CN104023042A - 云平台资源调度方法 - Google Patents

Abstract

本发明公开一种云平台资源调度方法，包括以下步骤：步骤1.0：求出能处理任务n的服务器集合Set并求出将任务n分配给集合Set中各服务器时云平台中各服务器的平均负载Avg_DC；步骤2.0：计算任务n分配到集合Set中各服务器时，云平台中服务器的负载方差σ_DC(t)，当方差σ_DC(t)最小时，服务n所拟分配的服务器为选定用于处理任务n的服务器。

Description

云平台资源调度方法

技术领域

本发明涉及计算机领域，尤其涉及一种云平台资源调度方法。

背景技术

IaaS(Infrastructure as a Service,基础设施即服务)是一种重要的云计算服务。云计算服务为用户提供包括处理、存储、网络以及其它基本资源的使用，用户可以在其申请到的虚拟资源当中部署或运行应用程序，而不需要了解计算资源提供过程的细节。随着数据中心规模的日益增大，云平台中服务器的数目不断增加，同时虚拟化环境也日趋复杂，急需提升IaaS平面的管理能力，使其能够充分全面的调度数据中心的各项资源。

目前主要是通过代数模型的调度方法解决上述问题，但是忽略云平台内各个服务器之间的负载的均衡度，导致服务器之间的负载不均衡，影响了资源优化配置的同时间接导致了请求的丢失率高，系统的吞吐量小等问题。

发明内容

（一）发明目的

本发明提供一种能使云平台内服务器之间的负载均衡的云平台资源调度方法。

（二）技术方案

为解决上述问题，本发明云平台资源调度方法包括以下步骤：

步骤1.0：通过公式（1）求出能处理任务n的服务器集合Set并根据公式（2）以及公式（3）计算出将任务n分配给集合Set中各服务器时云平台中各服务器的平均负载Avg_DC；

$D_{\mathrm{nk}}+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}\≤C_{\mathrm{ik}}---\left(1\right)$

$P_{\mathrm{DC}}^i\left(t\right)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)}{C_{\mathrm{ik}}}---\left(2\right)$

${\mathrm{Avg}}_{\mathrm{DC}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{DC}}^i\left(t\right)}{N}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[N_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)]}{N{C}_{\mathrm{ik}}}---\left(3\right)$

C_ik为服务器i资源k的总量，N_mi(t-1)为t-1时间单元积压在服务器i上的m类任务，M为任务种类的上限，D_mk为m类任务所消耗资源k的量，D_nk为任务n所需资源k的量，表示的为t时间单元服务器i上的负载，p_ni(t)为t时间单元需分配的任务n分配到服务器i的概率，N为云平台中服务器的数量；

步骤2.0：通过公式（4）计算任务n分配到集合Set中各服务器时，云平台中服务器的负载方差σ_DC(t)，

${\mathrm{\σ}}_{\mathrm{DC}}\left(t\right)=\sqrt{\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{[P_{\mathrm{DC}}^i\left(t\right)-{\mathrm{Avg}}_{\mathrm{DC}}\left(t\right)]}^2}{N}}---\left(4\right)$

当方差σ_DC(t)最小时，服务n所拟分配的服务器为选定用于处理任务n的服务器。

优选地，所述云平台资源调度方法还包括位于步骤1.0与步骤2.0之间的步骤1.1；所述步骤1.1为通过公式（5）计算出集合Set中各服务器拟处理任务n时，t时间单元服务器i的任务积压量q_i(t)以及通过公式（6）计算出t时间单元拟分配到集合Set中服务器i拟处理任务n时任务n在t时间单元占任务积压量q_i(t)的比值O_i(t)；取O_i(t)满足预设要求的集合Set的子集Set1;

q_i(t)=q_i(t-1)-h_i(t)+λ_np_ni(t)    (5)

$O_i\left(t\right)=\frac{{\mathrm{\λ}}_n{p}_{\mathrm{ni}}\left(t\right)}{q_i\left(t\right)}---\left(6\right)$

其中，所述t时间单元服务器i处理掉的任务数目为h_i(t)，λ_n为任务n到达服务器i的速率；

则所述步骤2.0通过公式（4）计算任务n分配到集合Set1中各服务器时，云平台中服务器的负载方差σ_DC(t)；且当方差σ_DC(t)最小时，服务n所拟分配的的服务器为选定用于处理任务n的服务器。

优选地，若所述集合Set1中服务器的个数大于Nβ，则对Set1各服务器的剩余资源由多到少进行排序，选择前Nβ个服务器组成集合Set1的子集Set1.1，β为优化参数；

则所述步骤2.0通过公式（4）计算任务n分配到集合Set1.1中各服务器时，云平台中服务器的负载方差σ_DC(t)；且当方差σ_DC(t)最小时，任务n所拟分配的的服务器为选定用于处理任务n的服务器。

优选地，所述云平台资源调度方法还包括选择任务n的步骤；

所述选择任务n的步骤又包括以下具体步骤：

步骤S1：通过公式（7）以及公式（8）计算t时间单元内总待分配任务量L(t)，所述L_m(t)为t时间单元内m类任务的请求数目，A_m(t)为t时间单元内新到达的请求数目，H_m(t)为t时间单元内完成的请求数目；

L_m(t)=L_m(t-1)+A_m(t)-H_m(t)   （7）

$L\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{L}_m\left(t\right)---\left(8\right)$

步骤S2：判断公式（9）是否成立，是则选取待分配任务中所需消耗的资源最大的任务为任务n，否则根据公式（10）选取W_u最大的任务为任务n

$\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[L_m\left(t\right)+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{B}_{\mathrm{mi}}(t-1)]\≤{\mathrm{Max}}_{\mathrm{queueLength}---\left(9\right)}$

$W_u=D_{{\mathrm{Map}}_u}{T}_u---\left(10\right)$

Max_queueLength为等待队列长度，B_mi(t-1)为t-1时间单元内积压的等待分配的m类任务，W_u为待分配任务u的权重，为待分配任务u所需消耗的资源量，T_u为待分配任务u在等待序列中积压的时间单元数。

（三）本发明的有益效果

本发明云平台资源调度方法，通过公式（1）～（4）的应用，选取了既能处理任务n同时使服务器之间保持负载均衡的服务器完成任务n，这样就保证了云平台中各服务器之间的负载的均匀，避免了个别服务器不堪重任，个别服务器资源闲置的状况，优化了资源的配置，间接的降低了请求的丢失率，提高了系统的吞吐量。

附图说明

图1为本发明实施例三所述云平台资源调度方法的流程图；

图2是本发明实施例四所述的云平台资源调度方法与其他调度方法调度效果比较图。

具体实施方式

下面结合说明书附图以及实施例对本发明云平台资源调度方法的一步的说明。

实施例一：

本实施例云平台资源调度方法包括以下步骤：

步骤1.0：通过公式（1）求出能处理任务n的服务器集合Set并根据公式（2）以及公式（3）计算出将任务n分配给集合Set中各服务器时云平台中各服务器的平均负载Avg_DC；

$D_{\mathrm{nk}}+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}\≤C_{\mathrm{ik}}---\left(1\right)$

$P_{\mathrm{DC}}^i\left(t\right)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)}{C_{\mathrm{ik}}}---\left(2\right)$

${\mathrm{Avg}}_{\mathrm{DC}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{DC}}^i\left(t\right)}{N}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[N_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)]}{N{C}_{\mathrm{ik}}}---\left(3\right)$

表示的为t时间单元服务器i上的负载，N_mi(t-1)为t-1时间单元积压在服务器i上的m类任务，M为任务种类的上限，N为云平台中服务器的数量，D_mk为m类任务所消耗资源k的量，p_ni(t)为t时间单元需分配的任务n分配到服务器i的概率，D_nk为任务n所需资源k的量，C_ik为服务器i资源k的总量；所述资源k可以是硬盘，内存以及CPU等资源中的一种；

在本步骤中公式（1）求出能用于处理任务n的服务器的集合Set；接着通过公式（2）计算出若将任务n分配的结合Set中任意一个服务器时云平台中各服务器的负载，再通过公式（3）计算出任务n分配到集合Set中入任意一个服务器时云平台中各服务器的资源负载的平均负载。

步骤2.0：通过公式（4）计算任务n分配到集合Set中各服务器时，云平台中服务器的负载方差σ_DC(t)，

${\mathrm{\σ}}_{\mathrm{DC}}\left(t\right)=\sqrt{\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{[P_{\mathrm{DC}}^i\left(t\right)-{\mathrm{Avg}}_{\mathrm{DC}}\left(t\right)]}^2}{N}}---\left(4\right)$

当方差σ_DC(t)最小时，服务n所拟分配的服务器为选定用于处理任务n的服务器。

通过公式（4）的计算任务n拟分配到集合Set中入任意一个服务器时可得出云平台中各服务器负载的均衡方差，通过方差的定义可知，方差越小说明服务器之间的负载均衡度越高。故通过比较可简便的选出使服务器之间负载最为均衡的任务n的分配方法即服务器的资源调度方法，故本实施例提供了一种简便快捷的实现云平台内服务器之间负载均匀的调度方法，使得服务器之间负载均匀，从而优化了服务器中各资源的调配，且间接的提高了系统的吞吐量，降低了云平台系统的请求丢失率。

实施例二：

本实施例云平台资源调度方法包括以下步骤：

步骤1.0：通过公式（1）求出能处理任务n的服务器集合Set并根据公式（2）以及公式（3）计算出将任务n分配给集合Set中各服务器时云平台中各服务器的平均负载Avg_DC；

$D_{\mathrm{nk}}+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}\≤C_{\mathrm{ik}}---\left(1\right)$

$P_{\mathrm{DC}}^i\left(t\right)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)}{C_{\mathrm{ik}}}---\left(2\right)$

${\mathrm{Avg}}_{\mathrm{DC}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{DC}}^i\left(t\right)}{N}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[N_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)]}{N{C}_{\mathrm{ik}}}---\left(3\right)$

C_ik为服务器i资源k的总量，N_mi(t-1)为t-1时间单元积压在服务器i上的m类任务，M为任务种类的上限，D_mk为m类任务所消耗资源k的量，D_nk为任务n所需资源k的量，表示的为t时间单元服务器i上的负载，p_ni(t)为t时间单元需分配的任务n分配到服务器i的概率，N为云平台中服务器的数量；

步骤1.1：通过公式（5）计算出集合Set中各服务器拟处理任务n时，t时间单元服务器i的任务积压量q_i(t)以及通过公式（6）计算出t时间单元拟分配到集合Set中服务器i拟处理任务n时任务n在t时间单元占任务积压量q_i(t)的比值O_i(t)；取O_i(t)满足预设要求的集合Set的子集Set1;

q_i(t)=q_i(t-1)-h_i(t)+λ_np_ni(t)    (5)

$O_i\left(t\right)=\frac{{\mathrm{\λ}}_n{p}_{\mathrm{ni}}\left(t\right)}{q_i\left(t\right)}---\left(6\right)$

其中，所述t时间单元服务器i处理掉的任务数目为h_i(t)，λ_n为任务n到达的速率期望；服务调度的中，任务请求的到达通常服从泊松分布，故λ_n可为泊松分布的强度；

步骤2.0：通过公式（4）计算任务n分配到集合Set1中各服务器时，云平台中服务器的负载方差σ_DC(t)，

${\mathrm{\σ}}_{\mathrm{DC}}\left(t\right)=\sqrt{\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{[P_{\mathrm{DC}}^i\left(t\right)-{\mathrm{Avg}}_{\mathrm{DC}}\left(t\right)]}^2}{N}}---\left(4\right)$

当方差σ_DC(t)最小时，服务n所拟分配的服务器为选定用于处理任务n的服务器。

在本实施例中通过公式（5）以及公式（6）的引入，不仅考虑了服务器之间的负载均衡的问题，且同步考虑了不同服务器的任务积压情况。

实施例三：

如图1所示，本实施例云平台资源调度方法包括以下步骤：

步骤1.0：通过公式（1）求出能处理任务n的服务器集合Set并根据公式（2）以及公式（3）计算出将任务n分配给集合Set中各服务器时云平台中各服务器的平均负载Avg_DC；

$D_{\mathrm{nk}}+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}\≤C_{\mathrm{ik}}---\left(1\right)$

$P_{\mathrm{DC}}^i\left(t\right)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)}{C_{\mathrm{ik}}}---\left(2\right)$

${\mathrm{Avg}}_{\mathrm{DC}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{DC}}^i\left(t\right)}{N}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[N_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)]}{N{C}_{\mathrm{ik}}}---\left(3\right)$

C_ik为服务器i资源k的总量，N_mi(t-1)为t-1时间单元积压在服务器i上的m类任务，M为任务种类的上限，D_mk为m类任务所消耗资源k的量，D_nk为任务n所需资源k的量，表示的为t时间单元服务器i上的负载，p_ni(t)为t时间单元需分配的任务n分配到服务器i的概率，N为云平台中服务器的数量；

步骤1.1：通过公式（5）计算出集合Set中各服务器拟处理任务n时，t时间单元服务器i的任务积压量q_i(t)以及通过公式（6）计算出t时间单元拟分配到集合Set中服务器i拟处理任务n时任务n在t时间单元占任务积压量q_i(t)的比值O_i(t)；取O_i(t)满足预设要求的集合Set的子集Set1;

q_i(t)=q_i(t-1)-h_i(t)+λ_np_ni(t)    (5)

$O_i\left(t\right)=\frac{{\mathrm{\λ}}_n{p}_{\mathrm{ni}}\left(t\right)}{q_i\left(t\right)}---\left(6\right)$

其中，所述t时间单元服务器i处理掉的任务数目为h_i(t)，λ_n为任务n到达服务器i的速率；通常所说的预设要求可以是O_i(t)小于一定阈，也可以是最小的一个或多个O_i(t)等预设要求；

步骤1.2：若所述集合Set1中服务器的个数大于Nβ，则对Set1各服务器的剩余资源由多到少进行排序，选择前Nβ个服务器组成集合Set1的子集Set1.1

步骤2.0：若所述集合Set1中服务器的个数大于Nβ，则通过公式（4）计算任务n分配到集合Set1.1中各服务器时，云平台中服务器的负载方差σ_DC(t)，否则通过公式（4）计算任务n分配到Set1中各服务器时云平台中服务器的负载方差σ_DC(t)，

${\mathrm{\σ}}_{\mathrm{DC}}\left(t\right)=\sqrt{\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{[P_{\mathrm{DC}}^i\left(t\right)-{\mathrm{Avg}}_{\mathrm{DC}}\left(t\right)]}^2}{N}}---\left(4\right)$

当方差σ_DC(t)最小时，服务n所拟分配的服务器为选定用于处理任务n的服务器。

在本实施例中，进一步的考虑了服务器的剩余资源的量，进一步的优化了资源的配置，同时减少了当集合Set1中元素较多时的计算量。

实施例四：

本实施例所述的云平台资源调度方法是在上述任一实施例的基础上进行的进一步改进，区别是所述云平台资源调度方法还包括选择任务n的步骤；

所述选择任务n的步骤又包括以下具体步骤：

步骤S1：通过公式（7）以及公式（8）计算t时间单元内总待分配任务栏量L(t)，所述L_m(t)为t时间单元内m类任务的请求数目，A_m(t)为t时间单元内新到达的请求数目，H_m(t)为t时间单元内完成的请求数目；

L_m(t)=L_m(t-1)+A_m(t)-H_m(t)    （7）

$L\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{L}_m\left(t\right)---\left(8\right)$

步骤S2：判断公式（9）是否成立，是则选取待分配任务中所需消耗的资源最大的任务为任务n，否则根据公式（10）选取W_u最大的任务为任务n

$\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[L_m\left(t\right)+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{B}_{\mathrm{mi}}(t-1)]\≤{\mathrm{Max}}_{\mathrm{queueLength}---\left(9\right)}$

$W_u=D_{{\mathrm{Map}}_u}{T}_u---\left(10\right)$

Max_queueLength为等待队列长度，B_mi(t-1)为t-1时间单元内积压的等待分配的m类任务，W_u为待分配任务u的权重，为待分配任务u所需消耗的资源量，T_u为待分配任务u在等待序列中积压的时间单元数。

在本实施例中选择任务n的时候，当等待队列未满，即等待分配的任务的总量小于等待队列所容许的最大值时，此t时间单元内的请求的丢失率将为0，优先选择消耗资源较大的任务继续分配处理，以减少大消耗量的任务的积压，以免大消耗量的任务的堆积导致后续当等待队列满负荷时请求丢失率高的问题。当等待队列中待分配的任务达到极限时，则优先处理考虑任务在等待队列中积压的而时间以及且将消耗的资源（而通常消耗的资源与完成任务的时间成正比）的乘积，以选出较为优化的任务n，在较大限度的使等待队列趋于不饱和状态的同时考虑任务的分配效率。

在本实施例中，不仅充分的考虑到了服务器之间的负载是否均衡，同时考虑到了任务的属性，以提供任务处理的效率，降低请求的丢失，从而进一步的优化了云平台内资源的调度。

图2中所示的是采用本实施例所述的云平台资源调度方法与其他调度方法对一包含有6台服务器的云平台的调度，对云平台的不同应的调度效果图。从图示中可知，由于本实施例所述的云平台调度方法兼顾了服务器的负载均衡以及任务请求丢失率，相比通用的调度策略明显降低了总的任务积压量。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (4)

1.一种云平台资源调度方法，其特征在于，所述云平台资源调度方法包括以下步骤：

步骤1.0：通过公式（1）求出能处理任务n的服务器集合Set并根据公式（2）以及公式（3）计算出将任务n分配给集合Set中各服务器时云平台中各服务器的平均负载Avg_DC；

$D_{\mathrm{nk}}+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}\≤C_{\mathrm{ik}}---\left(1\right)$

$P_{\mathrm{DC}}^i\left(t\right)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{N}_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)}{C_{\mathrm{ik}}}---\left(2\right)$

${\mathrm{Avg}}_{\mathrm{DC}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{DC}}^i\left(t\right)}{N}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[N_{\mathrm{mi}}(t-1)D_{\mathrm{mk}}+D_{\mathrm{nk}}{p}_{\mathrm{ni}}\left(t\right)]}{N{C}_{\mathrm{ik}}}---\left(3\right)$

C_ik为服务器i资源k的总量，N_mi(t-1)为t-1时间单元积压在服务器i上的m类任务，M为任务种类的上限，D_mk为m类任务所消耗资源k的量，D_nk为任务n所需资源k的量，表示的为t时间单元服务器i上的负载，p_ni(t)为t时间单元需分配的任务n分配到服务器i的概率，N为云平台中服务器的数量；

步骤2.0：通过公式（4）计算任务n分配到集合Set中各服务器时，云平台中服务器的负载方差σ_DC(t)，

${\mathrm{\σ}}_{\mathrm{DC}}\left(t\right)=\sqrt{\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{[P_{\mathrm{DC}}^i\left(t\right)-{\mathrm{Avg}}_{\mathrm{DC}}\left(t\right)]}^2}{N}}---\left(4\right)$

当方差σ_DC(t)最小时，服务n所拟分配的服务器为选定用于处理任务n的服务器。

2.根据权利要求1所述的云平台资源调度方法，其特征在于，所述云平台资源调度方法还包括位于步骤1.0与步骤2.0之间的步骤1.1；所述步骤1.1为通过公式（5）计算出集合Set中各服务器拟处理任务n时，t时间单元服务器i的任务积压量q_i(t)以及通过公式（6）计算出t时间单元拟分配到集合Set中服务器i拟处理任务n时任务n在t时间单元占任务积压量q_i(t)的比值O_i(t)；取O_i(t)满足预设要求的集合Set的子集Set1;

q_i(t)=q_i(t-1)-h_i(t)+λ_np_ni(t)    (5)

$O_i\left(t\right)=\frac{{\mathrm{\λ}}_n{p}_{\mathrm{ni}}\left(t\right)}{q_i\left(t\right)}---\left(6\right)$

其中，所述t时间单元服务器i处理掉的任务数目为h_i(t)，λ_n为任务n到达服务器i的速率；

则所述步骤2.0通过公式（4）计算任务n分配到集合Set1中各服务器时，云平台中服务器的负载方差σ_DC(t)；且当方差σ_DC(t)最小时，服务n所拟分配的的服务器为选定用于处理任务n的服务器。

3.根据权利要求2所述的云平台资源调度方法，其特征在于，若所述集合Set1中服务器的个数大于Nβ，则对Set1各服务器的剩余资源由多到少进行排序，选择前Nβ个服务器组成集合Set1的子集Set1.1，β为优化参数；

则所述步骤2.0通过公式（4）计算任务n分配到集合Set1.1中各服务器时，云平台中服务器的负载方差σ_DC(t)；且当方差σ_DC(t)最小时，任务n所拟分配的的服务器为选定用于处理任务n的服务器。

4.根据权利要求1-3任一所述的云平台资源调度方法，其特征在于，所述云平台资源调度方法还包括选择任务n的步骤；

所述选择任务n的步骤又包括以下具体步骤：

步骤S1：通过公式（7）以及公式（8）计算t时间单元内总待分配任务量L(t)，所述L_m(t)为t时间单元内m类任务的请求数目，A_m(t)为t时间单元内新到达的请求数目，H_m(t)为t时间单元内完成的请求数目；

L_m(t)=L_m(t-1)+A_m(t)-H_m(t)    （7）

$L\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{L}_m\left(t\right)---\left(8\right)$

步骤S2：判断公式（9）是否成立，是则选取待分配任务中所需消耗的资源最大的任务为任务n，否则根据公式（10）选取W_u最大的任务为任务n

$\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[L_m\left(t\right)+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{B}_{\mathrm{mi}}(t-1)]\≤{\mathrm{Max}}_{\mathrm{queueLength}---\left(9\right)}$

$W_u=D_{{\mathrm{Map}}_u}{T}_u---\left(10\right)$

Max_queueLength为等待队列长度，B_mi(t-1)为t-1时间单元内积压的等待分配的m类任务，W_u为待分配任务u的权重，为待分配任务u所需消耗的资源量，T_u为待分配任务u在等待序列中积压的时间单元数。