负荷聚合公共服务平台异构密码计算服务多任务调度算法

技术特征：
1.一种负荷聚合公共服务平台异构密码计算服务多任务调度算法，其特征在于：包括以下步骤：步骤1、以最大任务安全保障系数和最小系统总完成时间为目标，建立面向异构密码计算资源的负荷聚合平台密码服务架构和多任务调度模型；步骤2、采用密码服务任务调度算法，求解步骤1所建立的多任务调度模型，以获得最大任务安全保障系数和最小系统总完成时间。2.根据权利要求1所述的一种负荷聚合公共服务平台异构密码计算服务多任务调度算法，其特征在于：所述步骤1的具体步骤包括：(1)建立密码服务任务与运算节点模型：负荷聚合平台密码服务系统为密码服务任务集t
ask
和运算节点集c＝{c
p
,c
v
}的组合，令一组n个密码服务任务序列表示为t
ask
＝{t1,t2,
…
,t
n
}，t
i
表示任务组中的第i个密码任务，i∈{1,2,
…
,n}，,n}，一个任务序列中所有任务相同；为密码计算资源需求，r∈{1,2,3,4}，它们依次表示cpu资源，内存资源，硬盘资源，密码卡i/o口吞吐量；其中，运算节点集合c＝{c
p
,c
v
}由pcm运算节点c
p
和vcm运算节点c
v
组成；c
p
＝{c
p1
,c
p2
,
…
,c
pm
}，c
pj
为第j个pcm，j∈{1,2,
…
,m}，,m}，c
vk
为第k个vcm，k∈{1,2,
…
,l}，vcm宿主机独立部署，且独占整个宿主机，c
vko
则为第o号宿主机h中第k号vcm；(a)为物理密码机j的id编号，为虚拟密码机k的id编号；(b)和r∈{1,2,3,4}，它们依次表示cpu资源属性，内存资源属性，硬盘资源属性，密码卡i/o口吞吐量，i/o口吞吐量，(2)以最大任务安全保障系数和最小系统总完成时间为目标，建立密码服务任务调度模型：密码服务任务调度定义为密码服务任务映射到运算节点c的函数：f:t
→
c
ꢀꢀꢀꢀꢀ
(1)将密码服务任务分派至pcm与vcm分别定义为关于和的二进制变量如式(2)、式(3)所示；式(4)定义当密码任务分派至pcm和vcm执行时系统安全决策量分别为1和0.5：0.5：0.5：以最大任务安全保障系数式(5)和最小系统总完成时间式(6)为优化目标，密码服务任
务调度数学模型如下：务调度数学模型如下：约束1:约束2:约束3:式(6)中，式(6)中，和分别为pcm和vcm节点出口密码服务任务的最早总完成时间，为任务序列出口任务在最小密码运算单元的执行时间；式(7)约束密码服务任务将至少将被分配至pcm或vcm运行节点执行；式(8)表示密码服务任务应该在任务截止时间之前执行完成；式(9)表示当密码服务任务sal为4时，任务必须在pcm执行。3.根据权利要求1所述的一种负荷聚合公共服务平台异构密码计算服务多任务调度算法，其特征在于：所述步骤2的具体步骤包括：(1)密码服务任务聚类基于n个密码服务任务的g维特征属性样本，利用加权马氏距离改进dec嵌入中心与初始聚类中心的距离判定，具体计算步骤如下：a.计算任务i的特征属性g在样本集中比重：式中为第i个任务第g个特征属性数据标准值；b.计算第g个特征属性在样本集n的信息熵e
g
：c.由信息熵e
g
计算特征属性g的熵权值ψ
g
：假设样本中特征属性互不相关，定义密码服务任务样本t
i
和t
i
'的加权马氏距离如下：式中是任务特征属性权重矩阵，为特征属性协方差广义逆矩阵；根据式(12)计算嵌入点z
i
与聚类中心μ
s
的特征权重，然后根据式(13)计算嵌入点z
i
与聚类中心μ
s
的加权马氏距离ψmd(z
i
,μ
s
)；参考dec模型训练过程，通过不断训练得到最佳的
密码任务特征估计和聚类中心；(2)虚拟密码机创建与匹配以车网互动业务类型为密码任务分解的核心原则，创建基于车网互动业务的虚拟密码服务集群<c
vm business>，根据密码服务任务id属性将任务匹配至对应的车网互动密码任务服务端；随后，基于历史密码服务任务计算资源需求数据，分析相同车网互动业务中各资源类型任务与该业务总提交任务数的比率ω，如式(14)，创建vcm类<c
vm
class>；式中，|t
class
|表示一类车网互动业务的密码任务总数，表示集合t
class
中计算资源类型为ρ的密码服务任务数，ρ＝1,2,
…
k
number
；基于朴素bayes理论密码服务任务与vcm类综合匹配度由每项计算资源匹配度组成，任务i与虚拟密码机k第r项计算属性的匹配度表示为：式中r∈{1,2,3,4}，所以且当值越高，密码服务任务与vcm第r项属性匹配程度越高；定义密码服务任务i与虚拟密码机k综合匹配度为：定义密码服务任务i与虚拟密码机k综合匹配度为：当取值最大时，则判断任务i与该类虚拟密码机最佳匹配，即任务i被调度至该类vcm。最小密码运算单元c
vk
的集合构成了vcm类，其计算属性与vcm类相关；最小密码运算单元创建满足以下约束：式中表示第o个宿主机中第k个vcm的cpu计算资源，o
cpu
表示宿主机cpu资源总量；(3)基于量子粒子群qpso的密码服务任务映射采用实数编码方式，粒子的位置信息代表密码服务任务t
class
在虚拟密码机映射关系；qpso粒子位置更新方程如下：pb
ik
＝σ
×
pb
ik
(1-σ)
×
gb
ꢀꢀꢀꢀꢀꢀꢀꢀ
(19)pb
ik
(t
ite
1)＝pb
ik
±
ζ
·
|mb-pb
ik
(t
ite
)|
·
ln(1/η)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)其中，ik＝(1,2,
…
,n
particle
)，pb
ik
为粒子当前最优位置，gb为粒子群体全局最优位置，η和σ均为(0,1)之间的随机值，mb为所有粒子平均最优位置，n
particle
为粒子的总数，t
ite
为迭代次数，为最大迭代次数，ζ为收缩扩张系数，
一般情况取值从1.0线性递减至0.5；在虚拟密码机执行环境中，以最小化vcm出口密码任务的完成时间为适应度函数；式中，分别为任务序列出口任务执行时间、开始时间和提交时间。

技术总结
本发明涉及一种负荷聚合公共服务平台异构密码计算服务多任务调度算法，包括以下步骤：步骤1、以最大任务安全保障系数和最小系统总完成时间为目标，建立面向异构密码计算资源的负荷聚合平台密码服务架构和多任务调度模型；步骤2、采用密码服务任务调度算法，求解步骤1所建立的多任务调度模型，以获得最大任务安全保障系数和最小系统总完成时间。本发明能够确保密码服务任务执行安全并且高效的执行。够确保密码服务任务执行安全并且高效的执行。够确保密码服务任务执行安全并且高效的执行。


技术研发人员：张剑 蔡绍堂 杨挺 李思维
受保护的技术使用者：天津大学
技术研发日：2022.03.30
技术公布日：2022/7/12