本发明专利技术涉及一种在异构云数据中心进行资源调度的策略，策略基于排队理论，能够充分考虑资源的异构性，提高资源利用率、保证任务的服务质量(QoS)以及云数据中心的负载均衡，同时，大幅降低云数据中心的能耗。策略包含以下步骤：一、利用队列模型，为数据中心建立两级调度框架，将所有任务的执行分为任务分配与任务调度两个阶段；二、在任务分配阶段，考虑资源异构性，利用HPAC算法将到达的分类任务集W(t)均衡地分配到各个服务器(PM)；三、在任务调度阶段，考虑资源利用率与QoS，利用MIUS算法为PM队列中的任务创建虚拟机，执行任务。
【技术实现步骤摘要】
本专利技术属于云计算IaaS领域，具体涉及一种在异构云数据中心进行资源调度的 策略。
技术介绍
云计算IaaS层的资源调度是实现云计算应用的关键技术，云数据中心由大量的 异构服务器（PM)组成，普遍存在异构性，包括资源异构、任务异构以及虚拟机异构，异构性 会直接影响调度策略的性能，从而影响整个云数据中心的服务质量。因此，针对异构性进行 研宄与调度能够更合理地利用资源，保证云提供商的利益。 多目标调度是在一种资源调度策略中同时实现多个目标值，利用多目标优化的思 想解决资源调度问题。早期的策略主要为分解多目标优化，其思想核心是将多目标问题转 化为单目标问题，普遍采用线性加权求和方法。但是，这种方法严重受制于权值的设置与目 标给定的次序，同时，公共函数与限制条件可能是不可微或非线性的，这也给线性加权求解 的思路加大了难度。 当前的多目标调度策略主要集中于同构资源的研宄，虽然近年来陆续有学者开始 对异构资源下的多目标调度进行研宄，但这方面研宄仍处于起步阶段，提出的相关策略存 在资源利用率低、能耗高等问题。因此，需要有一个有效的策略针对云数据中心的异构性进 行合理的资源调度。
技术实现思路
为了解决上述问题，本专利技术公开了一种基于队列的异构资源多目标调度策略，针 对云数据中心资源异构的特点，本文借助分层优化多目标的思想处理资源利用率、Q〇S、负 载均衡以及能耗等多目标。在保证服务质量（QoS)与能耗的情况下，提高资源利用率，并实 现一定的负载均衡。本专利技术的目的是通过以下技术方案实现的：a.利用HPAC算法处理任务分配 数据中心的资源调度一般分为任务分配与任务调度两个阶段，在任务分配阶段， 本专利技术利用提出的HPAC算法将用户提交的云任务分配到指定PM，HPAC的主要思想是：根据PM的计算能力（由能力因子决定）将任务相对均匀的分配到各个PM，以期达到各个PM的 负载均衡。 1)计算PM能力因子。考虑资源异构性，计算数据中心各个PM的能力因子a。首 先，在所有PM中选择配置最小的一个PM，索引为j，将PMj的a设置为1，利用以下公式计 算其他PM的能力因子。【主权项】1. 一种基于队列的异构资源多目标调度策略，包括以下步骤： a. 利用HPAC算法处理任务分配 数据中心的资源调度一般分为任务分配与任务调度两个阶段，在任务分配阶段，本发 明利用提出的HPAC算法将用户提交的云任务分配到指定PM，HPAC的主要思想是：根据PM 的计算能力（由能力因子决定）将任务相对均匀的分配到各个PM，以期达到各个PM的负载 均衡。 1) 考虑资源异构性，计算数据中心各个PM的能力因子α。首先，在所有PM中选择配 置最小的一个PM，索引为j，将PM^ α设置为1，利用以下公式计算其他PM的能力因子。其中，K为资源种类，Cik为PM啲k资源数量。 2) 对于t时刻到达的任务集合W(t)，依次处理W(t)中的第m类任务（m= 1，2,3. ..，M， 假定有M种任务）。若第一次处理m类任务，则随机选择一个PMi,将t时刻所有的m类任务 分配到PMi (每一个PM拥有m个队列，分别缓存第m类任务），并保存Γ= i ;若已处理过m 类任务，则首先随机选择一个PMi,然后利用以下公式进行PM选择，将选择的结果保存到Γ。其中，表示m队列的长度，即PM# m类任务的等待数量，W(t)表示t时刻到达的 任务集合。 b. 利用MIUS算法处理任务调度 在任务调度阶段，本专利技术利用提出的MIUS算法进行VM的选择、创建并执行任务。随 着各个PM的运行，PM的剩余资源是动态变化的，因此，需要首先确定PM能够容纳任务的种 类与数量（由可用配置集决定）。接着，根据队列中等待任务的情况（由各个队列的长度 G"(〇, m = 1，2, ...，M决定）与各个任务对利用率的影响（由影响因子决定）选择最终的 VM配置，并根据7b创建VM并执行任务。 1) 随着PM执行任务，PM的可用资源是变化的。利用当前PM的可用资源可以计算出PM 当前的可用配置集Λ (t)。其中，amk表示任务m对资源k的需求量，C ik表示PM冲k资源数量，Nm表示m类任务 可放入的数量。例如，某数据中心有1个PM，该PM的CPU与内存配置分别为3GHz，3GB，假 设任务有两种：一种需要CPU与内存为1GHz，1GB，另一种需要2GHz，2GB。则利用以上公式 可以计算出该PM的当前可用配置集Λ⑴={(1，1)，（1，0)，（2, 0)，（3, 0)，（0, 1)}。 2) 计算任务对利用率的影响因子，其中Umi表示PM冲m类任务对资源利用率的影响。3) -个PM拥有m个队列，分别缓存第m类任务，利用以下公式可以计算当前时刻最佳 的配置4)按照最佳配置创建虚拟机，执行任务。【专利摘要】本专利技术涉及一种在异构云数据中心进行资源调度的策略，策略基于排队理论，能够充分考虑资源的异构性，提高资源利用率、保证任务的服务质量(QoS)以及云数据中心的负载均衡，同时，大幅降低云数据中心的能耗。策略包含以下步骤：一、利用队列模型，为数据中心建立两级调度框架，将所有任务的执行分为任务分配与任务调度两个阶段；二、在任务分配阶段，考虑资源异构性，利用HPAC算法将到达的分类任务集W(t)均衡地分配到各个服务器(PM)；三、在任务调度阶段，考虑资源利用率与QoS，利用MIUS算法为PM队列中的任务创建虚拟机，执行任务。【IPC分类】H04L29-08, H04L12-851, H04L12-863, H04L12-803【公开号】CN104852860【申请号】CN201510219479【专利技术人】彭舰, 肖逸飞, 黎红友, 其他专利技术人请求不公开姓名 【申请人】四川大学【公开日】2015年8月19日【申请日】2015年5月4日本文档来自技高网...
【技术保护点】
一种基于队列的异构资源多目标调度策略，包括以下步骤：a.利用HPAC算法处理任务分配数据中心的资源调度一般分为任务分配与任务调度两个阶段，在任务分配阶段，本专利技术利用提出的HPAC算法将用户提交的云任务分配到指定PM，HPAC的主要思想是：根据PM的计算能力(由能力因子决定)将任务相对均匀的分配到各个PM，以期达到各个PM的负载均衡。1)考虑资源异构性，计算数据中心各个PM的能力因子α。首先，在所有PM中选择配置最小的一个PM，索引为j，将PMj的α设置为1，利用以下公式计算其他PM的能力因子。其中，K为资源种类，Cik为PMi的k资源数量。2)对于t时刻到达的任务集合W(t)，依次处理W(t)中的第m类任务(m＝1,2,3...,M,假定有M种任务)。若第一次处理m类任务，则随机选择一个PMi，将t时刻所有的m类任务分配到PMi(每一个PM拥有m个队列，分别缓存第m类任务)，并保存i*＝i；若已处理过m类任务，则首先随机选择一个PMi，然后利用以下公式进行PM选择，将选择的结果保存到i*。其中，表示m队列的长度，即PMi中m类任务的等待数量，W(t)表示t时刻到达的任务集合。b.利用MIUS算法处理任务调度在任务调度阶段，本专利技术利用提出的MIUS算法进行VM的选择、创建并执行任务。随着各个PM的运行，PM的剩余资源是动态变化的，因此，需要首先确定PM能够容纳任务的种类与数量(由可用配置集决定)。接着，根据队列中等待任务的情况(由各个队列的长度m＝1,2,...,M决定)与各个任务对利用率的影响(由影响因子决定)选择最终的VM配置并根据创建VM并执行任务。1)随着PM执行任务，PM的可用资源是变化的。利用当前PM的可用资源可以计算出PM当前的可用配置集Λ(t)。其中，amk表示任务m对资源k的需求量，Cik表示PMi中k资源数量，Nm表示m类任务可放入的数量。例如，某数据中心有1个PM，该PM的CPU与内存配置分别为3GHz，3GB，假设任务有两种：一种需要CPU与内存为1GHz，1GB，另一种需要2GHz，2GB。则利用以上公式可以计算出该PM的当前可用配置集Λ(t)＝{(1,1),(1,0),(2,0),(3,0),(0,1)}。2)计算任务对利用率的影响因子，其中umi表示PMi中m类任务对资源利用率的影响。3)一个PM拥有m个队列，分别缓存第m类任务，利用以下公式可以计算当前时刻最佳的配置4)按照最佳配置创建虚拟机，执行任务。...
【技术特征摘要】
【专利技术属性】
技术研发人员：彭舰，肖逸飞，黎红友，其他发明人请求不公开姓名，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。