[發明專利]一種云作業調度及資源配置的方法

有效

• 申請號: 202010567753.6
• 申請日: 2020-06-19
• 公開（公告）號: CN111722910B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 崔得龍;林建鵬;彭志平;李啟銳;何杰光;邱金波
• 申請（專利權）人: 廣東石油化工學院
• 主分類號: G06F9/455
• 分類號: G06F9/455;G06F9/48;G06F9/50;G06N3/0464;G06N3/08
• 代理公司: 廣州智豐知識產權代理事務所(普通合伙) 44655
• 代理人: 凌衍芬

本發明涉及云計算領域，更具體地，涉及一種云作業調度及資源配置的方法，包括：步驟S1：獲取用戶上傳的作業，建立作業集；步驟S2：將作業集中的作業分配到不同的作業隊列；步驟S3：通過作業調度器將作業隊列中的作業調度到不同的數據中心；步驟S4：對調度到數據中心的作業進行任務解耦，將作業轉化為不同的子任務；步驟S5：通過資源調度器為不同的子任務分配虛擬機，并且以虛擬機為部署單位，部署到相應的服務器。本發明對云作業調度進行多目標優化和全局優化。

技術領域

本發明涉及云計算領域，更具體地，涉及一種云作業調度及資源配置的方法。

背景技術

隨著人工智能和5G通信技術的發展，云計算應用前景將更加廣闊，用戶數和服務供應商數也將出現爆發式增長。云計算行動方案的持續實施，產業界和學術界兩者在云計算領域的投入持續增加，云市場仍保持快速增長的態勢。另外，隨著理論研究和技術水平的不斷完善和進步，云計算已經成為推動人工智能發展的強大動力引擎，進一步提升，大數據、物聯網等新興的應用落地和發展。然而，由于應用規模爆發式壯大，用戶數和服務供應商數迅速增加，如何高效實現多用戶多云供應商的作業調度與資源配置成為云計算發展的一項重大挑戰。良好的調度策略需要在復雜的云環境下，不僅能夠實現云任務的高效調度，而且還需要綜合考慮用戶的服務質量和供應商的收益。在復雜多變的云環境下實現多用戶多數據中心高效的作業調度與資源供配置將會成為一項重大挑戰。

針對云作業調度的問題學者們研究出了許多方案，其中啟發式算法一直是解決云計算調度問題的最常用的解決方法。Alkayal等人提出了一種利用多目標優化(MOO)和粒子群優化(PSO)算法優化作業調度的資源配置新模型，該模型目標是將作業調度到虛擬機過程中，最小化等待時間并最大化系統吞吐量。而Hu等人針對工作流調度的可靠性問題，提出一種多云環境下的科學工作流多目標調度算法，目標是在可靠性約束下，最小化工作流的完工時間和成本。還有近年來，在嘗試采用強化學習的決策能力和“試錯機制”來探索調度問題最優策略的算法。Peng等人結合強化學習和隊列理論來解決復雜云環境下的任務調度和資源配置問題。提出的方法巧妙的將調度問題轉變成序列決策問題，通過RL智能體不斷與云環境交互探索，尋找最優的調度策略。Yi等人針對在動態變化的用戶需求和云環境中，實現應用程序的自動伸縮問題，提出一個Q-learning算法的自適應租賃計劃生成方法來幫助SaaS供應商做出高效的IaaS設施調整決策，并自動生成最優的租賃策略。上述的方案雖然能解決調度問題，但卻仍然存在不少缺陷。首先，大多現存研究只針對調度過程的任務調度階段或資源配置階段進行優化，而不是全局優化。然后，大多研究只針對用戶服務質量或是云供應商收益作為單一優化目標，而不是多目標優化。因此，目前亟需一種對云作業調度進行多目標優化和全局優化的云作業調度及資源配置的方法。

發明內容

為了解決上述問題，本發明提供一種云作業調度及資源配置的方法，該方法對云作業調度進行多目標優化和全局優化。

本發明采取的技術方案是：

一種云作業調度及資源配置的方法，包括：

步驟S1：獲取作業，建立作業集；

步驟S2：將作業集中的作業分配到不同的作業隊列；

步驟S3：將作業隊列中的作業調度到不同的數據中心；

步驟S4：對調度到數據中心的作業進行任務解耦，將作業轉化為不同的子任務；

步驟S5：為不同的子任務分配虛擬機，并且以虛擬機為部署單位，部署到相應的服務器。