李 波,高佩忻,張 明,范盤(pán)龍

(西北工業(yè)大學(xué)，陜西西安 710072)

由于武器裝備物理極限的存在,僅依靠提升單個(gè)作戰(zhàn)平臺(tái)的物理性能來(lái)提升作戰(zhàn)能力的途徑終將遇到瓶頸。如何將單一作戰(zhàn)平臺(tái)聯(lián)合形成一體化作戰(zhàn)系統(tǒng)就成為一種必然趨勢(shì)。美軍已按網(wǎng)絡(luò)中心戰(zhàn)理念將單兵、獨(dú)立的武器系統(tǒng)與現(xiàn)役、在研和預(yù)研的各級(jí)別無(wú)人飛行器、各類(lèi)武器機(jī)器人車(chē)載及載人武器系統(tǒng)集成為一個(gè)高度信息化的營(yíng)級(jí)“未來(lái)作戰(zhàn)系統(tǒng)”[1]。將它作為具備全譜聯(lián)合、能獨(dú)立主宰地面戰(zhàn)術(shù)作戰(zhàn)的數(shù)字化核心行動(dòng)單位[2]。美國(guó)國(guó)防信息局從2008年開(kāi)始著手云計(jì)算應(yīng)用,正在研發(fā)一系列云計(jì)算解決方案[3]。雖然云計(jì)算興起的浪潮也已經(jīng)引起了高度關(guān)注[4],但是在軍事領(lǐng)域,國(guó)內(nèi)仍然處于探索性研究階段[5]。

云計(jì)算環(huán)境下任務(wù)分配的主要目的是使系統(tǒng)具有高效的計(jì)算性能以及卓越的吞吐量?，F(xiàn)有的任務(wù)分配算法可分為三類(lèi):啟發(fā)式算法、能耗算法及混合算法。1)啟發(fā)式算法[6-8]:提供了一種優(yōu)化解法,它采用基于知識(shí)的任務(wù)決策方法。啟發(fā)式任務(wù)分配方法包括先入先出算法(FCFS)、輪詢(xún)算法(RR)等。2)基于能耗的任務(wù)分配方法[9]:數(shù)據(jù)中心的能耗管理取決于諸多因素,但其核心任務(wù)注重于提升數(shù)據(jù)中心性能,降低花銷(xiāo)。3)混合任務(wù)分配方法[10]:是在包含更多調(diào)度參數(shù)的已有方法基礎(chǔ)上發(fā)展而來(lái)的。

為了有效均衡系統(tǒng)負(fù)載、合理分配系統(tǒng)資源,并能夠高效地分配和處理作戰(zhàn)任務(wù),本文設(shè)計(jì)了一種能夠適應(yīng)未來(lái)網(wǎng)絡(luò)化作戰(zhàn)的指揮控制系統(tǒng)架構(gòu),并針對(duì)其中的任務(wù)調(diào)度及資源分配問(wèn)題展開(kāi)了深入研究。

1 網(wǎng)絡(luò)化無(wú)人作戰(zhàn)系統(tǒng)“多層云架構(gòu)”設(shè)計(jì)

本文提出了“多層云架構(gòu)”系統(tǒng),如圖1(云:由具有單一或多個(gè)特定功能的多個(gè)物理實(shí)體通過(guò)網(wǎng)絡(luò)連接集成,將其擁有的資源虛擬化,并能夠?qū)ν馓峁┛啥ㄖ瀑Y源池能力服務(wù)的實(shí)體集合)。在系統(tǒng)構(gòu)成上實(shí)現(xiàn)了戰(zhàn)場(chǎng)中傳感器資源、通信資源、武器資源、射手資源的松耦合連接,使得作戰(zhàn)系統(tǒng)中的無(wú)人機(jī)不再只依靠自身的載荷完成作戰(zhàn)任務(wù),真正達(dá)到戰(zhàn)場(chǎng)資源的統(tǒng)一調(diào)度管理和協(xié)調(diào)控制。通過(guò)云計(jì)算的虛擬化技術(shù),將各種戰(zhàn)場(chǎng)資源網(wǎng)絡(luò)化,重新組合成諸如傳感器資源池、通信資源池、射手資源池、武器資源池等池化資源。多層云架構(gòu)中針對(duì)不同資源設(shè)置了相應(yīng)的管理系統(tǒng),作戰(zhàn)中由各個(gè)管理系統(tǒng)分別對(duì)戰(zhàn)場(chǎng)上的池化資源等進(jìn)行統(tǒng)一調(diào)度、管理、協(xié)調(diào)和監(jiān)控,以充分實(shí)現(xiàn)資源的高內(nèi)聚、低耦合的控制邏輯,達(dá)到資源的快速配置、優(yōu)化組合,將大大提升戰(zhàn)場(chǎng)資源利用效率和作戰(zhàn)系統(tǒng)整效能。

圖1 “多層云架構(gòu)”示意圖

多功能復(fù)雜云:物理實(shí)體為地面指揮站,擁有最高級(jí)指揮權(quán)限;多功能復(fù)雜云可直接與指揮控制云交互,并接收指揮控制云和作戰(zhàn)云的態(tài)勢(shì)獲取和指揮決策等服務(wù)定制。

指揮控制云:物理實(shí)體為預(yù)警機(jī),將預(yù)警機(jī)中的計(jì)算、存儲(chǔ)、通信和傳感器等多種資源進(jìn)行整合而成的戰(zhàn)術(shù)級(jí)云端;指揮控制云是多層云架構(gòu)的中間層;指揮控制云可對(duì)數(shù)據(jù)進(jìn)行處理、分類(lèi)、分發(fā)管理,以實(shí)現(xiàn)作戰(zhàn)節(jié)點(diǎn)之間的高效信息共享。同時(shí),指揮控制云可輔助作戰(zhàn)終端快速、方便進(jìn)行其戰(zhàn)術(shù)任務(wù)的解算,從而以最優(yōu)效能完成打擊任務(wù)。

作戰(zhàn)云:作戰(zhàn)云的物理實(shí)體為多架異構(gòu)無(wú)人機(jī)(偵察無(wú)人機(jī)、火力無(wú)人機(jī)、通信無(wú)人機(jī)),直接參與前端作戰(zhàn)。

2 “多層云架構(gòu)”資源配置模型

2.1 “多層云架構(gòu)”數(shù)據(jù)中心模型

多層云架構(gòu)系統(tǒng)的數(shù)據(jù)中心與商用云數(shù)據(jù)中心相似,利用虛擬化技術(shù)對(duì)各個(gè)云端上的物理實(shí)體(如地面指揮中心的分布式地面站、空中預(yù)警機(jī)機(jī)載設(shè)備、以及各個(gè)作戰(zhàn)無(wú)人機(jī)上的機(jī)載設(shè)備)中的基礎(chǔ)物理資源(如CPU、內(nèi)存、硬盤(pán)空間、網(wǎng)絡(luò)帶寬等)進(jìn)行抽象形成動(dòng)態(tài)資源池,用戶(hù)(作戰(zhàn)節(jié)點(diǎn))所提交的服務(wù)請(qǐng)求會(huì)由多層云架構(gòu)的資源調(diào)度機(jī)制進(jìn)行及時(shí)處理并動(dòng)態(tài)彈性的分配合適的虛擬機(jī)給用戶(hù)進(jìn)行任務(wù)處理。并且多層云架構(gòu)提供給不同用戶(hù)的虛擬機(jī)數(shù)據(jù)之前不會(huì)互相交互,保證了用戶(hù)數(shù)據(jù)的安全性。虛擬機(jī)運(yùn)行在數(shù)據(jù)中心的物理機(jī)或由眾多的物理機(jī)通過(guò)網(wǎng)絡(luò)組成的物理機(jī)集群之上。云數(shù)據(jù)中心允許用戶(hù)通過(guò)網(wǎng)絡(luò)動(dòng)態(tài)地申請(qǐng)或釋放資源,按需分配[11]。

圖2通過(guò)描述一個(gè)商用云計(jì)算數(shù)據(jù)中心響應(yīng)某用戶(hù)(作戰(zhàn)節(jié)點(diǎn))的主機(jī)服務(wù)請(qǐng)求的過(guò)程,將三層不同的資源配置方式組合到一起,以詮釋多層云架構(gòu)數(shù)據(jù)中心配置和部署模型。

圖2 基于多層云架構(gòu)的網(wǎng)絡(luò)化無(wú)人作戰(zhàn)指揮控制系統(tǒng)技術(shù)體系

2.2 “多層云架構(gòu)”資源實(shí)體屬性

下面對(duì)組成多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心的各類(lèi)資源實(shí)體屬性進(jìn)行介紹。

1)物理機(jī)(Host):是構(gòu)成多層云架構(gòu)數(shù)據(jù)中心的實(shí)體處理單元,是對(duì)多層云架構(gòu)系統(tǒng)中進(jìn)行數(shù)據(jù)信息處理的實(shí)體(如地面指揮中心的分布式地面站、空中預(yù)警機(jī)機(jī)載設(shè)備以及各個(gè)作戰(zhàn)無(wú)人機(jī)上的機(jī)載設(shè)備)的抽象。物理機(jī)可以通過(guò)虛擬化技術(shù)將自身資源進(jìn)行解耦,單獨(dú)(或與其他物理機(jī)資源耦合)以虛擬機(jī)的形式對(duì)外提供資源定制服務(wù),如CPU個(gè)數(shù)、CPU主頻、存儲(chǔ)等服務(wù)。

2)虛擬機(jī)(VM):以物理機(jī)的實(shí)體資源為基礎(chǔ),通過(guò)虛擬化技術(shù)形成的可對(duì)外提供完整硬件功能的虛擬計(jì)算機(jī)單元。虛擬機(jī)依據(jù)用戶(hù)需求生成,也是云計(jì)算系統(tǒng)對(duì)用戶(hù)開(kāi)放的最小可用單元。

3)數(shù)據(jù)中心:由多層云架構(gòu)系統(tǒng)各種資源集合而成,是 IaaS 服務(wù)提供商提供給用戶(hù)(作戰(zhàn)節(jié)點(diǎn))的最大資源單位。負(fù)責(zé)對(duì)其中包含的物理機(jī)和虛擬機(jī)進(jìn)行控制,根據(jù)用戶(hù)提交的任務(wù)動(dòng)態(tài)生成/銷(xiāo)毀虛擬機(jī),并將虛擬機(jī)部署在合適的物理機(jī)上。

2.3 “多層云架構(gòu)”資源數(shù)學(xué)模型

定義1多層云架構(gòu)系統(tǒng)中多個(gè)數(shù)據(jù)中心構(gòu)成的有限集合為C={C1,C2,…,Ck},其中k表示數(shù)據(jù)中心的數(shù)量;某數(shù)據(jù)中心的物理機(jī)集群構(gòu)成有限集合為M={M1,M2,…,Ml},其中l(wèi)表示集群中物理機(jī)的數(shù)量;所有虛擬機(jī)構(gòu)成的有限集合為VM={VM1,VM2,…,VMq},其中q表示虛擬機(jī)的數(shù)量。

定義4物理機(jī)Mi上第p種資源的利用率

(1)

定義5物理機(jī)Mi的綜合資源利用率

(2)

式中，p物理機(jī)Mi的資源種類(lèi)數(shù)。

定義6物理機(jī)Mi資源利用不均衡率

(3)

定義7數(shù)據(jù)中心物理機(jī)集群第p種資源的利用率

(4)

定義8數(shù)據(jù)中心物理機(jī)集群的綜合資源利用率

(5)

定義9數(shù)據(jù)中心物理機(jī)集群的資源利用不均衡率

(6)

定義10虛擬機(jī)VMj與物理機(jī)Mi資源匹配度

(7)

定義11虛擬機(jī)VMj與某數(shù)據(jù)中心Ck資源匹配度

(8)

式中，l為數(shù)據(jù)中心Ck中物理機(jī)的個(gè)數(shù)。

定義12目標(biāo)物理機(jī)Mi相對(duì)待分配虛擬機(jī)VMj的資源承載度

Li,j=α×AvaRi+β×σj,i

(9)

式中，α為目標(biāo)物理機(jī)資源利用率系數(shù);AvaRi為目標(biāo)物理機(jī)資源利用率;β為待分配虛擬機(jī)與目標(biāo)物理機(jī)資源匹配度系數(shù);σj,i為待分配虛擬機(jī)與目標(biāo)物理機(jī)資源匹配度。α和β均采用固定值0.5。

定義13數(shù)據(jù)中心Ck相對(duì)待分配虛擬機(jī)VMj的資源承載度

Lk,j=α×AvaR+β×σj,k

(10)

式中，α為數(shù)據(jù)中心Ck資源利用率系數(shù);AvaR為數(shù)據(jù)中心Ck資源利用率;β為待分配虛擬機(jī)與數(shù)據(jù)中心Ck資源匹配度系數(shù);σj,k為待分配虛擬機(jī)與數(shù)據(jù)中心Ck資源匹配度。α和β同上。

2.4 “多層云架構(gòu)”任務(wù)分析及資源分配模型

2.4.1 任務(wù)類(lèi)型分析

網(wǎng)絡(luò)化無(wú)人作戰(zhàn)系統(tǒng)的作戰(zhàn)單元需要處理各種不同類(lèi)型的任務(wù),包括目標(biāo)偵察、探測(cè)、識(shí)別、攻擊等,為有效地完成上述任務(wù),指揮控制系統(tǒng)需要處理信息融合、態(tài)勢(shì)評(píng)估、目標(biāo)分配、攻擊決策、毀傷評(píng)估等各種指揮決策任務(wù)。各種任務(wù)對(duì)處理需求的資源種類(lèi)、數(shù)量存在明顯差異,導(dǎo)致應(yīng)對(duì)不同種類(lèi)的任務(wù)需要不同的處理策略,因此需要對(duì)不同資源需求的任務(wù)予以分類(lèi)。

在網(wǎng)絡(luò)化無(wú)人作戰(zhàn)系統(tǒng)中,核心資源為存儲(chǔ)資源、計(jì)算資源和通信資源。因此,本文按任務(wù)分配時(shí)的SLA協(xié)議中對(duì)上述三種資源的需求情況,將任務(wù)類(lèi)型劃分為四類(lèi),分別為:數(shù)據(jù)密集型任務(wù)、計(jì)算密集型任務(wù)、通信密集型任務(wù)和負(fù)載均衡型任務(wù)。

1) 數(shù)據(jù)密集型任務(wù):在目標(biāo)探測(cè)、信息融合、態(tài)勢(shì)評(píng)估等作戰(zhàn)過(guò)程中,需要對(duì)由大量傳感器采集到的原始數(shù)據(jù)或來(lái)自各個(gè)作戰(zhàn)節(jié)點(diǎn)需要分類(lèi)匯總的大量數(shù)據(jù)進(jìn)行諸如數(shù)據(jù)預(yù)處理、特征提取、信息融合等信息處理服務(wù)的任務(wù)稱(chēng)之為數(shù)據(jù)密集型任務(wù)。其特點(diǎn)為自身攜帶信息量大、種類(lèi)繁多、數(shù)據(jù)格式不規(guī)范等,由此容易導(dǎo)致任務(wù)需要大量硬盤(pán)空間去進(jìn)行數(shù)據(jù)存儲(chǔ)和備份,需要高效的網(wǎng)絡(luò)帶寬進(jìn)行數(shù)據(jù)傳輸和遷移。

2) 計(jì)算密集型任務(wù):在目標(biāo)識(shí)別、攻擊決策、火控解算等作戰(zhàn)過(guò)程中,需要作戰(zhàn)系統(tǒng)提供高速、高效的計(jì)算服務(wù),需要大量計(jì)算單元、大量高性能CPU處理器來(lái)完成高精度、高時(shí)敏性的任務(wù)稱(chēng)之為計(jì)算密集型任務(wù)。其特點(diǎn)為計(jì)算量大、精度和時(shí)敏性要求高。針對(duì)計(jì)算密集型任務(wù)可將待處理資源就近放置在相應(yīng)的計(jì)算節(jié)點(diǎn)中,或進(jìn)行任務(wù)遷移訂制高性能的計(jì)算服務(wù)。

3) 通信密集型任務(wù):在整個(gè)作戰(zhàn)過(guò)程中,整個(gè)作戰(zhàn)云中每個(gè)作戰(zhàn)節(jié)點(diǎn)之間、作戰(zhàn)云/作戰(zhàn)云之間、指揮控制云/作戰(zhàn)云之間、地面復(fù)雜云/指揮控制云之間對(duì)通信帶寬和時(shí)敏性要求較高的信息傳遞和交互任務(wù)稱(chēng)之為通信密集型任務(wù)。其特點(diǎn)為小數(shù)據(jù)量高頻次通信或大數(shù)據(jù)量的信息傳遞和數(shù)據(jù)遷移,需要提供穩(wěn)定而高效的通信帶寬。

4) 負(fù)載均衡型任務(wù):在整個(gè)作戰(zhàn)過(guò)程中,對(duì)計(jì)算、存儲(chǔ)、通信三種資源需求比較均衡,無(wú)明顯需求特征的任務(wù)稱(chēng)之為負(fù)載均衡型任務(wù)。該類(lèi)任務(wù)對(duì)時(shí)敏性要求并不嚴(yán)苛,亦沒(méi)有很高的任務(wù)優(yōu)先級(jí)。

四種不同資源密集型任務(wù)的差異在于不同的任務(wù)性質(zhì)與完成需求,表現(xiàn)在每個(gè)任務(wù)的SLA協(xié)議中對(duì)三種資源需求量以及資源需求側(cè)重的差異。通過(guò)上述四種資源的特征描述可以看出,不同資源密集型的任務(wù)需要采用不同的任務(wù)處理方式進(jìn)行處理,例如數(shù)據(jù)密集型任務(wù)需要大容量、讀寫(xiě)速率高的物理節(jié)點(diǎn)提供存儲(chǔ)服務(wù),且數(shù)據(jù)密集型任務(wù)不應(yīng)輕易傳輸、遷移,這會(huì)給整個(gè)作戰(zhàn)云網(wǎng)絡(luò)帶來(lái)巨大的通信負(fù)擔(dān)和時(shí)延代價(jià)。

2.4.2 資源分配模型

在多層云架構(gòu)系統(tǒng)中,有兩架構(gòu)系統(tǒng)租用處理能力的模式。

資源預(yù)留(Advance Reservation)模式(如文獻(xiàn)[12]):資源被提前預(yù)定,只有在特定時(shí)間才可用。以后簡(jiǎn)稱(chēng)AR模式。

如文獻(xiàn)[14]所示,結(jié)合AR模式和BE模式在搶占資源情況下可以克服任務(wù)處理過(guò)程出現(xiàn)的效用問(wèn)題。本文假設(shè)用戶(hù)(作戰(zhàn)節(jié)點(diǎn))向多層云架構(gòu)系統(tǒng)提交的任務(wù)中只有少量是AR型任務(wù),而其余的任務(wù)是BE型任務(wù)。AR型任務(wù)具有更高的優(yōu)先級(jí),并且能夠搶占BE型任務(wù)的資源。當(dāng)一個(gè)AR型任務(wù)A需要搶占BE型任務(wù)B時(shí),工作的虛擬機(jī)不得不先暫停任務(wù)B。本文假定每一個(gè)信息處理節(jié)點(diǎn)都有一個(gè)特定的磁盤(pán)存儲(chǔ)空間用于存放暫停的任務(wù)。

3 基于負(fù)載均衡的跨云層任務(wù)分配方法

多層云架構(gòu)數(shù)據(jù)中心資源配置及任務(wù)分配是多層云架構(gòu)資源管理的核心功能。在作戰(zhàn)過(guò)程中,作戰(zhàn)云、指揮控制云以及多功能復(fù)雜云之間資源的動(dòng)態(tài)調(diào)度與配置是達(dá)成整個(gè)多層云架構(gòu)系統(tǒng)作戰(zhàn)效能、實(shí)現(xiàn)多層云架構(gòu)系統(tǒng)任務(wù)分配調(diào)度的基礎(chǔ)。為解決資源配置和任務(wù)分配問(wèn)題。本文提出了基于負(fù)載均衡的跨云層任務(wù)分配算法來(lái)均衡系統(tǒng)負(fù)載,快速高效地處理任務(wù),提升系統(tǒng)效率。下面對(duì)基于負(fù)載均衡的跨云層任務(wù)分配算法進(jìn)行了具體分析與說(shuō)明。

當(dāng)作戰(zhàn)云端接收到作戰(zhàn)節(jié)點(diǎn)的服務(wù)請(qǐng)求時(shí),本文采用文獻(xiàn)[15]中基于優(yōu)先級(jí)的任務(wù)隊(duì)列生成算法(FTBP)生成任務(wù)隊(duì)列,進(jìn)而自動(dòng)調(diào)用基于負(fù)載均衡的跨云層任務(wù)分配算法進(jìn)行任務(wù)處理。

在基于負(fù)載均衡的跨云層任務(wù)分配算法中,為了均衡各個(gè)作戰(zhàn)云的負(fù)載,將用戶(hù)(作戰(zhàn)節(jié)點(diǎn))服務(wù)請(qǐng)求作為輸入。首先要獲取基于優(yōu)先級(jí)的任務(wù)隊(duì)列。然后對(duì)任務(wù)隊(duì)列中的任務(wù)進(jìn)行逐一分配。從每個(gè)作戰(zhàn)云的調(diào)度器中獲取全局可用虛擬機(jī)列表、全局被占用虛擬機(jī)列表和可用資源列表。從每個(gè)作戰(zhàn)云的調(diào)度器中獲取合適的虛擬機(jī)列表。如果合適虛擬機(jī)列表不為空則調(diào)用FDA算法將任務(wù)分配,并將分配標(biāo)識(shí)符置為是。否則,如果全局可用資源足夠再創(chuàng)建一個(gè)虛擬機(jī)則新建一個(gè)虛擬機(jī)將其加入到可獲取虛擬機(jī)列表,將該任務(wù)分配到新創(chuàng)建的虛擬機(jī)上,并將該虛擬機(jī)加入可分配虛擬機(jī)列表中,將分配標(biāo)識(shí)符置為是。否則,如果該任務(wù)是一個(gè)AR型任務(wù)而同時(shí)又有BE型任務(wù)運(yùn)行在作戰(zhàn)云中,則調(diào)用ATSA算法將AR型任務(wù)搶占BE型任務(wù),并將分配標(biāo)識(shí)符置為是。否則,將該任務(wù)存放到等待序列中,直到在等待序列中的時(shí)間超過(guò)提前設(shè)定的等待時(shí)間閾值,將分配標(biāo)識(shí)符置為否。檢查分配標(biāo)識(shí)符,如果為是則返回成功,否則則返回失敗,直到所有任務(wù)都被分配完畢?；谪?fù)載均衡的跨云層任務(wù)分配算法(BBSA)的流程圖如圖3所示。

圖3 基于負(fù)載均衡的跨云層任務(wù)分配算法(BBSA)

流程圖中,核心的一部分主要用到了FDA算法和ATSA算法進(jìn)行任務(wù)分配。下面將對(duì)這兩種核心算法:FDA算法和ATSA算法加以說(shuō)明?；诤线m的虛擬機(jī)列表尋找放置任務(wù)的最優(yōu)虛擬機(jī)算法(FDA)如表1所示。

其中,為了基于合適的虛擬機(jī)列表找到最優(yōu)虛擬機(jī)放置任務(wù)請(qǐng)求,(FDA)算法將合適的虛擬機(jī)列表、在多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心中運(yùn)行的可用虛擬機(jī)列表和已經(jīng)被分配任務(wù)的虛擬機(jī)列表作為輸入。首先將被分配的虛擬機(jī)設(shè)為空(第1行)。如果可用虛擬機(jī)列表與被分配任務(wù)虛擬機(jī)列表相同則清空被分配虛擬機(jī)列表(第2-4行)。因此,合適虛擬機(jī)列表和可用虛擬機(jī)列表中的第一個(gè)虛擬機(jī)將被分配給當(dāng)前待分配任務(wù)。最后,被選中的虛擬機(jī)將會(huì)被加入被分配任務(wù)虛擬機(jī)列表中(第5-11行)。返回被分配的虛擬機(jī)(第12行)。AR型任務(wù)搶占資源分配算法(ATSA)如表2所示。

表1 尋找放置任務(wù)的最優(yōu)虛擬機(jī)算法(FDA)

將待分配的資源預(yù)留型(AR)任務(wù)、各個(gè)作戰(zhàn)云的狀態(tài)和處理時(shí)間矩陣(ETM)作為輸入。首先從各個(gè)作戰(zhàn)云的調(diào)度器獲得合適的BE型任務(wù)列表P和當(dāng)前處理BE型任務(wù)的虛擬機(jī)(第1行)。將當(dāng)前待分配的AR型任務(wù)ni的資源請(qǐng)求發(fā)給其他的調(diào)度器,并從各個(gè)調(diào)度器接收其下虛擬機(jī)的最早資源可用時(shí)間(第2-3行)。在結(jié)果中找到執(zhí)行該AR型任務(wù)擁有最小估計(jì)完成時(shí)間的虛擬機(jī)vmj,將vmj上運(yùn)行的BE型任務(wù)暫停并保存(第4-5行)。返回虛擬機(jī)vmj(第6行)。

表2 AR型任務(wù)搶占資源分配算法(ATSA)

4 仿真分析

4.1 實(shí)驗(yàn)環(huán)境

本節(jié)中的實(shí)驗(yàn)在Win7操作系統(tǒng)下采用基于Java平臺(tái)的CloudSim仿真軟件進(jìn)行仿真和測(cè)試,具體的仿真實(shí)驗(yàn)環(huán)境如表3所示。

表3 仿真實(shí)驗(yàn)環(huán)境

4.2 實(shí)驗(yàn)參數(shù)設(shè)置

由于各個(gè)作戰(zhàn)云是由多種異構(gòu)無(wú)人機(jī)及其攜帶的資源組成,具有不同的任務(wù)執(zhí)行能力,所以本文在實(shí)驗(yàn)中設(shè)計(jì)了3種物理機(jī)參數(shù)用以表征各類(lèi)作戰(zhàn)無(wú)人機(jī),分別為存儲(chǔ)型、計(jì)算型和通信型物理機(jī),表4為物理機(jī)性能參數(shù)取值范圍。

表4 物理機(jī)性能參數(shù)取值范圍

為了表征各個(gè)作戰(zhàn)云之間的性能差異,本文通過(guò)由不同數(shù)量的物理機(jī)組成3個(gè)數(shù)據(jù)中心來(lái)表示3個(gè)能力不同的作戰(zhàn)云。表5為3個(gè)數(shù)據(jù)中心的組成。

表5 數(shù)據(jù)中心組成結(jié)構(gòu)

面對(duì)各種資源密集型的任務(wù),系統(tǒng)會(huì)依據(jù)任務(wù)產(chǎn)生不同的虛擬機(jī),表 6為虛擬機(jī)性能參數(shù)取值范圍。

表6 虛擬機(jī)性能參數(shù)取值范圍

表7為仿真中各作戰(zhàn)節(jié)點(diǎn)提交的服務(wù)請(qǐng)求的主要參數(shù)。

表7 服務(wù)請(qǐng)求主要參數(shù)

為了驗(yàn)證本文提出的基于負(fù)載均衡的跨云層任務(wù)分配方法的效用及特征,本節(jié)設(shè)計(jì)了兩個(gè)實(shí)驗(yàn),具體實(shí)驗(yàn)內(nèi)容如下:

實(shí)驗(yàn)一:生成由15架作戰(zhàn)無(wú)人機(jī)構(gòu)成的3個(gè)能力不同的作戰(zhàn)云數(shù)據(jù)中心,并接收多層云架構(gòu)系統(tǒng)中各個(gè)作戰(zhàn)節(jié)點(diǎn)隨機(jī)生成的20個(gè)服務(wù)請(qǐng)求(如目標(biāo)地區(qū)搜索、目標(biāo)識(shí)別、態(tài)勢(shì)評(píng)估等服務(wù)請(qǐng)求),其中4個(gè)為AR型服務(wù)請(qǐng)求(如威脅評(píng)估、火控解算等服務(wù)請(qǐng)求),其余為BE型任務(wù)請(qǐng)求,每個(gè)服務(wù)請(qǐng)求包含10～20個(gè)任務(wù),計(jì)算3個(gè)作戰(zhàn)云數(shù)據(jù)中心各項(xiàng)資源的資源利用率、負(fù)載不均衡程度和資源綜合利用率。將該過(guò)程運(yùn)行100次,求取3個(gè)數(shù)據(jù)中心的各項(xiàng)資源的平均資源利用率、平均負(fù)載不均衡度和平均資源綜合利用率。

實(shí)驗(yàn)二:生成由15架作戰(zhàn)無(wú)人機(jī)構(gòu)成的3個(gè)能力不同的作戰(zhàn)云數(shù)據(jù)中心,并接收用戶(hù)隨機(jī)生成的1～20個(gè)服務(wù)請(qǐng)求,將其運(yùn)行2000次,求取整個(gè)多層云架構(gòu)系統(tǒng)在接收不同任務(wù)請(qǐng)求數(shù)下的平均完成任務(wù)間。

4.3 實(shí)驗(yàn)結(jié)果與分析

4.3.1 實(shí)驗(yàn)一

通過(guò)Cloudsim仿真軟件進(jìn)行仿真及統(tǒng)計(jì)分析,得到多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心各項(xiàng)資源的平均利用率和多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心負(fù)載不均衡度分別如圖4和圖5所示。由圖 4和圖5可得,多層云架構(gòu)系統(tǒng)3個(gè)數(shù)據(jù)中心的各項(xiàng)資源利用率均在58.93%～69.25%之間,而3個(gè)數(shù)據(jù)中心的負(fù)載均衡度均在0.0496～ 0.0620之間。3個(gè)數(shù)據(jù)中心的各項(xiàng)資源均被合理分配,實(shí)現(xiàn)了負(fù)載均衡化。

圖4 多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心各項(xiàng)資源的平均利用率

圖5 多層云架構(gòu)系統(tǒng)數(shù)據(jù)中心負(fù)載不均衡度

基于負(fù)載均衡的跨云層任務(wù)分配方法能夠很好地同時(shí)均衡多個(gè)數(shù)據(jù)中心的各項(xiàng)資源負(fù)載,將各項(xiàng)負(fù)載的資源占用率保持到一個(gè)相近的范圍,并保持各個(gè)數(shù)據(jù)中心擁有較低的負(fù)載不均衡度。因此,采用基于負(fù)載均衡的跨云層任務(wù)分配方法可以避免由于任務(wù)沒(méi)有得到合理分配,導(dǎo)致數(shù)據(jù)中心各項(xiàng)資源利用不均衡而產(chǎn)生的資源浪費(fèi)。進(jìn)而得到多層云架構(gòu)系統(tǒng)各數(shù)據(jù)中心資源綜合利用率如圖6所示。由圖6可得3個(gè)數(shù)據(jù)中心均擁有較高并相近的資源綜合利用率。

圖6 多層云架構(gòu)系統(tǒng)各數(shù)據(jù)中心資源綜合利用率

基于負(fù)載均衡的跨云層任務(wù)分配方法能夠很好地均衡多個(gè)數(shù)據(jù)中心之間的資源利用率,保持系統(tǒng)中各個(gè)數(shù)據(jù)中心具有相近的綜合資源利用率。因此,采用基于負(fù)載均衡的跨云層任務(wù)分配方法可以避免當(dāng)某時(shí)刻同時(shí)產(chǎn)生大量任務(wù)請(qǐng)求時(shí),單一數(shù)據(jù)中心因接收過(guò)多任務(wù)而創(chuàng)建大量虛擬機(jī),進(jìn)而導(dǎo)致該系統(tǒng)只有單一數(shù)據(jù)中心負(fù)載過(guò)高而其他數(shù)據(jù)中心空閑和負(fù)載溢出所帶來(lái)的信息處理、通信延遲及數(shù)據(jù)丟包等問(wèn)題。

4.3.2 實(shí)驗(yàn)二

經(jīng)過(guò)共計(jì)2000次仿真實(shí)驗(yàn),得出不同服務(wù)請(qǐng)求數(shù)下多層云架構(gòu)系統(tǒng)運(yùn)行時(shí)間如圖7。

圖7 不同服務(wù)請(qǐng)求數(shù)下系統(tǒng)運(yùn)行時(shí)間

由圖7可得,多層云架構(gòu)系統(tǒng)運(yùn)行時(shí)間隨服務(wù)請(qǐng)求的增加大體呈階梯狀方式增長(zhǎng)。

在任務(wù)處理過(guò)程中,通過(guò)基于負(fù)載均衡的跨云層任務(wù)分配方法的合理分配,每個(gè)虛擬機(jī)在合適的物理機(jī)上被創(chuàng)建,任務(wù)被分配到最合適的虛擬機(jī)上進(jìn)行處理。當(dāng)某次仿真中任務(wù)數(shù)量增加導(dǎo)致之前系統(tǒng)中運(yùn)行的虛擬機(jī)不足以處理當(dāng)前任務(wù)時(shí),系統(tǒng)會(huì)創(chuàng)建一個(gè)或多個(gè)新的虛擬機(jī)以保持高效的任務(wù)處理效率,而這會(huì)導(dǎo)致系統(tǒng)產(chǎn)生更大的開(kāi)銷(xiāo),任務(wù)處理時(shí)間產(chǎn)生較明顯增長(zhǎng)。直到下次任務(wù)數(shù)量增加到系統(tǒng)需要再次增大開(kāi)銷(xiāo)以適應(yīng)更大的任務(wù)數(shù)量之前,系統(tǒng)的任務(wù)處理能力足以勝任當(dāng)前的任務(wù)量,任務(wù)數(shù)量的增長(zhǎng)則不會(huì)使得系統(tǒng)的處理時(shí)間顯著增長(zhǎng)。

5 結(jié)束語(yǔ)

本文基于網(wǎng)絡(luò)化無(wú)人作戰(zhàn)環(huán)境和云計(jì)算技術(shù)體系提出了“多層云架構(gòu)”系統(tǒng),并對(duì)該系統(tǒng)的資源配置及任務(wù)模型進(jìn)行了分析設(shè)計(jì),最終提出基于負(fù)載均衡的跨云層任務(wù)分配方法。實(shí)驗(yàn)表明:跨云層任務(wù)分配方法可以合理有效地分配“多層云架構(gòu)”系統(tǒng)的資源,并能夠高效地分配和處理作戰(zhàn)任務(wù)。