[发明专利]一种基于虚拟化容器技术的多工作流任务分配方法

摘要

本发明公开一种基于虚拟化容器技术的多工作流任务分配方法，采用高斯过程回归进行平均奖赏值和最优策略的逼近，大幅度减少了得到最优策略的学习迭代时间，提高了云资源的利用率。

主权项

一种基于虚拟化容器技术的多工作流任务分配方法，其特征在于，包括准备阶段：定义状态空间：用五元组S＝(WR,RA,AW,IM,PJ)表示状态空间，其中WR表示待调度任务的工作量，RA表示资源可用时间，AW表示等待队列中的总工作量，IM表示空闲容器资源数，PJ表示队列中各用户提交任务的比例；定义动作空间：用三元组J＝(TJ,WS,ET)表示动作空间，其中TJ表示任务类型，WS表示用户标识符，ET表示任务执行时间；定义回报函数：其中为控制系数，为工作流任务vi的响应率，为vi的公平性指标，任务vi的响应率为：其中，execution timevi为任务的执行时间，waittingtimevi为任务的等待时间，任务vi的公平性指标定义为：Fvi=1-maxk(Wkvi-Skvi)Mvi]]>其中表示用户k提交的任务vi所需的资源，指用户k提交的任务vi的响应速率，指取用户k提交的所有作业中的最大的值，指取用户K提交的所有作业中最大的W值；执行阶段：第一步：初始化ρ和Q(s,a)，其中ρ表示平均回报，Q(s,a)为二维表格，行s为系统状态，列a为动作空间；第二步：设置更新步长，执行迭代；第三步：将变量i设置为0，将s设置为当前状态；第四步：从动作空间a中选择动作；第五步：执行选择的动作，得到当前状态的立即回报值r和下一个系统状态s’；第六步：按式Q(s,a)←Q(s,a)+α*[r‑ρ+maxa'Q(s',a')‑Q(s,a)]更新Q(s,a),其中，a’代表系统状态s’下的动作空间，α∈(0,1)代表学习速率；第七步：判断是否满足Q(s,a)＝maxaQ(s,a)，若是则更新平均回报ρ然后转第八步，若否则直接转第八步；第八步：令i＝i+1；第九步：若i小于更新步长，令s＝s’，转至第二步，若i不小于更新步长，则转至第十步；第十步：将Q(s,a)表格中的数据作为输入，使用高斯过程进行回归操作，得到回归结果；第十一步：使用第十步得到的回归结果修改Q(s,a)表格；第十二步：将第七步得到的平均回报ρ作为输入，使用高斯过程进行回归操作，得到回归结果；第十三步：使用第十二步得到的回归结果修改平均回报ρ；第十四步：转至第二步。