美章网 资料文库 语义搜索引擎的云资源调度分析范文

语义搜索引擎的云资源调度分析范文

本站小编为你精心准备了语义搜索引擎的云资源调度分析参考范文,愿这些范文能点燃您思维的火花,激发您的写作灵感。欢迎深入阅读并收藏。

语义搜索引擎的云资源调度分析

《计算机应用研究杂志》2015年第五期

1基于SSE的云资源调度体系结构

其体系结构分为三层:云用户层、资源调度层以及云资源层,如图1所示。(1)云用户层:各种各样的应用都集中在这一层实现,该层的需求就是云系统要提供的功能,它直接影响着云系统要达到的目标。它处在云层次结构的最上层,通过应用支持环境和下层的服务实现交互。云用户层看到的只是应用支持环境提供给自己的视图,用户不需要了解云和各种服务的实现细节就可以开发自己的应用。为实现云用户层的应用功能,需要将云用户层细分为两部分:用户应用以及用户程序包。用户应用主要是用户提交的应用程序。在用户程序的连续计算块中必须插入诸如For/While的循环来表示相应状态。要达到插入状态标识的目的,需要加入预编译工具:ANTLR和JavaCC,前者用于C/C++,后者用于Java的预处理。对于用Java编写的用户程序,针对该模型分布式并行计算的特性,采用基于Java的执行方式,即采用Java虚拟机的方式运行于JPVM平台下,调用已经存在的C/C++库模块和可执行代码,屏蔽结点异构特性,与各异构结点合作进行计算任务;对于用C/C++编写的用户程序,有两种执行方式:一是调用JNI接口将其转换成相应的Java代码,按照上面的方式运行之;二是采用本地执行方式,直接地使用PVM和MPI,完全编译并直接执行代码。用户程序包主要用来监控与其相对应的用户程序的执行状态以及从用户进程到它的所有基于TCP/IP协议标准的消息通道。它必须提供状态捕获以及传递消息的方法,此方法能够在用户程序里被调用。为了达到这一目标,将用户程序划分成一个由多种方法构成的集合,每种方法命名为func_n(n是从1开始的整数)并且返回下一个方法要调用的索引值。用户程序包调用这些方法并在每个方法调用结束时产生一个快照。(2)资源调度层:它是本体系结构的核心层,由语义搜索引擎实现。(3)云资源层:它是云系统的硬件基础,包括各种计算资源,如超级计算机、贵重仪器、可视化设备、现有应用软件等,这些计算资源通过网络设备连接起来。其基本功能就是控制局部的资源,向上提供访问这些资源的接口。它是云作用域内所有连接到网络上的信息。它包括主机名、IP地址、体系结构类型、内存大小、主频等。通常使用局部元数据和全局元数据来完成语义匹配。

2语义搜索引擎(SSE)

SSE是由美国加州大学欧文分校语义计算实验室与电子科技大学联合开发的。SSE实现了语义计算理论,为用户提供了一个友好的问题驱动的界面来搜索资源,自动、快速地根据用户的需求建立一个较优的解决方案。

2.1语义搜索引擎体系结构语义搜索引擎的体系结构如图2所示。(1)SNL(StructuredNaturalLanguage,结构化自然语言)用户接口为用户提供了一个友好的查询界面,通过该接口,用户可以采用结构化的自然语言组合自己的查询。(2)SNL到SQDL解释器转换一条SNL查询到SQDL(ServiceQueryDescriptionLanguage,服务查询描述语言)。SQDL是一种机器可处理的查询语言,它被SS(ESemanticSearchEngine,语义搜索引擎)用来描述用户目的。通过使用SQDL,用户查询可以统一进行进一步处理。(3)SQDL&SCDL匹配器匹配SQDL到SCDL(ServiceCapabilityDescriptionLanguage,服务能力描述语言)的描述。SCDL是使用一种声明性语言来描述每个服务的能力。给定一个SQDL查询,匹配试图找到服务列表。如果没有一个单一的服务能满足这个要求,匹配器会分解SQDL查询成几个简单的查询,并设法找到一系列可能满足查询的服务。本系统中,抽取云资源与云用户请求的语义信息,构造本体,并利用本体在已知的可用云资源中找出和提交的云用户请求最匹配的资源,满足最优调度。(4)服务调用者调用匹配的服务,代表用户得到最终的解决方案。该调用是专为小型服务提供商设计的,因为他们未必能买得起昂贵的基础设施,他们可以将自己的服务整合至基础设施。(5)服务可以用来解决特定的问题。服务提供商使用关于每一个服务的SCDL描述,可以在SSE中注册他们的服务,并利用这些服务组成不同用户需求的解决方案。(6)账户管理提供了访问控制和计费服务。SSE使用云计算的计费策略。用户必须拥有一个有效帐户来使用SSE。当满足用户要求的服务被选择时,用户在使用它之前可能需要付费。

2.2SQDL&SCDL匹配器SQDL&SCDL匹配器是语义搜索引擎的核心,它的匹配效率对整个引擎的性能起到决定性的作用。引入语义计算,充分利用云资源与云用户请求的语义信息,构造相应本体,进行资源的较优匹配。各种本体的构造主要依赖于一组规则,通过这些规则作用于领域知识,构成领域本体。为进一步减少本体构造的时间,提高本体构造的效率,选择对象关系数据库作为本体构造的数据源。云资源都遵循该本体的规范进行描述,使得云资源之间最大限度地实现共享与重用。根据上述本体构造规则,产生相应的本体,当SSE收到一个云用户请求的时候,SSE就根据相应的本体,搜索满足于该请求的最优或较优资源,实现资源的优化调度。

3仿真实验分析与结果

为了验证提出的基于语义搜索引擎的云资源调度的可行性以及有效性,本文利用CloudSim云计算仿真工具进行了仿真实验,选择cloudsim-3.0.2作为软件仿真工具。本文模拟100个云计算用户请求任务需要在部署有10个虚拟机的云计算系统中进行资源调度的情况。比较了基于语义搜索引擎的云资源调度模型(SemanticSearchEngine-basedCloudresourcescheduling,SSECRS)与传统的云资源调度(traditionalCloudresourcescheduling,TCRS)在点对点的通信性能以及子任务执行时间两方面的性能。在点对点通信实验中,通过在两个不同的云计算系统中的计算结点来回地发送消息来比较点对点的通信性能,消息大小从1K字节到1200K字节进行变化。点对点通信性能比较结果如图3所示。从图3可以得出:SSECRS策略比TCRS策略的点对点的通信性能提高了约15%,尤其当消息大小超过1024K时,通信带宽增加的比率越大,表明SSECRS策略比较适合云计算系统这种需要较大带宽的应用场合。在子任务执行时间比较实验中,子任务数目从1个到100个进行增长,两种云资源调度策略的子任务执行时间的比较结果如图4所示。从图4可以得出:随着子任务数目的增加,SSECRS策略的执行时间比TCRS策略的执行时间的增长速度减慢;尤其是当子任务数目达到60个以上时,SSECRS策略比TCRS策略平均减少了约18%的子任务执行时间。以上仿真实验结果与结果分析充分说明:语义搜索引擎的引入为多用户的云计算环境提供了一种可行且有效的资源调度策略,它能够有效提高其调度效率,是云计算资源调度的一种较优方法,很适合应用到真实的云计算环境中。

4结束语

针对云资源的动态、异构、分布以及复杂等特点,总结了现有云资源调度系统的存在的非自动调度、云资源的非优化使用等问题,提出一种基于语义计算理论的语义搜索引擎,充分利用云资源与云用户请求的语义信息,构造相应的本体,通过本体匹配来完成云资源的动态发现与调度策略。语义搜索引擎(SSE)是由美国加州大学欧文分校语义计算实验室与电子科技大学联合开发的。SSE为用户提供了一个友好的问题驱动的界面来搜索资源,自动、快速地根据云用户的需求建立一个较优的解决方案。仿真实验结果表明:基于SSE的云资源调度在点对点通信性能以及子任务执行时间方面均优于传统云资源调度,是一种切实可行的调度方法。如何更好地设计SSE中的匹配算法,将是我们下一步研究的重点。

作者:黎明 吴跃 陈佳 单位:电子科技大学 计算机科学与工程学院 电子科技大学无锡研究院 美国加州大学欧文分校电子工程学院