是：當(dāng)不同備選決策方案對(duì)于同一個(gè)屬性的取值差異較大時(shí)，該屬性 對(duì)于整個(gè)決策評(píng)價(jià)的影響就越大，而當(dāng)差異較小時(shí)，該屬性對(duì)于決策評(píng)價(jià)所起的作用就很 小甚至可以忽略。根據(jù)信息熵的極值性，熵的大小恰好能夠反映出不同備選方案在同一個(gè) 屬性值上的接近情況，屬性值越接近，熵值越大。因此，本方法采用信息熵值來(lái)設(shè)置不同屬 性權(quán)重。在相對(duì)權(quán)重的設(shè)置時(shí)，對(duì)決策矩陣進(jìn)行歸一化。首先，將所有類型的屬性轉(zhuǎn)化為成 本型屬性。在本方法的模型中，只有2類屬性，一類是效益型如帶寬，流行度等，其屬性值越 高對(duì)其評(píng)價(jià)越好；另一類屬于成本型如帶寬價(jià)格、時(shí)延等，其屬性值越低評(píng)價(jià)結(jié)果越好。本 方法通過(guò)用1/?取代Xl]將效益型的屬性轉(zhuǎn)化為成本型。然后，將備選方案A 于屬性X, 的屬性值歸一化為評(píng)價(jià)值。
(5)
[0042]
[0043]用逐一取代上一決策矩陣中的Xl]從而構(gòu)造出評(píng)價(jià)矩陣（P) = (Xjmn;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^l，4
信息的偏差度定義為4= 1-E,。本方法假設(shè)數(shù)據(jù)中心管理者沒(méi) 有屬性偏好。一種簡(jiǎn)單的設(shè)置不同屬性權(quán)重的方法是令
_ °這里使用算術(shù)加權(quán) 平均算子對(duì)備選數(shù)據(jù)中心的評(píng)價(jià)值進(jìn)行計(jì)算，其最終評(píng)價(jià)值可以用層次分析法遞歸求解為
[0044]
[0045] (3)對(duì)評(píng)價(jià)值建模得到時(shí)間擴(kuò)展圖，通過(guò)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(wèn)題轉(zhuǎn)化為最小代價(jià)流問(wèn)題；
[0046] 當(dāng)在t時(shí)刻準(zhǔn)備傳遞數(shù)據(jù)時(shí)，需要同時(shí)考慮：選擇接入帶寬價(jià)格最低的數(shù)據(jù)中心 中轉(zhuǎn)數(shù)據(jù)以節(jié)省帶寬成本；選擇接入鏈路服務(wù)質(zhì)量最好的數(shù)據(jù)中心中轉(zhuǎn)數(shù)據(jù)以提高數(shù)據(jù)傳 輸性能；選擇能源使用效率最高數(shù)據(jù)中心中轉(zhuǎn)數(shù)據(jù)以節(jié)省能源消耗等。這就意味著數(shù)據(jù)中 心的所有屬性隨著時(shí)間而變化使得該問(wèn)題變得更加復(fù)雜。這里使用層次化分析方法給出 對(duì)每個(gè)中轉(zhuǎn)數(shù)據(jù)中心的評(píng)價(jià)，并將隨著時(shí)間變化的數(shù)據(jù)中心互聯(lián)網(wǎng)絡(luò)建模成一張時(shí)間擴(kuò)展 圖。由于建立的最終評(píng)價(jià)函數(shù)Ujt)是一個(gè)成本型的函數(shù)，這就意味著函數(shù)值越低，得到的 對(duì)備選方案4的評(píng)價(jià)結(jié)果越好。在選擇一條中轉(zhuǎn)鏈路時(shí)，要綜合考慮鏈路接收端數(shù)據(jù)中心 的接入帶寬、接入帶寬價(jià)格、能源使用效率等因素。因而表達(dá)式（11)可以再次被改寫為
[0051] 0 < Vei7eE
[0052] (4)通過(guò)負(fù)價(jià)環(huán)算法計(jì)算解決最小代價(jià)流問(wèn)題，得到綜合評(píng)價(jià)最優(yōu)的路徑，即最小 代價(jià)流。
[0053] 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)塊 需要調(diào)度時(shí)進(jìn)行計(jì)算，為數(shù)據(jù)塊的傳輸選擇一條綜合評(píng)價(jià)最優(yōu)的路徑。其基本思想是首先 由Edmonds-karp算法計(jì)算出一條可行流（通常也是最大流），然后生成相應(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)，如有則消除負(fù)環(huán)并更新殘量網(wǎng)絡(luò)，直 至不存在代價(jià)為負(fù)的環(huán)，最終得到的流，即為最小代價(jià)流。
[0054] 具體如下面步驟：
[0055] 輸入：G(N，E)是具有N的數(shù)據(jù)中心，E條鏈路的數(shù)據(jù)中心互聯(lián)圖。其中每條邊 ei]eE
[0056] 每個(gè)節(jié)點(diǎn)ieN有代價(jià)函數(shù)Cl(t)//鏈路代價(jià)函數(shù)，在不同方法中分別取不同函數(shù)
[0057]T:最大期待傳輸時(shí)間；s:源數(shù)據(jù)中心；d:目的數(shù)據(jù)中心
[0058] 輸出：由s到d的基于多屬性信息的數(shù)據(jù)傳輸調(diào)度路徑
[0059]1)根據(jù)原始圖G(N，E)生成相應(yīng)的時(shí)間擴(kuò)展圖G'（Ν'，E'）
[0060] 2)在G'（Ν'，Ε'）中建立一條可行流X
[0061] 3)E1=ej-eEriF；-j- <u；-j-
[0062] 4)E2=ej-eEr :Fj- ；- > 0
[0063] 5)G' （x) = {N，，Ε!υEJ
[0064] 6)whileG' (x)包含一個(gè)負(fù)價(jià)環(huán)do
[0065] 7)找到其中的一個(gè)負(fù)價(jià)環(huán)W
[0066] 8)§：=minU;,^ :Vefre
[0067] 9)沿著環(huán)W的方向增加δ單位的流量，并更新G' (x)：
[0068] 10)f^· = fr r +δ, Verj,eElnW
[0069] 11)fu= fif^^ Ve/reEtnW
[0070] 12)endwhile
[0071] 13)returns到d的路徑。
[0072] 以上的所述乃是本發(fā)明的具體實(shí)施例及所運(yùn)用的技術(shù)原理，若依本發(fā)明的構(gòu)想所 作的改變，其所產(chǎn)生的功能作用仍未超出說(shuō)明書及附圖所涵蓋的精神時(shí)，仍應(yīng)屬本發(fā)明的 保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 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，其特征在于包括如下步 驟： (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； (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(guò)公式得到評(píng)價(jià)值； (3) 對(duì)評(píng)價(jià)值建模得到時(shí)間擴(kuò)展圖，通過(guò)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(wèn)題轉(zhuǎn)化為最小代價(jià)流問(wèn)題； (4) 通過(guò)負(fù)價(jià)環(huán)算法計(jì)算解決最小代價(jià)流問(wèn)題，得到綜合評(píng)價(jià)最優(yōu)的路徑，即最小代價(jià) 流。2. 根據(jù)權(quán)利要求1所述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，其 特征在于：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(wèn)題，通過(guò)監(jiān)測(cè)定量獲取屬性值。3. 根據(jù)權(quán)利要求2所述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，其 特征在于：所述的多屬性決策問(wèn)題為基于多屬性信息的決策矩陣來(lái)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：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。4. 根據(jù)權(quán)利要求1所述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，其 特征在于：所述步驟（2)得到綜合評(píng)價(jià)公式過(guò)程如下： 1) 將所有類型的屬性轉(zhuǎn)化為成本型屬性； 2) 基于決策矩陣，將關(guān)于屬性X,的屬性值歸一化為評(píng)價(jià)值，歸一化公式為3) 根據(jù)香農(nóng)公式，計(jì)算屬性Xj的信息熵柺其中，k是常數(shù)，為使0彡Ej彡1，令t = hi 7Π 4) 設(shè)信息的偏差度定義為4= 1-Ε j; 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5. 根據(jù)權(quán)利要求4所述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，其 特征在于：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。6. 根據(jù)權(quán)利要求1所述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，其 特征在于：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。7. 根據(jù)權(quán)利要求1或6所述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，其特征在于：所述算法流程如下： (a) 由Edmonds-karp算法計(jì)算出一條可行流； (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)； (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。
【專利摘要】本發(fā)明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，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(guò)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(wèn)題形式化為最小代價(jià)流問(wèn)題，并給出了求解該問(wèn)題的算法。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(wèn)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。
【IPC分類】H04L29/08
【公開(kāi)號(hào)】CN105282242
【申請(qǐng)?zhí)枴緾N201510628455
【發(fā)明人】周天和, 盧曉飛, 蔡榮, 張?jiān)? 華紅鋒
【申請(qǐng)人】杭州天寬科技有限公司
【公開(kāi)日】2016年1月27日
【申請(qǐng)日】2015年9月29日