[发明专利]一种基于BP-Tabu搜索的云任务负载均衡调度方法

摘要

一种基于BP‑Tabu搜索的云任务负载均衡调度方法，包括以下步骤：第一步：形式化描述云计算环境下的负载均衡任务调度问题，并给出对于云计算环境下各元素相关定义；第二步：基于贪心算法思想求得任务调度初始解，使用对时间贪心的算法，对任务调度初始解进行求解；第三步：针对不同任务分配方案，根据虚拟机处理能力MIPS、指令的执行成本以及延迟成本，定义虚拟机利用效益函数；定义任务调度方案P下的优值函数Bp；第四步、结合贪心算法获得的任务调度初始解，通过衡量包含效益值以及负载均衡度的优值函数，得出基于Tabu搜索算法优化后的任务调度分配策略。本发明任务分配均衡，适用于云环境下任务调度的负载均衡方面。

主权项

一种基于BP‑Tabu搜索的云任务负载均衡调度方法，其特征在于：包括以下步骤：第一步：形式化描述云计算环境下的负载均衡任务调度问题，并给出对于云计算环境下各元素相关定义，包括：云任务T、虚拟机资源VM、执行时间矩阵CT、云任务到虚拟机的分配矩阵P、任务最早完成时间makespan、总任务最优完成时间VL和负载均衡度LBp；第二步：基于贪心算法思想求得任务调度初始解，使用对时间贪心的算法，对任务调度初始解进行求解，过程为：先通过计算获得每个任务在相应虚拟机资源上的最小完成时间列表，然后在这些最小完成时间中，选取出其中的最大值与最小值进行组合，如果该任务组合对相对于其他任务组合对分配时间最优，就完成任务资源分配；如果不是最优，即将任务对分配给其他虚拟机资源；若任务对分配存在多种方案，挑选任务运行数最少的虚拟机资源分配；第三步：针对不同任务分配方案，根据虚拟机处理能力MIPS、指令的执行成本以及延迟成本，定义虚拟机利用效益函数，用于衡量虚拟机的使用效益；根据虚拟机总利用效益，以及虚拟机的总负载平衡度，定义任务调度方案P下的优值(benefit)函数Bp，用于衡量该任务调度方案的任务优值，过程如下：3.1、在任务分配方案P下，定义虚拟机vmj当前状态下VMUj为虚拟机vmj的利用效益，函数如下：VMUj＝vmu(α,DP,MIPS)其中α为虚拟机处理指令的执行成本，DP为处理指令的延迟成本；3.2、定义n个不同任务调度到m个不同虚拟机上的平均负载，即总任务最优完成时间为即假设，在任务调度方案P下，虚拟机总的负载均衡度定义该任务调度方案P下的优值函数Bp，用于衡量任务调度方案P的任务优值，主要函数如下：BP=w1*(Σi=1mVMUi)+w2*LBp]]>其中w1，w2为权重值。VMU为虚拟机利用效益和，LBp为该任务调度方案下的负载均衡度；第四步、结合贪心算法获得的任务调度初始解，通过衡量包含效益值以及负载均衡度的优值函数，得出基于Tabu搜索算法优化后的任务调度分配策略。