[发明专利]基于改进的蜘蛛集群的数据服务资源优化调度方法

说明书

本发明公开了基于改进的蜘蛛集群的数据服务资源优化调度方法，并将该方法应用于解决数据中台数据服务资源调度优化问题。该方法改进基本的SSO算法，提出改进的蜘蛛集群优化算法，动态调整学习步长，能够有效平衡算法的全局优化能力和局部优化能力；建立数据服务资源调度模型，提出基于MSSO的数据服务资源优化调度方法，实验结果表明，基于改进的蜘蛛集群的数据服务资源优化调度方法能够有效解决数据中台服务资源调度问题，能够对数据资源合理调度，并且用户综合满意度评价较好。

技术领域

本发明属于云计算资源调度技术领域，具体为基于改进的蜘蛛集群的数据服务资源优化调度方法。

背景技术

蜘蛛群优化算法(Social-Spider Optimization，SSO)是由Cuevas E等提出的一种新的随机全局优化算法，其思想源于自然界中蜘蛛发现食物后传播信号吸引同伴前来觅食的这种自然现象。在SSO中，蜘蛛网表示待优化问题的解空间，网上的每个蜘蛛表示一个可行解，猎物表示最优解，当一个蜘蛛发现猎物时便会产生较强的震动吸引一定范围内的蜘蛛向其移动，最终群体中大部分蜘蛛都聚集在最优解周围。SSO算法的收敛速度较快和鲁棒性较好，但是易出现局部优化情况，研究表明，通过调整学习步长可以有效提高算法平衡全局最优解和局部最优解的能力。

数据中台通过调度存储、网络、计算等服务资源来满足互联网中用户的服务请求，且数据中台用户对数据费用、数据实时性、数据稳定性等重视程度不同，每个服务对QoS(Quality of Service，服务质量)或数据服务约束条件也不是单一的，因此处理数据服务资源优化调度问题(Data Service Resource Optimization Scheduling，DSROS)需要研究多目标优化技术，设计调度优化算法，以确保大批量的数据服务资源能在合理的响应时间内完成用户服务请求，提高服务质量。

鉴于此，本文提出基于改进的蜘蛛集群的数据服务资源优化调度方法 (MSSO-SRS)，将用户的数据服务需求视为寻找猎物的蜘蛛，数据中台提供的计算、存储、网络、安全等资源视为猎物，利用蜘蛛集群优化算法对数据服务资源优化调度，实现为大规模数据服务请求提供资源的最佳匹配的目标。

发明内容

本发明的目的在于提供基于改进的蜘蛛集群的数据服务资源优化调度方法，解决大规模数据服务资源调度问题，提高数据中台服务质量。

实现本发明目标的技术解决方案为：

基于改进的蜘蛛集群的数据服务资源优化调度方法，所述优化调度方法包括：

建立数据服务资源优化调度模型，基于用户最小等待时间和资源负载均衡建立目标函数，对数据服务资源调度综合满意度进行评估；

基于SSO算法建立MSSO算法，借助MSSO算法动态调整学习步长，对蜘蛛集群的协作机理进行调节；

基于MSSO算法对数据服务资源进行优化调度，经过种群初始化、迭代、更新处理过程输出最优解。

可选的，所述建立数据服务资源优化调度模型，基于用户最小等待时间和资源负载均衡建立目标函数，对数据服务资源调度综合满意度进行评估，包括：

建立数据服务资源综合调度模型，为实现数据服务资源调度目标，使用户请求和数据服务资源在一定约束条件下达到最优组合；

从用户最短等待时间W和服务资源负载均衡δ两方面建立目标函数，当存在服务请求时能够在一定约束条件下，输出最优调度序列，使得W和δ最小化；

利用目标函数中的指标W、δ基于先验偏好构造满意度函数S(W)和S(δ)，将多目标问题转化为单目标问题求解，利用几何平均法计算综合评价满意度

可选的，所述基于SSO算法建立MSSO算法，借助MSSO算法动态调整学习步长，对蜘蛛集群的协作机理进行调节，包括：