針對(duì)云計(jì)算環(huán)境下多用戶多資源虛擬機(jī)調(diào)度的延遲問題,為了優(yōu)化虛擬機(jī)的任務(wù)完成時(shí)間,提出一種基于強(qiáng)化學(xué)習(xí)的虛擬機(jī)資源調(diào)度方法。首先以虛擬機(jī)的任務(wù)完成時(shí)間為優(yōu)化目標(biāo)建立基于延遲的虛擬機(jī)資源調(diào)度模型,然后通過定義虛擬機(jī)配置數(shù)組來將多資源多類的虛擬機(jī)資源調(diào)度問題轉(zhuǎn)化為單維的虛擬機(jī)調(diào)度決策問題,接著提出面向延遲的虛擬機(jī)資源調(diào)度強(qiáng)化學(xué)習(xí)算法,將任務(wù)完成時(shí)間作為獎(jiǎng)賞函數(shù),通過貪婪行為策略選擇最優(yōu)的調(diào)度策略來達(dá)到最大獎(jiǎng)勵(lì),從而獲得最優(yōu)的平均任務(wù)完成時(shí)間。仿真結(jié)果表明,與現(xiàn)有算法相比,該方法在提高虛擬機(jī)資源利用率與減少任務(wù)的延遲方面性能顯著。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1 基于強(qiáng)化學(xué)習(xí)的虛擬機(jī)調(diào)度方法

設(shè)計(jì)了一種基于強(qiáng)化學(xué)習(xí)的虛擬機(jī)資源調(diào)度方法,如圖1所示。(1)每當(dāng)有虛擬機(jī)任務(wù)到達(dá)時(shí),按虛擬機(jī)任務(wù)的資源需求將其放入系統(tǒng)對(duì)應(yīng)的緩存隊(duì)列,例如,第v類虛擬機(jī)任務(wù)進(jìn)入第v個(gè)虛擬機(jī)隊(duì)列;(2)在每個(gè)調(diào)度時(shí)隙的開始時(shí)刻,調(diào)度系統(tǒng)感知云計(jì)算環(huán)境的狀態(tài),包括當(dāng)前正在調(diào)度的任務(wù),隊(duì)列長(zhǎng)度等,將....

圖2 任務(wù)完成時(shí)間vs虛擬機(jī)到達(dá)速率

根據(jù)googletrace[16]報(bào)告的云計(jì)算環(huán)境虛擬機(jī)任務(wù)特性,用Matlab產(chǎn)生隨機(jī)序列來模擬虛擬機(jī)任務(wù)請(qǐng)求到達(dá)特性。設(shè)3類虛擬機(jī)請(qǐng)求的平均時(shí)長(zhǎng)均為4個(gè)時(shí)隙,設(shè)到Type-2和Type-3的到達(dá)速率分別為λ2=0.025任務(wù)/時(shí)隙,λ3=0.015任務(wù)/時(shí)隙,則系統(tǒng)的平均任....

圖3 任務(wù)完成時(shí)間vs所有虛擬機(jī)到達(dá)速率

當(dāng)所有類型虛擬機(jī)的到達(dá)速率都比較大時(shí),所提的基于延遲的強(qiáng)化學(xué)習(xí)算法性能優(yōu)勢(shì)更加顯著,如圖3所示。由圖3可見,隨著所有類型的虛擬機(jī)到達(dá)速率的上升,Myopic-MaxWeight算法的平均任務(wù)完成時(shí)間快速上升,例如,當(dāng)每類虛擬機(jī)任務(wù)的到達(dá)速率為0.125請(qǐng)求/時(shí)隙時(shí),平均任務(wù)完成時(shí)....

圖4 任務(wù)完成時(shí)間vs虛擬機(jī)任務(wù)時(shí)長(zhǎng)

設(shè)3類虛擬機(jī)任務(wù)的到達(dá)速率分別為λ1=0.025任務(wù)/時(shí)隙,λ2=0.025任務(wù)/時(shí)隙,λ3=0.015任務(wù)/時(shí)隙。設(shè)Type-1和Type-2虛擬機(jī)請(qǐng)求的平均時(shí)長(zhǎng)為4個(gè)時(shí)隙,則系統(tǒng)的平均任務(wù)完成時(shí)間隨著Type-3虛擬機(jī)任務(wù)時(shí)長(zhǎng)的變化如圖4所示。由圖4可見,平均任務(wù)完成時(shí)間隨著....

本文編號(hào)：4055698