[发明专利]一种云环境下的工作流调度与数据分配方法

说明书

本发明涉及云计算技术领域，特别是一种云环境下的工作流调度与数据分配方法，包括如下步骤：获取云平台当前的工作流；根据调度模型计算工作流中每个任务的高度，并按照高度升序排列任务；使用粒子群优化算法，以工作流的执行时间以及执行成本为优化目标，获得全局最优的粒子编码；将全局最优的粒子编码解码成工作流调度与数据分配方案并输出。该方法考虑了数据存储，减少了跨节点之间的传输时间，优化了云平台中工作流的任务执行效率和执行成本。

技术领域

本发明涉及云计算(IaaS)技术领域，特别是一种云环境下的工作流调度与数据分配方法。

背景技术

云计算作为一种以商业为主要推动力的计算模型和服务模式，从云提供商的角度来看，它是将计算资源作为一种服务的形式，通过网络提供给用户，而用户则可以方便地按照自己的需求租赁所需的计算资源，无需了解其具体的细节。云调度指在云平台下对用户提交的工作流进行资源分配与部署，是云计算操作系统的核心任务。调度问题是云计算中的一个重要问题，直接关系到用户的满意程序和运营成本。因此，对云计算调度问题的研究无论从理论技术和实际应用方面都具有非常重要的意义。

一般来说，云工作流调度过程中，云服务提供商需要保证用户的服务质量(Quality of Servic,QoS)需求。其中主要的QoS需求包括完成时间、使用费用、数据存储等。完成时间和费用往往是工作流调度中用户关注的主要目标，因此现有的工作流调度算法主要从时间和费用两方面进行研究。

云工作流调度是一个NP完全问题，已有许多启发式算法被提出，这类算法根据制定的规则，首先对任务进行排序，然后逐个给任务分配当前最合适的资源。这类算法虽然能在较短的时间内找出可行的调度方案，但是寻找的是局部最优解，只要定制的启发式不变，最终得出的调度方案也保持不变，这类结果虽然能够满足用户约束的需求，但是仍有较大的优化空间。还有一类研究使用随机搜索算法来解决调度问题。与启发式不同，随机搜索算法通过在解集空间只能怪随机寻找调度方案，通过设置不同的参数来改进最终搜索的结果。由于算法的随机性，每次的结果有优有劣，经过多次执行有可能找到满足应用要求的较优调度方案，然而这类算法的执行时间远高于启发式算法，因此存在效率问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种云环境下的工作流调度与数据分配方法，该方法有利于提高云平台中的工作流调度效率和成本优化。

为实现上述目的，本发明的技术方案是：一种云环境下的工作流调度与数据分配方法，包括如下步骤：

步骤A：获取云平台当前的工作流；

步骤B：根据调度模型计算工作流中每个任务的高度，并按照高度升序排列任务；

步骤C：使用粒子群优化算法，每个粒子表示一种工作流调度与数据分配方案，以工作流的执行时间以及执行成本为优化目标，获得全局最优的粒子编码；

步骤D：将全局最优的粒子编码解码成工作流调度与数据分配方案并输出。

进一步地，所述步骤B中，计算工作流中每个任务的高度并按照高度升序排列任务，包括以下步骤：

步骤B1：构造工作流的有向无环图G，方法为：