[发明专利]多目标云任务均衡调度方法、服务器及存储介质

说明书

本发明公开一种多目标云任务均衡调度方法、服务器及存储介质，本发明对当前多目标云任务的目标参数进行初始化处理，基于各目标参数并根据预设规则为当前多目标云任务生成N个种群粒子，其中，每个种群粒子表征各个云任务在不同云资源上的调度结果，每个种群粒子表征一个m行n列的矩阵，所述矩阵的单个元素表征单个云任务在一个云资源上的调度结果；基于引力搜索算法计算各种群粒子的粒子速度，通过各种群粒子的粒子速度对各个种群粒子对应的矩阵进行更新，将更新后的矩阵作为最终调度解，最后从最终调度解中选取任务调度最优解，本发明在同时存在任务预定完成时间和任务执行预算均有约束条件的情况下，能够实现对当前多目标云任务的均衡调度。

技术领域

本发明涉及通信技术领域，尤其涉及一种多目标云任务均衡调度方法、服务器及存储介质。

背景技术

云任务调度不同于传统的任务调度问题，需要考虑的因素更多更复杂。首先，其用户执行任务时的服务质量需求更加多样性，如需要满足服务响应时间或需要考虑服务代价等。其次，云服务具有异质性、动态性和弹性等特征。最后，在提交任务时，需要满足预定义的时间或执行预算的约束。此时的任务调度问题本质上是联合优化问题。

目前的研究中，一些工作主要集中于执行时间的优化，未考虑用户的预算约束。然而，由于云计算的市场化特征，用户必须对云资源使用进行付费，一些工作则考虑了用户预算和截止时间约束。

文献[W.Zheng and R.Sakellariou,Budget-deadline constrained workflowplanning for admission control[J],Journal of Grid Computing,2013,11]提出了一种基于预算约束的异构最快完成时间算法BHEFT，该算法是经典的异构最快完成时间工作流调度算法HEFT的改进，考虑了任务调度时的最优预算约束问题。

文献[H.Arabnejad,J.G.Barbosa,Abudget constrained scheduling algorithmfor workflow applications[J],Journal of Grid Computing,2014,12(4)]提出了一种异构预算约束调度算法HBCS，通过定义代价因子调整可用预算与最低廉价格可能性的比例，实现调度优化。

文献[李克武,张功萱,朱昭萌,云环境中基于分解的多目标工作流调度算法[J],计算机工程与科学,2016,38(8):1588-1594.]提出了MOSC/D算法则是以工作流完成时间和费用作为优化目标，通过目标分解机制对单一目标求解近似最优解。

上述现有技术文献多数工作集中于优化单一目标或单一约束，没有考虑不同目标间的相互影响，即执行时间与执行代价间的影响，也就是说在同时存在任务预定完成时间和任务执行预算均有约束的条件下，如何让任务执行时间和任务执行代价实现同步均衡优化调度，是一个亟需解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供了一种多目标云任务均衡调度方法、服务器及存储介质，旨在解决云任务在调度过程中，若在任务完成时间以及任务执行预算均有约束的条件时，如何实现任务执行时间和执行代价之间的均衡调度的技术问题。

为实现上述目的，本发明提供了一种多目标云任务均衡调度方法，所述方法包括以下步骤：

确定当前多目标云任务的目标参数，所述目标参数包括任务执行截止时间D、任务执行成本预算B、当前云任务集合T以及当前云资源集合R；所述当前云任务集合包括n个云任务，所述当前云资源集合包括m个云资源；对各个目标参数进行参数初始化处理；