Lập lịch trong môi trường tính toán đám mây dựa trên ràng buộc thời hạn

ISSN 1859 1531 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 12(85) 2014, QUYỂN 2 85 LẬP LỊCH TRONG MÔI TRƯỜNG TÍNH TOÁN ĐÁM MÂY DỰA TRÊN RÀNG BUỘC THỜI HẠN SCHEDULING TASKS IN CLOUD COMPUTING ENV[.]

ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 12(85).2014, QUYỂN 85 LẬP LỊCH TRONG MƠI TRƯỜNG TÍNH TỐN ĐÁM MÂY DỰA TRÊN RÀNG BUỘC THỜI HẠN SCHEDULING TASKS IN CLOUD COMPUTING ENVIRONMENT BASED ON DEADLINE Nguyễn Anh Tuấn1, Lê Văn Sơn2, Nguyễn Hồng Hà3, Lê Thành Cơng2 Trường Cao đẳng Cơng nghệ Thông tin, Đại học Đà Nẵng; Email: tuanna@ud.edu.vn Trường Đại học Sư phạm, Đại học Đà Nẵng; Email: levansupham2004@yahoo.com Trường Đại học Khoa học, Đại học Huế; Email: nhha76@gmail.com Tóm tắt - Lập lịch tác vụ mơi trường tính tốn đám mây có hai hướng chính: hướng đến hiệu hệ thống hướng đến hiệu kinh tế Bài báo tập trung lập lịch hướng đến hiệu hệ thống Bởi vì toán lập lịch tác vụ việc tính tốn đám mây tốn NP - đầy đủ [2], cần thiết phải xây dựng thuật toán heuristic để giải vấn đề Bài báo sử dụng thuật toán ACO [1] để đưa thuật toán heuristic lập lịch tác vụ mơi trường tính tốn đám mây Mục đích thuật tốn làm cho tổng thời gian hồn thành cơng việc hệ thống nhỏ thỏa mãn thời hạn cho tác vụ Thuật tốn cài đặt hồn chỉnh CloudSim [9] kết có cải tiến đáng kể so với thuật tốn MinMin [10] có Abstract - Scheduling taskss on the cloud computing has two main problems to solve: the performance of the system and the economic performance This paper focuses on scheduling on system performance The task scheduling problem on the cloud computing is a complete NP [2] Therefore, it is necessary to develop heuristics to solve this problem This paper uses Ant Colony Optimization – ACO [1] algorithm to provide a new heuristic to schedule tasks on the cloud computing The purpose of the algorithm is to minimize the total time to complete the task of the system but it still satisfies the minimum duration for the task This algorithm is officially installed on CloudSim [9] and it has brought about significantly improved results compared with the current MinMin algorithm [10] Từ khóa - tính tốn đám mây; quản lý tài ngun; lập lịch tác vụ; DSACO; MinMin Key words - cloud computing; resource management, scheduling; DSACO; MinMin Đặt vấn đề Tính toán đám mây mở thời đại để chia sẻ sở hạ tầng công nghệ thông tin, hệ thống liên kết với thông qua internet để chia sẻ dịch vụ Tính tốn đám mây bao gồm thành phần người dùng, nhà cung cấp dịch vụ SaaS, PaaS IaaS thể Hình Người dùng gởi tập tác vụ yêu cầu tài nguyên đến nhà cung cấp SaaS, nhà cung cấp PaaS sử dụng lập lịch để tìm kiếm tài nguyên thích hợp nhà cung cấp IaaS, tìm thấy tài nguyên thỏa mãn yêu cầu ánh xạ tài nguyên vào tác vụ tương ứng toán hình thức máy ảo đến người dùng Những người dùng sử dụng hàng trăm, hàng ngàn máy ảo nên khó để gán tác vụ đến tài nguyên môi trường đám mây Vì vậy, vấn đề cần thiết đặt cần số thuật tốn có khả mang lại hiệu để lập lịch tối ưu hóa tác vụ mơi trường tính tốn đám mây Hiện nhà khoa học nghiên cứu nhiều thuật toán để đạt hiệu cho việc lập lịch tác vụ mơi trường đám mây Nhiều thuật tốn phát triển để có giải pháp gần tối ưu phù hợp với mục tiêu đặt người dùng đề xuất gần vGrADS [2] MinMin [10], MaxMin [8] Các thuật tốn tính tốn thời gian hồn thành sớm tác vụ ứng với tài nguyên có sẵn, sau có thời gian dự kiến hồn thành cho cơng việc giá trị tối thiểu cho tất tác vụ tương ứng Người dùng Gửi tác vụ Đáp ứng yêu cầu Nhà cung cấp SaaS Nhà cung cấp IaaS Các ứng dụng phần mềm Nhà cung cấp PaaS Bộ lập lịch Yêu cầu máy ảo Lập lịch máy ảo Nhà cung cấp IaaS Các máy ảo Hình Mơ hình tổng qt để lập lịch theo hướng hiệu hệ thống Với hỗ trợ cơng nghệ ảo hóa, nển tảng tính tốn đám mây cho phép doanh nghiệp cho thuê lực tính Thuật tốn ACO thuật tốn tìm kiếm ngẫu nhiên, giống thuật toán bầy đàn (PSO) thuật tốn di truyền (GA) [5] Nó bắt chước hành vi đàn kiến tự nhiên để tìm kiếm thức ăn kết nối với mùi thức ăn đặt lại đường Nhiều nhà nghiên cứu sử dụng ACO để giải tốn khó tổ hợp tốn người du lịch, tơ màu đồ thị Trong báo này, đề xuất thuật tốn lập lịch tác vụ mơi trường đám mây dựa thuật tốn tối ưu hóa đàn kiến (DSACO) để tìm ánh xạ tác vụ vào tài nguyên cách tối ưu nhằm giảm thiểu tổng thời gian thực hệ thống Sau đó, thuật tốn lập lịch thực nghiệm mơ công cụ CloudSim để so sánh thời gian tối ưu hệ thống với thuật toán MinMin vừa nêu Mơ hình hệ thống Mơ hình tổng quát để lập lịch cho tác vụ bao gồm thành phần Hình Trong mơ hình bao gồm Nguyễn Anh Tuấn, Lê Văn Sơn, Nguyễn Hoàng Hà, Lê Thành Cơng 86 mơ hình con: mơ hình người dùng SaaS, mơ hình nhà cung cấp SaaS, mơ hình nhà cung cấp PaaS Chúng tơi trọng tâm mơ hình nhà cung cấp dịch vụ PaaS để tìm kiếm tài nguyên hợp lý IaaS 2.1 Mơ hình người dùng Người dùng gửi n tác vụ (T1, T2, ,Tn) lên hệ thống, tác vụ Ti thành phần đó: - ai: thời gian đến tác vụ - wi: khối lượng tính MI tác vụ - di: thời hạn lớn để hồn thành cơng việc - ini, outi: kích cỡ file đầu vào Mỗi tác vụ ánh xạ nguồn tài ngun tính tốn có đám mây tài ngun tính tốn kết nối với nhiều tài nguyên lưu trữ để tải file đầu lưu lại file đầu tác vụ tính tốn xong 2.2 Mơ hình nhà cung cấp IaaS Tài ngun hệ thống bao gồm m tài ngun tính tốn (PC1, PC2, …, PCm), chúng liên kết với với băng thơng khác tài ngun tính tốn kết nối với nhiều tài nguyên lưu trữ (S1, S2, , Sk) Các tài ngun tính tốn thực cơng việc nào, thời gian thực khác Mỗi tài nguyên tính tốn PCj thành phần , đó: rj: thời gian sẵn sàng tài nguyên sj: tốc độ tính tốn tài ngun srj: tập tài nguyên lưu trữ liên kết với tài ngun tính tốn PCj 2.3 Mơ hình nhà cung cấp PaaS Gọi thời gian hoàn thành tác vụ i tài ngun tính tốn thứ j CTij, CTij xác định sau: CTij = TPij + Rj + TFij (1) Trong đó: - TPij thời gian thực tác vụ i tài nguyên j, phụ thuộc vào tốc độ tính tốn sij tác vụ i tài nguyên j khối lượng wi tác vụ i 𝑇𝑃𝑖𝑗 = 𝑤𝑖 𝑠𝑖𝑗 (2) - Rj thời gian sớm mà tài nguyên tính tốn j thực thi tác vụ (thời gian sẵn sàng): 𝑅𝑗 = 𝑅𝑗 + (3) - TFij thời gian nhỏ để chuyển file đầu vào ini đầu outi từ srj đến tài ngun tính tốn tài ngun i 𝑇𝐹𝑖𝑗 = ( (ini +outi ) bwjk ) , 𝑘 = 𝑚′ (4) Trong đó: bwjk băng thơng kết nối từ srj đến tài ngun tính tốn j (k=1 m’, m’ số tài nguyên lưu trữ kết nối với tài ngun tính tốn j) Mục tiêu báo tìm kiếm tài ngun tính tốn IaaS makespan hệ thống nhỏ nhất, tức phải tìm: 𝑤𝑖 + (𝑅𝑗 + ) 𝑠𝑖𝑗 ∑ ∑ ∑ , (ini + out i ) ) i=1 j=1 k=1 + ( bwjk ( ( )) 𝑖 = 𝑛, 𝑗 = 𝑚, 𝑘 = 𝑝 (5) Để đạt mục tiêu phải thỏa ràng buộc: 𝐶𝑇𝑖 ≤ 𝑑𝑖 𝑖 = 𝑛′ (6) n m p Xây dựng toán Thuật toán đàn kiến giải pháp giải tốn tối ưu hóa tổ hợp Nó mơ hành vi đàn kiến tự nhiên nhằm tìm kiếm đường ngắn nguồn thức ăn tổ kiến dựa mật độ mùi mà kiến để lại đường Khi kiến tìm kiếm thức ăn để lại số lượng mùi đường Nếu kiến cố gắng để di chuyển từ nơi sang nơi khác, gặp dấu vết trước từ kiến trước đó, kiến phát dấu vết mùi dựa vào xác suất mùi cao định chọn đường Sau qua chu kỳ, kiến để lại mùi đường mùi dần theo thời gian, nhiều kiến tìm đường đi, mùi đường ngắn tăng lên cách nhanh chóng Số lượng mùi đường ảnh hưởng đến khả kiến khác để lựa chọn đường Cuối dựa vào xác suất mùi cao, kiến chọn đường ngắn Thuật tốn ACO đươc mơ tả sau: Bước Khởi tạo điều kiện ban đầu Bước Các kiến xây dựng phương án để tìm kiếm nguồn thức ăn Bước Các kiến cập nhật lại mùi Bước Nếu điều kiện kết thúc chưa thỏa mãn sang bước 2, ngược lại dựa kiến để tìm phương án tốt Để áp dụng thuật toán đàn kiến người ta phải xác định thông tin hàm cực tiểu F, thông tin heuristic ηi, cập nhật lại mùi xác xuất P 3.1 Hàm cực tiểu F thông tin heuristic ηi Hàm cực tiểu F thơng tin heuristic ηi sử dụng để tìm nhà cung cấp IaaS tốt nhất, phụ thuộc vào thời gian thực (CTiij) tác vụ i tài ngun tính tốn j: 𝐹 = 𝑀𝑎𝑥(𝐶𝑇𝑖𝑗 ), 𝑖 = 𝑛, 𝑗 = 𝑚 (7)  = 𝐶𝑇 , 𝑖 = 𝑛, 𝑗 = 𝑚 𝑖 𝑖𝑗 (8) Sử dụng ηi để tìm tài ngun có độ ưu tiên cao thời gian thực CTij nhỏ thông tin ηi tác vụ i cao Hàm cực tiểu F dùng để tính xác xuất cho tác vụ i chọn tài nguyên j 3.2 Cập nhật lại mùi Mỗi kiến nguồn tài nguyên tác vụ cách ngẫu nhiên Tất kiến trì danh sách, chúng chọn tác vụ vào tài nguyên kết tiếp chúng lưu vào danh sách Tại bước lặp kiến tính hàm cực tiểu cập nhật lại mùi sau: 𝜏ij= 𝜌𝜏ij + ∆𝜏ij Trong đó: ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 12(85).2014, QUYỂN - 𝜏ij mật độ mùi tác vụ i tài nguyên j - 𝜌là giá trị bay xác định khoảng (0,1) 1−𝜌 - ∆𝜏ij = 𝐹𝑘 với Fk hàm cực tiểu kiến k B5.S = S + {Ti}; CL = CL – {Ti}; Rj = TPij + Rj+ TFij B6.THỰC HIỆN LẶP MỖI TÁC VỤ Tj TRONG TẬP TÁC VỤ CHƯA LẬP LỊCH B7.Tính thơng tin heuristic cho tác vụ Ti CRj: - ∆ijđược thêm vào mật độ mùi 3.3 Tính xác suất Xác xuất để ánh xạ tác vụ i vào tài nguyên j xác định sau [7]: 𝜏𝑖𝑗 η𝑖𝑗 𝜌𝑖𝑗 = 𝑚 (9) ∑𝑗=1 𝜏𝑖𝑗 η𝑖𝑗 Sau áp dụng công thức (1),(2),(3),(4),(7), (8) (9) xác định công thức để ánh xạ tác vụ i vào tài ngun tính tốn j sau: 1−𝜌 (𝜌𝜏𝑖𝑗 + 𝐹 ) 𝑇𝑃 +𝑅 +𝑇𝐹 𝑘 𝑖𝑗 𝑗 𝑖𝑗 (10) 𝑝𝑖𝑗 = 1−𝜌 𝑚 ∑𝑗=1(𝜌𝜏𝑖𝑗 + ) 𝐹𝑘 87 𝑇𝑃𝑖𝑗 +𝑅𝑗 +𝑇𝐹𝑖𝑗 Trong đó: 𝜏ij mật độ mùi để lại kiến di chuyển 𝑝ij xác suất để tác vụ i ánh xạ vào tài ngun tính tốn j Thuật toán DSACO Ý tưởng thuật toán lấy từ ý tưởng thuật toán SACO [7], thêm vào ràng buộc thời gian đến, thời hạn cho tác vụ, sau xây dựng thuật tốn mơ hình mục mục 4.1 Các ký hiệu giá trị khởi tạo thuật toán - Dựa vào tài nguyên có sẵn đám mây, ước lượng thời gian thực lưu vào TPij, dựa vào băng thông kết nối tài ngun tính tốn tài nguyên lưu trữ ta ước lượng thời gian chuyển tải file đầu vào từ tài nguyên lưu trữ đến tài ngun tính tốn lưu PSij - T, CR, SR: tập tác vụ, tập tài nguyên tính toán tập tài nguyên lưu trữ - CL: Tập tác vụ chưa lập lịch - S: tập tác vụ lập lịch - Ti, CRj: tác vụ thứ i, tài nguyên thứ j - Rj: Thời gian sớm mà tài nguyên CRj cung cấp cho tác vụ - Giá trị bốc mùi ban đầu 𝜌 0,05 - Giá trị mùi ban đầu 0,01 4.2 Đầu vào thuật toán - Số tác vụ cần lập lịch: N, số tài ngun tính tốn: M - Ma trận TPnxm, PSmxn - 𝜌 =0,05, 𝜏𝑖𝑗 = 0,01 4.3 Đầu thuật toán Bảng ánh xạ tác vụ vào nguồn tài nguyên 4.4 Giải thuật xử lý toán B1.THỰC HIỆN LẶP VỚI MỖI CON KIẾN B2.S = {}; CL = T; Rj= 0; B3.Gán ngẫu nhiên tác vụ Tivào tài nguyên CRj B4.Ánh xạ tác vụ Ti vào nguồn tài nguyên CRj cập nhật lại Rj η𝑖𝑗 = 𝑇𝑃𝑖𝑗 + 𝑅𝑗 + 𝑇𝐹𝑖𝑗 B8.Tìm giá trị mùi tại: 𝜏𝑖𝑗 B9.Cập nhật lại mùi: 𝜏𝑖𝑗 = 𝜌𝜏𝑖𝑗 + 1−𝜌 𝐹𝑘 B10 Tính xác suất: (𝜌𝜏𝑖𝑗 + 𝑝𝑖𝑗 = 1−𝜌 ) 𝐹𝑘 𝑇𝑃𝑖𝑗 +𝑅𝑗 +𝑇𝐹𝑖𝑗 1−𝜌 ∑𝑚 𝑗=1(𝜌𝜏𝑖𝑗 + 𝐹𝑘 ) 𝑇𝑃𝑖𝑗 +𝑅𝑗 +𝑇𝐹𝑖𝑗 B11 Tìm Pij cao có CTi