[发明专利]一种分布式节点组内任务调度方法及系统

说明书

本发明提供一种分布式节点组内的任务调度方法及系统，所述方法包含：步骤101)收集组内各节点的资源状态信息和历史服务信息；步骤102)接收服务请求命令，解析请求命令获得请求的任务；步骤103)根据各节点的资源状态信息和历史状态信息，计算由组内每个节点加载任务后的资源利用率增量和组内各类资源的占用情况；依据使组内各节点的资源利用率增量尽量低和对组内各类资源的占用尽量均衡的原则选择组内的服务执行节点，由选择的服务执行节点提供请求的任务。本发明提出的适用于解决单一任务在多资源约束、包含多服务节点的节点组的情况下的分布式调度方法。

技术领域

本发明的技术方案属于解决分布式环境下任务调度的问题，因此需要考虑资源余量、负载均衡等多种性能指标，适用于分布时环境下的任务调度，具体涉及一种分布式节点组内任务调度方法及系统。

背景技术

目前在许多分布式计算环境中，如云计算、网格计算、P2P网络等，都存在将请求任务在多个可选择节点间如何进行调度和执行的问题。现有的调度类型基于多任务的调度和工作流调度等。

多任务调度是指有多个并发任务共同到达云分布式计算环境，需要进行调度和资源分配，从而满足各个执行节点的负载均衡等要求。常见的有Min-Min算法和Max-Min算法。Min-Min算法首先预测出当前任务队列中每一个任务在各个处理器上的最小完成时间，然后将具有最小完成时间的任务分配给相应的处理器，同时更新相应的处理器的就绪时间，将被分配的任务从任务队列移去，如此重复分配剩余的任务，直至整个任务队列为空。Min-Min算法易出现负载不均衡现象。Max-Min算法与Min-Min算法不同之处在于，在确定了每个任务在各个处理器上的最早完成时间之后，将具有最大的最早完成时间的任务分配给相应的处理器，并及时更新相应的处理器就绪时间，对于剩下的任务进行重复处理。Max-Min算法在负载均衡方面比Min-Min算法有所改善。

另外一类是针对某个工作流内部的多级时序相关子任务的调度算法，从而满足减少总执行时间和能耗等需求。EDTS算法是针对一个任务内部的N步子任务进行最优调度的方法，算法首先预测出各个子任务在所有机器上执行所花费的时间及能耗，然后为这一连串任务设定了总截止时间，在固定的总截止时间下，结合已有的时序关系，找出尽可能节能的子任务分配方式，是针对一个任务进行拆分、调度，实现的是一个任务自身的性能最优。

上述方法大多是通过中心式的服务器进行调度方案的计算和资源分配，然而，在大规模分布式网络中，如大规模计算集群、P2P网络等环境，中心式的计算并不现实，其效率和计算消耗难以满足实时、准实时等应用的需求。

发明内容

本发明提出的适用于解决单一任务在多资源约束、包含多服务节点的节点组的情况下的分布式调度方法。

为了实现上述目的，本发明提供了一种分布式节点组内的任务调度方法，所述方法包含：

步骤101)收集组内各节点的资源状态信息和历史服务信息；

步骤102)接收服务请求命令，解析请求命令获得请求的任务；

步骤103)

根据各节点的资源状态信息和历史状态信息，计算由组内每个节点加载任务后的资源利用率增量和组内各类资源的占用情况；

依据使组内各节点的资源利用率增量尽量低和对组内各类资源的占用尽量均衡的原则选择组内的服务执行节点，由选择的服务执行节点提供请求的任务。

可选的，上述步骤101)进一步包含：

步骤101-1)组内的各节点均维护本节点的资源状态信息和历史服务信息；

步骤101-2)各节点将维护的资源状态信息和历史服务信息传输至调度执行节点，其中，所述调度执行节点用于从组内选择针对一个具体任务的执行节点且该调度执行节点用于接收用户的服务请求命令O。