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 了多個大規(guī)模的數(shù)據(jù)中心，將用戶的數(shù)據(jù)復制到多個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，如何對數(shù)據(jù)中心間的數(shù)據(jù)進行傳輸調(diào)度是當前亟待解 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再將數(shù)據(jù)進行轉(zhuǎn)發(fā)。利用這樣的存儲轉(zhuǎn)發(fā)機制，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的路徑選 擇優(yōu)化機制。然而在實際的數(shù)據(jù)傳輸路徑選擇過程中，經(jīng)常會遇到管理者不僅關(guān)心數(shù)據(jù)中 心接入帶寬使用情況，而且對于鏈路的費用、服務(wù)質(zhì)量也有要求；或者管理者對其中的某一 項屬性要求較高而對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)中心的綜合評價；通過建立 時間擴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，對多個屬性之間的從屬關(guān)系進行分析；
[0007] (2)根據(jù)分析得到的屬性值差異分布，利用信息熵設(shè)置屬性的相對權(quán)重，得到綜合 評價公式，并通過公式得到評價值；
[0008] (3)對評價值建模得到時間擴展圖，通過時間擴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)化為最小代價流問題；
[0009] (4)通過負價環(huán)算法計算解決最小代價流問題，得到綜合評價最優(yōu)的路徑，即最小 代價流。
[0010] 作為優(yōu)選，所述步驟（1)的層次分析法將多個屬性信息根據(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價不同備選 數(shù)據(jù)中心的偏好次序，決策矩陣如下：
[0012]
[0013] 其中，決策屬性的個數(shù)η"由第1層的η"個核心屬性決定，矩陣的行代表有m個 決策備選方案{AJ，列代表η個不同的決策屬性{Xj，矩陣的每個元素Xlj代表數(shù)據(jù)中心i 的第j項屬性值。
[0014] 作為優(yōu)選，所述步驟（2)得到綜合評價公式過程如下：
[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價值，歸一化公式為
[0017] 3)根據(jù)香農(nóng)公式，計算屬性\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)令相對權(quán)重
并使用算術(shù)加權(quán)平均算子對評價值進行加權(quán)計算， 解得綜合評價公式為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)的負價環(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)測工具采集的屬性值信息在數(shù)據(jù)調(diào)度時 進行計算，為數(shù)據(jù)傳輸選擇一條綜合評價最優(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 在負價環(huán)；
[0025] (c)若存在負價環(huán)則消除負環(huán)并更新殘量網(wǎng)絡(luò)，直至不存在負價環(huán)，得到最終的 流，即為最小代價流；若不存在則該可行流即為最小代價流。
[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。
【具體實施方式】
[0028] 下面結(jié)合具體實施例對本發(fā)明進行進一步描述，但本發(fā)明的保護范圍并不僅限于 此：
[0029] 實施例：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，對多個屬性之間的從屬關(guān)系進行分析；
[0031] 所述的層次分析法將多個屬性信息根據(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)測定量獲取屬性值。本實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層是對多個屬性信息的最終總 體評價。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 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延2個子屬性。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)驗獲取，比如，鏈路的服務(wù)質(zhì)量與幾個基本的 要素如鏈路的帶寬及時延等有關(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層是各個備選方案，代表上述屬性取值的來源，即各個備選中轉(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價不同備選數(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個決策備選方案{AJ，在本文研究的問題里為m個備選中轉(zhuǎn)數(shù) 據(jù)中心。列代表η個不同的決策屬性{X,}，包括帶寬成本、帶寬、往返時延、數(shù)據(jù)中心能源使 用效率等等。矩陣的每個元素Χι]代表數(shù)據(jù)中心i的第j項屬性值。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分解成若干個子決策矩 陣。每一個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個子屬性：帶寬、時延以及內(nèi)容流行度的η'個子屬 性：人口、地理位置等構(gòu)成。對每個決策矩陣進行歸一化，并計算每個決策子屬性的權(quán)重，可 以生成對當前屬性的評價結(jié)果，標記為當前屬性的值，如根據(jù)和Dw可以生成不同備選 決策方案對于服務(wù)質(zhì)量屬性和內(nèi)容流行度屬性的屬性值。當獲得該值后可以進一步構(gòu)造第 0層的決策矩陣，即最終的決策矩陣為
[0038]
[0039] 其中，決策屬性的個數(shù)η"只由第1層的η"個核心屬性決定。對該矩陣再次進行 歸一化處理和權(quán)重設(shè)置，可以得到最終的決策評價結(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)造最終綜合評價結(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)置屬性的相對權(quán)重， 并給出評價值的計算公式。
[0041] 其基本思想