一种云中科学工作流下费用预算约束的时间优化调度方法技术

本发明专利技术针对预算费用约束的云中科学工作流调度时间问题，提出了基于蚁群算法并结合传统任务概率向上权值的时间优化调度算法R‑ACO，旨在减少整个云中工作流任务调度时间。算法考虑到科学工作流中任务间相互约束的特性，利用传统概率向上权值对任务的执行顺序进行排序，然后使用蚁群算法进行预算费用约束下以优化调度时间为目标的任务‑资源间的调度。本发明专利技术提出的方法可以有效缩短调度时间。

【技术实现步骤摘要】
一种云中科学工作流下费用预算约束的时间优化调度方法
本专利技术属于云计算以及调度算法两大领域，尤其涉及一种云中科学工作流费用预算约束的时间优化调度方法。
技术介绍
科学工作流是处理特定顺序的任务集合，已成为规范化和结构化复杂科学过程的重要范式。随着科学计算系统的不断复杂化，其特征主要表现为数据密集型与计算密集型，需要更高性能的系统环境来执行大量的任务。云中科学工作流调度是根据一定的资源使用规则来分配与管理资源。它是一个N-P困难问题,也就是说没有确定的多项式来求最优解。对于工作流调度，在传统系统中得到了广泛的研究，如集群、网络中；但在传统的本地系统中应用不仅非常昂贵，而且不方便扩展资源。而云计算作为一种将计算机基础设施和软件作为服务按需使用提供给用户的模式，适合用来执行科学工作流，可实现即付即用而且使用非常灵活。对于云中科学工作流调度而言，好的调度方法或者策略，不仅可以高效的完成任务-资源的映射，而且可以提高用户的服务质量(QualityofService,QoS)。现如今，众多用户都会在一定费用预算内进行任务的调度。因此，提出一种云中科学工作流在费用预算约束下优化时间的调度方法显得本文档来自技高网...

【技术保护点】
1.一种云中科学工作流下费用预算约束的时间优化调度方法，具体实施步骤如下：步骤1：用户提交工作流及相关的资源需求以及整个工作流调度费用预算，并对本文目标函数、约束条件进行定义；步骤2：根据传统概率向上权值计算每个任务的权值并对任务降序排列得出任务序列SortedT；步骤3：根据步骤2所得的任务概率向上权值为任务分配子截止期限；步骤4：使用蚁群算法对排好序的任务在满足子调度费用下使时间最小化调度至虚拟机，使得最终调度时间最低。

【技术特征摘要】
1.一种云中科学工作流下费用预算约束的时间优化调度方法，具体实施步骤如下：步骤1：用户提交工作流及相关的资源需求以及整个工作流调度费用预算，并对本文目标函数、约束条件进行定义；步骤2：根据传统概率向上权值计算每个任务的权值并对任务降序排列得出任务序列SortedT；步骤3：根据步骤2所得的任务概率向上权值为任务分配子截止期限；步骤4：使用蚁群算法对排好序的任务在满足子调度费用下使时间最小化调度至虚拟机，使得最终调度时间最低。2.根据权利要求1所述的用户所提交的工作流，其特征在于用有向无循环图G＝{T,E}描述工作流结构，图的节点T表示工作流中的任务集T＝{t1,t2,...,tn}共有n个任务，图的有向边E表示工作流中任务间的相互依赖关系集E＝{ei,j|ti∈T∩tj∈T}。3.根据权利要求1中云中科学工作流下费用预算约束的时间优化调度方法，其特征在于，所述目标函数为调度所有任务所花费时间总和，也就是工作流中最后一个任务运行结束时间即为整个工作流的调度时间，约束条件为其完成费用需满足用户定义的费用预算。其中在目标函数中，EFTj表示任务tj的执行结束时间，TTj,end表示任务tj与任务tend之间传输数据的通信开销，ETend,l表示任务tj在虚拟机vml上的执行时间；在约束条件中，LFl表示租赁虚拟机vml的结束时间，LSl表示租赁虚拟机vml的开始时间，Cl表示租赁虚拟机单位时间内所需费用。4.根据权利要求1中云中科学工作流时间优化调度方法，使用蚁群蚁群算法及进行调度，其特征在于，步骤4使用蚁群算法对排好序的任务进行调度的过程是一个迭代的过程，具体迭代步...

【专利技术属性】
技术研发人员：庞善臣，王淑玉，王珣，董德坤，翟雪，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37