一种云计算任务分配方法、装置、设备及存储介质制造方法及图纸

本发明专利技术适用计算机技术领域，提供了一种云计算任务分配方法、装置、设备及存储介质，该方法包括：在接收到云任务分配请求时，根据云任务分配请求中待分配的云计算任务，构建云任务分配模型，通过云任务分配模型和蚁群算法，对云计算任务的分配进行第一预设数目次优化，生成第一预设数目个中间分配路径，通过遗传算法对中间分配路径进行第二预设数目次进化，生成云计算任务的最优分配路径，将云计算任务按照最优分配路径分配给云环境中的虚拟机，从而通过蚁群、遗传算法组合的混合群智能算法有效地提高了云计算任务分配的性能，保证了云计算任务较短的响应时间和完成时间，进而提高了云计算平台的服务质量和用户体验。

A cloud computing task allocation method, device, device and storage medium

The invention is applicable to the field of computer technology, and provides a cloud computing task allocation method, device, device and storage medium. The method includes: when receiving the cloud task allocation request, according to the cloud task allocation request to be allocated, the cloud task allocation model is constructed, and the cloud task allocation model and ants are used. Cluster algorithm optimizes the assignment of cloud computing tasks in the first preset number of times, generates the first preset number of intermediate assignment paths, and uses genetic algorithm to evolve the second preset number of times to generate the optimal assignment path of cloud computing tasks, and assigns cloud computing tasks to the cloud according to the optimal assignment path. The virtual machine in the environment can effectively improve the performance of cloud computing task allocation through hybrid swarm intelligence algorithm combined with ant colony algorithm and genetic algorithm, ensure the shorter response time and completion time of cloud computing tasks, and then improve the service quality and user experience of cloud computing platform.

【技术实现步骤摘要】
一种云计算任务分配方法、装置、设备及存储介质
本专利技术属于计算机
，尤其涉及一种云计算任务分配方法、装置、设备及存储介质。
技术介绍
云计算是一个方便、灵活的计算模式，是可通过网络进行访问和使用的计算资源(例如：网络、服务器、存储、应用程序服务)的共享池，其核心思想是将大量计算资源进行统一的管理和调度，以使这些计算资源像日常生活中的水一样在网络中按需分配。云计算任务分配是指根据用户所请求任务的复杂性，在有限的云计算资源下对海量的调度任务进行处理。近年来，对云计算任务分配方法的研究正在不断地发展，然而现有的云计算调度方法性能不佳，难以在用户提交大量独立任务时保证任务的响应时间、完成时间尽可能的短，从而难以保证云计算平台的服务质量和用户体验。
技术实现思路
本专利技术的目的在于提供一种云计算任务分配方法、装置、设备及存储介质，旨在解决由于现有技术中云计算任务分配方法的性能不佳，难以保证云计算任务的响应时间和完成时间较短的问题。一方面，本专利技术提供了一种云计算任务分配方法，所述方法包括下述步骤：当接收到用户的云任务分配请求时，根据所述云任务分配请求中待分配的云计算任务，构建云任务分配模型；通过所述云任务分配模型和预设的蚁群算法，对所述云计算任务的分配进行第一预设数目次优化，生成所述第一预设数目个中间分配路径；通过预设的遗传算法对所述中间分配路径进行第二预设数目次进化，生成所述云计算任务的最优分配路径；将所述云计算任务按照所述最优分配路径分配给云环境中的虚拟机。另一方面，本专利技术提供了一种云计算任务分配装置，所述装置包括：模型构建单元，用于当接收到用户的云任务分配请求时，根据所述云任务分配请求中待分配的云计算任务，构建云任务分配模型；蚁群优化单元，用于通过所述云任务分配模型和预设的蚁群算法，对所述云计算任务的分配进行第一预设数目次优化，生成所述第一预设数目个中间分配路径；遗传进化单元，用于通过预设的遗传算法对所述中间分配路径进行第二预设数目次进化，生成所述云计算任务的最优分配路径；以及任务分配单元，用于将所述云计算任务按照所述最优分配路径分配给云环境中的虚拟机。另一方面，本专利技术还提供了一种云计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述云计算任务分配方法所述的步骤。另一方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述云计算任务分配方法所述的步骤。本专利技术根据云任务分配请求中待分配的云计算任务，构建云任务分配模型，通过云任务分配模型和蚁群算法，对云计算任务的分配进行优化，生成第一预设数目个中间分配路径，通过遗传算法对中间分配路径进行第二预设数目次进化，生成云计算任务的最优分配路径，将云计算任务按照最优分配路径分配给虚拟机，从而在用户提交大量独立的云计算任务时，通过蚁群、遗传算法组合的混合群智能算法有效地提高了云计算任务分配的性能，保证云计算任务较短的响应时间和完成时间，进而提高了云计算平台的服务质量和用户体验。附图说明图1是本专利技术实施例一提供的一种云计算任务分配方法的实现流程图；图2是本专利技术实施例二提供的一种云计算任务分配装置的结构示意图；图3是本专利技术实施例二提供的一种云计算任务分配装置的优选结构示意图；以及图4是本专利技术实施例三提供的云计算设备的结构示意图。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，以下结合附图及实施例，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。以下结合具体实施例对本专利技术的具体实现进行详细描述：实施例一：图1示出了本专利技术实施例一提供的一种云计算任务分配方法的实现流程，为了便于说明，仅示出了与本专利技术实施例相关的部分，详述如下：在步骤S101中，当接收到用户的云任务分配请求时，根据云任务分配请求中待分配的云计算任务，构建云任务分配模型。本专利技术适用于云计算平台，在接收到不同用户的云任务分配请求时，从这些云任务分配请求中获取待分配的云计算任务，根据这些云计算任务，可构建云任务分配模型。在构建云任务分配模型时，由于在云环境中多个虚拟机分布在宿主机上，云计算任务分配即将云计算任务分配这些虚拟机，可通过建立任务虚拟机配对过程来构建云任务分配模型。作为示例地，在从云任务分配请求中共获得m个待分配的云计算任务A＝(a1,a2,...,am)，m个云计算任务在n个虚拟机VM＝{v1,v2,...,vn}上执行，形成任务虚拟机配对(ai,vj)，用表示每个云计算任务在虚拟机上的执行时间。在步骤S102中，通过云任务分配模型和预设的蚁群算法，对云计算任务的分配进行第一预设数目次优化，生成第一预设数目个中间分配路径。在本专利技术实施例中，第一预设数目为预设的、蚁群算法的最大迭代次数(或最大优化次数)，将任务虚拟机模型中每个任务虚拟机配对分别设置为对应的节点，蚁群算法中的蚁群需要在这些节点间寻找一条最优路径。可先对每个任务虚拟机配对节点间的信息素进行初始化，生成蚁群算法中的信息素矩阵，再通过蚁群算法中的蚂蚁在任务虚拟配对节点中走出相应路径，将这些路径中的局部最优路径设置为中间分配路径，再根据云计算任务在虚拟机上所需的运行时间，可对每条蚂蚁经过的路径上的信息素进行更新，以便通过信息素引导后续的蚁群优化过程。优选地，蚁群算法中每只蚂蚁在任务虚拟配对节点中走出相应路径时，通过预设的概率公式在任务虚拟机配对节点中选择下一个要走到的节点，从而提高蚁群算法的路径搜索能力。例如，当第t次优化过程中任务虚拟机配对节点(ai,vj)位于蚂蚁k的可搜索任务表中时，蚂蚁k行走到任务虚拟机配对节点(ai,vj)的概率为：其中，τij(t)、γij(t)分别表示第t次优化过程中的资源信息素浓度、资源的固有属性(如计算和通信能力)，α、β分别表示信息素的重要程度、资源固有属性的重要程度，AllowedTasks(t)表示第t次优化过程中蚂蚁的可搜索任务表，vms为可选的虚拟机。当第t次优化过程中任务虚拟机配对节点(ai,vj)不位于蚂蚁k的可搜索任务表中时，蚂蚁k行走到任务虚拟机配对节点(ai,vj)的概率为0。在本专利技术实施例中，蚁群算法模拟自然环境中的蚁群现象，所以信息素的更新除了包括蚂蚁经过时留下的信息素，还要考虑信息素的自然挥发。优选地，信息素矩阵的更新公式表示为：其中，rho为预设的挥发因子，Delta表示蚂蚁经过时留下的信息素，Delta＝Q/max(costVm)，Q为预设的权重参数，costVm[1...M]为蚂蚁经过的路径上各个虚拟机的时间消耗，max(costVm)为蚂蚁经过的路径上各个虚拟机的时间消耗中最长的时间消耗，从而依据云计算任务在虚拟机上的运行时间，对每只蚂蚁相应路径上的信息素进行更新，有效地提高了信息素更新的准确度。进一步优选地，在每只蚂蚁走完各自的路径后，使经过局部最优路径的每只蚂蚁按照预设的最优路径信息素更新公式在局部最优路径上再一次释放信息素，从而间接地增加全局路径最优路径的信息素，有利于快速地找到全局最优路径。作为示例地，最优路径信息素更新公式中信息素的更新值可表示为：δ＝Q”/best本文档来自技高网...

【技术保护点】
1.一种云计算任务分配方法，其特征在于，所述方法包括下述步骤：当接收到用户的云任务分配请求时，根据所述云任务分配请求中待分配的云计算任务，构建云任务分配模型；通过所述云任务分配模型和预设的蚁群算法，对所述云计算任务的分配进行第一预设数目次优化，生成所述第一预设数目个中间分配路径；通过预设的遗传算法对所述中间分配路径进行第二预设数目次进化，生成所述云计算任务的最优分配路径；将所述云计算任务按照所述最优分配路径分配给云环境中的虚拟机。

【技术特征摘要】
1.一种云计算任务分配方法，其特征在于，所述方法包括下述步骤：当接收到用户的云任务分配请求时，根据所述云任务分配请求中待分配的云计算任务，构建云任务分配模型；通过所述云任务分配模型和预设的蚁群算法，对所述云计算任务的分配进行第一预设数目次优化，生成所述第一预设数目个中间分配路径；通过预设的遗传算法对所述中间分配路径进行第二预设数目次进化，生成所述云计算任务的最优分配路径；将所述云计算任务按照所述最优分配路径分配给云环境中的虚拟机。2.如权利要求1所述的方法，其特征在于，通过所述云任务分配模型和预设的蚁群算法，对所述云计算任务的分配进行第一预设数目次优化，生成所述第一预设数目个中间分配路径的步骤，包括：对所述任务分配模型中每个任务虚拟机配对节点间的信息素进行初始化，生成所述蚁群算法的信息素矩阵；通过所述蚁群算法的蚂蚁在所述任务虚拟机配对节点中生成相应路径，将所述每只蚂蚁相应路径中的局部最优路径设置为所述中间分配路径；根据所述任务分配模型中所述云计算任务在所述云环境的虚拟机上的运行时间，对所述每只蚂蚁相应路径上的信息素进行更新；判断所述蚁群算法的优化次数是否达到所述第一预设数目，是则完成所述蚁群算法的优化过程，否则跳转至通过所述蚁群算法的蚂蚁在所述任务虚拟机配对节点中生成相应路径的步骤。3.如权利要求2所述的方法，其特征在于，对所述每只蚂蚁相应路径上的信息素进行更新的步骤之后，判断所述蚁群算法的优化次数是否达到所述第一预设数目的步骤之前，所述方法还包括：按照预设的最优路径信息素更新公式，通过经过所述局部最优路径的每只蚂蚁对所述局部最优路径上的信息素进行更新。4.如权利要求1所述的方法，其特征在于，通过预设的遗传算法对所述中间分配路径进行第二预设数目次进化，生成所述云计算任务的最优分配路径的步骤，包括：对所述中间分配路径进行编码，以生成所述遗传算法的当前种群；根据预设的适应值函数对所述当前种群进行进化，生成下一代种群；判断所述遗传算法的进化次数是否达到所述第二预设数目，是则将所述下一代种群的最优个体设置为所述最优分配路径，否则将所述下一代种群设置为所述当前种群，跳转至根据预设的适应值函数对所述当前种群进行进化的步骤。5.如权利要求4所述的方法，其特征在于，对所述中间分配路径进行编码的步骤，包括：对所述中间分配路径中的任务虚拟机配对节点进行排序，生成所述每个中间分配路径的虚拟机序列；将所述虚拟机...

【专利技术属性】
技术研发人员：张勇，唐琳琳，赵东宁，鹤荣育，梁长垠，曾庆好，
申请(专利权)人：深圳大学，哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东,44