[发明专利]一种带约束云工作流的成本优化调度方法

说明书

本发明公开了一种带约束云工作流的成本优化调度方法，利用遗传算法首先根据用户提交的工作流，与云服务提供商提供的虚拟机配置生成初始种群。其次对种群根据适应度进行迭代进化，最终通过精英保留操作返回全局最优的满足可靠性约束，完成时间约束和内存约束的工作流调度方案。本发明能够在用户给定完成时间约束，可靠性约束以及内存约束下搜索到近似成本最优的调度方案，极大地降低调度成本。

技术领域

本发明属于计算机领域，专注于云计算任务调度问题，尤其涉及带有内存约束、可靠性约束和完成时间约束云工作流的成本优化调度方法，能够根据给定工作流生成一个成本优化且满足完成时间，可靠性约束和内存约束的任务调度方案。

背景技术

云计算因其异构、虚拟化、运维方便、现收现付的特点提供了资源可扩展和弹性的计算平台。因此，含有大量计算任务的带有完工时间约束的大型企业和科学工作流应用程序交由云计算平台调度执行已成为趋势。

在竞争激烈的云计算市场，云服务提供商十分关心工作流调度的成本并尝试降低使用云服务设施的金额以吸引更多的用户为未来进行布局已有大量针对云环境下工作流调度的研究，现有的云工作流调度研究方法为了简化模型在建模时通常忽略了内存约束，但内存是任务执行必不可少的资源，直接影响调度策略且会被云服务提供商计费。因此考虑带有内存约束的建模是有必要的。此外，云服务提供商多样的虚拟机配置和灵活多变的定价策略，使得确定价格最优调度策略十分困难，而考虑到其他约束时如可靠性，完成时间等约束则工作流调度会变得更加复杂。因此，满足各种约束并为用户提供成本优化的工作流调度方案已成为亟待解决的问题。

发明内容

本发明的目的是提供一种带约束云工作流的成本优化调度方法，该方法从工作流任务分配的问题出发，寻找满足用户云服务质量要求，且成本低廉的虚拟机配置和工作流任务分配方案，为用户降低云服务的使用成本，创造更大的经济效益。

实现本发明目的的具体技术方案是：

一种带约束云工作流的成本优化调度方法，该方法包括以下具体步骤：

步骤1：初始化

使用遗传算法首先根据用户提交的工作流信息、云服务提供商提供的虚拟机配置和编码策略完成种群初始化操作即随机生成设定规模的种群，接着并在生成的种群中添加完成时间优化的HEFT算法生成的染色体，最后经过染色体修正操作对不符合内存约束的染色体进行修正；

步骤2：迭代进化

对初始化得到的种群计算适应度即利用染色体对应调度方案的成本、可靠性、完成时间计算每个染色体的适应度；再利用适应度进行选择操作，其次对选择出来的种群进行交叉、变异操作并再次经过染色体修正操作得到新的种群，接着对新的种群进行精英保留操作即选择当前全局最优染色体保留到下一代；经过多次迭代直到迭代次数达到设定的进化次数，最终再通过精英保留操作得到全局最优的满足用户需求的工作流调度方案；

其中：

所述染色体即为一个完整的工作流调度方案；

所述工作流信息包括任务依赖关系、任务执行时间、任务输入输出数据量和任务执行所需内存；

所述用户需求为工作流完工时间、可靠性约束和隐含的内存约束；

所述虚拟机配置包括虚拟机计算能力、主存大小、价格及故障率。

所述交叉操作以虚拟机中的一组任务与对应的虚拟机配置为交叉单位。

所述染色体修正操作使用贪心算法对染色体中不满足内存约束的虚拟机替换为满足内存约束且计算能力相同的机器。

所述适应度采用惩罚参数放大不满足完成时间约束和可靠性约束染色体的成本而得到。