云环境下基于偏好的资源公平分配策略

计算机工程与科学

云环境下基于偏好的资源公平分配策略

贺智明，刘敏

（江西理工大学信息工程学院,江西赣州 341000）

收稿日期:2016-05-13 修回日期:2016-08-25 出版日期:2017-11-25 发布日期:2017-11-25

A fair resource allocation strategy based on

preference in cloud environment

HE Zhi-ming，LIU Min

（School of Information Engineering,Jiangxi University of Science and Technology,Ganzhou 341000,China）

Received:2016-05-13 Revised:2016-08-25 Online:2017-11-25 Published:2017-11-25

摘要/Abstract

摘要：

资源分配策略是云计算领域的一个重要研究热点，其主要目标是同时考虑云用户和云提供商双方的利益，有效满足系统用户和任务的公平性，同时尽可能达到系统资源的充分利用。考虑到云环境中的用户需求各异，每个用户的任务请求数量不同，各个任务的资源需求也不同，设计了一种基于偏好的公平分配策略FABP，并给出了用户优先级和任务优先级的定义。实验分析表明，该算法不仅能缩短平均任务调度时间，而且还可以保证任务调度过程中用户和任务的公平性，实现综合资源利用率的最大化。

关键词: 公平性, 偏好, 平均任务调度时间, 最大资源利用率

Abstract:

Resource allocation strategies are an important research hotspot in cloud computing. How to consider the benefits of both cloud users and cloud providers, effectively meet the fairness requirement of system users and tasks, and make full use of system resources as much as possible are the main objectives. Considering the diverse user requirements in the cloud environment, each user requests a different number of tasks, and the resource requirements of each task are also different, we design a fair allocation strategy based on preference (FABP) and define the concepts of user priority and task priority. Experimental results show that the algorithm can not only reduce the average task scheduling time, but also ensure the fairness of users and tasks and maximize the utilization of comprehensive resources.

Key words: fairness, preference, average task scheduling time, maximum resource utilization

贺智明，刘敏. 云环境下基于偏好的资源公平分配策略[J]. 计算机工程与科学.

HE Zhi-ming，LIU Min.

A fair resource allocation strategy based on

preference in cloud environment

[J]. Computer Engineering & Science.

[1]	高玮蔚, 刘杨, 马慧芳, 唐月晨. 基于增强偏好影响力的图注意力网络推荐算法[J]. 计算机工程与科学, 2023, 45(07): 1300-1307.
[2]	林彦佳, 武继刚, 吴嘉鑫, 陈龙. 面向公平保障的共乘定价与匹配算法[J]. 计算机工程与科学, 2022, 44(07): 1291-1301.
[3]	贾俊杰, 姚叶旺, 陈旺虎. 基于非负矩阵分解的群组推荐算法[J]. 计算机工程与科学, 2022, 44(05): 933-943.
[4]	郭嘉宇, 付晓东, 岳昆, 刘骊, 冯勇, 刘利军. 偏好匹配满意度最大化的众包任务分配[J]. 计算机工程与科学, 2022, 44(01): 16-26.
[5]	魏云鹤, 马慧芳, 姜彦斌, 宿云. 融合社交信息的局部潜在空间推荐方法[J]. 计算机工程与科学, 2021, 43(09): 1653-1659.
[6]	顾军华, 佘士耀, 樊帅, 张素琪. 基于用户长短期兴趣与知识图卷积网络的推荐[J]. 计算机工程与科学, 2021, 43(03): 511-517.
[7]	周碧莹1，王爱平1，费长江2，虞万荣2，赵宝康2. 基于强化学习的卫星网络资源调度机制[J]. 计算机工程与科学, 2019, 41(12): 2134-2142.
[8]	黄乐乐1，马慧芳1,2，李宁3，余丽1. 基于二分图划分联合聚类的协同过滤推荐算法[J]. 计算机工程与科学, 2019, 41(11): 2040-2047.
[9]	蒋冰婷1，胡志刚1，马华2，姚景1. 基于时间感知排序的云服务QoS预测方法研究[J]. 计算机工程与科学, 2018, 40(07): 1173-1179.
[10]	黄进，周栋. 一种融合社会化标注系统中主题域相似的个性化排序方法[J]. 计算机工程与科学, 2018, 40(05): 880-887.
[11]	吴帅，赵方. 基于随机森林的老年人居住偏好预测研究[J]. 计算机工程与科学, 2018, 40(05): 924-930.
[12]	王光，张杰民，董帅含，夏帅. 基于内容的加权粒度序列推荐算法[J]. 计算机工程与科学, 2018, 40(03): 564-570.
[13]	杨亚琪，栾钟治，杨海龙，杨姝，钱德沛. 异构多核下兼顾应用公平性和能耗的调度方法研究[J]. J4, 2016, 38(05): 848-856.
[14]	徐军1，钟元生1，郑也夫2. 一种多维集成直觉模糊信息的信任评价方法[J]. J4, 2015, 37(09): 1768-1776.
[15]	孔得凯，吴克宇，韩方景，韩方剑. 认知无线电网络中基于信道跳频序列的异步交汇算法研究[J]. J4, 2014, 36(10): 1872-1879.