[发明专利]一种多目标的云资源调度方法、装置、设备及存储介质

说明书

本发明适用云计算技术领域，提供了一种多目标的云资源调度方法、装置、设备及存储介质，该方法包括：根据由接收到的服务请求序列形成的初始云资源调度方案对免疫算法进行初始化，根据相应的克隆选择策略对初始种群中的个体进行克隆选择操作，得到相应的克隆种群，采用差分进化算法分别对每个克隆个体进行进化操作，得到对应的进化个体，根据进化个体对克隆种群进行更新，当未达到迭代代数阈值时，将克隆种群设置为初始种群，继续对初始种群中的个体进行克隆选择操作，直至达到迭代代数阈值，则将克隆种群中的克隆个体作为最优解进行输出，从而提高了最优解求解的收敛速度，并保证了最优解的多样性和连续性，进而提高了云资源分配的合理性。

技术领域

本发明属于云计算技术领域，尤其涉及一种多目标的云资源调度方法、装置、设备及存储介质。

背景技术

随着互联网技术的发展以及社会和行业数字化进程的不断推进，传统本地计算模式的数据处理能力已经远远不能满足“大数据”对计算能力的要求，在这样的背景下，云计算作为一种商业化的分布式计算模型应运而生，并在产业界和学术界得到了广泛的应用和研究。由于云计算平台拥有庞大的虚拟资源和用户群体，云服务提供商需要频繁的根据各个用户的需求进行资源管理，因此，相比传统的任务调度，云计算环境下的任务调度问题面临很多挑战，例如，由于服务器规模庞大，且任务请求频繁多变，而任务的响应时间、完工时间直接影响用户体验，因此，云服务提供商期望能以最小的开销来满足用户的任务请求。如何对云计算中大量的任务进行调度管理，使得各类任务的完成时间以及执行费用均可以尽可能的满足用户的要求，是云计算资源调度中的一个很重要的研究领域。

随着云计算的不断发展，传统的单目标优化下的任务调度已经不能够满足用户的服务质量要求。目前，云计算在合理进行资源调度方面存在如下诸多的问题：一方面，由于服务器有很大一部分时间处于闲置状态，从而造成资源的大量浪费，另一方面，由于应用程序信息的不确定性以及物理机器处理能力的差异性，从而造成了物理机负载的不均衡，且同时存在云服务提供商需要时刻关注用户的动态以实现能最大程度上满足用户需求的多样性及多变性等问题。因此，在调度云数据中心的资源时，一方面要提高系统的性能，使得系统的性能尽可能的达到最优，另一方面要更好的为用户提供服务，最大程度上满足用户的需求，然而，多个目标可能存在相互冲突，例如最大化资源利用率往往带来服务质量的下降。因此，为了更合理的对云资源进行分配，获得多方面的综合优化，多目标优化模型与算法显得十分重要。

发明内容

本发明的目的在于提供一种多目标的云资源调度方法、装置、设备及存储介质，旨在解决由于现有技术无法提供一种有效的多目标云资源调度方法，导致云资源分配不合理、资源利用率低、系统负载不均衡的问题。

一方面，本发明提供了一种多目标的云资源调度方法，所述方法包括下述步骤：

根据预先构建的云资源调度模型，为接收到的服务请求序列中的每个服务请求分配一个云资源节点；

根据预先确定的调度优化目标函数和由所述云资源节点构成的初始云资源调度方案，对预设的免疫算法进行初始化，其中，所述初始化包括对初始种群的初始化，所述免疫算法为基于分解克隆选择策略的多目标免疫算法；

根据所述免疫算法中采用的基于权值提升度的克隆选择策略对所述初始种群中的个体进行克隆选择操作，得到相应的克隆种群；

采用差分进化算法分别对所述克隆种群中的每个克隆个体进行进化操作，得到对应的进化个体；

根据所述进化个体，对所述克隆种群进行更新；

判断当前种群迭代代数是否达到了预设迭代代数阈值，是则，将由更新后的所述克隆种群中的克隆个体构成的最优云资源调度方案进行输出，否则，更新所述当前种群迭代代数，且将所述克隆种群设置为所述初始种群，并跳转至根据所述免疫算法中采用的基于权值提升度的克隆选择策略对所述初始种群中的个体进行克隆选择操作的步骤。