基于混合遗传算法云计算任务节能调度算法.doc

基于混合遗传算法云计算任务节能调度算法 　　摘要：云计算中主机和任务的数量都是十分庞大的，如何通过任务分配调度来减少成本开销和降低能耗是当前云计算和绿色计算领域研究的热点问题。根据云计算任务以及运行环境的特点，将云计算任务分配问题抽象为多维多背包求解问题，并采用改进的混合遗传算法对该问题进行求解。实验结果表明，改进的混合遗传算法能够在较短的时间内找到问题的优化解，并且根据该算法实现的任务分配策略能够有效地减少任务执行的成本开销和能耗。 关键词：云计算； 任务分配； 混合遗传算法； 降低成本； 节能 中图分类号：TP393 文献标识码：A文章编号：2095-2163（2013）06-0036-05 0引言 云计算作为一种计算、存储资源的新型商业模式而出现，具有按需访问大量、潜在的远程数据、计算中心的功能。随着云计算的发展日趋成熟，相关的服务和应用正在逐年递增，云计算为之配备的服务器数量规模也在高速增长。为了达到负载均衡、降低成本以及节能的目的[1]，云计算任务分配调度已经成为当今研究的热点课题。 云计算是从网格计算的基础上发展而来，但网格计算一般用于科学研究，而云计算则更多的是面向广大用户，应用场景的不同使得两者的任务分配方法存在着非常明显的差异[2]。网格计算多是针对应用与科学研究领域，以计算密集型应用为主，更注重的是效率，比如最短时间完成任务，所以传统的网格程序性能预测模型往往只考虑程序的运行时间效率，而忽略了其他硬件方面的开销。而云计算应用范围的广泛化就决定了必须在效率和各种资源开销之间寻找一个平衡，这些开销就包括时间开销、CPU利用率、内存使用大小、I/O使用大小，为了降低成本就要使以上各种硬件资源得到充分的使用而减少任务所需主机的总数量，同时为了保证QoS（Quality of Service）必须避免出现资源征用情况的发生。 目前，许多云计算任务分配调度方法的目的主要为了减少任务的运行时间[3]，或者任务运行的利益最大化[4]，却较少地关注到任务运行所消耗的资源以及能耗。Pandey等[3]使用优化粒子群算法寻找出云计算环境下最优的资源分配策略，使得任务的执行总时间以及通信量最低；徐骁勇[5]通过对云计算资源进行调度，缩短了云计算任务的运行时间，同时也达到了降低能耗的目的；Srikantaiah[1]发现当计算机CPU和硬盘处在某一利用率时可以达到处理平均事务所消耗的能量最少，并通过调整硬件资源的利用率来达到节能的目的；Duy[6]将计算机状态分为运行、等待、休眠和关机，再结合数据中心的电源管理办法，通过将计算机在这四种状态之间互相转换来达到节能的目的，但并没有影响到计算机内部资源的利用率，而且也没有解决资源使用不充分的问题；已有的三种绿色任务调度算法是STF-OS、LTF-OS、和RT-OS算法[7]，这三种算法虽然能够达到节能的目的，但却只考虑了CPU的调度，而没有兼顾到计算机的内存、I/O和带宽等资源的整体调度，可能导致资源的不充分利用或者资源的争用，从而影响QoS。 根据云计算任务调度的特点，本文提出了一种基于混合遗传算法的云计算任务分配策略，实验表明，这种方法能够有效地降低任务运行的总能耗，降低任务成本。 1云计算任务分配模型 1.1任务分配问题的描述 假设一个数据中心包含m台主机，n个任务等待分配，{Cj，Mj，Dj，Nj}四元组分别对应第j台主机的CPU、内存、硬盘I/O、网络带宽四种资源，{ci，mi，di，ni}为第i个任务对四种资源的需求量，则四元组{Cj，Mj，Dj，Nj}即为背包问题中第j个背包容量，{ci，mi，di，ni}为第i个物品的大小，由此任务分配问题就转化为四维背包问题的求解，如何将n个任务分配到m台主机，同时保证每台计算机的资源使用率在四元组{Cj，Mj，Dj，Nj}的限定之内，这是对一个多维多背包问题的求解。 1.2任务分配问题的数学模型 背包问题是一种组合优化的NP完全问题[8]。问题可以描述为：给定n个物品，每种物品都有自己的重量和价格，第i个物品的重量为wi，价格为vi，在限定的总重量c内，应该如何选择，才能使得物品的总价格最高。其数学模型可表示为： max∑ni=1vixi（1） s.t∑ni=1wixi≤c xi=0或1；i=1，2，…，n（2） 其中， xi表示物品是否被选装入： xi=0，物品i不装入 1，物品i装入 多维多背包问题是背包问题的一类子集[9]，其中表示背包容量和物品大小的变量有多维表示，而且物品放入的背包可有多个选择[10]，在任务分配问题中可用主机的各种硬件资源{Cj，Mj，Dj，Nj}表示为背包问题中第j个背包容量，每个任务对各种硬