[发明专利]一种工作流多目标调度方法及装置

说明书

本发明公开了一种工作流多目标调度方法及装置，用以解决现有云计算工作流调度存在生成包含多个解的帕累托集合，存在工作流的执行时间长和执行成本较大的问题。该方法包括采用LLH算法低层次启发式算法库包括的至少两种LLH算法分别对初始种群按照设定迭代次数运行，确定设定迭代次数后各个LLH算法包括的第一非支配解、第一HV(LLH)、第一RNI(LLH)和第一IEA(LLH)；确定各个LLH算法对应的第一CF选择函数；将最大第一CF对应的LLH算法确定为第一LLH算法，根据第一LLH算法所对应的策略更新初始种群中的个体；当确定第一LLH算法对应的累计迭代次数等于全部LLH算法的累计迭代最大值时，将外部种群中存储的非支配解确定为工作流多目标调度的帕累托集合。

技术领域

本发明涉及分布式计算技术领域，更具体的涉及一种工作流多目标调度方法及装置。

背景技术

如今的大规模科学和工业应用，比如气候模拟、灾害预警、物联网系统等，可以表示为一个工作流。应用中的处理组件对应工作流中的任务，组件之间的数据传递确定任务的数据依赖关系。工作流已经成为目前最重要的表示大规模应用的模型。由于任务的数目非常多，以及多样化的拓扑结构，比如度分布和任务之间的依赖关系，这些工作流通常是非常复杂的。为了满足用户的各种服务质量(quality of service，QoS)需求，这些工作流应用通常部署在分布式系统上执行。分布式系统包含大量的计算资源，可以同时执行多个任务，从而提升工作流应用的性能。传统的多处理器系统、集群、网格到如今最流行的云计算系统都被广泛用来执行工作流应用。相比传统的分布式系统，云计算系统提供按需的资源访问和按使用量计价的模式，更适合于执行工作流应用。由于盈利最大化是云计算厂商的首要目标，因此在执行工作流应用时，既需要考虑工作流的性能，如执行时间，也需要考虑工作流的执行成本。执行时间和执行成本是两个互相冲突的目标，也是云计算用户最关注的两个QoS需求，如何在两者之间取得平衡是工作流调度的关键。

云计算系统中工作流调度问题是非常复杂的，通常具有NP-hard和多目标的特征。研究人员通常采用启发式方法(heuristic)解决工作流调度问题，这些方法依赖问题特定的知识执行，通常能够在合理的时间内得到计算有效的解。但是，由于工作流结构的多样性，特定的启发式方法并不总能得到行之有效的解。超启发式方法(hyper-heuristic)可以很好的解决这个问题。超启发式方法控制一组启发式方法，在不同的迭代阶段根据特定的性能指标采用不同的启发式方法，充分的利用各个启发式方法的优点，避免了单个启发式方法可能陷入局部最优的情况，从而生成更好的解。目前有少量的为工作流调度问题设计的超启发式方法，但是它们都是面向单目标优化问题的。云计算工作流调度问题本质上是一个多目标优化问题，工作流的完成时间和执行成本都是需要考虑的因素，生成的不是一个解而是一个包含许多解的帕累托集合(Pareto set)。

综上所述，现有的云计算工作流调度存在生成包含多个解的帕累托集合，存在工作流的执行时间长和执行成本较大的问题。

发明内容

本发明实施例提供一种工作流多目标调度方法及装置，用以解决现有云计算工作流调度存在生成包含多个解的帕累托集合，存在工作流的执行时间长和执行成本较大的问题。

本发明实施例提供一种工作流多目标调度方法，包括：

采用LLH低层次启发式算法库包括的至少两种LLH算法分别对工作流多目标调度包括的初始种群按照设定迭代次数运行，确定设定迭代次数后各个所述LLH算法包括的第一非支配解、第一HV(LLH)、第一RNI(LLH)和第一IEA(LLH)；

根据各个所述LLH算法的对应的累计迭代次数以及所述LLH算法所对应的第一HV(LLH)、第一IEA(LLH)和第一RNI(LLH)，确定各个所述LLH算法对应的第一CF选择函数；

将最大第一CF对应的所述LLH算法确定为第一LLH算法，根据所述第一LLH算法所对应的策略更新初始种群中的个体，将所述第一LLH算法对所述初始种群进行一次迭代所得到的第二非支配解存储至所述外部种群中；