[發明專利]基于調度目標空間的云計算資源調度方法

有效

• 申請號: 201210194890.5
• 申請日: 2012-06-13
• 公開（公告）號: CN102780759A
• 公開（公告）日: 2012-11-14
• 發明（設計）人: 楊善林;范雯娟;羅賀;丁帥;裴軍;丁靜;周開樂;章政;徐達宇
• 申請（專利權）人: 合肥工業大學
• 主分類號: H04L29/08
• 分類號: H04L29/08;H04L12/56
• 代理公司: 安徽合肥華信知識產權代理有限公司 34112
• 代理人: 余成俊

1.一種基于調度目標空間的云計算資源調度方法，其特征在于，具體包括以下步驟：

（1）用戶向云服務系統提交服務請求，并從可擴展的調度目標空間中選擇其中的一個或多個維度的調度目標{Q₁,Q₂,…,Q_ξ}作為自身服務資源調度的目標，并分別賦予不同的調度目標相應的調度參數；

（2）云系統監視器根據用戶提交的調度目標所涉及到的調度參數，收集相應的系統數據，并發送給云調度系統；

（3）云調度系統根據用戶提交的各項服務請求參數（包括服務請求執行所需的資源量、服務請求執行的時間上限）以及云系統監視器發送過來的系統數據，監控現有虛擬服務器上的資源占用情況，形成待分配資源區；

（4）云調度系統根據現有的資源占用情況和用戶的調度目標空間中的具體調度需求，運用效用函數計算出用戶總體效用，具體主要進行兩階段的效用集結決策過程，包括以下內容：

①多屬性效用的集結：

假定用戶i針對其服務請求R_i所選擇的調度目標Q_i中一共有π_i個目標，所有的目標權重表示為,，則R_i的整體效用被計算為：

U2(i)=Σl=1πiωilU2l(VMi(PNjk)),i=1,···,M;j=1,···,n;k=1,···,θ;]]>

②多用戶效用的集結：

系統中所有用戶的效用是U₂(i)的線性組合，這里使用其定義系統中所有用戶的效用函數，也就是每一個任務的效用的加權之和，表示為：，其中w_i是每一個服務請求R_i的權重，將w_i的計算定義為下式：

其中s(q_i),s(E_i)分別是服務請求R_i所需要的資源量以及期望價值的標準化（過程如下）之后的結果，λ和μ是資源量以及期望價值的系數；

s(qi)=qi-qminqmax-qmin,s(Ei)=Ei-EminEmax-Emin,i=1,···,M;]]>

其中q_max和q_min分別表示在M個服務請求中最大及最小的資源量需求，E_max,?E_min分別表示在M個服務請求中最高以及最低的期望價值；

（5）選取用戶總體效用最大的調度方案，并做出實時的調度決策，將用戶的服務請求分配到相應的虛擬機資源上，執行用戶的服務請求；所述的選取用戶總體效用最大的調度方案采用的尋優算法為引力搜索算法，具體的算法流程如下：

①編碼：首先對虛擬機和服務進行編號，再根據服務對應的虛擬機確定服務在某個虛擬機上處理；

②解碼：由于在GSA算法的迭代中會生成非法解，必須進行修正操作，采用取相近整數值的方法，解碼過程中，某個虛擬機上可能安排多個服務，各個服務在同一個虛擬機上的安排規則如下：計算各個服務的最大總效用h_i，然后按照w_i·h_i值對服務進行排序；

③最優個體保存策略：在個體某代的迭代過程中，保留函數值最大個體，若函數值最大個體存在多個，隨機選擇一個，最優個體同時參與下一次迭代過程

④變異操作：對所有個體進行變異操作，第t次迭代中個體i的變異概率計算公式如下：

μi(t)=0.04+0.06×exp(ftfmax-1)]]>

其中，f_t表示個體i的函數值，f_max表示所有個體的歷史最優函數值，對于個體i的變，隨機產生一個隨機數rand∈[0,1]，若rand≤μ_i(t)，執行變異操作，即隨機取出個體i的某一維數據進行變異；

（6）云系統監控器根據不同用戶的服務請求執行情況，收集相應的系統負載數據，為下一時段的用戶的服務請求調度提供虛擬機數據參考；

（7）循環執行以上步驟，直至用戶不再向云服務系統提交任何服務請求。