云计算环境下基于蜜蜂觅食行为任务负载均衡算法.docVIP

云计算环境下基于蜜蜂觅食行为的任务负载均衡算法 　　摘要：针对云计算环境下的任务调度程序通常需要较多响应时间和通信成本的问题，提出了一种基于蜜蜂行为的负载均衡（HBBLB）算法。首先，利用虚拟机（VM）进行负载平衡来最大化吞吐量；然后，对机器上任务的优先级进行平衡；最后，将平衡重点放在减少VM等待序列中任务的等待时间上，从而提高处理过程的整体吞吐量和优先级。利用CloudSim工具模拟云计算环境进行仿真实验，结果表明，相比粒子群优化（PSO）、蚁群算法（ACO）、动态负载均衡（DLB）、先入先出（FIFO）和加权轮询（WRR）算法， HBBLB算法的平均响应时间分别节省了5%、13%、17%、67%、37%，最大完成时间分别节省了20%、23%、18%、55%、46%，可以更好地平衡非抢占式独立任务，适用于异构云计算系统。 　　关键词：云计算环境；任务调度；蜜蜂觅食行为；负载均衡；虚拟机；非抢占式 　　中图分类号：TP391.9 　　文献标志码：A 　　Abstract：For the problem that task scheduling program in cloud computing environments usually takes high response time and communication costs， a Honey Bee Behavior inspired Load Balancing （HBBLB） algorithm was proposed. Firstly， the load was balanced across Virtual Machines （VMs） for maximizing the throughput. Then the priorities of tasks on the machines were balanced. Finally， HBBLB algorithm was used to improve the overall throughput of processing， and priority based balancing focused on reducing the wait time of tasks on a queue of the VM. The experiments were carried out in cloud computing environments simulated by CloudSim. The experiment results showed that HBBLB algorithm respectively reduced average response time by 5%， 13%， 17%， 67% and 37% compared with Particle Swarm Optimization （PSO）， Ant Colony Optimization （ACO）， Dynamic Load Balancing （DLB）， First In First Out （FIFO） and Weighted Round Robin （WRR） algorithms， and reduced maximum completion time by 20%， 23%， 18%， 55% and 46%. The result indicates that HBBLB algorithm is suitable for cloud computing system and helpful to balancing nonpreemptive independent tasks. 　　英文关键词Key words：cloud computing environment； tasks scheduling； Honey Bee Behavior （HBB）； load balancing； Virtual Machine （VM）； nonpreemptive 　　0 引言 　　云环境下的处理单元称为虚拟机（Virtual Machine， VM）[1]，以并行方式运行，为充分利用现有资源，调度程序应对其进行有效调度。该环境下，调度程序应确保负载在所有VM上都能被很好地均衡，然而，较多的响应时间给调度过程带来了挑战[2]。 　　负载均衡的主要目标是缩短应用对资源的处理时间，这些资源在负载均衡过程中会以不可预期的方式[3]进行变化，该技术可以分为两种：静态负载平衡和动态负载平衡。文献[4]利用负载均衡树算法将所有负载当成一个固定的量来处理。文献[5]提出了分布式动态负载均衡的最优数据迁移算法