云平臺的任務執(zhí)行方法
【專利摘要】本發(fā)明提供了一種云平臺的任務執(zhí)行方法，該方法包括：將計算節(jié)點剩余資源量大于用戶業(yè)務請求集合總資源量的計算節(jié)點組成第一集合，對云平臺中的計算節(jié)點進行聚類，計算上述計算節(jié)點之間的近似度，將近似度在閾值內的計算節(jié)點加入第二集合，將待處理的業(yè)務調度至第二集合中的計算節(jié)點。本發(fā)明提出了一種云平臺的任務執(zhí)行方法，提高了云平臺數(shù)據服務器的吞吐率，優(yōu)化了數(shù)據服務器對外服務性能，具有更好的調度平衡效果。
【專利說明】
云平臺的任務執(zhí)行方法
技術領域
[0001 ]本發(fā)明涉及云計算，特別涉及一種云平臺的任務執(zhí)行方法。
【背景技術】
[0002] 云計算作為一種新型的計算模式和服務模式，它將大量的計算業(yè)務分布式的分派 給由底層云平臺計算機硬件組成的資源池中，在科研、生產和貿易服務領域有著廣泛應用。 由于數(shù)據服務器資源池是由海量的硬件資源共同組成的，而且計算機數(shù)量非常龐大，組成 復雜，資源的配置差異較大，當大規(guī)模的計算業(yè)務需要數(shù)據服務器處理時，這時就會導致數(shù) 據服務器的負載不平衡。而負載的不平衡會造成吞吐率的下降以及響應時間的增加，在一 定程度上影響了云平臺為用戶提供的服務質量。針對云計算數(shù)據服務器，不同的業(yè)務調度 策略會造成整個系統(tǒng)具有不同的負載分配情況，從而導致具有不同的執(zhí)行效率和對外計算 服務能力，最優(yōu)的業(yè)務調度策略應該是一種能夠使整個云計算系統(tǒng)產生負載平衡效果的策 略。在現(xiàn)有的負載平衡策略中，往往需要維護額外的歷史數(shù)據，這將導致系統(tǒng)的冗余負載， 并且估計負載的效果并不是非常理想。

【發(fā)明內容】

[0003] 為解決上述現(xiàn)有技術所存在的問題，本發(fā)明提出了一種云平臺的任務執(zhí)行方法， 包括：
[0004] 將計算節(jié)點剩余資源量大于用戶業(yè)務請求集合總資源量的計算節(jié)點組成第一集 合，
[0005] 對云平臺中的計算節(jié)點進行聚類，
[0006] 計算上述計算節(jié)點之間的近似度，
[0007]將近似度在閾值內的計算節(jié)點加入第二集合，
[0008] 將待處理的業(yè)務調度至第二集合中的計算節(jié)點。
[0009] 優(yōu)選地，所述方法進一步包括：
[0010] 步驟1:將數(shù)據服務器的η臺計算節(jié)點組成一個集合H，對數(shù)據服務器中的全部計算 節(jié)點進行一個約束條件限制，將計算節(jié)點的剩余資源量1^作為度量標準，1^定義如下：
[0011] Li = aLc+PLm
[0012] 其中 α+β=1
[0013] Lc為處理器剩余;Lm為存儲器剩余;a為處理器權重;β為存儲器權重;a和β值的采用 ΒΡ神經網絡學習確定，根據計算節(jié)點性能的適應性函數(shù)，獲取整個數(shù)據服務器中計算節(jié)點 的各項性能監(jiān)控數(shù)據，包括處理器和存儲器數(shù)據，計算出當前云平臺數(shù)據服務器中η臺計算 節(jié)點的剩余資源量;將約束值定義為特定時間段內接收到的業(yè)務請求集合的總資源量，即：
[0015]其中，LR表示為業(yè)務請求集合的總資源量，匕表示為業(yè)務請求集合中第i個業(yè)務 的資源量;定義一個空集s，計算出業(yè)務請求集合的總資源量LR，當Li>LR時，將i計算節(jié)點調 度至集合S中，否則繼續(xù)尋找，當η臺計算節(jié)點與約束值比較完成后得到的集合S，集合S = {si，S2，S3 ，Sm}，即為聚類點的集合，m<n;
[0016]步驟2:根據計算節(jié)點性能的適應性函數(shù)得到每臺計算節(jié)點的性能值，通過和約束 值的限定，將計算節(jié)點的處理器剩余和存儲器剩余作為計算節(jié)點的兩個屬性;設S= { SI，S2， S3--，Sm}為m個計算節(jié)點組成的集合，對集合S中的計算節(jié)點的處理器剩余進行降序排序， 假設~為處理器剩余最大的計算節(jié)點，將~作為聚類點，則計算近似度的公式為：
[0018] s(si,sj) = l/d(si,sj)
[0019] <為計算節(jié)點j的第k個屬性，由此計算出計算節(jié)點j與計算節(jié)點i之間的近似度S (si,sj)：
[0021] 步驟3:以~為聚類點，計算~與集合Η中各個元素之間的近似度值;根據近似度給 定一個閾值U，如果近似度大于閾值U，則將該元素加入新集合S'中。然后集合S按照計算節(jié) 點處理器剩余的降序依次選擇聚類點，分別計算與集合Η中元素的近似度，將閾值大于U的 元素調度至集合S'中，當集合S'中元素不再變化時，則迭代結束，集合S'為最終的聚類結 果，即S' = {si'，S2 ' · · · Sq'}，其中q<m<n;
[0022] 步驟4:將數(shù)據服務器接收的業(yè)務請求調度至集合S'中的計算節(jié)點，然后集合S'中 的計算節(jié)點處理請求的業(yè)務集合，處理完成后將結果返回給用戶；數(shù)據服務器在從集合S' 中計算節(jié)點開始處理業(yè)務到處理完成的特定時間段內接收的業(yè)務請求數(shù)作為下一次待處 理的業(yè)務；
[0023] 步驟5:在下一時間段內重復步驟1-4的過程。
[0024] 本發(fā)明相比現(xiàn)有技術，具有以下優(yōu)點：
[0025]本發(fā)明提出了一種云平臺的任務執(zhí)行方法，提高了云平臺數(shù)據服務器的吞吐率， 優(yōu)化了數(shù)據服務器對外服務性能，具有更好的調度平衡效果。
【附圖說明】
[0026] 圖1是根據本發(fā)明實施例的云平臺的任務執(zhí)行方法的流程圖。
【具體實施方式】
[0027] 下文與圖示本發(fā)明原理的附圖一起提供對本發(fā)明一個或者多個實施例的詳細描 述。結合這樣的實施例描述本發(fā)明，但是本發(fā)明不限于任何實施例。本發(fā)明的范圍僅由權利 要求書限定，并且本發(fā)明涵蓋諸多替代、修改和等同物。在下文描述中闡述諸多具體細節(jié)以 便提供對本發(fā)明的透徹理解。出于示例的目的而提供這些細節(jié)，并且無這些具體細節(jié)中的 一些或者所有細節(jié)也可以根據權利要求書實現(xiàn)本發(fā)明。
[0028] 本發(fā)明的一方面提供了一種云平臺的任務執(zhí)行方法。圖1是根據本發(fā)明實施例的 云平臺的任務執(zhí)行方法流程圖。
[0029] 本發(fā)明根據業(yè)務調度方法的體系結構，分解成多個功能模塊，共同組成一個完整 的業(yè)務調度系統(tǒng)。然后，在系統(tǒng)體系結構的基礎上，提出了一種云計算平臺下的業(yè)務調度方 法，實現(xiàn)了云平臺數(shù)據服務器的負載平衡。在本發(fā)明所運行的體系結構中，控制節(jié)點的功能 是根據當前調度策略與最優(yōu)調度策略和隨機調度策略進行業(yè)務調度，調度完成后比較三種 策略在云平臺數(shù)據服務器整體負載平衡程度和調度業(yè)務的效能，然后根據估計的結果找出 一個最優(yōu)的業(yè)務調度策略?？刂乒?jié)點可以根據當前云平臺中的計算節(jié)點信息計算出哪個計 算節(jié)點的剩余資源量是多少以及每臺計算節(jié)點中的虛擬機的運行狀態(tài)。同時，在業(yè)務調度 策略中還有用于接收業(yè)務調度的請求和計算節(jié)點狀態(tài)信息等控制節(jié)點，這種節(jié)點的作用是 控制調度方法的執(zhí)行流程和周期。
[0030] 所有的節(jié)點通過網絡直接或間接的互相連接組成了云平臺數(shù)據服務器。只有主控 制節(jié)點才能觸發(fā)調度策略模塊，由控制節(jié)點決定最終的業(yè)務調度策略。在其他控制節(jié)點同 樣設置調度策略模塊，在主控制節(jié)點出現(xiàn)異常狀態(tài)下，其他控制節(jié)點會選取處理能力最高 的節(jié)點作為主控制節(jié)點，然后讓其節(jié)點內的業(yè)務調度模塊進行工作。
[0031 ]在業(yè)務調度策略的控制節(jié)點包括調度策略模塊、調度控制模塊以及監(jiān)控器模塊； 計算節(jié)點包括發(fā)送模塊和接收模塊;用戶端包括用于發(fā)送業(yè)務請求的發(fā)送模塊和用于接收 計算結果的接收模塊。整體邏輯流程如下:首先，當計算節(jié)點上監(jiān)控器確定有用戶請求業(yè)務 時，用戶通過發(fā)送模塊將請求業(yè)務的信息發(fā)送給監(jiān)控器模塊，監(jiān)控器模塊獲取了特定時間 段內用戶請求業(yè)務的資源量和數(shù)據服務器中計算節(jié)點的剩余資源量信息，包括處理器剩余 和存儲器剩余，監(jiān)控器模塊會將這些信息整理后發(fā)送給下一級模塊，即解析模塊。
[0032] 解析模塊動態(tài)的解析收集到的業(yè)務信息和計算節(jié)點的計算節(jié)點信息，進行具體的 解析過程，在解析完成后將數(shù)據通過解析模塊發(fā)送給估計模塊。當估計模塊接收來自解析 發(fā)送的數(shù)據時，立即解析其接收的數(shù)據。本發(fā)明的估計模塊需要完成性能參數(shù)的計算和估 計，即使用本發(fā)明的業(yè)務調度策略后調度業(yè)務的效能和負載平衡度值。
[0033] 估計模塊將估計的信息、計算節(jié)點狀態(tài)信息以及請求業(yè)務的信息發(fā)送給調度策略 模塊，然后根據本發(fā)明提出的方法生成相應的調度策略，然后將調度策略和相關信息傳送 給調度控制器，調度控制器解析最終得到的數(shù)據并發(fā)送指令到相應的計算節(jié)點的接收模 塊，控制器的作用是控制和執(zhí)行調度業(yè)務。最后，將特定時間段內收集的業(yè)務請求調度到通 過調度策略模塊找到的最優(yōu)計算節(jié)點上。
[0034]用戶模塊觸發(fā)整個系統(tǒng)正常運轉，在一個特定時間段內收集到的多個用戶的業(yè)務 請求信息，用戶模塊將這些用戶的業(yè)務請求信息匯總，然后將這些業(yè)務請求信息通過用戶 模塊內部的預處理模塊形成一個用戶請求通過發(fā)送模塊傳遞給業(yè)務調度系統(tǒng)內部的監(jiān)控 器模塊。當系統(tǒng)處理完畢后將計算結果發(fā)送給用戶端的接收模塊，接收模塊再通過預處理 模塊將計算信息分類，并且分別返回給請求的用戶。在這部分里，預處理模塊起著重要作 用，它將零散的業(yè)務聚集匯成業(yè)務調度系統(tǒng)能夠識別的業(yè)務類型。
[0035]監(jiān)控器模塊負責監(jiān)控和傳遞用戶和計算節(jié)點云平臺的實時狀態(tài)信息。當監(jiān)控器模 塊開始監(jiān)控時，收集用戶的業(yè)務請求信息和云平臺內部計算節(jié)點的負載信息，并將這些信 息通過內部的預處理模塊存儲到數(shù)據庫中，數(shù)據庫利用鏈表來存儲業(yè)務信息和計算節(jié)點信 息。
[0036]當特定時間段內結束時，將數(shù)據庫里存儲的用戶請求的業(yè)務信息和計算節(jié)點信息 發(fā)送給解析模塊進行解析，發(fā)送完畢后，將內部的數(shù)據庫立即發(fā)送到回收模塊，清空數(shù)據 庫，準備接收下一個特定時間段內的用戶請求業(yè)務信息和計算節(jié)點信息。
[0037] 解析模塊利用解向量表示為尋找的最優(yōu)業(yè)務調度策略。將業(yè)務調度問題解析為將 特定時間段內收到的業(yè)務請求調度到云平臺數(shù)據服務器中由多個計算節(jié)點組成的最優(yōu)計 算節(jié)點集合中的問題。業(yè)務調度問題的解可以表示為一個N維解向量，每個元素代表處理用 戶業(yè)務請求的最優(yōu)計算節(jié)點的一個元組。若在相同的網絡帶寬下，數(shù)據服務器中有η臺可用 的計算節(jié)點，這些計算節(jié)點使用空間共享分配策略。云平臺數(shù)據服務器優(yōu)化每個特定時間 段。本發(fā)明定義了一個四元組Y={S，TK，U，L m}來描述，S表示為一組可用的計算節(jié)點集合，S (n，t) = {si，S2, . . .，sn}，t表示調度開始時間。TK表示特定時間段內用戶業(yè)務請求的集合， TK(m，At，t) = {tki，tk2, . . . . ,???ηι}。!^為集合S中η臺計算節(jié)點當前處理器剩余的集合，Lc (n，t) = {?Λ,?Λ,. . .，Ln。}。1^為集合S中η臺計算節(jié)點在時亥Ijt的存儲器剩余的集合，Lm(n，t) ={?Λ,?Λ,. . .，ΙΛ}。得到計算節(jié)點集合，同時也是找到的符合最優(yōu)業(yè)務調度策略，這個計 算節(jié)點集合能夠滿足當前所處理的業(yè)務集合的性能約束。
[0038] 估計模塊包括系統(tǒng)性能估計模塊和完成時間估計模塊。系統(tǒng)性能估計模塊評價和 計算本系統(tǒng)的性能指標，可以為本發(fā)明業(yè)務調度策略提供可靠數(shù)據，從而提高了系統(tǒng)執(zhí)行 的精確度。而完成時間估計模塊為用戶和系統(tǒng)提供估計完成時間，也就是期望完成時間，在 這里用t e表示系統(tǒng)和用戶對業(yè)務的期望完成時間，確定系統(tǒng)期望的業(yè)務執(zhí)行完成時間te。當 確定期望完成時間后，估計模塊會將期望完成時間信息傳送給監(jiān)控器模塊，監(jiān)控器模塊會 以指令的形式發(fā)送給用戶端的接收模塊，然后用戶接收模塊會在短時間內通過預處理模塊 告之當前請求業(yè)務的用戶。當?shù)谝粋€特定時間段內的業(yè)務開始執(zhí)行到處理完畢，這個時間 段稱為實際執(zhí)行完成時間，系統(tǒng)生成一個實際執(zhí)行完成時間 tf，在理想狀態(tài)下用戶期望完 成時間與實際完成時間幾乎相等，但是，在實際的業(yè)務調度過程中會受到網絡、傳輸延遲、 計算節(jié)點負載等因素的制約，必然大于實際的執(zhí)行完成時間。用戶在請求業(yè)務之前會對業(yè) 務的執(zhí)行完成時間有一個期望值，而系統(tǒng)在實際的執(zhí)行過程中，業(yè)務的完成時間并不一定 等于用戶的期望值，為了描述用戶的對業(yè)務執(zhí)行完成時間的容忍程度，使系統(tǒng)更加精準、高 效的運行，需要使用函數(shù)作為評價依據，即完成時間容忍度函數(shù)TD:
[0039] TD = l-(tf-te)/tf
[0040] 即當實際完成時間大于期望完成時間時，則容忍度會隨著業(yè)務實際執(zhí)行完成時間 的增加而逐漸減小。每個特定時間段內的業(yè)務執(zhí)行完成后，根據容忍程度的變化做出相應 的調整。
[0041] 調度策略模塊內部有一個接收數(shù)據的模塊。當估計模塊將數(shù)據信息傳遞到調度策 略模塊內部的數(shù)據輸入模塊時，由于這些數(shù)據混合在一起而且雜亂無章。此時，就需要將這 些混合的數(shù)據進行解調，得到計算節(jié)點的信息，以及特定時間段內用戶請求的業(yè)務量。解調 完成后，分別對兩類數(shù)據進行操作，業(yè)務量模塊內部計算出此時的請求業(yè)務的資源量，并以 此時的業(yè)務資源量作為約束值。然后，計算節(jié)點負載模塊內部則根據計算節(jié)點的處理器剩 余和存儲器剩余計算出云平臺中每一臺計算節(jié)點的實時剩余資源量。根據當前的請求業(yè)務 量，將云平臺內計算節(jié)點剩余資源量大于請求業(yè)務量的計算節(jié)點組成一個計算節(jié)點集合， 通過計算節(jié)點集合模塊與業(yè)務調度方法的交互，最終得到業(yè)務調度策略，然后將最優(yōu)調度 策略發(fā)送給調度控制模塊。
[0042]當業(yè)務調度方法內部執(zhí)行完畢后，將其生成的調度策略發(fā)送給調度控制模塊，調 度控制模塊控制生成的調度策略以指令的形式通知云平臺，并將待處理的業(yè)務分派到各個 計算節(jié)點，以確保業(yè)務的順利執(zhí)行，并且同時保證算法的高效性、健壯性。調度控制模塊內 部實現(xiàn)流程如下：當接收模塊接到來自調度策略模塊的數(shù)據后，將數(shù)據發(fā)送給內部的數(shù)據 輸入模塊，輸入模塊向調度策略預處理模塊和云平臺計算節(jié)點模塊分別輸入兩個數(shù)據，業(yè) 務調度方法調度策略和云平臺計算節(jié)點集合PH。預處理模塊根據輸入的業(yè)務調度方法策略 生成最終的最優(yōu)調度策略。這時，云平臺計算節(jié)點模塊將云平臺內的計算節(jié)點組成集合PH， 然后將PH集合發(fā)送到最優(yōu)調度策略模塊，最優(yōu)調度策略模塊根據輸入的計算節(jié)點集合進行 挑選處理業(yè)務最優(yōu)的計算節(jié)點，并且組成一個最優(yōu)計算節(jié)點集合ST，ST集合中存放著云平 臺中計算節(jié)點的位置以及編號信息，需要將集合中的信息以指令的形式封裝起來，然后將 指令信息發(fā)送給云平臺計算節(jié)點模塊，至此，調度控制模塊內部工作完成。
[0043]當計算節(jié)點云平臺模塊接收到來自系統(tǒng)內部的調度控制模塊的指令信息后，將指 令信息傳遞給內部的輸入模塊，輸入模塊將業(yè)務集合和調度指令分別發(fā)送到請求業(yè)務模塊 和解調指令模塊，然后解調指令模塊將收到的指令解調，并傳送到調度模塊，與此同時，請 求業(yè)務模塊同樣將業(yè)務集合傳送給調度模塊。調度模塊根據計算節(jié)點指令信息，選擇相應 的計算節(jié)點。當計算節(jié)點選擇完成后，將業(yè)務集合中的業(yè)務快速的調度到相應的計算節(jié)點 上進行處理業(yè)務，業(yè)務完成后，將計算結果返回到系統(tǒng)中的接收模塊，然后接收模塊再將計 算結果發(fā)送給用戶，至此，云平臺計算節(jié)點模塊的內部工作完成，并且開始進行下一個特定 時間段的業(yè)務調度。
[0044]本發(fā)明提出的業(yè)務調度方法將云平臺數(shù)據服務器收集到的業(yè)務請求調度到云平 臺的目標計算節(jié)點上，實現(xiàn)業(yè)務的高效調度。首先，根據評價計算節(jié)點性能的適應性函數(shù)、 當前計算節(jié)點的處理器剩余和存儲器剩余計算出當前全部計算節(jié)點的服務性能，依據當前 用戶請求業(yè)務量的大小對云平臺內部的計算節(jié)點進行條件挑選，將計算節(jié)點剩余資源量大 于業(yè)務請求集合的總資源量的計算節(jié)點組成一個集合，該集合是對云平臺數(shù)據服務器的一 個整體性約束。然后將計算節(jié)點集合中k臺計算節(jié)點抽象成k個聚類點并且分別與云平臺中 全部計算節(jié)點進行聚類，將每臺計算節(jié)點的處理器剩余量和存儲器剩余量抽象為計算節(jié)點 的兩個屬性，根據計算節(jié)點的兩個屬性計算計算節(jié)點之間的近似度，然后由近似度給定一 個閾值，將計算節(jié)點之間的近似度在閾值內的計算節(jié)點加入到一個新的集合。當集合中的 元素不再變化時，這個集合就是聚類的最后結果。最后，將待處理的業(yè)務調度至最終集合中 的計算節(jié)點。數(shù)據服務器中計算節(jié)點聚類的過程就是找到處理業(yè)務最優(yōu)計算節(jié)點的過程， 初始時云平臺數(shù)據服務器有η臺計算節(jié)點，當根據每臺計算節(jié)點的資源剩余和請求業(yè)務量 的大小進行第一次挑選，這時會得到一個集合，此時集合內的計算節(jié)點數(shù)小于等于η，而第 二次挑選出的結果集合內的計算節(jié)點的性能在一定程度上滿足了當前用戶的需求。
[0045] 步驟1:假設數(shù)據服務器有η臺計算節(jié)點組成一個集合Η，為了滿足聚類點的性能約 束，本發(fā)明對數(shù)據服務器中的全部計算節(jié)點進行一個約束條件限制，將計算節(jié)點的剩余資 源量U作為度量標準，U定義如下：
[0046] Li = aLc+PLm
[0047] 其中 α+β=1
[0048] U為處理器剩余;Lm為存儲器剩余;a為處理器權重;β為存儲器權重;a和β值的確定 采用BP神經網絡學習獲取，根據計算節(jié)點性能的適應性函數(shù)，獲取整個數(shù)據服務器中計算 節(jié)點的各項性能監(jiān)控數(shù)據，包括處理器和存儲器數(shù)據，可以計算出當前云平臺數(shù)據服務器 中η臺計算節(jié)點的剩余資源量。將約束值定義為:特定時間段內接收到的業(yè)務請求集合的總 資源量，即：
[0050] 其中，LR表示為業(yè)務請求集合的總資源量，表示為業(yè)務請求集合中第i個業(yè)務 的資源量。定義一個空集S，計算出業(yè)務請求集合的總資源量LR，當Li>LR時，將i計算節(jié)點調 度至集合S中，否則繼續(xù)尋找，當η臺計算節(jié)點與約束值比較完成后得到的集合S，集合S = {si，S2，S3----，Sm}，即為聚類點的集合，m<n。
[0051] 步驟2:根據計算節(jié)點性能的適應性函數(shù)得到每臺計算節(jié)點的性能值，通過和約束 值的限定，本發(fā)明將數(shù)據服務器中性能相對較好的計算節(jié)點調度至集合S中。將計算節(jié)點的 處理器剩余和存儲器剩余作為計算節(jié)點的兩個屬性。設S= { SI，S2，S3--，Sm}為m個計算節(jié) 點組成的集合，對集合S中的計算節(jié)點的處理器剩余進行降序排序，處理器剩余大的排列在 前，假設~為處理器剩余最大的計算節(jié)點，將~作為聚類點，則計算近似度的公式為：
[0053] s(si,sj) = l/d(si,sj)
[0054] 為計算節(jié)點j的第k個屬性，由此計算出計算節(jié)點j與計算節(jié)點i之間的近似度s (si,sj)：
[0056] 步驟3:以~為聚類點，計算~與集合Η中各個元素之間的近似度值。根據近似度給 定一個閾值U，如果近似度大于閾值U，則將該元素加入新集合S'中。然后集合S按照計算節(jié) 點處理器剩余的降序依次選擇聚類點，分別計算與集合Η中元素的近似度，將閾值大于U的 元素調度至集合S'中，當集合S'中元素不再變化時，則迭代結束，集合S'為最終的聚類結 果，即S' = {si'，S2 ' · · · Sq'}，其中q<m<n。
[0057] 步驟4:將數(shù)據服務器接收的業(yè)務請求調度至集合S'中的計算節(jié)點，然后集合S'中 的計算節(jié)點處理請求的業(yè)務集合，處理完成后將結果返回給用戶。從集合S'中計算節(jié)點開 始處理業(yè)務到處理完成，將這段時間作為特定時間段，數(shù)據服務器在特定時間段內接收的 業(yè)務請求數(shù)作為下一次待處理的業(yè)務。
[0058]步驟5:在下一時間段內重復步驟1-4的上述過程。
[0059]綜上所述，本發(fā)明提出了一種云平臺的任務執(zhí)行方法，提高了云平臺數(shù)據服務器 的吞吐率，優(yōu)化了數(shù)據服務器對外服務性能，具有更好的調度平衡效果。
[0060]顯然，本領域的技術人員應該理解，上述的本發(fā)明的各模塊或各步驟可以用通用 的計算系統(tǒng)來實現(xiàn)，它們可以集中在單個的計算系統(tǒng)上，或者分布在多個計算系統(tǒng)所組成 的網絡上，可選地，它們可以用計算系統(tǒng)可執(zhí)行的程序代碼來實現(xiàn)，從而，可以將它們存儲 在存儲系統(tǒng)中由計算系統(tǒng)來執(zhí)行。這樣，本發(fā)明不限制于任何特定的硬件和軟件結合。
[0061]應當理解的是，本發(fā)明的上述【具體實施方式】僅僅用于示例性說明或解釋本發(fā)明的 原理，而不構成對本發(fā)明的限制。因此，在不偏離本發(fā)明的精神和范圍的情況下所做的任何 修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。此外，本發(fā)明所附權利要求旨 在涵蓋落入所附權利要求范圍和邊界、或者這種范圍和邊界的等同形式內的全部變化和修 改例。
【主權項】
1. 一種云平臺的任務執(zhí)行方法，用于將云平臺數(shù)據服務器收集到的業(yè)務請求調度到云 平臺的目標計算節(jié)點上，其特征在于： 將計算節(jié)點剩余資源量大于用戶業(yè)務請求集合總資源量的計算節(jié)點組成第一集合， 對云平臺中的計算節(jié)點進行聚類， 計算上述計算節(jié)點之間的近似度， 將近似度在闊值內的計算節(jié)點加入第二集合， 將待處理的業(yè)務調度至第二集合中的計算節(jié)點。2. 根據權利要求1所述的方法，其特征在于，所述方法進一步包括： 步驟1:將數(shù)據服務器的η臺計算節(jié)點組成一個集合H，對數(shù)據服務器中的全部計算節(jié)點 進行一個約束條件限制，將計算節(jié)點的剩余資源量以作為度量標準，Li定義如下： Iji 二 aLc+0Lm 其中α+β=1 Lc為處理器剩余;Lm為存儲器剩余;α為處理器權重;β為存儲器權重;α和β值的采用BP神 經網絡學習確定，根據計算節(jié)點性能的適應性函數(shù)，獲取整個數(shù)據服務器中計算節(jié)點的各 項性能監(jiān)控數(shù)據，包括處理器和存儲器數(shù)據，計算出當前云平臺數(shù)據服務器中η臺計算節(jié)點 的剩余資源量;將約束值定義為特定時間段內接收到的業(yè)務請求集合的總資源量，即：其中，LR表示為業(yè)務請求集合的總資源量，王;t表示為業(yè)務請求集合中第i個業(yè)務的資 源量;定義一個空集S，計算出業(yè)務請求集合的總資源量LR，當Li〉L則寸，將i計算節(jié)點調度至 集合S中，否則繼續(xù)尋找，當η臺計算節(jié)點與約束值比較完成后得到的集合S，集合S={si，s2， S3 ，sm}，即為聚類點的集合，m<n; 步驟2:根據計算節(jié)點性能的適應性函數(shù)得到每臺計算節(jié)點的性能值，通過和約束值的 限定，將計算節(jié)點的處理器剩余和存儲器剩余作為計算節(jié)點的兩個屬性；設S=kl，S2, S3. ...，Sm}為m個計算節(jié)點組成的集合，對集合S中的計算節(jié)點的處理器剩余進行降序排序， 假設Sj為處理器剩余最大的計算節(jié)點，將乍為聚類點，則計算近似度的公式為：s(si，sj) = l/d(si，sj) 為計算節(jié)點j的第k個屬性，由此計算出計算節(jié)點j與計算節(jié)點i之間的近似度S(S1, Sj):步驟3: Wsj為聚類點，計算Sj與集合Η中各個元素之間的近似度值;根據近似度給定一 個闊值U，如果近似度大于闊值U，則將該元素加入新集合S'中。然后集合對安照計算節(jié)點處 理器剩余的降序依次選擇聚類點，分別計算與集合Η中元素的近似度，將闊值大于U的元素 調度至集合S '中，當集合S '中元素不再變化時，則迭代結束，集合S '為最終的聚類結果，即 S' = {si'，S2 '. . . Sq'}，其中q<m<n; 步驟4:將數(shù)據服務器接收的業(yè)務請求調度至集合S '中的計算節(jié)點，然后集合S '中的計 算節(jié)點處理請求的業(yè)務集合，處理完成后將結果返回給用戶;數(shù)據服務器在從集合S'中計 算節(jié)點開始處理業(yè)務到處理完成的特定時間段內接收的業(yè)務請求數(shù)作為下一次待處理的 業(yè)務； 步驟5:在下一時間段內重復步驟1-4的過程。
【文檔編號】G06F9/48GK106095582SQ201610439452
【公開日】2016年11月9日
【申請日】2016年6月17日
【發(fā)明人】張敬華, 程映忠, 王松
【申請人】四川新環(huán)佳科技發(fā)展有限公司