简述云存储技术的基础 云存储基础知识

昭棠笔记 2023-02-13

艺术家介绍-张倩莲

2022年4月29日发

(作者:叶倩文曾经心痛)

第43卷增刊(I) 

2013年7月 

东南大学学报(自然科学版) 

JOURNALOF SOUTHEASTUNIVERSITY(Natural ScienceEdition) 

Vo1.43 Sup(I) 

July 2013 

doi:10.3969/j.issn.1001—0505.2013.S1.042 

云存储部署优化的进化算法设计 

李 皓 罗 熊 

(北京科技大学计算机与通信工程学院,北京100083) 

(材料领域知识工程北京市重点实验室做什么网站赚钱,北京100083) 

摘要:针对云计算环境下的云存储部署规划优化问题竞价点击器,全文研究和提出了一种进化算法并进行 

了求解.首先基于对象存储方法搜索引擎排名规则,设计了三层架构云存储模型.在建立的模型中,将云存储部署 

抽象为多目标优化调度问题,针对现有粒子优化算法或遗传算法在解决这一优化调度问题过 

程中出现的收敛速度及调度效率等方面的不足,将2种算法进行有效融合,设计了混合进化算法 

来进行求解yingxiao,讨论了进化算法的优化设计过程.同时网络 营销,在云计算仿真平台CloudSim上企业网络推广,对所提出 

的优化算法进行仿真实验,并对云存储中负载均衡等性能指标的改善程度进行了检测.结果表 

明巧说seo,所提出的混合进化算法有效实现了云存储的优化部署任务,与其他进化算法相比站长工具查询,能对性能 

指标实现更优配置. 

关键词:云存储;粒子优化;遗传算法 

中图分类号:TP39 文献标志码:A 文章编号:1001—0505(2013)增刊(I)-0202-04 

Design of evolutionary algorithm for the optimization 

of cloud storage deployment 

Li Hao Luo Xiong 

(School ofComputer andCommunicationEngineeringseo天天网络,University of ScienceandTechnologyBeijing,Beijing100083,China) 

(Beijing Key Laboratory of Knowledge Engineering for Materials Science,Beijing 100083,China) 

Abstract:Aiming at the optimization of cloud storage deployment in cloud computing environment, 

an evolutionary algorihm its proposed.Firstly帽子云排名,a cloud storage model wih tthree—iter structure is de— 

signed by using he tobject storage method.In this model西安seo公司,the cloud storage deployment is defmed as 

a mulit—objective optimization problem.This problem Can be solved by using the tradiitonal particle 

swarm optimization(PSO)algorithm or the genetic algorithm(GA).However,the convergence 

speed and the scheduling eficifency are not satisfactory.To overcome the above limitation组织结构优化,a hybrid 

evolutionary algorithm is presented by combining PSO and GA.The optimization design process of 

this evolutionary algorithm is analyzed.Moreover,the proposed algorithm is tested on the simulation 

platform CloudSim.Meanwhile,the improvement of main performance index such as load balance is 

evaluated.The experimental results show that the proposed algorithm eficifently improves the per— 

formance of cloud storage deployment.Compared witll other approaches.this evolutionary algorihm t

Can achieve better configuration of performance index. 

Key words:cloud storage;particle swarm optimization;genetic algorithm 

通过应用软件云存储将网络中各种不同类型的 

存储设备集合起来进行协同工作,主要向用户提供 

包括业务访问和数据存储在内的服务,在大数据计 

算时代,具有重要的应用价值.云存储是由多个部 

收稿日期:2013-03.10. 作者简介:李皓(1989一),女,硕士生;罗熊(联系人)冰桶算法,男帮站seo,博士,副教授又名林州站长网,硕士生导师,xluo@ustb.edu.ca. 

基金项目:自然科学基金资助项目(61174103,61174069淮北网站建设,61004021)、中央高校基本科研业务费专项资金资助项目(FRF-TP一11— 

002B)、材料领域知识工程北京市重点实验室2012年度阶梯计划资助项目(Z121101002812005). 

引文格式:李皓平度网,罗熊.云存储部署优化的进化算法设计[J].东南大学学报:自然科学版三明seo,2013上海企业推广,43(s1):202—205.[doi:10.3969/j.issn. 

1001—0505.2013.SI.042] 

增刊(I) 李皓,等:云存储部署优化的进化算法设计 203 

分组成的复杂系统,可收集、存储及处理底层数据, 

并基于此,保证其他层级云服务的实现¨ .现有 

的各种网络存储技术,如直接连接存储(DAS)、网 

络附加存储(NAS)、存储区域网络(SAN)等baidu百度,由于 

其自身特点并不能很好地满足云存储服务的核心 

需求.目前爱排名seo,基于对象的存储(OBS)方法为云存 

储的发展提供了一种良好的解决方案 .在基于 

对象的存储实现过程中,由于云存储环境的特殊 

性浙江企划行业交流平台,内部各节点的内存容量及处理速度等性能参 

数之间存在一定的耦合关系百度公司,因此,在考虑存储 

负载均衡的前提下网站流量 龙优化软件,如何在动态环境下优化部署工具app推广渠道, 

更好地配置虚拟节点及分配资源,是云存储应用 

的难点之一.围绕这一实际优化问题,目前已提 

出了一些方法收录优美图片,特别是近年来刷点击率软件,基于遗传算法或 

蚁算法等先进的智能进化算法description,出现了一些优 

化求解算法 J.但这些算法,在求解的速度和所 

得解的质量等方面,尚有一定的局限性.因此知更鸟主题,本 

文在采用基于对象存储方式手机优化,设计云存储优化模 

型的基础上,综合使用遗传算法和粒子优化算 

法,设计混合进化算法,进行优化求解. 

1 系统建模 

云存储服务主要是将需要保存的文件内容, 

合理地分配到各个系统的存储节点中去.如存储 

大文件时崇义网,将其化为若干个小文件,每个小文件 

映射到一个存储节点中;读取文件时,即对存 

有若干小文件的存储节点进行访问,然后重组为 

大文件提供给用户.若文件较小则直接映射到唯 

一的存储节点中,实现单点访问. 

为降低问题规模,减少输入参数,本文假定: 

1)每一个存储节点只能处理一种对象天津搜索引擎优化,文件 

对象与存储节点具有一对一映射关系; 

2)云存储实验中深圳网络营销方案,每个文件对象大小相同, 

即对文件对象的响应时间企业危机处理,仅由服务器实例的类 

型决定; 

3)假设合理分配的情况下,存储节点的大小 

可以满足用户需求. 

这样可将云存储部署转化为一个多目标优化 

问题,再通过相关算法,求得近似更优解.依据云 

存储三层体系结构(基础层、中间层和应用层)、输 

人参数以及性能指标,可将整个系统模型的输人 

抽象为数据表.此时的云存储系统seo教学,即可视为若 

干个存储对象与存储节点的映射关系.这里将存 

储节点的类型表整站seo,抽象为三行三列的矩阵冯东阳博客,其中 

每一行代表一种存储服务器类型.例如,三列则 

分别表示成本费用、该类服务器节点处理单个存储 

对象的服务响应时间、存储对象大小(文件操作需 

要执行的指令集),具体示例见表1. 

为计算简便济宁网站建设,本文所述的存储节点的类型比例 

为5:3:2,即具有表1中第1种类型的存储服务器 

占50%尚南seo,第2种类型占30%,第3种占20%琼海网,且编 

号由低到高排列.因此,若共有10个节点网站死链检测,则编号 

为前五的存储节点的服务实例类型为第一种快速排名,其后 

依此类推. 

表1存储节点类型 

类型编号 费用/元服务时间/s文件大小/百万条指令 

2进化算法设计 

2.1算法框架 

如前所述百度搜索推广,为了提高优化算法的求解效率邢台百度推广, 

这里结合遗传算法(genetic algorithm关键词密度,GA)和粒子 

(particle swal-m optimization网站忧化,PSO)算法的优点邢台seo, 

快速而准确地搜索解空间中的更优解.首先采用 

PSO算法,进行种迭代,利用其收敛速度较快 

的特点,快速地在解空间中寻最可能成为更优 

解的可行解.随后西宁网站推广,基于当前的迭代数,随机产生 

一实数值株洲做网站多少钱,判断是否满足一定范围的约束人人关键词,若达 

到条件,则在当前迭代的种中执行GA中的交 

叉、变异等操作,引入迭代机制网上商城推广,促进个体信息交 

换,同时从局部更优解空间中解脱粒子个体404错误,使 

其能重新保持活性,而防止早熟.结合产生的混 

合优化算法PSO—GA,具有快速、灵活,适应性强 

等特点.上述算法的伪代码如下所示. 

进化算法PSO—GA 

初试化种P,迭代步骤数∞为0; 

计算种个体的适应度; 

while(迭代次数<更大迭代数且更优适应度差>阈值){ 

更新每个个体当前搜索到的更优位置pBest; 

对P中的每一个pBesta5网站,执行下述判断操作: 

if(pBest>大于其他任意pBest’) 

记录种更优个体gBest=pBest; 

利用pBest、gBest更新个体各维度速度v ; 

利用速度v 与当前位置的每个维度值 ,更新个体位置 

X(m+1); 

利用 与更大迭代数max一∞获得随机数 ; 

if( >阈值8){ 

随机选取2个个体; 

if(随机数P<交叉概率pCrossover) 

两个体交叉; 

if(随机数p<变异概率pMutate) 

两个体分别变异; 

去除种中相同的个体; 

} 

计算种个体的适应度; 

∞ m+1: 

} 

东南大学学报(自然科学版) 第43卷 

2.2种个体及性能指标的计算 

进化算法中种的每个个体即对应一种部署 

方案百度爱采购,以总成本、总响应时间及负载均衡状况表征 

性能.设输入存储服务器类型为3×3的矩阵Q(1 

:3,l:3)(见表1);输入请求为Ⅳ维向量R(1: 

Ⅳ)关键词排名点击软件,其中Ⅳ为存储对象总数,按从低到高编号新浪博客赚钱, 

(f)表示编号为f的对象对应的请求数量;存储节 

点总数为 百度竞价恶意点击软件,按从低到高编号,定义N×M的存 

储状态矩阵D(1:N,1: ),当编号为f的存储对 

象部署在编号为j『的存储节点上时,D(fseo网站推广,j『)=1, 

否则,D(f,_『)=0. 

存储系统总成本c的计算步骤如下:①计算 

第-『个存储节点上的存储对象数:乏D(i,_『).②当 

乏D( ,J)=0,则该节点费用成本为O岑溪网站开发,否则进入 

步骤③.③根据表l中节点类型的分类(其中类型 

编号比为5:3:2),判断编号-『的取值属于以下那个 

区间:(O搜索引擎教程,0.5]×M、(0.5,0.8]×M、(0.8,1]× 

,据此按照表1中节点类型网站整合营销,得到第_『个存储节 

点对应的费用成本;④重复步骤②和③,直到计算 

出所有节点的成本值之和,即为总成本. 

总请求响应时间 的计算步骤如下:①获取 

每个存储对象上的请求数量 (f).②计算每个节 

点上的存储对象请求总和V(j)=∑ D(i,.『)×R 

(f).③如前面计算成本中的第③步怎么制作自己的网页,判断节点属 

于哪个类型龙岩做网站公司,据此健康网站排名,通过读取矩阵Q中的第2列 

数值天津百度推广电话,得到该类存储节点处理单一对象的时间Q 

({1百度分享互刷,2999ask,3}大型网站制作,2).④该存储节点的响应时间为Q 

({1,2软文网,3}百度seo排名,2)X V(j).⑤访问请求的总响应时间 

为maxj(Q({1,2,3}新闻推广,2)× (jf)). 

假设存储节点的负载为其上所有存储对象的 

请求数之和反向链接,则对种中任一个体所对应的部署漳州网站建设, 

其负载情况L的计算步骤如下:①计算每个存储 

节点的负载 (_『)=∑D(f,J)×R(fT ).②计算出 

所有节点的平均负载 =∑V(j)/M.③负载 

均衡情况下,各个节点的负载应近似等于 ,用 

L=∑l y(.『)一’,a l是否接近于0百度指数词,判断负载是 

否接近均衡. 

2.3适应度函数的设计 

考虑到云存储部署建模中的多重优化目标搜索引擎的分类, 

这里基于引入权重因子网站安全扫描工具,构造适应度评价函数新闻营销的优势, 

实现多目标优化. 

权重因子可以是静态的(定值)404错误,也可以随迭 

代的次数变化和迭代进程不断变动,以适应求解 

过程的变化,达到需求的精度. 

设 , 百度点击器原理, 分别表示负载权重、成本费用 

权重以及响应时间权重,且0≤W{L.cr r≤1百度培训,wL+ 

.rc+Wr=1.令L =(L一一L)/(L一一Lmi ),C 

=(c衄一c)/(C眦一 ),T =( —r)/ 

( 一 ),分别表示负载、成本费用、响应时间 

的差分值,其中广元网,{L, , }表示当前此次迭代中, 

对应的负载、成本费用、响应时间值;{L,C厦门seo公司,T}~ 

与{L江津网站建设,c, }曲表示第1次迭代时,各个个体性能 

指标的更大值和最小值.与文献[8]类似,适应度 

函数定义为 

f= L + C + 

在本文研究的云存储部署优化建模中天津网站优化公司,节点 

负载相对比较重要,因此, 相对较大. 

3实验仿真结果 

本文主要基于流行的云计算仿真平台Cloud. 

Siml9 对文中算法进行仿真实验温州网站建设,模拟算法流程百度品牌推广, 

对云存储中负载均衡、费用成本和访问响应时间3 

个性能指标的改善程度进行检测. 

为了验证算法优化效率如何做品牌推广,分别采用粒子优化 

算法PSO、遗传算法GA、蚁优化算法(ant colony 

optimization竞价工具,ACO)以及提出的混合进化算法 

PSO-GA,对前述的云存储部署优化模型,进行求 

解.其中百度热点,PSO中的惯性权重设为0.8闵行网站建设,学习因数 

C1=C2=2湖南长沙seo。0,GA的交叉概率pCrossover=0.1, 

变异概率pMutate=0.04.PSO—GA定义的适应度 

函数中seo关键词优化公司,选用的静态权重因子为 =0.5, = 

0.25, =0.25.表2是4种算法的运行结果 

比较. 

表2算法结果对比 

由表2可看出,平均收敛速度比较的结果为: 

PsO>PSO—GA>ACO>GA.而更优值比较的结 

果为:PsO-GA>GA>ACO>PSO.在收敛速度 

方面,PSO—GA算法并非更好竞价开户推广,这是由于为了避免 

陷入局部更优,引入GA实现算法震荡造成的,相 

较而言百度权重查询,PSO虽然收敛速度快但是出现了局部最 

优现象网站推广论坛,更优值更低.因此福州网站制作,综合而言邓州网,混合优化 

算法PsO—GA达到了较好的优化效果. 

增刊(I) 李皓,等:云存储部署优化的进化算法设计 205 

为了直观理解PSO.GA算法的优化效果地板软文,这 

里特别给出了该算法优化过程中,云存储系统中 

各节点的负载变化状况.图1(a)是优化算法初始 

执行时的系统负载情况;图1(b)则是算法优化结 

束后的负载情况.其中,图的纵坐标表示系统中 

各节点对应的负载值(即该节点需处理的存储对 

象的请求数量和).由图1对比可知,算法迭代初 

期,系统中各节点的负载情况存在一定差异,但 

随着迭代次数增加草根代写,负载情况趋于稳定,且渐趋 

于某一平均负载值.在迭代末期说说论坛,由于受到其他 

因素影响即刻搜索引擎,各节点的负载值虽然不可能完全相等, 

但已趋近,尤其中部节点负载十分接近,基本实 

现了负载均衡的目标. 

9 

呈7 

j四5 

s 

1 

节点编号 

(a)算法迭代初期 

更新带动器。n 

≤ 

理 

节点编号 

(b)算法迭代末期 

图1优化算法迭代过程中系统负载变化情况 

4 结语 

本文针对基于对象存储方法设计的三层架构 

云存储模型,讨论了优化部署的设计算法,通过 

调整对象到存储节点的映射及均衡负载,以提高 

整个云存储系统的性能.在建立的模型中,将云 

存储部署抽象为多目标优化问题,针对现有粒子 

优化算法或遗传算法在解决资源调度问题过程 

中高收录域名,出现的收敛速度及调度效率等方面的不足福州seo服务, 

本文将其有效融合深圳网站维护,设计了混合优化算法PSO— 

GA进行求解网络营销特点,并在云计算仿真平台Cloudsim上, 

进行了仿真实验,结果表明,提出的混合进化算 

法相较于其他进化算法seo搜索推广,在负载均衡条件下关键词挖掘工具,能 

对性能指标实现更优配置. 

参考文献(References) 

[1]Gurumurthi S.Architecting storage for the cloud tom— 

puting era[J].IEEE Micro建立个人网站多少钱,2009,29(6):68—71. 

[2]Itarti W太原网络营销,Kayssi A,Chehab A.Privacy as a service: 

privacy・-aware data storage and processing in cloud com・- 

puting rachitectures[C]//Prcoeedings of IEEE 30th In— 

temational Conference on Distributed Computing Sys— 

tems Workshops.Chengdu医院seo,China滨湖网,2009:71I一716. 

[3]陈晓华百度是什么,李春芝网络营销人员,俞坚奇.虚拟主机云存储系统整数 

规划模型及更优化分配算法[J].电信科学,2011, 

27(1):89—94. 

ChenXiaohua杭州seo网站优化,LiChunzhi网络红人推广,Yu Jianqi.Integerprogram— 

ming model and optimization algorithm for virtual host 

cloud storage system[J].Telecommunications Sci— 

ence南宁seo优化,2011搜索引擎的分类,27(1):89—94.(in Chinese) 

[4]Wu J东网络推广外包,Ping L网站统计分析,Ge X如何开机启动优化,et 1a.Cloud storage as the ifnra- 

structure of cloud computing[C]//Proceedings of In— 

ternafional Conference on Intelligent Computing and 

Cognitive Informatics.Kuala Lumpur,Malaysia,2010: 

380—383. 

[5]Divya K,Jeyalahta S.Key technologies in cloud com— 

puting[C]//Proceedings of International Conference 

on Cloud Computing Technologies,Applications and 

Management.Dubai乐清网站建设,The United Arab Emirates百度竞价软件,2012: 

196—199. 

[6]Ali M F网站收录情况,Barnawi A M,Bashar A.Performance analy— 

sis framework to optimize storage infrastructure for 

cloud computing[C]//Prcoeedings of International 

Conference on Innovative Computing Technology.Ca- 

sablanca外链代发包收录,The Kingdom of Morocco马鞍山建站,2012:285—290. 

[7]杨星,马自堂,孙磊.云环境下基于改进蚁算法的 

虚拟机批量部署研究[J].计算机科学,2012高外链域名,39 

(9):33—37. 

Yang)(ing,Ma Zitang天津网站建设公司,Sun Lei.Research on extended 

nat colony optimization based virtual machine deploy— 

ment in infrastructure clouds[J 1.Computer Science, 

2012济南百度推广,39(9):33—37.(in Chinese) 

[8]Wei Y金华网站建设公司,Tian L.Research on cloud design resources 

scheduling basde on geneitc algorithm[C]//Proceed・ 

ings of International Conference on Systems and Infor- 

matics.Yantai网站推广策划方案,China,2012:2651—2656. 

[9]1]he Cloud computing nad Distributed Systems Laborato・ 

ry,University of Melbourne.CloudSim:a framework 

ofr modeling and simulation of cloud computing infra- 

structures and services[EB/OL].(2012-01)[2013- 

01].http://www.cloudbus.org/cloudsim/. 

文薇-几许风雨