[发明专利]一种采用启发式编码策略的云计算工作流调度方法

说明书

本发明公开了一种采用启发式编码策略的云计算工作流调度方法，包括：(1)设定的种群大小size，生成size个个体；采用启发式编码策略生成相应的工作流调度方案，再计算对应的调度方案的适应值；(2)对所有待交叉个体执行交叉算子；(3)所有待变异该个体执行变异算子；(4)进行适应函数评价，用历史最优个体替换新种群的最差个体；(5)在合并种群中选择最优的size个个体进入下一次循环；(6)若达到结束条件则输出历史最优个体对应的调度方案；否则回到步骤(2)。本发明采用新型启发式编码策略的遗传算法，通过七种启发式信息的搜索和匹配以及制定的适应值计算方法，使算法能够高效地搜索到符合用户基本约束以及优化要求的云计算工作流调度方案。

技术领域

本发明涉及工作流调度领域，尤其涉及一种采用启发式编码策略的云计算工作流调度方法。

背景技术

通过充分利用爆发式增长的海量计算资源，云计算模式近年来得到了飞速的发展。通过将大型的计算任务拆分为多个子任务，并将其分布在不同的服务进程中，使得云计算能够满足高服务质量(QoS)的大规模计算需求，并在经济学，天文学，神经科学等领域得到了广泛的应用。而在由大量计算资源组成的分布式系统中，各个服务的性能、花销和可靠性各异，同时用户对计算任务的工期，开销以及可靠性又会有不同的要求。如何科学地调度子任务与计算资源相匹配，使得总任务满足用户的服务需求，是云计算服务的关键问题。

为了解决分布式资源调度问题，一般的计算任务都可以抽象为工作流模型。通过将单个的子任务定义为节点，子任务之间的优先级表示为有向连线，可以得到用有向无环图(DAG)表示的工作流模型。在这个模型中，只有当上一优先级的父节点任务全部完成，才能开始运行子节点的任务。为每一个节点根据优先关系分配计算资源，使用户的利益最大化，成为了工作流调度问题的核心。在过去的研究中，一系列的基于服务进程的性能的工作流调度系统被研发出来，其中包括Pegasus系统，Kepler系统等，这些系统的算法统称为BRS算法。BRS算法主要基于任务的最早完成时间，最早开始时间以及服务的最高计算能力来实现调度，能够有效地找到高性能的调度方案。然而随着云计算的普及和规模的扩大，经济性和可靠性等指标成为了不可忽略的因素，这一系列的BRS算法并不能有效实现对多个指标的约束及优化。

对于当前的云计算工作流调度问题，其主要难题包括以下两点：第一，服务质量不仅仅取决于服务的总工期，还包括使用计算资源的开销以及服务进程的可靠性。调度需要在满足上述三个指标的最低标准的同时，再根据用户的需要提供最高性能/最低开销/最高可靠性的调度方案。第二，工作流调度问题是NP完全问题，在大规模的调度问题中搜索域巨大，难以找到最优解。启发式算法为这个带约束的NP完全搜索问题提供了有效的解决方法。此外还有一系列基于遗传算法(GA)、蚁群算法(ACO)以及模拟退火算法(SA)的调度方法，采用相似的编码方式搜索可行解。然而以上这些算法由于编码方式限制，在搜索进程中难以得到同时满足多个约束的可行解，对单个指标的优化也缺乏搜索效率。

发明内容

本发明的目的在于解决工作流调度问题的优化效率问题，本发明提供一种采用启发式编码策略的云计算工作流调度方法。本发明对工作流的调度采用一种新型的编码策略，将传统的任务映射到服务的集合的方法改进为基于启发式信息的映射方法，并通过解决离散优化问题的遗传算法对调度问题进行优化。由于这些启发式信息能够分别满足不同的指标要求，因此解的搜索会更容易满足不同指标的限制，从而提高算法的搜索效率，在实际应用中满足云计算系统的调度需求。

本发明的目的能够通过以下技术方案实现：

一种采用启发式编码策略的云计算工作流调度方法，具体步骤包括：

(1)预先设定的种群大小size，通过对每个个体的每个基因随机取值的方法生成size个个体。对于每个个体根据采用启发式编码策略生成相应的工作流调度方案，再根据评价函数计算每个个体所对应的调度方案的适应值。