基于Hopfield神经网络的云存储负载均衡策略

摘要：

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.

关键词：云存储、Hadoop、Hadoop分布式文件系统、副本策略、负载均衡

所属期刊栏目：37

分类号：TP393.02(计算技术、计算机技术)

资助基金：the National Natural Science Foundation of China61502330;the Scientific and Technological Innovation Programs of Higher Education Institutions in Shanxi20161131;the Project of Soft Science Plan of Shanxi Province 2016041008-5.国家自然科学基金资助项目61502330;山西省高等学校科技创新项目20161131;山西省软科学计划研究项目2016041008-5

在线出版日期：2017-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2214-2217