[发明专利]一种基于稳定匹配博弈理论的工作流调度方法

说明书

本发明提供了一种基于稳定匹配博弈理论的工作流调度方法，包括以下步骤：步骤A：输入工作流的DAG图，虚拟机池V＝{VM₀,VM₁,…,VM_m‑1}，以及CCR数值；步骤B：计算每个任务的rank值，选择每一层中具有最大rank值的任务加入关键路径任务集合CP；步骤C：基于稳定匹配博弈理论将任务分配到虚拟机上，得到调度方案；步骤D：优化调度方案，遍历所有任务，将使当前任务开始时间提前的前驱节点复制到当前任务所在的虚拟机上。本发明的优点在于：基于关键路径和任务复制的两种局部优化策略有效地减少了工作流的最大完工时间，综合考虑了任务的公平性问题，能够提高客户满意度。

技术领域

本发明涉及工作流调度技术领域，尤其涉及一种基于稳定匹配博弈理论的工作流调度方法。

背景技术

云计算提供了一种新的资源交付和服务提供模式，它可以提供各种各样的计算和资源服务如服务器，存储容量，cpu等以及在整个网络上运行的电子商务、社交网络等应用服务。为了利用云计算服务模式的资源优势，大力节约投资成本，摆脱资源受地域和时间的限制，我们可以将任何工作任务都放在云计算环境下执行，例如，已经被广泛研究的工作流任务。工作流即是一系列相互衔接、自动执行的业务活动或任务。我们将放置在云计算环境下的工作流，称之为云工作流。像高能量物理学，引力波学，地理学，生物信息学，天文学等科学应用中的任务都是基于集中控制的，且数据之间存在着较强的相互依赖的关系。由于云计算环境下需要最大程度的满足用户QoS(Quality of Service，服务质量)的需求，所以在云环境下研究工作流任务调度算法的意义重大。工作流任务调度策略的选取将会对云计算的效率和性能产生重要的影响，不恰当的调度策略不但会造成资源的浪费而且还满足不了用户对QoS的需求，从而使云资源提供商和云服务使用者都不能达到自己的目标。

目前，大多数云工作流调度算法都关注于最小化整个工作流的总成本或最大完工时间等共同目标。然而在现实中，如视频监控、对象追踪、人脸识别等工作流，各个子任务都有各自的目标，比如最小响应时间或最快处理速度等。对于一些调度算法，如果总是将当前最优资源(如最大带宽、最快处理速度等)按照优先级分配给任务，如公开号为CN103838627A的发明专利公开的一种基于工作流吞吐量最大化的工作流调度方法，以及公开号为CN103914754A的发明专利公开的一种工作流的任务调度方法、多工作流调度方法及其系统均是基于优先级完成工作流的调度的，而且更关注多个工作流的处理顺序，可能会使部分任务不能满足客户要求，从而造成不公平分配。资源的不公平分配会导致一些任务目标的满意度显著下降，从而影响客户对云服务的满意度。因此，在考虑工作流全局目标的同时，也需要考虑其内部各个任务之间的公平性。如何在保证任务公平性的前提下，最小化工作流的完工时间有重要意义。

博弈论(Game Theory，GT)主要研究理性决策者之间的战略互动，广泛应用于逻辑学、系统科学等各个领域。考虑到均衡任务的可靠性，Yang等提出了一种基于合作博弈模型的任务调度算法，在保证效率的同时降低了算法的复杂度。为了解决网格计算中的任务调度问题，Gao等将网格负载均衡问题视为非合作博弈模型，提出了一种基于GT的网格代价最小化算法。实验结果表明，基于博弈的算法具有较好的解决任务调度问题的能力。Wang等提出了一种基于动态博弈模型的多目标工作流调度算法，以最小化最大完工时间和总成本，最大化异构云虚拟机之间的工作负载分配的系统公平性。Sujana等将多目标工作流调度问题定义为在两个约束条件下的最小化执行时间和经济成本的双目标序列合作博弈模型。尽管GT在解决工作流调度问题上有一定的优势，但在现有的研究中，考虑任务公平性问题的研究仍然很少，而且现有算法的效果和处理速度依然不能满足所有用户的需求。

发明内容

本发明所要解决的技术问题在于提供一种基于GT模型中的稳定匹配博弈理论进行工作流调度的方法，以解决现有技术未考虑任务公平性的问题，同时最小化工作流的完工时间。

本发明是通过以下技术方案解决上述技术问题的：一种基于稳定匹配博弈理论的工作流调度方法，包括以下步骤：