基于量子粒子群優(yōu)化算法的多目標(biāo)工作流動(dòng)態(tài)調(diào)度方法
【專利摘要】本發(fā)明公開(kāi)了一種基于量子粒子群優(yōu)化算法的多目標(biāo)工作流動(dòng)態(tài)調(diào)度方法，屬于云計(jì)算【技術(shù)領(lǐng)域】。本發(fā)明步驟包括：輸入工作流以及QoS請(qǐng)求；獲得虛擬機(jī)狀態(tài)信息和虛擬機(jī)間傳輸信息；設(shè)定一個(gè)待執(zhí)行任務(wù)集合V’，對(duì)V’中的任務(wù)調(diào)度設(shè)定時(shí)間、成本和可靠性的目標(biāo)函數(shù)；利用QPSO優(yōu)化算法為待執(zhí)行的任務(wù)分配最優(yōu)資源，執(zhí)行任務(wù)后判斷任務(wù)執(zhí)行的總時(shí)間、總成本和總可靠性是否滿足用戶的QoS請(qǐng)求；動(dòng)態(tài)更新V’、虛擬機(jī)間的傳輸速度和虛擬機(jī)的運(yùn)行速度。本發(fā)明通過(guò)動(dòng)態(tài)分割工作流以及動(dòng)態(tài)更新網(wǎng)絡(luò)帶寬信息，較為精確地為工作流任務(wù)分配最優(yōu)資源，使得計(jì)算所得時(shí)間和成本與實(shí)際執(zhí)行時(shí)間和成本誤差減小，更能夠縮短時(shí)間，減少成本以及增強(qiáng)可靠性。
【專利說(shuō)明】基于量子粒子群優(yōu)化算法的多目標(biāo)工作流動(dòng)態(tài)調(diào)度方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于云計(jì)算【技術(shù)領(lǐng)域】，具體涉及的是一種基于量子粒子群優(yōu)化算法、用于動(dòng)態(tài)計(jì)算密集型工作流應(yīng)用處理的方法。
【背景技術(shù)】
[0002]云工作流為云計(jì)算的系統(tǒng)性能和運(yùn)行成本的優(yōu)化提供了高效可行的解決方案。將工作流集成到云計(jì)算上，不僅減少了云計(jì)算的成本，也提高了云服務(wù)質(zhì)量。云工作流的調(diào)度是以用戶為中心，選擇滿足用戶提出的服務(wù)質(zhì)量(QoS)請(qǐng)求的最優(yōu)流程執(zhí)行，它相當(dāng)于目標(biāo)優(yōu)化問(wèn)題。聞歌等人結(jié)合云計(jì)算的特點(diǎn)，基于改進(jìn)的異態(tài)最早結(jié)束時(shí)間(SHEFT)，提出了一種兩階段任務(wù)調(diào)度策略，實(shí)現(xiàn)了對(duì)完成時(shí)間的優(yōu)化。晏婧提出了一種基于QoS約束的調(diào)度算法，用來(lái)解決云環(huán)境中調(diào)度實(shí)例密集型工作流效率不高的問(wèn)題，在滿足截止時(shí)間的條件下使執(zhí)行成本達(dá)到最小。
[0003]而實(shí)際應(yīng)用中，往往需要處理多個(gè)QoS請(qǐng)求，這時(shí)，上述算法不能滿足需要。多個(gè)QoS請(qǐng)求可以采用多目標(biāo)優(yōu)化問(wèn)題進(jìn)行解決，將QoS轉(zhuǎn)化為優(yōu)化問(wèn)題中的目標(biāo)函數(shù)和約束條件，然后進(jìn)行求解，得到一組最優(yōu)集，用戶從中選擇一個(gè)解，作為最優(yōu)服務(wù)流程。
[0004]粒子群優(yōu)化算法(PSO)采用慣性權(quán)重進(jìn)行平衡全局搜索和局部搜索，并且具有快速收斂能力，適合用來(lái)求解多目標(biāo)優(yōu)化問(wèn)題，如孫妍姑和吳海波將多目標(biāo)粒子群算法用在了網(wǎng)格工作流調(diào) 度中。但是PSO容易陷入局部最優(yōu)，孫俊提出了一種具有量子行為的PSO算法，即量子粒子群算法(QPS0)，該算法具有簡(jiǎn)單、易實(shí)現(xiàn)和調(diào)節(jié)參數(shù)少的優(yōu)點(diǎn)，最重要的是它具有強(qiáng)大的全局搜索能力。我們知道，云環(huán)境是一個(gè)動(dòng)態(tài)多變的環(huán)境，面對(duì)海量的數(shù)據(jù)傳輸，云環(huán)境中的網(wǎng)絡(luò)帶寬成為相當(dāng)緊缺的資源，并且?guī)捸?fù)載也在時(shí)刻變化，如果能運(yùn)用量子粒子群算法(QPSO)并加以改進(jìn)，使其能夠動(dòng)態(tài)有效地執(zhí)行工作流應(yīng)用，則能夠滿足目前亟待解決的云計(jì)算工作流多目標(biāo)計(jì)算優(yōu)化問(wèn)題。

【發(fā)明內(nèi)容】

[0005]為解決上述問(wèn)題，本發(fā)明公開(kāi)了一種基于量子粒子群優(yōu)化算法的多目標(biāo)工作流動(dòng)態(tài)調(diào)度方法，利用QPSO優(yōu)化算法，通過(guò)動(dòng)態(tài)分割工作流以及動(dòng)態(tài)更新網(wǎng)絡(luò)帶寬信息，較為精確地為工作流任務(wù)分配最優(yōu)資源，使得計(jì)算所得時(shí)間和成本與實(shí)際執(zhí)行時(shí)間和成本誤差減小，更能夠縮短時(shí)間，減少成本以及增強(qiáng)可靠性。
[0006]為了達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案:
[0007]步驟10，輸入用戶提交的工作流以及用戶的QoS請(qǐng)求，獲取各個(gè)任務(wù)、任務(wù)間的數(shù)據(jù)依賴關(guān)系以及每個(gè)任務(wù)對(duì)應(yīng)的數(shù)據(jù)大小，并將輸入的工作流以有向無(wú)環(huán)圖DAG來(lái)表示，DAG圖用G= {V, E, D}表不，其中:V= Iv1, V2,…，vn}是任務(wù)集，E是任務(wù)間的有向邊,表不任務(wù)間的數(shù)據(jù)依賴關(guān)系，有向邊用〈V” Vj〉表不，Vi被稱為Vj的父任務(wù)，Vj被稱為Vi的子任務(wù)，只有當(dāng)某個(gè)子任務(wù)的所有父任務(wù)都被執(zhí)行完成后，才能執(zhí)行子任務(wù)，D= (C^d2，…，dn}表示每個(gè)任務(wù)對(duì)應(yīng)的數(shù)據(jù)大??；獲取用戶對(duì)整個(gè)工作流應(yīng)用的QoS請(qǐng)求，QoS請(qǐng)求中包括{TQ()S，Qtos, RAqJ，其中Ttos，CwRAttos分別表示用戶對(duì)時(shí)間、成本和可靠性的QoS請(qǐng)求值，即工作流執(zhí)行完后必須達(dá)到總時(shí)間Tttrtal ( Tqos,總成本Ctotal ( Cqos以及可靠性RAttrtal≥RAttos，初始化任務(wù)執(zhí)行的總時(shí)間Ttrtal=O,總成本Ctotal=O以及總可靠性RAtotal=O ；
[0008]步驟20，廣播由步驟10所得的工作流中任務(wù)集V中各任務(wù)計(jì)算所需的資源R=Ir1, r2,…，rn}，各個(gè)云提供商發(fā)布包含這些資源的虛擬機(jī)VM=IVM1, VM2,…，VMj當(dāng)前狀態(tài)信息VM/'，Pj, fp，其中，分別為VMj的運(yùn)行速度、運(yùn)行價(jià)格和失效率；并提供VM與VM間的傳輸數(shù)據(jù)信息Trklk2 Cvtrklk2, ptA1K)，其中Vtri5IK表不傳輸速度，Ptrklk2表不傳輸價(jià)格；本發(fā)明對(duì)VM狀態(tài)信息的描述采用三元組，對(duì)VM與VM間的傳輸數(shù)據(jù)信息描述采用二元組，并且對(duì)在VM上執(zhí)行任速度和執(zhí)行價(jià)格以及VM間的傳輸速度和傳輸價(jià)格采用單位制形式，適用于各種工作流任務(wù)執(zhí)行時(shí)采用該信息且不需要對(duì)任務(wù)在該資源上執(zhí)行進(jìn)行預(yù)估。
[0009]步驟30，設(shè)定一個(gè)待執(zhí)行任務(wù)集合V’，將父任務(wù)已經(jīng)執(zhí)行完畢的子任務(wù)或沒(méi)有父任務(wù)的任務(wù)放入V’中，針對(duì)V’中的每個(gè)任務(wù)，根據(jù)虛擬機(jī)當(dāng)前狀態(tài)信息以及虛擬機(jī)間的傳輸速度，利用任務(wù)需要執(zhí)行的數(shù)據(jù)量，對(duì)V’中的任務(wù)調(diào)度設(shè)定時(shí)間、成本和可靠性的目標(biāo)函數(shù)，所述目標(biāo)函數(shù)中根據(jù)用戶對(duì)時(shí)間、成本和可靠性的偏好進(jìn)行權(quán)重運(yùn)算，所述任務(wù)需要執(zhí)行的數(shù)據(jù)量包括父任務(wù)傳輸給當(dāng)前任務(wù)的數(shù)據(jù)量和當(dāng)前任務(wù)自身的數(shù)據(jù)量；
[0010]步驟40，根據(jù)步驟30中獲得的目標(biāo)函數(shù)，采用QPSO優(yōu)化算法為V’中的任務(wù)選擇當(dāng)前最適宜的虛擬機(jī)；使V’中任務(wù)盡可能獲得最小執(zhí)行時(shí)間、最小成本以及最大可靠性。
[0011]步驟50，當(dāng)經(jīng)過(guò)步驟40的QPSO優(yōu)化算法獲取當(dāng)前最適宜虛擬機(jī)后，將V’中的任務(wù)分配到相應(yīng)虛擬機(jī)上執(zhí)行，并獲取V’中任務(wù)執(zhí)行的實(shí)際總執(zhí)行時(shí)間T、總成本C和總可靠性R，選取其中最大的執(zhí)行時(shí)間作為這次V中任務(wù)執(zhí)行的總時(shí)間T，將每個(gè)任務(wù)的執(zhí)行成本之和作為本次V中任務(wù)執(zhí)行的總成本C，將每個(gè)任務(wù)的可靠性之積作為本次V’中任務(wù)執(zhí)行的總可靠性R，并將它們累計(jì)到 Ttotal、和中；
[0012]步驟60，根據(jù)步驟 50 得到的 Tt()tal、Ct()tal 和 RAtotal,判斷是否 Ttotal ( TQoS&&Ctotal ( CqoS&&RAtotal≥RAttos，如果不滿足上式，則記錄違反QoS請(qǐng)求的行為；
[0013]步驟70，獲取任務(wù)的完成狀態(tài)，如果有任務(wù)的父任務(wù)已經(jīng)全部完成，則更新待執(zhí)行集合V’ ；然后根據(jù)當(dāng)前網(wǎng)絡(luò)負(fù)載更新虛擬機(jī)間的傳輸速度，并根據(jù)當(dāng)前虛擬機(jī)的負(fù)載更新虛擬機(jī)的運(yùn)行速度；
[0014]步驟80，當(dāng)待執(zhí)行集合V’中還有任務(wù)未完成時(shí)，根據(jù)最新的虛擬機(jī)當(dāng)前狀態(tài)信息和虛擬機(jī)間的傳輸數(shù)據(jù)信息，再次執(zhí)行步驟40直至V’中不存在待執(zhí)行的任務(wù)。
[0015]更進(jìn)一步的，所述設(shè)定時(shí)間、成本和可靠性的目標(biāo)函數(shù)的過(guò)程具體包括如下步驟:
[0016]步驟301，設(shè)定時(shí)間目標(biāo)函數(shù):
[0017]
【權(quán)利要求】
1.一種基于量子粒子群優(yōu)化算法的多目標(biāo)工作流動(dòng)態(tài)調(diào)度方法，其特征在于，包括如下步驟: 步驟10，輸入用戶提交的工作流以及用戶的QoS請(qǐng)求，獲取各個(gè)任務(wù)、任務(wù)間的數(shù)據(jù)依賴關(guān)系以及每個(gè)任務(wù)對(duì)應(yīng)的數(shù)據(jù)大小，獲取QoS請(qǐng)求中的{TQ()S，CQoS, RAQ()S}，其中TQ()S，CQoS,RAqos分別表示用戶對(duì)時(shí)間、成本和可靠性的QoS請(qǐng)求值，初始化任務(wù)執(zhí)行的總時(shí)間Ttrtal=O,總成本Cttrtal=O以及總可靠性RAttrtal=O ； 步驟20，廣播由步驟10所得的工作流中任務(wù)集V中各任務(wù)計(jì)算所需的資源R=Ir1, r2,…，rn}，各個(gè)云提供商發(fā)布包含這些資源的虛擬機(jī)VM=IVM1, VM2,…，VMj當(dāng)前狀態(tài)信息VMj Cvj, Pj, f」)，其中，Vj、Pj, fj分別為VMj的運(yùn)行速度、運(yùn)行價(jià)格和失效率；并提供VM與VM間的傳輸數(shù)據(jù)信息Trklk2 (VtridK，PtAik2)，其中vtAik2表不傳輸速度，PtAm表不傳輸價(jià)格； 步驟30，設(shè)定一個(gè)待執(zhí)行任務(wù)集合V’，將父任務(wù)已經(jīng)執(zhí)行完畢的子任務(wù)或沒(méi)有父任務(wù)的任務(wù)放入V’中，針對(duì)V’中的每個(gè)任務(wù)，根據(jù)虛擬機(jī)當(dāng)前狀態(tài)信息以及虛擬機(jī)間的傳輸速度，利用任務(wù)需要執(zhí)行的數(shù)據(jù)量，對(duì)V’中的任務(wù)調(diào)度設(shè)定時(shí)間、成本和可靠性的目標(biāo)函數(shù)，所述目標(biāo)函數(shù)中根據(jù)用戶對(duì)時(shí)間、成本和可靠性的偏好進(jìn)行權(quán)重運(yùn)算，所述任務(wù)需要執(zhí)行的數(shù)據(jù)量包括父任務(wù)傳輸給當(dāng)前任務(wù)的數(shù)據(jù)量和當(dāng)前任務(wù)自身的數(shù)據(jù)量； 步驟40，根據(jù)步驟30中獲得的目標(biāo)函數(shù)，采用QPSO優(yōu)化算法為V’中的任務(wù)選擇當(dāng)前最適宜的虛擬機(jī)； 步驟50，當(dāng)經(jīng)過(guò)步驟40的QPSO優(yōu)化算法獲取當(dāng)前最適宜虛擬機(jī)后，將V’中的任務(wù)分配到相應(yīng)虛擬機(jī)上執(zhí)行，并獲取V’中任務(wù)執(zhí)行的實(shí)際總執(zhí)行時(shí)間T、總成本C和總可靠性R，選取其中最大的執(zhí)行時(shí)間作為這次V’中任務(wù)執(zhí)行的總時(shí)間T，將每個(gè)任務(wù)的執(zhí)行成本之和作為本次V中任務(wù)執(zhí)行的總成本C，將每個(gè)任務(wù)的可靠性之積作為本次V’中任務(wù)執(zhí)行的總可靠性R，并將它們累計(jì)到 Ttotal、和中；
步驟 60，根據(jù)步驟 50 得到的 Tt(rtal、Ct(rtal 和 RAtrtal,判斷是否 Tttrtal ( TeosMCtotal ( C0osMRAtotal≥RAttos，如果不滿足上式，則記錄違反QoS請(qǐng)求的行為； 步驟70，獲取任務(wù)的完成狀態(tài)，如果有任務(wù)的父任務(wù)已經(jīng)全部完成，則更新待執(zhí)行集合V;然后根據(jù)當(dāng)前網(wǎng)絡(luò)負(fù)載更新虛擬機(jī)間的傳輸速度，并根據(jù)當(dāng)前虛擬機(jī)的負(fù)載更新虛擬機(jī)的運(yùn)行速度； 步驟80，當(dāng)待執(zhí)行集合V’中還有任務(wù)未完成時(shí)，根據(jù)最新的虛擬機(jī)當(dāng)前狀態(tài)信息和虛擬機(jī)間的傳輸數(shù)據(jù)信息，再次執(zhí)行步驟40直至V’中不存在待執(zhí)行的任務(wù)。
2.根據(jù)權(quán)利要求1所述的基于量子粒子群優(yōu)化算法的多目標(biāo)工作流動(dòng)態(tài)調(diào)度方法，其特征在于，所述設(shè)定時(shí)間、成本和可靠性的目標(biāo)函數(shù)的過(guò)程具體包括如下步驟: 步驟301，設(shè)定時(shí)間目標(biāo)函數(shù):
3.根據(jù)權(quán)利要求2所述的基于量子粒子群優(yōu)化算法的多目標(biāo)工作流動(dòng)態(tài)調(diào)度方法，其特征在于，所述步驟40中的QPSO優(yōu)化算法具體包括如下步驟: 步驟401，初始化種群，隨機(jī)初始化m個(gè)粒子的初始位置Xi (O)，并令各個(gè)粒子的當(dāng)前最佳位置為=Pi (O) =Xi(O),令全局最佳位置為:
Pg(O)=IiiiniX1 (0),X2(0), -,Xm(O)I
其中，粒子數(shù)m為各提供商提供的資源VM ； 步驟402，根據(jù)步驟304中目標(biāo)函數(shù)f (X)計(jì)算式，計(jì)算每個(gè)粒子的適應(yīng)度； 步驟403，按照下式更新每個(gè)粒子的新局部最優(yōu)位置Pi (t+Ι):
4.根據(jù)權(quán)利要求1~3中任意一項(xiàng)所述的基于量子粒子群優(yōu)化算法的多目標(biāo)工作流動(dòng)態(tài)調(diào)度方法，其特征在于:所述步驟70中獲取任務(wù)的完成狀態(tài)之前等待一個(gè)輪詢時(shí)間。
【文檔編號(hào)】G06F9/50GK103699446SQ201310750460
【公開(kāi)日】2014年4月2日 申請(qǐng)日期:2013年12月31日 優(yōu)先權(quán)日:2013年12月31日
【發(fā)明者】馬廷淮, 儲(chǔ)雅, 田偉, 鐘水明 申請(qǐng)人:南京信息工程大學(xué)