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SDN的多媒体流QoS队列调度机制研究

随着多媒体新兴应用的不断涌现,网络规模日益复杂.为提高不同优先级多媒体业务的传输能力,保障业务的服务质量需求,结合软件定义网络技术,设计一种基于SDN的队列调度模型.同时,为了有效提高新型队列调度模型下数据的传输质量,避免产生网络拥塞,将复杂的网络抽象为M/M/1和M/D/1排队模型,并提出一种基于SDN的排队论时延模型,分析了新模型下MLFQ分组调度算法并对不同分组调度算法性能进行对比分析.仿真结果表明,基于SDN的多媒体流QoS队列调度机制在满足网络不同多媒体业务优先级要求的基础上,降低了数据传输时延和丢包率,增加了链路带宽利用率.     

ARM GPU的多任务调度设计与实现

针对现有GPU任务调度系统在多任务环境下不能保证图形任务响应时间的问题,提出基于分类和多优先级队列(CPMQ)的调度方案,并在ARM的嵌入式GPU上实现验证。该方案中,将GPU的多任务划分为图形任务、通用计算任务和实时图形3类任务并分别建立队列排队,其中图形任务和通用计算任务按照优先级在各自队列中排队,实时图形按照任务截止时间排队。面向多队列的任务调度,优先从实时任务队列中选择任务,并按照加权公平算法分别在图形任务队列和通用计算队列中选择任务。实验结果表明:相比于ARM GPU的原有调度系统,CPMQ在不显著增加通用计算任务的执行时间和调度开销的情况下,将实时图形任务的帧率提升了5%~20%。     

一种新型的云任务调度算法研究

云计算具有弹性、保证服务质量和按需的资源配置模型等特征,通常用于处理大批量的计算任务,因此任务调度策略对资源使用效率起着至关重要的作用.考虑到任务的数量和到达服务器的时间不确定性,并且用户对任务的执行往往有一定的期望(如任务优先级、执行时间等),如何合理地分配计算资源,最大程度满足用户的服务质量需求是一个值得研究的问题.为此,提出了一种新型的云环境下QoS-aware服务质量感知的任务调度算法(QTS),该算法结合贪心算法的思想,并加入了任务完成满意度模型作为任务调度的评价依据.通过扩展CloudSim仿真平台进行实验,将QTS与RR调度、Max-Min和Min-Min调度比较,结果表明,QTS是一种有效的任务调度算法.     

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。     

基于重复异构最早完成时间的云计算任务调度算法

针对云计算任务调度算法时间成本消耗大的问题,提出了一种新的算法,即重复异构最早完成时间(Duplication based Heterogeneous Earliest Finish Time,DHEFT)任务调度方法.该方法结合异构最早完成时间算法和任务重复算法,可以大大减少任务最早开始时间和最早完成时间.由于任务优先级对于相关任务调度算法的重要性,该算法中提出了乐观成本表的方法来计算任务优先级,根据优先级调度任务,并复制父任务以降低通信成本并获得最佳调度解决方案.实验结果表明,该文提出的DHEFT在调度长度比和完成时间性能方面优于其他算法,说明该文方法的可行性与有效性.     

一种基于任务竞争力的工作流调度算法

网格计算聚集了大量的异构分布式的计算或存储资源,为科学研究提供了一个高性能环境.然而,网格资源的异构性和自治性特征使得任务调度变得极其复杂.针对DAG表示的科学工作流调度问题,根据任务可用资源率确定任务调度的优先级,以任务竞争力刻画任务对资源的最佳匹配度,基于分层调度策略提出了一种基于任务竞争力的工作流调度算法.采用GridSim模拟实验表明该算法相对于其他两个算法,具有更小的执行时间.     

μC/OS-Ⅱ内核任务调度算法的改进

μC/OS-Ⅱ是一个基于任务优先级抢占式的实时内核,但它不具有相同优先级任务的实时调度功能.为了使μC/OS-Ⅱ内核既支持不同优先级的多任务抢占式调度,又支持同一优先级的多任务调度,提出对μC/OS-Ⅱ内核的改造,加入以时间片轮转调度算法进行相同优先级任务的调度.方法是保持原有不同优先级抢占式调度链表,增加相同优先级的时间片轮转调度链表,通过任务控制块指针使任务调度在2个链表之间切换.给出了在μC/OS-Ⅱ任务调度模块中算法改进的实现步骤、实验过程和结果.结果说明了提出的改进调度算法是可行的.     

面向队列调度算法的通用验证评估方法

研究了一种面向基于服务质量(Qo S)的多优先级消息队列调度算法的通用验证评估方法。从消息生成、时效性判断、发送策略评估和发送结果统计等方面建立了模型;并对某2.4 Kbps信道进行了系统仿真,统计得出了在该调度算法下的最优发送方案及消息丢包率。仿真结果表明文中设计的通用验证评估方法能够模拟调度算法所设计的消息发送规则和优先级翻转策略,并进一步以丢包率等Qo S参数为评价依据,证明对该队列调度算法验证评估的有效性。     

一种多策略要素的数据访问调度算法

考虑到任务的重要性、截止时间和资源分布等因素,设计了一种多策略要素的调度算法(MPES),以解决不完全独立的多源分布式气象水文数据库的访问控制问题.该算法为不同优先级的任务设定不同调度窗口,并对节点的安全级别、内容属性和负荷情况进行匹配判定,选择最佳服务节点,以优化系统公平性和整体效率.MPES算法根据队列优先级和可利用的服务资源,动态计算和调整调度窗口;优先级越高的队列,调度窗口越大,意味着可被服务的任务越多.在每个队列调度窗口时间内的任务被轮流执行.对于同一队列中的任务,根据最小松弛度优先调度策略,决定其进入调度窗口的次序,保证接近截止期的任务先执行.仿真试验结果表明,在不同的网络负荷下,MPES算法得到的分布式数据库访问任务的服务效率和公平性较MCT算法和Min-Min算法均有明显提高,尤其是高负荷情况下,总服务时间减少了11.4％ ～12.3％.     

面向Deadline约束的网格QoS任务调度

根据调度算法中对QoS的匹配需求,提出了一种基于QoS优先级分组的网格任务调度思想,并且在此基础上引入任务的Deadline约束,综合考虑任务的可接受率以及系统的makespan性能,提出一种面向Dead-line约束的网格任务调度策略QD-Sufferage.实验表明,该算法在makespan、吞吐率等方面的综合性能较以往的算法有较大的提高.     

基于QOS的Mesh网络调度算法

为了实现具有QOS约束的Mesh网络任务调度,提出了一种满足QOS需求的Mesh网络调度方法。首先描述了Mesh网络的QOS约束并给出了数据包的调度方法。然后,在业务调度上提出了2层的调度方法,即根据业务优先级对队列进行调度,然后对节点根据等待时间和任务执行时间设定优先级,从而实现任务调度。仿真实验表明:文中方法能有效地实现Mesh网络任务调度,与其它方法相比,具有较小的网络延迟和较大的优越性。     

WFQ与WRR调度算法的性能分析与改进

不同类别的业务对时延及时延抖动的要求是不同的,为了满足不同业务的服务质量(QoS),选择一种合适的队列调度算法至关重要. 研究了分组长度对WRR及WFQ算法公平性以及时延性能的影响,并提出了一种基于分组长度及队列权重的改进型WRR算法——enhanced-WRR. 仿真结果表明,当分组长度相同时,WRR与WFQ的时延性能几乎一致;当分组长度不同时,WRR算法不能保证高优先级队列的时延要求,而E-WRR算法的时延性能逼近WFQ算法,能很好地保证高优先级队列的时延要求,并且极大降低了算法复杂度.      

一种无线网络控制系统概率性任务实时调度算法

传统无线网络控制系统中概率性任务调度算法存在效率低下、延迟时间长的问题．利用概率模型来解决时间和优先级问题,并提出了一种高效的任务调度算法,即通过判断队列的可调度性,提高调度的成功率．仿真实验表明,该算法适用于实时系统调度问题,且较已有的传统算法在性能上有一定的提高．     

嵌入式系统动态策略任务调度算法

针对嵌入式实时系统任务调度问题,讨论综合截止期和关键度两种特征参数的任务调度策略。引入动态策略的概念,采用任务分组优先级分段的方式,通过判断函数的判断动态选择调度策略,利用可达截止期优先降低任务错失率,关键保证重要任务的调度成功率,提出一种动态截止期-关键度调度算法。理论分析和仿真实验表明,在非过载的情况下该算法可以达到与可达截止期优先相当的调度性能;在过载的情况下,相比截止期优先和固定优先级算法具有更好的调度性能,能够有效地保证关键实时任务的成功调度。     

基于动态任务优先级的网格任务调度算法研究

网格环境下的任务调度是一个NP完全问题.为了确保每一步都能优先调度影响调度长度最大的就绪任务,提出一种采用动态任务优先级策略的任务调度算法.在进行任务调度的过程中,通过动态计算任务图DAG的关键路径并有效地利用处理器的空闲时间段来复制任务,使任务节点之间的通信开销尽可能降低,进而缩短整个任务图的完成时间.大量的模拟实验结果表明,所提的算法在任务完成时间上明显优于HEFT算法和DDS算法.     

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.     

满足吞吐约束与资源节约的任务流调度方法

根据实时信号处理应用中嵌入式计算硬件的资源受限特点,提出一种新的适合计算任务流的实时任务调度算法,以满足吞吐率为调度约束条件、以最小化流水线时延为调度目标并兼顾资源节约原则.算法为两层结构,首先采用任务插入策略得到满足吞吐率约束的中间结果;再通过基于任务复制的优化调度,分析了影响调度长度的关键任务并按照所定义的优先级构造关键边的决策树以确定需复制的关键父任务,充分利用了处理器的空闲时间片以减少时延.另外还设计了检测任务复制后出现的冗余处理器的方法.通过随机任务图仿真分析,说明该算法能以较小的处理器使用量获得满足吞吐率约束的调度结果.     

基于VIKOR和用户QoS优先级的云计算自适应算法

针对传统调度算法不能提供一种在考虑负载平衡的同时满足用户服务质量(Quality of Service,QoS)的自适应方法进行了研究,提出一种基于改进多准则妥协解排序法(VIKOR)和用户QoS优先级的云计算自适应调度算法.该算法首先使用最优-最差多准则决策为每个评估标准或用户QoS优先级分配重要性权重,然后使用VIKOR评估和确定每个用户请求的等级并进行排序,最后自适应任务调度根据虚拟机的负载率来分配工作负载以保持动态负载平衡.实验结果表明:本文方法在MaKespan、吐出量和虚拟机利用率性能方面均有明显改善.     

一种基于网络处理器的动态带宽分配算法

针对基于优先级队列（CBQ）机制中带宽分配算法的不足,以Intel IXP2400 为平台,设计并实现了一种基于网络处理器的动态带宽分配算法.该算法以令牌为介质,采用“生产者-消费者”模式,将每个优先级队列看作是一个独立的实体并为其设置一个令牌桶.令牌发放器作为“生产者”,根据队列的预分配带宽,按照特定的速率将令牌放入令牌桶中,调度器作为“消费者”,从令牌桶中取出令牌.某个优先级队列的令牌如果不够用,允许向其他优先级队列借用令牌,或收回借出的令牌,从而实现带宽的动态分配.在IXP2400微引擎上的实验表明,无论高优先级队列数据包速率高于还是低于传统CBQ带宽分配算法中设置的阈值,所提算法的转发速率均高于传统算法.