云资源调度技术专利分析

吕梅利

【摘要】 本文就云环境下资源调度目标和采用的调度算法对相关专利进行统计分析，对于本领域技术人员理解该项技术的发展有重要意义。

【关键词】 云计算 资源调度

一、引言

云资源调度技术是云计算得以大规模应用和提高性能关键技术，实现资源的高效灵活、动态可伸缩的调度将大大提高资源的利用率，这对云数据中心具有十分重要的意义，因此IT行业的领导者和众多研究学者从不同的出发点对云资源调度技术展开了研究。

在云资源调度方面，当前主要的研究方向有：虚拟机放置问题、数据中心能耗问题以及基于经济学的云资源调度等。

二、云资源调度技术专利分析

本次浏览文献量为348篇，主要对资源调度目标和常用的调度算法进行分析。

2.1资源调度目标

目前云计算资源提供商的主流研究目标有：降低数据中心能耗、提高服务质量、提高资源利用率、基于经济学模型、负载均衡等。在分析的348件样本中，以提高资源利用率为目标的资源调度申请量最多，占样本总量的40%。例如申请号为CN201510609315的专利申请，根据资源利用率数据，预测分析未来一段时间的资源利用率趋势，给进行调度提供决策数据。

其次就是以负载均衡为目标的资源调度，占样本总量的27%，例如申请CN201210116060，在满足效益需求的任务-资源对条件下选择最小负载的资源进行调度，提高了负载均衡度。随着云计算的发展，单个性能已然不能满足用户需求，人们需要多维服务质量保证，例如用户要求任务计算时间最短、花费最少的同时要求保证网络带宽。例如申请CN201510733449，公开了一种基于分段服务等级协议的数据中心虚拟机资源调度方法。

由于云计算拥有庞大的数据中心，其在能量方面的消耗也相对较高，基于能效的问题随之得到了广泛的关注。例如申请CN201410301191，提供一种分布式云计算平台的动态节能资源调度系统及其方法。由于云计算用于商业运作，其理想目的是不仅使用户得到实惠，也能使服务商得到相当利益，将经济管理机制应用到云资源调度对系统的稳定性起到一定的作用。例如申请CN201310457028，公开了一种基于經济模型的转发和控制分离网络中的资源调度方法。

2.2资源调度算法

调度算法的好坏决定系统整个调度策略的质量，云计算的作业调度算法主要有传统调度算法、启发式调度算法以及各种在基本算法基础上改进的算法。

启发式调度算法一般有：粒子群算法、蚁群算法、遗传算法、人工神经网络、人工免疫算法等。这些算法在各个领域都有着广泛的应用，启发式算法的优点是能够进行约束优化、多目标优化、动态优化和求解多解问题。蚁群、微粒群等算法在求解分布式问题解决方案的优越性使其不断应用于优化问题。蚁群算法起初用来解决车辆路径问题，旅行商问题，经过不断的应用与研究，蚁群算法也用于解决调度问题。

其中传统调度算法和启发式调度算法的分布如图1所示。由上图可知，采用启发式调度算法进行调度的申请为114件，占样本总数的33%，而采用传统调度算法的申请为30件，占样本总数的9%。

其中，启发式调度算法中使用遗传算法进行调度的案件数量最多，占50%。例如申请CN201510330093，公开了一种基于遗传算法的云计算资源调度方法。其次，采用蚁群和粒子群算法的申请分别为28和21件。例如申请CN201410606471，涉及基于蚁群优化算法的云环境下SBS资源配置方法，申请CN201510703546，提供了一种虚拟机的动态调整方法及其系统，通过使用一种融合了极值优化及粒子群的改进算法来高效的求解VMDA问题。采用人工神经网络/人工免疫算法的申请量较少，仅8件。

申请号为CN201310210315的专利申请则采用传统调度算法，其公开了一种基于双加权最小连接算法的云计算负载均衡调度算法。

三、结束语

本文首先对云计算进行介绍，然后就云环境下资源调度目标和采用的调度算法对相关专利进行统计分析，对于本领域技术人员理解该项技术的发展有重要意义。

参 考 文 献

[1]储雅等，云计算资源调度：策略与算法，计算机科学，第40卷，第11期，2013年11月