[发明专利]云环境中面向可靠性约束的工作流调度方法

说明书

本发明涉及一种云环境中面向可靠性约束的工作流调度方法，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。本发明在云环境存在服务器可能发生性能波动和宕机等问题下，对带可靠性约束的工作流调度具有更佳的适应性。

技术领域

本发明涉及云计算工作流调度领域，具体涉及一种云环境中面向可靠性约束的工作流调度方法。

背景技术

由于云数据中心具有丰富的计算资源和储存资源，它们经常被用来为终端用户提供服务并解决用户终端设备计算资源不足的问题。云计算技术能够根据用户的需求，弹性的为用户按需提供资源，可以比以往更快的执行现实世界的应用程序，这对天文、高能物理、生物信息学和地震科学等计算密集型应用至关重要。这些复杂的计算密集应用是由成百上千个相互依赖的任务组成，常被构建为工作流模型。事实上，工作流的调度问题至关重要，调度结果的好坏会直接影响工作流模型的完成时间和执行代价，尤其是在合理的时间以及预算范围内完成工作流仍然是一项严峻的挑战。

工作流调度问题的目标是为工作流的每个任务选择合适的计算资源完成工作流，同时满足用户的需求。现有工作流的调度研究大多都是基于截止日期约束下执行代价最优或预算约束下完成时间最短。首先，这些研究没有考虑到现实环境中服务器可能发生宕机等现象会导致工作流无法按照既定的时间完成，其次，单一目标的优化往往不能很好的解决用户的需求，在优化完成时间时，为了得到更短的完成时间的往往会导致更大的服务器租用成本；在优化执行代价时，为了得到更低的代价时，往往会追求租用价格便宜但处理速度更慢的服务器。这是由于服务器的特性导致的，通常性能更好的服务器价格更贵。

同时，现有关于云环境中的工作流调度问题大多都基于这样一个假设，即每个工作流在特定类型虚拟机上的任务执行时间是确定性的，并且可以事先准确计算。然而，由于现实世界的服务器无法保持持久的性能，实际的任务执行时间可能会产生波动，同时影响到其子任务。由于现实环境的服务器无法一直按照既定的状态执行任务，因此，需要有一个高效的调度策略，能够在考虑了现实环境中服务器的性能和宕机等可能出现的问题下，同时优化多个Qos。

发明内容

有鉴于此，本发明的目的在于提供一种云环境中面向可靠性约束的工作流调度方法，旨在解决上述问题。

为实现上述目的，本发明采用如下技术方案：

一种云环境中面向可靠性约束的工作流调度方法，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。

进一步的，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＞；