[发明专利]一种基于网络拓扑的云资源调度策略

说明书

技术领域

本发明涉及计算机组合优化技术领域，特别是涉及一种云平台资源调度的策略和优化。

背景技术

云计算是建立在计算机长期的技术积累的基础之上，包括软件和服务，虚拟化技术、资源调度等关键技术。

目前对云资源的调度算法更多的是对云资源和任务调度等进行考虑，本文考虑的是虚拟机创建的时刻对云资源进行调度，如何合理地安排云资源使得客户和商家的利益最大化是一个迫切需要解决的问题。本文提出的各种资源调度策略能够很好地解决这个问题，同时在提出各种优化策略对调度算法的安全性和效率方面都得到了较大的提高。

发明内容

本发明所要解决的技术问题是在云平台的环境下，虚拟机的创建需要云平台提供云资源，如何在有限的资源下，提供各种策略以满足虚拟机创建的需求。

为实现上述发明目的，本发明提供一种基于云平台的资源调度策略，包括提出一种基于网络拓扑的云平台资源模型、填满策略、平滑策略、基于网络拓扑的资源调度策略和一种算法的优化策略；

所述的一种基于网络拓扑的云平台资源模型，用于为调度算法提供一个完整的数学模型。包括：

云平台资源：这里对云平台资源主要分为两种，包括主机资源和共享存储资源。对虚拟机进行资源分配也是对虚机分配主机资源和共享存储资源的过程。

主机资源的信息包括：主机ID、主机名、数据中心、集群、内存容量、剩余内存、CPU使用率等信息。可以对应表示成一维数组[HostID，DataCenter，Cluster，TotalMemory，FreeMemory，CpuUtilization]。主机使用率：衡量当前主机的一个总体使用率HostUtilization＝a*CpuUtilization+b*FreeMemory/TotalMemory，其中a，b∈[0，1]，a+b＝1。共享存储卷的信息包括：存储卷ID、存储卷名、存储容量、剩余空间等信息，可以对应表示成一维数组[HostVolumeID，VolumeLabel，Capacity，FreeSpace]。存储卷使用率：VolumeUtilization＝FreeSpace/Capacity。

主机和存储之间存在多对多的关系。一台主机能够访问多个共享存储卷，一个共享存储卷也可以被多个主机所访问。对虚机进行资源分配时主机和存储之间必须存在对应关系，即存储卷能够被主机所访问。设主机、存储卷关系矩阵为Relation_Host_Volume，假设有n台主机和m个存储卷，0表示对应的存储卷和主机没有对应的关系，1表示对应的主机可以访问对应的存储卷。在创建虚机的时候选择主机、共享存储必须存在一种关联关系，即Relation_Host_Volume[i][j]＝1(i∈[1，n]，j∈[1，m])(1)。

衡量网络拓扑关系的四个矩阵，包括数据中心距离矩阵、主机距离矩阵、存储卷距离矩阵、主机存储距离矩阵。

数据中心距离矩阵DistanceDC：衡量数据中心之间网络拓扑距离的矩阵，假设有d个数据中心，则矩阵大小为d*d。DistanceDC[i][j]值越大表示数据中心之间的距离越大，其中i，j∈[1，d]。

主机距离矩阵DistanceHost：衡量主机之间网络拓扑距离的矩阵，假设有d台主机，则矩阵大小为d*d。假如两主机在同一个数据中心，则DistanceHost[i][j]表达的正是两台主机的网络距离，否则网络距离应为W*DistanceDC[k][1]+DistanceHost[i][j]，其中W为常量，k，1分别为Host_i和Host_j的数据中心编号。

存储卷距离矩阵DistanceVolume：衡量存储之间网络拓扑距离的矩阵，假设有d个存储卷，则矩阵大小为d*d。DistanceVolume[i][j]值越大表示存储卷之间的距离越大，其中i，j∈[1，d]。

主机存储距离矩阵DistanceHostVolume：衡量主机和存储卷之间网络拓扑距离的矩阵，假设有n台主机，m个存储卷，则矩阵大小为n*m。DistanceHostVolume[i][j]值越大表示主机和存储卷之间的距离越大，其中i∈[1，n]，j∈[1，m]。

解空间：

假设要为k台虚拟机分配资源，