[发明专利]一种基于能耗与QoS协同优化的资源调度实现方法

说明书

本发明公开了一种基于能耗与QoS协同优化的资源调度实现方法。所述方法包括：在云计算数据中心环境下构建多虚拟机的云任务到达排队模型；利用堆叠降噪自动编码器技术对数据中心的QoS特征进行提取，得到降维后描述QoS特征信息的矩阵，求得当前的虚拟机的最大响应时间，以完善协同优化目标函数的约束条件；结合云任务到达排队模型、协同优化目标函数和李雅普诺夫优化方法，得到基于李雅普诺夫优化理论的资源调度算法，采用资源调度算法实现基于能耗与QoS协同优化的资源调度。本发明在保障QoS的同时有效地降低数据中心的能耗，并克服了云计算数据中心的真实场景中云任务到达的波动性对优化问题求解的干扰。

技术领域

本发明属于云计算节能调度领域，具体涉及一种基于能耗与QoS协同优化的资源调度实现方法。

背景技术

云计算凭借其超大规模的服务能力早已成为全球IT领域热门的研究项目。随着云计算技术的不断发展，越来越多的数据中心在全球范围内涌现，基础设施产生的能耗也呈现指数级的增长态势。当前全球IT行业的碳排放量占全球碳排放总量的3-5％。根据最近的报道，Google数据中心消耗了近3亿瓦，而Facebook的数据中心消耗了6000万瓦。数据中心比高能耗制造业消耗更多的电力。国际调查机构麦肯锡对70个大型数据中心进行了调查，发现用于计算机操作的平均功耗仅占6％至12％。随着数据中心规模的不断增长，数据中心消耗的大量电能对环境的影响日益突出。

虚拟机迁移技术可以提升物理节点的资源利用率，通过关闭数据中心空闲状态的服务器可以降低云计算系统的总体能耗值。传统的这类节能解决方案也会带来明显的不利影响。当CPU利用率接近100％时，虚拟机的性能会出现明显的下降，这意味着节能和保障服务质量（QoS）这两个优化目标之间不可避免地存在着冲突关系。过度追求这些指标中的任何一个都会阻碍对另一指标的优化。在实际的数据中心场景中，由于负载的波动性及不确定因素，节能和QoS保障的双重目标变得更为复杂。先前的优化方法要求所有实体（用户、云任务、服务提供商等）在整个云计算调度过程中满足单个QoS约束，这在实际的云计算环境中是不现实的。并且这些优化方法的求解过程复杂，收敛速度慢，难以满足大规模云计算数据中心的实时调度需求。

发明内容

为了实现能耗和QoS优化之间更好的权衡，本发明提出了一种基于能耗与QoS协同优化的资源调度实现方法，在保障用户QoS的前提下最小化数据中心产生的能耗。本发明构建了一个多虚拟机（VM）的云任务到达排队模型，并在此基础上构建了数据中心的能耗模型以及目标优化函数，并结合李雅普诺夫（Lyapunov）稳定性理论的优化方法，将协同优化问题具体到了每一个调度时间片内进行求解，使得虚拟机的云任务队列可达到允许的最大值，可以充分发挥虚拟机的处理能力，实现资源的利用。

本发明的目的至少通过如下技术方案之一实现。

一种基于能耗与QoS协同优化的资源调度实现方法，包括以下步骤：

S1、在云计算数据中心环境下构建多虚拟机（VM）的云任务到达排队模型；

S2、利用堆叠降噪自动编码器技术对数据中心的QoS特征进行提取，得到降维后描述QoS特征信息的矩阵，通过该矩阵求得当前的虚拟机的最大响应时间，以完善协同优化目标函数的约束条件；

S3、结合云任务到达排队模型、协同优化目标函数和李雅普诺夫（Lyapunov）优化方法，求得满足能耗与QoS优化调度的虚拟机应该具备的云任务队列长度条件，得到基于李雅普诺夫（Lyapunov）优化理论的资源调度算法，采用资源调度算法将能耗与QoS协同优化的资源调度问题具体到每一个时间片内进行求解，实现基于能耗与QoS协同优化的资源调度。

进一步地，步骤S1中，所述云任务到达排队模型由主机排队模型和虚拟机（VM）排队模型串联组成，用于优化虚拟机云任务队列积压长度与系统能耗之间的关系；