一种多资源偏序调度策略的制作方法
【技术领域】
[0001] 本发明涉及到互联网技术领域，特别适用于NFV(包括SDN)等新型体系架构环境， 涉及一种多资源偏序调度策略。
【背景技术】
[0002] 无论是NFV、SDN、云计算，还是数据中心，任务扮演着十分重要的角色。所谓任务 是指，用户从发送一个请求到最终响应的最小应用单元，它相当于一次的应用实例响应。例 如在NFV网络中，NFV基础设施（简称NFVI)将硬件抽象成一系列的虚拟资源，虚拟网络功 能（简称VNF)则根据不同任务需求形成服务链。作为具有全局视角的NFV编排器，它将统 一管理这些服务，通过尽量充分利用这些虚拟资源来使每个需要调度的任务达到最优。
[0003] 然而，调度这些任务具有以下挑战。一是传统的流调度算法并未考虑流之间的关 系。一般情况下，任务包含若干个子任务，每个子任务可以由若干个流组成，例如，云中的 MapReduce包含两阶段的子任务，即map和reduce。这些流和子任务都存在着依赖关系，如 reduce相关子任务只能在map子任务之后才会被考虑。因此，兼顾考虑每个子任务之间的 关系，可以使调度时间达到最优，并可以使资源得到充分利用。二是资源类型的多样化。每 个虚拟化功能将会涉及多种资源，诸如CPU、内存、硬盘和网络等。多资源的限制会导致传统 的求解方法，如关键路径法（简称CPM)等失效，增加了调度算法的难度，理论证明，该问题 是一个NP-hard问题，无法在多项式时间内完成。
【发明内容】
[0004] 为了克服上述现有技术的缺点，本发明的目的在于提供一种多资源偏序调度策 略，该策略是贪婪的多项式时间算法，它充分利用了虚拟资源，保证了任务平均时间和平均 尾时间最短，并确保所有任务不会因为资源的充分利用而被饿死的情况发生，该策略将会 使发起任务的终端用户总体利益达到最大。
[0005] 为了实现上述目的，本发明采用的技术方案是：
[0006] -种多资源偏序调度策略，在NFV网络架构中，将基于偏序结构的多资源任务调 度问题形式化为如下模型：
[0007]
[0008]
[0009]
[0010]
[0011]
[0012]
1,3- W
[0013] 其中，D为一个多目标矩阵，包含两个子目标DJPD2,Di为平均处理时间，02为 尾处理时间，
为所有任务集合，每个任务ieT分解成为 一系列的子任务（i，j)，S表示所有子任务（i，j)的集合，对于任务i，任务的开始时间和 处理时间分别定义为<和<，而子任务（i，j)的开始时间、处理时间和结束时间则分别定 义为<；、4和·ζ，对于子任务（i，j)，其前趋集和后继集分别定义为17(/>和1|:(^，式中 /er7U)表示，子任务（i，j)是子任务（i，j)的前趋子任务，显然表示子任务（i，j) 的结束时间，<,(〇表示子任务（i，j)在时刻t分配资源r的数量，R表示资源类型有限集， 资源reR，^则表示子任务（i，j)对资源r的需求，y表示为资源reR的容量；
[0014] 实现该模型即实现了多资源偏序任务调度。
[0015] 采用基于事件驱动的两阶段多项式时间算法实现上述模型，算法步骤如下：
[0016] 步骤1 :将所有即将调度的子任务按主控资源分组；
[0017] 步骤2 :组内子任务优先级设置：在每个主控资源分组内根据子任务的开始时间 和处理时间来判断最低优先级，并根据这个优先级确定子任务的调度顺序；
[0018] 步骤3 :求出最大无关向量组子任务；
[0019] 步骤4 :根据当前待调度的子任务的需求矩阵进行资源分配；
[0020] 步骤5 :当子任务完成后，即在冲刺期之后，如果没有子任务，则等待新子任务的 到达；否则返回步骤3 ;当一个新子任务到达后，则重新进行步骤1。
[0021] 所述步骤1中，通过如下方式分组：
[0022] 步骤1. 1根据
计算子任务（i，j)的主控资源，其中€表示为子任 务（i，j)的主控资源；
[0023] 步骤1. 2具有相同的主控资源《的子任务（i，j)被分至同一类主控资源组中。
[0024] 所述步骤2中，通过如下方式设置组内子任务优先级：
[0025] 步骤2. 1定义每个子任务的开始时间，如果是该子任务没有前趋，或者所 有前趋已经完成调度，此时，该子任务开始时间是已知的，即为 否则的话，将根据
计算子任务的开始时间，其中表示子任务（i，j)的前趋子任务 (i，j)的开始时间〇和<,-则表示为子任务（i，j)对应主控资源^的需求及容量； ?广
[0026] 步骤2. 2计算每个子任务（i，j)的处理时间估计值G ，其中@表示子任务 cu (i，j)处理时间的估计值；与步骤2. 1中的定义类似，和表示为子任务（i，j)对应 主控资源的需求及容量；
[0027] 步骤2.3利用公式〇/?/^./)=<+12计算每个子任务（^)的01^值；
[0028] 步骤2. 4根据DRP值，对每个组内子任务分别进行排序；若有新的子任务到达时， 该子任务将根据其DRP值插入到已经排好序的队列中。
[0029] 所述步骤3中，通过如下步骤求出最大无关向量组子任务：
[0030] 步骤3. 1取出每个组最小DRP值的子任务，将它们的需求组成一个需求矩阵；
[0031] 步骤3. 2求出该需求矩阵的最大无关向量组，如果是满秩的，则表明所有子任务 都将被调度；如果不是满秩的，则说明仍然有子任务线性相关，将不会在本轮被调度；
[0032] 步骤3. 3将所有线性相关的子任务返回到相应的队列头当中，等待下一轮的调 度。
[0033] 所述步骤4中，整个分配阶段分为稳定期和冲刺期两个阶段，利用最大利用率分 配（MUA)算法实现资源分配，该算法步骤如下：
[0034] 步骤4. 1计算待调度的子任务分配份额值ku，其矩阵计算由V)给 出，其中，（&,)、（<；)和（c〇分别表示子任务（i，j)分配份额矩阵、需求矩阵和容量矩阵， (<,广则表示对需求矩阵求逆矩阵；
[0035] 步骤4. 2在稳定期t，子任务（i，j)对资源r的分配值⑴为Λ·;,.⑴= ;
[0036] 步骤4. 3在冲刺期t，子任务（i，j)对资源r的分配值将变为
，:其中符号「1表示对数值进行上取整。
[0037] 本发明首次提出了在NFV网络中多资源偏序调度问题。现有的调度算法仅针对其 中的几点限制来研究。DRF算法提出一种公平的多资源流算法。该算法提出了主控资源的 概念，这使得多资源问题可以简化到一种单资源问题。然而DRF算法并未考虑流间关系问 题，使得该算法无法高效地使用在基于任务的调度上来。FIF0-LM算法则针对任务调度提出 一种序列化算法，理论上可以使单资源调度问题达到最优。然而该策略未考虑多资源的问 题。对于多资源，事实证明FIF0-LM策略对于多资源情况并不一定都能达到最优状况。MR3 算法和GMR3算法类似，都考虑了多资源任务调度问题，而任务中的子任务之间仅为链状结 构，对于较为复杂的偏序结构问题则并未考虑。Myopia策略考虑了NFV场景下多资源任务 问题，将该问题又向前推进一步。然而该策略仍然未考虑偏序结构，仍然无法较为复杂的偏 序任务调度问题。此外，传统的偏序算法，如CPM，并未考虑资源的限制，也很难解决NFV网 络中多资源偏序调度问题。
[0038] 与现有技术相比，本发明的有益效果还表现在如下几个方面：
[0039] (1)最优性。相对于现有技术，该算法具有最优特性。它是公平共享算法和序列化 算法的权衡。通过贪婪的占用资源，来实现最优的平均调度时间和尾调度时间