一种资源服务系统及其资源分配方法
【专利摘要】本发明提供了一种资源分配方法及系统；方法包括：在每个资源分配周期开始的时刻，对于排队的M个任务，根据资源部署数据生成任务的各属性数据的初始权重系数；对所述M个任务根据属性数据进行聚类，将所述M个任务划分为多个组；分别对于各组利用熵值法对所述各属性数据的初始权重系数组成的初始权重系数向量进行调整，得到各组的权重系数向量；根据各任务所属组的权重系数向量和该任务的属性数据，分别计算各任务的优先级分值，按照优先级分值从高到低的顺序对各任务进行资源分配。本发明能提高资源利用率。
【专利说明】一种资源服务系统及其资源分配方法
【技术领域】
[0001]本发明涉及云计算领域，尤其涉及一种资源服务系统及其资源分配方法。
【背景技术】
[0002]IaaS(Infrastructure-as-a_Service,基础设施即服务)平台是当前云计算平台最重要的一种表现形式，允许用户通过云服务的形式获得计算资源，并提供灵活的资源共享和按需分配。以面向用户提供虚拟机资源、物理机资源以及存储资源为主要服务模式。其核心目标是能够及时响应用户定制需求，提供对应操作系统类型、CPU频率、核心数、带宽量、内存空间、硬盘空间的虚拟资源。
[0003]IaaS云平台资源服务系统提供的服务是虚拟资源，主要考虑的是优化资源供给和虚拟机的创建问题。因此IaaS层服务的主要约束是云平台中的资源总量，服务目标是确保有限的资源能够服务于尽量多的用户需求。现有技术中IaaS平台的服务调度机制包括请求的排队策略与请求和服务副本之间匹配策略。在排队策略中主要遵循先入先出的公平排队原则，即先到达的事件先提供服务，以提高服务的响应时间，优化服务的执行效率；对于服务副本的匹配策略而言，主要是根据服务约束条件进行建模，生成约束条件的匹配策略，实现服务副本的负载均衡，从而对云服务资源进行弹性分配，避免资源的过量和欠量分配。
[0004]但是随着云规模的增大，资源管理的复杂度也在不断提高，这就给传统的资源服务机制带来了挑战。
[0005]首先，在现有资源服务系统中，服务顺序并未受到平台中资源总量的约束，将资源分配难题全部交由服务副本的匹配策略进行协调，因此尚未很好地将请求的排队与服务副本的匹配机制相结合，不能真正做到优化稳态调度时云服务的整体性能。
[0006]其次，考虑到整个IaaS云平台的资源总量是有限的，先入先出的排队方式强调了服务公平性的同时却忽略了用户对服务资源的竞争性。随着用户数量的快速增长、特别是在业务高峰期有限的服务资源越发紧缺，一味地强调公平性既不能真正满足用户的共同利益，更会造成资源的浪费和不合理分配。
[0007]以带宽资源为例，当带宽资源相对紧缺时，如果排在服务队列前面的任务所需带宽资源量较大，按照先入先出的分配原则满足了其带宽需求，便会加重当前带宽资源负担，使得云平台中带宽资源更为紧缺，资源的总体分布更加不平衡，同时后面的业务也将得不到服务保障。以此同时，近年来随着SLA服务等级协议的提出，IaaS云平台需要向用户提供差异化服务，应当保证部分业务享有优先服务的权利。然而在现有服务系统中仅仅根据SLA服务约束条件进行资源分配，忽略了现有系统的资源状况以及用户对服务资源的竞争性，也会造成资源的浪费和不合理分配。
【发明内容】
[0008]本发明要解决的技术问题是提供一种动态调整的资源服务分配方案，能提高资源利用率。
[0009]为了解决上述问题，本发明提供了一种资源分配方法，应用于基础设施即服务云平台中，包括:
[0010]S101、在每个资源分配周期开始的时刻，对于排队的M个任务，根据资源部署数据生成任务的各属性数据的初始权重系数;M为大于I的整数；任务的所述属性数据包括该任务的用户服务等级、已等待时长、及各资源需求量；所述资源部署数据包括各类资源的资源占用率以及平均资源释放率；
[0011]S102、对所述M个任务根据属性数据进行聚类，将所述M个任务划分为多个组；
[0012]S103、分别对于各组利用熵值法对所述各属性数据的初始权重系数组成的初始权重系数向量进行调整，得到各组的权重系数向量；
[0013]S104、根据各任务所属组的权重系数向量和该任务的属性数据，分别计算各任务的优先级分值，按照优先级分值从高到低的顺序对各任务进行资源分配。
[0014]可选地，所述初始权重系数包括用户服务等级的权重系数&1、已等待时长的权重系数a2、及各资源需求量之和的权重系数Y ；
[0015]a2> Y之和为LJia^a^ Y均属于闭区间[0,1]；
[0016]所述资源需求量包括CPU核心数、主频、内存、硬盘、带宽大小的需求量及资源占用时间；
[0017]所述资源需求量之和为各类资源需求量乘以该类资源需求量对应的相对权重b。后相加的结果；各类资源需求量的相对权重b。之和为1，各相对权重b。均属于闭区间[0，I];
[0018]资源需求量的相对权重为:
【权利要求】
1.一种资源分配方法，应用于基础设施即服务云平台中，包括: 5101、在每个资源分配周期开始的时刻，对于排队的M个任务，根据资源部署数据生成任务的各属性数据的初始权重系数；M为大于I的整数；任务的所述属性数据包括该任务的用户服务等级、已等待时长、及各资源需求量；所述资源部署数据包括各类资源的资源占用率以及平均资源释放率； 5102、对所述M个任务根据属性数据进行聚类，将所述M个任务划分为多个组； 5103、分别对于各组利用熵值法对所述各属性数据的初始权重系数组成的初始权重系数向量进行调整，得到各组的权重系数向量； 5104、根据各任务所属组的权重系数向量和该任务的属性数据，分别计算各任务的优先级分值，按照优先级分值从高到低的顺序对各任务进行资源分配。
2.如权利要求1所述的方法，其特征在于: 所述初始权重系数包括用户服务等级的权重系数&1、已等待时长的权重系数a2、及各资源需求量之和的权重系数Y ; a2> Y之和为I,且Y均属于闭区间[0,1]； 所述资源需求量包括CPU核心数、主频、内存、硬盘、带宽大小的需求量及资源占用时间； 所述资源需求量之和为各类资源需求量乘以该类资源需求量对应的相对权重b。后相加的结果；各类资源需求量的相对权重b。之和为1，各相对权重b。均属于闭区间[0，1]； 资源需求量的相对权重为: ^ =---； nc> nF、nD> nM> nB分别为CPU核心数、主频、内存、硬盘、带宽大小的资源占用率；为平均资源释放率；σ分别取为C、F、D、Μ、B、Τ。
3.如权利要求1所述的方法，其特征在于，所述步骤S102包括: 21、判断所述M个任务中每两个任务关于阈值向量Ψ是否相似，将相似点划分为一个子集，生成该次迭代的聚类方案Ck和聚类数K ； 22、根据方案CK，计算该次聚类的有效性指标Q(Ck)； 23、阈值向量Ψ以步长Θ进行递增，将ψ= ψ+θ返回步骤21中进行循环，直到Ψ增长到所有任务被划分到同一个集合中，即迭代生成的聚类数K = I时，迭代停止，进行步骤24 ； 24、比较每次迭代的所述有效性指标，确定满足目标函数的最优聚类数K*和最优划分C* ;根据最优划分将所述M个任务划分为K*个组。
4.如权利要求1所述的方法，其特征在于，所述步骤S103包括: 31、计算第τ组任务的属性数据向量矩阵中的元素在属性数据j下的发生概率P'.，其中τ的取值为I到K*的每个整数:I, J
. 32、经归一化处理计算属性数据j的熵值:
.33、计算属性数据j的熵权:
34、利用熵权调整第τ组任务的初始权重系数向量W/，得到属性数据j的权重系数界了’J:
其中Wt,/ (j = I,2,...,N)是第τ组任务初始权重系数向量W,'对应的各属性数据的初始权重系数，a代表该组内的任务个数，N代表属性数据的个数，i为任务的序号，j为属性数据的序号；各属性数据的(j = l，2，...，N)组成第τ组的权重系数向量。
5.如权利要求1所述的方法，其特征在于: 所述步骤104中计算出的任一任务k的优先权分值fk为: H F(Xk)T，k e C1
F (Xk) = (Sk, Hk, g (Ck)，g (Fk)，g (Dk)，g (Mk)，g (Bk)，g (Tk))
s.t.g(x) = e_ax, α > O W, = (w,a,w,j2,...,w,jN)为任务所属的组的权重系数向量；Sk为任务k的用户服务等级的函数表示，Hk为任务k的已等待时长的函数表示，Ck，Fk，Dk，Mk，Bk，Tk依次为任务k所需求CPU核心数、主频、内存、硬盘、带宽大小、资源占用时间，s.t.后为约束条件，g为预定的统一函数。
6.一种资源分配系统，应用于基础设施即服务云平台中，其特征在于，包括: 初始化模块，用于在每个资源分配周期开始的时刻，对于排队的M个任务，根据资源部署数据生成任务的各属性数据的初始权重系数;M为大于I的整数；任务的所述属性数据包括该任务的用户服务等级、已等待时长、及各资源需求量；所述资源部署数据包括各类资源的资源占用率以及平均资源释放率； 分组模块，用于对所述M个任务根据属性数据进行聚类，将所述M个任务划分为多个组； 调整模块，用于分别对于各组利用熵值法对所述各属性数据的初始权重系数组成的初始权重系数向量进行调整，得到各组的权重系数向量； 分配模块，用于根据各任务所属组的权重系数向量和该任务的属性数据，分别计算各任务的优先级分值，按照优先级分值从高到低的顺序对各任务进行资源分配。
7.如权利要求6所述的系统，其特征在于: 所述初始权重系数包括用户服务等级的权重系数&1、已等待时长的权重系数a2、及各资源需求量之和的权重系数Y ; a2> Y之和为I,且Y均属于闭区间[0,1]； 所述资源需求量包括CPU核心数、主频、内存、硬盘、带宽大小的需求量及资源占用时间； 所述资源需求量之和为 各类资源需求量乘以该类资源需求量对应的相对权重b。后相加的结果；各类资源需求量的相对权重b。之和为1，各相对权重b。均属于闭区间[0，1]；资源需求量的相对权重为:
nc> nF、nD> nM> nB分别为CPU核心数、主频、内存、硬盘、带宽大小的资源占用率；为平均资源释放率；σ分别取为C、F、D、Μ、B、Τ。
8.如权利要求6所述的系统，其特征在于，所述分组模块包括: 判断单元、计算单元、迭代单元、划分单元； 所述判断单元用于判断所述M个任务中每两个任务关于阈值向量Ψ是否相似，将相似点划分为一个子集，生成该次迭代的聚类方案Ck和聚类数K，交给所述计算单元； 所述计算单元用于根据方案CK，计算该次聚类的有效性指标Q (Ck)； 所述迭代单元用于将阈值向量Ψ以步长Θ进行递增，将V = Ψ+θ发送给所述判断单元，直到Ψ增长到所有任务被划分到同一个集合中，即迭代生成的聚类数K = I时，迭代停止，启动所述划分单元； 所述划分单元用于比较每次迭代的有效性指标，确定满足目标函数的最优聚类数K*和最优划分C* ;根据最优划分将所述M个任务划分为K*个组。
9.如权利要求6所述的系统，其特征在于，所述调整模块包括: 概率计算单元，用于计算第τ组任务的属性数据向量矩阵中的元素在属性数据j下的发生概率厂二，其中τ的取值为I到K*的每个整数:
熵值计算单元，用于经归一化处理计算属性数据j的熵值:
熵权计算单元，用于计算属性数据j的熵权:
权重调整单元，用于利用熵权调整第τ组任务的初始权重系数向量W/，得到属性数据j的权重系数WT, j:
其中Wt,/ (j = 1,2,...,N)是第τ组任务初始权重系数向量W,'对应的各属性数据的初始权重系数，a代表该组内的任务个数，N代表属性数据的个数，i为任务的序号，j为属性数据的序号；各属性数据的(j = l，2，...，N)组成第τ组的权重系数向量。
10.如权利要求6所述的系统，其特征在于: 所述分配模块计算出的任一任务k的优先权分值fk为: H F(Xk)T，k e C1
F (Xk) = (Sk, Hk, g (Ck)，g (Fk)，g (Dk)，g (Mk)，g (Bk)，g (Tk))
s.t.g(x) = e_ax, α > O W, = (wTAwTt2,...,wTJ为任务所属的第τ组的权重系数向量；Sk为任务k的用户服务等级的函数表示，Hk为任务k的已等待时长的函数表示，Ck, Fk, Dk, Mk, Bk, Tk依次为任务k所需求CPU核心数、主频、内存、硬盘、带宽大小、资源占用时间，s.t.后为约束条件，g为预定的统一函数。
【文档编号】H04L29/08GK104168318SQ201410406388
【公开日】2014年11月26日 申请日期:2014年8月18日 优先权日:2014年8月18日
【发明者】汤雅妃, 张云勇, 魏进武, 张基恒, 李卫 申请人:中国联合网络通信集团有限公司