本發(fā)明涉及云計(jì)算領(lǐng)域。

背景技術(shù)：

云計(jì)算是繼分布式計(jì)算、并行計(jì)算、網(wǎng)格計(jì)算之后一種新的計(jì)算模式，已經(jīng)成為學(xué)術(shù)界和工業(yè)界關(guān)注。目前云計(jì)算環(huán)境下任務(wù)調(diào)度的目標(biāo)是將用戶需求合理的部署，提高運(yùn)營商的經(jīng)濟(jì)效益。具體體現(xiàn)在以下幾個目標(biāo)：最優(yōu)時間跨度、負(fù)載均衡、服務(wù)質(zhì)量、經(jīng)濟(jì)原則。

現(xiàn)有的調(diào)度策略研究中，經(jīng)典的調(diào)度算法在特定的調(diào)度目標(biāo)上有較好的性能。負(fù)載均衡方面的經(jīng)典調(diào)度算法有隨機(jī)負(fù)載均衡算法(Opportunistic Load Balancing)，該算法很好地解決網(wǎng)格環(huán)境下由于負(fù)載不均衡帶來的調(diào)度問題。最小執(zhí)行時間算法(Minimum Execution Time)、貪心算法、最小完成時間算法(Minimum Completion Time)、Min-Min算法和Max-Min算法等都是以實(shí)現(xiàn)任務(wù)調(diào)度的最優(yōu)時間跨度為目標(biāo)的調(diào)度算法。

此外，云計(jì)算的經(jīng)濟(jì)原則主要在于減少能耗。有學(xué)者提出了減少能耗的動態(tài)調(diào)度算法，Chase等人提出了一種通過空閑服務(wù)器轉(zhuǎn)成節(jié)能模式來減少能耗，該算法適用于數(shù)據(jù)中心層次上的節(jié)能調(diào)度。P.B.Si提出了一種針對移動云計(jì)算資源調(diào)度算法，該算法適用于密集型任務(wù)調(diào)度，很大程度上減少了能耗。J.W.Lin提出了一種多維度QoS支持策略，實(shí)現(xiàn)了集成QoS服務(wù)。N.Kumar基于QoS實(shí)現(xiàn)了云計(jì)算環(huán)境下資源分配和合理調(diào)度，很好地解決了云計(jì)算環(huán)境下資源的占用問題，提高了云計(jì)算的服務(wù)質(zhì)量。由于云調(diào)度的最優(yōu)策略問題是一個NP問題，也是一個重要問題，智能算法也被很多學(xué)者用來求解一個近似的最優(yōu)解?，F(xiàn)有的調(diào)度策略在最優(yōu)時間跨度(makespan)、負(fù)載均衡、服務(wù)質(zhì)量、經(jīng)濟(jì)原則四個方面已經(jīng)有了較為深入的研究，為云計(jì)算的發(fā)展做出了重要的貢獻(xiàn)。

由于云計(jì)算中各個節(jié)點(diǎn)處理能力不同，每個任務(wù)占用資源也不同，針對任務(wù)所占資源并且臨時動態(tài)創(chuàng)建與之匹配的虛擬機(jī)是困難的，需要耗費(fèi)更多的時間。但是，如果提前創(chuàng)建虛擬機(jī)，調(diào)度將面臨以下兩個問題：1)當(dāng)一個較大任務(wù)被分配到處理能力較弱的虛擬機(jī)節(jié)點(diǎn)上時，節(jié)點(diǎn)處理時間較長甚至無法完成，導(dǎo)致整個任務(wù)序列中斷；2)當(dāng)一個較小的任務(wù)被分配到處理能力較強(qiáng)的虛擬機(jī)節(jié)點(diǎn)上時，由于在處理小任務(wù)時大任務(wù)處于等待狀態(tài)，使得整個云系統(tǒng)吞吐率降低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是實(shí)現(xiàn)一種能夠有效提高調(diào)度性能，實(shí)現(xiàn)云資源合理利用的虛擬機(jī)調(diào)度方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：應(yīng)用于云計(jì)算環(huán)境的虛擬機(jī)調(diào)度方法：

1)虛擬機(jī)建模：預(yù)先創(chuàng)建多個虛擬機(jī)；

2)新任務(wù)調(diào)度：當(dāng)云任務(wù)需要執(zhí)行調(diào)度時，根據(jù)任務(wù)的大小在預(yù)先創(chuàng)建的虛擬機(jī)中尋找處理能力與任務(wù)匹配的虛擬機(jī)；

3)新任務(wù)處理：將任務(wù)由尋找到的虛擬機(jī)處理。

所述虛擬機(jī)建模步驟中，根據(jù)任務(wù)數(shù)據(jù)的CPU資源t_i^cpu、內(nèi)存資源t_i^mem、網(wǎng)絡(luò)帶寬t_i^net、硬盤存儲資源t_i^stor、任務(wù)截止時間t_i^f，通過貝葉斯分類器將任務(wù)劃分成若干個等級，針對每個等級任務(wù)分別創(chuàng)建處理能力與該等級任務(wù)相匹配的虛擬機(jī)。

所述新任務(wù)調(diào)度步驟包括：

a)獲取任務(wù)t_i的信息，包括CPU資源t_i^cpu、內(nèi)存資源t_i^mem、網(wǎng)絡(luò)帶寬t_i^net、硬盤存儲資源t_i^stor、任務(wù)截止時間t_i^f，再通過貝葉斯分類器獲取任務(wù)等級，根據(jù)任務(wù)等級查詢與當(dāng)前任務(wù)t_i匹配的虛擬機(jī)狀態(tài)信息；

b)如果存在與當(dāng)前任務(wù)匹配的虛擬機(jī)類型，將任務(wù)t_i安排至就緒隊(duì)列，如果不存在與當(dāng)前任務(wù)匹配的虛擬機(jī)類型，將任務(wù)t_i安排至等待隊(duì)列；

c)針對就緒隊(duì)列任務(wù)，搜索該類型虛擬機(jī)中是否有空閑虛擬機(jī)，若存在空閑虛擬機(jī)，直接部署任務(wù)t_i在該空閑虛擬機(jī)上，若不存在空閑虛擬機(jī)，將任務(wù)狀態(tài)切換成等待狀態(tài)，掛載至等待隊(duì)列隊(duì)尾；

d)當(dāng)?shù)却?duì)列非空時，新創(chuàng)建能夠與等待隊(duì)列中任務(wù)相匹配的虛擬機(jī)，當(dāng)虛擬機(jī)創(chuàng)建完成后，將任務(wù)分配至所創(chuàng)建的虛擬機(jī)。

所述新任務(wù)調(diào)度步驟中，若存在任務(wù)因任務(wù)匹配超出任務(wù)執(zhí)行截止期，則撤銷任務(wù)。

所述的貝葉斯分類器的分類方法：

設(shè)樣本空間為U，訓(xùn)練樣本T_i類的先驗(yàn)概率為P(T_i)；

$P\left(T_i\right)=\frac{\mathrm{\Σ}\left\{x\right|x\∈U\∩x\∈T_i\}}{\left|U\right|};$

其中i取值為整數(shù)，|U|是樣本總數(shù)；

當(dāng)產(chǎn)生一個新樣本ω，且屬于T_i類的后驗(yàn)概率；

P(Ti|ω)＝P(ω|T_i)·P(T_i)；

其中P(ω|T_i)表示新樣本屬于T_i類的條件概率；

設(shè)當(dāng)前有某個虛擬機(jī)節(jié)點(diǎn)類型V_j，對于任務(wù)t_i假設(shè)任務(wù)間各個特征屬性相互獨(dú)立，可得：

$P\left(t_i\right|V_j)=P({t_i}^{cpu},{t_i}^{mem},{t_i}^{net},{t_i}^{stor}|V_j)=\underset{k=1}{\overset{4}{\Π}}P\left(t_{ik}\right|r_{jk})$

貝葉斯分類器對任務(wù)的決策函數(shù)為：

arg max{P(t_iV_j)P(V_j)}，其中(i＝1,2,3,……,n；j＝1,2,3,……,m)；

當(dāng)t_i可以在任務(wù)的截止期內(nèi)完成，且t_i任務(wù)屬于V_j的概率p＝arg max{P(t_i|V_j)P(V_j)},稱t_i是V_j類型的任務(wù)，在調(diào)度時就將其部署在V_j類型的虛擬機(jī)對列中。

基于虛擬機(jī)調(diào)度方法的云計(jì)算系統(tǒng)，包括用戶端、調(diào)度器和主機(jī)，所述調(diào)度器將用戶端任務(wù)輸送至主機(jī)內(nèi)的虛擬機(jī)處理；

所述調(diào)度器包括：

實(shí)現(xiàn)任務(wù)調(diào)度、任務(wù)的狀態(tài)轉(zhuǎn)換的調(diào)度器；

計(jì)算出提交的任務(wù)類型的貝葉斯分類器；

進(jìn)行任務(wù)與虛擬機(jī)的匹配的虛擬機(jī)匹配器；

用于虛擬機(jī)創(chuàng)建、虛擬機(jī)的狀態(tài)信息收集、任務(wù)信息收集的虛擬機(jī)控制器。

所述調(diào)度器還包括存放匹配后立馬被執(zhí)行任務(wù)的就緒序列，以及存放匹配后需要等待的任務(wù)的等待序列。

本發(fā)明實(shí)現(xiàn)虛擬機(jī)與任務(wù)之間的匹配，實(shí)現(xiàn)云資源的合理利用，提高云計(jì)算的服務(wù)質(zhì)量。

附圖說明

下面對本發(fā)明說明書中每幅附圖表達(dá)的內(nèi)容作簡要說明：

圖1為基于虛擬機(jī)調(diào)度方法的云計(jì)算系統(tǒng)框圖；

圖2為基于兩階段策略的任務(wù)t_i的調(diào)度過程；

圖3為調(diào)度所需的最優(yōu)跨度時間圖示；

圖4為調(diào)度所需的任務(wù)平均等待時間圖示；

圖5為調(diào)度任務(wù)失效率圖示；

圖6為虛擬機(jī)使用率圖示。

具體實(shí)施方式

本發(fā)明針對云計(jì)算環(huán)境下任務(wù)分配不合理而降低虛擬機(jī)調(diào)度性能的問題，提出一種基于任務(wù)類型分析的兩階段策略的虛擬機(jī)調(diào)度方法。包括三個步驟：1)虛擬機(jī)建模：預(yù)先創(chuàng)建多個虛擬機(jī)，該方法基于歷史任務(wù)調(diào)度數(shù)據(jù)，采用貝葉斯分類器對任務(wù)進(jìn)行分類，并根據(jù)分類結(jié)果，預(yù)先創(chuàng)建一定數(shù)量的不同級別處理能力的虛擬機(jī)節(jié)點(diǎn)，以節(jié)省任務(wù)調(diào)度時臨時創(chuàng)建虛擬機(jī)的時間耗費(fèi)；2)新任務(wù)調(diào)度：當(dāng)云任務(wù)需要執(zhí)行調(diào)度時，根據(jù)任務(wù)的大小在預(yù)先創(chuàng)建的虛擬機(jī)中尋找合適的虛擬機(jī)節(jié)點(diǎn)，并將任務(wù)與該虛擬機(jī)節(jié)點(diǎn)進(jìn)行匹配；3)新任務(wù)處理：將任務(wù)由尋找到的虛擬機(jī)處理。通過上述方法可以實(shí)現(xiàn)云任務(wù)的合理調(diào)度和減少調(diào)度時間。

針對上述三個步驟具體分析如下：

假設(shè)云系統(tǒng)中有m個不同類型的虛擬機(jī)，有n個用戶提供的任務(wù)。使用v表示虛擬機(jī)集合v＝{v₁,v₂,v₃,……,v_m}。由于每個虛擬機(jī)的計(jì)算能力是不同的，虛擬主機(jī)在不同維度上的資源容量可以用資源向量v_j＝<r_j^cpu,r_j^mem,r_j^net,r_j^stor>表示，其中，j∈[1,m]，r_j^cpu、r_j^mem、r_j^net與r_j^stor分別表示第j個虛擬機(jī)的cpu資源、內(nèi)存資源、網(wǎng)絡(luò)帶寬與硬盤存儲資源。

用T表示n個用戶提供的任務(wù)集合，T＝{t₁,t₂,t₃……,t_n}，其中，任務(wù)t_i進(jìn)一步描述為一個向量t_i＝<t_i^id,t_i^dm,t_i^f>，其中，i∈[1,n]。符號解釋如下。

(1)t_i^id是任務(wù)t_i的標(biāo)識符，表示由第i個用戶提交的唯一id的任務(wù)。

(2)t_i^dm＝<t_i^cpu,t_i^mem,t_i^net,t_i^stor>表示任務(wù)t_i對虛擬機(jī)資源的需求。如果一個虛擬機(jī)滿足不了任務(wù)的任意一個維度的需求，那么任務(wù)在這個虛擬機(jī)上執(zhí)行需要中斷，并可能導(dǎo)致任務(wù)最終無法執(zhí)行結(jié)束。

(3)t_i^f表示用戶提交的任務(wù)最后完成的截止時間，超過這個時間完成，任務(wù)就失效。

云計(jì)算中不同級別的任務(wù)盡可能運(yùn)行在與之級別相匹配的虛擬機(jī)節(jié)點(diǎn)上運(yùn)行，能實(shí)現(xiàn)資源的合理應(yīng)用，在任務(wù)調(diào)度階段，根據(jù)任務(wù)的五個維度(CPU資源t_i^cpu、內(nèi)存資源t_i^mem、網(wǎng)絡(luò)帶寬t_i^net、硬盤存儲資源t_i^stor、任務(wù)截止時間t_i^f)，通過貝葉斯分類器將任務(wù)劃分成若干個等級，再根據(jù)計(jì)算任務(wù)的級別來創(chuàng)建虛擬機(jī)。最后將任務(wù)部署與之相匹配的虛擬機(jī)上，以實(shí)現(xiàn)任務(wù)和資源的合理分配，提高整個云計(jì)算系統(tǒng)的性能。本發(fā)明所研究的云計(jì)算中心可以描述為由虛擬機(jī)集群組成的有限集V＝{H₁,H₂,H₃,……,H_k}其中主機(jī)H₁＝{VM₁,VM₂,……,VM_m}，其中VM_m表示第m個虛擬機(jī)，物理主機(jī)通過虛擬化的方式產(chǎn)生虛擬云平臺。

新任務(wù)調(diào)度步驟中，當(dāng)新的任務(wù)集到達(dá)時，如圖2所示，執(zhí)行以下步驟實(shí)現(xiàn)調(diào)度：

1.任務(wù)到達(dá)貝葉斯分類器時，貝葉斯分類器將根據(jù)任務(wù)的相關(guān)信息計(jì)算出執(zhí)行任務(wù)所需要的虛擬機(jī)級別，并將各任務(wù)的t_iid,t_i^dm,t_i^f提交給虛擬機(jī)控制器。虛擬機(jī)根據(jù)貝葉斯分類器提供的信息，去查詢與當(dāng)前任務(wù)匹配的虛擬機(jī)狀態(tài)信息。

2.如果存在與當(dāng)前任務(wù)匹配的虛擬機(jī)類型，將任務(wù)t_i安排至就緒隊(duì)列；

如果不存在與當(dāng)前任務(wù)匹配的虛擬機(jī)類型，將任務(wù)t_i安排至等待隊(duì)列。

3.當(dāng)調(diào)度器將就緒隊(duì)列中任務(wù)提交給虛擬機(jī)匹配時，虛擬機(jī)匹配搜索該類型中是否有空閑虛擬機(jī)；

若存在空閑虛擬機(jī)，直接部署任務(wù)t_i在該空閑虛擬機(jī)上。

若不存在空閑虛擬機(jī)：將任務(wù)狀態(tài)切換成等待狀態(tài)，掛載至等待隊(duì)列隊(duì)尾。

4.當(dāng)?shù)却?duì)列非空時，由虛擬機(jī)控制器創(chuàng)建合適的虛擬機(jī)，當(dāng)虛擬機(jī)創(chuàng)建完成后。調(diào)度器將當(dāng)前任務(wù)提交給虛擬機(jī)匹配進(jìn)行調(diào)度部署。

5.更新云計(jì)算中心的信息，包括云計(jì)算中心的空閑虛擬機(jī)信息、任務(wù)剩余時間等。若存在任務(wù)因任務(wù)匹配超出任務(wù)執(zhí)行截止期。撤銷任務(wù)，并將其t_i^id放入調(diào)度失敗隊(duì)列。

6.若調(diào)度成功，返回調(diào)度成功標(biāo)識；否則返回調(diào)度失敗隊(duì)列；

上述調(diào)度方法，使得云任務(wù)得到有效且合理的分配，提高云調(diào)度性能和云資源利用率。

本發(fā)明利用貝葉斯分類器進(jìn)行分類，利用云計(jì)算中心任務(wù)規(guī)模的歷史數(shù)據(jù)創(chuàng)建一定數(shù)量、不同級別處理能力的虛擬機(jī)節(jié)點(diǎn)，貝葉斯分類器是在貝葉斯定理的基礎(chǔ)上，結(jié)合先驗(yàn)概率與條件概率，該分類匹配方法，簡單、有效和實(shí)用，在云計(jì)算環(huán)境下選擇基于貝葉斯分類器的任務(wù)分類方法可以很大程度上節(jié)約開銷。此外，該方法可以和MapReduce并行處理機(jī)制組合，迅速有效地獲得匹配結(jié)果，減少云計(jì)算中心的負(fù)載。

利用貝葉斯分類器的分類算法如下：

設(shè)樣本空間為U，訓(xùn)練樣本T_i類的先驗(yàn)概率為P(T_i)如式(1)所示。

$P\left(T_i\right)=\frac{\mathrm{\&Sigma;}\left\{x\right|x\&Element;U\&cap;x\&Element;T_i\}}{\left|U\right|}---\left(1\right)$

式(1)中，i取值為整數(shù)，|U|是樣本總數(shù)。當(dāng)產(chǎn)生一個新樣本ω，根據(jù)貝葉斯定理，可知屬于T_i類的后驗(yàn)概率，如式(2)所示。

P(T_i|ω)＝P(ω|T_i)·P(T_i) (2)

式(2)中，P(ω|T_i)表示新樣本屬于T_i類的條件概率。

設(shè)當(dāng)前有某個虛擬機(jī)節(jié)點(diǎn)類型V_j，(由上可知V_j＝<r_j^cpu,r_j^mem,r_j^net,r_j^stor>)，對于任務(wù)t_i，(由上可知t_i＝<t_i^cpu,t_i^mem,t_i^net,t_i^stor>)，假設(shè)任務(wù)間各個特征屬性相互獨(dú)立，可得：

$P\left(t_i\right|V_j)=P({t_i}^{cpu},{t_i}^{mem},{t_i}^{net},{t_i}^{stor}|V_j)=\underset{k=1}{\overset{4}{\&Pi;}}P\left(t_{ik}\right|r_{jk})---\left(3\right)$

根據(jù)貝葉斯分類方法，分類器對任務(wù)的決策函數(shù)為：

arg max{P(t_i|V_j)P(V_j)}，其中(i＝1,2,3,……,n；j＝1,2,3,……,m)

當(dāng)t_i可以在任務(wù)的截止期內(nèi)完成，且t_i任務(wù)屬于V_j的概率p＝arg max{P(t_i|V_j)P(V_j)},稱t_i是V_j類型的任務(wù)，在調(diào)度時就將其部署在V_j類型的虛擬機(jī)對列中。

當(dāng)t_i在V_j上順利執(zhí)行，將任務(wù)t_i添加到V_j里，從而擴(kuò)大樣本容量，提高先驗(yàn)概率的準(zhǔn)確性。

如圖1所示，基于虛擬機(jī)調(diào)度方法的云計(jì)算系統(tǒng)，包括用戶端、調(diào)度器和主機(jī)，調(diào)度器將用戶端任務(wù)輸送至主機(jī)內(nèi)的虛擬機(jī)處理；實(shí)現(xiàn)任務(wù)調(diào)度、任務(wù)的狀態(tài)轉(zhuǎn)換,并將用戶提交的任務(wù)提交到合適的虛擬機(jī)上，以實(shí)現(xiàn)優(yōu)化調(diào)度。調(diào)度器包括：

(1)貝葉斯分類器：通過貝葉斯算法計(jì)算出提交的任務(wù)類型；

(2)虛擬機(jī)匹配：在貝葉斯分類器的實(shí)現(xiàn)的任務(wù)分類結(jié)果基礎(chǔ)上，進(jìn)行任務(wù)與虛擬機(jī)的匹配；

(3)虛擬機(jī)控制器：虛擬機(jī)創(chuàng)建、虛擬機(jī)的狀態(tài)信息收集、任務(wù)信息的收集等；

(4)就緒序列：有空閑的、滿足條件的虛擬機(jī)，任務(wù)立馬被執(zhí)行；

(5)等待序列：沒有空閑的或滿足條件的虛擬機(jī)，任務(wù)需要等待。

下面以Min-Min為例，與本發(fā)明虛擬機(jī)調(diào)度方法(BSP-ACS)進(jìn)行比較，

其中，Min-min算法是將任務(wù)優(yōu)先分配給能夠最早執(zhí)行任務(wù)并能夠在最短的時間內(nèi)完成任務(wù)的節(jié)點(diǎn)。算法需要提前計(jì)算得出最先執(zhí)行任務(wù)的節(jié)點(diǎn)和執(zhí)行任務(wù)速度最快的節(jié)點(diǎn)，然后將任務(wù)依次按照“最先最短”的原則進(jìn)行任務(wù)分配。進(jìn)行了10組對比實(shí)驗(yàn)，統(tǒng)計(jì)并求出平均值，分別記錄了調(diào)度所需的最優(yōu)跨度時間、任務(wù)平均等待時間以及任務(wù)失效率等。

(1)時間跨度是云系統(tǒng)處理用戶提交的任務(wù)集合需要消耗的總時間，時間跨度越小，則云系統(tǒng)的交互性和服務(wù)質(zhì)量越好。

(2)任務(wù)平均等待時間是用戶提交的任務(wù)等待時間的均值，也是云系統(tǒng)整體處理能力與吞吐量的表現(xiàn)。

從圖3可知，Min-min算法與BSP–ACS算法調(diào)度所需的最優(yōu)跨度時間。

從圖4可知，隨著任務(wù)的級別升高，BSP-ACS算法與Min-Min算法的任務(wù)平均等待時間也相應(yīng)提高。由圖可知，BSP-ACS算法的任務(wù)等待時間相對穩(wěn)定，并且總是優(yōu)于Min-Min算法。這一優(yōu)勢在任務(wù)量增大時更為明顯。

從圖5可知，隨著任務(wù)的級別升高，BSP-ACS與Min-Min的任務(wù)失效率也相應(yīng)提高，但BSP-ACS算法在任務(wù)失效率方面具有顯著的優(yōu)勢，而Min-Min算法隨著任務(wù)級別的升高，任務(wù)失效率明顯提高。隨著任務(wù)規(guī)模的增大，這一優(yōu)勢將明顯增大。

從圖6可知，BSP-ACS的各個類型的虛擬機(jī)使用率較為穩(wěn)定。BSP-ACS算法在負(fù)載均衡方面具有顯著的優(yōu)勢，而Min-Min算法存的劣勢是性能高的虛擬機(jī)使用率高，性能低的虛擬機(jī)使用率低。隨著任務(wù)規(guī)模的增大，負(fù)載不均衡，這種劣勢也越來越明顯。

通過仿真實(shí)驗(yàn)表明，對不同級別的任務(wù)進(jìn)行調(diào)度，對比可知，BSP-ACS具有明顯的性能優(yōu)勢，隨著任務(wù)數(shù)量和任務(wù)規(guī)模的增加，最優(yōu)跨度時間、任務(wù)平均等待時間也隨之增加，但失效率趨于穩(wěn)定。此外，BSP-ACS的各個類型的虛擬機(jī)使用率較為穩(wěn)定。

上面結(jié)合附圖對本發(fā)明進(jìn)行了示例性描述，顯然本發(fā)明具體實(shí)現(xiàn)并不受上述方式的限制，只要采用了本發(fā)明的方法構(gòu)思和技術(shù)方案進(jìn)行的各種非實(shí)質(zhì)性的改進(jìn)，或未經(jīng)改進(jìn)將本發(fā)明的構(gòu)思和技術(shù)方案直接應(yīng)用于其它場合的，均在本發(fā)明的保護(hù)范圍之內(nèi)。