潘繼財(cái)

(中國(guó)科學(xué)技術(shù)信息研究所,北京 100038)

0 引言

在云計(jì)算技術(shù)的廣泛應(yīng)用背景下，網(wǎng)絡(luò)資源的共享更加便利，也使得用戶能夠更方便地獲取更加便利的網(wǎng)絡(luò)服務(wù)。但隨著云計(jì)算服務(wù)的普適化發(fā)展及網(wǎng)絡(luò)用戶數(shù)量的不斷增加，產(chǎn)生了大量的云計(jì)算工作和能量消耗，在高數(shù)據(jù)負(fù)載壓力下，資源分配服務(wù)器能耗大、工作狀態(tài)不穩(wěn)定，導(dǎo)致云計(jì)算任務(wù)調(diào)度系統(tǒng)無法正常工作，嚴(yán)重時(shí)可能導(dǎo)致系統(tǒng)癱瘓，無法為用戶提供資源分配和任務(wù)調(diào)度服務(wù)[1-2]。

為此，國(guó)內(nèi)的相關(guān)研究者對(duì)云計(jì)算環(huán)境下的任務(wù)調(diào)度進(jìn)行了深入的研究，文獻(xiàn)[3]提出基于異構(gòu)云算法的云計(jì)算任務(wù)調(diào)度模型結(jié)合異構(gòu)資源分配服務(wù)器組件高速資源分配網(wǎng)絡(luò)，采用并行式和分布式算法構(gòu)建云計(jì)算任務(wù)調(diào)度模型協(xié)調(diào)多個(gè)不同架構(gòu)的服務(wù)器進(jìn)行任務(wù)分配，有效提升了任務(wù)調(diào)度的準(zhǔn)確率，但針對(duì)能耗方面的優(yōu)化效果不明顯，整體能力消耗大、服務(wù)器負(fù)載高，計(jì)算量大、任務(wù)調(diào)度效率較低，整體工作狀態(tài)難以維持穩(wěn)定狀態(tài)。文獻(xiàn)[4]提出基于動(dòng)態(tài)優(yōu)先級(jí)和調(diào)度決策的云計(jì)算任務(wù)調(diào)度模型應(yīng)用TS-DPSD算法構(gòu)建動(dòng)態(tài)優(yōu)先級(jí)模型，考慮任務(wù)的價(jià)值度和緊急度進(jìn)行調(diào)度排序，保證了任務(wù)調(diào)度的公平性和高效率性，并參考螢火蟲行為，利用螢火蟲算法以時(shí)間為吸引度進(jìn)行任務(wù)調(diào)度，再次提升了任務(wù)調(diào)度的效率，但缺點(diǎn)在于沒有對(duì)整體的能耗進(jìn)行考慮，導(dǎo)致資源分配不理性，任務(wù)調(diào)度缺乏精確性。

針對(duì)上述方法存在的問題，本文提出了基于動(dòng)態(tài)能量感知的云計(jì)算任務(wù)調(diào)度模型。首先計(jì)算任務(wù)調(diào)度的耗時(shí)及資源分配產(chǎn)生的總能耗，基于動(dòng)態(tài)能力感知，構(gòu)建云計(jì)算任務(wù)調(diào)度模型，對(duì)資源屬性及任務(wù)屬性進(jìn)行分配，利用虛擬技術(shù)對(duì)調(diào)度任務(wù)進(jìn)行需求分析和分類，通過動(dòng)態(tài)能量感知構(gòu)建云計(jì)算任務(wù)調(diào)度模型，將任務(wù)調(diào)度資源映射到虛擬計(jì)算中進(jìn)行任務(wù)調(diào)度，實(shí)現(xiàn)動(dòng)態(tài)任務(wù)調(diào)度。

1 云計(jì)算任務(wù)節(jié)點(diǎn)分析

分析云計(jì)算任務(wù)節(jié)點(diǎn)，通過計(jì)算節(jié)點(diǎn)集群中資源分配服務(wù)器的個(gè)數(shù)，進(jìn)行任務(wù)調(diào)度服務(wù)器選擇，匹配適用于任務(wù)調(diào)度需求的云計(jì)算任務(wù)節(jié)點(diǎn)。通過將節(jié)點(diǎn)集群中的資源分配服務(wù)器投影到云計(jì)算任務(wù)節(jié)點(diǎn)投影空間，判斷投影點(diǎn)是否集中在集群中的重心點(diǎn)附近，是則說明整個(gè)資源分配服務(wù)器處于穩(wěn)定的工作狀態(tài)，負(fù)載均衡。反之則則說明整體資源分配服務(wù)器的工作狀態(tài)不穩(wěn)定，負(fù)載較高。

云計(jì)算任務(wù)節(jié)點(diǎn)中的資源分配服務(wù)器工作狀態(tài)可用b={b1,b2,…,bn}來表示。當(dāng)云計(jì)算任務(wù)節(jié)點(diǎn)接收某一任務(wù)和任務(wù)調(diào)度指令時(shí)，資源分配服務(wù)器的工作狀態(tài)發(fā)生改變，其對(duì)應(yīng)的參數(shù)向量隨之發(fā)生變化，在某種程度上，參數(shù)向量的變化程度反映了資源分配服務(wù)器工作狀態(tài)的變化類型[5-6]。

對(duì)于一個(gè)運(yùn)行良好的云計(jì)算任務(wù)調(diào)度系統(tǒng)，計(jì)算節(jié)點(diǎn)在云計(jì)算任務(wù)節(jié)點(diǎn)投影空間中的投影點(diǎn)應(yīng)以空間重心點(diǎn)為中心進(jìn)行聚集，越靠近重心點(diǎn)位置，投影點(diǎn)越密集[7-8]。

假設(shè)云計(jì)算節(jié)點(diǎn)集群中資源分配服務(wù)器的個(gè)數(shù)為q，資源分配服務(wù)器的參數(shù)個(gè)數(shù)為p。進(jìn)行任務(wù)調(diào)度時(shí)參考各個(gè)資源分配服務(wù)器的各個(gè)參數(shù)向量進(jìn)行服務(wù)器選擇，針對(duì)不同任務(wù)的調(diào)度需求，p個(gè)參數(shù)的重要性各不相同。假設(shè)在進(jìn)行某一任務(wù)調(diào)度時(shí)，各個(gè)參數(shù)的權(quán)重分別為h1,h2,…，hP，令h1+h2+…+hP=1，則節(jié)點(diǎn)在云計(jì)算任務(wù)節(jié)點(diǎn)投影空間中的投影點(diǎn)集L為：

L={l1P,l2P,…，lqP}

其中:l表示節(jié)點(diǎn)在云計(jì)算任務(wù)節(jié)點(diǎn)投影空間中對(duì)應(yīng)的投影點(diǎn)。

則該云計(jì)算任務(wù)節(jié)點(diǎn)投影空間的重心點(diǎn)G=(k1,k2,k3)的位置計(jì)算公式如下：

(1)

(2)

(3)

式中，k1、k2、k3分別對(duì)應(yīng)重心點(diǎn)在三維空間中的位置參數(shù)[9]。

重心點(diǎn)位置反映了整體資源分配服務(wù)器的總體工作狀態(tài)，也是云計(jì)算任務(wù)調(diào)度重要參考指數(shù)，通過將節(jié)點(diǎn)集群中的資源分配服務(wù)器投射到云計(jì)算任務(wù)節(jié)點(diǎn)投影空間，使得服務(wù)器的工作狀態(tài)更加直觀明了。若投影點(diǎn)集中在聚集中重心點(diǎn)周圍，則表示整體資源分配服務(wù)器的工作狀態(tài)穩(wěn)定，負(fù)載均衡。若投影點(diǎn)在空間中呈現(xiàn)出為中心式分散狀態(tài)，則表示整體資源分配服務(wù)器的工作狀態(tài)不穩(wěn)定，負(fù)載較高[10-12]。

2 基于動(dòng)態(tài)能量感知的云計(jì)算任務(wù)調(diào)度模型

云計(jì)算任務(wù)調(diào)度模型是基于動(dòng)態(tài)能量感知技術(shù)，對(duì)云計(jì)算的資源屬性和任務(wù)屬性進(jìn)行任務(wù)調(diào)度。云計(jì)算任務(wù)調(diào)度模型的能耗一般由動(dòng)態(tài)能耗、CMOS電路短路能耗和漏電能耗3部分組成，其中，模型的動(dòng)態(tài)能耗是主要的能耗方式[13]，基于此，針對(duì)動(dòng)態(tài)能耗的感知，本文利用動(dòng)態(tài)能量感知技術(shù)構(gòu)建云計(jì)算任務(wù)調(diào)度模型，該模型使用成熟的虛擬計(jì)算將任務(wù)調(diào)度資源映射到虛擬層進(jìn)行任務(wù)調(diào)度。其中，提供物理資源的服務(wù)器采用N：1橫向虛擬整合法，實(shí)現(xiàn)任務(wù)調(diào)度。并對(duì)云計(jì)算任務(wù)調(diào)度模型的任務(wù)調(diào)度時(shí)間與任務(wù)調(diào)度能耗進(jìn)行相關(guān)分析，引入基于動(dòng)態(tài)能量感知的能耗時(shí)間轉(zhuǎn)換因子，計(jì)算完成任務(wù)調(diào)度所需的能量消耗及時(shí)間消耗。

2.1 任務(wù)調(diào)度問題

分析云計(jì)算任務(wù)調(diào)度問題，是為了研究云計(jì)算任務(wù)調(diào)度的所需時(shí)間及任務(wù)調(diào)度過程中產(chǎn)生的動(dòng)態(tài)能量消耗。考慮動(dòng)態(tài)能量消耗的情況下，任務(wù)調(diào)度問題可以定義為[14]：存在具有同一類任務(wù)調(diào)度需求(包含調(diào)度帶寬需求、調(diào)度距離需求、可信度需求等)的n個(gè)不具相互聯(lián)系的獨(dú)立性任務(wù)X={x1,x2,…，xn}，以及滿足以上任務(wù)調(diào)度需求的相應(yīng)服務(wù)器中m個(gè)分配資源Y={y1,y2,…，ym}，目標(biāo)調(diào)度任務(wù)需同時(shí)滿足最短時(shí)間跨度條件和最優(yōu)總能耗條件，旨在最大限度地提升任務(wù)調(diào)度的效率，避免系統(tǒng)超負(fù)載的同時(shí)降低運(yùn)行成本。

所有任務(wù)調(diào)度的最短時(shí)間跨度Tdmin的計(jì)算方式為：

Tdmin=Uj-Ri

(4)

式中，Uj表示任務(wù)xj完成調(diào)度的總時(shí)間；Ri表示完成分配資源yi資源分配的總時(shí)間。

分配資源yi的空閑分配時(shí)間Tfree為：

Tfree=Tdmin-Ri

(5)

其中：滿足以最短時(shí)間跨度Tdmin完成資源分配的服務(wù)器資源，Tfree值為0。

所有資源分配產(chǎn)生的總能耗E計(jì)算方式如下：

(6)

其中：Ei表示分配資源yi進(jìn)行資源分配時(shí)產(chǎn)生的動(dòng)態(tài)能量消耗。

2.2 云計(jì)算任務(wù)調(diào)度模型

云計(jì)算任務(wù)調(diào)度模型主要解決云計(jì)算任務(wù)調(diào)度中的資源分配問題及任務(wù)調(diào)度過程中的工作負(fù)載問題。本文基于動(dòng)態(tài)能力感知為基礎(chǔ)采用S={X，Y}二元組表示云計(jì)算任務(wù)調(diào)度模型[15]，其中X元組和Y元組的具體含義如下：

1)Y={y1,y2,…，ym}表示m個(gè)分配資源的集合，yi表示第i個(gè)分配資源。

資源屬性：資源分配滿足虛擬映射原則，基于動(dòng)態(tài)能量感知算法，考慮服務(wù)器電路的能耗，通過調(diào)整服務(wù)器的工作電壓和資源分配頻率改變整體能量消耗，其中的聯(lián)系為，當(dāng)服務(wù)器的工作電壓增大或資源分配頻率增大時(shí)，整體的能量消耗減小[16]。

云計(jì)算任務(wù)調(diào)度模型如圖1所示。

圖1 云計(jì)算任務(wù)調(diào)度模型

描述資源屬性，采用yi={cci,vi}二元組定義分配資源yi，其中cci表示分配資源yi在單位時(shí)間內(nèi)的資源分配能力，在某種程度上，反映了資源yi在單位時(shí)間內(nèi)的可分配次數(shù)；vi表示了分配資源yi的服務(wù)器工作電壓策略，不同策略對(duì)應(yīng)不同的服務(wù)器工作電壓和資源分配頻率，其中，資源分配頻率的變化范圍為[0,2]。

2)X={x1,x2,…，xn}表示n個(gè)不具相互聯(lián)系的獨(dú)立性任務(wù)的集合，xj表示第j個(gè)任務(wù)。

任務(wù)屬性：O={oj,1

2.3 任務(wù)調(diào)度時(shí)間分析

由于任務(wù)調(diào)度時(shí)間與任務(wù)調(diào)度能量消耗存在一定聯(lián)系[18]，因此為便于時(shí)間分析，本文以動(dòng)態(tài)能量感知為基礎(chǔ)引入能量消耗時(shí)間轉(zhuǎn)換因子，將完成任務(wù)調(diào)度所需的能量消耗參數(shù)統(tǒng)一轉(zhuǎn)換為時(shí)間參數(shù)，能量消耗時(shí)間轉(zhuǎn)換因子的定義矩陣如下：

a=[a1,a2,…，,am],ai

(7)

其中：ai表示完成分配資源yi的分配時(shí)產(chǎn)生的能量消耗與時(shí)間的轉(zhuǎn)換因子[19]。

則完成yi分配資源的分配所產(chǎn)生的能量消耗轉(zhuǎn)化成的時(shí)間參數(shù)EXi可表示為：

EXi=ai×Ei

(8)

完成參數(shù)轉(zhuǎn)換后，定義EXC=[EXC[i,j]]n×m表示任務(wù)調(diào)度時(shí)間矩陣，其中，EXC[(i,j]表示完成xj任務(wù)調(diào)度在進(jìn)行分配資源yi所需的執(zhí)行時(shí)間。

任務(wù)調(diào)度時(shí)間序列如圖2所示。

圖2 任務(wù)調(diào)度時(shí)間序列

參考任務(wù)調(diào)度的計(jì)算量和分配資源的分配能力，完成xj任務(wù)調(diào)度在進(jìn)行分配資源yi所需的執(zhí)行時(shí)間EXC[(i,j]為：

(9)

參考任務(wù)調(diào)度時(shí)間隨著服務(wù)器工作電壓和資源分配頻率的降低而增大的關(guān)系[20-22]，則任務(wù)xj在服務(wù)器工作電壓策略為vi的分配資源yi上執(zhí)行的任務(wù)調(diào)度時(shí)間矩陣為：

(10)

采用替換EXC矩陣中的，則完成xj任務(wù)調(diào)度在進(jìn)行分配資源yi所需的執(zhí)行時(shí)間為：

EXC[i,j]=[ETC′[i,j]]

(11)

3 實(shí)驗(yàn)研究

為驗(yàn)證本文提出的基于動(dòng)態(tài)能量感知的云計(jì)算任務(wù)調(diào)度模型的有效性，與文獻(xiàn)[3]提出的基于異構(gòu)云算法的云計(jì)算任務(wù)調(diào)度模型、文獻(xiàn)[4]提出的基于動(dòng)態(tài)優(yōu)先級(jí)和調(diào)度決策的云計(jì)算任務(wù)調(diào)度模型進(jìn)行實(shí)驗(yàn)對(duì)比。設(shè)定實(shí)驗(yàn)環(huán)境參數(shù)如下：Cloudsim Toolkit、操作工具Ant、云計(jì)算節(jié)點(diǎn)50個(gè)、工作電壓200 V、工作電流150 A、操作系統(tǒng)Windows10。在上述實(shí)驗(yàn)環(huán)境下開展云計(jì)算任務(wù)調(diào)度實(shí)驗(yàn)。

為了保證實(shí)驗(yàn)的真實(shí)性，分別對(duì)小數(shù)據(jù)集和大數(shù)據(jù)集進(jìn)行任務(wù)調(diào)度，分析不同調(diào)度模型的調(diào)度時(shí)間和調(diào)度能耗。

3.1 小數(shù)據(jù)集實(shí)驗(yàn)結(jié)果

小數(shù)據(jù)集下調(diào)度模型執(zhí)行時(shí)間實(shí)驗(yàn)結(jié)果如圖3所示。

圖3 小數(shù)據(jù)集下調(diào)度模型執(zhí)行時(shí)間結(jié)果

觀察圖3可知，在任務(wù)集為800時(shí)，基于動(dòng)態(tài)能量感知的云計(jì)算任務(wù)調(diào)度模型任務(wù)調(diào)度耗時(shí)為160 s，異構(gòu)云算法調(diào)度模型任務(wù)調(diào)度耗時(shí)為250 s，動(dòng)態(tài)優(yōu)先級(jí)和調(diào)度決策的調(diào)度模型任務(wù)調(diào)度耗時(shí)為360 s。在對(duì)小數(shù)據(jù)集進(jìn)行任務(wù)調(diào)度時(shí)，本文提出的任務(wù)調(diào)度模型耗時(shí)較少?；趧?dòng)態(tài)能量感知的云計(jì)算任務(wù)調(diào)度模型在調(diào)度過程中采用順序執(zhí)行策略。所以的云計(jì)算任務(wù)依次執(zhí)行，因此任務(wù)調(diào)度數(shù)據(jù)集與任務(wù)調(diào)度時(shí)間基本呈現(xiàn)線性關(guān)系?；诋悩?gòu)云算法的云計(jì)算任務(wù)調(diào)度模型在調(diào)度過程中在前期調(diào)度過程相對(duì)平穩(wěn)，調(diào)度時(shí)間較少，但是隨著任務(wù)的增加，調(diào)度模型的調(diào)度結(jié)果出現(xiàn)波動(dòng)，花費(fèi)的調(diào)度時(shí)間也不斷增加。本文提出的調(diào)度模型雖然也引入了順序排序，但是在調(diào)度過程中充分分析了任務(wù)長(zhǎng)度，利用處理器提高調(diào)度速度，因此花費(fèi)的調(diào)度時(shí)間更短。

調(diào)度能耗實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 小數(shù)據(jù)集下調(diào)度能耗實(shí)驗(yàn)結(jié)果

根據(jù)圖4可知，在任務(wù)集為800時(shí)，基于動(dòng)態(tài)能量感知的云計(jì)算任務(wù)調(diào)度模型能耗為175 kW/h，異構(gòu)云算法調(diào)度模型能耗為260 kW/h，動(dòng)態(tài)優(yōu)先級(jí)和調(diào)度決策的調(diào)度模型能耗為290 kW/h?？梢钥闯霰疚奶岢龅恼{(diào)度模型任務(wù)調(diào)度能耗相對(duì)較少，傳統(tǒng)調(diào)度模型采用的調(diào)度方法為順序執(zhí)行調(diào)度方法，因此當(dāng)調(diào)度數(shù)據(jù)集到達(dá)一定水平后任務(wù)調(diào)度模型會(huì)啟動(dòng)虛擬機(jī)，每一個(gè)調(diào)度任務(wù)對(duì)應(yīng)一臺(tái)虛擬機(jī)，因此調(diào)度能耗過多。而本文提出的調(diào)度模型利用動(dòng)態(tài)能量感知對(duì)虛擬機(jī)進(jìn)行優(yōu)化，確保一個(gè)虛擬機(jī)可以與多個(gè)調(diào)度任務(wù)協(xié)調(diào)，有效減少調(diào)度能耗。

3.2 大數(shù)據(jù)集實(shí)驗(yàn)結(jié)果

本文提出的大數(shù)據(jù)集共有3類，分別是DAS2-fs4、LINL-T3D和KTH-SP2，得到的調(diào)度模型調(diào)度時(shí)間如圖5所示。

圖5 大數(shù)據(jù)集調(diào)度模型調(diào)度時(shí)間實(shí)驗(yàn)結(jié)果

在對(duì)3種調(diào)度數(shù)據(jù)集進(jìn)行調(diào)度時(shí)，本文提出的調(diào)度模型花費(fèi)的調(diào)度時(shí)間最短，隨著能量感知的不同，調(diào)度模型花費(fèi)的時(shí)間也有所不同，但總體上，本文研究的調(diào)度模型處理優(yōu)勢(shì)更加明顯。

調(diào)度能耗實(shí)驗(yàn)結(jié)果如圖6所示。

圖6 大數(shù)據(jù)集調(diào)度模型調(diào)度能耗實(shí)驗(yàn)結(jié)果

由圖6可知，基于動(dòng)態(tài)能量感知的云計(jì)算任務(wù)調(diào)度模型對(duì)DAS2-fs4數(shù)據(jù)集調(diào)度能耗略高于異構(gòu)云算法調(diào)度模型，能耗為4 000 kW/h。對(duì)LINL-T3D和KTH-SP2數(shù)據(jù)集進(jìn)行調(diào)度時(shí)的調(diào)度能耗均為3種方法的最低值。本文提出的調(diào)度模型調(diào)度能耗在對(duì)DAS2-fs4數(shù)據(jù)集調(diào)度能耗要低于傳統(tǒng)的異構(gòu)云算法調(diào)度模型，但是對(duì)LINL-T3D和KTH-SP2數(shù)據(jù)集進(jìn)行調(diào)度時(shí)，花費(fèi)的調(diào)度能耗更少，更適合實(shí)際應(yīng)用中。

綜上所述，無論是對(duì)大數(shù)據(jù)集還是小數(shù)據(jù)集，本文提出的基于動(dòng)態(tài)能量感知的云計(jì)算任務(wù)調(diào)度模型在對(duì)任務(wù)進(jìn)行調(diào)度時(shí)，花費(fèi)的時(shí)間都最短，調(diào)度能耗都最低，因此調(diào)度能力更強(qiáng)，調(diào)度效果更好。

4 結(jié)束語

本文提出基于動(dòng)態(tài)能量感知的云計(jì)算任務(wù)調(diào)度模型，實(shí)現(xiàn)了高效率、低能耗的資源分配和任務(wù)調(diào)度，通過實(shí)驗(yàn)驗(yàn)證了本文研究的云計(jì)算任務(wù)調(diào)度模型的性能較好，對(duì)維護(hù)網(wǎng)絡(luò)資源分配服務(wù)器的穩(wěn)定運(yùn)行、保證高效率的網(wǎng)絡(luò)資源共享和應(yīng)用具有重要意義，同時(shí)能夠促進(jìn)動(dòng)態(tài)能量感知技術(shù)的云計(jì)算技術(shù)的進(jìn)一步發(fā)展和應(yīng)用。

受網(wǎng)絡(luò)環(huán)境的影響，本文所設(shè)計(jì)的云計(jì)算任務(wù)調(diào)度模型可能在某些網(wǎng)絡(luò)不穩(wěn)定或無網(wǎng)絡(luò)地區(qū)的適應(yīng)性不強(qiáng)，其資源分配和任務(wù)調(diào)度的穩(wěn)定性還需進(jìn)行進(jìn)一步的研究和探索。