[发明专利]一种多目标任务调度方法及系统

说明书

本发明公开了一种多目标任务调度方法及系统，通过利用模糊聚类算法对任务以及虚拟机分别进行模糊聚类处理，且通过将获得的任务聚类集合与虚拟机聚类集合进行匹配，获得匹配集合，采用差分进化算法，将匹配集合内的任务调度到匹配集合内的虚拟机，获得初始调度结果，根据初始调度结果中虚拟机的负载值，将虚拟机分为重负载集合、均衡负载集合以及轻负载集合，从重负载集合中选择需要重调度的任务集，获得重调度任务集以及采用Q值算法，将重调度任务集中的任务调度到轻负载集合中的虚拟机，解决了采用传统任务调度算法获得的调度策略不佳的技术问题，通过利用Q值法进行局部资源任务重新分配，实现了全局资源的负载均衡，提高资源利用率。

技术领域

本发明涉及云计算技术领域，特别涉及一种多目标任务调度方法及系统。

背景技术

云计算是基于网络发展的一种面向市场的新兴技术，成为近年来学术研究的热点话题。随着它市场占有率的逐年攀升、资源规模的扩大，巨大的用户量和任务量也接踵而至，这就给如何对云环境中任务进行合理高效的调度增加了困难。而设计优异的调度策略对于提高云平台的运行性能、缩短任务响应时间以及提高用户的服务满意度都发挥着不可或缺的作用。

用户提交给云平台的任务的规模和数量十分庞大，并且多个用户提交的任务之间不存在约束关系，任务以并行的形式存在，把这些数量庞大的任务如何合理地分配到海量的资源节点中执行是一个困难和复杂过程。云任务调度属于多目标组合优化问题，受多种因素的共同影响，传统任务调度算法往往只是实现调度过程中单一目标的优化，并且算法本身在处理数量较大的任务时会存在一定的不足，因此所得出的调度策略的结果方案不够理想。

云计算资源具有较大的差异性，它们不仅存在着地理位置的差别，更存在着性能上的差异。云计算系统将异构资源通过虚拟化整合成为了一个整体，构成了一个可以实现共享的资源池，当用户存在任务需求时会根据用户的需求量分配给其相应的虚拟资源。在庞大的资源集中将数量较大任务集进行分配易存在盲目性和局限性。此外，用户提交的任务也有各种偏好，如：计算型任务偏向于高杂度的科学计算；存储型任务需要大量存储空间来存储大型数据；带宽型任务通信数据量大需要高带宽接入；数据密集型任务需要大量的计算和存储资源进行大数据统计分析挖掘等。因此，应该将具有不同类型优势的资源优先分配给具有相应偏好的任务。

在云计算环境下，用户和云服务提供者的目标是各不相同的。用户更多关注任务完成时间，而云服务提供者常更加关注于资源的利用率、任务执行成本以及能耗等方面。因此，如何将任务调度到合适的资源去执行并同时满足在云环境下各方的需求是一个值得研究的问题。

发明内容

本发明提供的一种多目标任务调度方法及系统，解决了采用传统任务调度算法获得的调度策略不佳的技术问题。

为解决上述技术问题，本发明提出的一种多目标任务调度方法包括：

利用模糊聚类算法对任务以及虚拟机分别进行模糊聚类处理，获得任务聚类集合和虚拟机聚类集合，并将任务聚类集合与虚拟机聚类集合进行匹配，获得匹配集合；

采用差分进化算法，将匹配集合内的任务调度到匹配集合内的虚拟机，获得初始调度结果；

根据初始调度结果中虚拟机的负载值，将虚拟机分为重负载集合、均衡负载集合以及轻负载集合；

从重负载集合中选择需要重调度的任务集，获得重调度任务集；

采用Q值算法，将重调度任务集中的任务调度到轻负载集合中的虚拟机。

进一步地，将任务聚类集合与虚拟机聚类集合进行匹配，获得匹配集合包括：

根据虚拟机聚类集合中虚拟机的计算能力、带宽以及存储容量，加权计算获得虚拟机的资源性能；

根据虚拟机聚类集合中所有虚拟机的资源性能的平均值，获得虚拟机聚类集合的综合资源性能；