[发明专利]基于改进蚁群算法的虚拟机调度方法

说明书

本发明公开了一种基于改进蚁群算法的虚拟机调度方法，包括以下步骤：初始化相关参数；将蚂蚁随机置于某一物理服务器；对物理服务器进行虚拟机放置；判断物理服务器是否能继续放置虚拟机，若是，则返回上一步，否则选取下一个物理服务器，并判断虚拟机集合中虚拟机是否全部放置，若是，执行下一步；否则返回上一步；求取每只蚂蚁对应的改进目标函数值，其最大值对应的虚拟机放置方案即为虚拟机调度局部最优解；判断当前迭代次数是否大于迭代次数阈值Rmax，若大于，则结束迭代过程；反之，返回第二步进行下次迭代，直至满足迭代次数约束条件；输出目标函数最大值所对应的虚拟机放置方案即全局最优解。本发明能够实现cpu高利用率的同时，保证资源均衡使用。

技术领域

本发明属于分布式计算、云计算环境下虚拟机任务调度领域，特别涉及一种基于改进蚁群算法的虚拟机任务调度方法。

背景技术

云计算是一种利用互联网技术实现物理资源共享(计算设施、存储设备、应用程序等)的计算模式，它具有随时随地、按需分配等特点。它将底层的物理设置聚集在一起组成一个大的数据中心，从而使得用户能够获取计算能力和存储容量等。目前，虽然共享资源池能够提高资源的利用率，但如何在该环境下进行任务调度尤为重要。高效的调度策略能够缩短任务分配的时间、提高资源利用率，从而确保整个系统的服务质量(Quality ofService，QoS)和服务等级协议(Service-Level Agreement，SLA)。

云计算的任务调度主要研究如何将用户提交的任务分配给计算节点以及如何对计算节点进行动态扩展。由于云环境系统具有节点数量庞大、资源动态分配、节点失效等特点，因此调度算法必须要能够适应动态的云计算环境。Li Bo等人提出了一种针对大规模服务器集群的虚拟机优化放置策略，他们的主要工作是对BF算法进行优化，在考虑资源利用率的情况下，综合考虑系统能耗的问题，结合系统能源效率来动态为虚拟机选择最佳的放置点(Li B，Li J，Huai J，et al.EnaCloud：An energy-saving application liveplacement approach for cloud computing environments[C].IEEE InternationalConference on Cloud Computing.IEEE Computer Society，2009：17-24.)；Nan Su等人对模拟退火算法进行了改进，以此来弥补传统启发式算法收敛慢的问题，此算法定义了动态调度模型来解决虚拟机组合放置问题，但没有考虑到实际生产环境中时间也是同样重要的因素(Su N，Shi A，Chen C，et al.Research on virtual machine placement in thecloud based on improved simulated annealing algorithm[C].World AutomationCongress.IEEE，2016：1-7.)；Wood T等人考虑到服务器在使用过程中的负载均衡问题，使用动态迁移的方式来避免集群中的部分服务器出现过载或者欠载的情况；在计算迁移位置时，采用贪婪算法来解决此问题，但这并未考虑到虚拟机之前存在竞争关系，该算法并不能完全消除此类关系(Wood T，Shenoy P，Venkataramani A，et al.Black-box and gray-boxstrategies for virtual machine migration[C].Symposium on Networked SystemsDesign&Implementation.2007：229-242.)。

蚁群算法具有并行分布式、扩展性强、易实现和鲁棒性强等优点，非常适合云环境下的调度策略。蒋茜，何嘉等人针对物理机均衡负载问题提出了使用蚁群算法迭代收敛求出最优解的方法，均衡负载虽然在一定程度上可以节约资源，但仅仅一个约束条件会大大增加物理机投入量，最终造成利用率低的问题(蒋茜，何嘉.基于聚类蚁群算法的虚拟机资源分配算法研究[J].四川文理学院学报，2014，24(5)：80-84.)。

综上所述，现有的蚁群算法调度策略存在优化目标过于单一导致服务器资源浪费的问题。