[发明专利]基于遗传算法的动态工作流调度方法

说明书

本发明公开了一种基于遗传算法的动态工作流调度方法，该调度方法的目标是在满足用户所指定的最大执行周期约束和工作流一个周期的总执行时间约束下，优化工作流的每个周期的平均费用。由于工作流在云计算的实现环境下执行方式是动态多变的，所以本发明对动态工作流所有可能出现的流拓扑结果进行构造，通过建立一系列子图来对应每一种可能发生的流拓扑结果，并用概率模型进行整体建模，从而综合考虑了工作流的动态时变的特性，并采用遗传算法对工作流在动态环境中执行的周期费用进行优化，从而提高了工作流的执行效率。

技术领域

本发明涉及云计算以及智能算法技术领域，具体涉及一种基于遗传算 法的动态工作流调度方法。

背景技术

云计算通过对大量计算资源的虚拟聚合和共享，实现按需向用户提供 各种各样的计算服务，因此能够满足日益增长的大数据处理需求。为了进 一步提高云计算系统对大数据的管理和处理能力，如何合理、高效地调度 云计算的资源从而实现向用户弹性地提供计算服务是提高云计算系统性 能的关键。

在云计算环境中，由于云计算资源的数量庞大、云系统所承担的计算 服务量也相当巨大，云网络的使用状态也时刻变化，因此动态时变性是云 计算系统运作过程中所具有的重要特征。在应用云计算处理大数据计算任 务时，一类常用的任务组织方式是工作流。工作流定义为一个完成复杂目 标的特定的任务序列。通常地，工作流可以通过有向无环图(DAG)的形式 给出，图的节点表示单个任务，而节点之间的有向边表示任务之间的优先 约束关系。然而，在现有的工作流调度模型中，一个工作流的控制流拓扑 结构是固定不变的，即是由单一的DAG给出。在实际应用中，工作流的控 制流结构可能还具有IF-THEN等选择分支，其控制流拓扑结构也具有动态 时变的特性，如何能够在工作流调度过程中考虑云环境和工作流控制拓扑 的动态时变特性，从而进一步提高工作流调度系统在动态、时变环境中的 可用性，对工作流调度方法提出了新的挑战。

随着优化技术的发展，如遗传算法等新型的元启发式智能计算方法为 复杂优化问题的求解提供了新的有效手段。遗传算法是模拟自然界生物的 进化现象而提出的一种随机式优化方法，它自20世纪60年代提出以来引 起了广泛的关注，并且已经被成功地应用于众多科学与工程领域的应用中。 Jakimovski提出了一种利用遗传算法优化网格工作流的方法，然而对于动 态工作流中可能包含多个流拓扑结构的特点，该算法并不能直接进行优化。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于遗传 算法的动态工作流调度方法。

本发明的目的可以通过采取如下技术方案达到：

一种基于遗传算法的动态工作流调度方法，所述的调度方法包括：

S1、对动态工作流所有可能出现的流拓扑结果进行构造，通过建立一 系列子图来对应每一种可能发生的流拓扑结果，并用概率模型进行整体建 模，过程如下：

S101、确定工作流中所有可能存在的拓扑结构总数n；

S102、将工作流有向无环图改写成子图集合{Φ₁,Φ₂,…,Φ_n}，其中Φ_i代 表该动态工作流中可能出现的一种控制流拓扑结构；

S103、建立{p₁,p₂,…,p_n}概率集合，其中p_i代表动态工作流采取Φ_i控 制流拓扑结构执行工作的概率，p_i根据工作流在此前的m次历史执行记录 信息中采取Φ_i控制流拓扑结构的次数N_i而计算得出的，m≥500，即：

并且有：