[发明专利]面向云计算任务资源的预测关联迭代调配方法与系统

权利要求书

1.一种面向云计算任务资源的预测关联迭代调配方法，其特征在于，包括以下步骤：

步骤1，根据资源调配模式分配的资源，按照若干个子任务以及所述子任务彼此串行和/或并行结构关系，进行所述子任务的执行操作；

步骤2，通过所述子任务执行过程中的任务执行状态和资源消耗状态进行动态优化调配资源，以及控制所述子任务的执行过程，以此来避免触发事件机制和优化评价机制的任务场景评价分值；

步骤3，通过在所述子任务执行过程中分阶段的进行所述子任务的总体预测，来实现资源调配的总体优化；

在所述步骤3中：

步骤3.1，对本阶段进入执行的所述子任务及其串行和/或并行结构关系进行分析，预测激活或挂起的所述子任务，以及激活或挂起的所述子任务的串行和/或并行结构关系；

步骤3.2，进入资源分配阶段，为所述子任务进行资源分配，并根据资源分配量计算出该子任务的进程参数和/或数据量参数；

步骤3.3，对所述子任务进行资源分配的调整，根据每个所述子任务的所述资源分配量评估本阶段所述若干个子任务的进程参数和/或数据量参数；

步骤3.4，进入优化阶段，按照一定的幅度依次调整每个所述子任务的所述资源分配量，并评估本轮优化后所述子任务的进程参数和/或数据量参数，判断所述本轮优化后所述子任务的进程参数和/或数据量参数与所述步骤3.3的所述若干个子任务的进程参数和/或数据量参数相比是否存在改善；若是，则进行新一轮的调整直至迭代的调整轮次数达到最大值，若否，则完成了所述资源调配的总体优化；

在所述步骤3.2中：

对于子任务以及其资源分配量，根据所述资源分配量预期所述子任务的进程参数为：

其中，表示具有关联关系的所述子任务之间的关联因数，随着与子任务具有关联关系的其它子任务的资源分配量的变化，则子任务对应的关联因数也会随之而变化；表示进程基本参数，包括进程的执行速率、完成比例，函数表示进程基本参数与其资源分配量之间的相互关系，为分配资源量对进程的影响因子，因为各种类型资源对进程的影响程度不一样，因此通过影响因子进行归一化，进而代入函数，根据资源分配求得进程基本参数；

同理，预期该子任务的数据量参数为：

其中，表示所述数据量的基本参数，函数表示数据量基本参数与其资源分配量之间的相互关系，为分配资源量对数据量基本参数的影响因子；

在所述步骤2中，所述避免触发事件机制包括：

当所述子任务的进程延迟接近预设的延迟阈值，则通过加大该子任务的资源分配量来降低所述子任务的进程延迟；

当所述子任务调取或者产生的数据量接近超出数据量阈值，则通过挂起该子任务来暂停所述子任务调取或者产生的数据量的持续增大；

当服务器的可用处理器计算能力、临时内存空间量、数据存储空间接近低于告警阈值，则挂起部分所述子任务以释放资源，或者收回部分所述子任务的资源；

在所述步骤2中，所述优化评价机制的任务场景评价分值包括：

通过调控所述子任务的执行过程，适当挂起或者恢复执行所述子任务以及调配资源，使得所述任务场景评价分值避免进入需要再次分配的区间。

2.一种面向云计算任务资源的预测关联迭代调配系统，其特征在于，包括：

分析执行模块，用于根据资源调配模式分配的资源，按照若干个子任务以及所述子任务彼此串行和/或并行结构关系，进行所述子任务的执行操作；

动态优化模块，用于通过所述子任务执行过程中的任务执行状态和资源消耗状态进行动态优化调配资源，以及控制所述子任务的执行过程，以此来避免触发事件机制和优化评价机制的任务场景评价分值；

总体优化模块，用于通过在所述子任务执行过程中分阶段的进行所述子任务的总体预测，来实现资源调配的总体优化；

所述总体优化模块包括：

第一模块，用于对本阶段进入执行的所述子任务及其串行和/或并行结构关系进行分析，预测激活或挂起的所述子任务，以及激活或挂起的所述子任务的串行和/或并行结构关系；

第二模块，用于进入资源分配阶段，为所述子任务进行资源分配，并根据资源分配量计算出该子任务的进程参数和/或数据量参数；

第三模块，用于对所述子任务进行资源分配的调整，根据每个所述子任务的所述资源分配量评估本阶段所述若干个子任务的进程参数和/或数据量参数；

第四模块，用于进入优化阶段，按照一定的幅度依次调整每个所述子任务的所述资源分配量，并评估本轮优化后所述子任务的进程参数和/或数据量参数，判断所述本轮优化后所述子任务的进程参数和/或数据量参数与所述第三模块的所述若干个子任务的进程参数和/或数据量参数相比是否存在改善；若是，则进行新一轮的调整直至迭代的调整轮次数达到最大值，若否，则完成了所述资源调配的总体优化；

在所述第二模块中：

对于子任务以及其资源分配量，根据所述资源分配量预期所述子任务的进程参数为：

其中，表示具有关联关系的所述子任务之间的关联因数，随着与子任务具有关联关系的其它子任务的资源分配量的变化，则子任务对应的关联因数也会随之而变化；表示进程基本参数，包括进程的执行速率、完成比例，函数表示进程基本参数与其资源分配量之间的相互关系，为分配资源量对进程的影响因子，因为各种类型资源对进程的影响程度不一样，因此通过影响因子进行归一化，进而代入函数，根据资源分配求得进程基本参数；

同理，预期该子任务的数据量参数为：

其中，表示所述数据量的基本参数，函数表示数据量基本参数与其资源分配量之间的相互关系，为分配资源量对数据量基本参数的影响因子；

在所述动态优化模块中，所述避免触发事件机制包括：

当所述子任务的进程延迟接近预设的延迟阈值，则通过加大该子任务的资源分配量来降低所述子任务的进程延迟；

当所述子任务调取或者产生的数据量接近超出数据量阈值，则通过挂起该子任务来暂停所述子任务调取或者产生的数据量的持续增大；

当服务器的可用处理器计算能力、临时内存空间量、数据存储空间接近低于告警阈值，则挂起部分所述子任务以释放资源，或者收回部分所述子任务的资源；

在所述动态优化模块中，所述优化评价机制的任务场景评价分值包括：

通过调控所述子任务的执行过程，适当挂起或者恢复执行所述子任务以及调配资源，使得所述任务场景评价分值避免进入需要再次分配的区间。