云计算环境下基于模板的任务调度策略制造技术

本发明专利技术公开了云计算环境下基于模板的任务调度策略，建立星型网络，任务到达云平台时，初始位置在调度节点P，根据现有的任务集合以及处理机集群的状态，调度节点采用和的调度算法得到每个任务和处理机的映射，然后通过网络将各个任务传给对应的处理机并运行，所有任务运行结束的时间即为该调度算法下产生的任务完成时间T。本发明专利技术的有益效果是从一个新的角度提出一类新的任务调度方式，该方式较传统方式对参数进行了预处理，从全局出发得到一个整体较优的模板，进行有目标的调度，使得任务集合在云计算环境下的完成时间得到了较大的优化。

【技术实现步骤摘要】

本专利技术属于云计算任务调度
，涉及云计算环境下基于模板的任务调度策略。
技术介绍
云计算是一种新兴的信息技术服务模式，由网格计算、分布式计算和并行计算等发展而来。作为商业平台，云计算面对庞大的资源和任务数量，需要合理的任务调度策略保证其资源得到充分利用，任务得以高效处理，除此之外，还需要考虑云服务提供商的利益和用户的服务质量，因此任务调度一直都是云计算的研究热点之一。目前针对云计算的任务调度算法并不多，关于其研究更多的是建立在网格计算的基础上，通过对传统经典算法进行改进以适应云计算平台。当前针对网格计算已有很多经典的任务调度算法，任务调度可分为实时调度和批量调度，实时调度即任务到达后马上进行调度，而批量调度是任务到达后先加入任务集合列表，在固定时间段后对任务集合列表中的任务进行集中调度。下面介绍几个经典的批量任务调度算法：1.Min-min算法Min-min算法每次迭代得到一个任务的目标处理器并对该任务进行调度，迭代次数根据任务集合大小而定。具体步骤为：根据处理器状态，对任务集合中的每个任务计算其在所有处理器上的期望完成时间，取最早完成时间；对比所有任务的最早完成时间，取最早完成的那一个任务并将该任务调度到对应的处理器上，并从任务集合中删除该任务；更新处理器状态，重复上述步骤直至任务集合中为空。该算法属于贪心算法中的一种，当处理器集群中存在高性能节点时，使用该算法容易导致任务被集中分布在这些高性能处理器上，其他处理器处于空闲状态，致使负载不均衡以及资源的浪费，该缺陷在本文的实验中得到了验证。2.Max-min算法Max-min算法和Min-min算法非常相似，需要计算每个任务在处理机中的最早完成时间，不同的是被分配出去的是任务集合中最早完成时间最晚的那一个，然 后从任务集合中删除该任务，更新处理器状态并进行下一个任务的调度。Max-min算法也属于贪心算法的一种，在一般情况下，相对于Max-min算法，Min-min的调度效果较优，Max-min算法调度结果的运行时间会比较长。只有当一个任务集合中，短任务数量远远多于长任务数量时，Max-min的调度效果有可能优于Min-min。3.Sufferage算法Sufferage算法可以称之为代价算法，其决定任务调度顺序的标准为代价值，即Sufferage值。具体步骤为：计算任务集合中每个任务在所有处理机上的最早完成时间和次早完成时间；计算代价值，也就是Sufferage值，计算方法为次早完成时间与最早完成时间之间的差值，这样每个任务都对应了一个Sufferage值；挑选Sufferage值最大的任务调度到最早完成时间所对应的处理器上；从任务集合中删除该任务，更新处理机状态，重复上述步骤直至任务集合为空。Sufferage算法将代价作为判断任务调度顺序的标准，防止高代价任务完成时间过晚而对整个调度的效果造成较大的影响。4.启发式算法 网格计算的任务调度为NP难问题，启发式算法自然也就被大量应用于调度问题中，例如遗传算法(Genetic Algorithm,GA)和蚁群算法(Ant Colony Optimization,ACO)等。遗传算法是解决最优化算法的一种启发式搜索算法，是一种进化算法，类比生物的进化过程，遗传算法通过逐代的优胜劣汰来求得近似最优解，在编码产生种群后，每次迭代都需要经过选择、交叉、变异等过程产生新的个体。蚁群算法的灵感来自于蚂蚁觅食时，通过释放信息素最终在蚁穴和食物源之间找到一条最短路径，算法通过引入信息素概念及信息素的更新机制，模拟蚂蚁觅食来求解优化问题。关于云计算的任务调度实际应用中，在开源云计算框架Hadoop下给出了三种不同的调度算法：FIFO(First In First Out)、公平调度算法(Fair Scheduler)、计算能力调度算法(Capacity Scheduler)。FIFO算法按照任务到达的顺序对任务进行分配，但是FIFO没有考虑任务的分类、优先等级以及QoS要求，可能会造成任务等待时间过长，这对实时交互的任务是不可接受的，因此难以同时满足所有用户的要求。公平调度算法即将资源平均的分配各个任务，当平台中只有一个任务 时，该任务独占所有的资源，当有新的任务加入到平台中时，平台需要将部分资源释放分配给新的任务，让所有的任务获得同等的资源；在实际应用中，会根据任务的优先级赋予不同的权值，然后以权值为依据来分配资源，将绝对公平转变为相对公平。计算能力调度算法是由Yahoo首先提出的，算法拥有多个队列来维护到达云平台的任务，每个队列根据系统配置会获取相应的系统资源，在每个队列内部采用基于优先级的FIFO调度策略，且为非抢占式的。以上算法中，对任务的调度方式是通过选择当前最佳任务来达到优化任务集合完成时间的目的，但是当前最佳并不意味着总体最佳，本专利技术通过对各个参数进行预处理，从全局出发得到一个整体较优的模板，进行有目标的调度，从而得到较好的调度结果。
技术实现思路
本专利技术的目的在于提供云计算环境下基于模板的任务调度策略，优化了任务集合在云计算环境下的完成时间。本专利技术所采用的技术方案是建立星型网络，P为调度节点，p1至pm为任务运行的处理机，处理机pi与调度节点P直接相连，通信链路为li，其中1≤i≤m；任务调度云平台由调度节点P，网络N和处理机M三部分组成，即任务调度云Cloud＝{P，N，M本文档来自技高网...

【技术保护点】
云计算环境下基于模板的任务调度策略，其特征在于：建立星型网络，P为调度节点，p1至pm为任务运行的处理机，处理机pi与调度节点P直接相连，通信链路为li，其中1≤i≤m；任务调度云平台由调度节点P，网络N和处理机M三部分组成，即任务调度云Cloud＝{P，N，M}，其中M＝{p1，p2，…，pm}，m为处理机个数，pi运行单位大小任务的时间为ri；N＝{l1，l2，…，lm}，li为P与pi之间的连接链路，对单位大小任务的传输时间为si，其中1≤i≤m；用户提交的任务集合为Task＝{t1，t2，…，tn}，n为任务个数，tj的大小为αj，且tj为独立任务，不可再分且与其他任务之间不存在依赖关系，其中1≤j≤n；任务调度的过程如下：任务到达云平台时，初始位置在调度节点P，根据现有的任务集合以及处理机集群的状态，调度节点采用和的调度算法得到每个任务和处理机的映射，然后通过网络将各个任务传给对应的处理机并运行，所有任务运行结束的时间即为该调度算法下产生的任务完成时间T。

【技术特征摘要】
1.云计算环境下基于模板的任务调度策略，其特征在于：建立星型网络，P为调度节点，p1至pm为任务运行的处理机，处理机pi与调度节点P...

【专利技术属性】
技术研发人员：李强，刘昭昭，袁熙，林若男，李雪，逯峻雨，盛小东，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51