[发明专利]一种支持优先级和反亲和的云优化调度方法及系统

权利要求书

1.一种支持优先级和反亲和的云优化调度方法，其特征在于，包括以下步骤：

接收客户端任务请求，并缓存到任务队列中；

对批量任务进行集合分析，获取任务的显示和隐性的反亲和关系，对任务重新进行分类和排布，获取任务的显示和隐性的优先级关系，得到优先级的高低，生成集群系统能识别的反亲和与优先级表示；

将反亲和与优先级表示的任务集群信息转化为统一格式的图模型语言，产生节点和边集合信息，通过扩展流图流量和边费用生成最大流图模型；

基于最大流算法构造流图的求解器，求出优化解，按照优化解进行任务部署。

2.如权利要求1所述的方法，其特征在于，任务队列是基于超时或最大队列长度机制，通过同时取出多个任务进行分析，获取任务的反亲和关系，以及任务的优先级的关系。

3.如权利要求1所述的方法，其特征在于，任务的反亲和关系由二元组表示，表示两个任务的实例不能部署在同一台物理机上；任务的优先级由数值大小表示。

4.如权利要求1所述的方法，其特征在于，将任务集群信息转化为统一格式的图模型语言的方法如下：

将用户提交的任务转化为流图节点T，T包含CPU需求；

将任务实例转化为流图节点I，I包含CPU资源；

将物理机转化为流图节点M，M包含可用CPU资源；

根据最大流图理论，新增节点t，表示流图搜索路径的终点；

流图中任意两个节点表示(费用,CPU需求)，节点T与节点M之间的费用表示任务可部署的物理机列表。

5.如权利要求4所述的方法，其特征在于，在每个物理机节点M上新增反亲和规则，用于决策任务是否可以部署到物理机上，采用集合论交集，当交集为空时候，允许部署；对于物理机M，使用函数getTasks获取已部署的任务集合，对于任务T，使用函数getAntiAffinity获取不能同时部署的任务集合，则getTasks() ∩ getAntiAffinity() = ∅。

6.如权利要求1所述的方法，其特征在于，利用求解器求解时，引入权重w，对于一个表示决策任务与物理机的部署关系的流f，通过求解w*f的最大值获得优化解，其中w*f为大于1的整数；

权重w的计算方法如下：

任务预先标注[0,1]之间的优先级，将任务分为N类；

利用函数MaxCPU(N_i)和MinCPU(N_i)，获取每一个优先级类中任务的资源需求最大值与最小值；

计算w_i+1 =[MaxCPU(N_i)/MinCPU(N_i+1)]得到每一个优先级类的权重w，其中[]表述取整数。

7.如权利要求1所述的方法，其特征在于，利用求解器求解时，基于超时响应机制判断物理机是否宕机，并从流图中将宕机的物理机节点删除；监测任务运行完成，修改相应物理机的可用CPU和内存资源；更新物理机的反亲和列表，直到任务部署完成为止。