一種基于多屬性信息的數(shù)據(jù)中心間的數(shù)據(jù)傳輸調(diào)度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)據(jù)中心技術(shù)領(lǐng)域，尤其涉及一種基于多屬性信息的數(shù)據(jù)中心間的數(shù) 據(jù)傳輸調(diào)度方法。
【背景技術(shù)】
[0002] 近年來，隨著云計(jì)算和互聯(lián)網(wǎng)在線業(yè)務(wù)的迅速發(fā)展，互聯(lián)網(wǎng)巨頭在全球各地建立 了多個(gè)大規(guī)模的數(shù)據(jù)中心，將用戶的數(shù)據(jù)復(fù)制到多個(gè)地理位置以提高用戶服務(wù)質(zhì)量。這些 分布式的數(shù)據(jù)中心之間需要傳輸大量的數(shù)據(jù)。數(shù)據(jù)中心之間的業(yè)務(wù)流量已經(jīng)占據(jù)了接近一 半的數(shù)據(jù)中心出口帶寬。但是由于數(shù)據(jù)中心處于忙閑不均的使用情況，導(dǎo)致數(shù)據(jù)中心之間 的鏈路并沒有得到有效利用。因此，如何對(duì)數(shù)據(jù)中心間的數(shù)據(jù)進(jìn)行傳輸調(diào)度是當(dāng)前亟待解 決的問題。由于數(shù)據(jù)中心的接入帶寬使用情況是隨著時(shí)間而變化的，傳統(tǒng)的路由選擇技術(shù) 并不能解決現(xiàn)有的問題。
[0003] 因此，可通過使用接入帶寬空閑的數(shù)據(jù)中心進(jìn)行中轉(zhuǎn)，待中轉(zhuǎn)數(shù)據(jù)中心具備到目 的數(shù)據(jù)中心的帶寬富裕路徑時(shí)再將數(shù)據(jù)進(jìn)行轉(zhuǎn)發(fā)。利用這樣的存儲(chǔ)轉(zhuǎn)發(fā)機(jī)制，以提高數(shù)據(jù) 中心接入帶寬利用率、降低數(shù)據(jù)中心間流量傳輸成本、減少域間傳輸流量為目標(biāo)的路徑選 擇優(yōu)化機(jī)制。然而在實(shí)際的數(shù)據(jù)傳輸路徑選擇過程中，經(jīng)常會(huì)遇到管理者不僅關(guān)心數(shù)據(jù)中 心接入帶寬使用情況，而且對(duì)于鏈路的費(fèi)用、服務(wù)質(zhì)量也有要求；或者管理者對(duì)其中的某一 項(xiàng)屬性要求較高而對(duì)其他屬性要求不是很高的情況。所以僅考慮單屬性或單一優(yōu)化目標(biāo)的 路徑選擇是不全面的。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明為克服上述的不足之處，目的在于提供一種基于多屬性信息的數(shù)據(jù)中心間 的數(shù)據(jù)傳輸調(diào)度方法，本方法利用層次化的方法分析不同屬性間的從屬關(guān)系，并使用信息 熵理論確定不同屬性的權(quán)重，從而給出多屬性信息下中轉(zhuǎn)數(shù)據(jù)中心的綜合評(píng)價(jià)；通過建立 時(shí)間擴(kuò)展圖模型將基于多屬性信息的數(shù)據(jù)中心間數(shù)據(jù)傳輸調(diào)度問題形式化為最小代價(jià)流 問題。本方法解決了多屬性信息的數(shù)據(jù)中心間的數(shù)據(jù)傳輸調(diào)度效率低的問題。
[0005] 本發(fā)明是通過以下技術(shù)方案達(dá)到上述目的：一種基于多屬性信息的數(shù)據(jù)中心間的 數(shù)據(jù)傳輸調(diào)度方法，包括如下步驟：
[0006] (1)利用層次分析法，對(duì)多個(gè)屬性之間的從屬關(guān)系進(jìn)行分析；
[0007] (2)根據(jù)分析得到的屬性值差異分布，利用信息熵設(shè)置屬性的相對(duì)權(quán)重，得到綜合 評(píng)價(jià)公式，并通過公式得到評(píng)價(jià)值；
[0008] (3)對(duì)評(píng)價(jià)值建模得到時(shí)間擴(kuò)展圖，通過時(shí)間擴(kuò)展圖將基于多屬性信息的數(shù)據(jù)中 心間的數(shù)據(jù)傳輸調(diào)度問題轉(zhuǎn)化為最小代價(jià)流問題；
[0009] (4)通過負(fù)價(jià)環(huán)算法計(jì)算解決最小代價(jià)流問題，得到綜合評(píng)價(jià)最優(yōu)的路徑，即最小 代價(jià)流。
[0010] 作為優(yōu)選，所述步驟（1)的層次分析法將多個(gè)屬性信息根據(jù)依賴關(guān)系分成不同的 層次，使用層次化的結(jié)構(gòu)構(gòu)造多屬性決策問題，通過監(jiān)測(cè)定量獲取屬性值。
[0011] 作為優(yōu)選，所述的多屬性決策問題為基于多屬性信息的決策矩陣來評(píng)價(jià)不同備選 數(shù)據(jù)中心的偏好次序，決策矩陣如下：
[0012]
[0013] 其中，決策屬性的個(gè)數(shù)η"由第1層的η"個(gè)核心屬性決定，矩陣的行代表有m個(gè) 決策備選方案{AJ，列代表η個(gè)不同的決策屬性{Xj，矩陣的每個(gè)元素Xlj代表數(shù)據(jù)中心i 的第j項(xiàng)屬性值。
[0014] 作為優(yōu)選，所述步驟（2)得到綜合評(píng)價(jià)公式過程如下：
[0015] 1)將所有類型的屬性轉(zhuǎn)化為成本型屬性；
[0016]
2)基于決策矩陣，將關(guān)于屬性\的屬性值歸一化為評(píng)價(jià)值，歸一化公式為
[0017] 3)根據(jù)香農(nóng)公式，計(jì)算屬性\的信息熵權(quán)
：其中，k是 常數(shù)，為使〇<Ej< 1，令
[0018] 4)設(shè)信息的偏差度定義為士= 1-Ej;
[0019] 5)令相對(duì)權(quán)重
并使用算術(shù)加權(quán)平均算子對(duì)評(píng)價(jià)值進(jìn)行加權(quán)計(jì)算， 解得綜合評(píng)價(jià)公式為Z7/iMUyi，八^..，J
[0020] 作為優(yōu)選，所述的所有類型的屬性總共為兩種，成本型屬性與效益型屬性。
[0021] 作為優(yōu)選，所述步驟（4)的負(fù)價(jià)環(huán)算法為基于多屬性信息的數(shù)據(jù)中心間數(shù)據(jù)調(diào)度 算法；該算法由數(shù)據(jù)中心的管理者根據(jù)數(shù)據(jù)中心監(jiān)測(cè)工具采集的屬性值信息在數(shù)據(jù)調(diào)度時(shí) 進(jìn)行計(jì)算，為數(shù)據(jù)傳輸選擇一條綜合評(píng)價(jià)最優(yōu)的路徑。
[0022] 作為優(yōu)選，所述算法流程如下：
[0023] (a)由Edmonds-karp算法計(jì)算出一條可行流；
[0024] (b)基于可行流生成相應(yīng)的殘量網(wǎng)絡(luò)，用Ballman-ford算法循環(huán)判斷圖中是否存 在負(fù)價(jià)環(huán)；
[0025] (c)若存在負(fù)價(jià)環(huán)則消除負(fù)環(huán)并更新殘量網(wǎng)絡(luò)，直至不存在負(fù)價(jià)環(huán)，得到最終的 流，即為最小代價(jià)流；若不存在則該可行流即為最小代價(jià)流。
[0026] 本發(fā)明的有益效果在于：（1)解決了多屬性信息的數(shù)據(jù)中心間的數(shù)據(jù)傳輸調(diào)度效 率低的問題；（2)根據(jù)獲得的權(quán)重，基于多屬性信息的方法在權(quán)重最高的維度上具有最高 的優(yōu)化性能。
【附圖說明】
[0027]圖1是本發(fā)明實(shí)施例的基于多屬性信息數(shù)據(jù)調(diào)度問題屬性層次的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0028] 下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行進(jìn)一步描述，但本發(fā)明的保護(hù)范圍并不僅限于 此：
[0029] 實(shí)施例：一種基于多屬性信息的數(shù)據(jù)中心間的數(shù)據(jù)傳輸調(diào)度方法，包括如下步 驟：
[0030] 第一步，利用層次分析法，對(duì)多個(gè)屬性之間的從屬關(guān)系進(jìn)行分析；
[0031] 所述的層次分析法將多個(gè)屬性信息根據(jù)依賴關(guān)系分成不同的層次，使用層次化的 結(jié)構(gòu)構(gòu)造多屬性決策問題，通過監(jiān)測(cè)定量獲取屬性值。本實(shí)施例的基于多屬性信息數(shù)據(jù)中 心間數(shù)據(jù)調(diào)度問題的屬性層次化結(jié)構(gòu)如圖1所示，其中第0層是對(duì)多個(gè)屬性信息的最終總 體評(píng)價(jià)。第1層是管理者需要關(guān)心的核心屬性，如中轉(zhuǎn)數(shù)據(jù)中心的接入帶寬成本、接入鏈路 的服務(wù)質(zhì)量、數(shù)據(jù)中心能源使用效率（PUE，powerusageeffectiveness)等。第2層是對(duì) 第1層核心屬性的分解，如服務(wù)質(zhì)量可以被分解成帶寬和時(shí)延2個(gè)子屬性。屬性的分解可 以根據(jù)屬性的分類及管理人員的日常管理經(jīng)驗(yàn)獲取，比如，鏈路的服務(wù)質(zhì)量與幾個(gè)基本的 要素如鏈路的帶寬及時(shí)延等有關(guān)，而內(nèi)容的流行度同用戶所在的地理位置以及所在位置的 人口規(guī)模等有關(guān)。如果第2層屬性還有子屬性，可以進(jìn)一步構(gòu)造第3層、第4層結(jié)構(gòu)直至第 k-Ι層。第k層是各個(gè)備選方案，代表上述屬性取值的來源，即各個(gè)備選中轉(zhuǎn)數(shù)據(jù)中心。
[0032] 下面基于屬性的層次結(jié)構(gòu)，構(gòu)造基于多屬性信息的決策矩陣來評(píng)價(jià)不同備選數(shù)據(jù) 中心的偏好次序。首先給出原始決策矩陣如式（1)所示。
[0033]
⑴
[0034] 矩陣的行代表有m個(gè)決策備選方案{AJ，在本文研究的問題里為m個(gè)備選中轉(zhuǎn)數(shù) 據(jù)中心。列代表η個(gè)不同的決策屬性{X,}，包括帶寬成本、帶寬、往返時(shí)延、數(shù)據(jù)中心能源使 用效率等等。矩陣的每個(gè)元素Χι]代表數(shù)據(jù)中心i的第j項(xiàng)屬性值。根據(jù)上文提出的層次化 結(jié)構(gòu)模型以及屬性之間的從屬關(guān)系，本文將原始的決策矩陣D"lgin分解成若干個(gè)子決策矩 陣。每一個(gè)子決策矩陣可以自上而下的逐層構(gòu)造。例如，在圖示的結(jié)構(gòu)模型中，第1層的關(guān) 于服務(wù)質(zhì)量QoS和內(nèi)容流行度的決策矩陣可以由第2層的子屬性構(gòu)造成如式（2)和式（3) 所示。
[0035] (2)
[0036]
(3)
[0037] 服務(wù)質(zhì)量決策矩陣DQc]S和內(nèi)容流行度決策矩陣D_的行仍由m個(gè)備選數(shù)據(jù)中心構(gòu) 成，但決策屬性分別由服務(wù)質(zhì)量屬性的2個(gè)子屬性：帶寬、時(shí)延以及內(nèi)容流行度的η'個(gè)子屬 性：人口、地理位置等構(gòu)成。對(duì)每個(gè)決策矩陣進(jìn)行歸一化，并計(jì)算每個(gè)決策子屬性的權(quán)重，可 以生成對(duì)當(dāng)前屬性的評(píng)價(jià)結(jié)果，標(biāo)記為當(dāng)前屬性的值，如根據(jù)和Dw可以生成不同備選 決策方案對(duì)于服務(wù)質(zhì)量屬性和內(nèi)容流行度屬性的屬性值。當(dāng)獲得該值后可以進(jìn)一步構(gòu)造第 0層的決策矩陣，即最終的決策矩陣為
[0038]
[0039] 其中，決策屬性的個(gè)數(shù)η"只由第1層的η"個(gè)核心屬性決定。對(duì)該矩陣再次進(jìn)行 歸一化處理和權(quán)重設(shè)置，可以得到最終的決策評(píng)價(jià)結(jié)果。同理，在具有更多層次的屬性結(jié)構(gòu) 下，也能通過子決策矩陣，向上遞歸的構(gòu)造最終綜合評(píng)價(jià)結(jié)果。
[0040] 第二步，根據(jù)分析得到的屬性值差異分布，利用信息熵理論設(shè)置屬性的相對(duì)權(quán)重， 并給出評(píng)價(jià)值的計(jì)算公式。
[0041] 其基本思想