梁中軍，孫志于，韓同欣，宋雅婷，張正陽

(1.新疆氣象信息中心，新疆 烏魯木齊 830002；2.國家氣象信息中心，北京 100081)

0 引 言

隨著云計算、大數(shù)據(jù)技術(shù)的不斷發(fā)展，氣象云平臺[1]已成為支撐天氣、氣候、公共氣象服務(wù)等業(yè)務(wù)的重要平臺。其中，如何合理分配氣象云平臺中的基礎(chǔ)資源，已成為氣象業(yè)務(wù)穩(wěn)定運行的關(guān)鍵。

當(dāng)前,研究者針對不同場景[2-4]的云平臺調(diào)度問題,從任務(wù)指派[5-9]、虛擬資源調(diào)度[10-14]和物理資源調(diào)度[15-21]等方面提出了各類啟發(fā)式方法。例如，文獻(xiàn)[6]提出了一種基于強化學(xué)習(xí)的多目標(biāo)任務(wù)調(diào)度算法；文獻(xiàn)[7]提出了一種考慮時間、成本、CPU、內(nèi)存和帶寬等多維約束的任務(wù)調(diào)度算法；文獻(xiàn)[8]從任務(wù)調(diào)度角度對其調(diào)度流程、主要算法和評測指標(biāo)進(jìn)行了綜述；文獻(xiàn)[12]提出了一種新型的面向網(wǎng)絡(luò)性能優(yōu)化的計算資源分配及調(diào)度機制；文獻(xiàn)[17]針對業(yè)務(wù)之間存在的復(fù)雜約束關(guān)系，提出了一種面向私有云的業(yè)務(wù)遷移部署方法。雖然現(xiàn)有研究針對公有云、私有云等場景，從負(fù)載均衡[9]、節(jié)能提升利用率[13-14,20-21]、低成本高QoS[18]等角度給出了大量的算法,然而,與上述研究場景不同,以上方法沒有針對氣象業(yè)務(wù)應(yīng)用的特點設(shè)計，無法直接應(yīng)用在氣象云平臺里，同時，現(xiàn)有算法沒有考慮部分功能組件對云平臺的物理服務(wù)器有不兼容的情況，不能滿足氣象云平臺的資源調(diào)度需求。

與傳統(tǒng)云平臺中的業(yè)務(wù)應(yīng)用不同，氣象業(yè)務(wù)應(yīng)用具有更明顯的周期性特點，在日常氣象業(yè)務(wù)應(yīng)用對基礎(chǔ)設(shè)施資源的需求相對平穩(wěn)，氣象云平臺可以追求較高的資源利用水平。在汛期氣象業(yè)務(wù)的重要核心組件需要盡可能預(yù)留充足的基礎(chǔ)設(shè)施資源以應(yīng)對重大天氣過程、重大氣象保障等對氣象監(jiān)測應(yīng)用、氣象預(yù)報應(yīng)用、災(zāi)害預(yù)警應(yīng)用的業(yè)務(wù)要求。為此，氣象云平臺不僅需要考慮平臺資源的集約性，同時要確保重要核心應(yīng)用在平臺運行的穩(wěn)定性。

為解決上述問題，該文對氣象云平臺的資源調(diào)度問題進(jìn)行建模，設(shè)計一種改進(jìn)蛙跳算法的氣象云資源調(diào)度方法，并通過實驗驗證了方法的效果。主要貢獻(xiàn)體現(xiàn)在以下四個方面：

(1)根據(jù)氣象業(yè)務(wù)對基礎(chǔ)設(shè)施資源需求的特點，設(shè)計兩個目標(biāo)函數(shù)來分別評價氣象云平臺的資源利用水平和對重要核心業(yè)務(wù)的支撐情況，基于物理服務(wù)器與功能組件之間的約束關(guān)系，將問題建模成一個多約束多目標(biāo)優(yōu)化問題。

(2)根據(jù)氣象業(yè)務(wù)在日常和汛期的資源需求特點，設(shè)計適應(yīng)度函數(shù)來綜合衡量模型目標(biāo)，將問題轉(zhuǎn)化為多約束單目標(biāo)問題。

(3)設(shè)計一種改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法。方法將資源調(diào)度方案映射成為蛙跳算法中的石頭位置，重新定義蛙跳算子，利用局部最優(yōu)交叉操作和最優(yōu)青蛙變異策略來提升方法的迭代搜索能力。

(4)通過實驗仿真驗證了方法的效果。

1 氣象云平臺資源調(diào)度場景描述

為支撐天氣、氣候、公共氣象服務(wù)等業(yè)務(wù)對基礎(chǔ)設(shè)施資源的需求，氣象云平臺使用虛擬機和物理服務(wù)器來承載不同業(yè)務(wù)系統(tǒng)的功能組件，為其提供CPU、內(nèi)存、I/O、存儲等資源。由于氣象業(yè)務(wù)系統(tǒng)對軟硬件環(huán)境有一定要求，且部分系統(tǒng)的組件之間有部署要求，功能組件在部署前就需要滿足多種約束關(guān)系。主要包括：服務(wù)器的穩(wěn)定性約束和功能組件部署約束。其中，前者是為了保障氣象云平臺的承載業(yè)務(wù)不因資源搶占而導(dǎo)致中斷，后者主要滿足業(yè)務(wù)運行的前置條件。由于氣象業(yè)務(wù)應(yīng)用在日常和汛期具有不同的特點，且業(yè)務(wù)遷移成本較高，資源調(diào)度通常在汛期前后進(jìn)行開展。具體如圖1所示。

圖1 氣象云平臺資源調(diào)度場景

由于氣象云平臺中的基礎(chǔ)設(shè)施資源有限，為滿足業(yè)務(wù)的有序發(fā)展，氣象應(yīng)用被劃分成若干等級，分級提供基礎(chǔ)資源支撐。根據(jù)氣象業(yè)務(wù)的重要程度將功能組件劃分成若干等級(如：重要核心、關(guān)鍵和一般)。根據(jù)功能組件對氣象云平臺的資源需求(CPU、內(nèi)存、I/O、存儲等)，以及上述兩種約束關(guān)系對功能組件進(jìn)行動態(tài)部署。其中，在日常資源需求穩(wěn)定時，側(cè)重提升資源利用率，以提升氣象業(yè)務(wù)的集約化水平。在汛期重要核心功能組件的峰值很難估計，側(cè)重于保障重要核心功能組件的穩(wěn)定運行(即，為高等級應(yīng)用提供更多基礎(chǔ)設(shè)施資源)。

2 氣象云平臺資源調(diào)度的問題建模

該文將面向多等級應(yīng)用的氣象云資源調(diào)度問題建模如下：

基于以上描述，該問題模型的主要參數(shù)及數(shù)據(jù)符號標(biāo)識如表1所示。

表1 模型的主要參數(shù)及數(shù)據(jù)符號標(biāo)識

氣象云平臺資源調(diào)度問題模型如下:

目標(biāo)一：最大化氣象云平臺的資源利用率，具體如公式(1)所示。

(1)

目標(biāo)二：最大化氣象云平臺對重要核心功能組件的支撐保障，即對重要核心業(yè)務(wù)預(yù)留最大基礎(chǔ)設(shè)施資源，具體如公式(2)所示。

(2)

式中，

G為重要核心功能組件的標(biāo)識，xik表示功能組件i與物理服務(wù)器k之間的調(diào)度關(guān)系。

約束條件一：服務(wù)器的穩(wěn)定性約束。

(3)

式中，Bk是物理服務(wù)器k上承載功能組件的最高等級。即物理服務(wù)器要滿足其承載的最高等級功能組件的資源預(yù)留要求。

約束條件二：功能組件部署約束。

據(jù)統(tǒng)計，1998年，中國參與綠色食品開發(fā)的企業(yè)有619個，綠色食品產(chǎn)品銷售額為285億元，實現(xiàn)利潤17億元。

由于氣象業(yè)務(wù)系統(tǒng)對軟硬件環(huán)境有一定要求，部分功能組件之間存在依賴關(guān)系，資源調(diào)度需要滿足一定前置條件。假設(shè)功能組件部署有o條依賴約束D={d1,d2,…,do}和h條沖突約束C={c1,c2,…,ch},則約束可由下列公式表示。

?ch∈C∧ch=∧k∈F,xek=0

(4)

?do∈D∧do=,xak×xbk=1

(5)

其中，任意沖突約束ch=表示物理服務(wù)器F不滿足功能組件e的部署條件；任意依賴約束do=表示功能組件a和b需要部署在同一臺物理服務(wù)器上。

3 基于改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法

為解決氣象云平臺資源調(diào)度問題，該文設(shè)計改進(jìn)蛙跳算法來求解模型。由于面向多等級應(yīng)用的氣象云平臺資源調(diào)度問題考慮因素較多，同時傳統(tǒng)資源調(diào)度問題本身屬于NP-Hard問題，因此難以精確求解問題。由于蛙跳算法在求解多約束問題上具有搜索能力強、與本問題求解更易映射的特點，該文以蛙跳算法框架為基礎(chǔ)，將問題求解與蛙跳算法進(jìn)行映射，重新定義蛙跳算子，設(shè)計適應(yīng)度函數(shù)，利用局部最優(yōu)交叉操作和最優(yōu)青蛙變異策略來迭代搜索最優(yōu)方案。

3.1 氣象云平臺資源調(diào)度方案映射

3.2 適應(yīng)度函數(shù)設(shè)計

為指導(dǎo)算法迭代搜索，以公式(6)為適應(yīng)度函數(shù)綜合評價方案的優(yōu)劣。

(6)

其中，調(diào)度方案Z(p)的適應(yīng)度函數(shù)由Fitness(Z(p))計算，取值越高越好；β為目標(biāo)一的重要程度，日常和汛期會有不同取值；|Gp|為調(diào)度方案Z(p)中重要核心功能組件占有物理服務(wù)器的數(shù)量。

3.3 初始調(diào)度方案生成

為迭代搜索最優(yōu)資源調(diào)度方案，算法首先生成若干初始方案作為迭代搜索的基礎(chǔ)。方案生成的主要思想是隨機產(chǎn)生所有功能組件的部署順序,優(yōu)先采用貪婪策略部署重要核心功能組件,然后按照順序部署其余功能組件。具體步驟如下：

步驟1：生成重要核心功能組件的部署方案。按照重要核心功能組件的生成順序，根據(jù)貪婪策略依次生成部署方案。策略以問題目標(biāo)二最大化為指標(biāo)，依次判斷當(dāng)前物理服務(wù)器是否能夠滿足約束條件，若滿足則選擇取值最大的物理服務(wù)器為部署方案。若存在重要核心功能組件在部署時無法滿足約束，則重新生成部署順序，依照步驟1生成可行方案。

步驟2：部署其余功能組件生成方案。根據(jù)生成的部署順序，對其余功能組件，以適應(yīng)度函數(shù)值最大為目標(biāo)，采用貪婪策略依次生成部署位置。生成過程中無法滿足約束，則重新生成部署順序，執(zhí)行步驟1和步驟2，完成初始方案生成。

3.4 蛙跳算子定義

為迭代搜索方案，重新定義蛙跳算子如下：

定義1 差異算子⊙：用于分析兩個資源調(diào)度方案在相應(yīng)物理服務(wù)器上的差異。局部最優(yōu)資源調(diào)度方案Z(pb)與局部最差資源調(diào)度方案Z(pw)在物理服務(wù)器上的差異可由公式(7)計算獲得。

(7)

(8)

定義2 隨機選擇算子rand()：用于從資源調(diào)度方案間存在差異的物理服務(wù)器集合中隨機選擇若干物理服務(wù)器的操作。被選擇的物理服務(wù)器由n維向量Di表示，滿足|Di|∈[0,n]。

定義3 重新部署算子⊕：重新部署資源調(diào)度方案Z(pw)在Di上功能組件。具體步驟包括：清除被選擇物理服務(wù)器上的部署方案，生成待部署功能組件集合。采用初始調(diào)度方案的生成策略，分別對集合中的重要核心功能組件和其他功能組件進(jìn)行重新部署。

基于以上定義，局部最優(yōu)資源調(diào)度方案Z(pb)對局部最差資源調(diào)度方案更新，生成新方案Z(new)的過程可由公式(9)和公式(10)表示。

Di=rand()*Z(pb)⊙Z(pw)

(9)

Z(new)=Z(pw)⊕Di

(10)

3.5 局部最優(yōu)交叉操作

為快速搜索最優(yōu)資源調(diào)度方案，算法將加強族群之間的交流，提升全局搜索能力。采用文獻(xiàn)[17]的交叉框架，設(shè)計局部最優(yōu)交叉策略，提升算法的搜索能力。具體如下：

步驟1：構(gòu)建局部最優(yōu)交叉操作集合。選擇每個種群中的最優(yōu)方案，根據(jù)其適應(yīng)度取值從大到小排序，選擇順序相鄰的方案，兩兩配對構(gòu)成局部最優(yōu)交叉操作集合。

步驟2：隨機選擇交叉點，調(diào)換交叉點前的功能組件。針對任意配對的局部最優(yōu)調(diào)度方案，從n臺物理服務(wù)器里選擇除第一臺以外的任意機器作為交叉點，將二者在交叉點前部署功能組件進(jìn)行對調(diào)，生成兩個新部署方案。

步驟3：調(diào)整新部署方案，生成新資源調(diào)度方案。判斷新部署方案是否存在重復(fù)和未部署功能組件，若存在，則選擇新部署方案中重復(fù)功能組件對應(yīng)的物理服務(wù)器，清除被選擇物理服務(wù)器上的部署方案，同時加入未部署功能組件，生成待部署功能組件集合。利用重新部署算子生成新資源調(diào)度方案。

步驟4：對比新資源調(diào)度方案與原局部最優(yōu)調(diào)度方案的適應(yīng)度取值，選擇值大的方案參與下次迭代搜索。

3.6 最優(yōu)青蛙變異操作

為進(jìn)一步提升算法的迭代搜索能力，每次迭代都將對種群中的當(dāng)前全局最優(yōu)青蛙實施變異操作。即，隨機選擇當(dāng)前全局最優(yōu)資源調(diào)度方案中承載功能組件的一臺物理服務(wù)器，清除被選擇物理服務(wù)器上的部署方案，生成待部署功能組件集合，利用重新部署算子對其進(jìn)行重新部署，生成新資源調(diào)度方案。對比新資源調(diào)度方案與原全局最優(yōu)調(diào)度方案的適應(yīng)度取值，選擇值大的方案作為新的全局最優(yōu)方案。

3.7 算法的執(zhí)行過程

基于改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法執(zhí)行過程如下：

步驟1：算法初始化設(shè)置。輸入氣象云平臺的物理服務(wù)器情況(物理服務(wù)器的總數(shù)n、氣象云平臺的資源情況{T1,…,Tn})、功能組件的情況(功能組件的總數(shù)w、功能組件的等級{L1,…,Lw}、功能組件的資源需求{Q1,…,Qw}、重要核心功能組件的標(biāo)識G)、服務(wù)器穩(wěn)定性約束(不同等級功能組件對資源的預(yù)留要求{S1,…,Sl})、氣象業(yè)務(wù)部署約束(功能組件之間的依賴關(guān)系D，功能組件與服務(wù)器之間沖突關(guān)系C)、資源利用率的重要程度β等信息。設(shè)置方法的種群規(guī)模gp、最大迭代次數(shù)IT、子群的規(guī)模tp。

步驟2：生成初始資源調(diào)度方案集合，劃分若干青蛙子群。根據(jù)種群規(guī)模設(shè)置，利用3.3節(jié)的方法生成初始資源調(diào)度方案集合{Z(1),Z(2),…,Z(gp)}。利用公式(6)計算每個方案的適應(yīng)度，根據(jù)子群規(guī)模設(shè)置，結(jié)合適應(yīng)度取值大小依次將生成方案劃分到相應(yīng)子群中，生成m個子群{SP1,…,SPm}。將子群中適應(yīng)度最高和最低的方案設(shè)置為局部最優(yōu)資源調(diào)度方案和局部最差調(diào)度方案。

步驟3：更新青蛙子群內(nèi)部的最差資源調(diào)度方案。首先利用差異算子分析局部優(yōu)資源調(diào)度方案與局部最差調(diào)度方案的差異，使用隨機選擇算子獲取局部最差調(diào)度方案需要調(diào)整的物理服務(wù)器，利用重新部署算子生成新的部署方案，判斷其與原局部最差調(diào)度方案的適應(yīng)度取值大小，若大于則利用新部署方案更新局部最差調(diào)度方案。

步驟4：更新青蛙子群的局部最優(yōu)資源調(diào)度方案。首先依據(jù)適應(yīng)度對局部最優(yōu)方案Z(pb1),…,Z(pwm)逆序排列生成Z(pb1),…,Z(pwm)和二者之間的映射關(guān)系RE={re1,re2,…,rem}。然后利用3.5節(jié)中的局部最優(yōu)交叉操作更新各個子群中的局部最優(yōu)資源調(diào)度方案。

步驟5：更新青蛙種群的全局最優(yōu)資源調(diào)度方案。利用3.6節(jié)最優(yōu)青蛙變異操作更新全局最優(yōu)青蛙的資源調(diào)度方案Z(gbest)。

步驟6：迭代搜索最優(yōu)資源調(diào)度方案，輸出最終結(jié)果。判斷算法是否小于最大迭代次數(shù)，若是則跳轉(zhuǎn)至步驟2繼續(xù)搜索，否則輸出全局最優(yōu)資源調(diào)度方案作為最終結(jié)果。具體如下所示:

算法：基于改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法。

輸入：n,w,C,D,{T1,…,Tn},{L1,…,Lw},{S1,…,Sl},

{Q1,…,Qw},G,β,gp,IT,tp

1.初始化方案劃分子群

{Z(1),Z(2),…,Z(gp)}=Initial() #根據(jù)輸入生成初始調(diào)度方

{SP1,…,SPm}=Group(Z(1),Z(2),…,Z(gp),tp)#劃分成m個子群

2.迭代搜索方案

Fori=1:IT do

Forj=1:mdo #更新子群最差調(diào)度方案

Z(pbj),Z(pwj)∈SPj#子群的最優(yōu)最差方案

Di=rand()*Z(pbj)⊙Z(pwj)

Z(new)=Z(pwj)⊕Di

If Fitness(Z(pwj))

Z(pwj)=Z(new)

End for

#依據(jù)適應(yīng)度逆序排列局部最優(yōu)方案

{[Z(pb1),...,Z(pbm)],RE}=SortByFitness(Z(pb1),…,Z(pbm))

Fork=1:?m/2」 do #進(jìn)行局部最優(yōu)交叉操作

{Z(new2k),Z(new2k-1)}=Cross(Z(pb2k)，Z(pb2k-1))

If Fitness(Z(pb2k))

Z(pb2k)=Z(new2k)

If Fitness(Z(pb2k-1))

Z(pb2k)=Z(new2k)

End for

#更新子群的局部最優(yōu)方案

Z(pb1),…,Z(pbm)=Update([Z(pb1),…,Z(pbm)],RE)

Z(gbest)=FindGBest(Z(pb1),…,Z(pwm)) #找到種群最優(yōu)方案

Z(gnew)= Mutation(Z(gbest))#全局最優(yōu)變異操作

If Fitness(Z(gbest))

Z(gbest)=Z(gnew)

End for

輸出：種群最優(yōu)調(diào)度方案Z(gbest)

4 實驗仿真

實驗以氣象云平臺的資源利用率和對重要核心業(yè)務(wù)的支撐情況為評價指標(biāo)，綜合分析方法的效果。氣象云平臺的資源利用率包含CPU、內(nèi)存、I/O、存儲等指標(biāo)，其對重要核心功能組件的支撐情況通過預(yù)留資源的多少來衡量?？傮w調(diào)度效果可由公式(6)來計算?？紤]氣象業(yè)務(wù)具有周期性特點，仿真將設(shè)計汛期和日常兩種狀態(tài)進(jìn)行調(diào)度，其中氣象云平臺在日常將側(cè)重于提升資源利用水平，汛期將側(cè)重于對重要核心功能組件的支撐保障，方法評價的優(yōu)劣主要體現(xiàn)在氣象云平臺汛期和日常的業(yè)務(wù)目標(biāo)上。重要核心功能組件的資源需求可根據(jù)數(shù)據(jù)量和計算復(fù)雜度采用類比法預(yù)估。在日常天氣過程較少，氣象應(yīng)用對基礎(chǔ)設(shè)施資源的需求相對穩(wěn)定，雖然，不同功能組件在一天中的負(fù)載略微起伏，但是由于模型為每臺物理服務(wù)器都預(yù)留了一定的基礎(chǔ)資源，算法基本可以保證氣象云平臺的資源不會超額分配，從而應(yīng)對負(fù)載有一些變化的場景。在汛期由于重大天氣過程和氣象保障需求的增多，重要核心功能組件將需要更多資源以應(yīng)對業(yè)務(wù)的需要。為此，氣象云平臺需要針對其預(yù)留更多的資源以確保平臺盡全力支撐重要核心功能組件的需求。

為驗證方法的有效性，實驗對比貪婪方法進(jìn)行分析。貪婪方法首先利用3.3節(jié)的方法生成初始資源調(diào)度方案，然后再選擇最優(yōu)調(diào)度方案作為問題的解。該文在一臺物理機中搭建仿真環(huán)境模擬資源調(diào)度平臺，它能根據(jù)氣象應(yīng)用的資源需求和氣象云平臺的資源情況生成最終的調(diào)度方案。在仿真環(huán)境中，氣象云平臺的資源情況參考新疆氣象云平臺的能力生成，氣象功能組件對氣象云平臺的資源需求及約束條件將結(jié)合氣象應(yīng)用在日常和汛期的情況隨機生成，仿真主要參數(shù)如表2所示。

表2 實驗參數(shù)設(shè)置

基于以上實驗數(shù)據(jù)，基于改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法和貪婪方法在汛期和日常，根據(jù)不同數(shù)量的功能組件的需求，對氣象云中資源調(diào)度獲得的效果如圖2～圖6所示。其中，圖2是兩種方法在汛期和日常，根據(jù)不同數(shù)量的功能組件的需求獲得的調(diào)度效果，圖3和圖4展示了基于改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法對氣象云平臺資源調(diào)度后的資源利用率情況。圖5和圖6展示了基于改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法對重要核心功能組件的平均資源預(yù)留比例。

圖2 兩種方法在汛期和日常對氣象云平臺

從圖2可以看出，基于改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法在汛期和日常，針對不同功能組件的需求，與貪婪方法相比，均能取得較好的總體調(diào)度效果。由于貪婪方法初始時采用隨機方式生成部署順序，因此有一定概率獲得較好的調(diào)度方案，但方法并不穩(wěn)定。該方法在60個功能組件時取得了較為良好的效果，但在70個功能組件時效果并不理想。基于改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法是在貪婪方法的基礎(chǔ)上不斷迭代改進(jìn)，因此其效果總體優(yōu)于貪婪方法。

從圖3和圖4可以看出，文中方法能夠根據(jù)汛期和日常要求，動態(tài)調(diào)整氣象云平臺的資源以支撐不同數(shù)量功能組件的需求。在日常本方法能使氣象云平臺保持較高資源利用水平。

圖3 文中方法在汛期和日常對氣象云平臺資源調(diào)度后的資源利用率(60個功能組件)

圖4 文中方法在汛期和日常對氣象云平臺資源調(diào)度后的資源利用率(70個功能組件)

從圖5和圖6可以看出，文中方法能夠根據(jù)汛期和日常要求，動態(tài)調(diào)整氣象云平臺對重要核心功能組件的平均預(yù)留資源比例，在汛期本方法能使氣象云平臺預(yù)留較多的基礎(chǔ)資源，保證重要核心業(yè)務(wù)安全穩(wěn)定運行。

圖5 文中方法在汛期和日常對重要核心功能組件平均預(yù)留的資源比例(60個功能組件)

圖6 文中方法在汛期和日常對重要核心功能組件平均預(yù)留的資源比例(70個功能組件)

綜上所示，基于改進(jìn)蛙跳算法的氣象云平臺資源調(diào)度方法針對不同數(shù)量的功能組件需求，總能夠獲得較好的總體調(diào)度效果，與貪婪方法相比該方法的搜索能力更強。

5 結(jié)束語

氣象云平臺是集約支撐氣象業(yè)務(wù)發(fā)展基礎(chǔ)資源平臺，合理調(diào)度氣象云中的基礎(chǔ)資源是氣象業(yè)務(wù)穩(wěn)定運行的關(guān)鍵。該文根據(jù)氣象業(yè)務(wù)在日常和汛期對基礎(chǔ)設(shè)施資源需求的特點，設(shè)計了兩個目標(biāo)函數(shù)來分別評價氣象云平臺的資源利用水平和其對重要核心業(yè)務(wù)的支撐保障，并在約束中考慮了功能組件與物理服務(wù)器的沖突關(guān)系等因素，將問題建模成一個多目標(biāo)優(yōu)化問題。然后，通過適應(yīng)度函數(shù)來綜合評價模型目標(biāo)，設(shè)計一種改進(jìn)蛙跳算法的氣象云資源調(diào)度方法。方法通過重新定義蛙跳算子，利用局部最優(yōu)交叉操作和最優(yōu)青蛙變異策略來迭代搜索問題的資源調(diào)度方案。最后，通過實驗仿真驗證了方法的效果。