[发明专利]一种基于遗传算法的云资源调度方法

说明书

本发明涉及一种基于遗传算法的云计算资源调度方法。包括：初始化各个服务器参数，接收用户提交的任务，采用改进的遗传算法得到资源调度的分配方案，即任务与服务器的映射关系，调度器根据分配方案进行资源调度。该方法在满足用户需要的同时，快速部署云任务，使得云服务提供商的运行成本最低。

技术领域

本发明涉及一种云计算和虚拟化，具体涉及一种基于遗传算法的云计算资源调度方法。

背景技术

智能化信息时代的到来使新的计算模式-云计算诞生。云计算相对于以往的网格计算，具有超大规模、虚拟化、可伸缩性、按需服务、可管理性等特点，因此备受各大厂商和研究者们的关注和青睐。

云环境下的资源调度问题从云概念提出之时就被广泛关注，是云计算的一个重要研究方向。云计算的调度，是指在某个云环境下，根据该环境下资源的使用策略和不同资源的消费者需求，在使用者之间进行的资源的调度过程。由于云计算平台的资源是异构的，在调度时候既要考虑用户需求的动态改变还要考虑系统的协调以及成本因素，因此如何高效的对云资源进行调度成为云计算研究的一个难点。

资源调度的评价指标包括：集群性能、服务质量、经济效益、负载均衡等。近年来学者在云环境下的资源调度方面做了很多研究工作。大多研究工作关注于性能为中心的调度，服务质量为中心的调度和以经济原则为目标的调度。但大多数研究没有考虑任务超时的成本问题，即云服务提供商承诺的延时赔偿。而且，大多数研究是基于单一目标，调度过程中往往会过度优化某一项指标，但恶化其他指标。

发明内容

为了能更好的解决上述问题，本发明的目的在于提出一种云资源调度方法，该方法具有较快的调度速度，降低运行商的运营成本，从而提高云服务商经济效益。

本发明提供一种基于遗传算法的云资源调度方法，包括如下步骤：

步骤1：初始化各个服务器参数，包括服务器个数以及每个服务器拥有的CPU和内存信息。给出超时赔偿参数。

步骤2：用户提交任务，用户提交的任务包括如下信息：任务的CPU和内存需求，期望完成时间。

步骤3：采用改进的遗传算法得到资源调度的分配方案，即任务与服务器的映射关系。

步骤4：调度器根据步骤3得到的分配方案进行资源调度。

优选地，所述步骤3的流程如下：

(1)编码。对个体进行编码，简单起见选择二进制编码。

(2)初始化群体的产生。系统随机生成S个任务与服务器的对应序列，即S条染色体，所有染色体个体组成一个种群。

计算适应度值。根据分配方案，计算每台服务器运行时间，以及哪些任务超时，根据算出个体所需成本W，适应度函数为其中，K_i为服务器i的单位成本，T_i为服务器i运行的时间，B为期望时间内没有完成的任务集合，f(b，t)为任务b超时t的成本函数。计算每个个体的适应度。

(3)选择操作。选择适应度值高的个体演化到下一代种群。

(4)交叉操作。通过一定的概率R_c，选取个体进行交叉，随机产生交叉的位置点，通过交叉过程产生新的子个体。

(5)变异操作。根据变异概率R_m对某些个体进行变异，变异是对个体中某个或某些位进行变异，变异后产生新的子个体。

(6)是否达到迭代次数，是则选择适应度最大的个体，对该个体进行解码得到任务与服务器的对应方案。若没有达到迭代次数转到(4)选择出适应度较高的S个个体继续循环。

优选地，上述优化方法，需要输入以下信息：