云平台下动态任务调度人工免疫算法.docVIP

云平台下动态任务调度人工免疫算法 摘 要： 针对云计算领域的任务调度问题，提出了一种基于人工免疫（AI）理论的云计算平台动态任务调度算法。该算法首先利用排队论迅速、粗略地确定云计算平台保持稳态的条件，并为后面的计算提供基础数据；然后利用人工免疫理论中的免疫克隆选择算法，搜索出为集群中各节点上的不同虚拟机分配计算资源的近似最优配置；算法中还加入了适当的负载平衡处理，它使抗体基因更加优良。模拟实验结果表明，该调度算法能有效提高收敛速度和精度，快速搜索到合理配置，提高了集群资源利用率。 关键词：云计算；人工免疫；动态任务调度；虚拟机；资源配置；排队论 中图分类号： TP18 文献标志码：A Artificial immune algorithm for dynamic task scheduling on cloud computing platform Abstract： In the field of cloud computing， it is a key problem that how task schedules. This paper presented an artificial immune algorithm for dynamic task scheduling on cloud computing platform. Firstly， the algorithm used the queuing theory to determine the conditions of cloud computing platform to maintain steady-state， and provided the basic data for the following algorithm. Then， this paper used the clone selection algorithm to search out the approximate optimal configuration which calculated resources for different virtual machines of different nodes in the cluster. Finally， proper load balancing processing algorithm joined with immune theory improved the antibody genes. The results of simulation experiment show that， this algorithm can effectively improve the convergence speed and accuracy， search reasonable allocation quickly and improve the cluster resource utilization. Key words： cloud computing； Artificial Immune （AI）； dynamic task scheduling； virtual machine； resource configuration； queuing theory 0 引言 云计算[1]是在并行分布式计算技术基础上的更高层次的“集中式”计算处理模式。存储管理、数据管理、虚拟化技术、大规模并行任务调度技术，以及面向数据密集型计算的并行编程模型等技术构成了支撑云计算的关键技术[2]。如何有效地进行任务调度来满足用户对于云计算服务的需求，同时使得云计算资源利用率和系统收益最大化，是当前云计算领域中一个重要而又复杂的研究课题。 目前，国内外已有许多针对不同计算环境的任务调度算法[3]，如Min-Min、Max-Min、快速贪吃算法（fast-greedy）、模拟退火算法、蚁群算法、遗传调度算法、混合遗传调度算法等[4]。Tang等[5]给出了根据资源需求变化动态地将应用分配到集群节点的在线算法，但这些工作没有引入虚拟机技术，而是以应用作为放置单位。文献[6]先利用遗传算法处理虚拟机放置的组合优化问题，然后结合模糊逻辑进行多目标优化，包括总体资源利用率、能耗，但是只考虑了静态的虚拟机配置，忽视了虚拟机迁移的开销。 Bobroff 等[7]提出一种基于虚拟机动态迁移的方法来关闭无需启动的节点。该方法首先采用线性时序预测方法来预测虚拟机对资源的需求，并根据需求对虚拟机降序排列，然后采用首次满足（first-fit）背包算法将虚拟机部署在合适的节点上。然而，该研究仅仅考虑为每个应用分配一个虚拟机的场景，并不适用数据中心中一种虚拟机有多个副本的场景