1.一种云数据中心中基于双阈值滞后集群调度机制的节能策略，其特征在于，其包括以下步骤：S1、将一个云数据中心中的所有同构服务器Ntotal分成基础集群N1和备用集群N2两个集群，其中基础集群中的服务器一直处于运行状态，而备用集群中的服务器则随负载变化动态开启与关停，并由双阈值的滞后机制来控制，所述双阈值包括开启阈值T1和关停阈值T2；

S2、设置任务分类器对任务进行分类与跟踪：设置任务分类器将到达云数据中心的任务分为实时任务和非实时任务，并用不同的标签进行标记，通过使用这些标签，跟踪系统中每类任务的服务过程；

S3、构建基于双阈值滞后集群调度机制的节能策略：

S31、当一个任务到达云数据中心时，只要有一台空闲服务器，新到达的任务就会立即占用其中的一台空闲服务器；若所有服务器都忙且为实时任务，则执行步骤S32，若所有服务器都忙且为非实时任务，则执行步骤S33；

S32、若缓冲区中排队的实时任务未达到访问阈值H，则新到达的实时任务将加入缓冲区，否则将离开此云数据中心，被及时调度到其他云数据中心节点；

S33、当一个非实时任务到达云数据中心时，即使所有服务器都忙，到达的非实时任务也将不受任何限制地进入缓冲区排队等待；

S34、当一个任务的服务完成时，若缓冲区中至少有一个实时任务，则一旦有服务器空闲，将服务第一个等待的实时任务；若缓冲区中只有非实时任务，将服务第一个等待的非实时任务；对于同一类任务，服务规则是先来先服务；

S4、刻画所述基于双阈值滞后集群调度机制的节能策略的工作原理；

S5、评估所述基于双阈值滞后集群调度机制的节能策略下的性能指标；

S6、分析所述基于双阈值滞后集群调度机制的节能策略下云数据中心的量化行为：分别从云用户与云服务供应商的角度出发，寻找帕累托最优解，即帕累托前沿点，从而权衡云数据中心的整体功耗与实时任务的平均等待时间。

2.根据权利要求1所述的云数据中心中基于双阈值滞后集群调度机制的节能策略，其特征在于，所述步骤S4具体包括以下步骤：S41、多类任务的到达过程描述为带标记的马尔可夫到达过程(MMAP)，实时任务和非实时任务的服务时间分别服从参数为μ1和μ2的指数分布，构建一个MMAP[K]/M[K]/N1+N2非抢占优先队列；

S42、考虑到云数据中心中多类任务的随机行为，构造一个五维连续时间马尔可夫链：{(it,wt,rt,jt,vt),t≥0}       (1)

其中，it表示时刻t时系统中的任务数，且it≥0，称作系统水平；wt表示时刻t时备用集群的状态，且 若wt＝0则表示备用集群是关闭的，若wt＝1则表示备用集群是激活的；rt表示时刻t时缓冲区中实时任务数，且 jt表示时刻t时正在服务的实时任务数，且 任务的到达由随机过程{vt,t≥0}所引

导，随机过程{vt,t≥0}是一个不可约的连续时间马尔可夫链，称作MMAP到达过程的底层马尔可夫链，其状态空间为{0,1,...,m}，vt表示时刻t时底层马尔可夫链{vt,t≥0}的状态，且S43、采用拟生灭过程、矩阵几何解方法和高斯‑赛德尔方法，得到系统的稳态分布Π：Π＝(π0,π1,π2,...)       (2)

其中，πi表示系统水平为i的概率向量，且满足有

πi＝(π(i,0),π(i,1))    (3)

其中，π(i,0),π(i,1)分别表示备用集群未开启时的概率向量与备用集群开启时的概率向量，且满足有：π(i,0)＝(π(i,0,0),π(i,0,1),...,π(i,0,max{0,min{i‑N1,H}}))     (4)π(i,1)＝(π(i,1,0),π(i,1,1),...,π(i,1,max{0,min{i‑N1‑N2,H}}))     (5)其中，π(i,0,r),π(i,1,r)分别表示备用集群未开启时前三维的概率向量与备用集群开启时前三维的概率向量，且r＝{0,1,...,max{0,min{it‑N1,H}}}，满足有：π(i,0,r)＝(π(i,0,r,0),π(i,0,r,1),...,π(i,0,r,min{i,N1}))     (6)π(i,1,r)＝(π(i,1,r,0),π(i,1,r,1),...,π(i,1,r,min{i,N1+N2}))     (7)其中，π(i,w,r,j)表示前四维的概率向量，且w＝{0,1}，j＝{0,1,...,min{i,N1+N2}}，满足有：π(i,w,r,j)＝(π(i,w,r,j,0),π(i,w,r,j,1),...,π(i,w,r,j,m))     (8)。

3.根据权利要求1所述的云数据中心中基于双阈值滞后集群调度机制的节能策略，其特征在于，所述步骤S5具体包括以下步骤：S51、从云用户的角度出发，求解服务质量相关的QoS指标，所述服务质量相关的QoS指标包括实时任务的平均等待时间、非实时任务的平均等待时间和实时任务的丢失率；所述实时任务和非实时任务的平均等待时间Wreal,Wnon‑real分别为：其中，λ1表示实时任务的到达率；λ2表示非实时任务的到达率；

所述实时任务的丢失率 为：

其中， 表示(N1+1)×(N1+1)的单位向量；D1表示实时任务到达矩阵； 表示(N1+1)(m+1)×1所有元素为1的列向量； 表示(N1+N2+1)×(N1+N2+1)的单位向量；

表示(N1+N2+1)(m+1)×1所有元素为1的列向量； 表示克罗内克积；

S52、从云服务供应商角度出发，求解总体利用相关的TCO指标，所述总体利用相关的TCO指标包括备用集群的激活率、系统利用率和系统整体功耗，所述备用集群的激活率Pact为：其中，ei表示i×1所有元素为1的列向量；

所述系统利用率Us为：

所述系统整体功耗E为：

其中， 表示处理实时任务时服务器的执行功耗； 表示处理非实时任务时服务idle off

器的执行功耗；E 表示服务器的空闲功耗；E 表示服务器的关停功耗。

4.根据权利要求1所述的云数据中心中基于双阈值滞后集群调度机制的节能策略，其特征在于，所述步骤S6具体包括以下步骤：S61、将云数据中心的整体功耗与实时任务的平均等待时间定义为关键参数变量N1、N2、T1、T2、H的函数，即分别为E(N1,N2,T1,T2,H)、Wreal(N1,N2,T1,T2,H)，由多目标优化的数学模型来表示：S62、利用改进的带精英策略的非支配排序遗传算法，得到帕累托最优解，即帕累托前沿点，以此提供一组最佳解决方案。

5.根据权利要求1所述的云数据中心中基于双阈值滞后集群调度机制的节能策略，其特征在于，所述步骤S1中若缓冲区中的任务数超过开启阈值T1，则备用集群中的服务器将全部被激活并保持工作状态，直到云数据中心中的任务总数下降到关停阈值T2，将备用集群中正在服务的任务迁移到基础集群，全部迁移后关停备用集群。

6.根据权利要求1所述的云数据中心中基于双阈值滞后集群调度机制的节能策略，其特征在于，所述步骤S1中考虑到确保一旦备用集群被激活，缓冲区中的所有任务都能够被立即服务，设置开启阈值T1

7.根据权利要求1所述的云数据中心中基于双阈值滞后集群调度机制的节能策略，其特征在于，所述步骤S2中给予实时任务比非实时任务更高的非抢占优先级，同时设置实时任务的访问阈值H(H