1

我正在学习优化，而且我是 OpenOpt 的新手。

我想表示每个进程都有 3 个资源使用指标（CPU、内存和网络）的进程，并且我想根据以下限制将 N 个进程分配给组/箱：

sum(cpu) within a group < 100
sum(mem) within a group < 100
sum(net) within a group < 100
Minimize(number of groups) or maximize the sum of each resource within a group.

理想情况下，我希望有这种类型的输出：

VM 1 assigned to group 1
VM 2 assigned to group 1
VM 3 assigned to group 1
VM 4 assigned to group 2
VM 5 assigned to group 2
VM 6 assigned to group 3
... and so on

问题：我该怎么做？如果使用 OpenOpt 无法做到这一点，是否有任何其他库可以帮助我解决这个问题？

这是我的初始代码： https ://github.com/vonpupp/mdbp/blob/master/ksp_2.py

非常感谢！

4

1 回答 1

0

这个想法是为每个项目分配一个权重（在这种情况下，所有项目都是相同的），并最大化受约束限制的项目数量。

这是创建项目的方式：

def gen_vms():
    tg = tracegen.TraceGenerator()
    trace = tg.gen_trace()
    items = [{
                  'name': 'item %d' % i,
                  'weight': 1,
                  'cpu': t[0],
                  'mem': t[1],
                  'disk': t[2],
                  'net': t[3],
                  'n': 1
             } for i,t in islice(enumerate(trace), 200)]
    return items

这就是创建约束的方式：

def add_constraint(values, constraint):
    return values[constraint] < 99

def add_constraints(values, constraint_list):
    return [add_constraint(values, constraint) for constraint in constraint_list]

def gen_costraints(constraint_list):
    global constraints
    constraints = lambda values: (add_constraints(values, constraint_list))

求解过程是这样的：

def solve_host():
    global items
    global constraints
    p = KSP('weight', list(items), constraints = constraints)
    result = p.solve('glpk', iprint = -1)

有关如何执行此操作的更多详细信息，请参见：https ://github.com/vonpupp/2013-sbrc-experiments/blob/e2e8a2be320c8f77d67a5bc6bb822510564e80f3/myksp_oo.py

于 2013-12-12T16:51:42.883 回答