[发明专利]分布异地多云数据中心环境下时空敏感的任务调度与优化方法

权利要求书

1.一种分布异地多云数据中心环境下时空敏感的任务调度与优化方法，其特征在于，该方法包括如下步骤：

S1、针对多类型延迟容忍型应用的任务，建立分布异地多云数据中心环境下处理多类型延迟容忍型应用任务的架构；

S2、根据该架构，建立最小化云数据中心提供商能量成本的非线性调度优化模型；

S3、采用罚函数方法将非线性调度优化模型转化为对应的无约束优化模型；

S4、采用结合遗传算法的遗传操作、粒子群算法的社会学习、模拟退火算法的Metropolis接受法则设计的混合式智能优化算法求解无约束优化模型,实现分布异地多云数据中心环境下时空敏感的任务调度，从而最小化云数据中心提供商的能量成本并满足所有应用任务的延迟要求。

2.根据权利要求1所述的分布异地多云数据中心环境下时空敏感的任务调度与优化方法，其特征在于，所述针对多类型延迟容忍型应用(如大数据处理、科学计算和深度学习等)的分布异地多云数据中心架构包括多个位于不同地理位置的绿色云数据中心组成。每个应用均部署在多个绿色云数据中心中，并且每个应用以及其运行所需的数据在不同的绿色云数据中心之间保持严格的一致。将每个绿色云数据中心建模为一个M/M/m的排队系统，并且按照先来先服务的准则处理到达的任务。此外，每个服务器的任务处理时间符合独立同分布的负指数分布，每个应用的任务到达过程符合泊松分布。用户通过终端设备向绿色云数据中心发送任务，分类器组件根据任务所属的应用类型确定每个应用的任务到达率。这些任务被放入对应的先来先服务任务队列中。每个绿色云数据中心从电网、太阳能、风能等三种来源获取能量。任务调度器组件收集任务队列信息以及每个绿色云数据中心的能量信息。根据这些信息，任务调度器组件周期性地执行时空敏感的任务调度与优化方法从而确定最优的调度策略。

3.根据权利要求1所述的分布异地多云数据中心环境下时空敏感的任务调度与优化方法，其特征在于，所述非线性调度优化模型的优化目标为最小化分布异地多云提供商的能量成本cost，所述非线性调度优化模型为：

其中，cost表示从时间间隔τ到时间间隔τ+Γ，分布异地多云数据中心执行所有应用的任务所消耗的能量成本；C表示绿色云数据中心的个数；表示绿色云数据中心c在时间间隔τ+b内通过火力发电方式得到的能量价格；表示绿色云数据中心c在时间间隔τ+b内执行所有应用任务所消耗的总能量；表示绿色云数据中心c在时间间隔τ+b内执行所有应用任务所消耗的太阳能能量；表示绿色云数据中心c在时间间隔τ+b内执行所有应用任务所消耗的风能能量；表示在时间间隔τ+b内绿色云数据中心c中应用n的任务到达率；表示在时间间隔τ+b内绿色云数据中心c中应用n的任务处理率；B_n表示应用n的任务延迟限制，Γ＝max_{n＝1,2,…,N}(B_n)。

4.根据权利要求3所述的分布异地多云数据中心环境下时空敏感的任务调度与优化方法，其特征在于，所述非线性调度优化模型的优化目标中，绿色云数据中心c在时间间隔τ+b内执行所有应用任务所消耗的总能量的计算方式，具体为：

其中，L表示每个时间间隔的长度；N表示分布异地多云数据中心环境下应用的个数；表示绿色云数据中心c中对应于应用n的每个服务器的平均闲时功率；表示绿色云数据中心c中对应于应用n的每个服务器的平均峰时功率；γ^c表示绿色云数据中心c的PUE(PowerUsage Effectiveness)值；表示在时间间隔τ+b内绿色云数据中心c中应用n的累积任务到达率；表示在时间间隔τ+b内绿色云数据中心c中应用n的任务到达率；表示绿色云数据中心c中每个开启的对应于应用n的服务器单位时间处理任务的个数；表示绿色云数据中心c中对应于应用n的任务队列的容量；表示在时间间隔u(τ+b-B_n≤u≤τ+b-1)内，绿色云数据中心c中应用n的剩余的任务到达率。