[发明专利]基于SVM和蚁群算法的服务器集群调度方法

说明书

本发明提供一种基于SVM和蚁群算法的服务器集群调度方法，包括以下步骤：基于SVM算法对服务器集群进行负载状态分类，得到负载正常或过载两种集群节点；通过SVM分类器筛选出负载正常的集群节点，计算服务器节点的处理能力；根据负载正常的集群节点通过蚁群算法进行迭代搜索，请求任务调度分配方案。本发明提供的一种基于SVM和蚁群算法的服务器集群调度方法，能对集群服务器节点当前负载状态进行分类，过滤过载运行的节点，以此提高蚁群算法分配任务的效率和准确性，降低调度算法给调度节点带来的性能损耗，充分考虑了集群节点的计算能力，对异构集群有很强的适用性，避免出现负载不均的情况。

技术领域

本发明涉及集群调度技术领域，更具体的，涉及一种基于SVM和蚁群算法的服务器集群调度方法。

背景技术

随着互联网的发展，系统的压力日益剧增。面对这一问题，对系统采取集群的部署方式可以分散服务器的压力，提高任务的处理效率。采用何种任务调度方法实现负载均衡往往影响着整个集群系统的质量，所以负载均衡算法是系统面临诸多任务调度保持高性能、高可靠的核心模块。

常用的负载均衡算法包括加权轮询算法和最小连接数算法。加权轮询算法指的是在轮询算法基础上进行改进，通过使用权值对不同服务器的处理能力进行描述，其服务器权值越大，它的性能便越好，连接到外部服务器请求的优先度越高。轮询算法将请求利用简单的方式对不同的Web服务器进行分配，默认每台Web服务器均无差别，当有新的连接到达服务器集群后，负载均衡服务器选择对应的节点提供服务；最小连接数算法比较灵活和智能，由于服务器的配置各不相同，对于请求的速率也不相同，最小连接数算法是依照当前服务器的连接请求，动态地选择连接数最少的服务器进行请求的处理，尽可能地提高服务器的利用效率。但目前的负载均衡算法没有考虑到服务器节点的性能和当前负载情况，对于异构集群的适用性很差。

发明内容

本发明为克服现有的负载均衡算法未考虑到服务器节点的性能和当前负载情况，对于异构集群存在适用性差的技术缺陷，提供一种基于SVM和蚁群算法的服务器集群调度方法。

为解决上述技术问题，本发明的技术方案如下：

基于SVM和蚁群算法的服务器集群调度方法，包括以下步骤：

S1：基于SVM算法对服务器集群进行负载状态分类，得到负载正常或过载两种集群节点；

S2：通过SVM分类器筛选出负载正常的集群节点，计算服务器节点的处理能力；

S3：根据负载正常的集群节点通过蚁群算法进行迭代搜索，请求任务调度分配方案。

其中，所述步骤S1包括以下步骤：

S11：选取服务器集群的特征值；

S12：选取径向基函数EBF作为核函数，利用10折交叉验证算法对分类器进行参数寻优，当前服务器i的分类状态可表示为：

其中，所述步骤S3包括以下步骤：

S31：获取请求队列的长度，用集合R表示，计算任务处理时间；

S32：初始化信息素矩阵和任务分配概率矩阵；

S33：进行信息素浓度的更新，每只蚂蚁根据更新后信息素浓度按概率选择任务分配方式，每次迭代更新重复执行步骤S31、步骤S32，更新节点信息，标记出超负荷节点减少蚂蚁的搜索路径。

其中，所述步骤S11具体为：

CPU特征值X₁的选取：

X₁＝a×C₁+b×C₂+c×C₃；