[发明专利]一种基于贝叶斯网络的分布式计算任务调度算法

说明书

本发明是一种基于贝叶斯网络的分布式计算任务调度算法，利用HEFT算法对有向无环图调度，得到调度结果，进一步构建数据集D₁；利用贝叶斯网络模型计算数据集D₁每个子任务在不同CPU上处理的概率，构建数据集D₂；计算数据集D₂中每个任务调度到不同CPU上的先验概率；计算待调度有向无环图所有子任务调度到不同CPU上的条件概率；利用贝叶斯网络模型对待调度有向无环图所有子任务的调度结果进行预测，输出甘特图，完成任务调度。本发明实现了对HEFT算法的模拟，具有普遍适应性，并且解决了传统算法操作繁琐和时间复杂度高的问题。

一、技术领域

本发明涉及分布式计算任务调度技术领域，是一种基于贝叶斯网络的分布式计算任务调度算法。

二、背景技术

随着计算技术的发展，有些应用需要非常巨大的计算能力才能完成，如果采用集中式计算，需要耗费相当长的时间来完成。分布式计算将该应用分解成许多小的部分，分配给多台计算机进行处理。这样可以节约整体计算时间，大大提高计算效率。分布式计算，就是使用高速的网络，将许多不同的但内部又有关联的资源联系在一起，它可以为用户提供有强大的并行计算，并具有任务分配能力。其中，衡量分布式计算的能力的一个重要指标，就是分布式计算时对任务的调度效率。总的来说，分布式计算资源调度所面临的的主要问题：任务是否能分配到合适的资源上以及任务在各个资源上执行的顺序是否合适。

分布式计算任务常用有向无环图来表示。其中有向无环图图中的节点，表示任务；边表示任务间的依赖关系。每一个节点都已知计算该任务所耗费的时间，并且每一个边都已知它若迁移到别的资源上时，所消耗的时间成本。目前针对分布式计算任务已有许多传统的算法，用于解决分布式任务的调度问题。例如HEFT算法，用于解决云计算资源调度时，主要包含两个步骤：利用Rank值确定任务的优先级和为任务分配合适的CPU资源。但是这类传统的调度方法，往往存在着操作复杂和时间复杂度高的问题。

本发明提出的一种基于贝叶斯网络的分布式计算任务调度方法，这种方法构建了一个贝叶斯网络，这个贝叶斯网络把影响调度结果的任务在CPU上的处理时间、Rank值和任务分配到不同CPU上处理的概率作为训练集的属性，充分考虑了调度过程中上一个任务的调度结果对下一个任务的影响。在这种前提下，本发明使用贝叶斯网络，对待调度任务进行调度判别。这种方法使用了较低的时间复杂度，实现了对传统算法(如HEFT调度算法)的模拟，解决了传统调度算法存在的操作繁琐和时间复杂度高的问题。

三、发明内容

为了解决了传统调度算法的存在的操作繁琐和时间复杂度高的问题，设计了一种基于贝叶斯网络的分布式计算任务调度算法。本发明有以下技术特征：

一种基于贝叶斯网络的分布式计算任务调度算法，包括以下步骤：

步骤一：利用HEFT调度算法对随机生成的有向无环图进行调度，得到每个有向无环图所有的子任务分配不同CPU编号的结果所述每个有向无环图所有的子任务分配不同CPU编号的结果为HEFT调度算法的调度结果；

步骤二：取待调度的有向无环图中的单个子任务，取所述单个任务在不同CPU上的处理时间和Rank值，作为数据集D₁的特征值,取HEFT算法的调度结果作为数据集D₁的分类结果，生成数据集D₁；

步骤三：利用构建的贝叶斯网络模型对数据集D₁进行处理，得到数据集D₁每个子任务在不同CPU上处理的概率；

步骤四：将步骤三中得到数据集D₁里的每个子任务在不同CPU上处理的概率作为新的特征，加入到数据集D₁中，构成新的数据集D₂；

步骤五：计算数据集D₂中每个任务调度到不同CPU上的先验概率P(c)；