[发明专利]一种运用蚁群算法优化科学工作流的虚拟机放置方法

权利要求书

1.一种运用蚁群算法优化科学工作流的虚拟机放置方法，其特征在于，该方法包括以下步骤：

(1)、预处理，将需要运行的多个科学工作流合并为一个工作流，所述工作流包含虚拟机VM的集合VM_set＝{VM₁，…，VM_i，…，VM_n}，其中，1≤i≤n，n为工作流中包含的VM总数、每个VM间需要传输的数据的大小以及每个VM的最晚开始运行时间

预处理为每个科学工作流增加一个虚拟的开始节点，该开始节点为所有孤儿节点的父亲；增加一个虚拟的结束节点，该结束节点为所有孤寡节点的孩子，预处理为所有科学工作流的虚拟的开始节点，创建一个虚拟的公共开始父节点；为所有科学工作流的虚拟的结束节点，创建一个虚拟的公共结束子节点，从虚拟的公共开始父节点开始宽度优先遍历，到虚拟的公共结束子节点结束，同时，每个科学工作流的用户指定的期限将被转化为每个VM的最晚开始运行时间保证每个VM在前开始运行保障最终运行时间不超过期限；每个科学工作流的虚拟的结束节点的最晚开始运行时间为该工作流的用户指定的期限；而任意VM_i的LST，为其所有的VM中，最早的最晚开始运行时间减去该VM的运行时间

每个科学工作流的用户指定的期限转化为每个VM的最晚开始运行时间

(2)、初始化参数，信息素均被初始化为信息素初始值τ₀＝1/n，基于VM_i的具体属性获取启发式信息基于VM_i的具体属性获取启发式信息

在算法运行前，所有的信息素被设为一个初始值τ₀，即

算法中设置以下三种启发式信息：

第一：内存贪婪启发式信息

内存贪婪启发式信息使得蚂蚁在构造VM序列时更倾向于选择具有更大内存容量需求的VM；假设蚂蚁使用的是内存贪婪启发式信息，则VM序列的s_k位置为VM_i的启发式信息为：

其中，VM_q∈VM_set，该公式保证了

第二：时间贪婪启发式信息

时间贪婪启发式信息使得蚂蚁在构造VM序列时更倾向于选择具有更长处理时间需求的VM；假设蚂蚁使用的是时间贪婪启发式信息，则VM序列的s_k位置为VM_i的启发式信息为

其中，VM_q∈VM_set，该公式保证了

第三：内存/时间启发式信息

内存/时间启发式信息综合考虑一个VM的内存容量需求和处理时间需求因素；它综合了MG和TG两种启发式信息；假设蚂蚁使用的是内存/时间启发式信息，则VM序列的s_k位置为VM_i的启发式信息为

其中，VM_q∈VM_set，表示VM_i运行时间，表示VM_i运行时所占用的内存资源大小，根据公式，具有更大的内存容量需求以及更长处理时间需求的VM将会带有更高的启发式信息，且

(3)、初始化所有的蚂蚁，在每次循环开始时，每只蚂蚁a根据优先关系在工作流网络中建立符合优先约束的VM序列S_a(s₁，…，s_k，…，s_n)，其中，1≤k≤n，n为工作流中包含的VM总数；

(4)、更新局部信息素，蚂蚁每选择一个VM则更新一次；局部信息素的更新策略如下：

假设当前蚂蚁在s_k位置上选择VM_i，局部更新策略如下：

其中，ρ∈(0，1)是控制更新速度的参数；

(5)、当蚂蚁完成VM序列的构造后，基于每个VM序列构造出具体的VM放置和调度方案，对于VM序列从前至后，逐一为VM序列中的每一个VM确定运行的物理机器PM和开始运行的时间；云计算中心拥有的PM集合记为PM_set＝{PM₁，…，PM_j，…，PM_m}，其中，1≤j≤m，m为云计算中心拥有的PM总数，对于每一个可行的PM_j，VM_i计算在PM_j上运行的启发值；对于每一个可行的PM_j，VM_i通过以下公式计算PM_j的启发值：

其中，PM_j∈PM_set，VM_i∈VM_set，t表示VM_i在PM_j上可行的最早开始运行时刻，和分别表示VM_i运行时占用的CPU、内存大小及运行时间，和分别表示PM_j的最大CPU和内存容量，和分别表示在t时刻PM_j的已用CPU和内存容量，计算出所有可行的PM_j的启发值后，VM_i将放置在拥有最小启发值的PM上，于PM的可行的最早开始运行时间，开始运行；

采用网络带宽矩阵来代替云数据中心的实际拓扑结构，实际拓扑结构通过逐一测量任意两台物理机器PM_j1和PM_j2之间的网络带宽获得，在PM_j1上运行的VM_i1向在PM_j2上运行的VM_i2传输数据的耗时通过如下公式计算：

VM_i1的结束运行时间和VM_i2的开始运行时间之间至少需要相隔才能保证在vM_i2开始运行时所需的VM_i1的数据已运输完毕；

物理机器PM_j在某一时刻T的功率P(PM_j，T)与其CPU使用率成正比，即

其中，为PM_j满载时的功率，为PM_j空载时的功率相对于满载时的功率，为PM_j空载时的功率，为PM_j在T时刻的CPU使用率

在科学工作流运行期间，云计算中心的总功耗W可通过如下公式计算

即

科学工作流的连接感知的VM放置问题包含优先约束、传输约束、资源约束约束、操作约束、时间约束；优先约束包含在科学工作流模型中，其指定一个可行解必须满足的VM执行次序；传输约束要求VM_i1的结束运行时间和VM_i2的开始运行时间之间至少需要相隔资源约束要求VM的CPU和内存需求不能超过PM的容量上限；操作约束要求一个VM仅能在同一时间于一个PM上运行；时间约束要求VM必须在所需数据运输完成后才能开始运行，并且最终方案应保障运行时间在用户指定的期限前完成；

VM间存在优先约束，符合优先约束的VM序列S_a(s₁，…，s_k，…，s_n)通过如下方式建立：

逐一选出VM序列每一个位置的VM，且保证同一VM在序列中只出现一次，对于每一个位置，先找出满足优先约束的VM集合，再通过轮盘赌的选择方法确定放置于位置s_k的VM_i；

位置s_k选择VM_i的概率为：

其中，c为满足优先约束的VM集合的大小，在每一次进行选择时将生成一个随机数q∈[0，1]，并将随机数q与提前设定的变异概率参数q₀∈[0，1]比较，若q≤q₀，每个VM被选择的概率将正比于该VM的信息素值，否则，将发生变异，每个VM被选择的概率将相同；

(6)、对蚂蚁构造的VM序列对应的放置和调度方案进行能耗评估；

(7)、执行全局信息素的更新，只有全局最优VM序列，即最低能耗评估值的方案所对应的VM序列，才会进行全局信息素的更新；

(8)、如果迭代次数达到用户设定值或上述过程中得到的最低能耗评估值小于用户设定值则结束，在上述过程中得到的最低能耗评估值的方案即为最优的VM放置和调度方案，否则回到步骤(2)。

2.根据权利要求1所述的一种运用蚁群算法优化科学工作流的虚拟机放置方法，其特征在于，全局信息素的更新策略如下：全局最优VM序列为Sbest(s₁，…，s_k，…，s_n)，其中，1≤k≤n，n为工作流中包含的VM总数，全局更新策略给定如下：

其中，Sbest.Score表示Sbest的能耗评估值。