【摘要】关于负载均衡问题的研究构成了现阶段云计算研究的热点。笔者从离散粒子群算法着手，对云计算环境里的负载均衡问题进行了简述。
　　【关键词】负载均衡；云计算；离散粒子群算法
　　现阶段，计算机发展过程中一个重要的前沿问题就是云计算问题，而关于负载均衡问题的研究则构成了云计算研究的热点。
　　1.对云计算负载均衡问题的描述
　　资源池是云计算的核心理念，但对云计算的资源分配来说，核心就在于调度算法，而云计算的调度指的则是数据中心里虚拟机间的负载均衡。如图1表示的是云计算任务的分配情况，主要包括三个不同的层次，即：资源管理层、任务的请求层以及任务的执行层[1]。用户是任务请求层服务的主要对象，其主要的工作是实现系统和用户间的交互，并掌握用户的需求。借助于MapReduce，资源管理层可以将任务切割成很多子任务，这些任务并不存在逻辑上的关系，随后依靠负载均衡机制将子任务分配给恰当物理机里的虚拟资源节点，并完成相关的处理。在研究时，本文主要考虑的是切割后的子任务互相独立且并行处理的那些情况。要想合理的调度云计算资源，关键就在于资源管理层。在云计算的环境下，借助于虚拟化的技术将物理机分为不同的虚拟资源，此类虚拟资源具有自动增长的特征，且主要是根据需要来进行分配的，然而其自动增减量与分配量是决不能超出物理机节点自身的上限的。
　　2.云计算资源负载均衡模型
　　对负载均衡算法而言，要想获得准确的结果就必须具备相对均衡的处理能力。该均衡算法向内部中处理负荷分配服务请求（依据服务器 CPU的数量、型号、内存的大小和当前的连接数等换算而来）最轻的服务器。VLj（虚拟机的负载量）在计算时主要是根据虚拟机上已分配任务的预计执行时间，各个虚拟机负载的平均值就是主机的负载HLi，也就是：
　　资源负载均衡除应确保负载达到均衡之外，还需要确保任务执行时间跨度的最小化。任务执行时间跨度RT表示的是在资源R中任务T执行的整体时间[4]。用式子表示就是：RT=max﹛tei﹜-min﹛tsi﹜，max﹛tei﹜与min﹛tsi﹜表示的分别是任务集T里完成最后一个任务时的时间以及最开始执行首个任务时的时间。因此，minRT应当被视为该模型的另外的一个目标函数。
　　2.以DPSO算法为基础的云计算资源负载均衡算法
　　为使现实中所存在的优化离散空间的问题得到解决，我们提出了离散粒子群算法。离散粒子群算法是和粒子群算法有着根本区别的一种算法，其特征主要可以归结为两点，即：（1）二进制组成了粒子位置；（2）必须将粒子速度转换为概率。
　　资源负载均衡问题是一个非常有代表性的离散空间优化的问题，但在解决该问题时，如果想使用DPSO，就需要做相应的改进。从资源负载均衡问题的特征出发，对粒子的速度、位置及更新规则做重新的定义，同时调整其适应度值，在此基础上完成改进DPSO算法的工作。该算法主要包括下述步骤[5]：
　　3.性能分析
　　4.结论
　　由于，资源负载均衡属于NP-hard组合优化问题，因此本文所做的研究能够为组合优化的其它问题的研究提供参考。
　　参考文献
　　[1]陈军，高雅，刘莉平.P2P环境中基于粒子群算法的信任模型[J].计算机工程与应用. 2009（32）：12-13.
　　[2]宋继光，秦勇，史健芳，贾云富，梁本来.粒子群算法及其在路由优化中的研究[J].计算机工程与设计，2010（09）：30-31.
　　[3]张敏，余青松，黄俊，宗文杰，周雁.基于GAPSO混合算法的网格工作流调度研究[J].计算机应用与软件，2011（04）：45-46.