[发明专利]一种个性化服务需求的动态匹配方法

说明书

本发明提供了一种个性化服务需求的动态匹配方法，包括：云平台根据经验值下发初始阈值给客户端/终端；确定一个统计分析周期，周期内云平台计算各子任务的熵；应用在周期内因资源需求的变化，客户端感知变化向云平台发起资源重分配/回收的请求；将云平台一个周期内的所有子任务重分配方案认为是一个蚁群，针对优化目标函数，采用蚁群算法迭代子任务的分配方案；求得每个子任务资源分配门限的一组近似最优解，得到优化的全局资源重分配方案。本发明用多目标优化求解，不仅消除资源动态匹配中的扰动，还在动态匹配中兼顾到了全局负载均衡效果。

技术领域

本发明属于互联网技术领域，涉及一种个性化服务需求的动态匹配方法。

背景技术

服务互联网(IoS,Internet of Services)是大服务的网络化形式。在IoS中，任何对象都可以作为一种服务在互联网上获得。服务作为一种封装的功能实体，包含服务提供者和客户的交互过程，并通过在网络上的分布、虚拟化和聚合，以满足客户的需求和为客户创造价值。其中发生概率小于1的那些子服务称为个性化子服务。

在子服务的资源需求中，一种技术只是固定分配子服务所需的峰值资源，以满足子服务请求的资源峰值需求，当子服务资源需求非峰值时间内，依然占用着峰值的资源块，造成资源利用率不高。即使对此有改进，一般也只是设定每个子服务资源重分配的阈值来决定何时分配资源。该技术描述如下：数据中心中有一个资源调度器，可根据用户客户端的请求管理虚拟资源(包括分配超量的虚拟资源和撤回过多的虚拟资源)，如图1所示。用户客户端将应用中子服务的负载变化通知数据中心的资源调度器。设定子服务资源调整的阈值有利于解决如下两个问题：1、资源重分配频繁会增加开销，降低效率；2、资源重分配间隔太大，不能及时响应子服务的资源需求变化，会影响应用执行。初始时，根据经验值预设一个阈值Lnorm给客户端，只有当客户端感知到应用负载变化超过门限Lnorm时，才会进行资源调整，以屏蔽一些频繁震荡。以上是针对单个发生概率为1的频繁服务，对于个性化子服务由于服务的发生概率不等，门限的设定很难优化，目前此种方式存在门限设置过大过小都容易引起扰动或客户端无法执行，或因资源竞争关系，造成系统存量资源不足或应用常被打断等种种问题。以往的门限方案仅仅对单个发生概率为1的应用，根据经验值设定一个阈值。阈值有较大概率定得不合理时会造成系统陷入瘫痪，并且不能实时变化以适应系统环境的动态变化。

发明内容

为解决上述问题，本发明提出一种个性化服务需求的动态匹配方法，创造性的基于蚁群算法解决资源重分配需求时空序列的分配方案优化，是一种动态匹配问题的优化方法，对大规模云服务中个性化服务的动态匹配的问题非常适用。

为了达到上述目的，本发明提供如下技术方案：

一种个性化服务需求的动态匹配方法，包括如下步骤：

步骤1，云平台根据经验值下发初始阈值给客户端/终端；

步骤2，确定一个统计分析周期，周期内云平台计算各子任务的熵；

步骤3，应用在周期内有对资源需求的变化，客户端/终端感知变化向云平台发起资源重分配/回收的请求；

步骤4，将云平台一个周期内的所有子任务重分配方案认为是一个蚁群，针对优化目标函数，采用蚁群算法迭代子任务的分配方案，如果求解得到能够响应资源重分配/回收需求，则云平台向客户端/终端应答并分配/回收资源；

步骤5，在空间序列上完成一组离散点的优化，求得每个子任务资源分配门限的一组近似最优解，得到优化的全局资源重分配方案从而得到全局资源重分配方案的优化解。

进一步的，在每个时刻，系统存量资源应不小于系统新增需求与回收资源之差，如下式：

R为系统每个时刻可用的资源总量，r为已分配出去的资源量，S＝{s1,…sn}为每个子服务的熵记做。