一种基于能耗与QoS协同优化的资源调度实现方法技术

本发明专利技术公开了一种基于能耗与QoS协同优化的资源调度实现方法。所述方法包括：在云计算数据中心环境下构建多虚拟机的云任务到达排队模型；利用堆叠降噪自动编码器技术对数据中心的QoS特征进行提取，得到降维后描述QoS特征信息的矩阵，求得当前的虚拟机的最大响应时间，以完善协同优化目标函数的约束条件；结合云任务到达排队模型、协同优化目标函数和李雅普诺夫优化方法，得到基于李雅普诺夫优化理论的资源调度算法，采用资源调度算法实现基于能耗与QoS协同优化的资源调度。本发明专利技术在保障QoS的同时有效地降低数据中心的能耗，并克服了云计算数据中心的真实场景中云任务到达的波动性对优化问题求解的干扰。性对优化问题求解的干扰。性对优化问题求解的干扰。

【技术实现步骤摘要】
一种基于能耗与QoS协同优化的资源调度实现方法


[0001]本专利技术属于云计算节能调度领域，具体涉及一种基于能耗与QoS协同优化的资源调度实现方法。

技术介绍

[0002]云计算凭借其超大规模的服务能力早已成为全球IT领域热门的研究项目。随着云计算技术的不断发展，越来越多的数据中心在全球范围内涌现，基础设施产生的能耗也呈现指数级的增长态势。当前全球IT行业的碳排放量占全球碳排放总量的3
‑
5％。根据最近的报道，Google数据中心消耗了近3亿瓦，而Facebook的数据中心消耗了6000万瓦。数据中心比高能耗制造业消耗更多的电力。国际调查机构麦肯锡对70个大型数据中心进行了调查，发现用于计算机操作的平均功耗仅占6％至12％。随着数据中心规模的不断增长，数据中心消耗的大量电能对环境的影响日益突出。
[0003]虚拟机迁移技术可以提升物理节点的资源利用率，通过关闭数据中心空闲状态的服务器可以降低云计算系统的总体能耗值。传统的这类节能解决方案也会带来明显的不利影响。当CPU利用率接近100％时，虚拟机的性能会出现明显的下降本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于能耗与QoS协同优化的资源调度实现方法，其特征在于，包括以下步骤：S1、在云计算数据中心环境下构建多虚拟机的云任务到达排队模型；S2、利用堆叠降噪自动编码器技术对数据中心的QoS特征进行提取，得到降维后描述QoS特征信息的矩阵，通过该矩阵求得当前的虚拟机的最大响应时间，以完善协同优化目标函数的约束条件；S3、结合云任务到达排队模型、协同优化目标优化函数和李雅普诺夫优化方法，求得满足能耗与QoS优化调度的虚拟机应该具备的云任务队列长度条件，得到基于李雅普诺夫优化理论的资源调度算法，采用资源调度算法将能耗与QoS协同优化的资源调度问题具体到每一个时间片内进行求解，实现基于能耗与QoS协同优化的资源调度。2.根据权利要求1所述的一种基于能耗与QoS协同优化的资源调度实现方法，其特征在于，步骤S1中，所述云任务到达排队模型由主机排队模型和虚拟机排队模型串联组成，用于优化虚拟机云任务队列积压长度与系统能耗之间的关系；主机排队模型中，云任务被提交到数据中心之后，数据中心会采用最少负载准则的负载均衡策略，将云任务优先分配给云任务请求未完成数量最少的主机，并由此构成云任务到达间隔时间为指数分布、云任务执行时间为指数分布的排队模型；虚拟机排队模型中，每一个虚拟机实例都构成了一个云任务到达间隔时间为指数分布、云任务执行时间为指数分布，虚拟机数量为，虚拟机容量为的排队模型，云任务首先经过主机排队模型的分配后被数据中心提交至虚拟机排队模型中，然后以先到先服务的方式进行处理。3.根据权利要求2所述的一种基于能耗与QoS协同优化的资源调度实现方法，其特征在于，当云任务进入主机排队模型时，如果主机上至少有一个用虚拟机，数据中心则将该云任务分配至当前处于空闲状态的虚拟机上执行；当主机上所有的虚拟机都已被云任务占用满载时，新到达的云任务将会进入虚拟机排队模型的队列缓冲区内，队列缓冲区是一个专门存放等候被执行的云任务的先进先出队列；当有云任务执行完毕离开某个虚拟机后，数据中心会将位于队列缓冲区头部的云任务分配给此虚拟机；当云任务获得对虚拟机的访问权限后，能立即向其提供云服务；将数据中心的运行时间视为由成若干个连续时间片所组成，每个时间片的长度定义为t；因此在时隙t内，单个虚拟机的排队模型通过以下公式进行定义：其中，和是第j个和第j+1个时间片中第k个虚拟机（VM）的队列长度；表示在第j个时间片中第k个虚拟机处理的云任务数； 是第j个时间片中第k个虚拟机队列中的云任务数量；当时，虚拟机中的队列长度小于其处理能力，虚拟机的队列长度能达到最小值0。4.根据权利要求3所述的一种基于能耗与QoS协同优化的资源调度实现方法，其特征在于，虚拟机排队模型的长度会直接影响数据中心中主机的运行状态；主机的运行状态分为以下两类：1）活跃状态：主机上虚拟机的云任务队列不为空，云任务正在等待被处理；
2）空闲状态：主机上虚拟机的云任务队列为空，处于空闲状态的主机可被视为处于睡眠模式，且处于低功耗状态，处于空闲状态下主机产生的功耗为一恒定值；数据中心的功耗模型描述为如下形式：式中，表示当前数据中心的总体能源功耗量，其中能耗等式右侧的第一项表示当前处于活动状态的物理主机产生的总功耗；p是运行中的物理主机的数量，是第个处于活动状态的物理主机的功耗；q是处于空闲状态的物理主机的数量，是第个处于空闲状态的物理主机的功耗；空闲状态下的功耗看作是一个常量；M是当前数据中心可用虚拟机的最大数量；公式（2）以如下形式表示：其中为第个处于活动状态的物理主机的功耗，，为空闲状态下主机的恒定功耗常量，是第j个时间片中第个虚拟机的队列长度。5.根据权利要求1所述的一种基于能耗与QoS协同优化的资源调度实现方法，其特征在于，步骤S2中，利用堆叠降噪自动编码器技术对数据中心中的虚拟机的资源占用历史数据进行处理，通过堆叠降噪编码器的鲁棒性提取出影响数据中心QoS指标的特征信息；利用由虚拟机的参数集合组成的高维矩阵作为网络输入层的数据，并构建堆叠降噪自动编码器的目标函数，通过目标函数将对所述高维矩阵进行降维与数据重构，得到优化后的特征；在编码器损失函数的最小化过程中，同时将堆叠降噪自动编码器的复杂度也作为其中一项指标参与到训练的过程中，作为损失函数的约束项；在损失函数后加入了基于权重衰减的正则项，以提升堆叠降噪自动编码器的泛化效果以避免过拟合，并采用和的交叉熵作为损失函数，进一步增强堆叠降噪自动编码器的鲁棒性。6.根据权利要求5所述的一种基于能耗与QoS协同优化的资源调度实现方法，其特征在于，在云任务执行的过程中，当云任务的响应时间过长时，会造成SLA violation的现象；在训练堆叠降噪自动编码器的过程中，将虚拟机的参数集合组成的高维矩阵作为堆叠降噪自动编码器网络输入层的数据，并通过堆叠降噪自动编码器将对高维矩阵进行降维与数据重构，得到优化后的QoS特征信息；虚拟机的参数集合包括云任务响应时间、队列长度、虚拟机CPU利用率、带宽、CPU数量、内存大小、内存占用率、虚拟机迁移次数、虚拟机迁移时间开销、虚拟机上一时刻的SLA违反
率；当数据中心内有台虚拟机处于启动状态时，在每一个调度周期间隔内，虚拟机的参数集合会构成的高维矩阵。7.根据权利要求6所述的一种基于能耗与QoS协同优...

【专利技术属性】
技术研发人员：刘发贵，王彬，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：