CN103533037A - 基于经济模型的转发和控制分离网络中的资源调度方法 - Google Patents
基于经济模型的转发和控制分离网络中的资源调度方法 Download PDFInfo
- Publication number
- CN103533037A CN103533037A CN201310457028.3A CN201310457028A CN103533037A CN 103533037 A CN103533037 A CN 103533037A CN 201310457028 A CN201310457028 A CN 201310457028A CN 103533037 A CN103533037 A CN 103533037A
- Authority
- CN
- China
- Prior art keywords
- resource
- layer
- module
- task
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于经济模型的转发和控制分离网络中的资源调度方法。本发明具体如下:1将资源调度管理划分成用户层、资源经纪层、中间件服务层和资源提供层;2用户层接受提交的作业,并将作业需求分解成任务列表传递给资源经纪层;3资源经纪层接收到任务列表后,确定任务所需资源组合方案再提交给调度策略模块;4资源经纪层的调度策略模块选取最优组合方案,并发送给中间件服务层;5中间件服务层对各类资源进行实时定价,然后向资源提供层请求资源;6资源提供层根据资源使用成本确定长期资源价格,收取资源使用费用。本发明满足了用户对任务的需求;且通过DABP算法,充分利用网络资源,有利于提高网络对外提供的服务性能。
Description
技术领域
本发明属于通信领域,具体涉及一种基于经济模型的转发和控制分离网络中的资源调度方法。
背景技术
传统的互联网结构遵循“核心简单,边缘智能”的设计原则,网络智能往往部署在网络边缘的终端。但是,随着网络技术的高速发展,出现了大量的新型接入技术、新型异构网络,以及新的业务应用。这些新技术和应用在推动整个通信领域进步的同时,也使得传统互联网体系结构面临着巨大的挑战。此外,用户想要建立一套IT系统不仅需要购买宽带、硬件等基础设施,还需要购买相应的软件,并且用户还需配备专业人员对IT系统进行维护。因此,众多的硬件、软件、人员维护等会给用户带来高昂的开支。
云计算的出现,不仅可以对现有的异构网络资源进行很好的整合,而且可以便捷地提供大量新型服务,让用户不再担心为完成自己的业务所带来的高额硬件和人员成本。而作业调度是云计算实施中无可避免的一个环节,它直接影响到资源的利用率和整体效益。在云计算体系中,云用户关心的是自己的需求能否得到保证,利益能否实现,服务是否快捷;云计算提供商也希望在满足众多用户的同时,通过一定的调度策略,降低开销费用,从而获取更多的盈利。国内外的很多研究也集中在云计算的资源调度,通过各种算法,最大程度地发挥云计算的硬件资源能力。
转发和控制分离作为一种新型网络架构,其控制与转发分离的思想为实现虚拟化提供了条件,在转发和控制分离系统中实现虚拟技术的应用有利于控制与转发件的分离,也可以获得更好的故障冗余和管理控制能力。所以我们希望把现有转发和控制分离架构和云计算结合,利用虚拟化技术将物理资源进行映射部署,然后合理调度,以便更为高效的使用资源。基于转发和控制分离架构的并行分布式系统的核心就是CE通过转发和控制分离协议对多FE所拥有的统一描述的逻辑功能块资源进行调度管理。在调度管理过程中,FE类似于经济模型中的资源服务提供者(Resource Service Providers,RSP),逻辑功能块类似于具体的资源,CE类似于资源代理(Resource Agent,RA)。
发明内容
本发明的目的是针对现有技术的不足,提供一种基于经济模型的转发和控制分离网络中的资源调度方法。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1.将资源调度管理划分成用户层、资源经纪层、中间件服务层和资源提供层;
步骤2.用户层接受提交的作业,在应用模块中将作业需求分解成任务列表,并将该任务列表传递给资源经纪层;
步骤3.资源经纪层接收到任务列表后,通过作业控制代理模块将任务列表中的任务与中间件服务层中的市场信息进行统计,确定任务所需资源的组合方案,并将该统计结果反馈给作业控制代理模块,作业控制代理模块将统计结果提交给调度策略模块;
步骤4.资源经纪层的调度策略模块选取统计结果中所需资源的最优组合方案,并将最优的组合方案信息发送给中间件服务层,中间件服务层对最优的组合方案所需资源进行预留;
步骤5.中间件服务层基于资源经纪层中资源使用情况对各类资源进行实时定价,然后向资源提供层请求资源;
步骤6.资源提供层根据资源使用的成本确定长期的资源价格,收取资源使用费用。
步骤1中所述的用户层包括:开发环境和应用模块。其中开发环境是指在基本硬件和数字软件的基础上,为支持系统软件和应用软件的工程化开发和维护而使用的一组软件。应用模块是指将用户提交的作业交与资源经纪层的转发模块。
所述的资源经纪层包括:作业控制代理模块、调度策略模块、交易管理器和任务分派器。其中作业控制代理模块负责作业的实际创建、作业状态的保持和市场信息的统计,并与资源经纪层的调度策略模块进行交互;调度策略模块则为任务列表选择最优组合方案,并通过交易管理器和任务分派器负责与中间件服务层进行交互。
所述的中间件服务层包括:市场信息模块、状态监控模块、交易模块、服务质量模块和任务执行模块。其中市场信息模块和状态监控模块联合使用,动态的记录中间件服务层中的服务信息。交易模块是用户支付所需费用的平台。任务执行模块用于对资源的分配,具体的指资源提供层根据资源经纪层中的任务分派器指定的最优组合方案进行资源的分配工作。
所述的资源提供层包括:交易服务模块、资源预留模块、资源分配模块和逻辑功能块。其中交易服务模块包括价格、记账和其他服务。资源预留模块则是根据指数平滑法对交易服务模块中的记账记录做出预测,并将预测结果发送给资源分配模块。逻辑功能块是对物理资源的描述。
步骤2中所述的用户提交的作业需求包括:所需资源和交易信息;所需资源包括资源偏好、资源类型、资源数量、资源价格;交易信息包括交易价格、交易时间;任务列表是指通过任务分派器对用户作业进行分解,得到更为细化的子任务的组合,且各个子任务的资源需求均记录在任务列表中对应的子任务表格中。
步骤3中所述的通过作业控制代理模块将任务列表中的任务与中间件服务层中的市场信息模块进行统计,确定任务所需资源的组合方案:作业控制代理模块负责作业的实际创建和作业状态的保持,作业控制代理模块根据任务列表中信息和中间件服务层的市场信息模块得出所需资源组合方案。
步骤4中所述的最优的组合方案具体如下:资源经纪层中的调度策略模块通过作业控制代理模块发送来的信息,采用基于代价及时间优先算法为任务列表中的每个子任务选择合适的资源。
步骤5中所述的中间件服务层基于资源经纪层中资源使用情况对各类资源进行实时定价,然后向资源提供层请求资源:中间件服务层通过长期的资源使用纪录,采用指数平滑预测,计算出各类资源的实时价格,该实时价格用于和资源经纪层的资源交易;中间件服务层根据步骤4中所述的预留资源信息,向资源提供层请求该预留资源,并按照与资源提供层约定的长期价格通过交易模块支付资源使用费用。
步骤6中所述的资源提供层根据资源使用的成本确定长期的资源价格,收取资源使用费用:资源提供层将各类物理资源用逻辑功能块资源方式进行描述,无需考虑资源使用情况仅根据与中间件服务层所需的资源的使用成本确定逻辑功能块资源的长期价格,资源提供层根据中间件服务层的请求提供资源并收使用取费用。
本发明有益效果:
本发明构建了基于计算经济模型的转发和控制分离资源管理体系结构,提出了一种基于DBC的代价及时间优先算法(DABP)。从IETF转发和控制分离工作组的工作看,本发明是目前唯一一套具有完整解决方案、可向IETF转发和控制分离工作组申请进行标准化的资源调度算法,目前还未见其它任何有效的解决方法发表。本发明显著优点有:1)满足了用户对任务的需求;2)通过DABP算法,充分利用网络资源,有利于提高网络对外提供的服务性能;3)本发明已经被实际系统使用证明是切实可行的;4)可被标准化的前景使得本发明具有广阔的应用前景和广泛的实际使用效果前景。
附图说明
图1是本发明基于计算经济模型的转发和控制分离资源管理体系结构示意图;
图2是本发明的转发和控制分离资源调度结构示意图;
图3是本发明基于转发和控制分离资源调度模型示意图;
图4为本发明图1中的DABP算法流程图。
具体实施方式
下面结合附图对本发明作进一步的说明。
如图1所示,基于经济模型的转发和控制分离网络中的资源调度方法,通过对模型的研究和资源调度算法的运用,达到提高网络对外的服务性能。具体包括如下步骤:
步骤1.将资源调度管理划分成用户层、资源经纪层、中间件服务层和资源提供层;
步骤2.用户层接受提交的作业,在应用模块中将作业需求分解成任务列表,并将该任务列表传递给资源经纪层;
步骤3.资源经纪层接收到任务列表后,通过作业控制代理模块将任务列表中的任务与中间件服务层中的市场信息进行统计,确定任务所需资源的组合方案,并将该统计结果反馈给作业控制代理模块,作业控制代理模块将统计结果提交给调度策略模块;
步骤4.资源经纪层的调度策略模块选取统计结果中所需资源的最优组合方案,并将最优的组合方案信息发送给中间件服务层,中间件服务层对最优的组合方案所需资源进行预留;
步骤5.中间件服务层基于资源经纪层中资源使用情况对各类资源进行实时定价,然后向资源提供层请求资源;
步骤6.资源提供层根据资源使用的成本确定长期的资源价格,收取资源使用费用。
步骤1中所述的将资源调度管理划分成用户层、资源经纪层、中间件服务层和资源提供层:转发和控制分离网络中的资源调度管理体系结构采用计算经济模型。计算经济模型利用层次模型中相对成熟的技术,强调了以经济模型分析为基础的资源管理和调度,具有典型的计算经济特征。资源管理的计算经济模型使资源所有者更积极地提供资源的共享与更新,也使用户使用资源更加方便,同时,转发和控制分离网络资源都有自己的管理机制和策略,并且根据支持资源的计算经济的需要对不同的用户收取不同的资源费用。在计算经济环境中,资源用户希望最小化费用,而资源所有者希望最大化投资回报。
经济模型是一种分析方法,是指经济理论的数学表述,是经济管理与决策中分析复杂经济现象的重要工具。经济模型主要用来研究经济现象间互相依存的数量关系。经济模型的目的是为了反映经济现象的内部联系及其运动过程,帮助人们进行经济分析和经济预测,解决现实的经济问题。
由于转发和控制分离市场环境包括两个最重要的角色:资源提供者(逻辑功能块)和资源代理(控制件),他们分别代表生产者和消费者。因此,经济学领域中的一些原理是比较适合转发和控制分离环境下的资源分配和任务调度的。如图1所示为基于计算经济模型的转发和控制分离资源管理体系结构,该模型主要由以下四个部分组成:
1)用户层包括:开发环境和应用模块。其中开发环境是指在基本硬件和数字软件的基础上,为支持系统软件和应用软件的工程化开发和维护而使用的一组软件。应用模块是指将用户提交的作业交与资源经纪层的转发模块。具体的:用户对转发和控制分离网络提出自己的要求,包括所需资源和交易所必须的信息,如价格、时间限制、偏好等。用户可使用应用程序,直接向转发和控制分离资源经纪层提出要求。或者用户利用语言编程环境,编写自己的程序提交给资源经纪层。
2)资源经纪层包括:作业控制代理模块、调度策略模块、交易管理器和任务分派器。其中作业控制代理模块负责作业的实际创建、作业状态的保持和市场信息的统计,并与资源经纪层的调度策略模块进行交互;调度策略模块则为任务列表选择最优组合方案,并通过交易管理器和任务分派器负责与中间件服务层进行交互。具体的:资源经纪层使用转发和控制分离中间件服务,在用户和逻辑功能块之间扮演协调认定角色,负责资源发现、资源选择、资源绑定、初始化计算、资源动态更新以及建立资源的单一系统映像等功能,主要由CE、调度策略、交易管理器和任务分派器构成。
3)中间件服务层包括:市场信息模块、状态监控模块、交易模块、服务质量模块和任务执行模块。其中市场信息模块和状态监控模块联合使用,动态的记录中间件服务层中的服务信息。交易模块是用户支付所需费用的平台。任务执行模块用于对资源的分配,具体的指资源提供层根据资源经纪层中的任务分派器指定的最优组合方案进行资源的分配工作。具体的:中间件服务层利用转发和控制分离中间件实现构造转发和控制分离经济模型所需的各种服务,其中包括安全和服务质量控制,提供必要的信息给调度策略分析使用,通过交易中间件连接交易服务器,任务执行模块完成资源的正确分配,存储中间件存储各种必要信息。
4)资源提供层包括:交易服务模块、资源预留模块、资源分配模块和逻辑功能块。其中交易服务模块包括价格、记账和其他服务。资源预留模块则是根据指数平滑法对交易服务模块中的记账记录做出预测,并将预测结果发送给资源分配模块。逻辑功能块是对物理资源的描述。具体的:资源提供层包括所有转发和控制分离网络中逻辑功能块,主要是拥有逻辑功能块的服务供应者(FE)对资源进行合理的分配,以满足交易服务器和资源预约的要求。同时服务提供者按照经济模型制定价格策略和交易原则,以求获得最大利益并最大化资源使用率。交易服务器是服务提供者本身的代理程序,遵循价格策略与用户协商资源使用价格,指导结账系统记录资源消耗情况。服务提供者和用户通过转发和控制分离网络银行和市场服务进行最终结算。
上述基于市场经济原则对资源进行管理的计算经济模型提供了对资源的分散管理能力,并且能适应环境和用户需求的变化,具有可编程、可扩展的特点,非常适合于转发和控制分离网络环境下分布、动态、自治且异构的大量资源的管理和分配。资源管理的计算经济模型在优先和最有效地利用资源方面显示了巨大的潜力。
步骤2中所述的用户提交的作业需求包括:所需资源和交易信息,所需资源包括资源偏好、资源类型、资源数量、资源价格;交易信息包括交易价格、交易时间;任务列表是指通过任务分派器对用户作业进行分解,得到更为细化的子任务的组合,且各个子任务的资源需求均记录在任务列表中对应的子任务表格中。
用户可以向资源经济层提交带有描述信息的作业,作业信息的描述和执行效果,直接影响着用户的满意度。
每个用户向资源经济层提供的作业主要信息有:当前作业完成所预备的开销花费,完成的截止时间等。每个作业包含以下特征:
(1)作业类型,优先考虑作业完成时间还是优先考虑作业完成代价;
(2)作业长度(单位是百万指令)、作业的输入输出数据(单位是字节)、作业执行的开始和截止时间(单位是网格模拟时间单位)以及作业的创建人;
(3)最终期限和预算:最终期限和预算,它们是用户提供的参数。
步骤3中所述的通过作业控制代理模块将任务列表中的任务与中间件服务层中的市场信息进行统计,确定任务所需资源的组合方案:作业控制代理模块负责作业的实际创建和作业状态的保持,作业控制代理模块根据任务列表中信息和中间件服务层的市场信息得出所需资源组合方案。
作业控制代理模块是转发和控制分离网络作业的中心组件,它负责调度的产生、作业的实际创建和作业状态的保持,并与用户、调度策略和任务分派器进行交互;
●在调度策略的资源选择算法指导下,运用一定的经济模型和交互协议来进行资源交易,评估资源的访问开销,为调度策略提供资源选择依据;
●调度策略负责资源发现和资源选择,根据资源信息和用户的服务要求分配优先资源给任务;
●任务分派器负责在选定的资源上激活任务,并周期性地向CE更新任务执行状态。
步骤4中所述的最优的组合方案具体如下:资源经纪层中的调度策略模块通过作业控制代理模块发送来的信息,采用基于代价及时间优先算法为任务列表中的每个子任务选择合适的资源。
参考经济模型、转发和控制分离资源调度模型,为转发和控制分离经济模型提出了一种基于代价及时间优先算法(Deadline and Budget Priority,DABP)。DABP的目的是在满足截止期限和预算约束的前提下,以最小的完成代价完成用户任务,并且花费时间最短。其基本思想是首先把资源按价格升序排列,并分成资源组。对每个任务,在满足限制条件的前提下,尽量提交到最便宜的资源组中最快能完成当前任务的资源上。下面建立一个资源调度中分配问题模型,定义如下基本变量:
Ri(i=1...n),theresourceprocessingcapacityofLFBi.
c[i](i=1...n),theunitpriceofLFBi.
Eri(i=1...n),theearliestexpectedidletimeofLFBi.
Trij(i=1...n,j=1...m),theexpectedtimeforLFBisubmitingTaskj.
w[j],thenumberofTaskj.
pn[i](i=1...n),thenumeberofLFBinFE.
x[i](i=1...n),ifx[i,j]=1,TaskjisassignedtoLFBi.
DABP算法的目标函数:在用户期望的执行时间内和期望的代价中尽可能多的计算任务。
最早执行时间:
Min(Erij+Trij)(i=1...n,j=1...m)
任务执行时间小于期望时间:
Min(w[j]/x[i,j]Ri)<=Trij(i=1...n,j=1...m)
Broker(CE)计算所有资源的平均价格:
P为用户提供的期望代价/时间比,并且用户的期望代价和时间均为正数:
P=Budget/Deadline(P>0)
所有资源的可利用状态:
I=N*P/Price[n](N:correctionprameter)
根据用户给定的deadline和budget以及当前资源的利用状态,本文计算出I值作为资源调度选择各种优先算法的依据。当I<1.5时,选择DP时间最优;否则,选择BP代价最优算法。如图4所示,算法描述:
(1)资源发现:通过市场信息服务MIS查找可用资源信息。
(2)资源交易:与逻辑功能块进行交互,确定逻辑功能块访问成本,计算资源每秒的使用花费和每个逻辑功能块能处理的指令数。
(3)根据用户提供的deadline和budget以及作业长度等,计算出目标函数I=N*P/Price[n]的值选择最优算法。
(4)调度任务:重复以下调度过程直到未处理任务列表为空,或者处理时间达到了用户要求的截止期限deadline,或者执行花费超过了用户预算budget。
a)根据以前的任务完成花费的时间进行计算和推测,预测并确定每个逻辑功能块的使用率。
b)按照逻辑功能块使用价格递增的顺序对资源排序。如果两个或更多资源的价格是相同的,将计算能力更强的排在前面。对每个逻辑功能块,基于它的S使用率,预测并建立该资源在截止期限前可以处理的任务数。
c)生成逻辑功能块组,组中的逻辑功能块都具有相同的价格。
d)按照价格对逻辑功能块组进行排序。
e)对每个逻辑功能块,如果有在前一次调度中分配到的任务但还未执行,把合适数量的任务移至未分配任务列表,有助于逻辑功能块使用率的更新。
f)对于完成所有任务的任务列表中,则从未完成的任务列表中选择一个任务执行。
(5)分配任务:如果还有未分配的任务,对每个资源重复下面步骤。
g)在不超过逻辑功能块负载能力的前提下,确定能够提交到逻辑功能块上的任务数目。
h)按一定的策略分配任务到资源上,一般而言,在用户任务已经部署到资源上的情况下,分配到资源的任务数应少于资源拥有的CPU数。
步骤5中所述的中间件服务层基于资源经纪层中资源使用情况对各类资源进行实时定价,然后向资源提供层请求资源:中间件服务层通过长期的资源使用纪录,采用指数平滑预测对各类资源计算出实时价格,该实时价格用于和资源经纪层的资源交易;中间件服务层根据步骤4中所述的预留资源信息,向资源提供层请求该预留资源,并按照与资源提供层约定的长期价格支付资源使用费用。
中间件服务层的主要任务是进行实时定价,根据预留信息向资源提供层请求资源并支付资源使用费用。中间件服务层在资源调度管理中扮演中间商的角色,协调资源经纪层和资源提供层的价格交易。
步骤6中所述的资源提供层根据资源使用的成本确定长期的资源价格,收取资源使用费用:资源提供层将各类物理资源用逻辑功能块资源方式进行描述,无需考虑资源使用情况仅根据与中间件服务层所需的资源的使用成本确定逻辑功能块资源的长期价格,资源提供层根据中间件服务层的请求提供资源并收使用取费用。
本发明将所有的资源看成是一个资源池。资源提供层就负责提供资源,统计这些资源的具体信息并将信息提交给中间件服务层,在得到中间件服务层的调用请求后,从资源池中调用相应的计算资源提供给用户。
资源提供层,就是首先要实现网络上所有资源的共享,消除资源孤岛。要把这些资源共享,必须先得知道整个网络中存在哪些资源及其分布的位置。资源提供层所包含的信息就是转发和控制分离网络中实际存在的可以用于提供服务的共享资源:包括计算资源(CPU)、存储资源(内存,硬盘等)、I/O(打印机等)等。
如图2所示,是本发明的转发和控制分离资源调度结构示意图,在转发和控制分离网络中,资源调度策略非常重要,直接影响着转发和控制分离网络的综合性能和运行效益。转发和控制分离网络的资源管理中心会根据当前收集的资源使用状况,按照一定的资源分配策略将资源集合R={r1,r2,…,rn}分配给用户的任务集合T={t1,t2,…,tm},并将运行结果返回给用户。其中,资源消费模型中将用户提交的作业任务进行进一步的分解,分解成m个子任务传递给资源代理模型。资源代理层接受到m个子任务后用资源分配算法将之与资源提供商提供的资源进行匹配。
如图3所示,是基于转发和控制分离资源调度模型示意图,它由控制件、转发件和逻辑功能块组成。控制件是整个转发和控制分离网络的代理中心;转发件和逻辑功能块是网络的资源,并且转发件由各逻辑功能块组成以满足不同的业务需求。代理逻辑功能块包含该资源的主要信息如资源所在主机的IP地址,资源的计算能力,初始出价、节点负载等,并将其汇报给转发和控制分离网络的控制件,以供控制件进行资源调度。通过资源提供商和用户所提供的信息,资源代理按照调度算法对作业和资源进行匹配。
本实施例首先使用JAVA语言按照本发明所述的方法编写创建一组任务、创建一组逻辑功能块资源和与本发明相关的其它程序。通过多台PC机搭建一个系统平台来对该实施例进行操作由此获得任务的完成时间,开销,以便判断用户是否满意。下面对本实施例中操作过程进行详细的说明:
Ⅰ:在系统平台上创建一组任务。该任务如表1所示。任务的主要约束参数有任务的类型、长度、截止时间和预算。为了操作的简单起见,本文假定任务只有两种类型:一种任务是花费代价最小,用task_type=0表示;另一种是花费时间最小,用task_type=1表示。此外,用户是理性的,也就是说预算不高的用户对任务的截止完成时间要求也不高,即此类用户的任务完成期限要求相对较低。而对任务的截止完成时间要求较高的用户,他们的任务完成所需要的开销也相对较高。其中,task_deadline表示用户对任务的截止完成时间要求,task_budget表示用户愿意购买资源所付的费用。
表1任务描述表
task_id | task_type | task+length | task_deadline | task_budget |
0 | 0 | 3000 | 50 | 50 |
1 | 0 | 5000 | 80 | 350 |
2 | 0 | 2000 | 50 | 150 |
3 | 1 | 4000 | 10 | 500 |
4 | 1 | 6000 | 15 | 800 |
5 | 1 | 3000 | 10 | 400 |
Ⅱ:创建一组逻辑功能块资源。表2对各个逻辑功能块服务提供商所供应的资源进行了描述。资源的属性可以包括CPU的计算能力,提供的带宽,存储能力等,资源服务商可以靠提供这些服务获取收益。但这里为了简化操作过程,我们仅从资源的计算能力进行考虑。另外,我们假定资源服务商在进行资源定价时是理性的,具体来说就是:所提供资源的计算能力越高,资源的价格才越高。其中,resource_MIPS表示资源的计算能力,而resource_price表示该资源的使用价格。
表2资源描述表
resource_id | resource_MIPS | resource_price |
0 | 100 | 5 |
1 | 200 | 12 |
2 | 300 | 20 |
3 | 400 | 30 |
4 | 800 | 70 |
5 | 1000 | 90 |
6 | 1200 | 110 |
7 | 1500 | 150 |
Ⅲ:按照一定的资源分配策略对表1和表2创建的任务和逻辑功能块资源进行匹配。在此期间,主要记录任务的完成时间,开销,以便判断用户是否满意。其中,用户满意率所判断的依据主要是分配给任务的资源能否满足用户在提交任务时所约束的一些条件。
基于DP算法的资源分配策略,虽然能保证任务在较短时间内完成,但是有的任务并无力偿付其执行开销,反而不符合用户的实际需求;而DABP算法,我们以满足用户的实际需求为目标,更能适应转发和控制分离网络的资源分配需求。
BP算法的资源分配策略并没有充分考虑到用户任务和资源的具体约束,因此,任务的完成时间或者任务的开销可能并不符合用户提出的具体需求,导致在保证用户的满意率上不是很理想;而DABP算法充分考虑了用户的实际需求,因此,能更好的保证用户的满意率。
虽然通过实施例描绘了本发明,本领域普通技术人员知道,本发明有许多变形和变化而不脱离本发明的精神,希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。
Claims (7)
1. 基于经济模型的转发和控制分离网络中的资源调度方法,其特征在于包括如下步骤:
步骤1.将资源调度管理划分成用户层、资源经纪层、中间件服务层和资源提供层;
步骤2.用户层接受提交的作业,在应用模块中将作业需求分解成任务列表,并将该任务列表传递给资源经纪层;
步骤3.资源经纪层接收到任务列表后,通过作业控制代理模块将任务列表中的任务与中间件服务层中的市场信息进行统计,确定任务所需资源的组合方案,并将该统计结果反馈给作业控制代理模块,作业控制代理模块将统计结果提交给调度策略模块;
步骤4.资源经纪层的调度策略模块选取统计结果中所需资源的最优组合方案,并将最优的组合方案信息发送给中间件服务层,中间件服务层对最优的组合方案所需资源进行预留;
步骤5.中间件服务层基于资源经纪层中资源使用情况对各类资源进行实时定价,然后向资源提供层请求资源;
步骤6.资源提供层根据资源使用的成本确定长期的资源价格,收取资源使用费用。
2.如权利要求1中所述的基于经济模型的转发和控制分离网络中的资源调度方法,其特征在于:
步骤1中所述的用户层包括:开发环境和应用模块;其中开发环境是指在基本硬件和数字软件的基础上,为支持系统软件和应用软件的工程化开发和维护而使用的一组软件;应用模块是指将用户提交的作业交与资源经纪层的转发模块;
所述的资源经纪层包括:作业控制代理模块、调度策略模块、交易管理器和任务分派器;其中作业控制代理模块负责作业的实际创建、作业状态的保持和市场信息的统计,并与资源经纪层的调度策略模块进行交互;调度策略模块则为任务列表选择最优组合方案,并通过交易管理器和任务分派器负责与中间件服务层进行交互;
所述的中间件服务层包括:市场信息模块、状态监控模块、交易模块、服务质量模块和任务执行模块;其中市场信息模块和状态监控模块联合使用,动态的记录中间件服务层中的服务信息;交易模块是用户支付所需费用的平台;任务执行模块用于对资源的分配,具体的指资源提供层根据资源经纪层中的任务分派器指定的最优组合方案进行资源的分配工作;
所述的资源提供层包括:交易服务模块、资源预留模块、资源分配模块和逻辑功能块;其中交易服务模块包括价格、记账和其他服务;资源预留模块则是根据指数平滑法对交易服务模块中的记账记录做出预测,并将预测结果发送给资源分配模块;逻辑功能块是对物理资源的描述。
3.如权利要求2中所述的基于经济模型的转发和控制分离网络中的资源调度方法,其特征在于:
步骤2中所述的用户提交的作业需求包括:所需资源和交易信息;所需资源包括资源偏好、资源类型、资源数量、资源价格;交易信息包括交易价格、交易时间;任务列表是指通过任务分派器对用户作业进行分解,得到更为细化的子任务的组合,且各个子任务的资源需求均记录在任务列表中对应的子任务表格中。
4.如权利要求2中所述的基于经济模型的转发和控制分离网络中的资源调度方法,其特征在于:
步骤3中所述的通过作业控制代理模块将任务列表中的任务与中间件服务层中的市场信息模块进行统计,确定任务所需资源的组合方案:作业控制代理模块负责作业的实际创建和作业状态的保持,作业控制代理模块根据任务列表中信息和中间件服务层的市场信息模块得出所需资源组合方案。
5.如权利要求2中所述的基于经济模型的转发和控制分离网络中的资源调度方法,其特征在于:
步骤4中所述的最优的组合方案具体如下:资源经纪层中的调度策略模块通过作业控制代理模块发送来的信息,采用基于代价及时间优先算法为任务列表中的每个子任务选择合适的资源。
6.如权利要求2中所述的基于经济模型的转发和控制分离网络中的资源调度方法,其特征在于:
步骤5中所述的中间件服务层基于资源经纪层中资源使用情况对各类资源进行实时定价,然后向资源提供层请求资源:中间件服务层通过长期的资源使用纪录,采用指数平滑预测,计算出各类资源的实时价格,该实时价格用于和资源经纪层的资源交易;中间件服务层根据步骤4中所述的预留资源信息,向资源提供层请求该预留资源,并按照与资源提供层约定的长期价格通过交易模块支付资源使用费用。
7.如权利要求1中所述的基于经济模型的转发和控制分离网络中的资源调度方法,其特征在于:
步骤6中所述的资源提供层根据资源使用的成本确定长期的资源价格,收取资源使用费用:资源提供层将各类物理资源用逻辑功能块资源方式进行描述,无需考虑资源使用情况仅根据与中间件服务层所需的资源的使用成本确定逻辑功能块资源的长期价格,资源提供层根据中间件服务层的请求提供资源并收使用取费用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310457028.3A CN103533037A (zh) | 2013-09-29 | 2013-09-29 | 基于经济模型的转发和控制分离网络中的资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310457028.3A CN103533037A (zh) | 2013-09-29 | 2013-09-29 | 基于经济模型的转发和控制分离网络中的资源调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103533037A true CN103533037A (zh) | 2014-01-22 |
Family
ID=49934702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310457028.3A Pending CN103533037A (zh) | 2013-09-29 | 2013-09-29 | 基于经济模型的转发和控制分离网络中的资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103533037A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104639631A (zh) * | 2015-02-03 | 2015-05-20 | 浙江工商大学 | 基于mas价格协商的sdn资源交易方法 |
CN104796454A (zh) * | 2014-01-22 | 2015-07-22 | 福特环球技术公司 | 用于云计算的车辆专用计算管理系统 |
CN105207812A (zh) * | 2015-08-28 | 2015-12-30 | 广东三盟信息科技有限公司 | 一种基于业务模型的云计算资源预测方法及系统 |
CN105204947A (zh) * | 2015-10-15 | 2015-12-30 | 云南大学 | 一种基于商业银行模型的混合云计算资源管理系统 |
CN108696596A (zh) * | 2018-05-29 | 2018-10-23 | 南京财经大学 | 云集成无线-光纤混合接入网络中服务组合问题的资源提供方法 |
CN104899026B (zh) * | 2015-05-14 | 2019-08-30 | 青岛环智信息科技有限公司 | 一种商业价值驱动的通用云端应用系统运维中间件 |
CN110301128A (zh) * | 2017-03-02 | 2019-10-01 | 华为技术有限公司 | 基于学习的资源管理数据中心云架构 |
CN111526058A (zh) * | 2020-04-30 | 2020-08-11 | 北京三快在线科技有限公司 | 网络资源的分配方法、装置及存储介质 |
CN112181658A (zh) * | 2020-09-30 | 2021-01-05 | 南京工程学院 | 一种异构网络中最大化网络收益的计算任务分配方法 |
CN114731333A (zh) * | 2019-10-14 | 2022-07-08 | 甲骨文国际公司 | 在中间代理节点处为服务提供有保证的流量带宽的方法、系统和计算机可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101834871A (zh) * | 2010-05-14 | 2010-09-15 | 浙江工商大学 | 一种开放式路由器装置及其方法 |
CN102752192A (zh) * | 2012-04-27 | 2012-10-24 | 浙江工商大学 | 基于SCTP的ForCES传输映射层的带宽分配方法 |
-
2013
- 2013-09-29 CN CN201310457028.3A patent/CN103533037A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101834871A (zh) * | 2010-05-14 | 2010-09-15 | 浙江工商大学 | 一种开放式路由器装置及其方法 |
CN102752192A (zh) * | 2012-04-27 | 2012-10-24 | 浙江工商大学 | 基于SCTP的ForCES传输映射层的带宽分配方法 |
Non-Patent Citations (3)
Title |
---|
BUYYA R,: ""Economic-based distributed resource management and scheduling for grid computing"", 《ARXIV PREPRINT CS/0204048》 * |
BUYYA R,ABRAMSON D,GIDDY J,: ""An Economy Driven Resource Management Architecture for Global Computational Power Grids"", 《INTERNATIONAL CONFERENCE ON PARALLEL AND DISTRIBUTED PROCESSING TECHNIQUES AND APPLICATIONS(PDPTA)》 * |
GUOWEI DAI,BIN ZHUGE,ET AL,: ""Research and implementation of job scheduling algorithm in ForCES cluster router"", 《INTERNATIONAL JOURNAL OF ADVANCEMENTS IN COMPUTING TECHNOLOGY》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796454A (zh) * | 2014-01-22 | 2015-07-22 | 福特环球技术公司 | 用于云计算的车辆专用计算管理系统 |
CN104639631B (zh) * | 2015-02-03 | 2018-02-09 | 浙江工商大学 | 基于mas价格协商的sdn资源交易方法 |
CN104639631A (zh) * | 2015-02-03 | 2015-05-20 | 浙江工商大学 | 基于mas价格协商的sdn资源交易方法 |
CN104899026B (zh) * | 2015-05-14 | 2019-08-30 | 青岛环智信息科技有限公司 | 一种商业价值驱动的通用云端应用系统运维中间件 |
CN105207812A (zh) * | 2015-08-28 | 2015-12-30 | 广东三盟信息科技有限公司 | 一种基于业务模型的云计算资源预测方法及系统 |
CN105207812B (zh) * | 2015-08-28 | 2018-04-17 | 广东三盟信息科技有限公司 | 一种基于业务模型的云计算资源预测方法及系统 |
CN105204947A (zh) * | 2015-10-15 | 2015-12-30 | 云南大学 | 一种基于商业银行模型的混合云计算资源管理系统 |
CN110301128A (zh) * | 2017-03-02 | 2019-10-01 | 华为技术有限公司 | 基于学习的资源管理数据中心云架构 |
CN108696596A (zh) * | 2018-05-29 | 2018-10-23 | 南京财经大学 | 云集成无线-光纤混合接入网络中服务组合问题的资源提供方法 |
CN114731333A (zh) * | 2019-10-14 | 2022-07-08 | 甲骨文国际公司 | 在中间代理节点处为服务提供有保证的流量带宽的方法、系统和计算机可读介质 |
CN111526058A (zh) * | 2020-04-30 | 2020-08-11 | 北京三快在线科技有限公司 | 网络资源的分配方法、装置及存储介质 |
CN112181658A (zh) * | 2020-09-30 | 2021-01-05 | 南京工程学院 | 一种异构网络中最大化网络收益的计算任务分配方法 |
CN112181658B (zh) * | 2020-09-30 | 2024-04-05 | 南京工程学院 | 一种异构网络中最大化网络收益的计算任务分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103533037A (zh) | 基于经济模型的转发和控制分离网络中的资源调度方法 | |
Cheng et al. | Cost-aware job scheduling for cloud instances using deep reinforcement learning | |
Li et al. | Optimal resource provisioning for cloud computing environment | |
CN108009023B (zh) | 混合云中基于bp神经网络时间预测的任务调度方法 | |
Samaan | A novel economic sharing model in a federation of selfish cloud providers | |
Chawla et al. | A study on scheduling methods in cloud computing | |
CN103064744B (zh) | 一种基于SLA的面向多层Web应用的资源优化方法 | |
Li et al. | Efficient resource allocation for optimizing objectives of cloud users, IaaS provider and SaaS provider in cloud environment | |
US8730994B2 (en) | Fair discount for network resource allocation | |
WO2019024445A1 (zh) | 地理分布交互服务云资源协同优化方法 | |
CN109324900A (zh) | 用于按需服务环境中的消息队列的基于竞价的资源共享 | |
US20080300949A1 (en) | Application of brokering methods to security characteristics | |
Quarati et al. | Delivering cloud services with QoS requirements: Business opportunities, architectural solutions and energy-saving aspects | |
Godhrawala et al. | A dynamic Stackelberg game based multi-objective approach for effective resource allocation in cloud computing | |
Cheng et al. | Cost-aware real-time job scheduling for hybrid cloud using deep reinforcement learning | |
US8140446B2 (en) | Application of brokering methods to operational support characteristics | |
Li et al. | Optimization-based resource allocation for software as a service application in cloud computing | |
Ranjan et al. | SLA-based coordinated superscheduling scheme for computational Grids | |
Wang et al. | Adaptive cloud bundle provisioning and multi-workflow scheduling via coalition reinforcement learning | |
Bin et al. | Resource scheduling algorithm and ecnomic model in ForCES networks | |
Wang et al. | A cost-effective service composition method for mass customized QoS requirements | |
Zhou et al. | Dynamic virtual resource renting method for maximizing the profits of a cloud service provider in a dynamic pricing model | |
Mary | Profit maximization for service providers using hybrid pricing in cloud computing | |
Sampaio et al. | Enhancing reliability of compute environments on amazon EC2 spot instances | |
Lijun et al. | Dynamic service provisioning and selection for satisfying cloud applications and cloud providers in hybrid cloud |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140122 |
|
RJ01 | Rejection of invention patent application after publication |