基于分段服务等级协议的数据中心虚拟机资源调度方法技术

技术编号:12735965 阅读:70 留言:0更新日期:2016-01-20 19:49
本发明专利技术公开了一种基于分段服务等级协议的数据中心虚拟机资源调度方法,包括:根据云环境用户作业执行响应时间和执行过程,将用户作业和每个阶段的执行时间,分为三个部分;根据作业执行过程,将服务等级协议对应进行分段;定义有效单位时间花费UUTC;以虚拟机资源,作为强化学习的状态空间;以分配和回收作为强化学习动作空间;利用强化学习进行虚拟机资源调度策略学习,制定规则;对于后续到达的云作业流,从步骤一开始执行。本发明专利技术在确保服务质量等级(SLA)的前提下,减少cpu、内存、带宽等资源;反之,则增加相应的资源。

【技术实现步骤摘要】

本专利技术属于云平台
,尤其涉及一种基于分段服务等级协议的数据中心虚拟机资源调度方法
技术介绍
动态的云计算环境下虚拟机资源和应用系统参数在线动态优化配置非常困难。一方面,云计算中各类底层硬件资源的规模通常是非常庞大的。另一方面,动态的云计算环境具有很大的不确定性。因此,动态的云计算环境客观上要求通过高度自适应手段来实现虚拟机资源和应用系统参数的在线动态优化配置。另外,云计算中虚拟机资源和应用系统参数的配置往往互相影响,需要协调配置,单独调整一方面未必就能提高资源利用率和应用服务性能。动态的云计算环境客观上也要求虚拟机资源与应用系统参数以协同方式进行在线动态自适应优化配置。近年来,国内外许多学者都将研究聚焦在云平台中虚拟机放置问题上,适当的虚拟机放置方法可以提高资源的利用率,提升系统的可靠性和用户体验,节约资源。文献“Amatrixtransformationalgorithmforvirtualmachineplacementincloud”中引入了多目标优化模型,提出了一种基于矩阵变换的算法,有效控制了完成任务所需物理机数量,同时提高资源的利用率。但是该算法的优化模型只关注了整个资源池中多维资源的闲置情况,而没有考虑单个物理机中资源的利用率情况,整个算法对各物理的负载均衡情况没有加以考虑,因而数据中心运行可靠性会降低。文献“基于粒子群优化算法的虚拟机放置策略”提出了一种基于粒子群算法的虚拟机放置策略,有效提高了用户任务请求响应时间,提高整个系统的任务处理速度。但是该算法单一的将CPU对数据处理时延作为求解函数最优解的标准,没有考虑系统的负载均衡问题。文献“Adynamicpriorityschedulingalgorithmonservicerequestschedulingincloudcomputing”中对系统资源进行实时监控,并计算当前资源利用率,将用户任务分配到资源利用率最低的物理机上。该算法能够为用户提供一个较好的QoS,但是系统资源利用率不高。文献“Amulti-objectiveantcolonysystemalgorithmforvirtualmachineplacementincloudcomputing”提出了基于蚁群算法的物理机负载均衡方法,该算法采用启发式的算法实现复杂度很高,影响用户的等待时间,算法收敛速度过慢。文献“Sharesandutilitiesbasedpowerconsolidationinvirtualizedserverenvironments”提出了一种基于分配最大资源、最小资源以及共享资源特性的虚拟机资源分配算法。但是该算法主要针对单个物理机进行资源分配,没有很好的对云系统中其它物理机的资源进行合理分配,不适合数据中心集群调度环境。
技术实现思路
本专利技术的目的在于提供一种基于分段服务等级协议的数据中心虚拟机资源调度方法,旨在在动态的云计算环境中在保证服务级别协定前提下最大限度提高资源利用率。本专利技术是这样实现的,一种基于分段服务等级协议的数据中心虚拟机资源调度方法包括:步骤一、根据云环境用户作业执行响应时间和执行过程,将用户作业和每个阶段的执行时间,分为三个部分,分别为云作业排队时间JQT,云作业执行时间JET和云作业传输时间JTT;步骤二、根据作业执行过程,将服务等级协议对应进行分段;步骤三、定义有效单位时间花费UUTC为Totalcost为执行完一个用户作业所支付的费用,具体取值由云服务提供商与用户协商;Ttot为作业响应时间,其值为Ttot=JQT+JET+JTT;步骤四、以虚拟机资源,作为强化学习的状态空间;以分配和回收作为强化学习动作空间;步骤五、利用强化学习进行虚拟机资源调度策略学习,制定规则;步骤六、对于后续到达的云作业流,从步骤一开始执行。进一步,步骤二中,将服务等级协议对应进行分段,分别满足下式:JQT≤SLAJQT;JET≤SLAJET;JTT≤SLAJTT。进一步,步骤四中,以分配和回收作为强化学习动作空间,立即回报函数描述如下:(1)若当前作业的UUTC大于平均UUTC,且该作业满足服务等级协议和QoS约束,则回报为1;(2)若当前作业不满足服务等级协议和QoS约束,则回报为-1;(3)其他情况,回报为0。进一步,步骤五中制定的规则为:(1)若作业在执行过程中的某个阶段,违反了分段服务等级协议的约束,则该作业在后续的执行过程中,增加分配的虚拟机资源;(2)若该作业的UUTC小于平均UUTC,则该作业在后续的执行过程中,减少分配的虚拟机资源;其中,cpu资源每次增加或减少1个,内存每次增加或减少256M,带宽每次增加或减少256kbps。本专利技术数据中心的虚拟机能根据用户提交作业的达到率动态调整虚拟机资源。例如,当用户作业的达到率较低时,本专利技术在确保服务质量等级(SLA)的前提下,减少cpu、内存、带宽等资源;反之,则增加相应的资源。本专利技术方法与其他类似方法的性能比较附图说明图1是本专利技术实施例提供的基于分段服务等级协议的数据中心虚拟机资源调度方法流程图。图2是本专利技术实施例提供的不同压力下,本专利技术与利用率方法使用CPU数目的比较示意图。图3是本专利技术实施例提供的本专利技术与利用率资源分配方法和原始Q资源分配方法的比较示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。下面结合附图及具体实施例对本专利技术的应用原理作进一步描述。如图1所示,本专利技术实施例的基于分段服务等级协议的数据中心虚拟机资源调度方法包括:S101、根据云环境用户作业执行响应时间和执行过程,将用户作业和每个阶段的执行时间,分为三个部分,分别为云作业排队时间JQT,云作业执行时间JET和云作业传输时间JTT;S102、根据作业执行过程,将服务等级协议对应进行分段;S103、定义有效单位时间花费UUTC;S104、以虚拟机资源,作为强化学习的状态空间;以分配和回收作为强化学习动作空间;S105、利用强化学习进行虚拟机资源调度策略学习,制定规则;S106、对于后续到达的云作业流,从步骤S101开始执行。进一步,Totalcost为执行完一个用户作业所支付的费用,具体取值由云服务提本文档来自技高网
...
基于分段服务等级协议的数据中心虚拟机资源调度方法

【技术保护点】
一种基于分段服务等级协议的数据中心虚拟机资源调度方法,其特征在于,所述的基于分段服务等级协议的数据中心虚拟机资源调度方法包括:根据云环境用户作业执行响应时间和执行过程,将用户作业和每个阶段的执行时间,分为三个部分,分别为云作业排队时间JQT,云作业执行时间JET和云作业传输时间JTT;根据作业执行过程,将服务等级协议对应进行分段;定义有效单位时间花费UUTC为Total cost为执行完一个用户作业所支付的费用,具体取值由云服务提供商与用户协商;Ttot为作业响应时间,其值为Ttot=JQT+JET+JTT;以虚拟机资源,作为强化学习的状态空间;以分配和回收作为强化学习动作空间;利用强化学习进行虚拟机资源调度策略学习,制定规则;

【技术特征摘要】
1.一种基于分段服务等级协议的数据中心虚拟机资源调度方法,其特征在
于,所述的基于分段服务等级协议的数据中心虚拟机资源调度方法包括:
根据云环境用户作业执行响应时间和执行过程,将用户作业和每个阶段的
执行时间,分为三个部分,分别为云作业排队时间JQT,云作业执行时间JET
和云作业传输时间JTT;
根据作业执行过程,将服务等级协议对应进行分段;
定义有效单位时间花费UUTC为Totalcost为执行完一个
用户作业所支付的费用,具体取值由云服务提供商与用户协商;Ttot为作业响应
时间,其值为Ttot=JQT+JET+JTT;
以虚拟机资源,作为强化学习的状态空间;以分配和回收作为强化学习动
作空间;
利用强化学习进行虚拟机资源调度策略学习,制定规则;
2.如权利要求1所述的基于分段服务等级协议的数据中心虚拟机资源调度
方法,其特征在于,将服务等级协议对应进行分段,分别满足下式:
JQT≤SLAJQT;
JET≤SLAJET;
JTT≤SLAJTT。
3.如权利要求1所述的基于分段服务等级协议的数据中心虚拟机...

【专利技术属性】
技术研发人员:崔得龙彭志平柯文德左敬龙
申请(专利权)人:广东石油化工学院
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 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。

1