基于用户满意度的云任务调度算法
【专利摘要】一种基于用户满意度的云任务调度算法，该算法主要包含虚拟机和云任务的参数归一化、欧式距离的计算、资源选择、欧式距离更新，计算任务的用户满意度，计算单个云任务的资源使用成本和所有任务执行完后系统的总成本等几个阶段。本发明算法从用户的角度出发，将任务分配到最合适的资源中，更好满足用户对CPU、完成时间、带宽等多方面的需求，同时有效降低用户使用资源的成本。在云计算中，对于用户关心的是付出的成本和得到的服务质量是否合理匹配，使用户的需求得到较高程度满足。与现有技术相比，本发明给出了一种有效的策略让用户获得更好的服务质量。
【专利说明】基于用户满意度的云任务调度算法
【技术领域】
[0001] 本发明涉及云任务调度算法。
【背景技术】
[0002] 云计算是并行计算、分布式计算和网格计算的综合发展，是一种商业计算模型，它 能把从前需要高性能计算机才能完成的任务分布在大量廉价计算机构成的资源池上，使各 种应用系统能够根据需要获取计算能力、存储空间和信息服务。然而，在实现这些服务的同 时，需要考虑一个问题，即不同的用户对云计算资源的使用有不同的需求，如CPU、内存、完 成时间、带宽、使用费用等，如何通过一种有效的策略让用户获得更好的服务质量。云计算 的任务调度算法是解决上述问题的途径之一。
[0003] 传统的任务调度算法注重服务器的效率，例如以最优完成时间为目标的任务调度 方法，虽然具有较好的完成效率，但是可能导致计算能力强的资源使用率高，使系统负载不 均衡；负载均衡算法能够提供有效的方法来扩展网络设备和服务器的带宽、增加吞吐量、力口 强网络数据处理能力、提高网络的灵活性和可用性，然而，传统的任务调度算法都忽略了用 户任务的服务质量需求，不能很好的对资源进行按需分配。
【发明内容】
[0004] 在对云任务调度技术的研究过程中形成了许多经典的调度算法，它们多从云资源 提供商的角度出发，考虑最优完成时间、最低能耗、节点负载均衡、资源可用性和可靠性、系 统利用率等参数，而本发明提出的算法着重从用户的角度，考虑任务完成时间、成本、成本 和服务质量的匹配程度、用户使用资源的满意度等参数，同时也考虑了系统的负载均衡。
[0005] 云计算使用虚拟化技术将底层的物理资源以虚拟机的形式封装，让虚拟机来执行 用户的任务。调度问题是将用户的任务以一定的优化目标为原则与资源进行映射，云计算 简化了任务与资源的匹配，使任务所需资源以一台虚拟机的形式体现，所以对资源的搜索 转化为对某一台虚拟机进行搜索。
[0006] 为了实现调度算法，本发明首先对云任务、虚拟机以及任务分类进行了描述：
[0007] ?虚拟机用七元组表示：
[0008] Vmi =〈id" peNum" ram" bw" Ccpu/_ Cw腿，CWMbps> (I)
[0009] 七元组分别表示虚拟机的ID、CPU个数、内存、带宽以及CPU、内存和带宽的单位价 格。
[0010] ?云任务用八元组表示：
[0011] tj = <idi，typej, Ieni, exppe^ expranij, expbwj, Si, costj> (2)
[0012] 八元组分别表示云任务的ID、类型、任务大小、期待CPU个数、期待内存、期待带 宽、任务的用户满意度以及执行任务的成本。
[0013] ?云任务类型：本发明主要考虑以下QoS参数：
[0014] a)完成时间：对于实时性要求的云任务，需要在尽可能少的时间内完成，与之对 应的就是CPU和执行速度这两个资源。
[0015] b)带宽：当云任务对通信带宽要求较高时，例如多媒体流需求，需要优先考虑带 宽要求。
[0016] c)内存：当云任务对内存要求较高时，需要优先考虑内存需求。
[0017] 针对不同的云任务需求，按照不同的QoS参数来衡量用户满意度，为此，本发明设 计了一个权重向量，它表示了云平台对于不同资源的价值认可度，使用权重向量来调整选 择虚拟机资源的性能比参数，以此来更好的提高用户使用资源的满意度。例如，对于实时性 或对时间敏感的云任务来说，希望用最小的完成时间来完成任务，因此需要计算能力强的 资源，所以赋予CPU较大的权重。设第i类任务的权重向量表示为：
[0018] ei = Lei1, ei2, ei3] (3)
[0019] 其中分别对应CPU、内存、带宽的权重，且
【权利要求】
1. 一种基于用户满意度的云任务调度算法，其特征在于，包括如下步骤： 步骤1，资源参数归一化 将任务和虚拟机的性能参数都归一化到[0, 1]区间，令集合Xu = (Xu，…，Xj j为性 能参数的个数，为虚拟机的同类性能参数的集合，其归一化值为： GXij = (curXij-minXij) / (maxXij-minXij) (5) 其中，i为任务的个数，j为性能参数的个数，cur、为性能当前值，HiinXu为同类性能 参数集合中的最小值，HiaxXu为同类性能参数集合中的最大值。 步骤2,计算欧式距离 在经过参数归一化处理后虚拟机的参数向量为X = (X1, X2, x3},云任务的参数向量为 Y = (Y1, Y2, Y3};考虑CPU、内存和带宽三个性能参数，根据云任务的类型得到权重向量W = Iff1, W2, WJ，则欧式距离的计算公式为：
其中\表示第i个虚拟机中第j个资源的归一化参数值；表示任务对第j种资源的 期待值％表示第j种资源的权重； 步骤3,选择资源 每个任务选择与其欧式距离最小的虚拟机执行任务，采用控制空闲的虚拟机的方法进 行负载平衡，每个虚拟机维护一张欧式距离表，当某个任务被成功分配到某台虚拟机执行 后，需要更新欧式距离表，增加某类资源和该虚拟机之间的欧式距离，更新公式为： D/ =Di(HlAi)，n为虚拟机的个数 (X) 步骤4,计算用户满意度 在任务完成后，考虑每个任务的完成情况，包括任务的完成时间和各个任务的用户满 意度，以及所有任务的综合满意度；单个任务的用户满意度为： Si = Sf=1 Wjln(actj/exp)) (8) 其中，Si为任务i的用户满意度％为第j项性能参数的权重；act为任务对第j项性 能参数的实际消耗；exp」为云任务对第j项性能的用户期待值； 当0彡IsiI彡0. 5时，则认为用户对云任务i的资源分配很满意；当0.5〈 |Si|彡1时， 则认为用户对云任务i的资源分配比较满意；当|s」>l时，则认为用户对云任务i的资源 分配不满意；当IsiI的值很大时，则认为用户对云任务i的资源分配非常不满意； 所有云任务的用户综合满意度为： s = E[=i IsiI (y) 其中Si为第i个任务的用户满意度；t为所有云任务的个数； 步骤5,计算成本 在执行完每个云任务后，计算执行任务所花费的成本；虚拟机按照单位对资源计费，任 务消费的全部费用COSti为：
其中，Pi为资源数量，C为单位资源价格； 执行所有云任务后，系统的总成本为： c = Z[=1 COSti (H) 其中COSti为第i个任务的成本；t为所有云任务的个数。
【文档编号】G06F9/50GK104333569SQ201410491004
【公开日】2015年2月4日 申请日期:2014年9月23日 优先权日:2014年9月23日
【发明者】蒋昌俊, 张亚英, 陈闳中, 闫春钢, 张冬冬, 陈熔仙 申请人:同济大学