容器云平臺(tái)下任務(wù)調(diào)度策略研究

發(fā)布時(shí)間：2020-06-02 02:03

【摘要】：隨著互聯(lián)網(wǎng)的快速發(fā)展,數(shù)據(jù)的價(jià)值被大量發(fā)掘,用戶對(duì)數(shù)據(jù)處理的需求更加明顯。而云服務(wù)能夠方便快捷的解決數(shù)據(jù)處理這一問(wèn)題,因此對(duì)云服務(wù)的發(fā)展變得格外重要。傳統(tǒng)的云服務(wù)應(yīng)用在快速發(fā)布與資源高效調(diào)配上卻不能滿足用戶對(duì)服務(wù)的迫切需求。面對(duì)這種挑戰(zhàn),容器技術(shù)應(yīng)運(yùn)而生。容器作為一種更優(yōu)質(zhì)的資源虛擬化技術(shù)自然會(huì)被業(yè)界廣泛的認(rèn)可和青睞。容器云平臺(tái)具有冗余環(huán)境小,資源利用率高,部署快,彈性伸縮等更優(yōu)質(zhì)的特點(diǎn)。容器云平臺(tái)的任務(wù)調(diào)度的根本目的是根據(jù)用戶的不同服務(wù)需求對(duì)其合理分配可用的資源,來(lái)保障用戶任務(wù)能夠有效執(zhí)行。其中,容器云服務(wù)平臺(tái)調(diào)度重點(diǎn)主要考慮如何保證云用戶所要求的服務(wù)質(zhì)量(QoS)前提下既能獲得更高的滿意度又能滿足服務(wù)商在保證自身收益的前提下又好又快的完成任務(wù)。在任務(wù)調(diào)度模型的設(shè)計(jì)階段,設(shè)計(jì)了基于QoS目標(biāo)優(yōu)化的容器云任務(wù)調(diào)度模型,考慮到由于用戶傾向于高估他們所需的容器大小,以避免由于應(yīng)用程序需求過(guò)高而購(gòu)買的容器不能保證完成任務(wù)的風(fēng)險(xiǎn)。用戶的高估為云提供商提供可調(diào)節(jié)任務(wù)調(diào)度方式的機(jī)會(huì),以基于預(yù)期的資源利用而不是請(qǐng)求的數(shù)量接受新用戶。將超額預(yù)定作為一種方式為用戶提供服務(wù)。這種策略更加細(xì)化了調(diào)度參數(shù),以調(diào)節(jié)雙方滿意度的平衡。在算法設(shè)計(jì)階段,改進(jìn)了協(xié)同優(yōu)化文化基因任務(wù)調(diào)度算法,針對(duì)傳統(tǒng)的文化基因算法采用禁忌搜索算法作為局部?jī)?yōu)化算法。在全局尋優(yōu)的過(guò)程中,容易出現(xiàn)由于交叉概率與變異概率設(shè)置的不合理造成算法的過(guò)快收斂陷入局部最優(yōu)的問(wèn)題。本文采用多種群的方式,進(jìn)行全局方向上的控制,將初始化的群體根據(jù)多個(gè)交叉變異概率引導(dǎo)向多種可能的進(jìn)化方式。并設(shè)置協(xié)同進(jìn)化的精英策略以避免由于多種群同時(shí)運(yùn)算造成種群過(guò)大的現(xiàn)象,加快尋優(yōu)效率。最后,通過(guò)CloudSim容器云仿真軟件來(lái)驗(yàn)證本文提出的算法和模型的有效性,實(shí)驗(yàn)結(jié)果顯示基于QoS目標(biāo)優(yōu)化的容器云任務(wù)調(diào)度模型能夠有效的提升用戶對(duì)服務(wù)的滿意程度,并且設(shè)計(jì)的協(xié)同優(yōu)化文化基因算法通過(guò)與其原始算法和常見(jiàn)算法相對(duì)比,可以有效地提升算法的收斂速度與尋優(yōu)結(jié)果的質(zhì)量。
【圖文】：

代碼,仿真實(shí)例