基于L-ACO的云中微服务成本优化的资源分配方法组成比例

本发明专利技术的基于L‑ACO的云中微服务成本优化的资源分配方法，包括：将整个组合服务的完成服务最后期限分配给每一个任务，计算每一个任务的概率向上秩，形成子最后期限；把概率向上秩作为蚁群中的启发式信息，进行迭代计算，迭代计算过程中信息素权重、启发式信息权重和信息素挥发率进行动态更新，根据迭代过程中的局部最优解来更新信息素轨迹；根据子最后期限，依次为每个任务的执行者，即服务实例选择满足其子最后期限的资源配置，找出成本优化的全局最优解。该方法针对一组特定的组合服务，在保障服务完成最后期限的前提下，找到一种廉价的为服务实例分配计算资源的方案。调整参数后的算法，有着更低的成本，可更有效的进行资源分配。

【技术实现步骤摘要】
基于L-ACO的云中微服务成本优化的资源分配方法
本专利技术属于成本优化和资源调度
，涉及基于L-ACO的云中微服务成本优化的资源分配方法。
技术介绍
微服务是面向服务的架构与云技术发展与应用到一定成熟阶段的产物。传统的单体应用存在诸多缺点，尤其是针对分布在不同地域、不同业务需求的大量用户并发条件下，单体应用的扩展性、容错性、稳定性和抗毁性显然已经无法满足移动互联网中大规模分布式用户并发需求，因此基于微服务的应用研究成为了热点。把微服务部署在云中，可以让每个微服务都独立地实现、部署和更新，而不影响应用程序的完整性。在微服务部署到云中以后，解决微服务的任务调度和资源分配问题就显得尤为重要。通常一个服务请求会包含着若干子服务请求，称之为组合服务。在特定的组合服务中，不同类型的服务请求需要由不同类型的微服务实例来执行，每个服务实例在运行时可以有多种可选的资源配置。一般来说，服务资源的配置越高，执行速度越快，成本也就越高。反之，配置越低的服务资源，执行速度越慢，成本越低。那么，对于特定的组合服务，在保障完成服务的最后期限需求的前提下，如何本文档来自技高网...

【技术保护点】
1.基于L-ACO的云中微服务成本优化的资源分配方法，其特征在于，包括如下步骤：/n步骤1：将整个组合服务的完成服务最后期限分配给每一个任务，计算每一个任务的概率向上秩，从而形成子最后期限；/n步骤2：把概率向上秩作为蚁群算法中的启发式信息，对算法进行迭代计算，迭代计算过程中信息素权重、启发式信息权重和信息素挥发率这三个重要参数进行动态更新，根据迭代过程中出现的局部最优解来更新信息素轨迹；/n步骤3：根据步骤1中得出的子最后期限，依次为每个任务的执行者，即服务实例选择满足其子最后期限的资源配置，找出成本优化的全局最优解。/n

【技术特征摘要】
1.基于L-ACO的云中微服务成本优化的资源分配方法，其特征在于，包括如下步骤：
步骤1：将整个组合服务的完成服务最后期限分配给每一个任务，计算每一个任务的概率向上秩，从而形成子最后期限；
步骤2：把概率向上秩作为蚁群算法中的启发式信息，对算法进行迭代计算，迭代计算过程中信息素权重、启发式信息权重和信息素挥发率这三个重要参数进行动态更新，根据迭代过程中出现的局部最优解来更新信息素轨迹；
步骤3：根据步骤1中得出的子最后期限，依次为每个任务的执行者，即服务实例选择满足其子最后期限的资源配置，找出成本优化的全局最优解。


2.如权利要求1所述的基于L-ACO的云中微服务成本优化的资源分配方法，其特征在于，所述步骤1具体包括：
步骤1-1：计算任务ti的执行时间ETti，即为服务实例Insi分配vmp类型虚拟机后完成任务ti所需要的时长：



其中，wlti代表任务ti的任务量；speedp表示vmp类型虚拟机的处理速度；
步骤1-2：计算任务ti到其子任务tj的传输时间TTi,j，即服务实例Insi到子服务实例Insj的数据传输时间：
TTi,j＝datai,j/bw
其中，datai,j代表任务ti发送至子任务tj的数据的大小，bw为微服务实例之间的带宽；
步骤1-3：计算布尔变量γj，它表示计算任务ti的概率向上秩pri时，是否考虑任务ti到其子任务tj的传输时间：



其中，θ是一个大于1的参数，θ越大，表示传输时间越重要；ccrj是任务tj的执行时间与传输时间比，ccrj越小γj返回0的概率越大，反之亦然；
步骤1-4：计算任务ti的概率向上秩pri，它是分配给每个子任务最后期限的重要依据：



其中，tj是ti的子任务，prj是tj的概率向上秩；
步骤1-5：根据步骤1-4中得出的概率向上秩，将任务完成最后期限D分配给子任务，得出子最后期限...

【专利技术属性】
技术研发人员：卢政昊，孙福权，王子健，曹建建，崔志清，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：河北;13