科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着新型基础设施建设(新基建)的加速,云计算将获得新的发展契机.数据中心作为云计算的基础设施,其内部服务器不断升级换代,这造成计算资源的异构化.如何在异构云环境下,对作业进行高效调度是当前的研究热点之一.针对异构云环境多目标优化调度问题,设计一种AHP定权的多目标强化学习作业调度方法.首先定义执行时间、平台运行能耗、成本等多个目标,其中定义服务延迟成本以描述用户对服务质量的满意程度;然后设计面向异构资源的多目标调度综合评价方法,利用层次分析法(analytic hierarchy process, AHP)确定各个目标的权重;最后将该方法引入Q-learning的奖励值计算,使其能反映异构云环境下作业的总体执行情况,并对后续抵达的作业起到良好的经验学习作用.实验结果表明,所提出的方法优于大部分对比方法,能够较好地优化作业执行效率和保障用户及服务提供商的利益.
- 单位
