[發明專利]一種基于極限學習機的云工作流調度器壓力預測方法

有效

• 申請號: 202110232396.2
• 申請日: 2021-03-01
• 公開（公告）號: CN112948115B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 李鈺祥;鄒偉東;夏元清;李慧芳;張金會;翟弟華;戴荔;劉坤;閆莉萍
• 申請（專利權）人: 北京理工大學
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/04;G06N3/08
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 代麗

本發明公開了一種基于極限學習機的云工作流調度器壓力預測方法，通過將調度器CPU時間片占有率、內存占用率作為調度器壓力參數，以調度器壓力參數作為輸入，以對應的調度器在達到滿載前還能接收工作流的數量作為標簽，建立訓練樣本集；采用該訓練樣本集完成對云工作流調度器壓力預測模型的訓練，以調度器壓力預測模型預測調度器在達到滿載狀態之前預計還可接收工作流的數量，在一定程度上能夠滿足云工作流在調度問題上調度器壓力預測的需要，為相關調度問題中壓力評估和可接受工作流數量提供了新的方法。

技術領域

本發明屬于云工作流調度技術領域，具體涉及一種基于極限學習機的云工作流調度器壓力預測方法。

背景技術

云工作流調度問題是云平臺與云計算中的核心技術之一，近幾年來，云平臺與云計算的發展有巨大的進步，對各領域產生了不同程度的影響。云計算具有超大規模、虛擬化、按需服務、高可靠和高伸縮性等優勢，云計算是一種集中式大數據處理，云平臺像一個龐大的資源池，采用云技術能夠完成容器的遷移，通過云平臺能夠高效地完成各種科研工作。相比于邊緣計算，云平臺有更好的延展性和安全保障，可靠性更強。云工作流是在云計算環境下工作流管理系統的一種新的應用。云工作流中的系統調度問題則是云計算中的核心問題之一，在云平臺和云計算調度器模塊的開發測試過程中，經常會出現調度器壓力過大但控制器依然分配給各子調度器工作流的情況，這會導致調度器CPU時間片占有率過大或內存占用過多并最終使運行失敗，出現“卡死”等情況。

發明內容

有鑒于此，本發明提供了一種基于極限學習機的云工作流調度器壓力預測方法，實現了小樣本情況下對云工作流調度器能夠接收工作流數量的預測。

本發明提供的一種基于極限學習機的云工作流調度器壓力預測方法，包括以下步驟：

步驟1、將云工作流調度器的內存占用率、CPU時間片占有率、已接收工作流數量及已接收子任務數量作為調度器壓力數據；以所述調度器壓力數據作為輸入，以對應的調度器在達到滿載前還能接收工作流的數量作為標簽構建訓練樣本集；

步驟2、建立基于極限學習機的云工作流調度器壓力預測模型，如下式所示：

Hβ＝Y (1)

其中，H為隱藏層節點的輸出，β為輸出權值，Y為云工作流期望輸出矩陣，N為樣本個數，L為隱含層節點的個數，g(x)為激活函數，S_i為所述云工作流調度器壓力預測模型的輸入，W_i＝[w_i1,w_i1,...,w_in]^T為輸入到隱藏層節點之間的輸入權值矩陣，b_i為第i個隱藏節點的偏置，W_i和b_i生成后保持不變；β_i為隱藏層到輸出之間的輸出權值矩陣；

步驟3、采用所述步驟1生成的所述訓練樣本集完成對所述基于極限學習機的云工作流調度器壓力預測模型的訓練；

步驟4、使用中，將待預測的調度器壓力數據輸入所述步驟3訓練得到的基于極限學習機的云工作流調度器壓力預測模型，得到所述待預測調度器在達到滿載狀態之前預計還可接收工作流的數量。

進一步地，所述步驟1中所述訓練樣本集的構建包括：將所述調度器壓力數據進行歸一化預處理形成壓力值特征向量，由所述壓力值特征向量與其對應的標簽構建訓練樣本數據集。

進一步地，所述訓練樣本集的構建包括以下步驟：