[發(fā)明專利]一種面向復(fù)雜仿真工作流應(yīng)用的利潤敏感的任務(wù)調(diào)度方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711040707.5
• 申請(qǐng)日: 2017-10-31
• 公開（公告）號(hào): CN108052378B
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計(jì)）人: 苑海濤
• 申請(qǐng)（專利權(quán)）人: 北京交通大學(xué)
• 主分類號(hào): G06F9/48
• 分類號(hào): G06F9/48
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 付生輝

本發(fā)明公開一種面向復(fù)雜仿真工作流應(yīng)用的利潤敏感的任務(wù)調(diào)度方法，該方法綜合考慮了仿真工作流應(yīng)用的子任務(wù)在虛擬機(jī)中的執(zhí)行規(guī)律、子任務(wù)間依賴關(guān)系、應(yīng)用與仿真云提供商間利潤關(guān)系特點(diǎn)。針對(duì)復(fù)雜仿真工作流應(yīng)用的請(qǐng)求，建立了包括多個(gè)棧式稀疏自編碼層和一個(gè)支持向量回歸分析層的深度網(wǎng)絡(luò)模型，基于此建立了適用于通用時(shí)限且有兩個(gè)截止時(shí)間的效應(yīng)函數(shù)，然后建立了仿真云環(huán)境下最大化仿真云提供商利潤的任務(wù)調(diào)度優(yōu)化模型，并針對(duì)子任務(wù)建立了虛擬機(jī)選取算法，實(shí)現(xiàn)了仿真云環(huán)境下利潤敏感的任務(wù)調(diào)度。本發(fā)明能夠智能地將將可執(zhí)行的子任務(wù)調(diào)度到特定的虛擬機(jī)上執(zhí)行，最大化仿真云提供商的利潤并保證所有請(qǐng)求的延遲要求。

技術(shù)領(lǐng)域

本發(fā)明涉及云計(jì)算應(yīng)用請(qǐng)求調(diào)度技術(shù)領(lǐng)域。更具體地，涉及一種面向復(fù)雜仿真工作流應(yīng)用的利潤敏感的任務(wù)調(diào)度方法。

背景技術(shù)

仿真云是基于云計(jì)算理念的一種面向服務(wù)的網(wǎng)絡(luò)化建模仿真的新技術(shù)。它融合了目前的網(wǎng)絡(luò)化建模與仿真技術(shù)以及高效能計(jì)算、虛擬化、服務(wù)計(jì)算等新興信息技術(shù)，能夠?qū)⒏黝惙抡尜Y源虛擬化和服務(wù)化為統(tǒng)一和集中的服務(wù)云池，并進(jìn)行高效的管理和經(jīng)營。用戶可通過仿真云隨時(shí)按需地獲取仿真資源，以完成其仿真全生命周期的各類活動(dòng)。

隨著仿真云技術(shù)近年來的不斷發(fā)展，目前仿真云由云提供商所有并向仿真應(yīng)用的用戶提供其所需的資源、能力和服務(wù)。仿真云中存在各種軟仿真資源(仿真過程中的各種軟件、數(shù)據(jù)、信息、模型、知識(shí)等)和硬仿真資源(各類計(jì)算設(shè)備、仿真設(shè)備、試驗(yàn)設(shè)備等)。此外，仿真云中提供的建模與仿真需要能夠支持虛擬、構(gòu)造、實(shí)裝等三類仿真所需的模型構(gòu)建、仿真運(yùn)行、結(jié)果分析、評(píng)估與應(yīng)用等各階段活動(dòng)。此外，在仿真云中存在著諸多大規(guī)模的復(fù)雜仿真工作流應(yīng)用。而且每個(gè)大規(guī)模復(fù)雜仿真工作流應(yīng)用往往需要多個(gè)子任務(wù)之間進(jìn)行協(xié)同交互，才能完成某階段活動(dòng)(如協(xié)同建模)以及更為復(fù)雜的跨階段活動(dòng)(如協(xié)同建模、運(yùn)行、結(jié)果分析等)。

仿真云可通過網(wǎng)絡(luò)向全球海量的各類用戶按照其實(shí)際需求提供各種不同類型的仿真資源及應(yīng)用。這些資源及應(yīng)用通常采用一種按需付費(fèi)使用的方式動(dòng)態(tài)地向用戶提供服務(wù)。此外，仿真云具有的規(guī)模經(jīng)濟(jì)特性已經(jīng)吸引了越來越多的企業(yè)、組織及用戶將其不同類型的復(fù)雜仿真工作流應(yīng)用部署在云數(shù)據(jù)中心中。典型的云服務(wù)提供商(如Google AppEngine、VMware和Microsoft Azure)均按照按需付費(fèi)的方式向用戶提供其所需的資源和應(yīng)用。而對(duì)于每個(gè)仿真云提供商而言，隨著仿真云中應(yīng)用類型及數(shù)量的迅速增長，如何在保證用戶請(qǐng)求的服務(wù)質(zhì)量的同時(shí)最大化仿真云提供商的利潤就成為一個(gè)非常重要且具有挑戰(zhàn)性的問題。

為解決該難題，目前國內(nèi)外的研究人員提出了很多有效的調(diào)度算法。然而目前這些大部分的調(diào)度算法都依賴精確的工作流中每個(gè)子任務(wù)的執(zhí)行時(shí)間的預(yù)測(cè)。而在真實(shí)的仿真云中，每個(gè)子任務(wù)中含有復(fù)雜的條件、循環(huán)等程序結(jié)構(gòu)。此外，仿真云中每個(gè)服務(wù)器的資源(如CPU、內(nèi)存、I/O等)往往被多個(gè)虛擬機(jī)所共享，這種資源共享模式使得每個(gè)虛擬機(jī)的性能隨著時(shí)間而不斷的變化。因此。工作流中每個(gè)子任務(wù)在特定虛擬機(jī)中的執(zhí)行時(shí)間往往很難精確地預(yù)測(cè)。不同于以上方式，本發(fā)明通過包括多個(gè)棧式稀疏自編碼層和一個(gè)支持向量回歸分析層的深度網(wǎng)絡(luò)模型，利用虛擬機(jī)仿真子任務(wù)的實(shí)際執(zhí)行時(shí)間數(shù)據(jù)，在每個(gè)棧式稀疏自編碼層進(jìn)行逐層的無監(jiān)督學(xué)習(xí)從而提取關(guān)鍵的隱含特征，并在最后的支持向量回歸分析層進(jìn)行有監(jiān)督的學(xué)習(xí)從而得到訓(xùn)練好的整個(gè)深度神經(jīng)網(wǎng)絡(luò)，從而有效地預(yù)測(cè)每個(gè)子任務(wù)在每個(gè)虛擬機(jī)中的預(yù)計(jì)完成時(shí)間。

基于此，本發(fā)明提出一種面向復(fù)雜仿真工作流應(yīng)用的利潤敏感的任務(wù)調(diào)度方法，從而在滿足所有復(fù)雜仿真工作流應(yīng)用的延遲時(shí)間要求的同時(shí)，最大化所有到達(dá)的仿真工作流應(yīng)用為仿真云提供商帶來的利潤。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種面向復(fù)雜仿真工作流應(yīng)用的利潤敏感的任務(wù)調(diào)度方法，該方法針對(duì)復(fù)雜仿真工作流應(yīng)用子任務(wù)執(zhí)行時(shí)間數(shù)據(jù)的特征，能夠在滿足所有復(fù)雜仿真工作流應(yīng)用的延遲時(shí)間要求的同時(shí)，將每個(gè)可執(zhí)行的子任務(wù)調(diào)度到某個(gè)虛擬機(jī)上執(zhí)行，從而最大化所有到達(dá)的仿真工作流應(yīng)用為仿真云提供商帶來的利潤。

為達(dá)到上述目的，本發(fā)明采用下述技術(shù)方案：