[发明专利]云服务预算优化调度方法、装置、设备和存储介质

说明书

本发明公开了一种云服务预算优化调度方法、装置、设备和存储介质，首先建立随机整数矩阵；以随机整数矩阵中的每个元素作为粒子群优化方法中的粒子，并初始化每个粒子的速度和位置；对粒子的速度和位置进行更新；按由大到小的顺序，检查随机整数矩阵每行中每个整数所代表的虚拟机提供的云服务处理成本是否不超过用户预算，并选择第一个不超过用户预算的虚拟机作为云服务调度节点，在检查完随机整数矩阵所有行之后得到当前调度方案，根据适应度函数核算当前调度方案是否具有最优成本，如果是就更新最优成本调度方案，否则不对最优调度方案做任何修改；然后检查是否达到预设迭代次数，如果达到则输出调度方案，完成调度。

技术领域

本发明涉及云计算系统软件中的资源管理与云服务调度优化技术领域，特别涉及一种基于随机整数矩阵的云服务预算约束粒子群优化调度方法、装置、设备和存储介质。

背景技术

随着物联网(IoT)设备和5G移动通信技术的迅速普及，越来越多的移动互联网应用如电子交易、在线电子商务、大数据分析和各种基于应用的IT服务，需要通过远程集中计算服务器进行处理。云计算作为一种重要的商业基础设施即服务(IaaS)平台正是解决此问题的最佳方案。它可以以一种经济高效的方式，通过因特网向个人和企业提供按需服务。全球著名的IT公司如亚马逊、阿里巴巴、谷歌、苹果、微软、腾讯等，现在都部署大规模云数据中心去为客户提供云计算服务。由于云计算系统规模越来越庞大，用户数量不断剧增，服务质量(QoS)需求越来越多样化，高效的云计算系统资源管理已成为云服务提供商最为关注的问题。高效的资源管理意味着云计算系统应该能够满足用户和系统提供商对性能、服务质量水平(如成本节省和用户预算约束)的期望。提高资源管理效率的一种有效方法是在云计算系统虚拟机(vm)上优化服务请求调度，从而提高系统效率。

云服务调度是经典组合优化问题，它可以在满足用户服务QoS(如成本、makespan、能耗、吞吐量等)同时，为用户服务请求分配最合适的云虚拟机。近年来，云计算系统调度技术层出不穷，大致可分为启发式、元启发式和混合调度算法。元启发式算法能够有效挖掘搜索空间，获得复杂问题的次优解，在云计算系统中获得广泛应用。著名方法主要有：蚁群优化(ACO)、遗传算法(GA)、模拟退火(SA)、人工蜂群(ABC)等。但以上方案存在着扩展性不足，在高吞吐量的云计算系统资源管理环境适应性不佳的问题。

发明内容

本发明针对云计算系统服务请求优化调度所面临的挑战，提出一种基于随机整数矩阵的云服务预算约束粒子群优化调度方法。

为实现上述技术目的，本发明所采用的技术方案为，

一种云服务预算优化调度方法，包括以下步骤：

步骤一，初始化虚拟机配置，然后以当前收到的云服务请求数量作为行数，以虚拟机数量作为列数，建立随机整数矩阵；

步骤二，以随机整数矩阵中的每个元素作为粒子群优化方法中的粒子，并初始化每个粒子的速度和位置；

步骤三，对粒子的速度和位置进行更新，以使随机整数矩阵中的每个元素获得新的整数值；

步骤四，按由大到小的顺序，检查随机整数矩阵每行中每个整数所代表的虚拟机提供的云服务处理成本是否不超过用户预算，并选择这一行中第一个不超过用户预算的虚拟机作为云服务调度节点，在检查完随机整数矩阵所有行之后得到当前调度方案，执行步骤五；

步骤五，根据适应度函数核算当前调度方案是否具有最优成本，如果是就将当前调度方案替换掉原有的最优成本调度方案，否则不对原有的最优调度方案做任何修改；然后检查是否达到预设迭代次数，如果达到就跳转步骤六，否则返回步骤三继续迭代；

步骤六，输出调度方案，完成调度。

所述的一种基云服务预算优化调度方法，所述的步骤三包括以下过程：

步骤1，对粒子的速度进行更新：