QoS指导的基于HBW-GOA的分布式集群服务动态重构方法，其特征在于，步骤3所述根据收集到的节点负载状态信息以及处理能力计算每个节点的综合负载，计算方法如式(2)所示：
4.根据权利要求3所述的QoS指导的基于HBW-GOA的分布式集群服务动态重构方法，其特征在于，步骤4具体为：在一般通用的QoS指标基础上，结合目标系统中节点和移动设备的不同需求进行扩展设计，得到适用于目标系统的QoS指标为服务质量指标元组Qt如式(3)所示：
5.根据权利要求4所述的QoS指导的基于HBW-GOA的分布式集群服务动态重构方法，其特征在于，步骤5中根据QoS指标计算目标系统服务调用价值，计算公式为：
...【技术特征摘要】
1.一种qos指导的基于hbw-goa的分布式集群服务动态重构方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的qos指导的基于hbw-goa的分布式集群服务动态重构方法，其特征在于，步骤2中从计算能力、内存空间、磁盘i/o、网络性能和一致性五个方面对节点的处理能力进行评估，采用式(1)所示的多元组：
3.根据权利要求1或2所述的qos指导的基于hbw-goa的分布式集群服务动态重构方法，其特征在于，步骤3所述根据收集到的节点负载状态信息以及处理能力计算每个节点的综合负载，计算方法如式(2)所示：
4.根据权利要求3所述的qos指导的基于hbw-goa的分布式集群服务动态重构方法，其特征在于，步骤4具体为：在一般通用的qos指标基础上，结合目标系统中节点和移动设备的不同需求进行扩展设计，得到适用于目标系统的qos指标为服务质量指标元组qt如式(3)所示：
5.根据权利要求4所述的qos指导的基于hbw-goa的分布式集群服务动态重构方法，其特征在于，步骤5中根据qos指标计算目标系统服务调用价值，计算公式为：
6.根据权利要求5所述的qos指导的基于hbw...
【专利技术属性】
技术研发人员：庄毅，郭小奉，顾晶晶，李松，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。