[发明专利]一种面向复杂仿真工作流应用的利润敏感的任务调度方法

说明书

本发明公开一种面向复杂仿真工作流应用的利润敏感的任务调度方法，该方法综合考虑了仿真工作流应用的子任务在虚拟机中的执行规律、子任务间依赖关系、应用与仿真云提供商间利润关系特点。针对复杂仿真工作流应用的请求，建立了包括多个栈式稀疏自编码层和一个支持向量回归分析层的深度网络模型，基于此建立了适用于通用时限且有两个截止时间的效应函数，然后建立了仿真云环境下最大化仿真云提供商利润的任务调度优化模型，并针对子任务建立了虚拟机选取算法，实现了仿真云环境下利润敏感的任务调度。本发明能够智能地将将可执行的子任务调度到特定的虚拟机上执行，最大化仿真云提供商的利润并保证所有请求的延迟要求。

技术领域

本发明涉及云计算应用请求调度技术领域。更具体地，涉及一种面向复杂仿真工作流应用的利润敏感的任务调度方法。

背景技术

仿真云是基于云计算理念的一种面向服务的网络化建模仿真的新技术。它融合了目前的网络化建模与仿真技术以及高效能计算、虚拟化、服务计算等新兴信息技术，能够将各类仿真资源虚拟化和服务化为统一和集中的服务云池，并进行高效的管理和经营。用户可通过仿真云随时按需地获取仿真资源，以完成其仿真全生命周期的各类活动。

随着仿真云技术近年来的不断发展，目前仿真云由云提供商所有并向仿真应用的用户提供其所需的资源、能力和服务。仿真云中存在各种软仿真资源(仿真过程中的各种软件、数据、信息、模型、知识等)和硬仿真资源(各类计算设备、仿真设备、试验设备等)。此外，仿真云中提供的建模与仿真需要能够支持虚拟、构造、实装等三类仿真所需的模型构建、仿真运行、结果分析、评估与应用等各阶段活动。此外，在仿真云中存在着诸多大规模的复杂仿真工作流应用。而且每个大规模复杂仿真工作流应用往往需要多个子任务之间进行协同交互，才能完成某阶段活动(如协同建模)以及更为复杂的跨阶段活动(如协同建模、运行、结果分析等)。

仿真云可通过网络向全球海量的各类用户按照其实际需求提供各种不同类型的仿真资源及应用。这些资源及应用通常采用一种按需付费使用的方式动态地向用户提供服务。此外，仿真云具有的规模经济特性已经吸引了越来越多的企业、组织及用户将其不同类型的复杂仿真工作流应用部署在云数据中心中。典型的云服务提供商(如Google AppEngine、VMware和Microsoft Azure)均按照按需付费的方式向用户提供其所需的资源和应用。而对于每个仿真云提供商而言，随着仿真云中应用类型及数量的迅速增长，如何在保证用户请求的服务质量的同时最大化仿真云提供商的利润就成为一个非常重要且具有挑战性的问题。

为解决该难题，目前国内外的研究人员提出了很多有效的调度算法。然而目前这些大部分的调度算法都依赖精确的工作流中每个子任务的执行时间的预测。而在真实的仿真云中，每个子任务中含有复杂的条件、循环等程序结构。此外，仿真云中每个服务器的资源(如CPU、内存、I/O等)往往被多个虚拟机所共享，这种资源共享模式使得每个虚拟机的性能随着时间而不断的变化。因此。工作流中每个子任务在特定虚拟机中的执行时间往往很难精确地预测。不同于以上方式，本发明通过包括多个栈式稀疏自编码层和一个支持向量回归分析层的深度网络模型，利用虚拟机仿真子任务的实际执行时间数据，在每个栈式稀疏自编码层进行逐层的无监督学习从而提取关键的隐含特征，并在最后的支持向量回归分析层进行有监督的学习从而得到训练好的整个深度神经网络，从而有效地预测每个子任务在每个虚拟机中的预计完成时间。

基于此，本发明提出一种面向复杂仿真工作流应用的利润敏感的任务调度方法，从而在满足所有复杂仿真工作流应用的延迟时间要求的同时，最大化所有到达的仿真工作流应用为仿真云提供商带来的利润。

发明内容

本发明的目的在于提供一种面向复杂仿真工作流应用的利润敏感的任务调度方法，该方法针对复杂仿真工作流应用子任务执行时间数据的特征，能够在满足所有复杂仿真工作流应用的延迟时间要求的同时，将每个可执行的子任务调度到某个虚拟机上执行，从而最大化所有到达的仿真工作流应用为仿真云提供商带来的利润。

为达到上述目的，本发明采用下述技术方案：