[发明专利]一种低能耗的独立任务调度与资源配置方法

说明书

技术领域

本发明涉及虚拟化云领域，特别地，涉及一种低能耗的独立任务调度与资源配置方法。

背景技术

任务调度和资源配置是云计算中最重要的研究问题。目前已有一些相关的方法和算法。在云资源管理中，有许多专注于不同目标的研究。例如，关于节能调度，Cardosa等人研究了云中能耗节约问题，提出了一个在能量消耗和工作运行时间之间进行权衡的算法。Deng等人提出了基于李雅普诺夫最优化模型的云数据中心供电系统节能的在线控制算法SmartDPSS，可以随时间的推移，在任意需求下提供可靠的能量。Singh等人研究了基于集群的启发式算法FastCEED，采用混合整数规划和复制通信密集型应用的方法来优化能源消耗。以可靠性为目标，许多研究采用了不同的技术。Wang等人结合云的特点，全面分析了调度时的约束，并考虑资源的弹性配置，扩展了传统的主/副版本(Primary/Backup，PB)模型。Plankensteiner和Prodan研究了云中的容错问题，通过结合任务复制和任务重新提交等手段提高工作流任务在截止期内完成的百分比。Zhou等人研究了关于通过使用检查点技术增强云服务可靠性的问题，其中，把提供相同服务的所有虚拟机的相同部分作为服务检查点，以减少资源消耗。有些工作研究多重目标。例如，Chen等人把节能和系统不确定性一起作为调度目标，提出了一个使用主动调度和被动调度相结合的方法来控制不确定性的调度算法PRS。Duan等人专注于执行时间和经济成本两个目标，把调度问题转化为一个连续的合作博弈问题。

从任务类型来看，也有大量对任务调度和资源配置的研究。例如，Rodriguez和Buyya为基础设施云上的科学工作流(依赖任务)提出了一个资源配置和调度策略，采用粒子群优化技术来最小化时序约束内的整体执行时间。Mao和Humphrey设计、实施和评价了两种资源自动伸缩的解决方案，以最大限度地减少云中依赖任务预算约束内的工作时间。相反，Xiao等人专注于独立任务，研究了基于云的视频服务动态请求重定向和资源配置问题。Bey等人也针对独立任务，提出了一个云计算中任务调度的平衡启发式算法。此外，一些研究人员关注实时任务调度问题。例如，Abrishami等人提出了一种两阶段调度算法PCP，最小化工作流执行消耗并满足任务预期截止期。Hosseinimotlagh等人提出了一个两层任务调度方法，以在一个实时状态下同时使云供应商和他们的用户受益。才外，也有针对云中非实时任务调度的研究。例如，Bittencourt研究了混合云中的调度问题，以最小化非实时工作流的完成时间。

为了方便运算，现有技术的数学模型大多假设所有任务的属性能被精确预知，虚拟机的工作能力也是恒定的，然而实际并非如此。在实际工作中，云中虚拟机的计算能力会随时间动态变化，任何任务的到达时间、执行时间、完成时间也不是不是确定的值。对于此类问题，现有技术只能按照保证完成的边界条件带入确定值进行计算，过于严格的边界条件浪费了大量计算能源。针对现有技术中不确定性任务在现有模型中处理方法欠优化、能耗过高的问题，目前尚未有有效的解决方案。

发明内容

有鉴于此，本发明的目的在于提出一种低能耗的独立任务调度与资源配置方法，能够在云计算环境下进行不确定性任务的任务调度与资源配置，降低独立任务调度与资源配置的能耗。

基于上述目的，本发明提供的技术方案如下：

根据本发明的一个方面，提供了一种低能耗的独立任务调度与资源配置方法，包括：

从任务调度与资源配置通用框架中获取已到达的独立任务信息与虚拟化云中的物理主机信息；

根据独立任务信息与物理主机信息创建虚拟机；

在创建好的虚拟机上以节能和不确定性作为调度目标对实时、无优先权、非周期性的独立任务进行调度，并对虚拟机进行资源配置；

完成全部独立任务并返回任务结果。

其中，根据独立任务信息与物理主机信息创建虚拟机包括：根据独立任务信息为每个独立任务均指定一个任务大小不确定参数；根据独立任务信息激活多个物理主机，并在每个被激活的物理主机上划分出多个虚拟机，获取每个被激活的物理主机上的每个虚拟机信息，其中，虚拟机信息包括虚拟机的处理能力不确定参数；