一種基于遺傳算法的云計(jì)算資源調(diào)度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于云計(jì)算領(lǐng)域，特別設(shè)及一種基于遺傳算法的云計(jì)算資源調(diào)度方法。
【背景技術(shù)】
[0002] 近年來，云計(jì)算作為一種新型的信息處理方式，已深入到我們生活工作的各個(gè)領(lǐng) 域中。云計(jì)算是W虛擬化技術(shù)為技術(shù)支撐，最基本的理念就是按需使用，而在此過程中，由 于云數(shù)據(jù)中屯、的能耗及其資源提供效率成為影響云計(jì)算性能的關(guān)鍵性問題，如何有效合理 的使用云計(jì)算的資源也成了一個(gè)關(guān)鍵點(diǎn)。
[0003] 隨著互聯(lián)網(wǎng)時(shí)代信息與數(shù)據(jù)的快速增長，科學(xué)、工程和商業(yè)計(jì)算領(lǐng)域需要處理大 規(guī)模、海量的數(shù)據(jù)，對(duì)計(jì)算能力的需求遠(yuǎn)遠(yuǎn)超出自身IT架構(gòu)的計(jì)算能力，該時(shí)就需要不斷 加大系統(tǒng)硬件投入來實(shí)現(xiàn)系統(tǒng)的可擴(kuò)展性。另外，由于傳統(tǒng)并行編程模型應(yīng)用的局限性， 客觀上要求一種容易學(xué)習(xí)、使用、部署的新的并行編程框架。在該種情況下，為了節(jié)省成本 和實(shí)現(xiàn)系統(tǒng)的可擴(kuò)放性，云計(jì)算的概念被提了出來。云計(jì)算是分布式計(jì)算、并行處理和網(wǎng) 格計(jì)算的進(jìn)一步發(fā)展，它是基于互聯(lián)網(wǎng)的計(jì)算，能夠向各種互聯(lián)網(wǎng)應(yīng)用提供硬件服務(wù)、基 礎(chǔ)架構(gòu)服務(wù)、平臺(tái)服務(wù)、軟件服務(wù)、存儲(chǔ)服務(wù)的系統(tǒng)。通常云系統(tǒng)由第=方擁有的機(jī)制提供 服務(wù)，用戶只關(guān)屯、云所提供的服務(wù)。目前關(guān)于云計(jì)算系統(tǒng)沒有統(tǒng)一的定義，云計(jì)算供應(yīng)商 根據(jù)自己企業(yè)業(yè)務(wù)推出相關(guān)的云計(jì)算戰(zhàn)略。美國國家標(biāo)準(zhǔn)技術(shù)研究院（NIST)給出了目前 權(quán)威的云計(jì)算定義；（1)云計(jì)算是一種能夠通過網(wǎng)絡(luò)W便利的、按需的方式訪問一個(gè)可配 置的計(jì)算資源共享池（包括網(wǎng)絡(luò)、服務(wù)器、存儲(chǔ)、應(yīng)用和服務(wù)等）的模式，該個(gè)資源共享池 能W最少的管理開銷及最少的與供應(yīng)商的交互，迅速配置、提供或釋放資源；（2)云計(jì)算模 式具有5個(gè)基本特征；按需自助服務(wù)、廣泛的網(wǎng)絡(luò)訪問、共享的資源池、快速彈性能力、可度 量的服務(wù)，還包括3種服務(wù)模式；軟件即服務(wù)（Saa巧、平臺(tái)即服務(wù)（Paa巧、基礎(chǔ)設(shè)施即服務(wù) (laaS)，W及4種部署方式；私有云、社區(qū)云、公有云、混合云。
[0004] 云計(jì)算所提供的服務(wù)面向的用戶群是龐大的，因此"云"中任務(wù)數(shù)量是巨大的，系 統(tǒng)每時(shí)每刻都出來海量的人物，所W資源管理是云計(jì)算的一個(gè)關(guān)鍵性問題，它的調(diào)度策略 與算法直接影響著云系統(tǒng)的性能及成本。隨著用戶對(duì)云計(jì)算需求的不斷增長，云數(shù)據(jù)中屯、 規(guī)模日益龐大，其能耗問題也越來越嚴(yán)重。據(jù)文獻(xiàn)報(bào)告，全球數(shù)據(jù)中屯、在2005年~2010年 增加了約56%，美國數(shù)據(jù)中屯、的能耗增加了 36%。一個(gè)5萬個(gè)節(jié)點(diǎn)的數(shù)據(jù)中屯、每年消耗的 電能超過1億千瓦，能耗占了一個(gè)數(shù)據(jù)中屯、運(yùn)維成本中的40 %。在國內(nèi)，通信運(yùn)營商的數(shù)據(jù) 中屯、是耗電大戶，中國電信數(shù)據(jù)中屯、年耗電11. 2億千瓦時(shí)，中國聯(lián)通數(shù)據(jù)中屯、為9. 9億千 瓦時(shí)到2020年，全球主要云計(jì)算運(yùn)營商的能耗將接近2萬億千瓦時(shí)。因此，研究云計(jì)算環(huán) 境下的如何有效的利用資源有迫切的需求。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種基于遺傳算法的云計(jì)算 資源調(diào)度方法。該方法能夠?qū)崟r(shí)做出云計(jì)算資源的調(diào)度安排，決策出最佳的資源構(gòu)建和調(diào) 整策略，在保障云計(jì)算網(wǎng)絡(luò)服務(wù)質(zhì)量的前提下，提高了云計(jì)算的效用比。
[0006] 本發(fā)明的目的通過下述技術(shù)方案實(shí)現(xiàn)；一種基于遺傳算法的云計(jì)算資源調(diào)度方 法，步驟如下：
[0007] S1、將用戶提交的云任務(wù)切分成若干個(gè)子任務(wù)，并且根據(jù)云任務(wù)設(shè)置一個(gè)預(yù)期的 Qos(QualityofService,服務(wù)質(zhì)量）；預(yù)期的Qos是指用戶獲取云計(jì)算資源時(shí)，所花費(fèi)時(shí) 間和費(fèi)用的一個(gè)要求；
[000引 S2、初始化：初始化種群規(guī)模，并且設(shè)置種群最大迭代次數(shù)；
[0009] S3、生成初始種群：按照編碼規(guī)則隨機(jī)生成染色體，將云任務(wù)抽象為染色體的編碼 輸入，染色體中的每個(gè)基因?yàn)樵撛迫蝿?wù)中的子任務(wù)，染色體的位序號(hào)表示每個(gè)子任務(wù)代表 分配到虛擬機(jī)的號(hào)碼；然后判斷染色體是否滿足預(yù)期的Qos,若滿足，則將該染色體加入到 初始種群中，若不滿足，則丟棄該染色體，直到達(dá)到初始種群的規(guī)模；
[0010] S4、根據(jù)適應(yīng)度函數(shù)計(jì)算當(dāng)前種群中每條染色體的適應(yīng)度值；
[0011] S5、選擇、交叉和變異操作；根據(jù)選擇概率選擇適應(yīng)度值高的染色體，將該些染色 體復(fù)制到下一代新種群；并且針對(duì)當(dāng)前種群中剩下的染色體進(jìn)行交叉和變異操作；
[0012] S6、判斷步驟S5中交叉和變異操作后的染色體是否滿足預(yù)期的Qos,若滿足，則加 入到下一代新種群中，若不滿足，則丟棄，直到新種群達(dá)到種群規(guī)模，并并且種群迭代次數(shù) 加1 ;
[0013] S7、判斷種群迭代次數(shù)是否達(dá)到最大迭代次數(shù)，若否，則返回步驟S4,若是，則進(jìn)入 步驟S8 ;
[0014] S8、將最終得到的新種群中適應(yīng)度值最高的染色體作為最優(yōu)解，并且針對(duì)該染色 體進(jìn)行解碼操作得到虛擬機(jī)的號(hào)碼，將該染色體作為資源調(diào)度的最優(yōu)解。
[0015] 優(yōu)選的，所述步驟S3中采用基于路徑的編碼方式進(jìn)行染色體編碼。
[0016] 優(yōu)選的，所述步驟S4中通過W下自適應(yīng)函數(shù)計(jì)算出種群中各染色體的適應(yīng)度：
[0017] fOg=l/(lg(ECt〇tai+l));
[001引其中ECtMai為染色體Xk中的資源調(diào)度方案的總能耗，f狂k)為染色體Xk的適應(yīng)度。
[0019] 更進(jìn)一步的，所述染色體Xk中的資源調(diào)度方案的總能耗ECt。,。巧：
[0020]
【主權(quán)項(xiàng)】
1. 一種基于遺傳算法的云計(jì)算資源調(diào)度方法，其特征在于，步驟如下： 51、 將用戶提交的云任務(wù)切分成若干個(gè)子任務(wù)，并且根據(jù)云任務(wù)設(shè)置一個(gè)預(yù)期的Qos; 預(yù)期的Qos是指用戶獲取云計(jì)算資源時(shí)，所花費(fèi)時(shí)間和費(fèi)用的一個(gè)要求； 52、 初始化：初始化種群規(guī)模，并且設(shè)置種群最大迭代次數(shù)； 53、 生成初始種群：按照編碼規(guī)則隨機(jī)生成染色體，將云任務(wù)抽象為染色體的編碼輸 入，染色體中的每個(gè)基因?yàn)樵撛迫蝿?wù)中的子任務(wù)，染色體的位序號(hào)表不每個(gè)子任務(wù)代表分 配到虛擬機(jī)的號(hào)碼；然后判斷染色體是否滿足預(yù)期的Q〇s，若滿足，則將該染色體加入到初 始種群中，若不滿足，則丟棄該染色體，直到達(dá)到初始種群的規(guī)模； 54、 根據(jù)適應(yīng)度函數(shù)計(jì)算當(dāng)前種群中每條染色體的適應(yīng)度值； 55、 選擇、交叉和變異操作：根據(jù)選擇概率選擇適應(yīng)度值高的染色體，將這些染色體復(fù) 制到下一代新種群；并且針對(duì)當(dāng)前種群中剩下的染色體進(jìn)行交叉和變異操作； 56、 判斷步驟S5中交叉和變異操作后的染色體是否滿足預(yù)期的Qos，若滿足，則加入到 下一代新種群中，若不滿足，則丟棄，直到新種群達(dá)到種群規(guī)模，并并且種群迭代次數(shù)加1 ; 57、 判斷種群迭代次數(shù)是否達(dá)到最大迭代次數(shù)，若否，則返回步驟S4,若是，則進(jìn)入步驟 S8 ； 58、 將最終得到的新種群中適應(yīng)度值最高的染色體作為最優(yōu)解，并且針對(duì)該染色體進(jìn) 行解碼操作得到虛擬機(jī)的號(hào)碼，將該染色體作為資源調(diào)度的最優(yōu)解。
2. 根據(jù)權(quán)利要求1所述的基于遺傳算法的云計(jì)算資源調(diào)度方法，其特征在于，所述步 驟S3中采用基于路徑的編碼方式進(jìn)行染色體編碼。
3. 根據(jù)權(quán)利要求1所述的基于遺傳算法的云計(jì)算資源調(diào)度方法，其特征在于，所述步 驟S4中通過以下自適應(yīng)函數(shù)計(jì)算出種群中各染色體的適應(yīng)度：
其中ECtotal為染色體Xk中的資源調(diào)度方案的總能耗，f(Xk)為染色體Xk的適應(yīng)度。
4. 根據(jù)權(quán)利要求3所述的基于遺傳算法的云計(jì)算資源調(diào)度方法，其特征在于，所述染 色體Xk中的資源調(diào)度方案的總能耗ECt(rtal為：
其中WECj為宿主機(jī)j在一個(gè)周期內(nèi)的工作能耗，in』為宿主機(jī)j上運(yùn)行的子任務(wù)數(shù)；DECj為宿主機(jī)j在一個(gè)周期內(nèi)休眠狀態(tài)時(shí)的能耗；IECj為宿主機(jī)j空閑時(shí)的能耗；N為宿主機(jī)的 個(gè)數(shù)；
其中CEh為： CECj^CTijXPCj^Cli/CSjXPCj； CTu表示宿主機(jī)j上子任務(wù)i的功耗，Cl,表示表示宿主機(jī)j上子任務(wù)i的執(zhí)行命令數(shù)，CSj表示宿主機(jī)j的CPU處理速度，PC」表示宿主機(jī)j工作時(shí)的功耗； 其中SEC；」為： SECj^ SD i/SSjXPSj； SECu表示宿主機(jī)j上子任務(wù)i的存儲(chǔ)能耗，SDi表示宿主機(jī)j上子任務(wù)i所需要讀寫 的數(shù)據(jù)量，SS」表示宿主機(jī)j磁盤讀取速率，PS^表示宿主機(jī)j存儲(chǔ)功耗。
5. 根據(jù)權(quán)利要求3所述的基于遺傳算法的云計(jì)算資源調(diào)度方法，其特征在于，所述步 驟S5中的選擇操作中選擇概率采用輪盤算子，種群中各染色體的選擇概率為：
兵甲popSize艿柙辟的規(guī)悮。
6. 根據(jù)權(quán)利要求1所述的基于遺傳算法的云計(jì)算資源調(diào)度方法，其特征在于，所述步 驟S5中的變異操作，采用替換變異方式，先從父代染色體中選擇一個(gè)子位串，然后再隨機(jī) 在剩下的位串中選擇一個(gè)位置，并插入該子位串。
7. 根據(jù)權(quán)利要求1所述的基于遺傳算法的云計(jì)算資源調(diào)度方法，其特征在于，所述步 驟S5中的變異操作采用部分匹配方法，隨機(jī)選擇兩個(gè)交叉點(diǎn)，在兩個(gè)點(diǎn)之間的位置將進(jìn)行 交叉，其他位置進(jìn)行復(fù)制。
8. 根據(jù)權(quán)利要求1所述的基于遺傳算法的云計(jì)算資源調(diào)度方法，其特征在于，所述步 驟S1中設(shè)置的預(yù)期的Qos中，各宿主機(jī)中各子任務(wù)的執(zhí)行時(shí)間滿足以下條件： TE.^CT.j+ST.j； TEu表示宿主機(jī)j上子任務(wù)i的運(yùn)行總時(shí)間，CTu表示宿主機(jī)j上子任務(wù)i的任務(wù)執(zhí) 行時(shí)間，STU表示宿主機(jī)j上讀寫數(shù)據(jù)的時(shí)間； 宿主機(jī)j中所有子任務(wù)的執(zhí)行時(shí)間L滿足以下條件：
in」為宿主機(jī)j中子任務(wù)的數(shù)量； 云任務(wù)執(zhí)行的時(shí)間Ttotal滿足以下條件：
N為宿主機(jī)的個(gè)數(shù)； 所述步驟S1中設(shè)置的預(yù)期的Qos中費(fèi)用滿足以下條件：
其中costij表示宿主機(jī)j中執(zhí)行子任務(wù)i所需費(fèi)用，sReq1表示的是宿主機(jī)j子任務(wù)i對(duì)應(yīng)的資源，sPrici表示的是宿主機(jī)j中子任務(wù)i對(duì)應(yīng)的資源所需費(fèi)用。
9. 根據(jù)權(quán)利要求1所述的基于遺傳算法的云計(jì)算資源調(diào)度方法，其特征在于，所述步 驟S1中采用云計(jì)算中的MapReduce編程模型，將用戶提交的云任務(wù)切分成若干個(gè)子任務(wù)。
【專利摘要】本發(fā)明公開了一種基于遺傳算法的云計(jì)算資源調(diào)度方法，利用遺傳算法獲取到云計(jì)算中資源的調(diào)度方案，遺傳算法中染色體中的每個(gè)基因?yàn)樵撛迫蝿?wù)中的子任務(wù)，染色體的位序號(hào)表示每個(gè)子任務(wù)代表分配到虛擬機(jī)的號(hào)碼；本發(fā)明方法中根據(jù)云任務(wù)設(shè)置預(yù)期的Qos，在種群迭代更新過程中將滿足預(yù)期的Qos的染色體留下，將不滿足預(yù)期的Qos的染色體進(jìn)行丟棄，并且根據(jù)選擇概率將當(dāng)前種群適應(yīng)度值高的染色體直接復(fù)制到下一代種群中，然后針對(duì)當(dāng)前種群剩下染色體進(jìn)行交叉和變異操作，保證了種群中染色體的質(zhì)量，實(shí)現(xiàn)了云計(jì)算的資源按需使用、彈性擴(kuò)展，實(shí)時(shí)做出云計(jì)算資源調(diào)度安排，決策出最佳的資源構(gòu)建和調(diào)整策略，在保障云計(jì)算網(wǎng)絡(luò)服務(wù)質(zhì)量的前提下，提高了云計(jì)算的效用比。
【IPC分類】H04L29-08
【公開號(hào)】CN104811491
【申請(qǐng)?zhí)枴緾N201510185184
【發(fā)明人】李磊, 江波, 金連文
【申請(qǐng)人】華南理工大學(xué)
【公開日】2015年7月29日
【申請(qǐng)日】2015年4月17日