一种低碳自适应云主机任务调度系统技术方案

本发明专利技术公开了一种低碳自适应云主机任务调度系统，包括状态检测模块，用于检测云主机服务区域内的虚拟机的运行状态；执行配置模块，存储虚拟机状态的历史数据并周期性预测需要分配的计算资源配置量，根据当前周期内的主机服务区域内的虚拟机的运行状态分配下一周期的虚拟机开启数量，将执行结果传递给任务调度模块；任务调度模块，根据执行模块传递的虚拟机开启数量进行主机选择和选择虚拟机开启，进行云主机计算资源分配；本发明专利技术通过检测虚拟机的状态后进行计算资源快速配置，进而进行云主机计算资源调度，实现云主机计算资源的快速分配，同时，在物理主机选择的过程中，充分考虑能耗问题，实现了降低能耗、低碳节能的目的。低碳节能的目的。低碳节能的目的。

【技术实现步骤摘要】
一种低碳自适应云主机任务调度系统


[0001]本专利技术涉及计算机
，尤其涉及一种低碳自适应云主机任务调度系统。

技术介绍

[0002]云数据中心服务器的高速发展始终以提高效率、降低成本和减少能耗为目标，随着其规模的逐渐扩大，云数据中心承担的任务数量越来越多、种类越来越繁杂。另一方面，云计算的不断发展、用户数量的不断增多，海量的数据对于后台运行是严峻的考验。云计算系统往往拥有据大规模的服务器，各种资源的计算能力和运行质量也各不相同。在此背景下，如何将任务以一种合理的策略调度到相应的虚拟机上，同时对云系统中的计算资源进行高效的分配，使得用户提交的任务能够以较快的速度和较低的成本得到处理成为一个重要的研究课题。
[0003]例如，中国专利CN201510422559.8公开了一种云中基于任务后移的容错任务调度方法，通过建立虚拟化云中实时容错模型代替传统的PB模型，采用任务后移策略建立了一种充分利用空闲资源的容错任务调度方法，提高容错保障下的资源利用率与容错任务的可调度性；然而该方案仅考虑了任务本身的关联性，而对主机的状态没有进行充分考虑，使得云主机的资源无法进行快速分配。

技术实现思路

[0004]本专利技术主要解决现有的技术中云主机的资源无法得到快速分配的问题；提供一种低碳自适应云主机任务调度系统，充分考虑物理主机的负载状态后进行物理主机选择，并结合任务的执行难度进行虚拟主机开启，实现云主机计算资源的快速分配。
[0005]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种低碳自适应云主机任务调度系统，包括状态检测模块，用于检测云主机服务区域内的虚拟机的运行状态；执行模块，存储虚拟机状态的历史数据并周期性预测需要分配的计算资源配置量，根据当前周期内的主机服务区域内的虚拟机的运行状态分配下一周期的虚拟机开启数量，将执行结果传递给任务调度模块；任务调度模块，根据执行模块传递的虚拟机开启数量进行主机选择和选择虚拟机开启，进行云主机计算资源分配。
[0006]作为优选，所述的任务调度模块运行有任务调度算法，所述任务调度算法进行任务调度的具体方法包括：
[0007]S1：对主机进行动态负载调节；
[0008]S2：基于主机适用性和主机匹配距离进行主机选择；
[0009]S3：基于改进MAX
‑
MIN算法在选择的主机上选择虚拟机开启。
[0010]作为优选，所述的动态负载调节包括：
[0011]S11：选取负载参数进行主机负载状态划分；
[0012]S12：记录主机负载状态的变化次数；
[0013]S13：基于主机负载状态的变化次数进行最大执行任务数调节。
[0014]作为优选，所述的负载参数包括运行队列平均数、CPU利用率、GPU利用率和内存利用率的一种或多种。
[0015]作为优选，步骤S2中进行主机选择的具体方法为：
[0016]S21：评估可用物理主机的适用性，选择每个物理主机当前开启的虚拟机总数，定义适用性划分阈值；
[0017]S22：对主机的适用性进行划分为高适用主机集合、低适用主机集合以及休眠主机集合；
[0018]S23：优先将虚拟机分配到高适用主机上，优先关闭低适用主机上的虚拟机使其进入休眠状态。
[0019]作为优选，步骤S2还包括以下步骤：
[0020]S24：将物理主机的可用资源抽象为一个三维向量；
[0021]S25：基于虚拟机和服务器性能向量计算虚拟资源到物理资源的性能匹配距离；
[0022]S26：选取匹配距离小的主机进行任务分配。
[0023]作为优选，步骤S3的具体方法为：
[0024]S31：将任务分为n个等级，每个虚拟机对应可执行的最高任务等级；
[0025]S32：将任务流中的任务按照任务等级从高到低排列，优先调度执行难度更高的任务。
[0026]本专利技术的有益效果是：通过检测虚拟机的状态后进行计算资源快速配置，进而进行云主机计算资源调度，在调度过程中，充分考虑物理主机的负载状态后进行物理主机选择，并结合任务的执行难度进行虚拟主机开启，实现云主机计算资源的快速分配，达到了计算资源的快速配置和分配，同时，在物理主机选择的过程中，充分考虑能耗问题，实现了降低能耗、低碳节能的目的。
附图说明
[0027]图1是本专利技术实施例的任务调度系统的结构框图。
[0028]图2是本专利技术实施例的任务调度算法的流程图。
[0029]图中1、用户交互模块，2、云端资源配置模块，3、执行模块，4、资源配置模块，5、任务调度模块，6、系统评估模块，7、节点状态检测模块。
具体实施方式
[0030]为了使本专利技术的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本专利技术实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定专利技术。
[0031]云数据中心服务器中主要的计算资源包括CPU和GPU。
[0032]CPU的能量消耗由两个部分组成，分别是静态能耗和动态能耗。动态能耗是由CPU中晶体管的充放电过程引起的电能流动引起的，其大小与CPU的运行状态有关，CPU的主频指晶体管每秒钟的开关次数，主频越高充放电次数越多，晶体管的耗电量也随之增加。CPU的电压越高、主频越高，动态能耗就越大。静态能耗主要来源于晶体管的漏电以及导通(短路)，在进行优化过程中作为常量不予考虑。在云平台的环境下，CPU的动态能耗与虚拟机利
用率密切相关，因此可以建立以下功耗模型：
[0033]P(u)＝P
s
+P
d
＝P
min
+(P
max
‑
P
min
)u
[0034]其中P
s
和P
d
分别为CPU的静态功耗和动态功耗，P
min
为CPU空闲时的功耗，P
max
为CPU完全利用时的最大功耗，u为CPU的利用率。
[0035]在实际工作环境下，CPU利用率会实时变化，用u(t)表示t时刻的CPU利用率，因此在t0到t1时间间隔内，CPU的能耗可以表示为：
[0036][0037]GPU的能耗可以分为运行时能耗和闲置时能耗，表示为：
[0038]E＝E
run
+E
idle
[0039]其中E
run
和E
idle
分别为GPU的运行时能耗和闲置时能耗，闲置时能耗可通过闲置时GPU功率P
idle
与时间的乘积求得：
[0040]E
idle
＝P
idle
·
t
idle
[0041]运行时能耗包括流处理器能耗和内存能耗两部分，流处理器能耗为流处理器单元内所有部件能耗之和乘以GPU中流处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低碳自适应云主机任务调度系统，其特征在于，包括：状态检测模块，用于检测云主机服务区域内的虚拟机的运行状态；执行配置模块，存储虚拟机状态的历史数据并周期性预测需要分配的计算资源配置量，根据当前周期内的主机服务区域内的虚拟机的运行状态分配下一周期的虚拟机开启数量，将执行结果传递给任务调度模块；任务调度模块，根据执行模块传递的虚拟机开启数量进行主机选择和选择虚拟机开启，进行云主机计算资源分配。2.根据权利要求1所述的一种低碳自适应云主机任务调度系统，其特征在于，所述任务调度模块运行有任务调度算法，所述任务调度算法进行任务调度的具体方法包括：S1：对主机进行动态负载调节；S2：基于主机适用性和主机匹配距离进行主机选择；S3：基于改进MAX
‑
MIN算法在选择的主机上选择虚拟机开启。3.根据权利要求2所述的一种低碳自适应云主机任务调度系统，其特征在于，所述动态负载调节包括：S11：选取负载参数进行主机负载状态划分；S12：记录主机负载状态的变化次数；S13：基于主机负载状态的变化次数进行最大执行任务数调节。4.根据权利要求3所述的一种低碳自适应云主...

【专利技术属性】
技术研发人员：李倩，刘大为，姚从奎，楼佳佳，吴兴欢，姚钦涛，金钰，任晓松，李东晓，
申请(专利权)人：浙江数智交院科技股份有限公司，
类型：发明
国别省市：