基于離散PSO算法的醫(yī)療云存儲部署策略

伍貴富　陳光喜　劉宇鵬

摘要：醫(yī)療云服務(wù)在實(shí)施的過程中，人們更加關(guān)注數(shù)據(jù)的安全、以及系統(tǒng)的負(fù)載均衡等問題。而解決這些問題的關(guān)鍵技術(shù)之一就是醫(yī)療云存儲部署規(guī)劃的優(yōu)化策略。文章通過系統(tǒng)建模，將醫(yī)療云存儲所涉及的相關(guān)技術(shù)抽象為多目標(biāo)優(yōu)化問題后，通過離散PSO算法進(jìn)行求解。并引入新的粒子位置更新算法，以提高標(biāo)準(zhǔn)離散PSO算法的收斂速度，通過重優(yōu)化機(jī)制來更新粒子狀態(tài)，防止算法陷入局部最優(yōu)而早熟，最終得到適合于求解醫(yī)療云存儲部署優(yōu)化問題的IDPSO算法。仿真實(shí)驗(yàn)表明該算法有效。

關(guān)鍵詞：離散PSO；云存儲；負(fù)載均衡

1引言

隨著國際醫(yī)學(xué)信息標(biāo)準(zhǔn)化、電子化進(jìn)程的快速發(fā)展，使得區(qū)域醫(yī)療信息化平臺逐漸成為各地區(qū)醫(yī)院的基本設(shè)施，HIS、DACS等應(yīng)用系統(tǒng)也逐漸成為醫(yī)院信息技術(shù)的核心。由于這些應(yīng)用系統(tǒng)中的數(shù)據(jù)越來越多，比如：一個(gè)標(biāo)準(zhǔn)的病理圖則可能接近5GB，使得系統(tǒng)數(shù)據(jù)價(jià)值越來越大。顯然這些重要數(shù)據(jù)丟失的風(fēng)險(xiǎn)或系統(tǒng)停機(jī)造成的損失是用戶難以承受的。因此如何有效保障并構(gòu)建最有效率的醫(yī)院信息系統(tǒng)體系，成為各醫(yī)院信息中心主管人員所關(guān)注的重中之重。

目前云存儲系統(tǒng)由多個(gè)部分組成，可收集、存儲及處理底層數(shù)據(jù)，并在此基礎(chǔ)之上提供其它服務(wù)功能。由于現(xiàn)有的網(wǎng)絡(luò)存儲技術(shù)無法很好地滿足醫(yī)療云存儲服務(wù)的核心需求，因此一種基于對象的存儲（OBS）方法，被提出并引入到云存儲解決方案中。而OBS方法在實(shí)現(xiàn)的過程中，既要考慮系統(tǒng)存儲負(fù)載的均衡性，又要考慮優(yōu)化動態(tài)環(huán)境中的部署效率問題。因此，許多基于啟發(fā)式群集智能算法（如粒子群算法或遺傳算法等）的解決方案被引入到該問題中。但這些方案，在求解的效率以及解空間的質(zhì)量上，還存在著一定的局限性。因此文章提出基于對象存儲的醫(yī)療云存儲系統(tǒng)模型，并在此基礎(chǔ)之上，利用改進(jìn)的離散粒子群（IDPSO）優(yōu)化算法，對醫(yī)療數(shù)據(jù)的部署方案進(jìn)行優(yōu)化求解。

2醫(yī)療云存儲系統(tǒng)模型定義

醫(yī)療云存儲系統(tǒng)實(shí)現(xiàn)的主要目標(biāo)是將需要保存的文件，按合理的副本數(shù)量，分配到云平臺的各數(shù)據(jù)存儲節(jié)點(diǎn)中去，從而既滿足用戶對數(shù)據(jù)安全的要求，又能使云服務(wù)系統(tǒng)中任務(wù)得以快速執(zhí)行以及系統(tǒng)的負(fù)載達(dá)到相對均衡。在不失一般性的情況在文章做如下假設(shè)：1）由于醫(yī)療云系統(tǒng)中對文件的操作幾乎都是順序讀，因此文章主要針對這種文件操作進(jìn)行討論。2）作為醫(yī)療云服務(wù)平臺，我們所面對的大部分?jǐn)?shù)據(jù)，如電子病歷、CT圖像等文件都具有“一次寫入多次讀取”的特性，因此文章的存儲策略沒有考慮數(shù)據(jù)一致性機(jī)制。因此文章所討論的醫(yī)療云存儲部署問題就轉(zhuǎn)化為一個(gè)多目標(biāo)優(yōu)化問題，即將n個(gè)文件部署到m個(gè)數(shù)據(jù)存儲節(jié)點(diǎn)上并使系統(tǒng)中相關(guān)性能達(dá)到優(yōu)化的目的。

在云存儲優(yōu)化的過程中，我們主要考慮如下幾個(gè)方面的性能參數(shù)。（1）平均延遲：最小化系統(tǒng)延遲對于任何云存儲平臺來說都是非常重要的，因此文章主要考慮文件讀操作的延遲。由于每個(gè)文件可能有多個(gè)副本，將文件f_n的平均延遲D_n表示如下：

其中R（i）表示文件i的請求數(shù)。當(dāng)系統(tǒng)中存儲節(jié)點(diǎn)的負(fù)載與V_avg的差值接近0時(shí)，系統(tǒng)負(fù)載接近均衡。

3基于IDPSO的云存儲策略的設(shè)計(jì)

針對離散空間的多目標(biāo)優(yōu)化問題，提出了基于二進(jìn)制編碼的離散PSO算法。而這種標(biāo)準(zhǔn)的離散PSO算法應(yīng)用到云存儲策略中，首先需要解決的問題是如何建立起解空間與粒子之間的映射，因此，文章將通過引入整數(shù)編碼的矩陣來對應(yīng)解空間，矩陣的每項(xiàng)為（f_n，z，D_m），其中f_1.1表示文件f₁的一個(gè)副本，D_m表示存儲節(jié)點(diǎn)的編號。

3.1適應(yīng)度函數(shù)的設(shè)計(jì)

考慮到云存儲部署建模中的多重優(yōu)化目標(biāo)，文章采用較快捷的衡量方法，即引入權(quán)重因子，構(gòu)造適應(yīng)度評價(jià)函數(shù)，實(shí)現(xiàn)多目標(biāo)優(yōu)化。結(jié)合公式（1）-（3）文章將適應(yīng)值函數(shù)轉(zhuǎn)化為如下形式：

3.2粒子速度和位置的更新方法

離散PSO算法的實(shí)質(zhì)是粒子根據(jù)與個(gè)體極值和全局極值之間的距離信息，來調(diào)整自身運(yùn)動的方向和速度，并以此改變下一步的迭代位置。文章借鑒文獻(xiàn)中速度和位置的計(jì)算公式，并引入遺傳算法中的交叉操作的思想，設(shè)計(jì)了對粒子種群的基本操作方式：1）粒子交換操作：對粒子位置變換的操作定義為ch（a₁₁，a₂₂），表示粒子a₁₁與a₂₂發(fā)生位置交換，而多個(gè)粒子交換操作所組成的序列被稱為交換序列，即CH=（ch₁，ch₂∧ch_m）。2）基本交換序列集：由于矩陣A變換到矩陣A′的過程中存在著許多種不同的交換順序，因此文章將變換次數(shù)最少的交換序列的集合稱為基本交換序列集。

根據(jù)上述基本變換規(guī)則，文章對PSO算法中粒子的速度公式進(jìn)行如下改進(jìn)：

由于標(biāo)準(zhǔn)離散PSO算法較容易早熟，因此文章采用了一種重優(yōu)化更新機(jī)制，來防止算法陷入局部最優(yōu)，即算法在執(zhí)行過程中，如果改變粒子速度的基本交換序列的元素個(gè)數(shù)少于閾值μ，而解集的優(yōu)化條件尚未滿足時(shí)，解空間將進(jìn)行重新優(yōu)化操作。

4性能評估

文章的模擬實(shí)驗(yàn)在CloudSim環(huán)境中進(jìn)行的，主要模擬了在新的存儲策略影響下，對醫(yī)療云存儲的服務(wù)延遲、費(fèi)用成本和負(fù)載均衡3個(gè)性能指標(biāo)的改善程度，并與遺傳算法（GA）進(jìn)行對比。

在用改進(jìn)離散PSO算法搜索存儲調(diào)度的最優(yōu)可行解時(shí)，文章設(shè)定種群規(guī)模為50個(gè)粒子，最大迭代次數(shù)為300次，其它參數(shù)將根據(jù)文獻(xiàn)進(jìn)行設(shè)置。在實(shí)驗(yàn)過程中將重復(fù)進(jìn)行10次獨(dú)立實(shí)驗(yàn)并取平均值作為最后的評價(jià)數(shù)據(jù)。

如圖1所示，文件總數(shù)來表示系統(tǒng)的負(fù)載，一般而言文件數(shù)量越多，表示系統(tǒng)的負(fù)載越重。IDPSO算法相比于HDFS和GA能減少系統(tǒng)的平均服務(wù)時(shí)間。IDPSO算法在不同的文件總數(shù)的情況下都能獲得較好的結(jié)果。

如圖2所示，基本的HDFS文件系統(tǒng)中各節(jié)點(diǎn)的負(fù)載情況存在一定差異，而通過算法優(yōu)化后的系統(tǒng)負(fù)載情況將趨于穩(wěn)定，并逐漸趨于某個(gè)穩(wěn)定水平。從圖中我們還可以發(fā)現(xiàn)，由于系統(tǒng)中其它因素的影響，各節(jié)點(diǎn)的負(fù)載值不可能完全相等，但已趨于平衡，因此說明系統(tǒng)的負(fù)載已得到優(yōu)化。

5結(jié)語

醫(yī)療云服務(wù)在實(shí)施的過程中，人們會更關(guān)注數(shù)據(jù)的安全、以及系統(tǒng)的負(fù)載均衡等特性。文章針對這一問題，提出了云存儲的部署優(yōu)化算法，通過調(diào)整數(shù)據(jù)文件在存儲節(jié)點(diǎn)的分布，來提高系統(tǒng)的負(fù)載均衡行，使得整個(gè)醫(yī)療云服務(wù)的性能和利用率得到提升。文章將云存儲部署抽象為多目標(biāo)優(yōu)化問題后，針對標(biāo)準(zhǔn)離散PSO算法的一些不足，引入新的粒子位置更新算法，以提高算法的收斂速度；并通過重優(yōu)化機(jī)制，來防止算法陷入局部最后，最終得到適合于求解醫(yī)療云存儲部署優(yōu)化問題的IDPSO算法。在CloudSim上進(jìn)行的仿真實(shí)驗(yàn)表明該方法有效。