CN106611277A - 混合云模式下的一种云资源调度方法 - Google Patents
混合云模式下的一种云资源调度方法 Download PDFInfo
- Publication number
- CN106611277A CN106611277A CN201610319208.9A CN201610319208A CN106611277A CN 106611277 A CN106611277 A CN 106611277A CN 201610319208 A CN201610319208 A CN 201610319208A CN 106611277 A CN106611277 A CN 106611277A
- Authority
- CN
- China
- Prior art keywords
- cloud
- slot
- task
- resource
- subtask
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Biodiversity & Conservation Biology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了混合云模式下的一种云资源调度方法,该方法以服务级别为基础,对服务级别进行量化比较,以动态调整自有云和外部云分配建立混合云下的调度模型,以实现混合云下的最优任务调度的最优分配。在分配中,考虑自有云和外部云的使用代价,任务的执行时间约束条件,任务数据量的存储和流动代价、执行时间、传输时间、资源权重等问题,将这些影响因素建立成一个混合云模式下的资源调度模型,并求其最优解。
Description
所属领域
本发明涉及云计算、云调度、云资源管理领域。
背景技术
互联网数据处理信息的增大,需求企业在硬件、软件和服务支持上做出更大的投资,传统方法是企业自建大型数据中心;然而云计算的提出,提供了一种代替企业自建数据中心的方法,企业可以选择在原有的设施基础上布置企业的关键数据、关键应用,在企业自有云环境中处理这些核心的,关键的信息,当企业自有云不足时候,在有计算需求时候,在考虑购买外部提供的云服务,这种既有企业自有云参与,又有租用外部云服务的方式,称他为混合云。
企业自有云可以作为固定资产,在企业自有云在有空闲的情况下,尽量将云计算限定在内部完成,只有在自有云条件不足时候,才会使用外部云服务,所以,这样的云组成如何实现价值最大化,成本最低化就是需要解决的问题,在现在所用的方法中主要是将混合云中的负载分为基本负载和进入负载,基本负载是处理私有数据所产生的负载,将一般的负载问题转化为一个超图分割问题进行求解;还有就是使用遗传算法对任务进行调度,通过定义成本函数实现最小代价的调度,这些方法着重于稳定性、灵活性和安全负载均衡实现,具有一定的优越性,但是在混合云中使用并不完全契合,很难实现混合云中的约束条件。
发明内容
针对上述不足,本发明所解决的技术问题是混合云模式下的一种云资源调度方法。
本发明所采用的技术方案是:混合云模式下的一种云资源调度方法,该方法以服务级别为基础,对服务级别进行量化比较,以动态调整自有云和外部云分配建立混合云下的调度模型,以实现混合云下的最优任务调度的最优分配。在分配中,考虑自有云和外部云的使用代价,任务的执行时间约束条件,任务数据量的存储和流动代价、执行时间、传输时间、资源权重等问题,将这些影响因素建立成一个混合云模式下的资源调度模型,并求其最优解,求解步骤如下:
步骤1:任务权重分配
步骤2:计算插槽的估计完成时间
步骤3:候选插槽调度
步骤4:在插槽队列中选择在需要转移到外部云的子任务
步骤5:按照最小服务花费选择外部服务云的插槽
本发明的有益效果是:本方法能弥补现有技术在混合云技术的不足,能更好的在混合云中使用,并且在混合云环境中能以最小成本实现云资源的调度。
具体实施方式
以下详细描述此发明。
在云计算的执行中,默认企业自有云的使用代价是固定的,只有当其满负荷后,才会调度外部提供的云资源;并且已经与外部云资源服务商达成协议,其服务费用、服务能力、服务时间等作出相关规定。当企业自有云需要调度外部云共同完成应用时,需要选择支付成本最少的公有云进行调度。因此,混合云环境下的服务级别约束主要体现在应用对企业自有云的实时性要求和私有云调度公有云资源的代价问题。自有云和外部云的调度有不同的目标:对自有云而言,如何最大化利用现有资源是最值得关心的问题;而外部云的问题是如何最小化租用的成本。当新的任务到达调度器时,将所有未完成的任务放置到调度池中等待调度,而执行完的任务需要移出调度池。
本发明的具体实施步骤如下。
一、建立混合云模式下的调度模型
一个任务,包含j个子任务,每一个子任务中,影响调度的因素有任务时间制约,任务代码数量(百万指令,用MIS表示),子任务数据量(单位为比特),还有租用外部服务云的计算代价;在这些子任务中,如果子任务大且不能分割,将其作为串行子任务处理。影响整体调度的因素有资源插槽,包括企业自有云的资源插槽和外部服务云的资源插槽其计算能力用μ表示(单位为百万指令/秒,),插槽的磁盘运算速度,用来指示数据读写的速度,在调度数据分配的时候不可用。规定一个资源插槽在同一时刻只能运行一个子任务,插槽是虚拟机组成的最小单位。因此,实体机形成的虚拟机包含的插槽数目由实体机的CPU核心数来规定。
在外部服务云中,计算、存储、复制传输都需要考虑花费,所以网络传输速度也就是网络宽带也是模型中的影响因子。租用外部服务云可以定义为具有不同定价策略而形成的额外费用,则混合云中的成本变化主要在租外部服务云资源时产生。
在资源分配时候,分配的方式受资源权重支配调度器可以根据先算出的资源权重大小决定每个任务需要分配多少资源。所以整个调度问题可以转化为在企业私有云资源和外部云资源使用价格可知的情况下,如何分配需要调度的子任务才可以使得私有云上的资源得到最大化利用,并且使用外部资源的代价最小。所以将调度模型建立为:
其中Cost.F[k]表示使用外部服务云的成本,k表示自有云资源插槽标号,i表示第i个任务,j表示i任务下第j个子任务,Tee[k,ij]表示预计执行时间,Tes[k]表示预计完成时间。
(1)定义该模型的各部分求解公式如下:
1)定义:
其中:Cij表示子任务代码大小,cCk表示计算价格;
Dij表示子任务数据大小,cDk表示计算价格;
分别表示数据复制进出插槽的价格;
2)定义:
其中:Prμk表示自有云插槽计算能力,NB表示网速,DSk表示
自有云磁盘读写速度的意义是传输时间。
3)定义:表示预计完成时间,即还有多少时间
企业自有云资源插槽k可以调度下一个子任务。
综上1)、2)、3)可得模型最终表达式为:
(2)调度模型成立,还有相关的约束条件,即需要满足下列约
束时候,模型才能执行:
约束条件一:表示任务i在企业自有云中的时间约束,其中Ti表示子任务的时间决定条件;
约束条件二:表示任务i在外部服务云的预算控制,其中Ci表示租用云的服务代价。
二、该调度模型的计算过程
步骤1:任务权重分配
当新的任务到达调度器时,为了避免需求资源不多时候不能通过调度获取到资源,所以设计了依据资源权重进行分配的方式,计算每一个任务需要分配到资源插槽上的量,先假设全部资源分布在企业自有云的插槽上,计算产生多少任务副本数量及分布情况,再形成分布集合,资源权重的计算方法为:
其中,N为任务i的子任务数量,表达式也表示任务i在资源插槽中的分布情况;调度器可以根据先算出的资源权重大小决定每个任务需要分配多少资源。
步骤2:计算插槽的估计完成时间
计算标号为k的资源插槽的Tee[k]+Tes[k],得到的结果高于时间约束条件Di,则插槽不执行子任务,所有满足子任务时间约束条件的插槽,形成候选集合(NR),用以确定是否需要使用外部提供的云资源。
步骤3:候选插槽调度
步骤2中确定了插槽的候选集,根据最小执行时间将子任务分配到资源插槽由于规划的目的是使用最小的执行时间完成子任务,所以在需要进行子任务迁移时需要计算传输时延。对于候选插槽集合NR中,k表示标号为k的插槽,如果任务Vij∈Lk,Lk为任务在插槽上的信息副本:计算否则计算:由此计算实现在最小完成时间约束条件下的插槽选择。
步骤4:在插槽队列中选择在需要转移到外部云的子任务
由于任务要求不同,当新产生的任务导致自有云资源不足完成时候,计算是否有必要转移未执行任务到外部服务云中进行计算,所以对子任务队列重选择,设Q为子任务队列,Vij∈Q,q∈PRq:
如果Tee[q,ij]≤Ti,P←Vij
则:
步骤5:按照最小服务花费选择外部服务云的插槽以花费代价作为动态规划的目标,首先用完成时间约束查找可选的公有云插槽集合PRq;然后针对该集合找出最小代价组合。设P为在外部服务云上的任务集合,可选的插槽为PRq,Vij∈P,q∈PRq,则:PRq←Vij;计算最终结果min{Cost.F[k]}=R[N·M]。至此,按照约束条件下的最小花费选择外部服务云的模型。求解完毕,R[N·M]便是任务在企业自有云和外部服务云上分布的矩阵。
Claims (4)
1.混合云模式下的一种云资源调度方法,本发明涉及云计算、云调度、云资源管理领域,其特征是:该方法以服务级别为基础,对服务级别进行量化比较,以动态调整自有云和外部云分配建立混合云模式下的调度模型,以实现混合云下的最优任务调度的最优分配,在分配中,考虑自有云和外部云的使用代价,任务的执行时间约束条件,任务数据量的存储和流动代价、执行时间、传输时间、资源权重等问题,将这些影响因素建立成一个混合云模式下的资源调度模型,并求其最优解,求解步骤如下:
步骤1:任务权重分配;
步骤2:计算插槽的估计完成时间;
步骤3:候选插槽调度;
步骤4:在插槽队列中选择在需要转移到外部云的子任务;
步骤5:按照最小服务花费选择外部服务云的插槽。
2.根据权利要求1中所述的混合云模式下的一种云资源调度方法,其特征是:混合云模式下的调度模型如下:
其中: 表示使用外部服务云的成本,k表示自有云资源插槽标号,i表示第i个任务,j表示i任务下第j个子任务, 表示预计执行时间,表示预计完成时间;
该模型具体如下:
其中: 表示子任务代码大小,表示计算价格;表示子任务数据大小,表示计算价格;分别表示数据复制进出插槽的价格; 表示自有云插槽计算能力,NB表示网速, 表示自有云磁盘读写速度 的意义是传输时间;表示预计完成时间,即还有多少时间企业自有云资源插槽k可以调度下一个子任务。
3.根据权利要求2中所述的混合云模式下的一种云资源调度方法,其特征是:该调度模型的约束条件为:
约束条件一:
表示任务i在企业自有云中的时间约束,其中表示子任务的时间决定条件;
约束条件二:
表达式表示任务i在外部服务云的预算控制,其中表示租用云的服务代价。
4.根据权利要求1中所述的混合云模式下的一种云资源调度方法,其特征是:该模型具体地求解步骤如下:
步骤1:任务权重分配
资源权重的计算方法为:
其中,N为任务i的子任务数量,表达式也表示任务i在资源插槽中的分布情况;调度器可以根据先算出的资源权重大小决定每个任务需要分配多少资源;
步骤2:计算插槽的估计完成时间
计算标号为k的资源插槽的,得到的结果高于时间约束条件 ,则插槽不执行子任务,所有满足子任务时间约束条件的插槽,形成候选集合(NR),用以确定是否需要使用外部提供的云资源;
步骤3:候选插槽调度
对于候选插槽集合NR中,k表示标号为k的插槽,如果任务,为任务在插槽上的信息副本,,计算,否则计算
,由此计算实现在最小完成时间约束条件下的插槽选择;
步骤4:在插槽队列中选择在需要转移到外部云的子任务
由于任务要求不同,当新产生的任务导致自有云资源不足完成时候,计算是否有必要转移未执行任务到外部服务云中进行计算,所以对子任务队列重选择,设Q为子任务队列如果
则:
步骤5:按照最小服务花费选择外部服务云的插槽
以花费代价作为动态规划的目标,首先用完成时间约束查找可选的公有云插槽集合然后针对该集合找出最小代价组合;
设P为在外部服务云上的任务集合,可选的插槽则:;计算最终结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610319208.9A CN106611277A (zh) | 2016-05-13 | 2016-05-13 | 混合云模式下的一种云资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610319208.9A CN106611277A (zh) | 2016-05-13 | 2016-05-13 | 混合云模式下的一种云资源调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106611277A true CN106611277A (zh) | 2017-05-03 |
Family
ID=58614776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610319208.9A Pending CN106611277A (zh) | 2016-05-13 | 2016-05-13 | 混合云模式下的一种云资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106611277A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107317836A (zh) * | 2017-05-16 | 2017-11-03 | 北京交通大学 | 一种混合云环境下时间可感知的请求调度方法 |
CN107749896A (zh) * | 2017-11-13 | 2018-03-02 | 天津开心生活科技有限公司 | 私有云并行控制方法及装置、存储介质及电子终端 |
CN107947983A (zh) * | 2017-11-24 | 2018-04-20 | 云南大学 | 一种云平台中资源利用率最大化的公平分配方法 |
CN108009023A (zh) * | 2017-11-29 | 2018-05-08 | 武汉理工大学 | 混合云中基于bp神经网络时间预测的任务调度方法 |
CN108287666A (zh) * | 2018-01-16 | 2018-07-17 | 中国人民公安大学 | 用于云存储环境的数据存储方法及装置 |
CN108769105A (zh) * | 2018-04-12 | 2018-11-06 | 昆明理工大学 | 一种云环境下的知识服务多任务调度优化方法及其构建的调度系统 |
CN109889573A (zh) * | 2019-01-14 | 2019-06-14 | 武汉理工大学 | 混合云中基于ngsa多目标的副本放置方法 |
CN111813558A (zh) * | 2020-07-23 | 2020-10-23 | 莫毓昌 | 一种面向混合云的资源调度方法 |
US20220237047A1 (en) * | 2021-01-26 | 2022-07-28 | International Business Machines Corporation | Forecast of resources for unprecedented workloads |
-
2016
- 2016-05-13 CN CN201610319208.9A patent/CN106611277A/zh active Pending
Non-Patent Citations (1)
Title |
---|
徐晓峰等: "一种混合云环境下SLA约束的云资源调度方法", 《电信科学》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107317836A (zh) * | 2017-05-16 | 2017-11-03 | 北京交通大学 | 一种混合云环境下时间可感知的请求调度方法 |
CN107749896A (zh) * | 2017-11-13 | 2018-03-02 | 天津开心生活科技有限公司 | 私有云并行控制方法及装置、存储介质及电子终端 |
CN107947983A (zh) * | 2017-11-24 | 2018-04-20 | 云南大学 | 一种云平台中资源利用率最大化的公平分配方法 |
CN108009023A (zh) * | 2017-11-29 | 2018-05-08 | 武汉理工大学 | 混合云中基于bp神经网络时间预测的任务调度方法 |
CN108009023B (zh) * | 2017-11-29 | 2022-06-03 | 武汉理工大学 | 混合云中基于bp神经网络时间预测的任务调度方法 |
CN108287666B (zh) * | 2018-01-16 | 2021-01-26 | 中国人民公安大学 | 用于云存储环境的数据存储方法及装置 |
CN108287666A (zh) * | 2018-01-16 | 2018-07-17 | 中国人民公安大学 | 用于云存储环境的数据存储方法及装置 |
CN108769105A (zh) * | 2018-04-12 | 2018-11-06 | 昆明理工大学 | 一种云环境下的知识服务多任务调度优化方法及其构建的调度系统 |
CN109889573A (zh) * | 2019-01-14 | 2019-06-14 | 武汉理工大学 | 混合云中基于ngsa多目标的副本放置方法 |
CN109889573B (zh) * | 2019-01-14 | 2020-08-07 | 武汉理工大学 | 混合云中基于ngsa多目标的副本放置方法 |
CN111813558A (zh) * | 2020-07-23 | 2020-10-23 | 莫毓昌 | 一种面向混合云的资源调度方法 |
CN111813558B (zh) * | 2020-07-23 | 2024-03-22 | 福建省凯特科技有限公司 | 一种面向混合云的资源调度方法 |
US20220237047A1 (en) * | 2021-01-26 | 2022-07-28 | International Business Machines Corporation | Forecast of resources for unprecedented workloads |
US11836534B2 (en) * | 2021-01-26 | 2023-12-05 | International Business Machines Corporation | Prediction of proficient resources for performing unprecedented workloads using models |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106611277A (zh) | 混合云模式下的一种云资源调度方法 | |
CN105159762B (zh) | 基于贪心策略的启发式云计算任务调度方法 | |
Kobren et al. | Paper matching with local fairness constraints | |
Liu et al. | Cost-aware cloud service request scheduling for SaaS providers | |
CN107659433A (zh) | 一种云资源调度方法及设备 | |
Tan et al. | A trust service-oriented scheduling model for workflow applications in cloud computing | |
CN102780759B (zh) | 基于调度目标空间的云计算资源调度方法 | |
CN104239141B (zh) | 数据中心中基于工作流关键路径的任务优化调度方法 | |
CN104331321B (zh) | 基于禁忌搜索和负载均衡的云计算任务调度方法 | |
CN107193658A (zh) | 基于博弈论的云计算资源调度方法 | |
CN104536806B (zh) | 一种云环境下的工作流应用弹性资源供应方法 | |
Guo et al. | Computationally feasible automated mechanism design: General approach and case studies | |
CN102567077B (zh) | 一种基于博弈论的虚拟化资源分配方法 | |
Sharghivand et al. | An edge computing matching framework with guaranteed quality of service | |
Mehrotra et al. | Towards an autonomic performance management approach for a cloud broker environment using a decomposition–coordination based methodology | |
He et al. | Forming resource-sharing coalitions: a distributed resource allocation mechanism for self-interested agents in computational grids | |
Salimifard et al. | A multi objective volleyball premier league algorithm for green scheduling identical parallel machines with splitting jobs | |
Kumar et al. | Innovative task scheduling algorithm in cloud computing | |
Tran et al. | A hypergraph multi-exchange heuristic for the single-source capacitated facility location problem | |
Zeedan et al. | Enhanced hybrid multi-objective workflow scheduling approach based artificial bee colony in cloud computing | |
CN101127700A (zh) | 基于网络带宽和用户费用下的网格资源调度方法 | |
Benedek et al. | Computing balanced solutions for large international kidney exchange schemes | |
CN109544234A (zh) | 一种云环境下基于帕累托最优的资源定价方法 | |
Courcoubetis et al. | Economic issues in shared infrastructures | |
Tian et al. | Research on a distributed auto-negotiation model based on Stackelberg game theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170503 |