[发明专利]基于改进的遗传算法的云计算资源调度实现方法有效
申请号: | 201610057638.8 | 申请日: | 2016-01-27 |
公开(公告)号: | CN105740051B | 公开(公告)日: | 2019-03-22 |
发明(设计)人: | 竹翠;仇瑞琪 | 申请(专利权)人: | 北京工业大学 |
主分类号: | G06F9/455 | 分类号: | G06F9/455;G06F9/50;G06N3/12 |
代理公司: | 北京思海天达知识产权代理有限公司 11203 | 代理人: | 沈波 |
地址: | 100124 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明为基于改进的遗传算法的云计算资源调度实现方法,随着云计算的发展,数据中心规模越大,能耗问题和资源利用率成为最主要的制约因素,因此在满足用户需求的基础上,如何设计合理的资源调度方法,提高资源利用率,降低能耗成为迫切需要解决的问题,也是目前云计算发展的瓶颈之一。该方法将遗传算法进行改进,并应用到云计算资源调度中。将SLA约束和能耗约束作为适应度函数,使得虚拟机在物理机上创建时能够找到最合适的放置策略,改进后的遗传算法在满足用户需求基础上,节约能耗,最大程度产生最优的经济效益。 | ||
搜索关键词: | 基于 改进 遗传 算法 计算 资源 调度 实现 方法 | ||
【主权项】:
1.基于改进的遗传算法的云计算资源调度实现方法,其特征在于:随着云计算的发展,数据中心规模越大,能耗问题和资源利用率成为最主要的制约因素,因此在满足用户需求的基础上,如何设计合理的资源调度方法,提高资源利用率,降低能耗成为迫切需要解决的问题,也是目前云计算发展的瓶颈之一;因此本方法提出基于改进的遗传算法的云计算资源调度实现方法,该方法将遗传算法进行改进,并应用到云计算资源调度中;将SLA约束和能耗约束作为适应度函数,使得虚拟机在物理机上创建时能够找到最合适的放置策略,改进后的遗传算法在满足用户需求基础上,节约能耗,最大程度产生最优的经济效益;基于遗传算法的调度资源模型建立,遗传算法是一种借鉴生物界自然选择和遗传机制的启发式搜索算法,在解决多目标问题上它可以在大规模的解空间中寻找到高质量的解决方案;在搜索的过程中,得到解空间的最优解,经过迭代的过程发现新的个体,将局部最优解和新的个体结合起来,来完成寻找全局最优解的目标;在遗传算法中,用种群来表示一个解空间,用其中的染色体来表示一条具体的解决方案,用适应度函数来衡量染色体的质量;在云计算虚拟资源中,设计遗传算法时需要对拟分配的虚拟资源进行分析,具体分析过程如下:(1)编码和种群初始化:本方法中采用的编码方式是实数编码,染色体的长度为即将创建虚拟机的个数,染色体{...hosti...}中第i个元素的值为hosti=m,含义为第i台虚拟机创建在编号为m的主机上;不断的随机产生新的染色体并加入到种群中,直到种群大小达到预设值;(2)适应度函数:选择合适的适应度函数,根据适应度函数评估每个染色体的适应度,也就是根据适应度函数衡量该条调度方案的质量;(3)判断:判断当前解是否满足要求或是否已经达到迭代次数;如果是,则终止计算,返回最优解;否则转向步骤(4);(4)选择、交叉、变异:根据既定规则选择出一部分解,并对这部分解进行基因操作交叉、变异,得到新的解,将新的解加入到种群中,转向步骤(3)进行判断;具体实施算法如下:1)初始化种群时,随机产生染色体,对产生的染色体进行约束;主机Host的资源包括CPU、内存、网络带宽、存储资源的集合,上述集合能抽象描述为下式(1),其中Hostres为Host的总资源,CPUres代表Host中的CPU资源,Ramres代表内存资源,Bwres代表网络带宽资源,Storres代表存储资源;Hostres=[CPUres,Ramres,Bwres,Storres] (1)一个Host所占用的资源是分配在上边的所有VM所占用的资源的总和,VMi表示在资源调度下第i个虚拟机,用户选择一共创建多少台虚拟机;在随机产生的染色体策略中,当在一个Host上即将创建VM时,从Host总的资源中减去VM所需的资源,当其中的任意一项小于零,说明此染色体中当前的Host资源已被全部占用,则这条染色体不在最优解的范围内,从种群中剔除;这样的约束能够保障整个种群的质量,避免VM之间的资源竞争而导致的云服务性能下降或VM创建不成功;2)适应度函数的选择对于整个遗传算法来说至关重要,种群个体的适应度函数值越大说明该个体更容易适应环境;本方法中的调度目标是在保障用户的满意度即不违反SLA约束的基础上,使得能耗降低,云服务供应商取得更大的收益;将适应度函数设计为下式(2);Fitness=Incometotal‑w1*Energytotal‑w2*SLAtotalPenal (2)其中,Fitness是适应度函数,w1,w2为各项的权重;Incometotal代表着根据不同的云任务计算得到不同的收入,由于对于某个固定的调度任务来说所得到的收入是相同的,所以在计算个体的适应度值时,个体的适应度值简化为零;Energytotal代表着完成调度任务所消耗的全部能耗,用虚拟机从开始创建到结束的时间差来衡量能耗的多少;SLAtotalPenal是在调度中如果违反SLA约束的代价花费,SLA就是指当VM随时访问所需的所有MIPS时Host都能够百分之百提供,用来衡量VM可用性的百分比;如果虚拟机所期待得到的MIPS小于给它分配的,即违反SLA约束;SLAtotalPenal通过下式(3)得到:
其中的MIPStotalAllocated表示所有已经分配的MIPS的值,MIPStotalMissed表示未及时分配给VM的MIPS的值;整体的能耗越小,证明虚拟机在创建的时候越集中在某些Host上,这样必然会使整个系统的资源使用率升高;违反SLA的次数越少,用户的体验越好,任务会在更短的时间内完成;从这两个角度来衡量种群中个体的质量是全面而合理的。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610057638.8/,转载请声明来源钻瓜专利网。