[发明专利]面向能耗的云工作流调度优化方法

权利要求书

1.面向能耗的云工作流调度优化方法，其特征在于：包括如下步骤：

步骤1：建立面向能耗的云工作流过程模型和资源模型，获得调度优化所需的信息

云工作流过程模型定义为：Φ＝{T,E}，T是云工作流过程模型中的任务t的集合，E是一个有向边即T中元素有序对的集合，E中的每个有向边被表示为e(t_i,t_j)；在一个e(t_i,t_j)中，t_i称为t_j的前继任务，t_j称为t_i的后继任务，t_j只有在其前继任务t_i被执行完成后才能被资源执行；任务集T中的任务t被进一步描述为t＝(id,length,IFL,OFL)；t.id是任务t的编号或名称；t.length是任务t的执行长度，即任务t被计算资源即虚拟机处理时需要耗费的指令数量；t.IFL是处理任务t时需要的输入文件列表；t.OFL是任务t被处理后产生的输出文件列表；用file.size表示文件file的大小；

云工作流资源模型被定义为：cr＝(H,VM)；cr.H是云计算环境下主机h的集合；cr.VM是云计算环境下虚拟机vm的集合；

所述主机h被定义为：h＝(id,ps,η,st)；h.id是主机h的编号或名称；h.ps是主机h的计算能力；h.η是主机h的负载--功耗函数，根据《计算服务器功耗和性能特性的工业标准》提供的数据采用线性内插法来计算获得；h.st是主机h的当前状态，h.st＝0表示当前主机h是空闲的，h.st＝1表示当前主机h正在处理任务，在s时刻主机h的状态用h.st(s)表示；

所述虚拟机vm被定义为：vm＝(id,hid,T,ps,bw,st)；vm.id是虚拟机vm的编号或名称；vm.hid是虚拟机vm所在主机的编号或名称；vm.T是虚拟机vm可以处理的工作流任务集合；vm.ps是虚拟机vm的计算能力，由所在主机分配；vm.bw是虚拟机vm的带宽，由所在主机分配；vm.st是虚拟机vm的当前状态，vm.st＝0表示当前虚拟机vm空闲，vm.st＝1表示当前虚拟机vm正在处理任务，在s时刻虚拟机vm的状态用vm.st(s)表示；vm处于1状态时，其总是全力处理任务，其利用率为1，反之，vm处于0状态时，虚拟机不处理任务，其利用率为0；

步骤2：计算任务的优先级，即rank值

首先，计算处理任务t_i时的平均执行时间需要从共享数据库获得输入数据/文件的平均传输时间及两个连续任务在虚拟机间的数据/文件的平均传输时间

处理任务t_i时的平均执行时间的计算方法如下：

其中：VM_i＝{vm|t_i∈vm.T}表示所有可以处理任务t_i的虚拟机集合；

处理任务t_i时需要从共享数据库获得输入数据/文件的平均传输时间的计算方法如下：

从任务t_i到t_j的数据/文件平均传输时间的计算方法如下：

其中：VM_j＝{vm|t_j∈vm.T}表示所有可以执行任务t_j的虚拟机集合；

然后，计算每个任务的优先级，在工作流过程模型中对于没有后继任务的结束任务t_i，其优先级为：

其它任务的优先级采用如下递归公式进行计算：

其中：succ(t_i)＝{t|e(t_i,t)∈E}是任务t_i的后继任务集合；

步骤3：从任务集T中取出一个优先级最高的任务t，找出可以执行任务t的虚拟机集合VM_t，计算把任务t分别分配给VM_t中的每个虚拟机后完成包括t在内的所有已分配任务{t′₁,L,t′_m}将消耗的能耗

所述的计算方法如下：

其中：为任务t′₁,L,t′_m的完成时间，VM_h＝{vm|vm.hid＝h.id}是创建在主机h中的虚拟机集合；

步骤4：找出消耗能耗最小的vm，如果最小的只有一个，把t分配给此vm，如有多个最小的，则计算这些vm开始处理任务t时所在主机h的性能功率比ξ_h(s)，其中s是虚拟机vm开始处理任务t的时刻，把t分配给能耗消耗最小当中其所在主机性能功耗比最高的；把任务t从任务集T中删除，若任务集T不为空则转到步骤3，否则转到步骤5；

所述虚拟机vm开始处理任务t时其所在主机h的性能功率比ξ_h(s)计算如下：

步骤5：输出工作流调度方案。