本發(fā)明涉及虛擬化云計算領(lǐng)域，特別地，涉及一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法。

背景技術(shù)：

云計算已成為分布式計算的新工作模式。在這種模式下，云供應(yīng)商以即用即付費的方式，按需為用戶提供服務(wù)，包括應(yīng)用、平臺與計算資源等。從用戶的角度來看，云模式的費用較低，因為用戶只需為他們的實際使用付費；同時，用戶還可以按需使用資源，因此云模式具有良好的擴(kuò)展性。云計算已被應(yīng)用到越來越多領(lǐng)域，包括銀行、電子商務(wù)、零售業(yè)與科研機(jī)構(gòu)。值得注意的是，這些領(lǐng)域中的應(yīng)用通常包括許多相互約束的計算任務(wù)(即工作流任務(wù))。由于任務(wù)之間存在約束關(guān)系，導(dǎo)致虛擬機(jī)在執(zhí)行相連兩個任務(wù)之間可能會存在空閑時隙，這會使得虛擬機(jī)的資源得不到充分的利用。此外，云系統(tǒng)中的低資源利用率也會造成費用的浪費，對于大規(guī)模公司，提高資源利用率能夠明顯地節(jié)約成本。

高效的調(diào)度算法能夠解決上述問題。目前，已經(jīng)有大量的工作致力于研究云計算系統(tǒng)的工作流調(diào)度方法；然而現(xiàn)有的調(diào)度方法都基于準(zhǔn)確的任務(wù)執(zhí)行時間和任務(wù)之間的通信時間。在實際的云計算環(huán)境中，任務(wù)執(zhí)行時間通常不能被準(zhǔn)確預(yù)測，而實際值只有在任務(wù)完成后才能獲得。這可能由以下兩個原因造成：①任務(wù)通常包含條件性指令——并行應(yīng)用程序可能包含多個選擇和條件語句，不同的輸入將運行應(yīng)用中不同的分支和循環(huán)，而不同的分支或循環(huán)就意味著不同的指令數(shù)，這將導(dǎo)致相同的任務(wù)面對不同的數(shù)據(jù)輸入，可能導(dǎo)致不同的任務(wù)運行時間；②云環(huán)境中虛擬機(jī)的性能具有不確定性——借助先進(jìn)的虛擬化技術(shù)，多個虛擬機(jī)可以同時共享一臺物理主機(jī)的硬件資源，而這種資源共享會導(dǎo)致虛擬機(jī)之間的資源沖突，從而造成虛擬機(jī)的性能具有不確定性。

由于云計算環(huán)境的動態(tài)性和隨機(jī)性，眾多的不確定因素(如任務(wù)執(zhí)行時間的波動、虛擬機(jī)性能的變化、新工作流的到達(dá)等)將會出現(xiàn)，使得預(yù)先安排的調(diào)度方案不能被嚴(yán)格執(zhí)行。而絕大多數(shù)的研究并沒有考慮這些動態(tài)和隨機(jī)因素，這可能會造成調(diào)度方案的實際運行效果與預(yù)期的效果相差甚遠(yuǎn)。針對現(xiàn)有技術(shù)中預(yù)先安排的調(diào)度方案在不確定因素的作用下不能被嚴(yán)格執(zhí)行的問題，目前尚未有有效的解決方案。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提出一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法，能夠減緩不確定因素對執(zhí)行調(diào)度方案的影響，在保證工作流時效性的條件下，提高虛擬機(jī)的資源利用率、降低云服務(wù)提供商的成本。

基于上述目的，本發(fā)明提供的技術(shù)方案如下：

根據(jù)本發(fā)明的一個方面，提供了一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法，包括：

獲取虛擬化云中的虛擬機(jī)信息與工作流信息；

持續(xù)獲取虛擬機(jī)上的任務(wù)完成信息與新到達(dá)的工作流信息，并在虛擬機(jī)上以成本、資源利用率和調(diào)度方案波動性作為調(diào)度目標(biāo)，對工作流任務(wù)進(jìn)行動態(tài)調(diào)度；

完成全部任務(wù)并返回任務(wù)結(jié)果。

其中，虛擬機(jī)信息包括：啟用虛擬機(jī)的數(shù)量、每臺虛擬機(jī)的性能與價格、每兩臺虛擬機(jī)間的通信帶寬；工作流信息包括：該工作流的到達(dá)時間、截止時間與結(jié)構(gòu)，其中，結(jié)構(gòu)為表明該工作流中所有任務(wù)之間依賴關(guān)系的有向無環(huán)圖；工作流中每個任務(wù)的執(zhí)行時間符合獨立正態(tài)分布。

并且，持續(xù)獲取虛擬機(jī)上的任務(wù)完成信息，并在虛擬機(jī)上以成本、資源利用率和調(diào)度方案波動性作為調(diào)度目標(biāo)，對工作流任務(wù)進(jìn)行動態(tài)調(diào)度包括：

將未調(diào)度的任務(wù)置于任務(wù)池中等待處理；

持續(xù)獲取虛擬機(jī)上的任務(wù)完成信息，并根據(jù)虛擬機(jī)信息與任務(wù)信息，生成任務(wù)池中等待任務(wù)與虛擬機(jī)的映射關(guān)系；

根據(jù)虛擬機(jī)信息與虛擬機(jī)利用情況調(diào)整虛擬機(jī)的數(shù)量；

根據(jù)任務(wù)池中的等待任務(wù)與虛擬機(jī)之間的映射關(guān)系，將任務(wù)分配到對應(yīng)的虛擬機(jī)中。

并且，每個工作流的所有任務(wù)的完成時間的最大值不應(yīng)超過工作流的截止時間；對于依賴任務(wù)，后繼任務(wù)的開始時間不應(yīng)早于前驅(qū)任務(wù)的完成時間與前驅(qū)任務(wù)所在虛擬機(jī)和后繼任務(wù)所在虛擬機(jī)之間的數(shù)據(jù)傳輸時間之和。

同時，根據(jù)虛擬機(jī)信息與任務(wù)信息，以虛擬機(jī)成本最小化、虛擬機(jī)資源利用率最大化、波動最小化為優(yōu)化目標(biāo)，生成任務(wù)池中等待任務(wù)與虛擬機(jī)的映射關(guān)系。

同時，根據(jù)虛擬機(jī)信息與任務(wù)信息將任務(wù)池中的任務(wù)與虛擬機(jī)建立映射關(guān)系包括：

完成任務(wù)的虛擬機(jī)若存在等待任務(wù)，則執(zhí)行其等待任務(wù)；

當(dāng)被完成任務(wù)的后置任務(wù)的所有前驅(qū)任務(wù)已經(jīng)被映射到虛擬機(jī)上時，將被完成任務(wù)的后置任務(wù)標(biāo)記為就緒任務(wù)并移出任務(wù)池；

選定工作流中的就緒任務(wù)按照期望最晚完成時間從小到大進(jìn)行排序；

按照排序順序?qū)⑺芯途w任務(wù)依次與虛擬機(jī)建立映射關(guān)系。

并且，就緒任務(wù)為不存在前驅(qū)任務(wù)的任務(wù)；或其所有前驅(qū)任務(wù)都已經(jīng)被映射到虛擬機(jī)，且至少一個前驅(qū)任務(wù)已經(jīng)被完成的任務(wù)。

同時，按照排序順序?qū)⑺芯途w任務(wù)依次與虛擬機(jī)建立映射關(guān)系包括：判斷是否存在一臺虛擬機(jī)能在期望最晚完成時間之內(nèi)以最小期望費用完成被調(diào)度的任務(wù)，若是，則將任務(wù)與該虛擬機(jī)建立映射關(guān)系；若否，則租賃一臺能以最小期望費用在期望最晚完成時間之內(nèi)完成被調(diào)度的任務(wù)的新虛擬機(jī)，并將任務(wù)與該虛擬機(jī)建立映射關(guān)系。

另外，持續(xù)獲取新到達(dá)的工作流信息，并在虛擬機(jī)上以成本、資源利用率和調(diào)度方案波動性作為調(diào)度目標(biāo)，對工作流任務(wù)進(jìn)行動態(tài)調(diào)度包括：

獲取新到達(dá)工作流中的任務(wù)信息，并將任務(wù)置于任務(wù)池中等待處理；

根據(jù)虛擬機(jī)信息與任務(wù)信息，生成任務(wù)池中等待任務(wù)與虛擬機(jī)的映射關(guān)系；

根據(jù)虛擬機(jī)信息與虛擬機(jī)利用情況調(diào)整虛擬機(jī)的數(shù)量；

根據(jù)任務(wù)池中的任務(wù)與虛擬機(jī)之間的映射關(guān)系，將任務(wù)分配到對應(yīng)的虛擬機(jī)中。

并且，每個工作流的所有任務(wù)的完成時間的最大值不應(yīng)超過工作流的截止時間；對于依賴任務(wù)，后繼任務(wù)的開始時間不應(yīng)早于前驅(qū)任務(wù)的完成時間與前驅(qū)任務(wù)所在虛擬機(jī)和后繼任務(wù)所在虛擬機(jī)之間的數(shù)據(jù)傳輸時間之和。

同時，根據(jù)虛擬機(jī)信息與任務(wù)信息，以虛擬機(jī)成本最小化、虛擬機(jī)資源利用率最大化、波動最小化為優(yōu)化目標(biāo)，生成任務(wù)池中等待任務(wù)與虛擬機(jī)的映射關(guān)系。

同時，根據(jù)虛擬機(jī)信息與任務(wù)信息將任務(wù)池中的任務(wù)與虛擬機(jī)建立映射關(guān)系包括：

分別判斷工作流在任務(wù)池中的每個任務(wù)是否為就緒任務(wù)；

選定工作流中的就緒任務(wù)按照期望最晚完成時間從小到大進(jìn)行排序；

按照排序順序?qū)⑺芯途w任務(wù)依次與虛擬機(jī)建立映射關(guān)系。

并且，就緒任務(wù)為不存在前驅(qū)任務(wù)的任務(wù)；或其所有前驅(qū)任務(wù)都已經(jīng)被映射到虛擬機(jī)，且至少一個前驅(qū)任務(wù)已經(jīng)被完成的任務(wù)。

同時，按照排序順序?qū)⑺芯途w任務(wù)依次與虛擬機(jī)建立映射關(guān)系包括：判斷是否存在一臺虛擬機(jī)能在期望最晚完成時間之內(nèi)以最小期望費用完成被調(diào)度的任務(wù)，若是，則將任務(wù)與該虛擬機(jī)建立映射關(guān)系；若否，則租賃一臺能以最小期望費用在期望最晚完成時間之內(nèi)完成被調(diào)度的任務(wù)的新虛擬機(jī)，并將任務(wù)與該虛擬機(jī)建立映射關(guān)系。

從上面所述可以看出，本發(fā)明提供的技術(shù)方案通過使用虛擬機(jī)上任務(wù)的完成信息與新到達(dá)的工作流信息作為執(zhí)行調(diào)度方法的觸發(fā)條件，根據(jù)成本、資源利用率和調(diào)度方案的波動性作為調(diào)度目標(biāo)，對工作流任務(wù)進(jìn)行動態(tài)調(diào)度的技術(shù)手段，能夠減緩不確定因素對執(zhí)行調(diào)度方案的影響，并在保證工作流時效性的條件下，提高虛擬機(jī)的資源利用率、降低云服務(wù)提供商的成本。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為根據(jù)本發(fā)明實施例的一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法的流程圖；

圖2為根據(jù)本發(fā)明實施例的一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法的詳細(xì)流程圖；

圖3(a)為根據(jù)本發(fā)明實施例的一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法中，PRS、SHEFT和RTC三種算法的總成本-方差柱狀對比圖；

圖3(b)為根據(jù)本發(fā)明實施例的一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法中，PRS、SHEFT和RTC三種算法的資源利用率-方差柱狀對比圖；

圖3(c)為根據(jù)本發(fā)明實施例的一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法中，PRS、SHEFT和RTC三種算法的調(diào)度偏差-方差柱狀對比圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)一步進(jìn)行清楚、完整、詳細(xì)地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

根據(jù)本發(fā)明的實施例，提供了一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法。

如圖1所示，根據(jù)本發(fā)明實施例的提供的一種云計算系統(tǒng)中隨機(jī)事件觸發(fā)的實時工作流調(diào)度方法包括：

步驟S101，獲取虛擬化云中的虛擬機(jī)信息與工作流信息；

步驟S103，持續(xù)獲取虛擬機(jī)上的任務(wù)完成信息與新到達(dá)的工作流信息，并在虛擬機(jī)上以成本、資源利用率和調(diào)度方案波動性作為調(diào)度目標(biāo)，對工作流任務(wù)進(jìn)行動態(tài)調(diào)度；

步驟S105，完成全部任務(wù)并返回任務(wù)結(jié)果。

其中，虛擬機(jī)信息包括：啟用虛擬機(jī)的數(shù)量、每臺虛擬機(jī)的性能與價格、每兩臺虛擬機(jī)間的通信帶寬；工作流信息包括：該工作流的到達(dá)時間、截止時間與結(jié)構(gòu)，其中，結(jié)構(gòu)為表明該工作流中所有任務(wù)之間依賴關(guān)系的有向無環(huán)圖；工作流中每個任務(wù)的執(zhí)行時間符合獨立正態(tài)分布。

并且，持續(xù)獲取虛擬機(jī)上的任務(wù)完成信息，并在虛擬機(jī)上以成本、資源利用率和調(diào)度方案波動性作為調(diào)度目標(biāo)，對工作流任務(wù)進(jìn)行動態(tài)調(diào)度包括：

將未調(diào)度的任務(wù)置于任務(wù)池中等待處理；

持續(xù)獲取虛擬機(jī)上的任務(wù)完成信息，并根據(jù)虛擬機(jī)信息與任務(wù)信息，生成任務(wù)池中等待任務(wù)與虛擬機(jī)的建立映射關(guān)系；

根據(jù)虛擬機(jī)信息與虛擬機(jī)利用情況調(diào)整虛擬機(jī)的數(shù)量；

根據(jù)任務(wù)池中的任務(wù)與虛擬機(jī)之間的映射關(guān)系，將任務(wù)分配到對應(yīng)的虛擬機(jī)中。

并且，每個工作流的所有任務(wù)的完成時間的最大值不應(yīng)超過工作流的截止時間；對于依賴任務(wù)，后繼任務(wù)的開始時間不應(yīng)早于前驅(qū)任務(wù)的完成時間與前驅(qū)任務(wù)所在虛擬機(jī)和后繼任務(wù)所在虛擬機(jī)之間的數(shù)據(jù)傳輸時間之和。

同時，根據(jù)虛擬機(jī)信息與任務(wù)信息，以虛擬機(jī)成本最小化、虛擬機(jī)資源利用率最大化、波動最小化為優(yōu)化目標(biāo)，生成任務(wù)池中等待任務(wù)與虛擬機(jī)的映射關(guān)系。

同時，根據(jù)虛擬機(jī)信息與任務(wù)信息將任務(wù)池中的任務(wù)與虛擬機(jī)建立映射關(guān)系包括：

完成任務(wù)的虛擬機(jī)若存在等待任務(wù)，則執(zhí)行其等待任務(wù)；

當(dāng)被完成任務(wù)的后置任務(wù)的所有前驅(qū)任務(wù)已經(jīng)被映射到虛擬機(jī)上時，將被完成任務(wù)的后置任務(wù)標(biāo)記為就緒任務(wù)并移出任務(wù)池；

選定工作流中的就緒任務(wù)按照期望最晚完成時間從小到大進(jìn)行排序；

按照排序順序?qū)⑺芯途w任務(wù)依次與虛擬機(jī)建立映射關(guān)系。

并且，就緒任務(wù)為不存在前驅(qū)任務(wù)的任務(wù)；或其所有前驅(qū)任務(wù)都已經(jīng)被映射到虛擬機(jī)，且至少一個前驅(qū)任務(wù)已經(jīng)被完成的任務(wù)。

同時，按照排序順序?qū)⑺芯途w任務(wù)依次與虛擬機(jī)建立映射關(guān)系包括：判斷是否存在一臺虛擬機(jī)能在期望最晚完成時間之內(nèi)以最小期望費用完成被調(diào)度的任務(wù)，若是，則將任務(wù)與該虛擬機(jī)建立映射關(guān)系；若否，則租賃一臺能以最小期望費用在期望最晚完成時間之內(nèi)完成被調(diào)度的任務(wù)的新虛擬機(jī)，并將任務(wù)與該虛擬機(jī)建立映射關(guān)系。

另外，持續(xù)獲取新到達(dá)的工作流信息，并在虛擬機(jī)上以成本、資源利用率和調(diào)度方案波動性作為調(diào)度目標(biāo)，對工作流任務(wù)進(jìn)行動態(tài)調(diào)度包括：

獲取新到達(dá)工作流中的任務(wù)信息，并將任務(wù)置于任務(wù)池中等待處理；

根據(jù)虛擬機(jī)信息與任務(wù)信息，生成任務(wù)池中等待任務(wù)與虛擬機(jī)的映射關(guān)系；

根據(jù)虛擬機(jī)信息與虛擬機(jī)利用情況調(diào)整虛擬機(jī)的數(shù)量；

根據(jù)任務(wù)池中的任務(wù)與虛擬機(jī)之間的映射關(guān)系，將任務(wù)分配到對應(yīng)的虛擬機(jī)中。

并且，每個工作流的所有任務(wù)的完成時間的最大值不應(yīng)超過工作流的截止時間；對于依賴任務(wù)，后繼任務(wù)的開始時間不應(yīng)早于前驅(qū)任務(wù)的完成時間與前驅(qū)任務(wù)所在虛擬機(jī)和后繼任務(wù)所在虛擬機(jī)之間的數(shù)據(jù)傳輸時間之和。

同時，根據(jù)虛擬機(jī)信息與任務(wù)信息，以虛擬機(jī)成本最小化、虛擬機(jī)資源利用率最大化、波動最小化為優(yōu)化目標(biāo)，生成任務(wù)池中等待任務(wù)與虛擬機(jī)的映射關(guān)系。

同時，根據(jù)虛擬機(jī)信息與任務(wù)信息將任務(wù)池中的任務(wù)與虛擬機(jī)建立映射關(guān)系包括：

分別判斷工作流在任務(wù)池中的每個任務(wù)是否為就緒任務(wù)；

選定工作流中的就緒任務(wù)按照期望最晚完成時間從小到大進(jìn)行排序；

按照排序順序?qū)⑺芯途w任務(wù)依次與虛擬機(jī)建立映射關(guān)系。

并且，就緒任務(wù)為不存在前驅(qū)任務(wù)的任務(wù)；或其所有前驅(qū)任務(wù)都已經(jīng)被映射到虛擬機(jī)，且至少一個前驅(qū)任務(wù)已經(jīng)被完成的任務(wù)。

同時，按照排序順序?qū)⑺芯途w任務(wù)依次與虛擬機(jī)建立映射關(guān)系包括：判斷是否存在一臺虛擬機(jī)能在期望最晚完成時間之內(nèi)以最小期望費用完成被調(diào)度的任務(wù)，若是，則將任務(wù)與該虛擬機(jī)建立映射關(guān)系；若否，則租賃一臺能以最小期望費用在期望最晚完成時間之內(nèi)完成被調(diào)度的任務(wù)的新虛擬機(jī)，并將任務(wù)與該虛擬機(jī)建立映射關(guān)系。

下面根據(jù)具體實施例，進(jìn)一步闡述本發(fā)明的技術(shù)特征。

云計算平臺提供多種類型的虛擬機(jī)，虛擬機(jī)類型集合記為S＝{s₁,s₂,…,s_m}，其中，每一個虛擬機(jī)類型s_u∈S都有一個特定的配置和價格。不同類型虛擬機(jī)的配置差異主要體現(xiàn)在，處理器性能、內(nèi)存、存儲、網(wǎng)絡(luò)和操作系統(tǒng)等方面。每一個s_u都有一個與它相關(guān)的價格，記為Price(s_u)。在本實施例中，虛擬機(jī)的使用時間以小時為單位，不夠一個小時的那部分時間按照一個小時來計費。例如，虛擬機(jī)使用了5.1個小時，那么就算使用了6個小時。本實施例使用符號表示云計算平臺中的第k臺虛擬機(jī)，且該虛擬機(jī)的類型為s_u。

在云計算環(huán)境中，虛擬機(jī)可以運行在不同的數(shù)據(jù)中心，虛擬機(jī)之間底層網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)非常復(fù)雜。不失一般性地，本實施例使用參數(shù)l_kl表示虛擬機(jī)和虛擬機(jī)之間的通信帶寬，且不考慮網(wǎng)絡(luò)擁塞。

本實施例關(guān)注非周期的、動態(tài)的工作流，工作流表示為W＝{w₁,w₂,…,w_m}。對于任意一個工作流應(yīng)用w_i∈W，可以建模為w_i＝{a_i,d_i,G_i}，其中a_i，d_i和G_i分別表示工作流w_i的到達(dá)時間、截止期和結(jié)構(gòu)。另外，工作流的結(jié)構(gòu)G_i可以進(jìn)一步表示為有向無環(huán)圖(Directed Acyclic Graph，簡寫為DAG)G_i＝(T_i,E_i)，其中是頂點的集合，頂點t_ij表示工作流w_i中的第j個任務(wù)，_i表示任務(wù)間的有向邊集合。如果任務(wù)t_ip和任務(wù)t_ij之間存在數(shù)據(jù)依賴關(guān)系，那么有向邊就存在，且稱t_ip是任務(wù)t_ij的直接前驅(qū)任務(wù)，而t_ij是任務(wù)t_ip的直接后繼任務(wù)。符號pred(t_ij)表示任務(wù)t_ij所有直接前驅(qū)任務(wù)組成的集合，符號succ(t_ij)表示任務(wù)t_ij所有直接后繼任務(wù)組成的集合。

本實施例設(shè)計了一個面向云平臺的不確定感知的調(diào)度架構(gòu)，該平臺由用戶層、調(diào)度層和資源層組成：用戶層動態(tài)地向云服務(wù)提供商提交工作流；調(diào)度層根據(jù)一定的目標(biāo)和資源的預(yù)測性能，負(fù)責(zé)生成任務(wù)與虛擬機(jī)的映射方案；資源層包括大規(guī)模異構(gòu)虛擬機(jī)，且虛擬機(jī)可以動態(tài)增加和減少。

調(diào)度層包括一個任務(wù)池(Task Pool，簡寫為TP)、一個調(diào)度分析器、一個資源控制器與一個任務(wù)控制器。其中，TP容納大部分的等待任務(wù)；調(diào)度分析器負(fù)責(zé)生成虛擬機(jī)調(diào)整的計劃及TP中等待任務(wù)與虛擬機(jī)的映射方案；計算資源調(diào)整方案包括何時添加/刪除不同類型的虛擬機(jī)，并由資源控制器來實施這些方案；任務(wù)控制器動態(tài)分配TP中的等待任務(wù)到對應(yīng)的虛擬機(jī)。

該調(diào)度架構(gòu)的獨特的特點是，大部分任務(wù)在TP中等待，而不是直接放置到虛擬機(jī)。只有那些已經(jīng)映射到虛擬機(jī)上的任務(wù)，才會被放置到虛擬機(jī)上。

此調(diào)度架構(gòu)的主要優(yōu)勢包括：

①可以阻斷不確定因素在調(diào)度方案中傳播。由于只有被調(diào)度的任務(wù)才允許在虛擬機(jī)上等待，執(zhí)行任務(wù)的不確定性只能轉(zhuǎn)移到同一個虛擬機(jī)上的等待任務(wù)上。當(dāng)執(zhí)行任務(wù)完成時，就不再存在不確定性，并且在該虛擬機(jī)上的后續(xù)等待任務(wù)將不會受到影響。

②這個設(shè)計使通信和計算時間重疊。當(dāng)一個虛擬機(jī)正在執(zhí)行任務(wù)，這個虛擬機(jī)可以同時接收一個新的任務(wù)作為等待任務(wù)，通過重疊通信和計算來節(jié)省時間。

在本發(fā)明中，變量x_ij,k被用來表示任務(wù)t_ij與虛擬機(jī)的映射關(guān)系。如果任務(wù)t_ij被映射到虛擬機(jī)那么x_ij,k為1，否則為0，即：

定義1：分配給任務(wù)t_ij的虛擬機(jī)的索引定義為r(t_ij)。例如，如果工作流w₁中的任務(wù)t₁₂被調(diào)度到虛擬機(jī)上，那么r(t₁₂)＝8。

由于任務(wù)的執(zhí)行時間是隨機(jī)變量，在調(diào)度工作流時，我們使用它們執(zhí)行時間的α分位點。符號表示任務(wù)t_ij在虛擬機(jī)上執(zhí)行時間的α分位點；符號pst_ij,k和pft_ij,k分別用來表示任務(wù)的期望開始時間和期望結(jié)束時間。期望開始時間pst_ij,k可由以下式子計算：

其中，pft_lh,k表示任務(wù)t_lh的期望完成時間，任務(wù)t_lh是當(dāng)前虛擬機(jī)的最后一個任務(wù)，表示任務(wù)間的數(shù)據(jù)傳輸時間。

任務(wù)t_ij在虛擬機(jī)上期望完成時間pft_ij,k可表示為：

當(dāng)工作流w_i中所有任務(wù)都被調(diào)度后，工作流w_i期望完成時間定義為：

當(dāng)任務(wù)完成后，它們的實際開始時間、執(zhí)行時間和完成時間就可以獲得。符號rst_ij,k、ret_ij,k和rft_ij,k分別表示任務(wù)t_ij在虛擬機(jī)上的實際開始時間、執(zhí)行時間和完成時間。例如在調(diào)度時，任務(wù)t₁₁在虛擬機(jī)上的執(zhí)行時間假設(shè)為et_11,2～N(120,10²)秒，和et_11,2的0.9分位點是秒；當(dāng)任務(wù)t₁₁在虛擬機(jī)上完成后，實際的完成時間rft_11,2可能是135秒。工作流w_i實際的完成時間可定義為：

在不確定調(diào)度環(huán)境中，工作流w_i的實際完成時間rft_i決定它的時效性是否得到保障。因此，我們有以下約束：

由于工作流中任務(wù)之間的前后約束關(guān)系，一個任務(wù)只有接收到所有前驅(qū)任務(wù)的數(shù)據(jù)才能開始運行。因此存在以下約束：

滿足以上約束，如式子(6)和(7)所示，首要優(yōu)化目標(biāo)是最小化完成工作流集合W的成本：

其中，|VM|表示運行工作流集合的虛擬機(jī)數(shù)量，tp_k是虛擬機(jī)的工作周期。

除了總成本，資源利用率也是衡量云計算平臺性能的一個重要指標(biāo)。因此，另一個優(yōu)化目標(biāo)是最大化虛擬機(jī)的平均資源利用率，表示如下：

其中，wt_k和tt_k分別表示虛擬機(jī)在運行工作流集合W過程中的工作時間和總活躍時間，總活躍時間包括工作時間和空閑時間。

在不確定計算環(huán)境中，另外一個需要優(yōu)化的目標(biāo)是最小化波動成本函數(shù)，定義為工作流實際完成時間與期望值差的絕對值的加權(quán)和的均值，表示如下：

其中，w_i表示工作流實際完成時間與期望值差的邊緣成本。

本實施例提出了一個兼具前攝性調(diào)度和反應(yīng)式策略的啟發(fā)式算法，以較低的計算開銷獲得近似最優(yōu)調(diào)度方案，其中，前攝性調(diào)度是用來建立基于冗余的基準(zhǔn)調(diào)度方案，任務(wù)執(zhí)行時間的分位點被用來近似任務(wù)的執(zhí)行時間；反應(yīng)式策略將被動態(tài)觸發(fā)來生成新的前攝性調(diào)度方案，以應(yīng)對工作流運行中的各種干擾。當(dāng)有虛擬機(jī)完成一個任務(wù)時，反應(yīng)式策略將被觸發(fā)。

任務(wù)調(diào)度中的一個重要問題是如何對任務(wù)進(jìn)行排序。在本實施例中，任務(wù)池中的所有任務(wù)將被按照其期望的最晚開始時間plst_ij進(jìn)行排序。對于每一個任務(wù)，其期望的最晚開始時間plst_ij定義為最晚時間點，如果該任務(wù)在該時間點之后開始，工作流的期望完成時間pft_i將大于它的截止期d_i。

定義2：任務(wù)t_ij的期望最晚開始時間plst_ij可以遞歸計算如下：

其中，succ(t_ij)表示任務(wù)t_ij的所有直接前驅(qū)任務(wù)，表示任務(wù)t_ij執(zhí)行時間α分位點的最小值。

根據(jù)以上定義，任務(wù)期望的最晚完成時間plft_ij可以計算如下：

定義3：就緒任務(wù)是指：一個任務(wù)沒有任何前驅(qū)任務(wù)，即或其所有前驅(qū)任務(wù)都已經(jīng)被映射到虛擬機(jī)，且至少一個前驅(qū)任務(wù)已經(jīng)完成。

任務(wù)t_ij在虛擬機(jī)上的期望成本定義為：

其中，prt_k表示虛擬機(jī)可用的期望時間。

在云計算平臺的實際運行中，由于工作流的到達(dá)時間和虛擬機(jī)上任務(wù)的完成時間具有不確定性。我們將實時工作流的到達(dá)和一個任務(wù)的完成視為隨機(jī)事件。當(dāng)這些隨機(jī)事件發(fā)生后，算法PRS將觸發(fā)來動態(tài)調(diào)度就緒任務(wù)到虛擬機(jī)上。具體來講，如果新工作流到達(dá)時，根據(jù)定義3，沒有前驅(qū)的任務(wù)是就緒任務(wù)，這些任務(wù)將被算法PRS映射到虛擬機(jī)上，其它未就緒任務(wù)將被加入到任務(wù)池中等待。另外，當(dāng)虛擬機(jī)完成一個任務(wù)時，根據(jù)定義3，剛被完成任務(wù)的后繼任務(wù)可能會變成就緒任務(wù)，那么算法PRS將被觸發(fā)來調(diào)度剛變?yōu)榫途w的任務(wù)到虛擬機(jī)上。

如圖2所示，算法PRS的執(zhí)行步驟如下：

第一步，初始化：初始化系統(tǒng)中可用的虛擬機(jī)為vmList；虛擬機(jī)類型集合S為S＝{s₁,s₂,…,s_m}；任務(wù)池(TP)中的任務(wù)集合為taskPool；就緒任務(wù)集合readyTL為空，即

第二步，監(jiān)控虛擬化云中工作流到達(dá)和虛擬機(jī)完成任務(wù)的隨機(jī)事件，如果是新工作流到達(dá)，則轉(zhuǎn)第三步；如果是虛擬機(jī)完成一個任務(wù)t_ij，則轉(zhuǎn)第四步；

第三步，計算新工作流中每個任務(wù)的最晚期望開始時間plst_ij和期望完成時間plft_ij；將就緒任務(wù)加到readyTL中；并將非就緒任務(wù)加入到任務(wù)池taskPool中，即taskPool←taskPool∪{T_i\readyTL}；轉(zhuǎn)第七步；

第四步，運行虛擬機(jī)上的等待任務(wù)。如果虛擬機(jī)上存在等待任務(wù)，且該任務(wù)收到其所有前驅(qū)任務(wù)的輸出數(shù)據(jù)，則運行該等待任務(wù)；轉(zhuǎn)第五步；

第五步，找出剛變?yōu)榫途w的等待任務(wù)，方法是：

5.1初始化剛被完成任務(wù)為t_ij，其直接后繼任務(wù)的索引為s←1；任務(wù)t_ij直接后繼任務(wù)集合為succ(t_ij)；任務(wù)t_ij直接后繼任務(wù)的數(shù)量N，即N＝|succ(t_ij)|；

5.2判斷s＞N是否成立，如果成立，則轉(zhuǎn)第六步；否則執(zhí)行5.3步；

5.3根據(jù)定義3，判斷任務(wù)t_is∈succ(t_ij)是否變?yōu)榫途w，如果成立，則將任務(wù)t_is加到就緒任務(wù)集合readyTL中，即readyTL←readyTL∪{t_is}，轉(zhuǎn)5.4步；否則，直接轉(zhuǎn)5.4步；

5.4更新后繼任務(wù)的索引為s←s+1，轉(zhuǎn)5.2步；

第六步，將就緒任務(wù)readyTL從任務(wù)池(TP)中移除，即taskPool←taskPool\readyTL，轉(zhuǎn)第七步；

第七步，將每個就緒任務(wù)調(diào)度到虛擬機(jī)上，方法是：

7.1對readyTL中所有的就緒任務(wù)，根據(jù)期望最晚開始時間plst_ij進(jìn)行升序排序；

7.2初始化就緒任務(wù)的數(shù)量為R，即R＝|readyTL|；就緒任務(wù)的索引為s←1；轉(zhuǎn)7.3步；

7.3判斷s＞R是否成立，如果成立，清空就緒任務(wù)列表，即則轉(zhuǎn)第二步；否則，從readyTL取出第個s任務(wù)，記為t_is，轉(zhuǎn)7.4步；

7.4將任務(wù)t_is調(diào)度到已經(jīng)開啟的虛擬機(jī)上，方法是：

7.4.1虛擬機(jī)的索引為k←1；可用虛擬機(jī)的數(shù)量為K，即K＝|vmList|；選擇的虛擬機(jī)selVM為空；最小完成費用minCost為minCost←+∞；執(zhí)行7.4.2步；

7.4.2判斷k＞K是否成立，如果成立，則轉(zhuǎn)7.4.3步；否則，轉(zhuǎn)7.4.4步；

7.4.3如果選擇的虛擬機(jī)selVM不為空，則映射任務(wù)t_is到虛擬機(jī)selVM上，并更新任務(wù)的索引s為s←s+1，轉(zhuǎn)7.3步；否則，轉(zhuǎn)7.5步；

7.4.4計算任務(wù)t_is在虛擬機(jī)上的期望完成時間pft_is,k，和費用pc_is,k；轉(zhuǎn)7.4.5；

7.4.5判斷pft_is,k≤plft_is是否成立，如果成立，轉(zhuǎn)7.4.6；否則，更新虛擬機(jī)的索引k為k←k+1；轉(zhuǎn)7.4.2步；

7.4.6判斷pc_is,k＜minCost是否成立，如果成立，則更新選擇的虛擬機(jī)為更新虛擬機(jī)的索引k為k←k+1；轉(zhuǎn)7.4.2步；否則，更新虛擬機(jī)的索引k為k←k+1；轉(zhuǎn)7.4.2步；

7.5將任務(wù)調(diào)度到新租的虛擬機(jī)上，方法是：

7.5.1初始化虛擬機(jī)類型的索引u為u←1；m為虛擬機(jī)類型的總量；選出的虛擬機(jī)類型u*為空；最小完成費用minCostAdd為minCostAdd←+∞；，轉(zhuǎn)7.5.2步；

7.5.2判斷u＞m是否成立，如果成立，則租一臺類型為u*的新虛擬機(jī)，并將任務(wù)t_is映射到該虛擬機(jī)上，并更新任務(wù)的索引s為s←s+1，轉(zhuǎn)7.3步；否則，轉(zhuǎn)7.5.3步；

7.5.3計算任務(wù)t_is在類型為u的新虛擬機(jī)上的期望完成時間pft_is,k和費用pc_is,k，轉(zhuǎn)7.5.4步；

7.5.4判斷pft_is,k≤plft_is是否成立，如果成立，則轉(zhuǎn)7.5.5步；否則，更新虛擬機(jī)類型的索引u為u←u+1，轉(zhuǎn)7.5.2步；

7.5.5判斷pc_is,k＜minCostAdd是否成立，如果成立，則更新選擇的虛擬機(jī)類型為u*←u，更新虛擬機(jī)的索引u為u←u+1；轉(zhuǎn)7.5.2步；否則，更新，更新虛擬機(jī)的索引u為u←u+1；轉(zhuǎn)7.5.2步。

對比實驗驗證了算法PRS的有效性。選擇兩個已有的調(diào)度算法(SHEFT和RTC)作為對比算法，由于這兩個對比算法設(shè)計來調(diào)度單個工作流，在實驗中，為了使它們適應(yīng)實時工作流，每當(dāng)新工作流到達(dá)時，這些算法就被觸發(fā)來調(diào)度工作流中所有任務(wù)到虛擬機(jī)上。

假設(shè)云計算平臺提供6類虛擬機(jī)，且每類虛擬機(jī)的數(shù)量可任意增加。下表列出的是這些虛擬機(jī)的配置和單價，這些參數(shù)來自Amazon的EC2。虛擬機(jī)的計費周期是1小時，虛擬機(jī)之間的帶寬設(shè)為1Gbps。

實驗中選擇四組實際測試集，即Cybershake，LIGO，Montage和SIPHT。

圖3(a)、(b)、(c)示出的是觀察任務(wù)執(zhí)行時間的不確定性對算法性能的影響，其中，任務(wù)運行時間的方差值從0.10增加到0.40，步長為0.05。

如圖3(a)所示，隨著任務(wù)運行時間方差的增加，3個調(diào)度算法的總成本都以不同的速率上升。對于算法SHEFT和RTC，這種趨勢尤為突出，這是因為算法SHEFT和RTC在基準(zhǔn)調(diào)度方案執(zhí)行的過程中沒有采用任何反應(yīng)策略來控制的隨機(jī)因素。PRS的成本平均比SHEFT和RTC低14.01％和21.60％，證明了算法PRS可以降低云服務(wù)提供商的成本。

如圖3(b)所示，算法PRS的資源利用率最高，約71.17％；算法SHEFT和RTC的資源利用率分別在46.19％和45.62％左右波動。這可歸結(jié)于以下幾個原因：首先，當(dāng)?shù)却蝿?wù)變?yōu)榫途w，PRS就將這些任務(wù)動態(tài)調(diào)度到虛擬機(jī)，使得每個虛擬機(jī)上的空閑時隙被有效壓縮和去除；其次，隨著任務(wù)執(zhí)行時間方差的變大，任務(wù)的期望完成時間和時間完成時間的間隔也相應(yīng)增加，對于算法SHEFT和RTC，浪費的時間間隙就越大，從而導(dǎo)致資源利用率降低。

如圖3(c)所示，隨著任務(wù)執(zhí)行時間的方差增大，算法PRS、SHEFT和RTC得到調(diào)度方案的偏差也相應(yīng)變大，這是因為較大的方差使得期望和實際的任務(wù)完成時間之間的差異變得更大。此外，PRS的偏差平均比RTC低491.80％，這是因為算法RTC不控制不確定性在等待任務(wù)之間的傳播。以上證明了PRS能夠有效減輕不確定因素對基準(zhǔn)調(diào)度方案的影響。

綜上所述，借助于本發(fā)明的上述技術(shù)方案，通過使用以虛擬機(jī)上的任務(wù)完成信息與新到達(dá)的工作流信息作為執(zhí)行調(diào)度方法的觸發(fā)條件根據(jù)成本、資源利用率和調(diào)度方案的波動性作為調(diào)度目標(biāo)，對工作流中的非周期性動態(tài)任務(wù)進(jìn)行調(diào)度的技術(shù)手段，能夠消除不確定因素對執(zhí)行調(diào)度方案的影響，并在保證工作流時效性的條件下提高虛擬機(jī)的資源利用率、降低云服務(wù)提供商的成本。

所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：以上所述僅為本發(fā)明的具體實施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。