云資源調度技術專利分析

呂梅利

【摘要】 本文就云環境下資源調度目標和采用的調度算法對相關專利進行統計分析，對于本領域技術人員理解該項技術的發展有重要意義。

【關鍵詞】 云計算 資源調度

一、引言

云資源調度技術是云計算得以大規模應用和提高性能關鍵技術，實現資源的高效靈活、動態可伸縮的調度將大大提高資源的利用率，這對云數據中心具有十分重要的意義，因此IT行業的領導者和眾多研究學者從不同的出發點對云資源調度技術展開了研究。

在云資源調度方面，當前主要的研究方向有：虛擬機放置問題、數據中心能耗問題以及基于經濟學的云資源調度等。

二、云資源調度技術專利分析

本次瀏覽文獻量為348篇，主要對資源調度目標和常用的調度算法進行分析。

2.1資源調度目標

目前云計算資源提供商的主流研究目標有：降低數據中心能耗、提高服務質量、提高資源利用率、基于經濟學模型、負載均衡等。在分析的348件樣本中，以提高資源利用率為目標的資源調度申請量最多，占樣本總量的40%。例如申請號為CN201510609315的專利申請，根據資源利用率數據，預測分析未來一段時間的資源利用率趨勢，給進行調度提供決策數據。

其次就是以負載均衡為目標的資源調度，占樣本總量的27%，例如申請CN201210116060，在滿足效益需求的任務-資源對條件下選擇最小負載的資源進行調度，提高了負載均衡度。隨著云計算的發展，單個性能已然不能滿足用戶需求，人們需要多維服務質量保證，例如用戶要求任務計算時間最短、花費最少的同時要求保證網絡帶寬。例如申請CN201510733449，公開了一種基于分段服務等級協議的數據中心虛擬機資源調度方法。

由于云計算擁有龐大的數據中心，其在能量方面的消耗也相對較高，基于能效的問題隨之得到了廣泛的關注。例如申請CN201410301191，提供一種分布式云計算平臺的動態節能資源調度系統及其方法。由于云計算用于商業運作，其理想目的是不僅使用戶得到實惠，也能使服務商得到相當利益，將經濟管理機制應用到云資源調度對系統的穩定性起到一定的作用。例如申請CN201310457028，公開了一種基于經濟模型的轉發和控制分離網絡中的資源調度方法。

2.2資源調度算法

調度算法的好壞決定系統整個調度策略的質量，云計算的作業調度算法主要有傳統調度算法、啟發式調度算法以及各種在基本算法基礎上改進的算法。

啟發式調度算法一般有：粒子群算法、蟻群算法、遺傳算法、人工神經網絡、人工免疫算法等。這些算法在各個領域都有著廣泛的應用，啟發式算法的優點是能夠進行約束優化、多目標優化、動態優化和求解多解問題。蟻群、微粒群等算法在求解分布式問題解決方案的優越性使其不斷應用于優化問題。蟻群算法起初用來解決車輛路徑問題，旅行商問題，經過不斷的應用與研究，蟻群算法也用于解決調度問題。

其中傳統調度算法和啟發式調度算法的分布如圖1所示。由上圖可知，采用啟發式調度算法進行調度的申請為114件，占樣本總數的33%，而采用傳統調度算法的申請為30件，占樣本總數的9%。

其中，啟發式調度算法中使用遺傳算法進行調度的案件數量最多，占50%。例如申請CN201510330093，公開了一種基于遺傳算法的云計算資源調度方法。其次，采用蟻群和粒子群算法的申請分別為28和21件。例如申請CN201410606471，涉及基于蟻群優化算法的云環境下SBS資源配置方法，申請CN201510703546，提供了一種虛擬機的動態調整方法及其系統，通過使用一種融合了極值優化及粒子群的改進算法來高效的求解VMDA問題。采用人工神經網絡/人工免疫算法的申請量較少，僅8件。

申請號為CN201310210315的專利申請則采用傳統調度算法，其公開了一種基于雙加權最小連接算法的云計算負載均衡調度算法。

三、結束語

本文首先對云計算進行介紹，然后就云環境下資源調度目標和采用的調度算法對相關專利進行統計分析，對于本領域技術人員理解該項技術的發展有重要意義。

參 考 文 獻

[1]儲雅等，云計算資源調度：策略與算法，計算機科學，第40卷，第11期，2013年11月