[发明专利]基于GA算法的云计算集群负载调度方法

权利要求书

1.基于GA算法的云计算集群负载调度方法，其特征在于，包括：

S1：读取任务队列，从“服务任务执行时间模型表”中查找出每个任务的运行参数；

S2：对运行参数进行编码，将运行参数集合转换为染色体位串集合，生产初始种群Group(g),g＝0；

S3：计算初始种群中每个个体的适应度值；

S4：判断终止条件g>＝Gmax(Gmax为最大繁殖代数)，如果条件不满足，执行S5，否则转到S8：

S5：进行选择操作形成下一代种群Group(g),g+＝1，采用模拟退火的选择算法；

S6：以概率P_c进行交叉操作；

S7：以概率P_m进行变异操作，转到S3；

S8：算法终止，输出当前最优调度方案。

2.根据权利要求1所述的基于GA算法的云计算集群负载调度方法，其特征在于，所述染色体位串中一个基因代表一个待分配的任务，一个基因表示为(t,l,p,n)，其中t表示任务编号，l表示任务规模，即任务的预期执行时间，p表示任务优先级，p是一个布尔值，用1(True)表示高优先级，在节点内部任务执行时会被优先排序，0(False)表示低优先级，会被推后执行，n表示该任务被分配到的集群节点服务器编号，n的值采取随机的方式生成，即从n的取值范围0<n<Ns中随机选取正整数给n赋值，形成一个染色体；一个染色体由一组带分配的任务构成，一个染色体对应一个负载调度方案，一个染色体的表达方式为{(t,l,p,n)|t>C,l>0,p＝0|1,0<n<Ns}，其中C为负载策略转换阀值(C＝K*Ns)，1为正整数，Ns为集群节点数量。

3.根据权利要求1所述的基于GA算法的云计算集群负载调度方法，其特征在于，所述适应度值由适应度函数表示，所述适应度函数定位为其中反映集群节点负载均衡程度的节点负载量偏差集群节点平均负载量为节点负载总量为其中集群节点负载量(L_i)为当前分配负载值(L_c)与预期(算法分配)负载值(L_e)之和即L_i＝L_c+L_e，节点当前负载任务数为T_c，第n个任务预期执行时间为ct_n，预期负载任务数为T_e，第n个任务预期执行时间为et_n。

4.根据权利要求1所述的基于GA算法的云计算集群负载调度方法，其特征在于，所述当前分配负载值(L_c)和节点当前负载任务数T_c统称集群节点当前负载信息，集群节点当前负载信息采用负载量快照的方式获取。

5.根据权利要求4所述的基于GA算法的云计算集群负载调度方法，其特征在于，所述负载量快照的方式是指在执行调度方案时，将任务分配情况同步记录到任务执行实时状态快照表中，各节点也将任务执行状态反馈到负载均衡器中，以及时更新状态的记录；并在执行适应度评价时，会生成任务实时状态快照表，然后对任务实时状态快照表进行计算和分析，得出当前负载量的值。

6.根据权利要求5所述的基于GA算法的云计算集群负载调度方法，其特征在于，所述任务实时状态快照表记录着任务ID、任务优先级、预期执行时间、开始时间及状态。

7.根据权利要求6所述的基于GA算法的云计算集群负载调度方法，其特征在于，所述预期执行时间由“GIS服务任务执行时间模型表”中的平均执行时间获得，幵始时间为任务向节点分配的时间，状态值包括“0”和“1”，“0”表示任务执行失败，“1”表示任务分配成功，若任务执行成功，则从实时任务表中将该调度任务删除，表中只保留未执行或执行失败的任务记录，执行失败的任务也会定期做处理，重新尝试执行或是向客户端反映任务执行失败。