[发明专利]基于改进蚁群算法的云环境任务调度方法

说明书

技术领域

本发明涉及云环境下的任务调度方法，尤其涉及一种基于改进蚁群算法的云环境任务调度方法，属于分布式计算和计算机网络应用领域。

背景技术

云计算是一种利用互联网实现随时随地、按需、便捷地访问共享资源池（如计算设施、存储设备、应用程序等）的计算模式,是网格计算的发展与商业实现。它将计算任务分布在大量计算机构成的数据中心，从而使得各种应用能够根据需要获取计算能力、存储空间和信息服务。目前，云计算环境由大规模的廉价计算节点构成，如何高效地使用这些节点的计算、存储和宽带等资源尤为重要。云环境下的任务调度策略是合理利用云环境下的资源的一种有效方式，高效的任务调度策略对缩短任务分配时间、提高云环境的资源使用率、确保云计算系统的服务质量(Quality ofService，QoS)、和云服务提供商遵守与用户签订的服务等级协议(Service-Level Agreement，SLA)具有十分重要的意义。

云计算的任务调度主要研究如何将用户提交的任务分配给计算节点以及如何对计算节点进行动态扩展。由于云环境具有节点数量庞大、资源动态分配、节点失效频繁造成节点分布动态变化等特点，因此任务调度必须能适应动态的云计算环境。目前，云环境下的任务调度算法通常从保证用户的QoS和降低云服务提供商的成本两个方面展开研究。用户的QoS主要包括用户按需支付的费用、任务完成时间、可靠性和安全性等因素。而从云计算的服务提供商角度出发，则希望在满足以上用户特定要求的基础上能够降低云系统的能量消耗，减少运营成本。例如，为保证用户任务的执行时间，JiayinLi等人提出一种基于动态反馈的调度算法进行抢占式任务调度，在资源竞争紧张的情况下也能较好地确保任务的完成时间（Jiayin Li,Meikang Qiu,JianWei Liu,et al.Feedback Dynamic Algorithms for Preemptable Job Scheduling in Cloud Systems[J].IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology.2010:561-564）；为减少云服务提供商的运营成本，Cao Qi等人提出一种ABC(ActivityBased Costing)任务调度算法，通过衡量任务开销和任务运行表现来获得比传统方法更准确的成本测量结果，从而降低系统资源的开销成本（Cao Qi,ZhiBo Wei,WenMao Gong.An Optimized Algorithm for Task Scheduling Based on Activity Based Costing inCloud Computing[C],3rd International Conference on Advances in Computing and Artificial Intelligence.2009:1-3）；

蚁群算法由于其并行分布性、扩展性、易实现和鲁棒性强等优点,非常适合用于云环境下的任务调度。Xin Lu等人利用蚁群算法在云环境中某些节点负载过重的情况下迁移正在执行的任务,从而确保云环境的负载均衡，但当任务较多时任务迁移的代价较大（Xin Lu,Zilong Gu.A load-adapative cloud resource scheduling model based on antcolony algorithm[C],IEEE International Conference on Cloud Computingand Intelligence Systems2011:296-300）；王永贵,韩瑞莲在任务分配过程中将蚁群算法和遗传算法相结合，有效地缩短了任务分配时间，但是蚁群之间交互性不强，会进行过多的无效搜索（王永贵,韩瑞莲.基于改进蚁群算法的云环境任务调度研究.计算机测量与控制,2011(5):1203-1204，1211）；刘永等人在蚁群算法中引入了双向蚂蚁机制，在一定程度上加强了蚂蚁之间的交流，缺点是只有发现资源时才会产生反向蚂蚁，如果云环境下可用资源较少，算法提升的效率不高（刘永,王新华,邢长明等.云计算环境下基于蚁群优化算法的资源调度策略[J].计算机技术与发展,2011(9):19-23，27）。

综上所述，现有的用于云环境下任务调度的蚁群算法存在蚂蚁之间缺乏交流导致搜索效率不高的问题。

发明内容