基于优先级区分的调度及主动队列管理算法

文中研究在UMTS网络的AM模式（Acknowledged Mode）下实现基于优先级区分的调度及主动队列管理.提出了MP-SAQM（Multi-priorities Scheduling and Active Queue Management Algorithm）算法.算法将不同的QoS类别归入不同的优先级队列,根据MPADRR（Multi-priorities Average Deficit Round Robin）调度算法按照优先级高低进行调度,并对不同QoS类别设置均匀的队列缓冲区,保证了调度的公平性.同时使用差异化的RED（Random Early Drop）算法进行主动队列管理,对不同优先级队列执行不同的丢包策略.仿真结果验证了该算法的有效性.     

基于优先级权重的 Hadoop YARN 调度算法

为解决 Hadoop 现有调度器调度任务时不能根据任务的紧迫程度分配资源的问题, 研究 YARN 中的资源 调度机制, 改进原调度器(Capacity Scheduler), 提出一种基于优先级权重的 Hadoop YARN(Yet Another Resource Negotiator)调度算法(Weight Scheduler Based on Priority)。 为叶子队列设置队列优先级, 结合队列资源利用率和 队列优先级选择队列; 将应用程序的初始权重设置为应用程序优先级的大小, 通过等待时间判断是否更新权 重, 根据权重对队列中的应用程序进行排序, 调度时优先为权重高的应用程序分配资源。 实验结果表明, 与原 有调度算法相比, 改进算法平均任务执行时间约减少 141 s, 平均等待时间减少 34. 5%, 保证了用户执行任务 的相对公平, 提高了用户总体满意度。     

动态多 DAG 调度的改进算法

工作流调度问题通常可以描述为一个活动与数据传输约束组成的有向无环图（directed acyclic graph,DAG）,基于 Plan-ner-guided 算法框架,采用新的基于多有向无环图节点合并的优先级计算方案改进原有算法,改善了系统中已存在未执行的DAG 结点优先级过小而被滞后的问题,从而使得任务在机器上排布相对比较密集,提升了多个 DAG 结点间调度公平性。结果表明,提出的改进算法优先级计算更加合理,在资源利用率和执行时间上优于 Planner-guided 算法,调度整体性能得到一定提升。     

云计算环境下的动态反馈作业调度算法

针对现有Hadoop作业调度算法在多用户、异构环境下不具备反馈机制的问题,提出一种云计算环境下具备反馈机制的动态作业调度算法。该算法引入排队论模型,采用单队列多资源池服务窗口的设计思路,将所有作业统一提交到一个支持优先级的排队队列,作业分发控制模块选择优先级最高的作业分发到空闲的资源池窗口执行;Hadoop集群通过自身的心跳机制将作业运行的初始化时间、运行时间等信息传递给参数统计模块进行统计,将获得的平均到达率和平均服务率这两个核心参数的实际值传递给反馈机制模块,根据调度算法模型计算出平均逗留时间和平均队长的理论值并与实际值进行对比,当差值大于阈值时对该调度算法的核心参数进行适当调节使差值收敛于阈值,将具有较大平均逗留时间和平均队长的作业调度到有槽位数的资源池服务窗口执行。实验结果表明:与经典算法相比,该算法具有较高的调度效率和负载平衡能力,作业平均逗留时间比先进先出调度算法和公平调度算法分别减少了57%和19%,平均队长分别减少了50%和37%。     

基于双优先级队列的异构分布式控制系统容错调度算法

在对分布式控制系统进行分析的基础上,给出了任务模型和处理器模型.为了调度多种实时性的任务,提出了双优先级队列调度算法,用于调度每个处理器上的任务.该算法设置2个优先级队列,其中高优先级队列用于调度实时任务,低优先级队列用于调度非实时任务,高优先级队列中的任务可抢占低优先级队列中的任务.在此基础上,采用版本复制技术使系统具有容错能力,并分析了任务的容错可调度条件.基于此,采用首次适应的启发式任务分配策略,将任务分配到各个处理器上,在确保任务容错可调度的条件下使处理器负载均衡.仿真结果表明所提出的算法是有效的.     

基于Flink平台的资源感知任务调度策略

针对Flink平台下先来先服务任务调度算法忽略任务资源需求与节点可用资源之间的关系,导致不同节点任务负载不均,从而影响系统吞吐量的问题,提出了基于Flink流式计算环境下资源感知任务调度策略.首先,以GlobalState模块监测的资源数据为依据,考虑任务资源需求与节点可用资源间的匹配关系,提出一种任务选择算法与节点选择算法选取待执行任务与最佳调度节点;其次,通过资源感知调度策略把待执行任务调度至最佳调度节点;最后,通过实验验证算法的有效性.实验结果表明,相比Flink平台现有的调度算法,本文所提出的算法在大数据基准测试WordCount以及TeraSort下的吞吐量平均提高了约29.32%和35.86%.     

一种基于TinyOS的自适应双环调度策略

针对传感器网络操作系统TinyOS无法保证任务实时性的缺陷,提出一种自适应双环调度(ADRS)策略,并在TinyOS上加以实现。自适应双环调度策略将先到先服务(FCFS)调度策略下的单循环队列改为具有不同优先级别的双循环队列,同时原来的多个任务共享同一堆栈空间修改为不同任务分级占用两个堆栈,并根据队列中任务时限的变化动态调整两队列间的任务切换以最大程度地保证任务完成.仿真试验表明,自适应双环调度策略在不影响TinyOS原有性能的情况下,极大改善了传感器网络承担实时性任务的运行效果.     

PFTS交换中借还-加权轮询调度算法

针对PFTS交换节点的输入端口多优先级队列环境，提出了带有“借还”思想的加权轮询调度算法BR—WRR（Borrow ＆ Return Weighted Round Robin）．对现有的WRR调度算法进行了扩展，提出了BR—WRR调度算法．仿真结果表明BR—WRR调度算法对于高优先级Burst业务，在传输时延、传输抖动、Burst各帧的保序性等方面，均优于WRR调度算法，同时又在一定程度上保证了各优先级队列调度上的公平性．     

基于桶排序的EDF调度算法优化

EDF调度算法在系统过载的情况下,就不能有效地实时调度系统中的所有任务,使任务的截止期错失率非常高.利用桶排序算法,将实时系统中任务按不同优先级等级分组排序,使得高优先级等级任务组中的任务优先被调度执行;对于其他低优先级等级任务组中的任务,根据资源利用率动态调整它们的优先级等级,从而降低实时系统的任务截止期错失率.仿真实验表明,优化后的EDF调度算法的截止期错失率,明显比优化前低,说明基于桶排序的EDF调度算法的实时任务截止期错失率比EDF调度算法低.     

一种高效的对等网络流媒体数据调度算法

在基于无结构对等网络环境的P2P流媒体系统中,针对现有数据调度算法不能充分利用节点带宽资源导致服务器负载较重的问题,提出了一种基于数据块优先级的数据调度算法.该算法根据邻居节点滑动窗口中数据需求信息和数据稀有性计算数据块优先级,调度时优先请求高优先级的数据,以提高节点间数据协作性.当多个源节点可以同时提供所需数据时,根据节点已上传下载数据量计算节点的贡献率,向贡献率最低的源节点请求数据,实现新加入节点上行带宽资源的快速利用.仿真实验与实际系统测试表明,该算法可以更充分地利用节点带宽资源,较传统算法降低服务器负载20%以上,提高了系统可扩展性.