CN109542608B - 一种基于混合排队网络的云仿真任务调度方法 - Google Patents

一种基于混合排队网络的云仿真任务调度方法 Download PDF

Info

Publication number
CN109542608B
CN109542608B CN201811453251.XA CN201811453251A CN109542608B CN 109542608 B CN109542608 B CN 109542608B CN 201811453251 A CN201811453251 A CN 201811453251A CN 109542608 B CN109542608 B CN 109542608B
Authority
CN
China
Prior art keywords
cloud simulation
sub
tasks
cloud
task
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.)
Active
Application number
CN201811453251.XA
Other languages
English (en)
Other versions
CN109542608A (zh
Inventor
郭丽琴
邢驰
肖莹莹
林廷宇
赵志龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Simulation Center
Original Assignee
Beijing Simulation Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Simulation Center filed Critical Beijing Simulation Center
Priority to CN201811453251.XA priority Critical patent/CN109542608B/zh
Publication of CN109542608A publication Critical patent/CN109542608A/zh
Application granted granted Critical
Publication of CN109542608B publication Critical patent/CN109542608B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/48—Indexing scheme relating to G06F9/48
    • G06F2209/484—Precedence

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于混合排队网络的云仿真任务调度方法，包括计算多个云仿真任务分别需求的资源量；根据每个云仿真任务的资源量对所述多个云仿真任务进行优先级划分；构建多个子队列，根据多个云仿真任务的请求进入时间和每个子队列能够承受的云仿真任务的数量将多个云仿真任务分配至所述多个子队列，以提供一种优化的云仿真任务调度方法，提高云仿真任务处理效率。

Description

一种基于混合排队网络的云仿真任务调度方法
技术领域
本发明涉及云仿真任务调度技术领域。更具体地，涉及一种基于混合排队网络的云仿真任务调度方法。
背景技术
近年来，研究者在云环境下的资源调度方面做出了很多研究，主要包括以下几个研究方向：以降低云计算环境数据中心能耗为目标的资源分配和调度研究；以提高系统资源利用率为目标的资源管理与调度研究；基于经济学的云资源管理模型研究以及其他相关研究。但是，这些研究都是基于合理有效利用目前资源为前提，没有考虑用户任务的进入、退出机制。
排队网络研究的是一个系统对一个群体提供某种服务时，系统所呈现的各种状态。指顾客到达服务台，此时服务台若有空闲便立刻进行服务，若无空闲，则顾客需要在服务台前排队等候，直到服务台服务完之前一个顾客后再进行服务，服务完毕后自动离开系统。
云仿真提供包括批作业、交互作业和协同仿真作业在内的三种典型应用模式。云仿真应用部署在虚拟机上，针对不同的应用服务，当执行协同仿真作业时，对仿真应用虚拟机的动态配给适用于闭环排队网络，当执行批作业和交互作业时，对仿真应用虚拟机的动态配给适用于开环排队网络，仅使用单一的排队网络不能完整的描述仿真应用服务情况。
发明内容
本发明的目的在于提供一种基于混合排队网络的云仿真任务调度方法，提供一种优化的云仿真任务调度方法，提高云仿真任务处理效率。
为达到上述目的，本发明采用下述技术方案：
本发明公开了一种基于混合排队网络的云仿真任务调度方法，包括
计算多个云仿真任务分别需求的资源量；
根据每个云仿真任务的资源量对所述多个云仿真任务进行优先级划分；
构建多个子队列，根据多个云仿真任务的请求进入时间和每个子队列能够承受的云仿真任务的数量将多个云仿真任务分配至所述多个子队列。
优选地，所述计算多个云仿真任务分别需求的资源量具体包括：
确定云仿真任务的主要参数；
根据每个云仿真任务的主要参数计算每个云仿真任务的优先级数值；
根据多个云仿真任务的优先级数值对多个云仿真任务进行优先级划分。
优选地，所述主要参数为云仿真任务需求的计算资源、软件资源和模型资源。
优选地，第i个云仿真任务的优先级数值为Fi为
Figure BDA0001887119660000021
其中，n为各主要参数对应的资源个数，Ai为云仿真任务中第i个计算资源在服务等级协议中的优先级，Bi为云仿真任务中第i个软件资源在服务等级协议中的优先级，Ci为云仿真任务中第i个模型资源在服务等级协议中的优先级，ai为云仿真任务中第i个计算资源在总资源中对应的权值，bi为云仿真任务中第i个软件资源在总资源中对应的权值，ci为云仿真任务中第i个模型资源在总资源中对应的权值。
优选地，所述根据每个云仿真任务的资源量对所述多个云仿真任务进行优先级划分具体包括：
设置最小阈值和最大阈值；
当一个云仿真任务的优先级数值小于所述最小阈值时，该云仿真任务的优先级为低级；
当一个云仿真任务的优先级数值大于所述最小阈值且小于所述最大阈值时，该云仿真任务的优先级为中级；
当一个云仿真任务的优先级数值大于所述最大阈值时，该云仿真任务的优先级为高级。
优选地，所述根据多个云仿真任务的请求进入时间和每个子队列能够承受的云仿真任务的数量将多个云仿真任务分配至所述多个子队列具体包括：
当一个云仿真任务的请求进入时间小于预设时间阈值，第一个子队列已有的云仿真任务数量没有达到子队列能够承受的云仿真任务的数量时，则将该云仿真任务分配至第一个子队列，并将该子队列中的各云仿真任务按优先级数值从大到小排序；
当一个云仿真任务的请求进入时间小于预设时间阈值，第一个子队列已有的云仿真任务数量达到子队列能够承受的云仿真任务的数量时，则将该云仿真任务分配至下一个云仿真任务数量没有达到子队列能够承受的云仿真任务数量的子队列，并将该子队列中的各云仿真任务按优先级数值从大到小排序。
优选地，所述方法进一步包括依次读取各子队列中的云仿真任务并分配资源，
当无法为读取到的云仿真任务分配资源时，
若存在下一个云仿真任务，读取下一个云仿真任务并分配资源；
若不存在下一个云仿真任务，等待直至条件满足并为当前云仿真任务分配资源。
优选地，所述依次读取各子队列中的云仿真任务并分配资源时，当一个子队列中的所有云仿真任务均分配资源完毕后，再读取下一个子队列中的云仿真任务。
本发明的有益效果如下：
本发明提出一种基于混合排队网络的仿真应用虚拟机动态配给方法，以解决仿真应用的虚拟资源能够按照仿真用户的应用需求进行动态地配给，随着云仿真平台的广泛应用，将更加有效实现对云仿真资源的动态分配，实现全局效应最大化。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明具体实施例中基于混合排队网络的云仿真任务调度方法的流程图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
如图1所示，本实施例公开了一种基于混合排队网络的云仿真任务调度方法。本实施例中，云仿真任务调度方法包括：
S1：计算多个云仿真任务分别需求的资源量。其中，在接收到云仿真任务后，可先通过SLA管理器判断是否接受该任务。
具体的，S1可包括：
S11：确定云仿真任务的主要参数。优选地，所述主要参数可为云仿真任务需求的计算资源、软件资源和模型资源。每一个云仿真任务请求中所需要的资源在SLA服务协议中签订，每一个服务请求包含若干个计算资源、软件资源和模型资源。云仿真任务中包含的资源级别越优用量越大，相应的优先级数值就越高。
S12：根据每个云仿真任务的主要参数计算每个云仿真任务的优先级数值。
在优选地实施方式中，第i个云仿真任务的优先级数值为Fi为
Figure BDA0001887119660000041
其中，n为各主要参数对应的资源个数，Ai为云仿真任务中第i个计算资源在服务等级协议中的优先级，Bi为云仿真任务中第i个软件资源在服务等级协议中的优先级，Ci为云仿真任务中第i个模型资源在服务等级协议中的优先级，ai为云仿真任务中第i个计算资源在总资源中对应的权值，bi为云仿真任务中第i个软件资源在总资源中对应的权值，ci为云仿真任务中第i个模型资源在总资源中对应的权值。
S13：根据多个云仿真任务的优先级数值对多个云仿真任务进行优先级划分。
S2：根据每个云仿真任务的资源量对所述多个云仿真任务进行优先级划分。
在优选的实施方式中，可设置最小阈值和最大阈值。
当一个云仿真任务的优先级数值小于所述最小阈值时，该云仿真任务的优先级为低级。
当一个云仿真任务的优先级数值大于所述最小阈值且小于所述最大阈值时，该云仿真任务的优先级为中级。
当一个云仿真任务的优先级数值大于所述最大阈值时，该云仿真任务的优先级为高级。
S3：构建多个子队列，根据多个云仿真任务的请求进入时间和每个子队列能够承受的云仿真任务的数量将多个云仿真任务分配至所述多个子队列。
在优选的实施方式中，云仿真任务分配可包括以下两种情况：
当一个云仿真任务的请求进入时间小于预设时间阈值，第一个子队列已有的云仿真任务数量没有达到子队列能够承受的云仿真任务的数量时，则将该云仿真任务分配至第一个子队列，并将该子队列中的各云仿真任务按优先级数值从大到小排序。
当一个云仿真任务的请求进入时间小于预设时间阈值，第一个子队列已有的云仿真任务数量达到子队列能够承受的云仿真任务的数量时，则将该云仿真任务分配至下一个云仿真任务数量没有达到子队列能够承受的云仿真任务数量的子队列，并将该子队列中的各云仿真任务按优先级数值从大到小排序。
例如构建A、B和C三个子队列时，当在预设时间阈值T内时，可将接收的云仿真任务分配至A子列队中，A子列队可承受的云仿真任务数量为N，若在T时间内，A子列队已分配了N个云仿真任务，则将N+1个云仿真任务分配至B子队列，同时将A子列队中的所有云仿真任务按照优先级数值从大到小排列，等待被读取后分配资源。B子队列的可承受的云仿真任务数量也可为N，若B子队列已分配了N个云仿真任务，则需将2N+1个云仿真任务分配至C子队列，以此类推。当到达预设时间阈值T，A子列队的云仿真任务的数量达不到N，服务器不可能无条件的一直等待，需在到达时间T时对A子列队中的所有云仿真任务按照优先级数值从大到小排列，等待被读取后分配资源。
其中，在依次读取各子队列中的云仿真任务并分配资源，当无法为读取到的云仿真任务分配资源时，若存在下一个云仿真任务，读取下一个云仿真任务并分配资源；若不存在下一个云仿真任务，等待直至条件满足并为当前云仿真任务分配资源。在优选的实施方式中，队列中的所有云仿真任务均分配资源完毕后，再读取下一个子队列中的云仿真任务。
具体的，本实施例中，服务提供者(SP)读取云仿真任务的请求仿真服务(SQ)的准则为：当服务提供者读取SQ时，每一次读取SQ都首行子队列中第一个SQ开始读取；当SP能够满足读取的SQ时，则立即分配相应的资源服务该SQ，之后依次读取后续的SQ；当服务提供者读到一个SQ且无法给该SQ分配其要求的资源时，则放弃该SQ，继续往下读取下一个SQ若能满足则立即服务；当SP读到SQ并无法服务且在该子队列中该SQ之后已经能够服务的SQ时，SP开始等待，直到能够满足队列中的SQ并服务后才继续往下读取；直到把该行子队列中所有的SQ全部服务结束后，才开始读取下一行的子队列中的SQ，即下一行的子队列变成首行子队列。这样即使第一行子队列中优先级数值小的SQ也能够保证得到及时的服务。
本发明提出了一种在固定请求数量下基于优先级数值大小的任务调度排队算法，该算法根据内存的大小，依次接收并对每一个SQ的云仿真任务进行优先级数值大小计算，当请求服务的云仿真任务到达子队列承受数量N时，根据优先级数值的大小按照从大到小的顺序排队形成队列，超出N的SQ安排到下一排队队列中。SP从队列中顺序依次处理每一个SQ，这样能够保证优先级数值低的SQ不会因为长时间的等待没有被处理而被“饿死”，从而不会影响整体的处理效率。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (6)

1.一种基于混合排队网络的云仿真任务调度方法，其特征在于，包括
计算多个云仿真任务分别需求的资源量；
根据每个云仿真任务的资源量对所述多个云仿真任务进行优先级划分；
构建多个子队列，根据多个云仿真任务的请求进入时间和每个子队列能够承受的云仿真任务的数量将多个云仿真任务分配至所述多个子队列；
其中，所述根据每个云仿真任务的资源量对所述多个云仿真任务进行优先级划分具体包括：
设置最小阈值和最大阈值；
当一个云仿真任务的优先级数值小于所述最小阈值时，该云仿真任务的优先级为低级；
当一个云仿真任务的优先级数值大于所述最小阈值且小于所述最大阈值时，该云仿真任务的优先级为中级；
当一个云仿真任务的优先级数值大于所述最大阈值时，该云仿真任务的优先级为高级；
所述根据多个云仿真任务的请求进入时间和每个子队列能够承受的云仿真任务的数量将多个云仿真任务分配至所述多个子队列具体包括：
当一个云仿真任务的请求进入时间小于预设时间阈值，第一个子队列已有的云仿真任务数量没有达到子队列能够承受的云仿真任务的数量时，则将该云仿真任务分配至第一个子队列，并将该子队列中的各云仿真任务按优先级数值从大到小排序；
当一个云仿真任务的请求进入时间小于预设时间阈值，第一个子队列已有的云仿真任务数量达到子队列能够承受的云仿真任务的数量时，则将该云仿真任务分配至下一个云仿真任务数量没有达到子队列能够承受的云仿真任务数量的子队列，并将该子队列中的各云仿真任务按优先级数值从大到小排序。
2.根据权利要求1所述的方法，其特征在于，所述计算多个云仿真任务分别需求的资源量具体包括：
确定云仿真任务的主要参数；
根据每个云仿真任务的主要参数计算每个云仿真任务的优先级数值；
根据多个云仿真任务的优先级数值对多个云仿真任务进行优先级划分。
3.根据权利要求2所述的方法，其特征在于，所述主要参数为云仿真任务需求的计算资源、软件资源和模型资源。
4.根据权利要求3所述的方法，其特征在于，第i个云仿真任务的优先级数值为Fi为
Figure FDA0003408683660000021
其中，n为各主要参数对应的资源个数，Ai为云仿真任务中第i个计算资源在服务等级协议中的优先级，Bi为云仿真任务中第i个软件资源在服务等级协议中的优先级，Ci为云仿真任务中第i个模型资源在服务等级协议中的优先级，ai为云仿真任务中第i个计算资源在总资源中对应的权值，bi为云仿真任务中第i个软件资源在总资源中对应的权值，ci为云仿真任务中第i个模型资源在总资源中对应的权值。
5.根据权利要求1所述的方法，其特征在于，所述方法进一步包括依次读取各子队列中的云仿真任务并分配资源，
当无法为读取到的云仿真任务分配资源时，
若存在下一个云仿真任务，读取下一个云仿真任务并分配资源；
若不存在下一个云仿真任务，等待直至条件满足并为当前云仿真任务分配资源。
6.根据权利要求5所述的方法，其特征在于，所述依次读取各子队列中的云仿真任务并分配资源时，当一个子队列中的所有云仿真任务均分配资源完毕后，再读取下一个子队列中的云仿真任务。
CN201811453251.XA 2018-11-30 2018-11-30 一种基于混合排队网络的云仿真任务调度方法 Active CN109542608B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811453251.XA CN109542608B (zh) 2018-11-30 2018-11-30 一种基于混合排队网络的云仿真任务调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811453251.XA CN109542608B (zh) 2018-11-30 2018-11-30 一种基于混合排队网络的云仿真任务调度方法

Publications (2)

Publication Number Publication Date
CN109542608A CN109542608A (zh) 2019-03-29
CN109542608B true CN109542608B (zh) 2022-03-04

Family

ID=65851765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811453251.XA Active CN109542608B (zh) 2018-11-30 2018-11-30 一种基于混合排队网络的云仿真任务调度方法

Country Status (1)

Country Link
CN (1) CN109542608B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110515749B (zh) * 2019-08-30 2022-06-24 深圳乐信软件技术有限公司 信息发送的队列调度的方法、装置、服务器和存储介质
CN111782355B (zh) * 2020-06-03 2024-05-28 上海交通大学 一种基于混合负载的云计算任务调度方法及系统
CN112084015B (zh) * 2020-08-28 2023-08-15 西藏宁算科技集团有限公司 一种基于云计算的仿真云平台搭建系统及方法
CN112398904A (zh) * 2020-09-24 2021-02-23 中国电建集团海外投资有限公司 一种基于公有云的数据发送方法
CN113190359B (zh) * 2021-07-01 2022-02-22 苏州贝克微电子股份有限公司 一种仿真请求处理方法、装置、电子设备及可读存储介质
CN113535361A (zh) * 2021-07-23 2021-10-22 百果园技术(新加坡)有限公司 任务调度方法、装置、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104168318B (zh) * 2014-08-18 2018-03-23 中国联合网络通信集团有限公司 一种资源服务系统及其资源分配方法
CN106569892B (zh) * 2015-10-08 2020-06-30 阿里巴巴集团控股有限公司 资源调度方法与设备
CN106973030A (zh) * 2016-01-14 2017-07-21 北京仿真中心 一种基于sla的云仿真资源调度方法
CN108415778A (zh) * 2018-03-29 2018-08-17 北京中油瑞飞信息技术有限责任公司 任务排序方法、装置及调度系统

Also Published As

Publication number Publication date
CN109542608A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109542608B (zh) 一种基于混合排队网络的云仿真任务调度方法
US10772115B2 (en) Resource scheduling method and server
CN106445675B (zh) 一种b2b平台分布式应用调度与资源分配方法
CN109582448B (zh) 一种面向关键度和时效性的边缘计算任务调度方法
CN110308967B (zh) 一种基于混合云的工作流成本-延迟最优化任务分配方法
CN107579926A (zh) 基于令牌桶算法的Ceph云存储系统的QoS设置方法
CN111782355B (zh) 一种基于混合负载的云计算任务调度方法及系统
CN109783225B (zh) 一种多租户大数据平台的租户优先级管理方法及系统
CN105718316A (zh) 一种作业调度的方法及装置
CN107122233A (zh) 一种面向tsn业务的多vcpu自适应实时调度方法
CN112888005B (zh) 一种面向mec的分布式业务调度方法
CN112783659A (zh) 一种资源分配方法、装置、计算机设备及存储介质
CN102158906A (zh) 一种服务质量敏感系统及其任务调度方法
CN106095581B (zh) 一种私有云条件下的网络存储虚拟化调度方法
Shahapure et al. Load balancing with optimal cost scheduling algorithm
Squillante et al. Threshold-based priority policies for parallel-server systems with affinity scheduling
CN107423134B (zh) 一种大规模计算集群的动态资源调度方法
CN116991585A (zh) 一种ai算力自动调度方法、装置及介质
Patel et al. A survey on load balancing in cloud computing
Chatterjee et al. A new clustered load balancing approach for distributed systems
CN112817726A (zh) 一种云环境下基于优先级的虚拟机分组资源调度方法
CN112685162A (zh) 边缘服务器异构计算资源的高效能调度方法、系统和介质
CN112306642A (zh) 一种基于稳定匹配博弈理论的工作流调度方法
Lal et al. A heuristic edf uplink scheduler for real time application in wimax communication
CN114489463B (zh) 动态调整存储卷qos的方法、装置及计算设备

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
GR01 Patent grant
GR01 Patent grant