云计算环境下基于模板的任务调度策略的制作方法
【专利摘要】本发明公开了云计算环境下基于模板的任务调度策略，建立星型网络，任务到达云平台时，初始位置在调度节点P，根据现有的任务集合以及处理机集群的状态，调度节点采用和的调度算法得到每个任务和处理机的映射，然后通过网络将各个任务传给对应的处理机并运行，所有任务运行结束的时间即为该调度算法下产生的任务完成时间T。本发明的有益效果是从一个新的角度提出一类新的任务调度方式，该方式较传统方式对参数进行了预处理，从全局出发得到一个整体较优的模板，进行有目标的调度，使得任务集合在云计算环境下的完成时间得到了较大的优化。
【专利说明】
云计算环境下基于模板的任务调度策略
技术领域
[0001] 本发明属于云计算任务调度技术领域，涉及云计算环境下基于模板的任务调度策 略。
【背景技术】
[0002] 云计算是一种新兴的信息技术服务模式，由网格计算、分布式计算和并行计算等 发展而来。作为商业平台，云计算面对庞大的资源和任务数量，需要合理的任务调度策略保 证其资源得到充分利用，任务得以高效处理，除此之外，还需要考虑云服务提供商的利益和 用户的服务质量，因此任务调度一直都是云计算的研究热点之一。目前针对云计算的任务 调度算法并不多，关于其研究更多的是建立在网格计算的基础上，通过对传统经典算法进 行改进以适应云计算平台。
[0003] 当前针对网格计算已有很多经典的任务调度算法，任务调度可分为实时调度和批 量调度，实时调度即任务到达后马上进行调度，而批量调度是任务到达后先加入任务集合 列表，在固定时间段后对任务集合列表中的任务进行集中调度。下面介绍几个经典的批量 任务调度算法：
[0004] l.Min-min 算法
[0005] Min-min算法每次迭代得到一个任务的目标处理器并对该任务进行调度，迭代次 数根据任务集合大小而定。具体步骤为:根据处理器状态，对任务集合中的每个任务计算其 在所有处理器上的期望完成时间，取最早完成时间；对比所有任务的最早完成时间，取最早 完成的那一个任务并将该任务调度到对应的处理器上，并从任务集合中删除该任务;更新 处理器状态，重复上述步骤直至任务集合中为空。该算法属于贪心算法中的一种，当处理器 集群中存在高性能节点时，使用该算法容易导致任务被集中分布在这些高性能处理器上， 其他处理器处于空闲状态，致使负载不均衡以及资源的浪费，该缺陷在本文的实验中得到 了验证。
[0006] 2.Max_min 算法
[0007] Max-min算法和Min-min算法非常相似，需要计算每个任务在处理机中的最早完成 时间，不同的是被分配出去的是任务集合中最早完成时间最晚的那一个，然后从任务集合 中删除该任务，更新处理器状态并进行下一个任务的调度。Max-min算法也属于贪心算法的 一种，在一般情况下，相对于Max-min算法，Min-min的调度效果较优，Max-min算法调度结果 的运行时间会比较长。只有当一个任务集合中，短任务数量远远多于长任务数量时，Max-min 的调度效果有可能优于 Min-min。
[0008] 3 ? Sufferage 算法
[0009] Sufferage算法可以称之为代价算法，其决定任务调度顺序的标准为代价值，即 Suff erage值。具体步骤为:计算任务集合中每个任务在所有处理机上的最早完成时间和次 早完成时间；计算代价值，也就是Sufferage值，计算方法为次早完成时间与最早完成时间 之间的差值，这样每个任务都对应了一个Suf f erage值;挑选Suf f erage值最大的任务调度 到最早完成时间所对应的处理器上;从任务集合中删除该任务，更新处理机状态，重复上述 步骤直至任务集合为空。Sufferage算法将代价作为判断任务调度顺序的标准，防止高代价 任务完成时间过晚而对整个调度的效果造成较大的影响。
[0010] 4 ?启发式算法
[0011] 网格计算的任务调度为NP难问题，启发式算法自然也就被大量应用于调度问题 中，例如遗传算法(Genetic Algorithm,GA)和蚁群算法(Ant Colony Optimization，AC0) 等。遗传算法是解决最优化算法的一种启发式搜索算法，是一种进化算法，类比生物的进化 过程，遗传算法通过逐代的优胜劣汰来求得近似最优解，在编码产生种群后，每次迭代都需 要经过选择、交叉、变异等过程产生新的个体。蚁群算法的灵感来自于蚂蚁觅食时，通过释 放信息素最终在蚁穴和食物源之间找到一条最短路径，算法通过引入信息素概念及信息素 的更新机制，模拟蚂蚁觅食来求解优化问题。
[0012]关于云计算的任务调度实际应用中，在开源云计算框架Hadoop下给出了三种不同 的调度算法:FIF0(First In First Out)、公平调度算法(Fair Scheduler)、计算能力调度 算法(Capacity Scheduler) JIFO算法按照任务到达的顺序对任务进行分配，但是FIFO没 有考虑任务的分类、优先等级以及QoS要求，可能会造成任务等待时间过长，这对实时交互 的任务是不可接受的，因此难以同时满足所有用户的要求。公平调度算法即将资源平均的 分配各个任务，当平台中只有一个任务时，该任务独占所有的资源，当有新的任务加入到 平台中时，平台需要将部分资源释放分配给新的任务，让所有的任务获得同等的资源;在实 际应用中，会根据任务的优先级赋予不同的权值，然后以权值为依据来分配资源，将绝对公 平转变为相对公平。计算能力调度算法是由Yahoo首先提出的，算法拥有多个队列来维护到 达云平台的任务，每个队列根据系统配置会获取相应的系统资源，在每个队列内部采用基 于优先级的FIFO调度策略，且为非抢占式的。
[0013]以上算法中，对任务的调度方式是通过选择当前最佳任务来达到优化任务集合完 成时间的目的，但是当前最佳并不意味着总体最佳，本发明通过对各个参数进行预处理，从 全局出发得到一个整体较优的模板，进行有目标的调度，从而得到较好的调度结果。
【发明内容】
[0014] 本发明的目的在于提供云计算环境下基于模板的任务调度策略，优化了任务集合 在云计算环境下的完成时间。
[0015] 本发明所采用的技术方案是建立星型网络，P为调度节点，如至以为任务运行的处 理机，处理机?1与调度节点P直接相连，通信链路为h，其中任务调度云平台由调度 节点P，网络N和处理机M三部分组成，即任务调度云Cloud={P，N，M}，其中M={ Pl，p2,…， pm}，m为处理机个数，pi运行单位大小任务的时间为mNrUhh，…，lm}，li为P与pi之间的 连接链路，对单位大小任务的传输时间为si，其中Ki<m;用户提交的任务集合为Task = {thts，…，tn}，n为任务个数山的大小为(^，且k为独立任务，不可再分且与其他任务之间 不存在依赖关系，其中
[0016] 任务调度的过程如下:任务到达云平台时，初始位置在调度节点P，根据现有的任 务集合以及处理机集群的状态，调度节点采用和的调度算法得到每个任务和处理机的映 射，然后通过网络将各个任务传给对应的处理机并运行，所有任务运行结束的时间即为该 调度算法下产生的任务完成时间T。
[0017]进一步，所述调度算法如下：
[0018] 1)对任务集合Task={ti，t2,…，tn}，求任务总量V;
[0019] 2)处理机集群按照带宽从大到小的顺序排列得到处理机集群:M={Pl，p2,…，pm};
[0020] 求出每个处理机应该分配的任务量模板大小；
[0021] 3)根据模板采用合理的任务组合优化算法将任务集合中的任务分配给各个处理 机；
[0022] 4)按照处理机顺序，依次将分配给每个处理机的所有任务一次性发送给该处理 机，且分配给同一个处理机的任务按照任务从小到大的顺序发送给处理机；
[0023] 5)处理机在接收到完整任务后即可开始运行，最后停止运行的处理机所花费的时 间即为该调度策略下任务的完成时间T。
[0024] 本发明的有益效果是从一个新的角度提出一类新的任务调度方式，该方式较传统 方式对参数进行了预处理，从全局出发得到一个整体较优的模板，进行有目标的调度，使得 任务集合在云计算环境下的完成时间得到了较大的优化。
【附图说明】
[0025] 图1是本发明任务调度平台网络拓扑示意图；
[0026] 图2是TTS策略与可分任务调度的映射关系图；
[0027]图3是一定处理机顺序下可分任务调度最优调度结果示意图；
[0028] 图4是m = 2时两种调度顺序图；
[0029]图5是最理想调度时间图；
[0030]图6是处理机运行不连续的情况；
[0031]图7是两种任务调度顺序；
[0032]图8是基于模板的任务调度策略(TTS策略）。
【具体实施方式】
[0033]下面结合【具体实施方式】对本发明进行详细说明。
[0034] 1 ? 1任务调度模型
[0035] 任务调度模型给出了本文任务调度策略所基于的调度平台，考虑到云计算环境中 资源的异构性，本文对每台处理机的计算速度和带宽单独设定，以保证平台的异构性。下面 给出本文的任务调度模型，对平台中的网络拓扑、网络参数及处理器参数进行相关假设和 定义。
[0036] 在本文中，我们将网络拓扑限定为星型网络，如图1所示。在该网络拓扑中，P为调 度节点，PlSpm为任务运行的处理机，处理与调度节点P直接相连，通信链路为h，其中1 ^i^m〇
[0037] 定义一:任务调度云平台由调度节点，网络和处理机三部分组成，即Cloud={P，N， M}。其中M= {pi，p2,…，pm}，m为处理机个数，pi运行单位大小任务的时间为ri;N= {li， 12，…，U}，li为P与pi之间的连接链路，对单位大小任务的传输时间为si，其中1 < i <m。其 中，各通信链路和各处理机计算能力可以都不相同，整个云平台呈异构性。
[0038] 定义二：用户提交的任务集合为Task= {ti，t2,…，tn}，n为任务个数，tj的大小为 且k为独立任务，不可再分且与其他任务之间不存在依赖关系，其中l<j<n。
[0039] 本文的调度策略优化目标为一个任务集合在一个处理机集群上的完成时间。整个 任务调度的过程概括如下:任务到达云平台时，初始位置在调度节点P，根据现有的任务集 合以及处理机集群的状态，调度节点采用和的调度算法得到每个任务和处理机的映射，然 后通过网络将各个任务传给对应的处理机并运行，所有任务运行结束的时间即为该调度算 法下产生的任务完成时间T。
[0040] 无论是从云平台供应商的角度还是用户的角度，任务完成时间T都是调度算法一 个重要的优化对象，云平台供应商需要高效的完成一批任务，从而达到资源的充分利用，用 户则希望自己提交的任务较早的得到反馈。假设1\为处理机 ?1运行结束的时间，则本文提出 的任务调度策略目标是尽可能最小化运行时间T:
[0041] T=min{max{Ti, Ki<m}};
[0042]假设一:在该模型当中，假设网络带宽和处理机计算速率是稳定的，即传输时间和 运行时间与任务大小成线性关系。
[0043]假设二：调度节点向处理机传输任务采用单端口（1-port)模型，每次只能向一个 处理机发送任务，处理机在接收到完整任务后即可以开始运行。
[0044]假设三:任务数量n大于处理机数量m。如果任务数量小于处理机数量，则不需要 所有处理机参加运算，通过一些调度算法选择部分处理机参与计算即可。
[0045]假设四：处理机带宽大于运算速率。即对一台处理机来说，运行一个任务所需要的 时间比该任务的传输时间要长即Sl<ri，如果Sl> ri，很有可能出现的情况便是任务在到达 处理机时前面的任务已经完成，此时只需要一台速度最快的处理机即可，因此在本文中，假 设处理机带宽大于运算速度。
[0046] 假设五:在调度开始时，所有的处理机处于空闲状态。
[0047] 基于上述调度模型，下面开始详细介绍TTS策略。
[0048] 1.2 TTS策略设计思路
[0049] 本文调度策略针对的任务类型为独立任务，设计思路来自于网格计算任务调度的 可分任务调度，可分任务模型在1988年由Cheng Y G和Robtertazzi T G首次提出，诸多专 家学者就可分任务调度进行了大量的研究。在上述任务调度模型的基础上，基于一定的假 设，可分任务调度按照优化原则，通过对处理机和任务的参数进行预处理，便可以计算出每 个处理机应该划分的子任务大小以使整个调度结果最优。
[0050] 图2展示了可分任务调度与本文调度策略的映射关系，同时给出了 TTS策略的设计 思路，图中，左边为TTS策略的组合过程，带有t的椭圆形表示待调度的任务，这些任务大小 不一，构成任务集合，通过组合后得到了各个分组并调度到对应的处理机上;右边为可分任 务的划分过程，一个较大的任务通过划分得到较小的子任务，每个子任务将调度到对应的 处理机上。由上图可以看出，对应关系如下：可分任务模型的任务大小对应TTS策略下任务 集合中所有任务量之和;可分任务模型中划分得到的子任务大小对应TTS策略下每台处理 机应该分配的最优任务量。
[0051] 由于可分任务能够准确的求出较优的子任务划分大小，子任务的大小就是任务集 合中各个任务组合的目标。这也就是基于模板任务调度策略的核心思路:求出任务集合的 任务量大小所对应的可分任务调度划分，划分结果即为模板，然后根据模板大小对待调度 任务进行组合，使其尽量接近模板的大小，组合完毕后按照一定的顺序将任务调度给对应 的处理机。
[0052]因此，本文的调度策略主要分为两个部分，处理机分担任务量模板求解和任务组 合优化，下面依次对各个部分进行介绍。
[0053] 1.3处理机分担任务量模板求解
[0054]本节将给出组合模板的求解过程，即可分任务中的求解子任务大小的过程。给定 任务集合，该任务集合中共有n个任务，其中的大小为，则可以求出任务总量V: n
[0055] F - i -n ;
[0056] 将该任务总量类比到可分任务中，对大小为V的任务划分成子任务。在可分任务的 理论研究中，存在着一个最基本的优化原则:任务完成的最短时间，就是分给处理机的所有 子任务同时运行完成。这个优化原则很好理解，如果最短时间不是所有子任务同时运行完 成，那么将还未完成运行的处理机上的任务分给已经完成运行的处理机，可以得到更短的 运行时间，反证可得出矛盾。
[0057] 根据上述优化原则可得出最优调度如图3所示，T就是在该处理机调度顺序下运行 的最短时间。接下来首先将根据V求解各个的大小，然后求出最佳的处理机的调度顺序。 [0058] 1.3.1求解模板大小
[0059]对处理机集合，在求解之前，首先假设对处理机按照的顺序来调度，最优的处理机 调度顺序将在下一小节进行推导证明。则根据图3可以得出结束运行的时间：
[0060] Ti = visi+viri ；
[0061 ] 同理可得出：
[0062] T=i k=i i+l
[0063] K+1 = EvpA-+ u;fl ; A 二1
[0064] 在上面两个式子中满足，根据最优原则，上述两个公式满足以下关系：
[0065] Ti = Ti+i；
[0066] 即： i . i-f l
[0067] Xvksk + v，ri =Zvtsk + vi+iri+i ； i：-l A-l
[0068] 简化上述等式则可以得到：
[0069] Viri = Vi+iSi+i+Vi+iri+i ；
[0070] 因此可以得到和的关系：
[0074]依次类推，又可以用来表示，通过替换和推导，最后得出和的关系：
，可以看出为常数，则上述公式可以简化为：
[0077] Vi = Mvi ；
[0078] 结合公式和公式进行以下推导： m
[0079] V=Y,vi ; m
[0080] 【'=(S^+1)vi i=i
[0081] 则在已知任务总量时，即V为常数，可以求出：
[0083] 在上面已经求出了和的关系，根据可以得到i>2时的求解公式：
[0085]这样，在固定了处理机的调度顺序后，本小节求出了每台处理机应该分担的任务 量模板大小，即公式和公式。
[0086] 1.3.2最优处理机调度顺序
[0087]在上一小节求解^的过程中，提前假设了处理机的调度顺序为，当处理机顺序不 同时，其最优划分就会改变，因为模板的参数与处理机的调度顺序有关，所以需要求出在所 有的处理机调度顺序中，按照哪个顺序调度后任务运行时间是最短的。
[0088]下面先通过特例来求出调度顺序，给出只有两个处理机和时的情况，即，那么只可 能出现两种调度顺序：
[0089] a)先调度，后调度；
[0090] b)先调度，后调度。
[0091] 本小节的目的是求解处理机的最优调度顺序，这里转换一下求解角度：固定运行 时间为T，在时间T内，两种调度顺序下完成任务量多的顺序更优。图4展示了两种调度顺序， 图中，a)调度顺序下T时间内运行的任务，b)调度顺序下T时间内运行的任务，其中：
[0092] 在a)调度中，可以得到以下两个方程式：
[0093] visi+viri = T
[0094] visi+V2S2+V2r2 = T ；
[0095]上面两个方程式组成了一个二元一次方程组，由这个方程组可以很容易的求解出 和。
[0098] 则在a)调度中，固定时间T内可以完成的任务总量为：
[0099] Vi = vi+V2;
[0100] 同理，在b)调度中，同样可以求出和：
[0103] 在b)调度中，固定的T内可以完成的任务总量为：
[0104] V2 = W1+W2 ；
[0105] 为了比较两种调度完成的任务量，对和求差值：
(2-1);
[0107] 假设a)调度顺序优于b)调度顺序，则需要满足以下条件：
[0108] Diff > 0 => ,v: > .v,；
[0109] 在一般情况下，处理机调度的最优顺序为带宽递减。
[0110] 1.3.3处理机分担任务量模板
[0111] 通过比较可分任务调度和本文策略中任务调度可以得出一个不同点，在任务调度 模型的假设二中给出：处理机在接收到完整任务后即可以开始运行。可分任务模型中，处理 机需要接受整个子任务后才开始运行，但在本文的调度策略中，每个处理机会连续接收多 个独立任务，处理机不需要等到接收全部分配给它的任务后才开始运行，而在接收到一个 完整的任务即可开始运行，与此同时，后续任务也在继续接收中，处理机的运行和任务接收 呈现并行化。因此对分配了多个任务的处理机来说，运行时间提前了。
[0112]则最理想的调度状态如图5所示，代表分配给的任务中最小的任务，这样每个处理 机在运行前处于接收任务的时间达到最小，且在开始运行后便没有中断。当然，这是一个最 理想的状态，需要建立在以下假设上:处理机上第k个任务运行完成时，第k+1个任务已经全 部接收完。
[0113]即使假设成立，该最理想状态下的模板求解是有一定的困难的，因为在划分处理 机任务量时，是无法确定的大小的。但是可以确定的是，处理机的运行开始时间会提前，整 个任务集合的完成时间在理论上是有可能小于总时间T。但是任务组合不可能完全等于模 板大小，超出模板时处理机的完成时间则会大于T，因此任务组合时需要尽量接近模板大 小。
[0114] 则综合本节的介绍，可得出求解组合模板的流程如下：
[0115] 1)对处理机集群按照带宽大小排序为；
[0116] 2)对排好序的处理机划分任务量，划分结果为：
[0118] 1.4任务组合优化
[0119]在上一节中，推导出了最优的处理机调度顺序和处理机分配的任务量模板，接下 来的工作就是要将任务按照模板进行组合。由于待调度任务是不可分的，因此组合的结果 不太可能完全等于各个模板的大小，任务组合优化的目的就是让任务组合的结果尽可能的 靠近模板大小。由于任务组合优化的实现方式很多，本节只对组合优化进行简单地介绍，详 细内容和实验将放到后续章节进行介绍。本节会详细讨论每个处理机上各任务的调度顺 序，这一部分在策略中也是固定的。
[0120] 1.4.1任务组合优化方案
[0121] 本文涉及到的任务组合优化是在求出组合模板后，对任务进行组合使其尽可能的 接近模板，对比可以发现本文的任务组合优化和多背包问题（Multiple Knapsack Problem)有很多相似性。多背包问题是将众多大小不等物品放入不止一个的背包中，让所 有背包所装的物品价值达到最大。
[0122] 文中给出了五类常见背包问题:0-1背包问题(0-1 Knapsack Problem)、多选择背 包问题（Multiple Choice Knapsack Problem)、多背包问题（Multiple Knapsack Problem)、多目标背包问题（Multi-objective Knapsack Problem)和多维背包问题 (Multi-dimensional Knapsack Problem)。这些背包问题的不同点主要体现在背包个数、 物品能否重复选择和约束条件个数三个方面。本文的任务组合优化和多背包问题的情况比 较相似。多背包问题的描述如下：
[0123] 从由n个物品构成的物品集合中挑选物品装入m个背包中，这些背包的容量为，每 个物品有两个属性:重量和价值，其中，用二维数组X表示物品和背包的映射关系，当物品j 被装入背包i时，否则。多背包问题的目标为:在不超过每个背包容量的前提下，使得所有背 包装入物品的价值之和最大。即：
[0124] max 丨艺； i=l j=\
[0125] 多背包问题的约束条件为： m.
[0126] ^.v;/ < 1,1 < /' <// ft
[0127] St,,l $/$"? j:l
[0128] xijG {0,1}, 1^； j^；n；
[0129] 表示在多背包问题中，物品不能被重复选择，即一个物品只能装入一个背包;表示 每个背包所装物品的重量不能超过背包的容量。
[0130] 在本发明涉及的任务组合优化中，每个处理机应该分配的任务量大小对应多背包 问题的背包容量，任务对应物品，任务的大小对应了物品的重量。虽然本文的任务组合优化 和多背包问题近似，但仍存在以下区别：
[0131 ] 1)在多背包问题中，物品的大小总和是不能超过背包大小的，但在本文中，分配给 处理机的任务总量是可以超过模板的，但无论是超过还是不足，都需要尽量靠近模板大小。
[0132] 2)在多背包问题中，物品不需要全部装入背包，但在本文的任务组合优化中全部 任务都需要分配到处理机上。
[0133] 3)多背包问题中，物品有重量和价值两个性质，背包大小是对所装物品重量的限 制，多背包问题的目标是所有背包所装物品价值最大。但在本文的任务组合优化中任务只 有大小一个属性。
[0134] 1.4.2任务调度顺序
[0135] 在将各个任务组合得到与处理机的映射后，针对单个处理机来说，分配给该处理 机的任务以什么样的顺序调度能够使所有任务的完成时间最短。当不考虑通信开销时，任 务的调度顺序对处理机的运行时间是没有影响的，因为完成时间只与任务大小相关，只要 分配给该处理机的任务总量一定，则完成时间是固定的。但当考虑通信开销后，处理机的运 行是不一定连续的，即接收的任务全部执行完，新任务还未接收完，如图6所示，图中展示了 处理机的运行不连续的情况，在上图中，任务在运行完成后，任务还没有全部接收，则运行 出现了暂停，也就是图中的灰色部分。
[0136] 下面讨论两种调度顺序：
[0137] a)任务按照从小到大的顺序传输给处理机；
[0138] b)任务按照从大到小的顺序传输给处理机。
[0139] 根据任务调度模型中给出的假设，对一个任务的运行时间大于其传输时间，则按 照b)顺序对任务进行调度时，处理机的运行一定是连续的；而按照a)顺序对任务进行调度 时，不能保证处理机的运行是连续的，这里假设a)顺序下的最坏情况，即每个任务运行完后 都出现停顿。下图中以三个任务为例给出两种顺序的处理机运行时间图7,图7中，调度节点 P为处理机分配了三个任务，下面推广到一般情况来对比两种顺序。则在a)调度顺序中，可 求出： H
[0140] 77/批丨;
[0141] 同理可以求出： n
[0142] 77/??^, =/,,^； 知.1
[0143] 要比较和的大小，对其求差值：
[0144] Timc\ - Time, =(s：~ r： //A ；
[0145] 在任务调度模型中，假设四给出带宽速度要高于计算速度，即，则：
[0146] Timei<Time2〇
[0147] 通过上面的推导，可以看出，任务按照从小到大的顺序调度，即使在最坏情况下， 即处理器运行不连续时也要优于任务从大到小调度，因此对分配给同一个处理机上的任 务，本文采取任务按照从小到大的顺序传给处理机。
[0148] 以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限 制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均 属于本发明技术方案的范围内。
【主权项】
1. 云计算环境下基于模板的任务调度策略，其特征在于:建立星型网络，P为调度节点， P1Spm为任务运行的处理机，处理Wp1与调度节点P直接相连，通信链路为h，其中KiSm; 任务调度云平台由调度节点P，网络N和处理机M三部分组成，即任务调度云Cloud= {P，N， Μ}，其中M= {pi，p2，···，pm}，m为处理机个数，pi运行单位大小任务的时间为ri;N= {li， I2，…，U，Ii为P与Pi之间的连接链路，对单位大小任务的传输时间为Si，其中1彡i彡m;用户 提交的任务集合为Task= {ti，t2，…，tn}，n为任务个数，t j的大小为a」，且tj为独立任务，不 可再分且与其他任务之间不存在依赖关系，其中KjSn; 任务调度的过程如下：任务到达云平台时，初始位置在调度节点P，根据现有的任务集 合以及处理机集群的状态，调度节点采用和的调度算法得到每个任务和处理机的映射，然 后通过网络将各个任务传给对应的处理机并运行，所有任务运行结束的时间即为该调度算 法下产生的任务完成时间T。2. 按照权利要求1所述云计算环境下基于模板的任务调度策略，其特征在于:所述调度 算法如下： 1) 对任务集合Task= {ti，t2,…，tn}，求任务总量V; 2) 处理机集群按照带宽从大到小的顺序排列得到处理机集群:M= {Pl，p2,…，pm}; 求出每个处理机应该分配的任务量模板大小； 3) 根据模板采用合理的任务组合优化算法将任务集合中的任务分配给各个处理机； 4) 按照处理机顺序，依次将分配给每个处理机的所有任务一次性发送给该处理机，且 分配给同一个处理机的任务按照任务从小到大的顺序发送给处理机； 5) 处理机在接收到完整任务后即可开始运行，最后停止运行的处理机所花费的时间即 为该调度策略下任务的完成时间T。
【文档编号】G06F9/48GK105912390SQ201610211287
【公开日】2016年8月31日
【申请日】2016年4月7日
【发明人】李强, 刘昭昭, 袁熙, 林若男, 李雪, 逯峻雨, 盛小东
【申请人】四川大学