[发明专利]云环境中面向可靠性约束的工作流调度方法

权利要求书

1.一种云环境中面向可靠性约束的工作流调度方法，其特征在于，包括以下步骤：

步骤S1:构建在工作流总体可靠性约束下使用三角模糊数表示任务的执行时间和传输时间的问题模型；

步骤S2:改进PSO算法，构建基于遗传算法的自适应粒子群算法；

步骤S3:基于遗传算法的自适应粒子群算法在满足工作流的总体可靠性约束下，优化工作流的模糊完成时间和模糊执行代价,得到最优的工作流调度方案。

2.根据权利要求1所述的云环境中面向可靠性约束的工作流调度方法，其特征在于，工作流总体可靠性约束，具体如下：

将工作流用有向无环图DAG的形式来表示，即G＝＜T,E,D＞；

其中，T表示一组节点，T＝{t₁,t₂,...,t_n}，每个节点都是一个任务；E表示任务之间的一组边，E＝{e_1,2,e_1,3,...,e_i,j}，表示任务间的控制或数据依赖关系，任务t_i和任务t_j之间传输的数据大小用e_i,j＝(t_i,t_j)表示；D＝{d(t₁),d(t₂),...,d(t_n)}表示任务的计算工作量。由上述定义可以得出任务t_i的直接前驱任务P(t_i)＝{t_k|e_k,i}；每个工作流都会有一个设定的可靠性Rel值，当调度策略的可靠性满足给定的可靠性约束时，则认为该调度策略是可行的；

设云环境的资源由m个不同的虚拟机实例类型组成，用R＝{r₁,r₂,...,r_m}表示；对于资源r_i用表示，其中表示资源r_i的开启时间，表示资源r_i的关闭时间，u_i表示资源r_i的计算能力，c_i表示资源r_i的单位时间价格，ε_i表示资源r_i的故障率，不同实例的计算能力不同；

设将任务t_i部署到资源r_j上，则任务t_i的执行时间为：

对于任务t_i的父任务P(t_i)＝{t_p|e_p,i}，父任务t_p到任务t_i的传输时间trans(t_p,t_i)为：

其中，其中β表示r(t_p)与r(t_i)之间的带宽；

考虑到任务间的数据依赖关系，即子任务只有在父任务全部完成后才开始，任务t_i的开始时间定义如下：

ST(t_i)＝max{max(FT(t_p)+trans(t_p,t_i)),Ava(r(t_i))}

Ava(r(t_i))表示虚拟机r(t_i)准备执行任务t_i的最早时间，FT(t_p)表示任务t_p的完成时间，则任务t_i的完成时间为：

FT(t_i)＝ST(t_i)+ET(t_i,r(t_i))

因此，工作流的总体执行时间为：

T_total＝max{FT(t_i)|t_i∈T}

工作流执行代价包括计算代价和数据传输代价，则执行代价为：

其中，c_j,k表示为资源r_j传输1GB数据到r_k的所需要的价格，λ_rj为资源r_j的要价单元时间，当任务i与任务j调度在不同的虚拟机实例上时，s_i,j＝1，否则s_i,j＝0。

考虑到故障导致的任务执行失败，设瞬时故障遵循泊松分布，由资源r_i的故障率为ε_i，则任务任务t_i在资源r_j上执行的可靠性为：

由泊松分布的可加性得出，工作流的总体可靠性为：

基于以上定义，工作流总体可靠性约束下的完成时间和执行代价的优化调度问题，可形式化表示为：

其中，Rel为当前调度方案的工作流总体可靠性数值，σ_rel为预定义的可靠性约束阈值。