[发明专利]基于GA算法的云计算集群负载调度方法

说明书

基于GA算法的云计算集群负载调度方法，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。本发明大幅度缩短请求任务相应时间，在用户量增多的情况下也能明显改善GIS服务质量，提高用户使用满意度。

技术领域

本发明涉及网络负载调度领域，具体涉及一种基于GA算法的云计算集群负载调度方法。

背景技术

云计算应用的迅速发展，对其性能和服务质量提出了更高的要求，多核处理器以及虚拟化技术的兴起，为云计算集群的进一步发展，现有技术中常用负载均衡调度常用方法来进行调度，负载均衡调度算法是集群的一个关键技术，己经有众多的调度算法在不同场景下得到了有效的使用。在多用户高并发的Web系统中，负载均衡算法的好坏直接影响了QoS,一直以来都是计算机和相关领域研究的一个热点。通常，该算法划分为静态负载均衡算法和动态负载均衡算法。

①静态负载均衡算法

该算法主要从待执行的任务角度来考虑，可以认为系统己经获知任务的运行特性，比如任务的类型，运行所需要花费的时间代价。然后负载均衡算法根据这样已知的任务特性，计算出最优的任务调度分配方式。如何尽量准确的获取任务的运行特性，以及如何根据这些信息规划出最优调度方案，是该算法所要关注的核心问题。

但是静态调度算法未考虑集群运行状态，而集群的运行状态是不断变化的，静态算法不免会出现分配不均的情况，浪费系统资源利用率。

②动态负载均衡算法

一个重要的算法是从集群的运行状态的角度来考虑，需要负载均衡器及时的获取集群当前资源如CPU、内存、网络等的使用状态，以及任务的运行状态。算法在进行调度之前，会根据系统运行状态评价各节点负载情况，一般都会将当前任务分配给负载最小的节点，从而实现任务的调度。如何准确而及时的获取集群运行状态并做出负载评估是该算法的核心问题。

相对于静态负载均衡算法，动态的负载均衡算法考虑了集群系统的变化情况，并针对性的对分配做出调整。负载分配的问题具有普遍性，可以考虑从其他领域引入一些新方法新思路来解决问题。

相关科学家对基于空间数据库的几何空间操作做了对比得出的结论是绝大多数空间操作都需要消耗高额CPU和大量I/O,空间数据的复杂性决定了空间操作是一种CPU和I/O密集型计算任务，而不同类型的空间操作的复杂度的差异也非常大。空间查询不仅要根据査询条件计算空间对象的索引，还要将查询到的对象进行读取和对象化建模，是一种以I/O为主，CPU计算为辅的任务；空间叠加分析是一种二元运算，不仅要将大量数据从存储设备装入内存，还需要进行复杂空间运算，其复杂程度往往要高出空间查询一个或多个数量级。在一个具有空间查询、动态制图、空间数据编辑、空间分析、网络分析等不同复杂度的云计算集群系统，面临的压力一方面是用户量大，另一方面是因请求任务之间的巨大差异性而放大的集群节点之间的负载不平衡。

简单的负载均衡算法如轮询法，对于负载请求差异较大的集群是不适合的，一些更为复杂的动态负载均衡算法可以应对这样的需求，但其本身的复杂性和对系统计算和通讯资源的占用会引入一些新的问题，影响着云计算集群的发展进程。

发明内容

针对现有技术的不足，本发明的目的旨在提供一种虚拟化云计算集群负载均衡算法，使得请求任务相应时间最短，在用户量增多的情况下也能明显改善GIS服务质量，提高用户使用满意度。