一種基于非均勻粒度分類的云環(huán)境任務(wù)調(diào)度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于非均勻粒度分類的云環(huán)境任務(wù)調(diào)度方法，屬于計(jì)算機(jī)應(yīng)用技 術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 目前，云計(jì)算主要是采用虛擬化技術(shù)將數(shù)據(jù)中心的物理資源虛擬化為資源節(jié)點(diǎn) 后，進(jìn)行統(tǒng)一管理和對外服務(wù)。用戶享受的服務(wù)質(zhì)量水平將會和所需支付的費(fèi)用成正比。正 是由于用戶的不同需求，云任務(wù)調(diào)度方法需要為用戶任務(wù)選擇合適的資源，最大限度的滿 足用戶對于服務(wù)質(zhì)量的需求，提高資源利用率，維持資源負(fù)載均衡。因此，研究云環(huán)境下的 任務(wù)調(diào)度方法的意義很大。
[0003] 目前，現(xiàn)有的云計(jì)算任務(wù)調(diào)度基礎(chǔ)算法有：Min-Min算法和Max-Min算法。Min-Min 算法的基本思想是通過計(jì)算各個(gè)任務(wù)的期望完成時(shí)間，找出具有最小最早完成時(shí)間的任 務(wù)，并將其分配給相應(yīng)的機(jī)器。該算法總是先考慮執(zhí)行時(shí)間短的任務(wù)，并將其分配到性能 最好的機(jī)器上執(zhí)行，因而會導(dǎo)致系統(tǒng)資源負(fù)載極不均衡，規(guī)模較小的任務(wù)等待時(shí)間較少，能 在較快的時(shí)間內(nèi)獲得性能較優(yōu)的資源執(zhí)行，而一些計(jì)算量大的長任務(wù)則很可能等待時(shí)間過 長，且獲得的資源性能較差。Max-Min算法主要思想是每次云系統(tǒng)總是調(diào)度具有最大最早完 成時(shí)間的任務(wù)。通過每次查找大任務(wù)的方式，該方法可有效緩解資源負(fù)載不均衡的現(xiàn)象，但 是，它的不足之處在于：系統(tǒng)中短任務(wù)會出現(xiàn)等待時(shí)間過長而無法在規(guī)定時(shí)間內(nèi)完成的問 題。而本發(fā)明能夠很好地解決了上述問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明目的在于提出了一種基于非均勻粒度分類的云環(huán)境任務(wù)調(diào)度方法，該方法 是采用非均勻粒度對云數(shù)據(jù)中心的虛擬化資源進(jìn)行分類預(yù)處理，能夠有效地縮小資源搜索 范圍，較快的實(shí)現(xiàn)任務(wù)與資源的合理匹配，獲得了最小的任務(wù)完成時(shí)間。
[0005] 本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是：一種基于非均勻粒度分類的云環(huán)境 任務(wù)調(diào)度方法，該方法包括如下步驟：
[0006] 步驟1 :對云系統(tǒng)中的資源向量進(jìn)行分類預(yù)處理，建立資源向量的初始樣本矩陣；
[0007] 步驟2 :對樣本矩陣作標(biāo)準(zhǔn)極差化處理，確保樣本矩陣中的樣本值在0-1之間；
[0008] 步驟3 :以樣本間歐式距離為相似性測度函數(shù)，對得到的樣本矩陣執(zhí)行聚類操作， 得到聚類譜系圖；逐漸減小閾值T，切割聚類譜系圖，最終得到三個(gè)資源分類：計(jì)算型資源 分類，帶寬型資源分類，以及存儲型資源分類；
[0009] 步驟4 :對不同分類中的資源按性能從高到低進(jìn)行排序：對計(jì)算型分類中的資源 按照計(jì)算能力的優(yōu)劣，進(jìn)行排序，對帶寬型資源分類按照傳輸性能的高低，進(jìn)行排序，對存 儲型分類資源按照存儲能力的大小，進(jìn)行排序；
[0010] 步驟5 :分別計(jì)算各分類資源總的綜合性能Crtp;計(jì)算型分類資源的綜合性能C ΛΡ、 帶寬型分類資源的綜合性能Cf和存儲型分類資源的綜合性能C ΛΡ;
[0011] 步驟6 :對系統(tǒng)中調(diào)度的任務(wù)，計(jì)算任務(wù)資源期望teP;
[0012] 步驟7 :任務(wù)根據(jù)用戶偏好在相應(yīng)分類類別中優(yōu)先選擇負(fù)載較輕，且資源綜合性 能最優(yōu)的資源，調(diào)度器將該資源分配給此任務(wù)；
[0013] 步驟8 :計(jì)算用戶滿意度Usatisfy，完成云環(huán)境任務(wù)調(diào)度。
[0014] 上述本發(fā)明的步驟1包括：初始化數(shù)據(jù)，令用戶集合U = {ul，u2…un}，任務(wù)集合 T= {tl，t2…tn}，云系統(tǒng)中資源向量集合 R= {rl，r2，r3，r4，r5，r6w}。
[0015] 上述本發(fā)明的步驟2包括：極差標(biāo)準(zhǔn)化處理的公式定義為：R2ij= (R1 - Rljmin)/ (RljmM-Rljmin)，其中，Rljmin 是 Rl lj，RUj... R!nj 中的取小值，Rl jmM 表不 Rl Ij R!2j …R!nj，RljmM 中的最大值。
[0016] 上述本發(fā)明的步驟3包括：設(shè)置分類閾值T，初始值T應(yīng)足夠大，能將所有資源歸 并為一個(gè)類別。接著用閾值T切割聚類譜系圖，得到一些分支，若分支上的葉節(jié)點(diǎn)屬于多個(gè) 分類類別，則減小閾值T，繼續(xù)切割聚類譜系圖，直到所有分支上的葉節(jié)點(diǎn)都只屬于同一個(gè) 分類類別為止。通過選擇合適的分類閾值T，最終得到三個(gè)資源分類：計(jì)算型資源分類，帶 寬型資源分類，以及存儲型資源分類：
[0017] 計(jì)算型資源分類：classCOM = {rl, r2~};
[0018] 帶寬型資源分類：classBW = {r3, r4~};
[0019] 存儲型資源分類；classSTORE = {r5,冰…}。
[0020] 上述本發(fā)明步驟3的構(gòu)建聚類譜系圖的方法包括以下步驟：
[0021] 步驟3-1，將資源節(jié)點(diǎn)抽象為樣本點(diǎn)，在特定的特征空間和相似性測度函數(shù)下，對 樣本點(diǎn)執(zhí)行聚類操作，按照如下五個(gè)子步驟，包括：
[0022] 1)構(gòu)造 η個(gè)類，每個(gè)樣本點(diǎn)都自成一類。
[0023] 2)以距離函數(shù)作為相似性測度函數(shù)，計(jì)算類與類之間的距離。
[0024] 3)將距離最近的兩個(gè)類合并成為一個(gè)新類，在原資源類別中刪除這兩個(gè)已合并的 類，并將合并后的新類添加到原資源類別中，重新計(jì)算該類別與其它類別之間的距離。
[0025] 4)按照樣本點(diǎn)名稱和樣本點(diǎn)之間的距離在聚類譜系圖的合適位置標(biāo)出。
[0026] 5)若所有類都被歸為一類，則停止，否則返回上述第3步。
[0027] 步驟3-2,逐漸減小閾值Τ，切割聚類譜系圖。
[0028] 對上述步驟3-1中產(chǎn)生的聚類結(jié)果采用不同的閾值切割，主要原則是先采用較大 的閾值，如果較大的閾值能夠區(qū)分分類類別，不需要復(fù)雜化再采用細(xì)的粒度，這樣也能確保 方便簡單，而對于較大閾值無法區(qū)分的分類類別，則需依次減小閾值，重新切割分支。
[0029] 步驟3-3,考察每個(gè)分支，直到所有分支都有明確的分類類別。否則就返回步驟 3-2。
[0030] 上述本發(fā)明步驟5的各分類資源總的綜合性能Crtp的公式為：
【主權(quán)項(xiàng)】
1. 一種基于非均勻粒度分類的云環(huán)境任務(wù)調(diào)度方法，其特征在于，所述方法包括如下 步驟： 步驟1 :對云系統(tǒng)中的資源向量進(jìn)行分類預(yù)處理，建立資源向量的初始樣本矩陣； 步驟2 :對樣本矩陣作標(biāo)準(zhǔn)極差化處理，確保樣本矩陣中的樣本值在0-1之間； 步驟3 :以樣本間歐式距離為相似性測度函數(shù)，對得到的樣本矩陣執(zhí)行聚類操作，得到 聚類譜系圖；逐漸減小閾值T，切割聚類譜系圖，最終得到三個(gè)資源