文献类型：期刊文章

作　　者：项丽萍[1] 杨红菊[2]

Xiang Liping;Yang Hongju(Department of Information Engineering,Jincheng Institute of Technology,Jincheng 048000,Shanxi ,China;School of Computer and Information,Shanxi University,Taiyuan 030006,Shanxi,China)

机构地区：[1]晋城职业技术学院信息工程系,山西晋城048000 [2]山西大学计算机与信息技术学院,山西太原030006

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(61873153)

年　　份：2019

卷　　号：36

期　　号：5

起止页码：262-268

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、JST、ZGKJHX、核心刊

摘　　要：在大数据流中,由于数据特征的未知性,如何分配数据资源是一个难题。为了解决这个问题,提出一种大数据环境下基于数据特征预测和改进自组织映射SOM(Self-organizing maps)的资源管理算法。根据数据的体积和速度变化,通过自回归模型对下一时间间隔到达的数据的特征进行估计,估计值用数据特征(CoD)向量表示;利用粒子群优化PSO算法来优化SOM算法的权重分布,形成改进型SOM算法,对CoD向量进行聚类,动态创建和分配云资源集群。这些集群以拓扑排序的方式创建,集群之间的联系越多,它们的排序越接近,利用这种拓扑排序来减少等待时间。实验结果表明,该算法能准确预测数据特征,有效提高了云资源的利用率。

关 键 词：大数据流  云计算  粒子群优化 自组织映射 数据特征 资源管理

分 类 号：TP391]