本发明涉及计算机技术中云计算领域，更具体的是一种基于时间和可靠性约束的云工作流资源调度成本优化方法
背景技术：
1、用户提交的工作流应用程序大多具有时间约束，云计算系统较高的时间延迟可能导致无法满足用户的时间要求，但是计算速度快的云资源往往需要较多的成本开销，因此云服务提供商需要从云资源中选择合适数量和类型的资源执行工作流来满足其截止时间约束，并基于不同的计费机制在时间和成本权衡下最小化工作流执行成本。
2、云数据中心由数万个物理机组成，这些物理机通过交换机或路由器连接，它们相互协调通过高速网络通信并向外界提供云服务。复杂的云系统容易产生各种软硬件故障，云系统的设备故障是不可避免的，且对于具有截止时间约束的工作流调度会产生很大的影响，因此，可靠性是用户关注的一个重要指标，处理器故障会对用户的服务质量产生影响。
3、但多数研究都只针对一种约束条件，并未考虑时间和可靠性双重约束下的云工作流调度问题，对用户来说，在预定时间内获得可靠的云服务至关重要。由此可见，研究云环境中的工作流调度成本优化问题需要综合考虑时间和可靠性等各种因素的影响，在各种影响因子之间取得平衡并为实际场景的调度问题提供合理的解决方案，才有利于云资源的合理利用和长远发展。
技术实现思路
1、本发明为解决时间和可靠性约束下的云工作流资源调度成本优化问题。
2、本发明采取以下技术方案：
3、根据云计算平台信息，构建时间和可靠性约束下最小化成本的目标并求解，算法的整体流程如图1所示，整体架构图如图2所示。
4、对于到来的请求建模成为任务组成的有向无环图，图中节点表示任务，边表示任务之间的通信时间。以下为算法主要步骤：
5、s1、基于概率升序任务排序法计算任务的排序值，根据概率升序排序后的比率进行子截止日期分配。
6、s2、初始化阶段，首先生成一个初始蚂蚁种群并初始化信息素轨迹，构建初始任务列表。
7、s3、局部信息素更新，每只蚂蚁构建解决方案之后进行局部信息素更新，增加解决方案的多样性。
8、s4、全局信息素更新，每次迭代结束时进行全局信息素更新，从所有蚂蚁的解决方案中选择出最优解决方案。
9、s5、构建有序任务列表，使用的生成拓扑排序的kahn算法生成根据信息素轨迹和概率升序排序的拓扑任务排序。
10、s6、资源分配阶段，对有序列表集合中的任务进行资源分配，选择满足可靠性要求且执行时间较少的实例资源。
11、优选的，在s1中具备一对一特性的任务是指如果当前任务有唯一的后继任务，并且该后继任务仅有一个前驱任务时，满足这种约束条件的任务具备一对一特性。
12、优选的，在s5中kahn算法是一种任务排序算法，对任务列表集合中的任务根据其概率排序值进行排序，依次将排序后的任务添加到有序列表集合，最后返回有序任务列表。
13、优选的，在s6中资源选择算法是基于资源集合选择满足截止时间和可靠性要求并使成本增量最小的实例，当没有满足条件的实例时，通过创建新实例来满足时间和可靠性要求并降低成本。
14、优选的，公共云提供商(amazon ec2)为虚拟机采用以小时为计费周期的定价模型，根据该定价模型计算资源调度成本。
15、本发明对比现有技术具有以下优点：
16、本发明为一种基于时间和可靠性约束的云工作流资源调度成本优化方法，充分利用了任务之间的依赖关系，将总的时间约束进行子截止时间分配，采用启发式的算法构建有序任务列表，利用完善的资源分配机制进行资源调度，保障工作流在满足时间和可靠性约束的同时以较低成本执行。
17、相比于现有技术，本发明基于时间和可靠性约束的云工作流资源调度成本优化方法具有以下优点：本方法在云计算系统中资源异构的环境下，满足工作流时间和可靠性双重约束的前提下进行工作流资源调度，并采用低复杂度的启发式算法进行资源分配，得到了成本高效的工作流调度序列和资源分配方案。
1.一种基于时间和可靠性约束的云工作流资源调度成本优化方法，实现了时间和可靠性约束下成本最优化资源调度，主要包括以下步骤：
2.根据权利要求1所述的基于时间和可靠性约束的云工作流资源调度成本优化方法，对云计算系统进行如下建模：
3.根据权利要求1所述的基于时间和可靠性约束的云工作流资源调度成本优化方法，其可靠性模型如下：
4.根据权利要求1所述的基于时间和可靠性约束的云工作流资源调度成本优化方法，其成本模型如下：
5.根据权利要求1所述的基于时间和可靠性约束的云工作流资源调度成本优化方法，其优化目标和约束条件如下：
