刘永波，周 博，李亚琼，李守超，宋云奎

(1.江苏润和软件股份有限公司，江苏 南京 210012；2.中国科学院 软件研究所，北京 100190)

0 引 言

在云计算环境中，云服务提供商为多个客户提供共享的计算、网络和存储资源以最大化资源利用率，降低总体能耗，从而减少数据中心的运营成本，同时保障良好性能，如满足请求处理延迟时间，以提升客户满意度。客户通常定义服务水平目标(service level object，SLO)以描述处理负载的性能要求，比如“80%的请求必须在100 ms内完成”。那么，需要具有高效的负载调度方法，服务器在满足性能目标的前提下，能够处理多样化的负载。为了应对整合负载所带来的网络拥塞问题，云服务提供者和客户通常会达成限速协议，客户静态设定限速规则，服务提供商则进行相应的优化，以实现性能最大化。

当前的负载调度方法是，为客户预先保留一定数量的资源，或者以尽最大努力的方式处理负载。文献[1-2]提出了BCLL-Min-Min算法以满足带宽需求约束。文献[3]提出一种在线式负载调度算法以最小化数据中心的电费，建立数据中心的电费模型，形式化为随机优化问题，求解得到负载调度策略。文献[4]提出一种智能电网环境下家庭可控负载优化调度策略，对负载进行分类并划分优先级，对负载进行通断调度，以提高能源利用效率。文献[5]提出一种流媒体集群服务器的负载调度策略，运用多级模糊系统和人工神经网络对用户请求响应延时进行模糊预测。文献[6-7]动态评估作业在截止时间内完成所需要的Map和Reduce计算资源数量，动态地增加或减少独立虚拟机的方式来调整CPU资源。……