[发明专利]一种云计算平台系统为任务分配资源的方法和装置

说明书

技术领域

本发明涉及云计算平台系统领域，特别涉及一种云计算平台系统为任务分配资源的方法和装置。

背景技术

随着虚拟化、分布式存储、多核处理器、互联网的技术发展，近些年来兴起了一种新技术的计算模式，云计算。云计算是一种服务的交付和使用模式，具体是指通过网络以按需、易扩展的方式获得所需的服务。狭义的云计算中的服务通常是指IT、软件和互联网相关的服务。

目前，云计算都是通过云计算平台实现的。在云计算平台下，当用户提交任务给云计算平台系统时，系统需要先为提交的任务分配系统内的资源，再利用由分配给该任务的系统内资源，执行任务。系统管理范围内的资源，具体包括：服务器、CPU、内存、网络、存储等硬件资源，以及虚拟机、应用程序、系统提供的各种服务等软件资源。

目前系统对资源的分配方式，通常是系统都给任务分配足够多的资源，以保证任务的正确执行。在这种分配方式下，资源总是过量分配的。但是，这种过量分配资源的方式会导致系统资源利用率的低下。进而，由于在云计算平台下资源是有限的，资源利用率低下的系统在单位时间内通过有限的资源能够执行的任务就非常有限，这直接导致了系统并发任务量较小、任务吞吐量较低。

发明内容

本发明要解决的问题是提供一种云计算平台系统下为任务分配资源的方法和装置，以克服现有技术中由于资源过量分配而导致的云计算平台系统资源利用率低下、并发任务量较小、任务吞吐量较低的缺陷。

为达到上述目的，本发明提供了，所述方法包括以下步骤：

获取任务请求队列中的任务；

解析所述任务，获取所述任务的基本资源需求信息；

根据所述基本资源需求信息，按照资源分配策略，生成资源分配信息；所述资源分配策略为已训练完成的BP神经网络；所述训练为：将历史执行状态信息输入目标BP神经网络，判断目标BP神经网络生成的资源分配信息与历史资源分配信息的差值是否超过预设的训练误差阈值，如果是，则修正目标BP神经网络，以使得，在训练完成后，目标BP神经网络生成的资源分配信息与历史资源分配信息的差值不超过所述训练误差阈值；

按照所述资源分配信息，为所述任务分配资源。

优选的，所述训练具体包括：

获取训练数据库中相对应的历史执行状态信息和历史资源分配信息，作为当前历史执行状态信息和当前历史资源分配信息；

将所述当前历史执行状态信息输入目标BP神经网络的输入层，目标BP神经网络计算后由输出层生成资源分配信息；

判断所述资源分配信息与所述当前历史资源分配信息的差值是否超过预设的训练误差阈值；

如果是，则根据所述差值修正所述目标BP神经网络中的连接权值和偏差；获取训练数据库中未获取过的相对应的历史执行状态信息和历史资源分配信息，并作为当前历史执行状态信息和当前历史资源分配信息；返回将所述当前历史执行状态信息输入目标BP神经网络的输入层，目标BP神经网络计算后由输出层生成资源分配信息的步骤；

如果否，将所述目标BP神经网络作为已训练完成的BP神经网络储存。

优选的，所述判断所述资源分配信息与所述当前历史资源分配信息的差值是否超过预设的训练误差阈值的步骤之后，在判断结果为否的情况下，还包括：

判断所述目标BP神经网络是否满足训练完成条件；

如果否，则获取训练数据库中未获取过的相对应的历史执行状态信息和历史资源分配信息，并作为当前历史执行状态信息和当前历史资源分配信息；返回将所述当前历史执行状态信息输入目标BP神经网络的输入层，目标BP神经网络计算后由输出层生成资源分配信息的步骤；

如果是，则将所述目标BP神经网络作为已训练完成的BP神经网络储存；

所述训练完成条件为：连续的预设次数经过目标BP神经网络分析后生成的资源分配信息，与当前历史资源分配信息的差值不超过预设的训练误差阈值。

优选的，在所述将所述目标BP神经网络作为已训练完成的BP神经网络储存的步骤之后还包括：

获取验证数据库中相对应的历史执行状态信息和历史资源分配信息，并将所述历史执行状态信息输入所述已训练完成的BP神经网络的输入层，所述已训练完成的BP神经网络计算后由输出层生成资源分配信息；

判断所述资源分配信息与所述历史资源分配信息的差值是否超过预设的验证误差阈值，如果是，则将已训练完成的BP神经网络作为目标BP神经网络，返回获取训练数据库中相对应的历史执行状态信息和历史资源分配信息的步骤。