[发明专利]一种基于非均匀粒度分类的云环境任务调度方法

说明书

技术领域

本发明涉及一种基于非均匀粒度分类的云环境任务调度方法，属于计算机应用技术领域。

背景技术

目前，云计算主要是采用虚拟化技术将数据中心的物理资源虚拟化为资源节点后，进行统一管理和对外服务。用户享受的服务质量水平将会和所需支付的费用成正比。正是由于用户的不同需求，云任务调度方法需要为用户任务选择合适的资源，最大限度的满足用户对于服务质量的需求，提高资源利用率，维持资源负载均衡。因此，研究云环境下的任务调度方法的意义很大。

目前，现有的云计算任务调度基础算法有：Min-Min算法和Max-Min算法。Min-Min算法的基本思想是通过计算各个任务的期望完成时间，找出具有最小最早完成时间的任务，并将其分配给相应的机器。该算法总是先考虑执行时间短的任务，并将其分配到性能最好的机器上执行，因而会导致系统资源负载极不均衡，规模较小的任务等待时间较少，能在较快的时间内获得性能较优的资源执行，而一些计算量大的长任务则很可能等待时间过长，且获得的资源性能较差。Max-Min算法主要思想是每次云系统总是调度具有最大最早完成时间的任务。通过每次查找大任务的方式，该方法可有效缓解资源负载不均衡的现象，但是，它的不足之处在于：系统中短任务会出现等待时间过长而无法在规定时间内完成的问题。而本发明能够很好地解决了上述问题。

发明内容

本发明目的在于提出了一种基于非均匀粒度分类的云环境任务调度方法，该方法是采用非均匀粒度对云数据中心的虚拟化资源进行分类预处理，能够有效地缩小资源搜索范围，较快的实现任务与资源的合理匹配，获得了最小的任务完成时间。

本发明解决其技术问题所采取的技术方案是：一种基于非均匀粒度分类的云环境任务调度方法，该方法包括如下步骤：

步骤1：对云系统中的资源向量进行分类预处理，建立资源向量的初始样本矩阵；

步骤2：对样本矩阵作标准极差化处理，确保样本矩阵中的样本值在0-1之间；

步骤3：以样本间欧式距离为相似性测度函数，对得到的样本矩阵执行聚类操作，得到聚类谱系图；逐渐减小阈值T，切割聚类谱系图，最终得到三个资源分类：计算型资源分类，带宽型资源分类，以及存储型资源分类；

步骤4：对不同分类中的资源按性能从高到低进行排序：对计算型分类中的资源按照计算能力的优劣，进行排序，对带宽型资源分类按照传输性能的高低，进行排序，对存储型分类资源按照存储能力的大小，进行排序；

步骤5：分别计算各分类资源总的综合性能C_rGP；计算型分类资源的综合性能C_rGP、带宽型分类资源的综合性能C_rGP和存储型分类资源的综合性能C_rGP；

步骤6：对系统中调度的任务，计算任务资源期望t_GP；

步骤7：任务根据用户偏好在相应分类类别中优先选择负载较轻，且资源综合性能最优的资源，调度器将该资源分配给此任务；

步骤8：计算用户满意度Usatisfy，完成云环境任务调度。

上述本发明的步骤1包括：初始化数据，令用户集合U＝{u1,u2…un}，任务集合T＝{t1,t2…tn}，云系统中资源向量集合R＝{r1,r2,r3,r4,r5,r6…}。

上述本发明的步骤2包括：极差标准化处理的公式定义为：R2_ij＝(R1_ij–R1_jmin)/(R1_jmax-R1_jmin)，其中，R1_jmin是R1_1j,R1_2j…R1_nj中的最小值，R1_jmax表示R1_1j R1_2j…R1_nj，R1_jmax中的最大值。

上述本发明的步骤3包括：设置分类阈值T，初始值T应足够大，能将所有资源归并为一个类别。接着用阈值T切割聚类谱系图，得到一些分支，若分支上的叶节点属于多个分类类别，则减小阈值T，继续切割聚类谱系图，直到所有分支上的叶节点都只属于同一个分类类别为止。通过选择合适的分类阈值T，最终得到三个资源分类：计算型资源分类，带宽型资源分类，以及存储型资源分类：

计算型资源分类：classCOM＝{r1,r2…}；

带宽型资源分类：classBW＝{r3,r4…}；