[发明专利]统筹资源可信度与用户满意度的分布式资源调度方法

说明书

技术领域

本发明属于分布式算法技术领域，涉及统筹资源可信度与用户满意度的分布式资源调度方法。

背景技术

分布式计算系统利用了互联网上数以千百万计的闲置计算资源，可以获得比集中式计算系统更强大的计算能力。由于其资源的海量性、组成的异构性以及网络通信的延迟性，使得其资源调度问题成为难点。资源的调度是指将用户提交的作业合理分配到恰当的资源以满足用户的需求，最大化系统运行的效益。针对分布式资源调度问题，学者提出了一系列的调度策略。文献^[1]提出了一种基于蚁群算法的分布式资源调度策略预测模型，主要是为了提高分布式计算的动态性和实时性，提高资源调度的实时性和有效性。文献^[2，3]提出了基于可信度的分布式资源调度策略，其核心在于预测资源未来时刻的负载状况进而计算得到可信度，根据可信度来决定作业的分配。文献^[4，5]提出了基于用户总体满意度的遗传任务调度算法，该算法根据不同用户的偏好设计了用户满意度函数，通过遗传算法来优化调度过程，从而使得用户的总体满意度得到提升。文献^[6，7]提出了一种均衡调度算法，该算法对作业根据依赖关系计算阶位值，依据该值进行作业动态调整，使关键作业尽早完成，减少作业之间的等待，缩短计算作业流执行时间，结果表明，该算法对作业管理系统中投入的计算作业流的快速执行有较强优越性。文献^[8，9]对现有文献中的关于调度问题的遗传算法进行研究和比较后，该文提出了一种基于遗传算法的任务调度方法，在算法中设计了一种与其他算法不同的变异算子。文献^[10]针对固定处理节点分布式系统动态调控能力弱的问题，给出一种分布式系统任务调度模型。模拟实验证明，该算法有较好的动态调控能力，能根据需要降低处理器负载、改善任务处理延时并更合理地利用系统资源。文献^[11]提出了一种基于公平指标的任务调度负载均衡算法，推导出在多节点条件下的任务分配方法，并在此模型下改进了基于公平指标的负载均衡算法。文献^[12]在深入研究分布式系统中负载平衡调度问题的基础上，归纳总结了负载平衡调度的一般模型，对影响负载平衡的各个因素进行了详细的分析。文献^[13]提出了基于移动agent的分布式资源分配策略(MADRAP)，该策略在传统的分布式资源分配策略基础上改进了学习机制，实现了全局稳定的任务均衡负载。文献^[14]研究了分布式实时系统中的Agent调度算法，建立了分布式实时多Agent系统的结构模型，并对其结构特点、负载能力和常用的Agent实时调度算法分别进行了分析与论述。文献^[15]讨论了在多Agent系统中多组作业的并行调度问题，提出了调度效率的概念和多Agent相关任务均衡-压缩调度算法(MADTBCSA)。

上述研究或侧重于资源可靠性的研究，而忽略了用户对于作业的要求，因为现实中有的用户对于运行时间敏感，而有的用户对于运行费用敏感，忽略用户的需求将导致用户满意度的下降；或片面强调了用户满意度，如文献^[2]中满意度的计算方式是静态的，未能考虑到负载之后满意度的变化；或偏重于设计负荷均衡机制和Agent协作机制，而在目标函数中未能人性化地考虑到用户的感受以及资源的可靠性。

发明内容

本发明的目的在于提供统筹资源可信度与用户满意度的分布式资源调度方法，解决了现有的算法作业的平均返回时间高，系统运行效率低的问题。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：用户Agent：向作业响应Agent提交作业，作为资源的消费者出现，作业申请成功时占用资源，作业完成后释放资源；

步骤2：作业响应Agent：接受用户提交的作业申请，向用户返回作业完成结果；

步骤3：作业分解分发Agent：接受作业响应Agent发送的作业，将作业分解成可被分解的最小粒度，即子作业，并将分解后的子作业发给作业调度Agent；

步骤4：资源搜索Agent：搜索网络中在线的资源，注册资源；

步骤5：作业调度Agent：作业调度Agent接受已经被划分为最小粒度的子作业，通过调度算法将子作业分配到资源Agent中；