[发明专利]基于调度目标空间的云计算资源调度方法

权利要求书

1.一种基于调度目标空间的云计算资源调度方法，其特征在于，具体包括以下步骤：

（1）用户向云服务系统提交服务请求，并从可扩展的调度目标空间中选择其中的一个或多个维度的调度目标{Q₁,Q₂,…,Q_ξ}作为自身服务资源调度的目标，并分别赋予不同的调度目标相应的调度参数；

（2）云系统监视器根据用户提交的调度目标所涉及到的调度参数，收集相应的系统数据，并发送给云调度系统；

（3）云调度系统根据用户提交的各项服务请求参数（包括服务请求执行所需的资源量、服务请求执行的时间上限）以及云系统监视器发送过来的系统数据，监控现有虚拟服务器上的资源占用情况，形成待分配资源区；

（4）云调度系统根据现有的资源占用情况和用户的调度目标空间中的具体调度需求，运用效用函数计算出用户总体效用，具体主要进行两阶段的效用集结决策过程，包括以下内容：

①多属性效用的集结：

假定用户i针对其服务请求R_i所选择的调度目标Q_i中一共有π_i个目标，所有的目标权重表示为,，则R_i的整体效用被计算为：

U2(i)=Σl=1πiωilU2l(VMi(PNjk)),i=1,···,M;j=1,···,n;k=1,···,θ;]]>

②多用户效用的集结：

系统中所有用户的效用是U₂(i)的线性组合，这里使用其定义系统中所有用户的效用函数，也就是每一个任务的效用的加权之和，表示为：，其中w_i是每一个服务请求R_i的权重，将w_i的计算定义为下式：

其中s(q_i),s(E_i)分别是服务请求R_i所需要的资源量以及期望价值的标准化（过程如下）之后的结果，λ和μ是资源量以及期望价值的系数；

s(qi)=qi-qminqmax-qmin,s(Ei)=Ei-EminEmax-Emin,i=1,···,M;]]>

其中q_max和q_min分别表示在M个服务请求中最大及最小的资源量需求，E_max, E_min分别表示在M个服务请求中最高以及最低的期望价值；

（5）选取用户总体效用最大的调度方案，并做出实时的调度决策，将用户的服务请求分配到相应的虚拟机资源上，执行用户的服务请求；所述的选取用户总体效用最大的调度方案采用的寻优算法为引力搜索算法，具体的算法流程如下：

①编码：首先对虚拟机和服务进行编号，再根据服务对应的虚拟机确定服务在某个虚拟机上处理；

②解码：由于在GSA算法的迭代中会生成非法解，必须进行修正操作，采用取相近整数值的方法，解码过程中，某个虚拟机上可能安排多个服务，各个服务在同一个虚拟机上的安排规则如下：计算各个服务的最大总效用h_i，然后按照w_i·h_i值对服务进行排序；

③最优个体保存策略：在个体某代的迭代过程中，保留函数值最大个体，若函数值最大个体存在多个，随机选择一个，最优个体同时参与下一次迭代过程

④变异操作：对所有个体进行变异操作，第t次迭代中个体i的变异概率计算公式如下：

μi(t)=0.04+0.06×exp(ftfmax-1)]]>

其中，f_t表示个体i的函数值，f_max表示所有个体的历史最优函数值，对于个体i的变，随机产生一个随机数rand∈[0,1]，若rand≤μ_i(t)，执行变异操作，即随机取出个体i的某一维数据进行变异；

（6）云系统监控器根据不同用户的服务请求执行情况，收集相应的系统负载数据，为下一时段的用户的服务请求调度提供虚拟机数据参考；

（7）循环执行以上步骤，直至用户不再向云服务系统提交任何服务请求。