李 强, 刘晓峰

(1.太原理工大学 财经学院，太原 030024; 2.山西省财政税务专科学校 信息学院，太原 030024; 3.太原理工大学 大数据学院，太原 030024)

(*通信作者电子邮箱122824940@qq.com)

基于Hopfield神经网络的云存储负载均衡策略

李 强1,2, 刘晓峰3*

(1.太原理工大学 财经学院，太原 030024; 2.山西省财政税务专科学校 信息学院，太原 030024; 3.太原理工大学 大数据学院，太原 030024)

(*通信作者电子邮箱122824940@qq.com)

针对当前Hadoop存储效率不高，且副本故障后恢复成本较高的问题，提出一种基于Hopfield神经网络(HNN)的存储策略。为了实现系统整体性能的提升，首先分析影响存储效率的资源特征；然后建立资源约束模型，设计Hopfield能量函数, 并化简该能量函数;最后，通过标准用例Wordcount测试，分析8个节点的平均利用率, 并与三个常用算法包括基于资源的动态调用算法、基于能耗的算法和Hadoop默认存储策略进行性能和资源利用方面的比较。实验表明，与对比算法相比，基于HNN的存储策略在效率上分别平均提升15.63%、32.92%和55.92%。因此，该方法在应用中可以更好地实现资源负载平衡，将有助于改善Hadoop的存储能力，并可以加快检索。

云存储；Hadoop；Hadoop分布式文件系统；副本策略；负载均衡

0 引言

云存储作为云计算的一种重要应用，通过对数据资源的统一化管理，能为用户提供高可靠性和可用性的大数据存储方式，受到到商界和学术界的特别重视[1-2]。基于Google云的云存储服务案例告诉我们，云并不一定建立在大规模和高可靠性的专用机器上，如果通过采用策略算法实施于一群普通PC上，就可以实现廉价的大规模存储。……