基于强化学习在云计算环境中的虚拟机资源调度研究
随着云计算规模的持续扩大，数据中心虚拟机资源调度面临动态负载、异构资源适配及多目标优化等挑战。传统启发式算法在复杂场景下易陷入局部最优，而深度强化学习（DRL）凭借序贯决策能力为该问题提供了新路径。本研究以动态多目标组合优化理论为基础，结合CloudSimPy仿真框架与TensorFlow，构建“仿真-训练-验证”闭环调度系统，重点设计动态加权多目标奖励函数、时序建模网络及多进程并行训练策略，支持非DAG任务、长周期分块任务等复杂场景。实验表明，DRL算法在总完成时间（Makespan）、平均完成时间（AC）、平均延迟（AD）等指标上显著优于传统算法（如首次适应、Tetris），资源利用率提升5%以上，训练效率通过多进程优化缩短80%。研究为云计算智能运维提供了可迁移的模型与策略，推动DRL从理论验证向实际落地迈进。
关键字：云计算；虚拟机资源调度；深度强化学习；多目标优化；长周期任务；CloudSimPy；策略网络；动态环境适配
更多应用细节功能参考：CloudSimPy 开源项目使用教程-CSDN博客
本文实现与报告见绑定资源：基于强化学习在云计算环境中的虚拟机资源调度研究 Cloud_Computing.7z
Job数据集的字段含义说明
根据 CloudSimPy 框架中对作业（Job）、任务（Task）、任务实例（TaskInstance）的建模逻辑，以下是字段的含义：
| 字段名 | 含义 | 关联实体（参考 CloudSimPy 建模） |
|---|---|---|
| submit_time | 作业或任务的提交时间（仿真时间戳），表示该任务/作业被提交到集群的时刻。 | 作业（Job）/任务（Task） |
| duration | 任务实例的执行持续时间（仿真时间单位），表示该任务实例需要运行多久才能完成。 | 任务实例（TaskInstance） |
| cpu | 任务实例运行所需的 CPU 资源量（如核心数）。 | 任务实例（TaskInstance） |
| memory | 任务实例运行所需的内存资源量（如 GB）。 | 任务实例（TaskInstance） |
| job_id | 作业的全局唯一标识符，用于区分不同作业。 | 作业（Job） |
| task_id | 任务的局部唯一标识符（需结合 job_id 唯一确定），表示作业中的具体任务。 | 任务（Task）（属于某个 Job） |
| instances_num | 该任务包含的任务实例数量（即一个任务由多少个并行的 TaskInstance 组成）。 | 任务（Task）（Task 是 TaskInstance 的集合） |
| disk | 任务实例运行所需的磁盘存储资源量（如 GB）。 | 任务实例（TaskInstance） |
补充说明
- 数据集中的每条记录可能对应一个 任务（Task），其中 instances_num 表示该任务需要创建的任务实例数量，而 duration、cpu、memory、disk 是该任务下所有任务实例的统一资源需求（假设任务内实例资源需求相同）。
- job_id 和 task_id 的组合可唯一标识一个任务，而任务通过 instances_num 生成多个任务实例（TaskInstance），最终由调度算法分配到集群机器上运行。
仿真逻辑补充
结合 CloudSimPy 的仿真流程（来自「高性能仿真」部分）：
- Broker 进程会 按照作业的提交时间（即 submit_time） 将作业配置列表中的作业提交至集群 Cluster 实例。
- 作业提交后，需要等待调度器 Scheduler 根据调度算法分配资源（如机器的 CPU、内存等），才能开始运行。因此，作业的实际开始运行时间通常会晚于 submit_time（具体取决于调度算法的效率和集群资源的空闲状态）。
Job 和 Task 补充
- 数据结构层面（代码视角）
- Task（任务）：由 TaskConfig 表示，对应数据集中的一条记录（每行数据）。每个 TaskConfig 包含任务的基本信息（如 task_id、instances_num（任务实例数量）、cpu/memory/disk（资源需求）、duration（执行时长））。
- Job（作业）：由 JobConfig 表示，是多个 TaskConfig 的集合。一个 JobConfig 包含：
- job_id（作业唯一标识）
- submit_time（作业提交时间）
- task_configs（该作业包含的所有 TaskConfig 列表）
- 业务逻辑层面（仿真视角）
- Task（任务）：是作业的子单元，一个作业可包含多个任务（例如，一个作业可能需要先执行数据预处理任务，再执行模型训练任务，每个任务是作业的一个步骤）。
- Job（作业）：是用户提交的完整计算需求，由多个具有逻辑关联的任务组成（如 DAG 任务间的依赖关系，或 Non-DAG 任务的并行执行）。
- 实例化关系（运行时视角）
在仿真运行时：
- 每个 Task（任务）会根据 instances_num 生成多个 TaskInstance（任务实例），这些实例是实际占用资源（CPU、内存、磁盘）并运行的实体。
- 每个 Job（作业）的状态（如“运行中”“完成”）由其所有 Task 的状态合成（例如，当作业的所有任务都完成时，作业才标记为完成）。
Jobs（作业）是用户提交的完整计算任务集合，由多个具有逻辑关联的 Tasks（任务） 组成；每个 Task（任务） 进一步拆分为多个 TaskInstance（任务实例）（实际运行的最小单元）
考虑任务类型（非DAG vs DAG）、并行方式（多进程 vs 单进程）、优化目标（总完成时间 vs 平均完成时间）、任务输入方式（单批 vs 分块长周期）、特殊功能（任务依赖 vs 任务分组）
| 文件名称 | 任务类型 | 并行方式 | 优化目标 | 特殊功能 |
|---|---|---|---|---|
| main-makespan.py | 非DAG | 多进程 | 总完成时间（makespan） | 基础非DAG任务调度 |
| main-AC.py | 非DAG | 多进程 | 平均完成时间 | 适配平均完成时间的奖励函数 |
| main-makespan-long.py | 非DAG（长周期） | 多进程 | 总完成时间（makespan） | 分块处理大规模任务 |
| main-single-process.py | DAG（有依赖） | 单进程 | 总完成时间（makespan） | 处理DAG任务 |
性能评估指标
| 指标名称 | 计算方式/含义 | 代码实现位置 |
|---|---|---|
| 总完成时间 | 所有任务完成的最大时间（仿真环境中最后一个任务实例的完成时间），即 episode.env.now | 基准测试中直接获取：episode.env.now；训练循环中通过 makespans 列表统计平均值 |
| 平均完成时间 | 单个任务从提交到完成的平均时长（所有任务实例的完成时间 - 提交时间的平均值） | 通过工具函数 average_completion(episode) 计算，训练循环中统计 average_completions 平均值 |
| 平均延迟 | 任务完成时间与任务本身时长的平均值（反映任务执行的“拖延程度”） | 通过工具函数 average_slowdown(episode) 计算，训练循环中统计 average_slowdowns 平均值 |
性能对比方法
- 基准算法对比（横向对比）
通过运行 3 种经典启发式算法（随机算法、首次适应算法、Tetris 算法），在相同任务配置下收集上述指标，作为强化学习算法的性能基线。具体步骤如下：
- 相同输入条件：使用同一组机器配置（machine_configs）和任务配置（jobs_configs）；
- 独立运行：分别运行每种基准算法的 episode.run()，记录各指标；
- 输出对比：直接打印各算法的指标结果
- 强化学习训练迭代统计（纵向对比）
在强化学习训练过程中，通过多进程并行收集多轮次的模拟数据，统计每轮迭代的平均指标，观察算法性能随训练轮次的变化趋势。具体逻辑如下：
- 多进程数据收集：每轮迭代启动 n_episode 个子进程（默认 12 个），并行执行强化学习模拟，收集各回合的 makespans、average_completions、average_slowdowns；
- 指标统计：计算每轮迭代的平均指标（如 avg_makespan = np.mean(makespans)），并输出对比：
- 趋势观察：通过多轮迭代的指标变化（如总完成时间是否逐渐降低），评估强化学习算法的优化效果。
- 总结：模型性能通过 总完成时间、平均完成时间、平均延迟 三个核心指标评价，对比方法包括：
- 与经典启发式算法（随机、首次适应、Tetris）的横向对比；
- 强化学习训练过程中多轮次的纵向性能趋势对比。
