云计算中基于优先级和费用约束任务调度算法.docVIP

云计算中基于优先级和费用约束任务调度算法 　　摘 要：针对云计算中的服务质量保证问题，提出一种基于优先级和费用约束的任务调度算法。该算法通过计算任务优先级和资源服务能力，分别对任务和资源进行排序和分组，并根据优先级高低和服务能力强弱建立任务组和资源组间的调度约束关联；再通过计算任务在关联资源组内不同资源上的完成时间和费用，将任务按优先级高低依次调度到具有任务完成时间和费用折中值最小的资源上。与MinMin和QoSGuidedMin算法的对比实验结果表明，该算法具有良好的系统性能和负载均衡性，并降低了服务总费用。 　　关键词：云计算；任务调度；服务质量；优先级；费用约束 　　中图分类号： TP393.027 　　文献标志码：A 　　0 引言 　　云计算作为一种新型的商业计算模式，采用虚拟化技术，将大量计算资源、存储资源与软件资源链接在一起，形成大规模的共享虚拟资源池，为用户提供廉价的按需服务[1]。与此同时，云计算强调商业模式下的用户服务质量（Quality of Service， QoS）、服务等级协定（Service Level Agreement， SLA）、安全及隐私需求[2]。任务调度是云计算的重要组成部分。云计算的服务质量保证需要通过其任务调度策略来实现，这对任务调度提出了新的需求。 　　任务调度算法的设计与算法的应用环境和调度目标密不可分。早期的传统任务调度算法如轮询法、先来先服务（First Come First Served，FCFS）、有向非循环图（Directed Acyclic Graph，DAG）等，以及启发式算法[3]包括随机负载均衡（Opportunistic Load Balancing，OLB）算法、最小完成时间（Minimum Completion Time，MCT）、MinMin、遗传算法（Genetic Algorithm，GA）和A*等，在其各自应用环境和调度目标下都具有较好的调度效果，但其并不能直接应用于云计算。 　　考虑到云计算的服务质量保证，一些新的任务调度算法被提出。文献[4]给出了一种QoS保证机制，并可通过SLA对不能满足用户需求的服务寻求赔偿。文献[5]针对面向服务的体系结构（ServiceOriented Architecture，SOA）系统设计了一种服务选择算法，其根据用户对信任程度、响应时间和费用成本的多维QoS需求为用户推荐服务。文献[6]通过对资源性能模糊聚类，根据任务??算资源偏好并在不同聚类中选择资源，以获得满意的调度效果。文献[7]提出一种基于伯格（Berger）模型的作业调度算法，其通过对任务的QoS偏好分类和对资源的公平性约束，将作业分配到最优的资源调度执行。此外，在网格计算和Web 服务中也有一些关于QoS调度的思想，如文献[8]基于MinMin算法，把带宽作为用户的QoS要求，保证具有高QoS的任务可以在不需要长时间等待的情况下获得高QoS的资源。另外，云计算的负载均衡[9-10]、调度安全[11-12]等问题也被考虑。 　　本文提出了一种基于优先级和费用约束的任务调度（Task Scheduling based on Priority and Cost Constrain in Cloud Computing， TSPCC）算法。该算法通过计算任务的优先级和资源的服务能力，分别对任务和资源进行排序与分组，并建立组间调度约束关联；加权计算任务完成时间和费用，将任务调度到关联资源组内具有最小任务完成时间和费用的资源上，在获得高性能的同时，提供服务质量保证。 　　1 任务调度模型 　　1.1 任务模型 　　云计算的任务可分为元任务和依赖任务，元任务之间相互独立，而依赖任务之间存在先后约束的关系。本文只考虑元任务，并假设任务均为计算任务。 　　2.1 任务优先级计算 　　依据任务的多方面属性来为任务设定优先级，以反映任务的重要程度。而任务的用户权限类别反映了用户的等级，是任务能否被优先服务的基础；任务的急迫程度表达了任务自身的重要性；任务的长度表明了任务的工作量大小。因此，综合考虑任务的用户权限类别、急迫程度和长度来计算任务优先级。 　　为实现任务多属性优先级计算，本文对相关数据预先进行标准化处理。数据标准化处理主要包括对数据的同趋化处理和无量纲化处理： 　　2.4 TSPCC算法描述 　　TSPCC算法思想如下：首先对任务指定属性进行标准化处理，并计算任务的优先级；根据任务优先级对任务进行排序并分组；计算资源的总服务能力并分组，并建立任务组和资源组的调度约束关联；分别计算每个任务在关联资源组内不同资源上的预期执行时间和预期费用，在此基础上计算任务的平均预期执行时间和平均费用，并计算每个任务在关联资源组内不同资源上的时