一種云存儲(chǔ)架構(gòu)及服務(wù)器優(yōu)化配置方案

一種云存儲(chǔ)架構(gòu)及服務(wù)器優(yōu)化配置方案余靖;賈曉光;郝曉冰;顧蕊;薛元錚;金順福【摘要】為了吸引更多的用戶使用云存儲(chǔ)以獲得更大的經(jīng)濟(jì)效益,云提供商為潛在用戶提供免費(fèi)體驗(yàn),為收費(fèi)用戶提供質(zhì)量更高的存儲(chǔ)服務(wù).融合免費(fèi)服務(wù)和收費(fèi)服務(wù)給出一種云存儲(chǔ)架構(gòu),考慮潛在用戶的不耐煩行為和收費(fèi)用戶源有限,建立雙隊(duì)列多服務(wù)臺(tái)排隊(duì)模型.采用穩(wěn)態(tài)解析法,導(dǎo)出系統(tǒng)中潛在用戶和收費(fèi)用戶的平均時(shí)延的性能表達(dá)式,并通過系統(tǒng)實(shí)驗(yàn)揭示系統(tǒng)參數(shù)對(duì)系統(tǒng)性能的影響.綜合用戶的響應(yīng)性能和云提供商的投資規(guī)模,建立系統(tǒng)成本函數(shù),改進(jìn)萬有引力智能尋優(yōu)算法,給出云服務(wù)器的部署方案,進(jìn)行云存儲(chǔ)資源的有效管理.期刊名稱】《燕山大學(xué)學(xué)報(bào)》年(卷),期】2019(043)001【總頁數(shù)】7頁(P55-60,86)【關(guān)鍵詞】云存儲(chǔ);資源管理;雙隊(duì)列多服務(wù)臺(tái);平均時(shí)延;智能尋優(yōu)【作者】余靖;賈曉光;郝曉冰;顧蕊;薛元錚;金順?！咀髡邌挝弧垦嗌酱髮W(xué)信息科學(xué)與工程學(xué)院,河北秦皇島066004;河北省計(jì)算機(jī)虛擬技術(shù)與系統(tǒng)集成重點(diǎn)實(shí)驗(yàn)室,河北秦皇島066004;通信網(wǎng)信息傳輸與分發(fā)技術(shù)重點(diǎn)實(shí)驗(yàn)室,河北石家莊050081;燕山大學(xué)信息科學(xué)與工程學(xué)院,河北秦皇島066004;河北省計(jì)算機(jī)虛擬技術(shù)與系統(tǒng)集成重點(diǎn)實(shí)驗(yàn)室,河北秦皇島066004;燕山大學(xué)信息科學(xué)與工程學(xué)院,河北秦皇島066004;燕山大學(xué)信息科學(xué)與工程學(xué)院,河北秦皇島066004;河北省計(jì)算機(jī)虛擬技術(shù)與系統(tǒng)集成重點(diǎn)實(shí)驗(yàn)室,河北秦皇島066004;通信網(wǎng)信息傳輸與分發(fā)技術(shù)重點(diǎn)實(shí)驗(yàn)室,河北石家莊050081;燕山大學(xué)信息科學(xué)與工程學(xué)院,河北秦皇島066004;河北省計(jì)算機(jī)虛擬技術(shù)與系統(tǒng)集成重點(diǎn)實(shí)驗(yàn)室,河北秦皇島066004;通信網(wǎng)信息傳輸與分發(fā)技術(shù)重點(diǎn)實(shí)驗(yàn)室,河北石家莊050081;燕山大學(xué)信息科學(xué)與工程學(xué)院,河北秦皇島066004;河北省計(jì)算機(jī)虛擬技術(shù)與系統(tǒng)集成重點(diǎn)實(shí)驗(yàn)室,河北秦皇島066004;通信網(wǎng)信息傳輸與分發(fā)技術(shù)重點(diǎn)實(shí)驗(yàn)室,河北石家莊050081【正文語種】中文【中圖分類】TP3930引言隨著云計(jì)算的迅猛發(fā)展和大數(shù)據(jù)的快速增加，越來越多的用戶將數(shù)據(jù)存入云中［1-2］。然而，不充足的服務(wù)會(huì)增加用戶的時(shí)延，導(dǎo)致用戶對(duì)該云存儲(chǔ)服務(wù)不滿意，過剩的服務(wù)又會(huì)降低云服務(wù)提供商的盈利［3］。因此，發(fā)展云存儲(chǔ)用戶、合理管理云存儲(chǔ)資源是亟待解決的關(guān)鍵問題。為了減少用戶的等待時(shí)間，給用戶提供更好的服務(wù)并且獲得更多的經(jīng)濟(jì)效益，通常將用戶進(jìn)行分類服務(wù)。文獻(xiàn)［4］將鐵路貨運(yùn)公司中的用戶分為一般用戶和會(huì)員用戶。會(huì)員用戶比一般用戶的定價(jià)高，接受的服務(wù)質(zhì)量也更高。文獻(xiàn)［5］研究了一個(gè)帶有兩類顧客的庫存服務(wù)系統(tǒng)。當(dāng)?shù)谝活愵櫩偷竭_(dá)系統(tǒng)時(shí)，如果有第二類正在排隊(duì)等待，系統(tǒng)會(huì)優(yōu)先滿足第一類顧客的訂單需求。文獻(xiàn)［6］分析了帶有兩類顧客的重試排隊(duì)，當(dāng)?shù)谝活愵櫩偷竭_(dá)系統(tǒng)時(shí)，如果服務(wù)器被占用，該顧客會(huì)徹底離開系統(tǒng)，當(dāng)?shù)诙愵櫩偷竭_(dá)系統(tǒng)時(shí)，如果服務(wù)器被占用，該顧客會(huì)離開服務(wù)區(qū)進(jìn)入重試區(qū)，一段時(shí)間后以概率0再次進(jìn)入系統(tǒng)或者以概率1-0永久離開系統(tǒng)。受以上文獻(xiàn)啟發(fā)，考慮將云存儲(chǔ)服務(wù)中的用戶分為兩類。在實(shí)際生活中，經(jīng)常會(huì)遇見這種情況，當(dāng)排隊(duì)的隊(duì)伍過長時(shí)，正在排隊(duì)等待的用戶可能會(huì)產(chǎn)生不耐煩情緒，從而離開隊(duì)伍放棄服務(wù)。文獻(xiàn)［7］研究了一個(gè)具有不耐煩顧客的單服務(wù)臺(tái)排隊(duì)系統(tǒng)。當(dāng)系統(tǒng)遭受到破壞時(shí)，會(huì)經(jīng)歷一個(gè)修復(fù)機(jī)制。修復(fù)期間內(nèi)新來的顧客可以進(jìn)入系統(tǒng)，一段時(shí)間內(nèi)如果系統(tǒng)未修復(fù)完成，顧客將離開隊(duì)列永不返回。文獻(xiàn)［8］研究了一個(gè)帶有不耐煩和工作休假的M/M/1排隊(duì)系統(tǒng)。當(dāng)系統(tǒng)中沒有顧客時(shí)，服務(wù)器進(jìn)入工作休假模式。在工作休假模式下有新顧客到達(dá)時(shí)，工作休假被中斷，服務(wù)器以概率q恢復(fù)正常工作，以概率1-q繼續(xù)休假。在休假周期內(nèi)，排隊(duì)等待的顧客可能因不耐煩離開系統(tǒng)。文獻(xiàn)［9］研究了一個(gè)帶有不耐煩的M/M/2排隊(duì)系統(tǒng)。當(dāng)顧客到達(dá)系統(tǒng)時(shí)，如果兩個(gè)服務(wù)器全被占用，顧客以概率p排隊(duì)等待，以概率1-p直接離開系統(tǒng)。如果顧客的等待T時(shí)間后未開始服務(wù)，顧客將放棄等待離開系統(tǒng)。許多學(xué)者研究了帶有不耐煩行為的排隊(duì)系統(tǒng)，但是用戶的不耐煩行為在云存儲(chǔ)中的研究卻很少。在云存儲(chǔ)中考慮同時(shí)設(shè)立多個(gè)免費(fèi)服務(wù)器和多個(gè)收費(fèi)服務(wù)器，給出一種新型的云存儲(chǔ)架構(gòu)。潛在用戶由免費(fèi)服務(wù)器提供存儲(chǔ)服務(wù)。潛在用戶在排隊(duì)過程中因?yàn)榈却龝r(shí)間過長而感到不耐煩時(shí)會(huì)放棄服務(wù)離開系統(tǒng)，堅(jiān)持等待的潛在用戶結(jié)束服務(wù)后直接離開系統(tǒng)。收費(fèi)用戶由效率更高的服務(wù)器提供存儲(chǔ)服務(wù)。收費(fèi)用戶源有限并且收費(fèi)用戶一旦進(jìn)入系統(tǒng)就不能離開，直到服務(wù)結(jié)束才能離開系統(tǒng)。建立一種雙隊(duì)列多服務(wù)臺(tái)排隊(duì)模型，導(dǎo)出潛在用戶和收費(fèi)用戶的平均時(shí)延的性能表達(dá)式。進(jìn)行數(shù)值實(shí)驗(yàn)和仿真實(shí)驗(yàn)，揭示系統(tǒng)性能的變化趨勢(shì)。將混沌方程用于代理的初始化中，改進(jìn)萬有引力尋優(yōu)算法，以系統(tǒng)成本為目標(biāo)函數(shù)，進(jìn)行免費(fèi)和收費(fèi)服務(wù)器速率的聯(lián)合優(yōu)化1云存儲(chǔ)架構(gòu)及系統(tǒng)模型1.1云存儲(chǔ)架構(gòu)隨著云計(jì)算的快速發(fā)展和大數(shù)據(jù)的快速增加，越來越多的用戶將數(shù)據(jù)存入云中，云提供商開始以提供云存儲(chǔ)服務(wù)盈利。為了吸引更多的用戶以獲得更大的經(jīng)濟(jì)效益，云提供商設(shè)立兩種速率不同的服務(wù)器為不同用戶提供服務(wù)。潛在用戶到達(dá)系統(tǒng)時(shí)，由速率較小的免費(fèi)服務(wù)器提供存儲(chǔ)服務(wù)。當(dāng)潛在用戶因等待時(shí)間過長而不耐煩時(shí)，將離開系統(tǒng)。收費(fèi)用戶由速率較大的收費(fèi)服務(wù)器提供存儲(chǔ)服務(wù)。由此，給出一個(gè)由免費(fèi)存儲(chǔ)服務(wù)和收費(fèi)存儲(chǔ)服務(wù)共同組成的云存儲(chǔ)架構(gòu)，如圖1所示。1)當(dāng)潛在用戶到達(dá)系統(tǒng)時(shí)，如果存在至少一個(gè)空閑的免費(fèi)服務(wù)器，則直接接受服務(wù)，否則該潛在用戶在免費(fèi)服務(wù)排隊(duì)區(qū)域中等待。排隊(duì)過程中感到不耐煩的潛在用戶會(huì)停止等待提前離開系統(tǒng)。2)當(dāng)收費(fèi)用戶到達(dá)系統(tǒng)時(shí)，如果存在至少一個(gè)空閑的收費(fèi)服務(wù)器，則該收費(fèi)用戶直接接受服務(wù)，否則該收費(fèi)用戶在收費(fèi)服務(wù)排隊(duì)區(qū)域中等待。所有收費(fèi)用戶結(jié)束收費(fèi)服務(wù)才會(huì)離開系統(tǒng)。圖1帶有免費(fèi)存儲(chǔ)服務(wù)和收費(fèi)存儲(chǔ)服務(wù)的云存儲(chǔ)架構(gòu)Fig.1Architectureofthecloudstoragewithfreeandchargeablestorageservices1.2系統(tǒng)模型基于融合免費(fèi)存儲(chǔ)服務(wù)和收費(fèi)存儲(chǔ)服務(wù)的云存儲(chǔ)架構(gòu)，考慮潛在用戶的不耐煩行為和收費(fèi)用戶源有限，建立雙隊(duì)列多服務(wù)臺(tái)排隊(duì)模型。假設(shè)免費(fèi)存儲(chǔ)云中有n(n=12..J個(gè)免費(fèi)服務(wù)器。令潛在用戶到達(dá)免費(fèi)存儲(chǔ)云的時(shí)間間隔服從參數(shù)為入1(入1>0)的指數(shù)分布，一個(gè)潛在用戶在免費(fèi)服務(wù)器上的服務(wù)時(shí)間服從參數(shù)為M(p1>0)的指數(shù)分布。潛在用戶不耐煩強(qiáng)度為ak=k8(S>0),其中k為排隊(duì)隊(duì)長，此時(shí)，系統(tǒng)中共有(k+n)個(gè)潛在用戶。假設(shè)免費(fèi)存儲(chǔ)云的排隊(duì)區(qū)域的大小無限。免費(fèi)存儲(chǔ)云可以抽象為一個(gè)具有不耐煩行為的M/M/n排隊(duì)系統(tǒng)。假設(shè)收費(fèi)存儲(chǔ)云中有c(c=12..J個(gè)收費(fèi)服務(wù)器，收費(fèi)用戶的總數(shù)為m(m>c)o令收費(fèi)用戶發(fā)起存儲(chǔ)請(qǐng)求的時(shí)間間隔服從參數(shù)為入2(入2>0)的指數(shù)分布，一個(gè)收費(fèi)用戶在收費(fèi)服務(wù)器上的服務(wù)時(shí)間服從參數(shù)為p2(p2>p1)的指數(shù)分布。收費(fèi)存儲(chǔ)云可以抽象為一個(gè)M/M/c/m/m排隊(duì)系統(tǒng)。綜上，本文所提出的云存儲(chǔ)架構(gòu)可以抽象為一個(gè)具有不耐煩行為和顧客源有限的雙隊(duì)列多服務(wù)臺(tái)的排隊(duì)系統(tǒng)。模型分析和性能指標(biāo)2.1模型分析令pl和p2分別表示系統(tǒng)中具有不耐煩行為的M/M/n排隊(duì)系統(tǒng)和M/M/c/m/m排隊(duì)系統(tǒng)的通信量負(fù)載[10]°p1和p2的表達(dá)式分別為系統(tǒng)穩(wěn)態(tài)的充分必要條件是p1<1并且p2v1。令A(yù)(t)表示在t時(shí)刻免費(fèi)存儲(chǔ)云中潛在用戶的個(gè)數(shù)。具有不耐煩行為的M/M/n排隊(duì)系統(tǒng)的穩(wěn)態(tài)概率分布nli表示為(1)建立平衡方程聯(lián)合歸一化條件可得到具有不耐煩行為的M/M/n排隊(duì)系統(tǒng)的穩(wěn)態(tài)概率分布為(2)其中，令B(t)表示在t時(shí)刻收費(fèi)存儲(chǔ)云中收費(fèi)用戶的個(gè)數(shù)。M/M/c/m/m排隊(duì)系統(tǒng)的穩(wěn)態(tài)概率分布n2i表示為(3)建立平衡方程聯(lián)合歸一化條件可得M/M/c/m/m排隊(duì)系統(tǒng)的穩(wěn)態(tài)概率分布為(4)其中，2.2性能指標(biāo)定義潛在用戶平均時(shí)延31為潛在用戶從到達(dá)免費(fèi)存儲(chǔ)云開始到離開系統(tǒng)(因不耐煩提前離開系統(tǒng)或因服務(wù)完畢正常離開系統(tǒng))為止所經(jīng)歷的平均時(shí)間長度。如果一個(gè)潛在用戶在等待過程中沒有因?yàn)椴荒蜔╇x開系統(tǒng)，則該潛在用戶的存儲(chǔ)服務(wù)最終一定成功。排隊(duì)等候的潛在用戶平均數(shù)量Lq的表達(dá)式為(5)正在接受云存儲(chǔ)服務(wù)的潛在用戶平均數(shù)量Ls的表達(dá)式為(6)由Little公式［11］可知，潛在用戶平均時(shí)延31的表達(dá)式為(7)定義收費(fèi)用戶平均時(shí)延32為收費(fèi)用戶從到達(dá)收費(fèi)存儲(chǔ)云開始到完成服務(wù)離開系統(tǒng)止所經(jīng)歷的平均時(shí)間長度。穩(wěn)態(tài)下系統(tǒng)中收費(fèi)用戶數(shù)量的均值L2的表達(dá)式為(8)由Little公式［11］可知，收費(fèi)用戶平均時(shí)延32的表達(dá)式為(9)系統(tǒng)實(shí)驗(yàn)為了揭示不同系統(tǒng)參數(shù)，包括潛在用戶到達(dá)率入1、免費(fèi)服務(wù)器速率不耐煩強(qiáng)度系數(shù)6、收費(fèi)用戶到達(dá)率入2、收費(fèi)服務(wù)器速率p2及收費(fèi)用戶數(shù)量m等對(duì)云存儲(chǔ)系統(tǒng)的性能影響，進(jìn)行數(shù)值實(shí)驗(yàn)和仿真實(shí)驗(yàn)。在MyEclipse平臺(tái)上基于云存儲(chǔ)架構(gòu)進(jìn)行仿真實(shí)驗(yàn)，在MATLABR2010a上基于式(7)和(9)進(jìn)行數(shù)值實(shí)驗(yàn)。計(jì)算機(jī)操作系統(tǒng)為Windows10,處理器為IntelCorei7-47903.60GHz，內(nèi)存為8GB。從圖2和圖3中可以看出理論分析結(jié)果和仿真結(jié)果吻合。以免費(fèi)服務(wù)器數(shù)量n=6為例，圖2揭示了潛在用戶到達(dá)率入1,免費(fèi)服務(wù)器速率p1及不耐煩強(qiáng)度系數(shù)6等系統(tǒng)參數(shù)對(duì)潛在用戶平均時(shí)延31的影響。圖2潛在用戶平均時(shí)延的變化趨勢(shì)Fig.2Thechangetrendfortheaveragelatencyofpotentialusers固定潛在用戶到達(dá)率入1和不耐煩強(qiáng)度系數(shù)6,潛在用戶平均時(shí)延31隨著免費(fèi)服務(wù)器速率p1的增加而減少。免費(fèi)服務(wù)器速率越大，排隊(duì)等待的潛在用戶越少，潛在用戶平均時(shí)延越少。固定潛在用戶到達(dá)率入1和免費(fèi)服務(wù)器速率口，當(dāng)p1較小(p1<5)時(shí)，潛在用戶平均時(shí)延31隨著不耐煩強(qiáng)度系數(shù)6的增大而減少。不耐煩強(qiáng)度系數(shù)越大,潛在用戶的不耐煩強(qiáng)度越大,排隊(duì)等待的潛在用戶因?yàn)椴荒蜔┨崆半x開的越多，潛在用戶的平均時(shí)延越少；當(dāng)pl較大(p1>5)時(shí)，潛在用戶平均時(shí)延31隨著不耐煩強(qiáng)度系數(shù)S的增加保持不變。當(dāng)免費(fèi)服務(wù)器速率足夠大時(shí)，潛在用戶幾乎不用排隊(duì)等待就可以接收服務(wù)，所以不耐煩強(qiáng)度系數(shù)對(duì)潛在用戶平均時(shí)延幾乎沒有影響。固定不耐煩強(qiáng)度系數(shù)6和免費(fèi)服務(wù)器速率pl,當(dāng)pl較小(p1?5)時(shí)，潛在用戶平均時(shí)延31隨著潛在用戶到達(dá)率入1的減小而減少。因?yàn)闈撛谟脩舻竭_(dá)率越小，排隊(duì)等待的潛在用戶越少，所以潛在用戶平均時(shí)延越少。當(dāng)pl較大(p1>5)時(shí)，潛在用戶平均時(shí)延31隨著潛在用戶到達(dá)率入1的減小保持不變。當(dāng)免費(fèi)服務(wù)器速率足夠大時(shí)，潛在用戶幾乎不用排隊(duì)等待就可以接收服務(wù)，所以潛在用戶到達(dá)率對(duì)潛在用戶平均時(shí)延幾乎沒有影響。以收費(fèi)服務(wù)器數(shù)量c=4為例，圖3刻畫了收費(fèi)用戶到達(dá)率入2,收費(fèi)服務(wù)器速率p2及收費(fèi)用戶數(shù)量m等系統(tǒng)參數(shù)對(duì)收費(fèi)用戶平均時(shí)延32的影響。圖3收費(fèi)用戶平均時(shí)延的變化趨勢(shì)Fig.3Thechangetrendfortheaveragelatencyofchargeableusers固定收費(fèi)用戶到達(dá)率入2和收費(fèi)用戶數(shù)量m,收費(fèi)用戶平均時(shí)延32隨著收費(fèi)服務(wù)器速率p2的增加而減少。收費(fèi)服務(wù)器速率越大，排隊(duì)等待的收費(fèi)用戶越少，收費(fèi)用戶平均時(shí)延越小。固定收費(fèi)服務(wù)器速率p2和收費(fèi)用戶數(shù)量m，收費(fèi)用戶平均時(shí)延32隨著收費(fèi)用戶到達(dá)率入2的增加而增加。收費(fèi)用戶到達(dá)率越大,排隊(duì)等待的收費(fèi)用戶越多,收費(fèi)用戶平均時(shí)延越多。固定收費(fèi)用戶到達(dá)率入2和收費(fèi)服務(wù)器速率p2,收費(fèi)用戶平均時(shí)延32隨著收費(fèi)用戶數(shù)量m的增加而增加。系統(tǒng)中收費(fèi)用戶基數(shù)越大,意味著進(jìn)行存儲(chǔ)服務(wù)的收費(fèi)用戶增加,造成排隊(duì)等待的收費(fèi)用戶增加,收費(fèi)用戶的平均時(shí)延因此變大。系統(tǒng)優(yōu)化一般來講,服務(wù)器的購置費(fèi)用越高,服務(wù)器的服務(wù)能力越強(qiáng)。本文關(guān)注服務(wù)能力中的存儲(chǔ)速率。假設(shè)P1和陽分別表示用于免費(fèi)服務(wù)器和收費(fèi)服務(wù)器的投入與服務(wù)速率相關(guān)的系數(shù)，云提供商的投資規(guī)模近似表示為當(dāng)云提供商的投資規(guī)模Z固定時(shí)，增大免費(fèi)服務(wù)器速率M1,就要降低收費(fèi)服務(wù)器速率M2，反之亦然。另一方面，服務(wù)器速率M1和M2越大，潛在用戶和收費(fèi)用戶的平均時(shí)延31和32越小，用戶對(duì)云存儲(chǔ)的QoS(QualityofService)越滿意。但是，服務(wù)器速率M1和M2的增加勢(shì)必會(huì)使云提供商的投資規(guī)模Z加大，這是云提供商不愿意的。顯然，不同用戶的平均時(shí)延之間、用戶時(shí)延與云提供商的投資規(guī)模之間存在折中關(guān)系。為了合理配置服務(wù)器速率，均衡潛在用戶、收費(fèi)用戶和云提供商三者之間的利益，建立系統(tǒng)的成本函數(shù)：其中，f1、f2和f3分別為潛在用戶平均時(shí)延、收費(fèi)用戶平均時(shí)延和云提供商的投資規(guī)模對(duì)系統(tǒng)成本的影響因子。利用數(shù)學(xué)解析的方法聯(lián)合優(yōu)化免費(fèi)服務(wù)器速率和收費(fèi)服務(wù)器速率很困難。智能尋優(yōu)算法為解決復(fù)雜的優(yōu)化問題提供了新思路。本文利用混沌方程［11］初始化代理位置，改進(jìn)萬有引力智能尋優(yōu)算法［12］，旨在加快優(yōu)化過程。該算法的主要步驟如下。Stepl初始化代理數(shù)量N，最大迭代次數(shù)Imax，當(dāng)前迭代次數(shù)1=1,服務(wù)器速率上限up，服務(wù)器速率下限down。Step2初始化代理速度V(p1川2)i,iw{12..?，N}:V(p1川2)i=0。Step3利用混沌方程設(shè)置每個(gè)代理的初始位置：(p1,p2)1=rand(2,1),fori=2：2N(p1/p2)i=rx(p1/p2)i-1x(1-(p1/p2)i-1)endfori=1：2N(p1,p2)i=(p1,p2)ix(up-down)+dowmend%rand(x1,x2)表示生成一個(gè)x1xx2矩陣的函數(shù)，矩陣元素為0~1之間的隨機(jī)數(shù)％%r=3.85表示一個(gè)混沌因子％。Step4計(jì)算每個(gè)代理的系統(tǒng)成本F(p1川2)i,i曰12...,N}:F(p1,p2)i=f1xw1(p1,p2)i+f2xw2(p1/p2)i+f3xZ(p1/p2)i%3l(p1川2)i、32(p1川2)i和Z(p1,p2)i分別表示服務(wù)器速率為(p1,p2)i時(shí)潛在用戶平均時(shí)延、收費(fèi)用戶平均時(shí)延和云提供商的投資規(guī)模%。Step5計(jì)算每個(gè)代理的慣性質(zhì)量Mi,i曰12...,N}:Step6計(jì)算每個(gè)代理的重力Hi,i曰12...,N}:%G表示萬有引力常數(shù)％%rand表示一個(gè)0~1之間的隨機(jī)數(shù)％。Step7計(jì)算每個(gè)代理的加速度ai,ie{1,2,.,N}:Step8計(jì)算每個(gè)代理的速度V(pl川2)i并且更新其位置(pl川2)i,iw{12..?，N}:V(p1,p2)i=rand(2/N)xV(p1/p2)i-1+ai,(p1/p2)i=(p1/p2)i+V(p1/p2)ioStepIO輸出(p1,p2)*和F(p1,p2)*。在該智能算法中,代理的質(zhì)量是一個(gè)與系統(tǒng)成本有關(guān)的函數(shù)。因代理質(zhì)量而產(chǎn)生的萬有引力牽引每個(gè)代理的位置移動(dòng)。經(jīng)過多次移動(dòng)，最終定位到最優(yōu)解的位置(pl川2)*。令潛在用戶到達(dá)率入1=1,收費(fèi)用戶到達(dá)率入2=3,潛在用戶不耐煩強(qiáng)度系數(shù)6=0.1。令優(yōu)化算法中代理個(gè)數(shù)N=100,最大迭代次數(shù)Imax=100,服務(wù)器速率下限down=1,服務(wù)器速率上限up=9，精度參數(shù)8=10-6。利用改進(jìn)的萬有引力尋優(yōu)算法，針對(duì)不同收費(fèi)用戶數(shù)量m分別計(jì)算最小系統(tǒng)成本F(M*1,p*2),并給出免費(fèi)服務(wù)器和收費(fèi)服務(wù)器速率的優(yōu)化組合(『1,『2)。系統(tǒng)優(yōu)化結(jié)果如表1所示。表1系統(tǒng)優(yōu)化數(shù)值結(jié)果Tab.1Numericalresultsforthesystemoptimization收費(fèi)用戶數(shù)量免費(fèi)服務(wù)器和收費(fèi)服務(wù)器速率的最優(yōu)組合最小系統(tǒng)成本60(5.3267,6.3369)0.338070(5.3691,6.9649)0.357680(5.5005,7.0257)0.37585結(jié)論提高用戶QoS并減小云提供商投資規(guī)模，合理分配云存儲(chǔ)資源是云存儲(chǔ)應(yīng)用中的一個(gè)不容忽視的問題。本文融合免費(fèi)服務(wù)和收費(fèi)服務(wù)提出了一種新型云存儲(chǔ)架構(gòu)?？紤]潛在用戶的不耐煩行為和收費(fèi)用戶源有限,建立了一個(gè)雙隊(duì)列多服務(wù)臺(tái)排隊(duì)系統(tǒng),給出了潛在用戶平均時(shí)延和收費(fèi)用戶平均時(shí)延等性能指標(biāo)。進(jìn)行數(shù)值實(shí)驗(yàn)和仿真實(shí)驗(yàn),揭示了不同用戶的平均時(shí)延、用戶時(shí)延和云提供商投資規(guī)模之間的折中關(guān)系。建立系統(tǒng)成本函數(shù),改進(jìn)萬有引力尋優(yōu)算法,給出了免費(fèi)服務(wù)器速率和收費(fèi)服務(wù)器速率的聯(lián)合優(yōu)化方案。參考文獻(xiàn)相關(guān)文獻(xiàn)】LIUC,ZHANGX,YANGC.Authorizedpublicauditingofdynamicbigdatastorageoncloudwithefficientverifiablefine-grainedupdates[J].IEEETransactionsonParallelandDistributedSystems,2014,25(9):2234-2244.SOOKHAKM,GANIA,KHANM.Dynamicremotedataauditingforsecuringbigdatastorageincloudcomputing[J].InformationScience,2016,380(20):101-116.KIMH,PARKJ,JEONGY.Human-centricstorageresourcemechanismforbigdataoncloudservicearchitecture[J].JournalofSupercomputing,2016,72(7):2437-2452.PAPIERF,THONEMANNU.Capacityrationinginrentalsystemswithtwocustomerclassesandbatcharrivals[J].Omega,2011,39(1):73-85.ZHAON,LIANZ.Aqueueing-inventorysystemwithtwoclassesofcustomers[J].InternationalJournalofProductionEconomics,2011,129(1):225-231.LIUZ,GAOS.Discrete-timeGeo1,GeoX2/G1,G2/1retrialqueuewithtwoclassesofcustomersandfeedback[J].MathematicalandComputerModelling,2011,53(5/6):1208-1220.SUDHESHR.Transientanalysisofaqueuewithsystemdisastersandcustomerimpatience[J].QueueingSystems,2010,66(1):95-105.LAXMIP,JYOTHSNAK.ImpatientcustomerqueuewithBerno