基于用戶滿意度的云任務調度算法
【專利摘要】一種基于用戶滿意度的云任務調度算法，該算法主要包含虛擬機和云任務的參數歸一化、歐式距離的計算、資源選擇、歐式距離更新，計算任務的用戶滿意度，計算單個云任務的資源使用成本和所有任務執行完后系統的總成本等幾個階段。本發明算法從用戶的角度出發，將任務分配到最合適的資源中，更好滿足用戶對CPU、完成時間、帶寬等多方面的需求，同時有效降低用戶使用資源的成本。在云計算中，對于用戶關心的是付出的成本和得到的服務質量是否合理匹配，使用戶的需求得到較高程度滿足。與現有技術相比，本發明給出了一種有效的策略讓用戶獲得更好的服務質量。
【專利說明】基于用戶滿意度的云任務調度算法

【技術領域】
[0001] 本發明涉及云任務調度算法。

【背景技術】
[0002] 云計算是并行計算、分布式計算和網格計算的綜合發展，是一種商業計算模型，它 能把從前需要高性能計算機才能完成的任務分布在大量廉價計算機構成的資源池上，使各 種應用系統能夠根據需要獲取計算能力、存儲空間和信息服務。然而，在實現這些服務的同 時，需要考慮一個問題，即不同的用戶對云計算資源的使用有不同的需求，如CPU、內存、完 成時間、帶寬、使用費用等，如何通過一種有效的策略讓用戶獲得更好的服務質量。云計算 的任務調度算法是解決上述問題的途徑之一。
[0003] 傳統的任務調度算法注重服務器的效率，例如以最優完成時間為目標的任務調度 方法，雖然具有較好的完成效率，但是可能導致計算能力強的資源使用率高，使系統負載不 均衡；負載均衡算法能夠提供有效的方法來擴展網絡設備和服務器的帶寬、增加吞吐量、力口 強網絡數據處理能力、提高網絡的靈活性和可用性，然而，傳統的任務調度算法都忽略了用 戶任務的服務質量需求，不能很好的對資源進行按需分配。


【發明內容】

[0004] 在對云任務調度技術的研究過程中形成了許多經典的調度算法，它們多從云資源 提供商的角度出發，考慮最優完成時間、最低能耗、節點負載均衡、資源可用性和可靠性、系 統利用率等參數，而本發明提出的算法著重從用戶的角度，考慮任務完成時間、成本、成本 和服務質量的匹配程度、用戶使用資源的滿意度等參數，同時也考慮了系統的負載均衡。
[0005] 云計算使用虛擬化技術將底層的物理資源以虛擬機的形式封裝，讓虛擬機來執行 用戶的任務。調度問題是將用戶的任務以一定的優化目標為原則與資源進行映射，云計算 簡化了任務與資源的匹配，使任務所需資源以一臺虛擬機的形式體現，所以對資源的搜索 轉化為對某一臺虛擬機進行搜索。
[0006] 為了實現調度算法，本發明首先對云任務、虛擬機以及任務分類進行了描述：
[0007] ?虛擬機用七元組表示：
[0008] Vmi =〈id" peNum" ram" bw" Ccpu/_ Cw腿，CWMbps> (I)
[0009] 七元組分別表示虛擬機的ID、CPU個數、內存、帶寬以及CPU、內存和帶寬的單位價 格。
[0010] ?云任務用八元組表示：
[0011] tj = <idi，typej, Ieni, exppe^ expranij, expbwj, Si, costj> (2)
[0012] 八元組分別表示云任務的ID、類型、任務大小、期待CPU個數、期待內存、期待帶 寬、任務的用戶滿意度以及執行任務的成本。
[0013] ?云任務類型：本發明主要考慮以下QoS參數：
[0014] a)完成時間：對于實時性要求的云任務，需要在盡可能少的時間內完成，與之對 應的就是CPU和執行速度這兩個資源。
[0015] b)帶寬：當云任務對通信帶寬要求較高時，例如多媒體流需求，需要優先考慮帶 寬要求。
[0016] c)內存：當云任務對內存要求較高時，需要優先考慮內存需求。
[0017] 針對不同的云任務需求，按照不同的QoS參數來衡量用戶滿意度，為此，本發明設 計了一個權重向量，它表示了云平臺對于不同資源的價值認可度，使用權重向量來調整選 擇虛擬機資源的性能比參數，以此來更好的提高用戶使用資源的滿意度。例如，對于實時性 或對時間敏感的云任務來說，希望用最小的完成時間來完成任務，因此需要計算能力強的 資源，所以賦予CPU較大的權重。設第i類任務的權重向量表示為：
[0018] ei = Lei1, ei2, ei3] (3)
[0019] 其中分別對應CPU、內存、帶寬的權重，且

【權利要求】
1. 一種基于用戶滿意度的云任務調度算法，其特征在于，包括如下步驟： 步驟1，資源參數歸一化 將任務和虛擬機的性能參數都歸一化到[0, 1]區間，令集合Xu = (Xu，…，Xj j為性 能參數的個數，為虛擬機的同類性能參數的集合，其歸一化值為： GXij = (curXij-minXij) / (maxXij-minXij) (5) 其中，i為任務的個數，j為性能參數的個數，cur、為性能當前值，HiinXu為同類性能 參數集合中的最小值，HiaxXu為同類性能參數集合中的最大值。 步驟2,計算歐式距離 在經過參數歸一化處理后虛擬機的參數向量為X = (X1, X2, x3},云任務的參數向量為 Y = (Y1, Y2, Y3};考慮CPU、內存和帶寬三個性能參數，根據云任務的類型得到權重向量W = Iff1, W2, WJ，則歐式距離的計算公式為：
其中\表示第i個虛擬機中第j個資源的歸一化參數值；表示任務對第j種資源的 期待值％表示第j種資源的權重； 步驟3,選擇資源 每個任務選擇與其歐式距離最小的虛擬機執行任務，采用控制空閑的虛擬機的方法進 行負載平衡，每個虛擬機維護一張歐式距離表，當某個任務被成功分配到某臺虛擬機執行 后，需要更新歐式距離表，增加某類資源和該虛擬機之間的歐式距離，更新公式為： D/ =Di(HlAi)，n為虛擬機的個數 (X) 步驟4,計算用戶滿意度 在任務完成后，考慮每個任務的完成情況，包括任務的完成時間和各個任務的用戶滿 意度，以及所有任務的綜合滿意度；單個任務的用戶滿意度為： Si = Sf=1 Wjln(actj/exp)) (8) 其中，Si為任務i的用戶滿意度％為第j項性能參數的權重；act為任務對第j項性 能參數的實際消耗；exp」為云任務對第j項性能的用戶期待值； 當0彡IsiI彡0. 5時，則認為用戶對云任務i的資源分配很滿意；當0.5〈 |Si|彡1時， 則認為用戶對云任務i的資源分配比較滿意；當|s」>l時，則認為用戶對云任務i的資源 分配不滿意；當IsiI的值很大時，則認為用戶對云任務i的資源分配非常不滿意； 所有云任務的用戶綜合滿意度為： s = E[=i IsiI (y) 其中Si為第i個任務的用戶滿意度；t為所有云任務的個數； 步驟5,計算成本 在執行完每個云任務后，計算執行任務所花費的成本；虛擬機按照單位對資源計費，任 務消費的全部費用COSti為：
其中，Pi為資源數量，C為單位資源價格； 執行所有云任務后，系統的總成本為： c = Z[=1 COSti (H) 其中COSti為第i個任務的成本；t為所有云任務的個數。
【文檔編號】G06F9/50GK104333569SQ201410491004
【公開日】2015年2月4日 申請日期:2014年9月23日 優先權日:2014年9月23日
【發明者】蔣昌俊, 張亞英, 陳閎中, 閆春鋼, 張冬冬, 陳熔仙 申請人:同濟大學