[发明专利]基于改进的遗传算法的云计算资源调度实现方法

说明书

本发明为基于改进的遗传算法的云计算资源调度实现方法，随着云计算的发展，数据中心规模越大，能耗问题和资源利用率成为最主要的制约因素，因此在满足用户需求的基础上，如何设计合理的资源调度方法，提高资源利用率，降低能耗成为迫切需要解决的问题，也是目前云计算发展的瓶颈之一。该方法将遗传算法进行改进，并应用到云计算资源调度中。将SLA约束和能耗约束作为适应度函数，使得虚拟机在物理机上创建时能够找到最合适的放置策略，改进后的遗传算法在满足用户需求基础上，节约能耗，最大程度产生最优的经济效益。

技术领域

本发明涉及云计算的资源调度，利用改进的遗传算法来实现云计算的调度问题，属于人工智能和云计算领域。

背景技术

由于高可靠性、通用性、高可伸缩性、按需服务、成本低廉等种种优点，云计算近年来在国内外发展迅猛。云计算作为一种商业服务提供给用户使用，系统资源的合理调度和使用成为一个关键问题。云计算的资源调度与传统的资源调度不同，由于云计算具有异构性、动态性、大规模性等特性，在云环境下的任务随时可能并发的产生，并且多数情况下分布不均匀。在云环境下如何对异构节点上的资源进行合理的调度，使得用户在第一时间可以得到问题的解决，同时尽可能提高资源利用率，降低能耗，成为一个迫切需要解决的问题。

云计算的资源调度主要侧重于对虚拟资源的管理，将不同的用户任务在不同的约束下映射到计算节点上，属于一个NP问题。目前关于云计算任务调度问题的研究主要集中在任务调度策略的执行效率、任务调度的QoS控制、云服务提供商的经济利益等方面。调度的具体目标可以分为以下几个方面：(1)服务质量：用户提交的请求在很短的时间得到响应，用户可以得到很好的体验。(2)负载均衡：系统中多个节点之间以及一个节点中各个维度的资源负载均衡。(3)经济原则：提高资源利用率，降低系统能耗，获得最大的经济利益。

围绕这些目标，以性能为中心的调度将性能(任务的最快完成时间)为目标，目前应用的算法有：Min-min算法、Max-Min算法、遗传算法、蚁群算法、模拟退火算法等。IBM的云计算平台就是采用以性能为中心的调度方式；Intel公司针对虚拟机资源竞争而引起的性能下降，提出了预测虚拟资源竞争的模型来避免竞争；Sotomayor等人提出将虚拟机进行挂起和恢复来完成虚拟资源的预定。

从保障用户的QoS角度出发，Chanhan等人将网络带宽作为衡量服务质量的指标，将不同的任务标记不同的优先级，使资源先满足优先级较高的任务；Xu等人提出了在一个云环境下有多个工作流的多QoS调度策略，为了满足不同的用户不同的QoS的需求。

从云服务提供商的经济收益角度出发，Buyya提出了面向市场的云计算体系结构和资源分配的调度方法，通过SLA(服务等级协议)资源分配器实现云服务提供商和用户之间的协商。

Kolodziej和Xhafa提出了两种非合作博弈的方法，即对称非零博弈和不对称斯坦博格游戏，通过将用户需求建模为网格用户的行为，有效地表达在分层计算网格任务和资源调度优化问题。他们设计并实现了基于遗传算法(GA)的混合式调度器来近似平衡这两个博弈。遗传算法通过自适应的调整以及概率化的搜索方式得到最优解，具有良好的全局搜索能力，应用广泛。

徐文忠等人提出了一种新的基于遗传算法，根据历史数据和系统的当前状态，当所需的虚拟机资源部署给每个物理机节点之后，提前计算对系统的影响，然后选择对系统具有最低影响的虚拟机的部署方案，这种方案能够获得比较好的负载均衡，并没有考虑用户体验等其他条件。李建锋等人提出了一种基于双适应度的遗传算法的任务调度，该算法选取了两种适应度函数同时来为任务调度提供解决方法，在考虑性能时把任务平均完成时间作为唯一的参考量，在能耗等其他方面没有考虑。黄璐等将遗传算法和模拟退火算法结合起来，根据模拟退火算法中的Metropolis准则来决定是否接受遗传算法产生的新个体,在保证种群多样性的同时,也使种群能够逐步进化。