基于Hopfield神经网络的云存储负载均衡策略

来源：计算机应用杂志2017年第8期北京时间：

作者：李强, 刘晓峰

单位：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

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

基金资助：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）。