本發(fā)明涉及云計(jì)算技術(shù)領(lǐng)域，特別是涉及業(yè)務(wù)調(diào)度，以及通信網(wǎng)絡(luò)。

背景技術(shù)：

云計(jì)算作為多種信息技術(shù)發(fā)展融合的產(chǎn)物，其包括分布式計(jì)算、并行計(jì)算、網(wǎng)格計(jì)算；網(wǎng)絡(luò)技術(shù)包括網(wǎng)絡(luò)存儲(chǔ)、負(fù)載均衡和虛擬化技術(shù)等，云計(jì)算是一種新型的計(jì)算模式。其借助虛擬化等技術(shù)，實(shí)現(xiàn)存儲(chǔ)資源、計(jì)算資源和軟件服務(wù)等IT資源與底層硬件物理設(shè)備的去耦合化，實(shí)現(xiàn)了底層邏輯基礎(chǔ)資源、軟件和程序應(yīng)用的一體化，并保證了對(duì)這些資源的優(yōu)化。同時(shí)，實(shí)現(xiàn)了用戶服務(wù)按需動(dòng)態(tài)調(diào)整,云計(jì)算的應(yīng)用模型如圖1所示。

云環(huán)境下，高效的資源管理系統(tǒng)機(jī)制有利于確保服務(wù)的可靠性、有效性。一個(gè)高效的資源管理機(jī)制，首先是接收用戶應(yīng)用程序需求，再監(jiān)測(cè)節(jié)點(diǎn)資源的使用情況，然后通過資源調(diào)度機(jī)制為其分配最佳的虛擬資源。一個(gè)基于SLA的資源管理系統(tǒng)至少包括五方面的內(nèi)容，即資源部署、SLA屬性違例監(jiān)測(cè)、SLA參數(shù)映射、資源調(diào)度、虛擬機(jī)遷移等。

綜上所述：面對(duì)云環(huán)境下資源的復(fù)雜性、異構(gòu)性、多樣性及用戶請(qǐng)求的動(dòng)態(tài)性，因而用戶請(qǐng)求與資源的分配都是不確定的，因此有必要實(shí)現(xiàn)云計(jì)算環(huán)境下的任務(wù)優(yōu)化引導(dǎo)，提升業(yè)務(wù)的高效調(diào)度能力。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：通過采用建立任務(wù)優(yōu)化引導(dǎo)模型和進(jìn)行任務(wù)優(yōu)化引導(dǎo)的工程化處理，以及將工程化處理獲得的優(yōu)化解與通過任務(wù)優(yōu)化引導(dǎo)模型獲得的優(yōu)化解進(jìn)行對(duì)比，并適時(shí)修正任務(wù)優(yōu)化引導(dǎo)模型，實(shí)現(xiàn)移動(dòng)環(huán)境下的云服務(wù)的計(jì)算資源調(diào)度與傳輸資源的動(dòng)態(tài)平衡規(guī)劃。

本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案包括以下步驟，如圖2所示：

A、建立任務(wù)優(yōu)化引導(dǎo)模型；

B、進(jìn)行任務(wù)優(yōu)化引導(dǎo)的工程化處理；

C、將工程化處理獲得的優(yōu)化解與通過任務(wù)優(yōu)化引導(dǎo)模型獲得的優(yōu)化解進(jìn)行對(duì)比，并適時(shí)修正任務(wù)優(yōu)化引導(dǎo)模型。

所述步驟A中，建立任務(wù)優(yōu)化引導(dǎo)模型，具體為：T_set＝{t₁,t₂,...,t_n}為被用于負(fù)載均衡處理的任務(wù)時(shí)間集合，n為任務(wù)數(shù)，VM_j為用于任務(wù)處理的虛擬機(jī)j，j∈[1,m]，B_kz為虛擬機(jī)k與z之間的帶寬，k和z與j具有相同物理意義，但k≠z，m為用于任務(wù)處理的虛擬機(jī)數(shù)目，y_ikz為決策變量，若任務(wù)i從虛擬機(jī)VM_z轉(zhuǎn)移至VM_k則y_ikz＝1，反之則y_ikz＝0，x_ik為決策變量，若任務(wù)i被分配給虛擬機(jī)VM_k則x_ik＝1，反之則x_ik＝0，D_ik為任務(wù)i被分配給虛擬機(jī)VM_k產(chǎn)生的數(shù)據(jù)量，m_k為虛擬機(jī)VM_z的內(nèi)存容量，c_k為虛擬機(jī)VM_k的處理器數(shù)目，DT_kz為虛擬機(jī)VM_k與VM_z之間的數(shù)據(jù)交換量，虛擬機(jī)VM_k的任務(wù)處理時(shí)間為云服務(wù)系統(tǒng)的處理時(shí)間為各任務(wù)在虛擬機(jī)間的切換時(shí)間為任務(wù)優(yōu)化引導(dǎo)模型為：

所述步驟B中，任務(wù)優(yōu)化引導(dǎo)的工程化處理具體為：(1).判斷各個(gè)虛擬機(jī)的超載量；(2).選擇VM_set＝{vm₁,...,vm_m}作為備用虛擬機(jī)集合，并滿足以下條件，VM未處于超載狀態(tài)且VM未處于空閑的物理機(jī)上；(3).獲得在T_set＝{t₁,t₂,...,t_n}內(nèi)從處于超載狀態(tài)的VM進(jìn)行轉(zhuǎn)移的任務(wù)集合；(4)最小化任務(wù)處理時(shí)間和各任務(wù)在虛擬機(jī)間的切換時(shí)間，具體子步驟為：a.為每一個(gè)粒子生成一個(gè)初始化種群陣列，且在n維空間中具有隨機(jī)位置和速度；b.將的連續(xù)位置矢量反轉(zhuǎn)為離散矢量c.基于獲得D_ik,m_k,c_k,B_kz，然后獲得適應(yīng)性函數(shù)；d.對(duì)于每一個(gè)粒子，計(jì)算TP_k、TP和T_SW；e.將每個(gè)粒子的適應(yīng)性評(píng)估值與個(gè)體最佳適應(yīng)性函數(shù)值對(duì)比，若優(yōu)于則令且令最優(yōu)位置p_i等于當(dāng)前位置f.對(duì)于每一個(gè)粒子，計(jì)算并根據(jù)規(guī)則和更新粒子的位置和速度，為粒子位置，為粒子速度，其中為全局最優(yōu)值，W,C₁,r₁,C₂,r₂為權(quán)重系數(shù)；g.將輸出空間中的最佳粒子位置作為虛擬機(jī)間任務(wù)切換的最佳時(shí)間；h.若優(yōu)于則轉(zhuǎn)至子步驟b，反之則停止計(jì)算。

所述步驟C中，具體為：在時(shí)間戳q內(nèi)，將工程化處理獲得的優(yōu)化解與通過任務(wù)優(yōu)化引導(dǎo)模型獲得的優(yōu)化解進(jìn)行對(duì)比，若二者的優(yōu)化解集合完全一致，則將該優(yōu)化解作為時(shí)間戳q內(nèi)的優(yōu)化解；若二者的優(yōu)化解集合不一致，則將工程化處理獲得的優(yōu)化解作為時(shí)間戳q內(nèi)的最終優(yōu)化解集合，并修正任務(wù)優(yōu)化引導(dǎo)模型中的云計(jì)算系統(tǒng)的可調(diào)參數(shù)使其獲得工程化處理的優(yōu)化解集合，并將修正后的任務(wù)優(yōu)化引導(dǎo)模型作為下一個(gè)時(shí)間戳q+1的任務(wù)優(yōu)化引導(dǎo)模型；云計(jì)算系統(tǒng)的業(yè)務(wù)處理和傳輸時(shí)間為Q＝{1,2,...,q,q+1}，將在時(shí)間Q內(nèi)獲得的q+1個(gè)優(yōu)化解集合進(jìn)行統(tǒng)計(jì)平均處理，并將該統(tǒng)計(jì)平均處理優(yōu)化解集合與獲得的q+1個(gè)優(yōu)化解集合修正任務(wù)優(yōu)化引導(dǎo)模型，并將該模型作為下一次云計(jì)算系統(tǒng)中的任務(wù)處理與傳輸?shù)南闰?yàn)任務(wù)優(yōu)化引導(dǎo)模型。

附圖說明

圖1云計(jì)算的應(yīng)用模型示意圖

圖2任務(wù)優(yōu)化引導(dǎo)流程示意圖

具體實(shí)施方式

為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：

第一步，建立任務(wù)優(yōu)化引導(dǎo)模型，具體為：T_set＝{t₁,t₂,...,t_n}為被用于負(fù)載均衡處理的任務(wù)時(shí)間集合，n為任務(wù)數(shù)，VM_j為用于任務(wù)處理的虛擬機(jī)j，j∈[1,m]，B_kz為虛擬機(jī)k與z之間的帶寬，k和z與j具有相同物理意義，但k≠z，m為用于任務(wù)處理的虛擬機(jī)數(shù)目，y_ikz為決策變量，若任務(wù)i從虛擬機(jī)VM_z轉(zhuǎn)移至VM_k則y_ikz＝1，反之則y_ikz＝0，x_ik為決策變量，若任務(wù)i被分配給虛擬機(jī)VM_k則x_ik＝1，反之則x_ik＝0，D_ik為任務(wù)i被分配給虛擬機(jī)VM_k產(chǎn)生的數(shù)據(jù)量，m_k為虛擬機(jī)VM_z的內(nèi)存容量，c_k為虛擬機(jī)VM_k的處理器數(shù)目，DT_kz為虛擬機(jī)VM_k與VM_z之間的數(shù)據(jù)交換量，虛擬機(jī)VM_k的任務(wù)處理時(shí)間為云服務(wù)系統(tǒng)的處理時(shí)間為各任務(wù)在虛擬機(jī)間的切換時(shí)間為任務(wù)優(yōu)化引導(dǎo)模型為：

第二步，進(jìn)行任務(wù)優(yōu)化引導(dǎo)的工程化處理，具體步驟為：任務(wù)優(yōu)化引導(dǎo)的工程化處理具體為：(1).判斷各個(gè)虛擬機(jī)的超載量；(2).選擇VM_set＝{vm₁,...,vm_m}作為備用虛擬機(jī)集合，并滿足以下條件，VM未處于超載狀態(tài)且VM未處于空閑的物理機(jī)上；(3).獲得在T_set＝{t₁,t₂,...,t_n}內(nèi)從處于超載狀態(tài)的VM進(jìn)行轉(zhuǎn)移的任務(wù)集合；(4)最小化任務(wù)處理時(shí)間和各任務(wù)在虛擬機(jī)間的切換時(shí)間，具體子步驟為：a.為每一個(gè)粒子生成一個(gè)初始化種群陣列，且在n維空間中具有隨機(jī)位置和速度；b.將的連續(xù)位置矢量反轉(zhuǎn)為離散矢量c.基于獲得D_ik,m_k,c_k,B_kz，然后獲得適應(yīng)性函數(shù)；d.對(duì)于每一個(gè)粒子，計(jì)算TP_k、TP和T_SW；e.將每個(gè)粒子的適應(yīng)性評(píng)估值與個(gè)體最佳適應(yīng)性函數(shù)值對(duì)比，若優(yōu)于則令且令最優(yōu)位置p_i等于當(dāng)前位置f.對(duì)于每一個(gè)粒子，計(jì)算并根據(jù)規(guī)則和更新粒子的位置和速度，為粒子位置，為粒子速度，其中為全局最優(yōu)值，W,C₁,r₁,C₂,r₂為權(quán)重系數(shù)；g.將輸出空間中的最佳粒子位置作為虛擬機(jī)間任務(wù)切換的最佳時(shí)間；h.若優(yōu)于則轉(zhuǎn)至子步驟b，反之則停止計(jì)算。

第三步，將工程化處理獲得的優(yōu)化解與通過任務(wù)優(yōu)化引導(dǎo)模型獲得的優(yōu)化解進(jìn)行對(duì)比，并適時(shí)修正任務(wù)優(yōu)化引導(dǎo)模型，具體為：在時(shí)間戳q內(nèi)，將工程化處理獲得的優(yōu)化解與通過任務(wù)優(yōu)化引導(dǎo)模型獲得的優(yōu)化解進(jìn)行對(duì)比，若二者的優(yōu)化解集合完全一致，則將該優(yōu)化解作為時(shí)間戳q內(nèi)的優(yōu)化解；若二者的優(yōu)化解集合不一致，則將工程化處理獲得的優(yōu)化解作為時(shí)間戳q內(nèi)的最終優(yōu)化解集合，并修正任務(wù)優(yōu)化引導(dǎo)模型中的云計(jì)算系統(tǒng)的可調(diào)參數(shù)使其獲得工程化處理的優(yōu)化解集合，并將修正后的任務(wù)優(yōu)化引導(dǎo)模型作為下一個(gè)時(shí)間戳q+1的任務(wù)優(yōu)化引導(dǎo)模型；云計(jì)算系統(tǒng)的業(yè)務(wù)處理和傳輸時(shí)間為Q＝{1,2,...,q,q+1}，將在時(shí)間Q內(nèi)獲得的q+1個(gè)優(yōu)化解集合進(jìn)行統(tǒng)計(jì)平均處理，并將該統(tǒng)計(jì)平均處理優(yōu)化解集合與獲得的q+1個(gè)優(yōu)化解集合修正任務(wù)優(yōu)化引導(dǎo)模型，并將該模型作為下一次云計(jì)算系統(tǒng)中的任務(wù)處理與傳輸?shù)南闰?yàn)任務(wù)優(yōu)化引導(dǎo)模型。

本發(fā)明提出了一種云服務(wù)環(huán)境下的任務(wù)優(yōu)化引導(dǎo)方法，通過采用建立任務(wù)優(yōu)化引導(dǎo)模型和進(jìn)行任務(wù)優(yōu)化引導(dǎo)的工程化處理，以及將工程化處理獲得的優(yōu)化解與通過任務(wù)優(yōu)化引導(dǎo)模型獲得的優(yōu)化解進(jìn)行對(duì)比，并適時(shí)修正任務(wù)優(yōu)化引導(dǎo)模型，實(shí)現(xiàn)移動(dòng)環(huán)境下的云服務(wù)的計(jì)算資源調(diào)度與傳輸資源的動(dòng)態(tài)平衡規(guī)劃。