1.一种云数据中心的节能任务分配方法，其特征在于，包括以下步骤：S1，在云计算中，用户提出任务请求，获取任务数据集，把n个任务分配到m个服务器节点上运行，其中m＜n，任务数据集用T＝{t1,t2,...,tn}表示，根据任务数据集的数据量获取指定数量的服务器资源数据集，S＝(S1,S2,...Sm)代表多个不同的服务器，对任务数据集和服务器资源数据集分别进行数据标准化处理，得到待划分的任务数据集和服务器资源数据集。

S2，根据任务间信息将任务聚类，根据任务间信息利用K-DBSCAN k均值聚类和具有噪声的基于密度的聚类算法对任务聚类，将相关的任务聚合在一个任务集中；

S3，基于改进粒子群优化算法的任务分配策略，引入了惯性权重，依据迭代过程及粒子飞行情况对惯性权重进行动态调整，搜索子任务集和服务器节点的组合，将子任务集分配到服务器，使得其能耗最低，资源利用率最大化；

S4，根据任务到达情况，在延迟时间内对服务器进行电源管理操作，当一段任务运行结束时，采用在持续时间内延迟关闭节点来避免在新作业进入时节点被关闭；当服务器处于空闲状态而不是立即关闭时，添加一个计时器，用于在定义的持续时间内对等待状态进行计数，如果任务在此期间到达节点，则服务器将返回繁忙状态即设置成本为零，如果在持续时间内没有任务，该节点将关闭。

2.根据权利要求1所述的一种云数据中心的节能任务分配方法，其特征在于，所述步骤S1中提取任务数据集和服务器资源节点数据集包括：(1)初始化任务参数；

(2)提取任务数据集，任务集用T＝{t1,t2,...,tn}表示,得到任务数据集矩阵，作为后续处理的原始数据；

(3)通过任务量需求获取所需服务器数量m；

(4)服务器数量集合用S＝(S1,S2,...Sm)表示，得到一个服务器节点集矩阵Cr，作为后续处理的原始数据。

3.根据权利要求1所述的一种云数据中心的节能任务分配方法，其特征在于，步骤S2中根据任务间信息利用K-DBSCAN k均值聚类和具有噪声的基于密度的聚类算法对任务聚类包括：(1)确定所要聚类的数目K,并随机选择K个任务对象作为初始聚类中心；

(2)计算各个样本到聚类中心的距离，再根据距离将任务样本归到距离最近的聚类；

样本到聚类中心的距离采用欧几里德距离公式计算：

Xi是数据集中的每个数据对象，Cj表示是个初始聚类中心；

(3)重新计算每个聚类的平均值，产生新的聚类中心；

(4)反复迭代，直到目标函数开始收敛，输出新的聚类中心；

(5)求每个初始聚类中心的划分距离Pd；

(6)根据K个初始聚类中心的Pd对任务集进行划分；

(7)根据集合中的k-距离变化曲线，确定每个任务子集的扫描半径参数Epsi，对其进行升序排序；

(8)依次调用Epsi作为参数对任务集进行聚类，每次调用对已经聚类的任务标记，直到所有的Epsi使用完毕，输出K个任务集。

4.根据权利要求3所述的一种云数据中心的节能任务分配方法，其特征在于，所述K-DBSCAN聚类算法使用聚类准则函数来评价聚类性能的好坏，聚类准则函数表示为：Xi是数据集D中的每个数据对象，Cj是k个初始聚类中心。

聚类准则函数收敛，则聚类结束。当给定阈值ε足够小， 成立时，则聚类函数收敛；

聚类准确性r: m为能被正确分配的任务对象，n为任务对象的总个数。

5.根据权利要求1所述的一种云数据中心的节能任务分配方法，其特征在于，所述步骤S4中利用改进粒子群搜索任务和节点最优分配的方法包括：(1)根据S2结果初始化参数，设置最大最小的惯性权重值等参数，设置迭代次数为最大迭代次数；

(2)根据粒子信息设置粒子编码方式，随机初始化粒子的位置与速度；对粒子的速度初始化公式为vi＝xi；

粒子群算法中每一个粒子都代表一个任务调度问题的潜在解。粒子位置矢量定义为一个n×m矩阵X，每一列代表一个任务分配情况，每一行代表一个服务器器执行情况；

粒子位置编码：

约束条件为：

xij表示任务子集ti与节点nj的分配关系，一个任务子集只能在一个服务器节点运行，则当xij＝1表示任务子集ti在节点nj上运行，否则xij＝0，每行每列均只能有一个xij＝1，即表示一个任务子集只能对应一个节点，同时一个节点也只能对应一个任务集；

(3)计算每个粒子的适应度；适应度函数是评价粒子好坏的标准，粒子以适应度函数值大小不断迭代更新，直到满足停止条件，使用m×n阶矩阵ETC来表示子任务在云资源上的运行时间，其中ETC(i,j)表示子任务集i在服务器节点j上运行的时间，子任务i不在节点j上运行时，ETC(i,j)＝0。根据解码结果，可以得出服务器节点j完成所有子任务的时间T(j)：服务器节点完成时间为FT：

FT＝max(T(j)),j＝1,2,3…m

适应度函数为：

Fitness＝FT

(4)迭代次数t＝1,执行调度；

(5)将粒子xi将其适应度值与按照经验，与其经历过的最好位置Pbest的适应度值进行比较，若最优，则将xi记录为该粒子经历过的最好位置Pbest；

(6)将粒子xi将其适应度值与按照经验，与其经历过的最好位置Gbest的适应度值进行比较，若最优，则将xi记录为该粒子经历过的最好位置Gbest；

(7)按照下述公式更新粒子的速度和位置，进行迭代更新；

Vi(t+1)＝ω×Vi(t)+c1×rand()×[Pi-Xi(t)]+c2×rand()×[Pj-Xi(t)]Xi(t+1)＝Xi(t)+Vi(t+1)

(8)更新粒子的惯性权重；

(9)若当前迭代次数小于最大迭代次数，跳转回(3)继续执行；未达到则输出Gbest，算法运行结束。

6.根据权利要求5所述的一种云数据中心的节能任务分配方法，其特征在于，所述步骤S4中服务器电源管理中能耗包括：(1)为了能满足SLA请求，需要打开适当的节能节点以连续运行新的任务。确定系统中所需节点主要取决于工作负载和用户SLA请求，监控器负责使用在线测量随着时间的变化来测量各种系统和应用和应用程序指标。一旦监视了即将到来的工作的工作量，通过用户请求的截止时间，计算出需要满足SLA所需的服务器节点数量，一旦找到所需服务器节点数量大于当前可用的节点数量，则添加节点以打开按能量效率降序排列的节点；

(2)当一段任务运行结束时，采用在持续时间内延迟关闭节点来避免在新作业进入时节点被关闭。当服务器处于空闲状态而不是立即关闭时，它会添加一个计时器，用于在定义的持续时间内对等待状态进行计数。如果任务在此期间到达节点，则服务器将返回繁忙状态，如果在持续时间内没有任务，该节点将关闭。