CN110300179B - 一种混合云环境中安全性约束的任务调度方法和装置 - Google Patents
一种混合云环境中安全性约束的任务调度方法和装置 Download PDFInfo
- Publication number
- CN110300179B CN110300179B CN201910594717.6A CN201910594717A CN110300179B CN 110300179 B CN110300179 B CN 110300179B CN 201910594717 A CN201910594717 A CN 201910594717A CN 110300179 B CN110300179 B CN 110300179B
- Authority
- CN
- China
- Prior art keywords
- task
- unscheduled
- cloud
- virtual machine
- public cloud
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1031—Controlling of the operation of servers by a load balancer, e.g. adding or removing servers that serve requests
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer And Data Communications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种混合云环境中安全性约束的任务调度方法和装置,任务调度方法包括如下步骤:当有未被调度任务时,判断本地云是否存在空闲服务器;如果本地云存在空闲服务器,将未被调度任务调度给本地云的空闲服务器;如果本地云不存在空闲服务器,则将完成时间最接近截止时间的未被调度任务分配至性价比最高的虚拟机。本发明所提供的技术方案,在调度时考虑到了公有云上虚拟机的服务能力和各虚拟机完成任务的性价比,从而优化混合云对任务的调度,解决现有技术中混合云环境对任务调度优化程度较低的问题。
Description
技术领域
本发明属于混合云任务调度技术领域,具体涉及一种混合云环境中安全性约束的任务调度方法和装置。
背景技术
随着数据量的不断增长和数据处理算法结构(如深度学习)复杂度的不断增加,用户对服务器供应商的服务质量要求也越来越高,传统的服务器供应商拥有的私有资源已经不能满足其所有用户的需求,而混合云是解决该问题的一种有效方案。混合云能够通过从公有云上租用或释放资源,弹性地扩展私有云的服务能力。
对于混合云,如何高效地使用混合云资源是非常重要的问题,而任务调度是解决该问题的关键技术之一。任务调度通过合理映射计算资源与任务,达到减小任务的完成时间、减少供应商的成本支出、提高资源利用率或降低服务水平协议的违约次数等目的。
已有的混合云任务调度相关研究成果虽然在一定程度上优化了任务执行性能和混合资源使用效率,但仍然存在一些问题:如由于只关注单目标优化问题而没有考虑任务执行的性能、安全性和资源开销三方面之间的权衡,导致忽视的服务质量指标值未得到满足的问题;为了简化任务对资源需求的评估而假设任务或资源同构,造成研究成果的适用范围很窄的问题;未考虑任务在公有云上执行的安全性隐患的问题;不考虑通过数据保密技术将具有安全性约束的任务调度到公有云上,大幅减少搜索空间而导致求解结果不是最优的问题等。
发明内容
本发明的目的是提供一种混合云环境中安全性约束的任务调度方法和装置,以解决现有技术中混合云环境对任务调度优化程度较低的问题。
为实现上述目的,本发明采用如下技术方案:
一种混合云环境中安全性约束的任务调度方法,包括如下步骤:
当有未被调度任务时,判断本地云是否存在空闲服务器;
如果本地云存在空闲服务器,将未被调度任务调度给本地云的空闲服务器;
如果本地云不存在空闲服务器,则首先选择出采用公有云上服务能力最大的虚拟机完成时间最接近其截止时间的未被调度任务,然后选出公有云上完成该未被调度任务性价比最高的虚拟机,最后将选出的未被调度任务分配至选出的虚拟机。
进一步的,将未被调度任务分配给本地云上空闲服务器的方法包括如下步骤:
选择本地云上服务器集合中服务能力最大的服务器,判断任务集合中是否存在服务能力最大的服务器能在其时间期限内完成的未被分配任务;
如果存在,则选取其中在公有云上虚拟机完成时开销最大的未被分配任务,并将该未被分配任务调度到本地云上服务能力最大的服务器;
如果不存在,则将本地云上服务器集合中服务器能力最大的服务器删除。
进一步的,计算公有云上虚拟机完成未被分配任务开销时采用的公式为:
costi=uk·[si/fk+oi]
其中costi为虚拟机vk完成未被调度任务ti的开销,fk为虚拟机vk的服务能力,si为未被调度任务ti的工作量,oi为未被调度任务ti在公有云上执行时因安全性需求而增加的时间开销,fk为虚拟机vk的服务能力;ti为未被调度任务集合中的第i个未被调度任务,vk为公有云上的第k个虚拟机。
进一步的,选择采用公有云上服务能力最大的虚拟机完成时间最接近其截止时间的未被调度任务时,首先计算公有云上服务能力最大的虚拟机完成各未被调度任务,计算时所采用的计算公式为
其中timei为公有云上服务能力最大的虚拟机完成未被调度任务ti所用的时间,si为未被调度任务ti的工作量,oi为未被调度任务ti在公有云上执行时因安全性需求而增加的时间开销,fk为虚拟机vk的服务能力;ti为未被调度任务集合中的第i个未被调度任务,vk为公有云上的第k个虚拟机。
进一步的,公有云上的虚拟机完成所选出的未被调度任务性价比的计算公式为:
pk=fk/uk
其中fk和uk分别为虚拟机vk的服务能力和单价,vk为公有云的第k个虚拟机,pk为虚拟机vk完成所选出的未被调度任务的性价比。
一种混合环境中安全性约束的任务调度装置,包括控制器和存储器,所述存储器上存储有用于在控制器上执行的计算机程序;所述控制器执行所述存储器上存储的计算机程序时,实现如下步骤:
当有未被调度任务时,判断本地云是否存在空闲服务器;
如果本地云存在空闲服务器,将未被调度任务调度给本地云的空闲服务器;
如果本地云不存在空闲服务器,则首先选择出采用公有云上服务能力最大的虚拟机完成时间最接近其截止时间的未被调度任务,然后选出公有云上完成该未被调度任务性价比最高的虚拟机,最后将选出的未被调度任务分配至选出的虚拟机。
进一步的,将未被调度任务分配给本地云上空闲服务器的方法包括如下步骤:
选择本地云上服务器集合中服务能力最大的服务器,判断任务集合中是否存在服务能力最大的服务器能在其时间期限内完成的未被分配任务;
如果存在,则选取其中在公有云上虚拟机完成时开销最大的未被分配任务,并将该未被分配任务调度到本地云上服务能力最大的服务器;
如果不存在,则将本地云上服务器集合中服务器能力最大的服务器删除。
进一步的,计算公有云上虚拟机完成未被分配任务开销时采用的公式为:
costi=uk·[si/fk+oi]
其中costi为虚拟机vk完成未被调度任务ti的开销,fk为虚拟机vk的服务能力,si为未被调度任务ti的工作量,oi为未被调度任务ti在公有云上执行时因安全性需求而增加的时间开销,fk为虚拟机vk的服务能力;ti为未被调度任务集合中的第i个未被调度任务,vk为公有云上的第k个虚拟机。
进一步的,选择采用公有云上服务能力最大的虚拟机完成时间最接近其截止时间的未被调度任务时,首先计算公有云上服务能力最大的虚拟机完成各未被调度任务,计算时所采用的计算公式为
其中timei为公有云上服务能力最大的虚拟机完成未被调度任务ti所用的时间,si为未被调度任务ti的工作量,oi为未被调度任务ti在公有云上执行时因安全性需求而增加的时间开销,fk为虚拟机vk的服务能力;ti为未被调度任务集合中的第i个未被调度任务,vk为公有云上的第k个虚拟机。
进一步的,公有云上的虚拟机完成所选出的未被调度任务性价比的计算公式为:
pk=fk/uk
其中fk和uk分别为虚拟机vk的服务能力和单价,vk为公有云的第k个虚拟机,pk为虚拟机vk完成所选出的未被调度任务的性价比。
本发明所提供的技术方案,当本地云没有空闲服务器时将任务调度到公有云的虚拟机上,并且在调度时考虑到了公有云上虚拟机的服务能力和各虚拟机完成任务的性价比,从而优化混合云对任务的调度,解决现有技术中混合云环境对任务调度优化程度较低的问题。
附图说明
图1是本发明方法实施例中混合云环境中安全性约束的任务调度方法的流程图。
具体实施方式
方法实施例:
本实施例提供一种混合云环境中安全性约束的任务调度方法,用于对混合云环境中的任务进行调度,以解决现有技术中混合云环境对任务调度优化程度较低的问题。
本实施例所提供的混合云环境中安全性约束的任务调度方法,其流程如图1所示,包括如下步骤:
(1)判断未被调度的任务集合中是否有存在未被调度的任务,如果不存在则结束调度,如果存在则执行步骤(2);
(2)判断本地云空闲服务器集合中是否存在空闲服务器;
如果存在,将未被调度的任务集合中未被调度的任务调度给本地云的空闲服务器中的空闲服务器;
如果不存在,将未被调度的任务集合中未被调度的任务调度给公有云上的虚拟机。
将未被调度的任务集合中未被调度的任务分配给本地云空闲服务器集合中空闲服务器的方法包括如下步骤:
首先选择本地云空闲服务器集合中服务能力最大的空闲服务器,设该空闲服务器为pmax,该空闲服务器的服务能力为cmax;
然后计算空闲服务器pk完成未被调度的任务集合中各未被调度任务所需的时间,判断是否存在所需时间小于其时间期限的未被调度任务;
如果存在,则计算公有云完成这些未被调度任务所需的开销,得到其中所需开销最大的未被调度任务tmax;
最后将未被调度任务tmax调度到空闲服务器pmax上,并将未被调度任务tmax从未被调度的任务集合中删除,将空闲服务器pmax从空闲服务器集合中删除。
计算空闲服务器pk完成未被调度的任务集合中未被调度任务所需的时间时所采用的计算公式为:
ftik=si/ck,ti∈T
其中ftik为未被调度任务ti在空闲服务器pk上的完成时间,si为未被调度任务ti的工作量,未被调度任务ti为未被调度任务集合T中的第i个未被调度任务。
公有云完成未被调度任务ti所需的开销时所采用的计算公式为:
costi=uk·[si/fk+oi]
其中costi为虚拟机vk完成未被调度任务ti的开销,fk为虚拟机vk的服务能力,si为未被调度任务ti的工作量,oi为未被调度任务ti在公有云上执行时因安全性需求而增加的时间开销,fk为虚拟机vk的服务能力;ti为未被调度任务集合中的第i个未被调度任务,vk为公有云上的第k个虚拟机,uk为虚拟机vk的单价。
将未被调度任务调度至公有云上虚拟机的方法包括如下步骤:
首先确定公有云上服务能力最大的虚拟机vmax并对未被调度任务集合中的未被调度任务进行筛选,得到其中需求服务能力小于虚拟机vmax服务能力的未被调度任务;
然后计算虚拟机vmax完成这些未被调度任务所需的时间,得到虚拟机vmax完成时间与其截止时间之差最小的未被调度任务tmin;在计算虚拟机vmax完成这些未被调度任务所需的时间时,采用的公式为:
其中timei为虚拟机vmax完成未被调度任务ti所用的时间;
最后计算各虚拟机完成未被调度任务tmin的性价比,选出完成未被调度任务tmin性价比最高的虚拟机vneed,并将未被调度任务tmin调度给虚拟机vneed。
公有云上的虚拟机完成所选出的未被调度任务性价比的计算公式为:
pk=fk/uk
其中pk为虚拟机vk完成所选出的未被调度任务的性价比。
装置实施例:
本实施例提供一种混合环境中安全性约束的任务调度装置,包括控制器和存储器,存储器上存储有用于在控制器上执行的计算机程序,控制器执行存储器上存储的计算机程序时,实现如上述方法实施例中所提供的混合云环境中安全性约束的任务调度方法。
Claims (6)
1.一种混合云环境中安全性约束的任务调度方法,其特征在于,包括如下步骤:
当有未被调度任务时,判断本地云是否存在空闲服务器;
如果本地云存在空闲服务器,将未被调度任务调度给本地云的空闲服务器,调度方法包括:
首先确定本地云空闲服务器集合中服务能力最大的空闲服务器;
然后计算本地云空闲服务器集合中最大的空闲服务器完成未被调度的任务集合中各未被调度任务所需的时间,判断是否存在所需时间小于其时间期限的未被调度任务;
如果存在,则计算本地云完成这些未被调度任务所需的开销,得到其中所需开销最大的未被调度任务;
将所需开销最大的未被调度任务调度到本地云空闲服务器集合中服务能力最大的空闲服务器;如果本地云不存在空闲服务器,则首先选择出采用公有云上服务能力最大的虚拟机完成时间最接近其截止时间的未被调度任务,然后选出公有云上完成该未被调度任务性价比最高的虚拟机,最后将选出的未被调度任务分配至选出的虚拟机;
计算公有云上虚拟机完成未被分配任务开销时采用的公式为:
costi=uk·[si/fk+oi]
其中costi为虚拟机vk完成未被调度任务ti的开销,fk为虚拟机vk的服务能力,si为未被调度任务ti的工作量,oi为未被调度任务ti在公有云上执行时因安全性需求而增加的时间开销,fk为虚拟机vk的服务能力;ti为未被调度任务集合中的第i个未被调度任务,vk为公有云上的第k个虚拟机。
3.根据权利要求1所述的混合云环境中安全性约束的任务调度方法,其特征在于,公有云上的虚拟机完成所选出的未被调度任务性价比的计算公式为:
pk=fk/uk
其中fk和uk分别为虚拟机vk的服务能力和单价,vk为公有云的第k个虚拟机,pk为虚拟机vk完成所选出的未被调度任务的性价比。
4.一种混合云环境中安全性约束的任务调度装置,包括控制器和存储器,所述存储器上存储有用于在控制器上执行的计算机程序;其特征在于,所述控制器执行所述存储器上存储的计算机程序时,实现如下步骤:
当有未被调度任务时,判断本地云是否存在空闲服务器;
如果本地云存在空闲服务器,将未被调度任务调度给本地云的空闲服务器,调度方法包括:
首先确定本地云空闲服务器集合中服务能力最大的空闲服务器;
然后计算本地云空闲服务器集合中最大的空闲服务器完成未被调度的任务集合中各未被调度任务所需的时间,判断是否存在所需时间小于其时间期限的未被调度任务;
如果存在,则计算本地云完成这些未被调度任务所需的开销,得到其中所需开销最大的未被调度任务;
将所需开销最大的未被调度任务调度到本地云空闲服务器集合中服务能力最大的空闲服务器;
如果本地云不存在空闲服务器,则首先选择出采用公有云上服务能力最大的虚拟机完成时间最接近其截止时间的未被调度任务,然后选出公有云上完成该未被调度任务性价比最高的虚拟机,最后将选出的未被调度任务分配至选出的虚拟机;
计算公有云上虚拟机完成未被分配任务开销时采用的公式为:
costi=uk·[si/fk+oi]
其中costi为虚拟机vk完成未被调度任务ti的开销,fk为虚拟机vk的服务能力,si为未被调度任务ti的工作量,oi为未被调度任务ti在公有云上执行时因安全性需求而增加的时间开销,fk为虚拟机vk的服务能力;ti为未被调度任务集合中的第i个未被调度任务,vk为公有云上的第k个虚拟机。
6.根据权利要求4所述的混合云环境中安全性约束的任务调度装置,其特征在于,公有云上的虚拟机完成所选出的未被调度任务性价比的计算公式为:
pk=fk/uk
其中fk和uk分别为虚拟机vk的服务能力和单价,vk为公有云的第k个虚拟机,pk为虚拟机vk完成所选出的未被调度任务的性价比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910594717.6A CN110300179B (zh) | 2019-07-03 | 2019-07-03 | 一种混合云环境中安全性约束的任务调度方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910594717.6A CN110300179B (zh) | 2019-07-03 | 2019-07-03 | 一种混合云环境中安全性约束的任务调度方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110300179A CN110300179A (zh) | 2019-10-01 |
CN110300179B true CN110300179B (zh) | 2022-03-25 |
Family
ID=68030122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910594717.6A Active CN110300179B (zh) | 2019-07-03 | 2019-07-03 | 一种混合云环境中安全性约束的任务调度方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110300179B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103973594A (zh) * | 2014-05-09 | 2014-08-06 | 清华大学 | 基于多资源的任务调度方法 |
CN104657220A (zh) * | 2015-03-12 | 2015-05-27 | 广东石油化工学院 | 混合云中基于截止时间和费用约束的调度模型及方法 |
WO2015100614A1 (en) * | 2013-12-31 | 2015-07-09 | Thomson Licensing | User-centered task scheduling for multi-screen viewing in cloud computing environment |
CN108021435A (zh) * | 2017-12-14 | 2018-05-11 | 南京邮电大学 | 一种基于截止时间的具有容错能力的云计算任务流调度方法 |
-
2019
- 2019-07-03 CN CN201910594717.6A patent/CN110300179B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015100614A1 (en) * | 2013-12-31 | 2015-07-09 | Thomson Licensing | User-centered task scheduling for multi-screen viewing in cloud computing environment |
CN103973594A (zh) * | 2014-05-09 | 2014-08-06 | 清华大学 | 基于多资源的任务调度方法 |
CN104657220A (zh) * | 2015-03-12 | 2015-05-27 | 广东石油化工学院 | 混合云中基于截止时间和费用约束的调度模型及方法 |
CN108021435A (zh) * | 2017-12-14 | 2018-05-11 | 南京邮电大学 | 一种基于截止时间的具有容错能力的云计算任务流调度方法 |
Non-Patent Citations (2)
Title |
---|
"基于二次聚类的多目标混合云任务调度算法";李建丽;《浙江大学学报》;20170630;摘要、第1-4节 * |
"混合云中基于截止时间和费用约束的调度方法研究";左利云等;《计算机应用研究》;20160831;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110300179A (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hussain et al. | RALBA: a computation-aware load balancing scheduler for cloud computing | |
Calheiros et al. | Energy-efficient scheduling of urgent bag-of-tasks applications in clouds through DVFS | |
CN109582448B (zh) | 一种面向关键度和时效性的边缘计算任务调度方法 | |
CN107168770B (zh) | 一种低能耗的云数据中心工作流调度与资源供给方法 | |
CN104991830A (zh) | 基于服务等级协议的yarn资源分配和节能调度方法及系统 | |
Mosa et al. | Dynamic virtual machine placement considering CPU and memory resource requirements | |
CN105260230A (zh) | 基于分段服务等级协议的数据中心虚拟机资源调度方法 | |
CN104881322A (zh) | 一种基于装箱模型的集群资源调度方法及装置 | |
Delavar et al. | A synthetic heuristic algorithm for independent task scheduling in cloud systems | |
Tao et al. | Load feedback-based resource scheduling and dynamic migration-based data locality for virtual hadoop clusters in openstack-based clouds | |
Kang et al. | A SLA driven VM auto-scaling method in hybrid cloud environment | |
Dhanya et al. | Dolphin partner optimization based secure and qualified virtual machine for resource allocation with streamline security analysis | |
Lin et al. | A heuristic task scheduling algorithm for heterogeneous virtual clusters | |
Li et al. | Endpoint-flexible coflow scheduling across geo-distributed datacenters | |
Hu et al. | Improved heuristic job scheduling method to enhance throughput for big data analytics | |
Pandya et al. | Dynamic resource allocation techniques in cloud computing | |
Singh et al. | Value and energy optimizing dynamic resource allocation in many-core HPC systems | |
Gouasmi et al. | Cost-efficient distributed MapReduce job scheduling across cloud federation | |
Himthani et al. | Comparative analysis of VM scheduling algorithms in cloud environment | |
Kavyasri et al. | Comparative study of scheduling algorithms to enhance the performance of virtual machines in cloud computing | |
CN110300179B (zh) | 一种混合云环境中安全性约束的任务调度方法和装置 | |
Li et al. | Real-time workflows oriented hybrid scheduling approach with balancing host weighted square frequencies in clouds | |
Shin et al. | Cloud-native workflow scheduling using a hybrid priority rule and dynamic task parallelism | |
Dhanoa et al. | Power efficient hybrid VM allocation algorithm | |
Awasare et al. | Survey and comparative study on resource allocation strategies in cloud computing environment |
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 |