【技术实现步骤摘要】
本专利技术涉及云计算，特别是关于一种云计算任务调度方法、装置及计算机可读存储介质。
技术介绍
1、随着互联网技术的蓬勃发展，云计算凭借其自身的灵活性、可靠性、安全性、成本效益等优点，已经成为了企业和个人日常生活中不可或缺的一部分。而作为其底层支撑的任务调度被认为是最重要的挑战之一，它负责将用户提交的任务分配到云计算的各个节点中，其低效的管理必将会导致云计算整体性能的下降。因而如何实现云计算任务的高效调度已经成为目前研究的热点问题。
2、云计算中任务调度的目标是在满足用户要求的前提下，通过优化资源分配以实现最大限度地降低运营成本并提高资源的利用率。在真实场景中，用户提交到云平台的任务往往是动态且异构的，并且不同用户对不同种类任务完成侧重的评价指标不同且通常不局限于一个指标，所以任务调度问题又被称为np难题。因此云计算平台需要一种高效的任务调度方法实现根据用户的请求自动将虚拟资源分配给用户。
3、现有的云计算任务调度方法中通常存在以下问题，考虑的优化目标单一，没有多目标进行权衡，很难满足用户的真实需求。计算方法常采用启发式调度方法，该方法虽然可以在较短的时间内求解大规模的问题，并给出较优解，但存在易陷入局部最优解、可扩展性差等缺点，很难应对动态变化的网络环境。
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种云计算任务调度方法、装置及计算机可读存储介质，其可以对多个优化目标进行权衡，还可以利用深度学习优化后的遗传算法作为任务调度算法，与现有的启发式算法
2、为实现上述目的，本专利技术采取以下技术方案：
3、第一方面，本申请提供一种云计算任务调度方法，所述方法包括：
4、获取当前的任务调度数据，所述任务调度数据包括用户指定的任务信息，云平台的网络拓扑信息以及所述云平台的各节点的资源信息；
5、将所述任务调度数据输入神经网络，计算由所述神经网络输出的初始的任务调度方案；
6、根据所述神经网络输出的初始的任务调度方案作为启发信息，由遗传算法根据预设的多个调度目标进行计算，得到最终的任务调度方案；
7、执行所述最终的任务调度方案，将所述用户指定的任务信息对应的各个任务调度到所述云平台的各个节点。
8、在本申请的一种实现方式中，所述神经网络由历史数据的任务调度数据及对应的任务调度方案作为训练样本进行训练而得到。
9、在本申请的一种实现方式中，所述神经网络，包括：
10、输入层，用于接收任务调度数据；
11、隐藏层，用于基于所述任务调度数据进行特征提取和特征组合，生成对应于所述任务调度数据的任务调度方案；
12、输出层，用于输出任务调度方案。
13、在本申请的一种实现方式中，在执行所述最终的任务调度方案之后，所述方法，还包括：
14、将所述当前的任务调度数据，及对应的所述最终的任务调度方案更新到历史数据中，以用于所述神经网络的再次训练。
15、在本申请的一种实现方式中，所述预设的多个调度目标，包括：任务执行时间、负载均衡和传输延迟。
16、在本申请的一种实现方式中，所述遗传算法的计算流程，包括：
17、初始化：根据所述初始的任务调度方案作为启发，产生一组解作为种群，每个解表示一个任务调度方案；
18、适应度评估：根据所述预设的多个调度目标对每个解进行适应度评估；
19、选择：根据适应度评估的结果，选择一部分优秀的解；
20、交叉：根据所述选择的一部分优秀的解产生新的解；
21、变异：根据所述产生的新的解进行变异操作，得到最终的解作为最终的任务调度方案。
22、在本申请的一种实现方式中，所述根据所述预设的多个调度目标对每个解进行适应度评估，包括：
23、根据每个解的每个预设调度目标对应的适应度函数进行叠加，得到每个解对应的适应度评估结果的适应度函数。
24、在本申请的一种实现方式中，所述每个预设调度目标对应的适应度函数采用不同的权重因子。
25、第二方面，本申请提供一种云计算任务调度装置，所述装置包括：
26、数据获取模块，用于获取当前的任务调度数据，所述任务调度数据包括用户指定的任务信息，云平台的网络拓扑信息以及所述云平台的各节点的资源信息；
27、神经网络模块，用于将所述任务调度数据输入神经网络，计算由所述神经网络输出的初始的任务调度方案；
28、遗传算法模块，用于根据所述神经网络输出的初始的任务调度方案作为启发信息，由遗传算法根据预设的多个调度目标进行计算，得到最终的任务调度方案；
29、方案执行模块，用于执行所述最终的任务调度方案，将所述用户指定的任务信息对应的各个任务调度到所述云平台的各个节点。
30、第三方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序运行时控制所述计算机可读存储介质所在设备执行第一方面所述的云计算任务调度方法。
31、本专利技术由于采取以上技术方案，其具有以下优点：本专利技术申请方案，获取当前的任务调度数据，并输入神经网络，计算初始的任务调度方案，再初始的任务调度方案作为启发信息，由遗传算法根据预设的多个调度目标进行计算，得到最终的任务调度方案，然后执行最终的任务调度方案，将用户指定的任务信息对应的各个任务调度到云平台的各个节点，相比于现有技术，不仅可以对多个优化目标进行权衡，还可以利用深度学习优化后的遗传算法作为任务调度算法，提高了计算效率、结果精准性，鲁棒性和灵活性也有所增强。
本文档来自技高网...【技术保护点】
1.一种云计算任务调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述的云计算任务调度方法，其特征在于，所述神经网络由历史数据的任务调度数据及对应的任务调度方案作为训练样本进行训练而得到。
3.根据权利要求2所述的云计算任务调度方法，其特征在于，所述神经网络，包括：
4.根据权利要求2所述的云计算任务调度方法，其特征在于，在执行所述最终的任务调度方案之后，所述方法，还包括：
5.根据权利要求1所述的云计算任务调度方法，其特征在于，所述预设的多个调度目标，包括：任务执行时间、负载均衡和传输延迟。
6.据权利要求5所述的云计算任务调度方法，其特征在于，所述遗传算法的计算流程，包括：
7.根据权利要求6所述的云计算任务调度方法，其特征在于，所述根据所述预设的多个调度目标对每个解进行适应度评估，包括：
8.根据权利要求7所述的云计算任务调度方法，其特征在于，所述每个预设调度目标对应的适应度函数采用不同的权重因子。
9.一种云计算任务调度装置，其特征在于，所述装置包括：
10
...【技术特征摘要】
1.一种云计算任务调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述的云计算任务调度方法，其特征在于，所述神经网络由历史数据的任务调度数据及对应的任务调度方案作为训练样本进行训练而得到。
3.根据权利要求2所述的云计算任务调度方法，其特征在于，所述神经网络，包括：
4.根据权利要求2所述的云计算任务调度方法，其特征在于，在执行所述最终的任务调度方案之后，所述方法，还包括：
5.根据权利要求1所述的云计算任务调度方法，其特征在于，所述预设的多个调度目标，包括：任务执行时间、负载均衡和传输延迟。
6.据权利要求5所述的...
【专利技术属性】
技术研发人员：罗静，贾吾财，朱宝慧，唐巍，费冬，杨海滨，范少杰，刘正，刘泽强，
申请(专利权)人：通号通信信息集团有限公司，
类型：发明
国别省市：
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。