[发明专利]云计算环境下分级感知的科学工作流调度优化方法

说明书

本发明公开了一种云计算环境下分级感知的科学工作流调度优化方法，其中，方法包括：获取工作流模型中各科学工作流的任务集和云资源模型中的资源集；利用预设的工作流执行模型，在资源集中资源的约束条件下，调用基于分级工作聚类算法对所述任务集中每个任务的排程进行聚类优化；执行优化后的排程任务。本发明能够提高科学工作流的并行执行能力，并且降低系统开销和资源的浪费。

技术领域

本发明涉及计算机技术领域，尤其涉及一种云计算环境下分级感知的科学工作流调度优化方法。

背景技术

科学工作流是业务过程的部分或整体的自动化执行，参与者为实现某些标准或预期的业务目标，根据一系列过程规则自动将文档、信息或任务进行相互传递的过程。而云计算环境下的科学工作流，简称“云科学工作流”，是云计算与科学工作流相关技术的整合，能有效提高云计算的服务质量，在需要高效计算性能和大规模存储支撑的跨组织业务协作、科学计算等领域具有广泛的应用前景。云科学工作流调度是指在满足科学工作流任务时序和用户需要约束下如何把工作流任务映射/分配到合适的云计算资源(虚拟机)上，以及如何安排被分配到云计算资源(虚拟机)上的任务的执行顺序。

在云计算环境下，通常配置有型号不一定相同的众多主机；工作流执行时，通常以虚拟机作为计算资源的最小分配单位负责接收并处理工作流任务，而虚拟机是建立在单台主机中的，由主机给其分配计算能力、带宽。

科学工作流通常包括执行时间长短不一的计算任务，在分布式环境下，对一些执行时间短的任务来说，队列等待时间、调度的时间开销比任务本身的执行时间更久。因而，在云计算环境下，聚类被广泛用于科学工作流调度优化中，其原理是将多个执行时间短的任务组合到一个类，以便其在一个资源上进行调度，这有利于最小化任务的调度开销。但是，工作流任务分组和工作流的并行性存在矛盾，太多的分组会减少任务的并行效率，会产生低效率的并行线程。容易导致分布式环境下工作流执行过程中并行效率低和系统负载过量的问题。

发明内容

本发明提供的云计算环境下分级感知的科学工作流调度优化方法，其主要目的在于解决现有的上述问题。

为解决上述技术问题，本发明采用如下技术方案：

一种云计算环境下分级感知的科学工作流调度优化方法，包括以下步骤；

获取工作流模型中各科学工作流的任务集和云资源模型中的资源集；

利用预设的工作流执行模型，在资源集中资源的约束条件下，调用基于分级工作聚类算法对所述任务集中每个任务的排程进行聚类优化；

执行优化后的排程任务。

作为一种可实施方式，本发明提供的云计算环境下分级感知的科学工作流调度优化方法，还包括以下步骤；

通过向非循环的图建立工作流模型W=(T，E)；

其中，T为任务，是由子任务组成的集合，即T={t₁，t₂，…，t_n}；t₁，t₂，…，t_n为子任务；E为各子任务直接的有向连接边。

作为一种可实施方式，本发明提供的云计算环境下分级感知的科学工作流调度优化方法，还包括以下步骤；

根据存储能力和计算能力将虚拟机进行划分并虚拟建立云资源模型。

作为一种可实施方式，所述利用预设的工作流执行模型，在资源集中资源的约束条件下，调用基于分级工作聚类算法对所述任务集中每个任务的排程进行聚类优化，包括以下步骤；

为底层的任务配置虚拟结束节点作为最底层节点，从最底层节点开始逐层往上对每个当前任务节点的父任务节点进行聚类，并统计聚类结果产生的类别数量；