统筹资源可信度与用户满意度的分布式资源调度方法技术

本发明专利技术公开了统筹资源可信度与用户满意度的分布式资源调度方法，向作业响应Agent提交作业；作业响应Agent向用户返回作业完成结果；作业分解分发Agent将分解后的子作业发给作业调度Agent；资源搜索Agent搜索网络中在线的资源注册资源；作业调度Agent将子作业分配到资源Agent中；资源Agent确定注册，接受作业调度Agent发送的作业，完成作业；作业监控Agent监控资源Agent的状态，当接到资源Agent发送的移交作业申请时，将作业进行重新分配。本发明专利技术的有益效果是综合提升了用户的满意度，降低了作业的平均返回时间，提高了分布式系统的运行效率。

【技术实现步骤摘要】

本专利技术属于分布式算法
，涉及统筹资源可信度与用户满意度的分布式资 源调度方法。
技术介绍
分布式计算系统利用了互联网上数以千百万计的闲置计算资源，可以获得比集中 式计算系统更强大的计算能力。由于其资源的海量性、组成的异构性以及网络通信的延迟 性，使得其资源调度问题成为难点。资源的调度是指将用户提交的作业合理分配到恰当的 资源以满足用户的需求，最大化系统运行的效益。针对分布式资源调度问题，学者提出了一 系列的调度策略。文献 提出了一种基于蚁群算法的分布式资源调度策略预测模型，主要 是为了提高分布式计算的动态性和实时性，提高资源调度的实时性和有效性。文献 提 出了基于可信度的分布式资源调度策略，其核心在于预测资源未来时刻的负载状况进而计 算得到可信度，根据可信度来决定作业的分配。文献 提出了基于用户总体满意度的遗 传任务调度算法，该算法根据不同用户的偏好设计了用户满意度函数，通过遗传算法来优 化调度过程，从而使得用户的总体满意度得到提升。文献 提出了一种均衡调度算法，该 算法对作业根据依赖关系计算阶位值，依据该值进行作业动态调整，使关键作业尽早完成， 减少作业之间的等待，缩短计算作业流执行时间，结果表明，该算法对作业管理系统中投入 的计算作业流的快速执行有较强优越性。文献 对现有文献中的关于调度问题的遗传算 法进行研宄和比较后，该文提出了一种基于遗传算法的任务调度方法，在算法中设计了一 种与其他算法不同的变异算子。文献 针对固定处理节点分布式系统动态调控能力弱的 问题，给出一种分布式系统任务调度模型。模拟实验证明，该算法有较好的动态调控能力， 能根据需要降低处理器负载、改善任务处理延时并更合理地利用系统资源。文献 提出了 一种基于公平指标的任务调度负载均衡算法，推导出在多节点条件下的任务分配方法，并 在此模型下改进了基于公平指标的负载均衡算法。文献 在深入研宄分布式系统中负载 平衡调度问题的基础上，归纳总结了负载平衡调度的一般模型，对影响负载平衡的各个因 素进行了详细的分析。文献 提出了基于移动agent的分布式资源分配策略（MADRAP)， 该策略在传统的分布式资源分配策略基础上改进了学习机制，实现了全局稳定的任务均衡 负载。文献 研宄了分布式实时系统中的Agent调度算法，建立了分布式实时多Agent系 统的结构模型，并对其结构特点、负载能力和常用的Agent实时调度算法分别进行了分析 与论述。文献讨论了在多Agent系统中多组作业的并行调度问题，提出了调度效率的概 念和多Agent相关任务均衡-压缩调度算法（MADTBCSA)。 上述研宄或侧重于资源可靠性的研宄，而忽略了用户对于作业的要求，因为现实 中有的用户对于运行时间敏感，而有的用户对于运行费用敏感，忽略用户的需求将导致用 户满意度的下降；或片面强调了用户满意度，如文献 中满意度的计算方式是静态的，未 能考虑到负载之后满意度的变化；或偏重于设计负荷均衡机制和Agent协作机制，而在目 标函数中未能人性化地考虑到用户的感受以及资源的可靠性。
技术实现思路
本专利技术的目的在于提供，解 决了现有的算法作业的平均返回时间高，系统运行效率低的问题。 本专利技术所采用的技术方案是按照以下步骤进行： 步骤1 :用户Agent:向作业响应Agent提交作业，作为资源的消费者出现，作业申 请成功时占用资源，作业完成后释放资源； 步骤2 :作业响应Agent:接受用户提交的作业申请，向用户返回作业完成结果； 步骤3 :作业分解分发Agent:接受作业响应Agent发送的作业，将作业分解成可 被分解的最小粒度，即子作业，并将分解后的子作业发给作业调度Agent; 步骤4 :资源搜索Agent:搜索网络中在线的资源，注册资源； 步骤5 :作业调度Agent:作业调度Agent接受已经被划分为最小粒度的子作业， 通过调度算法将子作业分配到资源Agent中； 步骤6 :资源Agent:在线时向资源搜索Agent发送在线消息，选择资源搜索 Agent，确定注册，接受作业调度Agent发送的作业，完成作业，检测自身状态，向资源搜索 Agent发送自身资源可信度，当调度倾泻或者作业失败时向作业监控Agent申请移交作业； 步骤7 :作业监控Agent:监控资源Agent的状态，当接到资源Agent发送的移交作 业申请时，将作业进行重新分配。 进一步，所述步骤5中的调度算法为： 设作业调度Agent中的作业Agent资源为1，2,......，m，以及资源1，2,......， m的可信度矩阵R= T，矩阵为多个费用的线性组合，和接受的作业1，2,......，n以 及作业的满意度矩阵【主权项】1. ，其特征在于按照以下步骤进 行： 步骤1 :用户Agent :向作业响应Agent提交作业，作为资源的消费者出现，作业申请成 功时占用资源，作业完成后释放资源； 步骤2 :作业响应Agent :接受用户提交的作业申请，向用户返回作业完成结果； 步骤3 :作业分解分发Agent :接受作业响应Agent发送的作业，将作业分解成可被分 解的最小粒度，即子作业，并将分解后的子作业发给作业调度Agent ; 步骤4 :资源搜索Agent :搜索网络中在线的资源，注册资源； 步骤5 :作业调度Agent :作业调度Agent接受已经被划分为最小粒度的子作业，通过 调度算法将子作业分配到资源Agent中； 步骤6 :资源Agent :在线时向资源搜索Agent发送在线消息，选择资源搜索Agent，确 定注册，接受作业调度Agent发送的作业，完成作业，检测自身状态，向资源搜索Agent发送 自身资源可信度，当调度倾泻或者作业失败时向作业监控Agent申请移交作业； 步骤7 :作业监控Agent :监控资源Agent的状态，当接到资源Agent发送的移交作业申 请时，将作业进行重新分配。2. 按照权利要求1所述，其特征 在于：所述步骤5中的调度算法为： 设作业调度Agent中的作业Agent资源为1，2,......，m，以及资源1，2,......，m的 可信度矩阵R= T，矩阵是资源可信度r(t)的线性组合，以及费用矩阵C =T，矩阵为多个费用的线性组合，和接受的作业1，2,......，η以及作 业的满意度矩阵其中，表示第i个用户对第j个资源的满意度，w "表示第η个用户对第m个资源的 满意度，Wmi中的η和m分别表示用户作业个数和资源个数，而w u中i和j分表表示具体的 第i个用户作业和具体的第j个资源，采用遗传算法进行计算，计算过程如下： 染色体编码： 染色体为一个η维的元素为整数的矢量D =，(IiQ = 1~η)，为整数，表 示第i个作业被分配到了第Cli个资源上，d i的取值范围为1~m，D矢量完全代表了当前作 业1，2,......，η的分配资源情况； 种群初始化： 设置种群大小popNum后，生成popNum个染色体，每个染色体中的元素均为随机生成， 随机数的范围位于1~m之间； 适应度函数：初始化完成之后，对种群中染色体的适应度进行评估，第i个作业分配到 第屯个资源上，此时用户的满意度函数如下： Wit和w 分别为本文档来自技高网...

【技术保护点】
统筹资源可信度与用户满意度的分布式资源调度方法，其特征在于按照以下步骤进行：步骤1：用户Agent：向作业响应Agent提交作业，作为资源的消费者出现，作业申请成功时占用资源，作业完成后释放资源；步骤2：作业响应Agent：接受用户提交的作业申请，向用户返回作业完成结果；步骤3：作业分解分发Agent：接受作业响应Agent发送的作业，将作业分解成可被分解的最小粒度，即子作业，并将分解后的子作业发给作业调度Agent；步骤4：资源搜索Agent：搜索网络中在线的资源，注册资源；步骤5：作业调度Agent：作业调度Agent接受已经被划分为最小粒度的子作业，通过调度算法将子作业分配到资源Agent中；步骤6：资源Agent：在线时向资源搜索Agent发送在线消息，选择资源搜索Agent，确定注册，接受作业调度Agent发送的作业，完成作业，检测自身状态，向资源搜索Agent发送自身资源可信度，当调度倾泻或者作业失败时向作业监控Agent申请移交作业；步骤7：作业监控Agent：监控资源Agent的状态，当接到资源Agent发送的移交作业申请时，将作业进行重新分配。

【技术特征摘要】

【专利技术属性】
技术研发人员：江务学，胡选子，
申请(专利权)人：江务学，
类型：发明
国别省市：广东;44