朱 洁

（广东工业大学华立学院，广州511325）

0 引 言

近年来，随着计算机技术和互联网技术的发展，采用大规模的云存储系统进行大数据信息管理和调度，能够切实增强云存储系统的大数据信息调度和管理能力［1］。在大规模的云存储信息管理系统中，若能通过构建主动容错系统，再将主动容错性控制融入其中，不仅能够实现对主动容错云存信息的大数据检索和信息管理调度，还能有效提升资源管理的负载均衡调度能力［2］。

主动容错云存储系统的资源信息负载均衡是实现资源有效利用和共享的一个重要手段，基于资源的负载均衡方法进行云存储信息管理，采用加权轮询算法（Weighted Round Robin，WRR）、随机放置算法等用于对云存系统的信息管理［3-4］，取得了较好的信息管理效果。时下，学界正在采用最小链接算法（Least-Connection，LC）进行主动容错云存储系统的信息资源调度［5］，同时再结合模糊C均值方法进行信息聚类和自适应均衡控制，只是该种方法在进行主动云存系统的信息调度和管理中却存在计算开销较大的问题。基于此，本文则有针对性提出一种基于云存储信息传感融合的主动容错云存储系统的资源信息自适应调度算法。通过构建云存储系统资源信息语义本体模型来进行云存储信息传感融合识别，从而设计实现了对云存储系统的信息管理和调度。最后进行仿真测试，展示了本文方法在提高主动容错云存储系统的信息自适应管理调度能力方面的优越性。

1 主动容错云存储系统的信息存储结构和预处理

1.1 主动容错云存储系统的资源信息分布存储设计

首先构建主动容错云存储系统的资源信息传感分布存储模型，实现云资源的存储、服务和信息负载均衡调度［6］。整个云存储系统的信息管理和调度控制模型用一个连通的传感分布图G＝（V，E）表示，其中V为传感分布中所有节点集合，v0表示Sink节点，云存储系统的信息管理和调度模型中，设A⊂V，B⊂V且A∩B＝φ，并且每个主动容错云存储系统的资源信息传输调度集Si（i＝1，2，…，L） 满足，其中k＝1，2，…，L，在第k个时间片内将云存储信息聚集到云存储系统的信息管理中心中，假设V＝[v1，v2，….，vn]表示任务调度向量，对云存储系统来说，信息自适应调度集的最大可行的资源汇集流应分别满足：＝ci+1，i和：＝di＇，i。 显然此假设ci，i-1≤ min｛ci+1，i，di＇，i｝。大型云存储信息库的资源信息特征为：

在主动容错云存储系统的资源信息传感分布存储过程中，按照Logistic模式选择路径，则swh可以表示为：

寻找一个云存储信息聚集调度集｛S1，S2，…，SL｝， 使得云存储信息TS（u）＝max（TS（v）+1，TS（u））最小，此时，定义云存储系统的信息管理和调度节点对应的时延响应系统表达式为：

由此构建数据信息流模型，主动容错云存储系统信息时间序列 ｛x（t0+iΔt）｝，i＝0，1，…，N-1，其相空间重构轨迹为：

其中，K＝N-（m-1）τ，表示主动容错云存储系统信息时间序列的正交特征向量；τ为对主动容错云存储系统信息采样的时间延迟；m为在相空间中的嵌入维数；si＝（xi，xi+τ，…，xi+（m-1）τ）T为一组标量采样序列［7］。

1.2 特征重构和资源信息流集成调度

提取主动容错云存储系统的资源信息流的关联规则特征，采用灰色模型对主动容错云存储系统信息进行自适应管理调度，假设主动容错云存储系统信息历史数据表示为{xi}， 结合相关规则重构，得到输出数据规则集x（k），把研究的主动容错云存储系统信息序列{xn}以如下向量在相空间中形成新的阵列流形矢量：

在主动容错云存储系统中，令R为大云存储信息中包含有四元组 (Ei，Ej，d，t)的信任关系，构建云存储系统资源信息语义本体模型，计算信息自适应调度的自适应加权系数，进行分类属性权重评估［8］，给定大型云存储信息任务有效率函数E（i，j）：

对于轨迹A上的任意一点ai，得到云存储系统的关联规则向量A，B之间的空间有向距离为：

云存储系统的信息管理和调度近似算法产生的信息采集时延为：

根据上述分析，提取云存储系统中信息流的关联规则特征，结合特征空间重构，实现信息自适应管理调度优化［9］。

2 信息管理调度模型优化

在进行主动容错云存储系统的资源信息传感分布存储设计，提取主动容错云存储系统的资源信息流的关联规则特征的基础上，进行主动容错云存储系统的资源信息自适应调度，本文提出一种基于云存储信息传感融合的主动容错云存储系统的资源信息自适应调度算法。假设云存储系统的信息管理和调度传感分布节点中，所有的节点符合多维的正态分布概率，得到：

找到上式的最小值，在主动容错云存储系统中［10］，求得信息自适应调度的网格间距离和时间特征，关联规则特征估计为：

其中，l个特征值λ1，λ2，…，λl和特征向量矩阵Y＝［y1，y2，…，yl］，假设云存储信息 {xn}Nn＝1 以如下矢量控制形式在传感分布空间中形成新的映射：

其中，x为负载采样点时间序列，信息自适应调度运行的一个时间跨度记为：

云存储信息资源综合负载为：

其中，w为权重；C为加权约束均衡比；D为云存储信息超负荷时间；M为时间采样周期。

结合大数据挖掘和自适应调度算法，提取主动容错云存储系统的资源信息流的关联规则特征［11］，构建云存储系统资源信息语义本体模型，主动容错云存储系统信息在灰度模型中的解析模型为：

其中，x（t）为主动容错云存储系统信息时间序列的实部；y（t）为主动容错云存储系统信息时间序列的虚部；a（t）为相位随机化幅值；n（t）为干扰向量［12］。

主动容错云存储系统的资源信息管理调度中，计算信息自适应调度的自适应加权系数，将各空闲时间片长度分别记作x1，x2，…，xm+1，第k个控制节点的信息定义为δk：

其中，Ui表示云存储系统资源信息分类属性；k为负载强度；Θ（t）为云存储系统资源信息最近时刻查询获得的信任值。根据上述计算结果，进行云存储信息传感融合识别，实现对云存储系统的信息管理和调度。算法的实现流程如图1所示。

图1 算法的实现流程Fig.1 Flow chart of the algorithm

3 仿真实验与结果分析

为了测试本文方法在实现主动容错云存储系统的资源信息自适应调度和管理中的应用性能，进行仿真实验，实验采用Matlab7设计，主动容错云存储系统中信息采样的带宽约为14 Gbps，信息规模集为2 000，测试样本集为1 024，对资源调度的迭代步数为100，主动容错云存储系统中云存储信息的关联系数设定为0.15，将云存储系统的信息分布网格划分为16个虚拟约简检测单元格，以此为基础进行云存储信息采集和调度，得到原始的云存储信息采样样本输入如图2所示。

图2 原始的云存储信息采样样本Fig.2 Sample of original cloud storage information

以图2的样本为测试对象，进行云存储系统的信息自适应调度，并与传统方法对比，得到信息管理调度的均衡性对比如图3所示。

分析图3得知，采用本文方法进行主动容错云存储系统的资源信息自适应调度的均衡性较好，容错性较好，信息的召回率比传统方法提升约12.5%，提高了云存储系统的信息管理和调度能力。

图3 信息管理调度的均衡性对比Fig.3 Balance comparison of information management scheduling

4 结束语

构建主动容错系统，实现对资源信息的动态调整和自适应管理，提高资源信息管理的效率，本文提出一种基于云存储信息传感融合的主动容错云存储系统的资源信息自适应调度算法。进行主动容错云存储系统的资源信息传感分布存储设计，提取主动容错云存储系统的资源信息流的关联规则特征，构建云存储系统资源信息语义本体模型，计算信息自适应调度的加权系数，进行云存储信息传感融合识别，实现对云存储系统的信息管理和调度。研究得出，本文方法进行云存储系统的信息管理和调度的均衡配置性较高，信息召回性能较好。