本發(fā)明涉及一種用于數(shù)據(jù)流處理系統(tǒng)的多目標(biāo)優(yōu)化方法，尤其涉及一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法，屬于計(jì)算機(jī)應(yīng)用技術(shù)以及實(shí)時大數(shù)據(jù)分析領(lǐng)域。

背景技術(shù)：

近年來涌現(xiàn)出大量實(shí)時性大數(shù)據(jù)分析應(yīng)用，比如社交網(wǎng)絡(luò)動態(tài)分析、智能交通數(shù)據(jù)分析、大規(guī)模數(shù)據(jù)中心監(jiān)控、基因數(shù)據(jù)分析等。這類應(yīng)用不但數(shù)據(jù)量大而且數(shù)據(jù)持續(xù)快速產(chǎn)生或更新，要求數(shù)據(jù)分析系統(tǒng)持續(xù)并實(shí)時的返回或更新分析結(jié)果，我們稱之為實(shí)時大數(shù)據(jù)(big&fastdata)分析。此類應(yīng)用對實(shí)時大數(shù)據(jù)分析系統(tǒng)具有迫切需求，需要系統(tǒng)對響應(yīng)延遲、吞吐率方面給出量化保證。實(shí)時大數(shù)據(jù)分析系統(tǒng)的多目標(biāo)優(yōu)化對于提供有服務(wù)質(zhì)量保障的實(shí)時大數(shù)據(jù)分析云服務(wù)、為國家關(guān)鍵行業(yè)及重要監(jiān)控應(yīng)用提供實(shí)時大數(shù)據(jù)分析平臺及優(yōu)化框架具有重要意義。

目前，實(shí)時大數(shù)據(jù)分析應(yīng)用中用戶對響應(yīng)延遲以及吞吐率的要求，依賴于歷史經(jīng)驗(yàn)，由it人員為數(shù)據(jù)流處理系統(tǒng)中的分析作業(yè)手工配置合適的執(zhí)行計(jì)劃，缺乏對實(shí)時大數(shù)據(jù)分析響應(yīng)延遲和吞吐率的量化保證；即使經(jīng)驗(yàn)豐富的it人員也不能保證配置了較優(yōu)的執(zhí)行計(jì)劃，從而導(dǎo)致分析作業(yè)運(yùn)行效率低下，無法滿足上層應(yīng)用對實(shí)時性的要求。

已有的基于權(quán)重加和的多目標(biāo)優(yōu)化方法雖然解決了在一定條件約束下凸目標(biāo)函數(shù)的響應(yīng)延遲和吞吐率的帕累托最優(yōu)問題，但不能解決凹目標(biāo)函數(shù)情況的帕累托最優(yōu)問題；另外基于權(quán)重加和的多目標(biāo)優(yōu)化方法返回給用戶的解密度不等、難以解釋且不具有代表性，用戶實(shí)際上需要在帕累托曲線上有代表性的一組解。因此，基于權(quán)重加和的多目標(biāo)優(yōu)化方法不能滿足it人員交互場景下的多目標(biāo)優(yōu)化。實(shí)際應(yīng)用中迫切需要一種在給定了帕累托最優(yōu)點(diǎn)個數(shù)約束的情況下，選取給定數(shù)量的一組具有典型代表意義的帕累托最優(yōu)解。

本方法針對實(shí)時大數(shù)據(jù)中兩個重要的指標(biāo)——響應(yīng)延遲和吞吐率，而設(shè)計(jì)的多目標(biāo)優(yōu)化方法。基于給定的響應(yīng)延遲和吞吐率模型，構(gòu)建多目標(biāo)優(yōu)化方法，從而保證選取最優(yōu)的執(zhí)行計(jì)劃。

技術(shù)實(shí)現(xiàn)要素：

針對已有的基于權(quán)重加和的多目標(biāo)優(yōu)化方法中沒有考慮用戶在部署使用時在響應(yīng)延遲和吞吐率上存在取舍的情況，而造成帕里托最優(yōu)解隨機(jī)的缺陷，提出了一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法。

本發(fā)明要解決的技術(shù)問題是：針對數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化問題，能夠避免帕累托最優(yōu)解隨機(jī)的缺陷，高效地得到一組用戶給定數(shù)量且具有典型代表意義的帕累托最優(yōu)解，為用戶在響應(yīng)延遲和吞吐率上提供選擇空間。

本發(fā)明的目的是通過下述技術(shù)方案實(shí)現(xiàn)的：

一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法，根據(jù)用戶所指定的響應(yīng)延遲的上下界以及吞吐率的上下界，給出不確定區(qū)域面積；基于縮小不確定區(qū)域面積這一目標(biāo)，將不確定區(qū)域一分為二，繼續(xù)探測面積最大的不確定區(qū)域，直到迭代上限，進(jìn)而高效地得到一組具有典型代表意義的帕累托最優(yōu)解，且最大化的降低了整體的不確定區(qū)域面積，為用戶在響應(yīng)延遲和吞吐率上提供選擇空間。

一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法，包括如下步驟：

步驟1：輸入當(dāng)前響應(yīng)延遲的上界、當(dāng)前響應(yīng)延遲的下界以及帕累托最優(yōu)點(diǎn)個數(shù)上限，初始化當(dāng)前迭代步數(shù)、不確定區(qū)域集合以及初始化最終探測結(jié)果組；

其中，當(dāng)前響應(yīng)延遲的上界，記為lupper；當(dāng)前響應(yīng)延遲的下界，記為llower；帕累托最優(yōu)點(diǎn)個數(shù)上限，記為stepmax；當(dāng)前迭代步數(shù)，記為stepnow，初始化為0，表達(dá)式為公式(1)；不確定區(qū)域集合，記為setarea，初始化為空集合，表達(dá)式為公式(2)；最終探測結(jié)果組，記為plan，初始化為空集合，表達(dá)式為公式(3)：

stepnow＝0；(1)

步驟2：分別根據(jù)步驟1的當(dāng)前響應(yīng)延遲的上界和當(dāng)前延遲的下界計(jì)算當(dāng)前吞吐率的上界和下界，具體為：

步驟2.1：根據(jù)當(dāng)前響應(yīng)延遲的上界計(jì)算當(dāng)前吞吐率的上界，具體通過如下公式(4)計(jì)算：

其中，當(dāng)前吞吐率的上界，即tupper，s.t.代表約束；c代表具體系統(tǒng)配置；λ代表實(shí)時的輸入數(shù)據(jù)率；γ(c,λ)代表具體系統(tǒng)的參數(shù)配置c和實(shí)時的輸入數(shù)據(jù)率λ條件下的吞吐率；ψ(c,λ)代表具體系統(tǒng)的參數(shù)配置c和實(shí)時的輸入數(shù)據(jù)率λ條件下的響應(yīng)延遲；公式(4)反映的是給定輸入數(shù)據(jù)率λ，在滿足響應(yīng)延遲ψ(c,λ)小于當(dāng)前響應(yīng)延遲的上界lupper的一組具體系統(tǒng)的參數(shù)配置c中，尋求能使吞吐率γ(c,λ)最大化的具體系統(tǒng)配置c，即公式(4)中的代表此尋求過程，并記錄最大吞吐率為tupper，表示當(dāng)前吞吐率的上界；

步驟2.2：根據(jù)當(dāng)前響應(yīng)延遲的下界計(jì)算當(dāng)前吞吐率的下界，具體通過如下公式(5)計(jì)算如下：

其中，當(dāng)前吞吐率的下界，記為tlower，公式(5)反映的是給定輸入數(shù)據(jù)率λ，在滿足響應(yīng)延遲ψ(c,λ)小于當(dāng)前響應(yīng)延遲的下界llower的一組具體系統(tǒng)的參數(shù)配置c中，尋求能使吞吐率γ(c,λ)最大化的具體系統(tǒng)配置c，即公式(5)中的代表此尋求過程，并記錄最大吞吐率為tlower，表示當(dāng)前吞吐率的下界；

步驟3：分別根據(jù)當(dāng)前響應(yīng)延遲的上界和當(dāng)前響應(yīng)延遲的下界計(jì)算當(dāng)前的探測響應(yīng)延遲、最大探測吞吐率以及最大探測吞吐率的具體系統(tǒng)配置，具體為：

步驟3.1：根據(jù)lupper和llower，計(jì)算當(dāng)前探測響應(yīng)延遲，記為lmiddle，具體通過如下公式(6)計(jì)算：

lmiddle＝(llower+lupper)/2；(6)

步驟3.2：根據(jù)步驟3.1計(jì)算出的當(dāng)前探測響應(yīng)延遲計(jì)算當(dāng)前探測響應(yīng)延遲的最大探測吞吐率和最大探測吞吐率的具體系統(tǒng)配置，分別記為tmiddle、cmiddle，具體通過如下公式(7)計(jì)算：

其中，公式(7)反映的是給定輸入數(shù)據(jù)率λ，在滿足響應(yīng)延遲ψ(c,λ)小于等于當(dāng)前探測延遲lmiddle的一組具體系統(tǒng)的參數(shù)配置c中，尋求能使吞吐率γ(c,λ)最大化的具體系統(tǒng)配置c，即公式(7)中的代表此尋求過程，并記錄探測響應(yīng)的最大探測吞吐率為tmiddle，以及最大化的具體系統(tǒng)配置cmiddle；

步驟4：計(jì)算當(dāng)前探測結(jié)果組，并與最終探測結(jié)果組合并；

其中，最終探測結(jié)果組，記為plan；步驟4，具體為：

步驟4.1：根據(jù)當(dāng)前的探測響應(yīng)延遲lmiddle、最大探測吞吐量tmiddle以及最大探測吞吐率的具體系統(tǒng)配置cmiddle，計(jì)算當(dāng)前探測結(jié)果組，記為planmiddle，具體通過如下公式(8)計(jì)算：

planmiddle＝{(lmiddle,tmiddle,cmiddle)}；(8)

步驟4.2：將當(dāng)前探測結(jié)果組planmiddle與最終探測結(jié)果組plan合并，具體通過如下公式(9)計(jì)算：

plan＝plan∪planmiddle；(9)

步驟5：根據(jù)當(dāng)前的響應(yīng)延遲的上界和當(dāng)前的響應(yīng)延遲的下界、吞吐率的上界和吞吐率的下界、探測響應(yīng)延遲以及最大探測吞吐率tmiddle，分別計(jì)算當(dāng)前左半部分和右半部分的不確定區(qū)域面積；

其中，當(dāng)前的響應(yīng)延遲的上界，即lupper；和當(dāng)前的響應(yīng)延遲的下界，記為llower；吞吐率的上界，即tupper；吞吐率的下界，即tlower；探測響應(yīng)延遲，即lmiddle以及最大探測吞吐率,即tmiddle；步驟5，具體為：

步驟5.1：根據(jù)當(dāng)前的響應(yīng)延遲的下界llower和探測響應(yīng)延遲lmiddle以及當(dāng)前的吞吐率的下界tlower和最大探測吞吐率tmiddle，計(jì)算當(dāng)前左半部分的不確定區(qū)域面積，記為ualeft，具體通過如下公式(10)計(jì)算：

ualeft＝(lmiddle-llower)×(tmiddle-tlower)；(10)

步驟5.2：根據(jù)當(dāng)前的響應(yīng)延遲的上界lupper和探測響應(yīng)延遲lmiddle以及當(dāng)前的吞吐率的上界tupper和最大探測吞吐率tmiddle，計(jì)算當(dāng)前右半部分的不確定區(qū)域面積，記為uaright，具體通過如下公式(11)計(jì)算：

uaright＝(lupper-lmiddle)×(tupper-tmiddle)；(11)

步驟6：根據(jù)步驟5輸出的當(dāng)前左半部分和右半部分的不確定區(qū)域面積計(jì)算所對應(yīng)的不確定區(qū)域，并將不確定區(qū)域存儲在不確定區(qū)域集合中；

其中，不確定區(qū)域集合，即setarea；步驟6，具體為：

步驟6.1：通過如下公式(12)和(13)計(jì)算當(dāng)前左半部分和右半部分的不確定區(qū)域面積所對應(yīng)的不確定區(qū)域，分別記為arealeft和arearight：

arealeft＝{(llower,lmiddle,tlower,tmiddle,ualeft)}；(12)

arearight＝{(lmiddle,lupper,tlower,tmiddle,uaright)}；(13)

其中，在arealeft與arearight的一般結(jié)構(gòu)體area中，第一個參數(shù)為不確定區(qū)域的響應(yīng)延遲下界，記為area.llower，第二個參數(shù)為不確定區(qū)域的響應(yīng)延遲上界，記為area.lupper,第三個參數(shù)為不確定區(qū)域的吞吐率下界，記為area.tlower，第四個參數(shù)為不確定區(qū)域的吞吐率下界，記為area.tupper,第五個參數(shù)為不確定區(qū)域的面積，記為area.ua；

步驟6.2：將左半部分不確定區(qū)域arealeft和arearight存儲在不確定區(qū)域集合setarea中，具體通過如下公式(14)計(jì)算：

setarea＝setarea∪arealeft∪arearight；(14)

步驟7：在步驟6輸出的不確定區(qū)域集合中，尋找不確定區(qū)域面積最大的不確定區(qū)域，并將此不確定區(qū)域面積最大的不確定區(qū)域從不確定區(qū)域集合中移除，具體為：

步驟7.1：在不確定區(qū)域集合setarea中，尋找不確定區(qū)域面積最大的不確定區(qū)域，記為areamax，具體通過如下公式(15)計(jì)算：

其中，area代表不確定區(qū)域并屬于不確定區(qū)域集合setarea；上式反映的是，在不確定區(qū)域集合setarea中，尋找不確定區(qū)域面積areaua最大的不確定區(qū)域areamax；

步驟7.2：將不確定區(qū)域面積最大的不確定區(qū)域areamax從不確定區(qū)域集合setarea中移除，具體通過如下公式(16)計(jì)算：

setarea＝setarea-areamax；(16)

步驟8：將當(dāng)前迭代步數(shù)加1，即通過公式(17)修正：

stepnow＝stepnow+1；(17)

其中，當(dāng)前迭代步數(shù)，即stepnow；

步驟9：判斷是否達(dá)到帕累托最優(yōu)點(diǎn)個數(shù)上限，決定是否繼續(xù)進(jìn)行迭代探測；

其中，帕累托最優(yōu)點(diǎn)個數(shù)上限，即stepmax；步驟9，具體為：

步驟9.1：若當(dāng)前迭代步數(shù)stepnow小于帕累托最優(yōu)點(diǎn)個數(shù)上限stepmax，則用不確定區(qū)域面積最大的不確定區(qū)域areamax來更新當(dāng)前響應(yīng)延遲的下界llower和上界lupper，當(dāng)前吞吐率的下界tlower和上界tupper，具體通過公式(18)到公式(21)進(jìn)行更新；再跳至步驟3：

llower＝areamax.llower；(18)

lupper＝areamax.lupper；(19)

tlower＝areamax.tlower；(20)

tupper＝areamax.tupper；(21)

步驟9.2：若當(dāng)前迭代步數(shù)stepnow大于或等于帕累托最優(yōu)點(diǎn)個數(shù)上限stepmax，則終止迭代,并返回最終探測結(jié)果組plan，即為數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化的一組具有典型代表意義的帕累托最優(yōu)解；

至此，從步驟1到步驟9，完成了一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法。

有益效果

本發(fā)明一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法，與其他多目標(biāo)優(yōu)化方法相比，具有如下有益效果：

1.本發(fā)明所提方法基于響應(yīng)延遲的上下界，基于帕累托最優(yōu)點(diǎn)與約束最優(yōu)化解的關(guān)系，使用有限步數(shù)來確定探測深度；

2.本發(fā)明所述方法基于縮小不確定區(qū)域面積這一目標(biāo)，通過貪心的方法每次探測不確定區(qū)域面積最大的部分，提高探測具有典型代表意義帕累托最優(yōu)解的效率；

3.本發(fā)明所述方法能夠在用戶指定的響應(yīng)延遲或吞吐率范圍內(nèi)，返回一系列有意義且具有代表性的帕里托最優(yōu)解，確保用戶能在該范圍內(nèi)接受想要的最優(yōu)解；

4.本發(fā)明所述方法，適用于不同的實(shí)時大數(shù)據(jù)分析系統(tǒng)多目標(biāo)優(yōu)化場景中，應(yīng)用范圍廣，實(shí)用性強(qiáng)，易于推廣；

5.本發(fā)明所述方法，只針對數(shù)據(jù)本身進(jìn)行處理，能夠得到一組具有典型代表意義的帕累托最優(yōu)解，而不受限于數(shù)據(jù)的來源，適用于對所有的工程應(yīng)用中的數(shù)據(jù)的處理。

附圖說明

圖1為本發(fā)明“一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法”中的本方法及實(shí)施例1中的流程示意圖；

圖2為本發(fā)明“一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法”實(shí)施例1中的本方法與權(quán)重加和的實(shí)驗(yàn)對比圖。

具體實(shí)施方式

下面根據(jù)附圖及實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明，但本發(fā)明的具體實(shí)施形式并不局限于此。

實(shí)施例1

本實(shí)施例闡述了將本發(fā)明“一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法”應(yīng)用于具體的實(shí)時大數(shù)據(jù)分析系統(tǒng)apachesparkstreaming場景下的流程。

圖1為本方法的算法流程圖以及本實(shí)施例的流程圖。從圖中可以看出，本方法包含如下步驟：

步驟a：當(dāng)前響應(yīng)延遲的上界lupper被初始化為10.0,當(dāng)前響應(yīng)延遲的下界llower被初始化為0.5,帕累托最優(yōu)點(diǎn)個數(shù)上限stepmax被初始化為20，當(dāng)前迭代步數(shù)stepnow被初始化為0，表達(dá)式為公式(1)，不確定區(qū)域集合setarea被初始化為空集合，表達(dá)式為公式(2)；最終探測結(jié)果組plan被初始化為空集合，表達(dá)式為公式(3)：

步驟b：分別根據(jù)步驟a的當(dāng)前響應(yīng)延遲的上界10.0和下界0.5，分別計(jì)算當(dāng)前吞吐率的上界和下界，具體為：

步驟b.1：根據(jù)當(dāng)前響應(yīng)延遲的上界10.0，計(jì)算當(dāng)前吞吐率的上界tupper為1677367.1230139078，具體通過如下公式(22)計(jì)算：

其中，當(dāng)前吞吐率的上界，即tupper，s.t.代表約束；c代表具體系統(tǒng)配置；λ代表實(shí)時的輸入數(shù)據(jù)率；γ(c,λ)代表具體系統(tǒng)的參數(shù)配置c和實(shí)時的輸入數(shù)據(jù)率λ條件下的吞吐率；ψ(c,λ)代表具體系統(tǒng)的參數(shù)配置c和實(shí)時的輸入數(shù)據(jù)率λ條件下的響應(yīng)延遲；公式(22)反映的是給定輸入數(shù)據(jù)率λ，在滿足響應(yīng)延遲ψ(c,λ)小于當(dāng)前響應(yīng)延遲的上界lupper的一組具體系統(tǒng)的參數(shù)配置c中，尋求能使吞吐率γ(c,λ)最大化的具體系統(tǒng)配置c，即公式(22)中的代表此尋求過程，并記錄最大吞吐率為tupper，表示當(dāng)前吞吐率的上界；

步驟b.2：根據(jù)當(dāng)前響應(yīng)延遲的下界0.5，計(jì)算當(dāng)前吞吐率的下界tlower為1288034.188034188，具體通過公式(23)計(jì)算如下：

其中，當(dāng)前吞吐率的下界，記為tlower，公式(23)反映的是給定輸入數(shù)據(jù)率λ，在滿足響應(yīng)延遲ψ(c,λ)小于當(dāng)前響應(yīng)延遲的下界llower的一組具體系統(tǒng)的參數(shù)配置c中，尋求能使吞吐率γ(c,λ)最大化的具體系統(tǒng)配置c，即公式(23)中的代表此尋求過程，并記錄最大吞吐率為tlower，表示當(dāng)前吞吐率的下界；

步驟c：分別根據(jù)當(dāng)前響應(yīng)延遲的上界10.0和下界0.5，計(jì)算當(dāng)前的探測響應(yīng)延遲lmiddle、最大探測吞吐率tmiddle以及最大探測吞吐率的具體系統(tǒng)配置cmiddle，具體為：

步驟c.1：根據(jù)當(dāng)前響應(yīng)延遲的上界10.0和下界0.5，計(jì)算當(dāng)前探測響應(yīng)延遲lmiddle為5.25，具體通過如下公式(24)計(jì)算：

lmiddle＝(llower+lupper)/2＝(10.0+0.5)/2＝5.25；(24)

步驟c.2：根據(jù)步驟c.1計(jì)算出的當(dāng)前探測響應(yīng)延遲5.25，計(jì)算當(dāng)前探測響應(yīng)延遲的最大探測吞吐率tmiddle和最大探測吞吐率的具體系統(tǒng)配置cmiddle，分別為1674561.0772396186、c1，具體通過如下公式(25)計(jì)算：

其中，公式(25)反映的是給定輸入數(shù)據(jù)率λ，在滿足響應(yīng)延遲ψ(c,λ)小于等于當(dāng)前探測延遲lmiddle的一組具體系統(tǒng)的參數(shù)配置c中，尋求能使吞吐率γ(c,λ)最大化的具體系統(tǒng)配置c，即公式(25)中的代表此尋求過程，并記錄探測響應(yīng)的最大探測吞吐率為tmiddle，以及最大化的具體系統(tǒng)配置cmiddle；

步驟d：計(jì)算當(dāng)前探測結(jié)果組planmiddle，并與最終探測結(jié)果組plan合并。

步驟d.1：根據(jù)當(dāng)前的探測響應(yīng)延遲5.25、最大探測吞吐量1674561.0772396186以及最大探測吞吐率的具體系統(tǒng)配置c1，計(jì)算當(dāng)前探測結(jié)果組planmiddle為{(5.25,1674561.0772396186,c1)}，具體通過如下公式(26)計(jì)算：

步驟d.2：將當(dāng)前探測結(jié)果組{(5.25,1674561.0772396186,c1)}與最終探測結(jié)果組plan合并，具體通過如下公式(27)計(jì)算：

步驟e：根據(jù)當(dāng)前的響應(yīng)延遲的上界10.0和下界0.5、吞吐率的上界1677367.1230139078和下界1288034.188034188、探測響應(yīng)延遲5.25以及最大探測吞吐率1674561.0772396186，分別計(jì)算當(dāng)前左半部分和右半部分的不確定區(qū)域面積。

步驟e.1：根據(jù)當(dāng)前的響應(yīng)延遲的下界0.5和探測響應(yīng)延遲5.25以及當(dāng)前的吞吐率的下界1288034.188034188和最大探測吞吐率1674561.0772396186，計(jì)算當(dāng)前左半部分的不確定區(qū)域面積ualeft為183600.2723725793，具體通過如下公式(28)計(jì)算：

步驟e.2：根據(jù)當(dāng)前的響應(yīng)延遲的上界10.0和探測響應(yīng)延遲5.25以及當(dāng)前的吞吐率的上界1677367.1230139078和最大探測吞吐率1674561.0772396186，計(jì)算當(dāng)前右半部分的不確定區(qū)域面積uaright為13328.71742787275，具體通過如下公式(29)計(jì)算：

步驟f：根據(jù)步驟e輸出的當(dāng)前左半部分和右半部分的不確定區(qū)域面積計(jì)算所對應(yīng)的不確定區(qū)域，并將不確定區(qū)域存儲在不確定區(qū)域集合setarea中。

步驟f.1：計(jì)算當(dāng)前左半部分和右半部分的不確定區(qū)域面積所對應(yīng)的不確定區(qū)域，分別為{(0.5,5.25,1288034.188034188,1674561.0772396186,183600.2723725793)}、{(5.25,10.0,1674561.0772396186,1677367.1230139078,13328.71742787275)}，計(jì)算公式如下：

其中，在arealeft與arearight的一般結(jié)構(gòu)體area中，第一個參數(shù)為不確定區(qū)域的響應(yīng)延遲下界，記為area.llower，第二個參數(shù)為不確定區(qū)域的響應(yīng)延遲上界，記為area.lupper,第三個參數(shù)為不確定區(qū)域的吞吐率下界，記為area.tlower，第四個參數(shù)為不確定區(qū)域的吞吐率下界，記為area.tupper,第五個參數(shù)為不確定區(qū)域的面積，記為area.ua。

步驟f.2：將左半部分不確定區(qū)域

{(0.5,5.25,1288034.188034188,1674561.0772396186,183600.2723725793)}和

{(5.25,10.0,1674561.0772396186,1677367.1230139078,13328.71742787275)}

存儲在不確定區(qū)域集合setarea中，通過如下公式(32)計(jì)算：

步驟g：在步驟f輸出的不確定區(qū)域集合setarea中，尋找不確定區(qū)域面積最大的不確定區(qū)域，并將其從不確定區(qū)域集合setarea中移除。

步驟g.1：在不確定區(qū)域集合setarea中，尋找不確定區(qū)域面積最大的不確定區(qū)域?yàn)閍reamax為{(0.5,5.25,1288034.188034188,1674561.0772396186,183600.2723725793)}，具體通過公式(15)計(jì)算；

其中，area代表不確定區(qū)域并屬于不確定區(qū)域集合setarea；上式反映的是，在不確定區(qū)域集合setarea中，尋找不確定區(qū)域面積areaua最大的不確定區(qū)域areamax。

步驟g.2：將不確定區(qū)域面積最大的不確定區(qū)域{(0.5,5.25,1288034.188034188,1674561.0772396186,183600.2723725793)}從不確定區(qū)域集合setarea中移除，具體通過如下公式(33)計(jì)算：

步驟h：將當(dāng)前迭代步數(shù)加1，即通過公式(34)修正：

步驟i：判斷是否達(dá)到帕累托最優(yōu)點(diǎn)個數(shù)上限20，決定是否繼續(xù)進(jìn)行迭代探測。

步驟i.1：若當(dāng)前迭代步數(shù)1小于帕累托最優(yōu)點(diǎn)個數(shù)上限20，則用不確定區(qū)域面積最大的不確定區(qū)域

{(0.5,5.25,1288034.188034188,1674561.0772396186,183600.2723725793)}

來更新當(dāng)前響應(yīng)延遲的下界llower為0.5和上界lupper為5.25，當(dāng)前吞吐率的下界tlower為1288034.188034188和上界tupper為1674561.0772396186，具體通過公式(35)到公式(38)進(jìn)行更新；再跳至步驟c：

步驟i.2：若當(dāng)前迭代步數(shù)1大于或等于帕累托最優(yōu)點(diǎn)個數(shù)上限20，則終止迭代,并返回最終探測結(jié)果組plan，即為數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化的一組具有典型代表意義的帕累托最優(yōu)解；

至此，從步驟a到步驟i，完成了本實(shí)施例一種最優(yōu)點(diǎn)個數(shù)約束的數(shù)據(jù)流處理系統(tǒng)多目標(biāo)優(yōu)化方法。

本方法與權(quán)重加和的實(shí)驗(yàn)對比圖如圖2所示。其中，橫坐標(biāo)代表響應(yīng)延遲(秒)，縱坐標(biāo)代表吞吐率(百萬條/秒)，圖中的點(diǎn)代表某響應(yīng)延遲下所能取得的最大吞吐率，即帕累托最優(yōu)解。圖2(a)表示，權(quán)重加和方法，圖2(b)表示本方法。從圖2中可以看出，權(quán)重加和的帕累托最優(yōu)解集中于小部分的區(qū)域內(nèi)，不能表示響應(yīng)延遲與吞吐率在整個空間內(nèi)的分布情況，不能提供給用戶一組具有典型代表意義的帕累托最優(yōu)解；本方法的解集在整個空間內(nèi)分布均勻，能為用戶提供響應(yīng)延遲與吞吐率的多種最優(yōu)選擇，即能提供給用戶一組具有典型代表意義的帕累托最優(yōu)解。

實(shí)施例2

將實(shí)施例1中的具體的實(shí)時大數(shù)據(jù)分析系統(tǒng)apachesparkstreaming改成其他實(shí)時大數(shù)據(jù)分析系統(tǒng)如apachestorm、googledataflow等，即本發(fā)明所提出的多目標(biāo)優(yōu)化方法不受限于數(shù)據(jù)的來源，適用于對所有的工程應(yīng)用中的數(shù)據(jù)的處理。

上述實(shí)施方式中未述及的有關(guān)技術(shù)內(nèi)容采取或借鑒已有技術(shù)即可實(shí)現(xiàn)。

以上所述為本發(fā)明的較佳實(shí)施例而已，本發(fā)明不應(yīng)該局限于該實(shí)施例和附圖所公開的內(nèi)容。凡是不脫離本發(fā)明所公開的精神下完成的等效或修改，都落入本發(fā)明保護(hù)的范圍。