[发明专利]一种CSP下的资源调度与优化方法

说明书

本发明公开了一种CSP下的资源调度与优化方法，属于云计算技术领域，首先，每个应用程序的子调度是并行生成的，并组装到预调度集中；在预调度集中将每个预调度作为根处理，并行执行GMaP，最终产生多个调度结果，选择最好的调度结果作为解决方案；GMAP主要解决能量问题但需符合截止期；如果所有的截止期都符合，则GMaP只关注能耗，除非出现新的截止期；在GMaP框架下，调度策略会变得过于耗电或耗时，但GMaP的资源请求和运行时间可以基于目标云环境的功率组合进行两个方面调整：根的数量可以根据任意自然数进行调整；每个搜索树的大小可以单独调整。本发明的GMAP在搜索空间大小和算法运行时间的控制很灵活。

技术领域

本发明属于云计算技术领域，具体地说，涉及一种CSP下的资源调度与优化方法。

背景技术

云计算由于具有按需自助服务、无处不在的网络接入、与位置无关的资源池以及风险转移等优势，被视为下一代计算技术模式。云计算将数据计算和资源存储从网络转移到“云”，用户可以从云中随时随地访问到所需资源。同时，为云端用户提供服务的大型数据中心和服务器集群-云服务提供商(CSP)也应运而生，它将提供云服务运营成本最小化以及运营效率最大化，且吸引越来越多用户接入云服务中心。

虚拟化技术是云计算发展的重要推动力之一，它将服务器、数据中心CPU和内存资源等重构到云计算部署和管理的基本单元虚拟化平台(VM)上，用户通过CSP调用VM来构建服务和应用平台，CSP决定如何分配物理资源给每个用户协同使用；众所周知，CSP的大部分的运营成本源于动态和静态能耗，大型云服务器在空闲时候的能耗高达峰值功率的50％。为此，选择性的关闭空闲云服务器或者在所有活动服务器上平衡资源利用率可以使能耗最小化。为了安抚用户对潜在不良后果的担忧，使用服务水平协议(SLA)来规范化双方约定的服务质量，包括截止期、隐私和安全规范等。CSP必须无条件满足用户个人请求的同时要管理大规模异构弹性云资源以最大限度地提高能效。要想实现这一目标，必须遵循以下三个原则，即3A准则：

1)云平台准确建模云平台建模只考虑物理因素，它对模型优化至关重要，不仅能降低计算复杂度，而且还能保持足够的模型精度。

2)恰当的用户工作负载建模目前，云计算中有两种工作负载模型框架，“批处理模式调度”和“依赖模式调度”。它们之间关键区别在于所处理任务的依赖性不同。在粗粒度环境下，每个用户工作负载作为一个原子任务与其他任务相互独立，根据泊松到达率和响应时间能够判断任务集合是否构成一个批处理任务，批处理任务大大降低了CSP任务调度的复杂度。在细粒度环境下，每个用户的工作负载为一个更加精确的任务图，图中任务相互依赖，相互支撑，共同完成CSP任务调度。

3)可接受的复杂度对于依赖模式调度，CSP确保优化过程本身不会产生过长的运行时间和较高的能源开销。

发明内容

本发明的目的在于提出了一种CSP下的资源调度与优化方法。该方法为CSP提供了通用的调度和优化框架，旨在最大限度地提高能效的同时满足所有用户的截止期，该框架足以承载大型云计算平台下处理多用户大规模工作负载。

其技术方案如下：

一种CSP(cloud service provider云服务提供商)下的资源调度与优化方法开启一个不限截止期且节能的调度框架，对违反截止期的应用程序和总体能耗成本优化。首先，每个应用程序的子调度是并行生成的，并组装到预调度集中。在预调度集中将每个预调度作为根处理，并行执行GMaP，最终产生多个调度结果，选择最好的调度结果作为解决方案。GMAP(Guided Migrate and Pack引导迁移和整合)主要解决能量问题但需符合截止期。如果所有的截止期都符合，则GMaP只关注能耗，除非出现新的截止期。在GMaP框架下，调度策略会变得过于耗电或耗时，但GMaP的资源请求和运行时间可以基于目标云环境的功率组合进行两个方面调整：

1)根的数量可以根据任意自然数进行调整；

2)每个搜索树的大小可以单独调整。