面向IoT数据工作流的分割与调度方法

物联网数据是当前一类典型的大数据,其应用正成为诸多行业领域的热点,围绕物联网数据的应用往往可以被表示为由一组大数据处理与分析任务构成的工作流.与传统工作流不同的是,IoT(Internet of Things)环境下这种数据驱动的工作流具有数据来源分散、数据规模大、云边协同分布执行等特点,给IoT数据工作流的执行带来了...     

面向云制造的有限资源多任务调度博弈

为解决云制造环境下云服务组合优化调度问题,在深入分析目前优化调度问题存在的难点及研究不足的基础上,提出一种云制造环境下有限资源的多任务调度模型。考虑服务需求者间存在的利益冲突及重要的服务评价指标,以每个服务需求者作为博弈参与者,将每个任务的执行制造路径当作博弈策略,把时间、合格率、成本和服务质量组成的综合服务水平看作博弈支付函数,最终把有限资源的多任务调度问题转变为多个静态非合作博弈问题。在此基础上,将求解纯策略纳什均衡解的过程编制为算法,该算法所得的均衡解为每个任务的最终执行制造路径。实验仿真表明该模型及算法具有可行性及有效性。     

QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

面向工作流的网格服务动态调度

在网格应用中使用工作流技术,并采用动态调度算法来调度网格服务可以更好地适应网格运行环境的动态性。给出了网格工作流的层次结构和基于工作流的网格服务动态调度算法D-DAG,实验结果表明D-DAG比传统的调度方法具有较好的优越性。     

基于区间划分的云资源调度方法

针对云计算平台中资源高效组织和分配的关键问题,提出一种基于区间划分的资源调度模型,对多维属性建立联合区间索引快速定位资源,并使用区间动态调整的方法平衡查询分布以提高调度效率.通过引入资源预留协议保证调度结果的有效性,并利用被动更新协议降低资源更新操作的开销.基于分布式键-值存储构建了一个原型调度工具仿真,实验结果显示:该模型具有良好的可扩展性,8个节点能管理百万级的资源规模且具有较好的性能.     

基于模拟退火遗传算法的云资源调度方法

代理云是为用户从不同的云提供商中发现和挑选合适的云计算服务。随着应用系统的规模和复杂度的增加,如何选择最优的云服务,并在多个云服务提供商分散部署应用,有效地缓解供应商锁定问题成为代理云所面临的难题。本文提出了一种基于模拟退火遗传算法的云资源调度方法,主要解决在代理云系统上搜索满足应用服务质量(QoS)需求资源的问题。实验结果表明,本文算法相比传统遗传算法具有较快的收敛速度,在不影响解的精度的前提下,提高了算法效率。     

面向资源调度的矩阵规范化方法研究

 资源调度是计算机支持的协同工作领域的重要问题,其中,决策矩阵规范化问题又是大部分资源调度要涉及的基础问题。文章首先介绍三种矩阵规范化处理方法,然后将其作用于同一个资源调度中的决策矩阵实例,最后将各种方法的处理时间和结果进行比较,给出最佳的结果矩阵建议。     

基于重建策略的云工作流调度算法优化

为了进一步提高算法性能,提出一种改进的蛙跳算法,并与调度方案相结合,以期为云工作流资源分配提供最优调度.通过在蛙跳算法的局部搜索中加入重建策略,提高了数据随机性,有效避免了局部最优.研究了调度方案生成算法,与改进算法相结合得到接近最优的调度.利用Java模拟器进行仿真试验,并与粒子群优化算法和传统蛙跳算法作比较.实验证明,提出的方法可以在满足最长截止时间约束的情况下,使总执行成本最小化.     

面向制造企业生产调度的轻量级工作流管理系统

为提高制造企业生产管理的自动化程度,提出了轻量级的工作流管理系统的设计方案和实现过程。系统参照工作流参考模型设计,以关系数据库实现工作流数据模型的存储,实现了流程的定义、流程的解释执行与监控、流程的客户端,满足了制造企业生产调度管理的需要。     

基于工作流的资源受限项目调度研究

为了解决项目调度模型难以事先建立,或者所建立的模型不能反映项目中过程动态变化的问题,在基于有向图的工作流模型基础上,利用工作流时间管理和资源管理方法,研究了从工作流系统运行时所管理的多个过程实例中动态获取项目调度模型的方法。在此基础上引入了基于规则的调度策略对所得到的项目模型进行调度,调度时充分考虑了模型的全局性和算法的时间可行性。研究成果在所开发的工作流管理原型系统Cimflow中进行了应用。     

采用资源划分的云环境下Hadoop资源许可调度方法

针对云计算环境中Hadoop平台由于节点计算能力差异、多样混合负载共存等原因而出现的性能不佳的问题,提出一种采用资源划分的资源许可方法。该方法在云计算环境下通过减少资源浪费或负载过重等情况的出现来提高系统性能。该方法采集资源信息并推测任务资源需求,根据可用计算资源和任务需求动态划分、调度资源;使用与资源无耦合的资源许可启动任务并控制任务数量调节资源利用率以适应云环境。使用该方法对比公平调度器在国家高性能计算中心(西安)进行测试发现:单作业在资源竞争环境中优于公平调度器的静态结果;混合负载在3种测试环境中完成时间分别平均减少了27.5%、37.1%和50.98%,性能显著提升。实验结果表明,该方法可以适应负载资源需求和可用计算资源的变化,灵活划分计算资源,解决Hadoop在云环境中的性能不佳问题。     

面向云数据中心资源均衡分配需求的聚类调度算法研究

针对云数据中心资源利用率较低、能源消耗较高的问题,提出了基于资源需求差异的资源均衡调度策略。在包簇框架模型基础上,利用与资源需求相关的距离度量因子,将资源需求差异大的包通过改进的k-means算法进行聚类;利用资源之间的相关性作为包与簇之间的距离,在资源分配的过程中使包能够集中映射到簇中,从而减少簇的使用个数。实验结果表明,在包簇框架的概念下,基于资源需求差异的改进后的k-means聚类算法能够优化包聚类步骤,资源调度算法能够提高云数据中心各类资源利用率、降低资源分配过程中产生的能耗,具有有效性和可扩展性。     

PaaS云资源调度技术研究

重点研究了平台即服务(PaaS)云资源调度方面的相关技术.首先对PaaS云平台的通用架构和关键技术加以说明,而后分析了PaaS云资源调度的特殊性,提出了将机器学习引入到PaaS云资源调度的方法,在对多种机器学习算法进行了分析和比较之后,进一步提出将决策树算法引入到PaaS云资源调度,并给出了具体的算法模型和运行流程.结论表明:将机器学习引入到PaaS云资源调度可以有效地解决传统PaaS资源调度算法遇到的扩张、收缩和保持时机的问题.     

一个面向数据密集型应用程序的网格工作流调度方案

采用网格工作流调度和数据感知调度相结合的方法,提出一个面向数据密集型应用的网格工作流调度方案.在CSF4网格元调度程序中以调度插件的形式实现了该方案,并且保证两个调度插件之间能够协同工作.实验结果表明,该方案能有效解决数据密集型网格工作流作业的调度问题,并且进一步完善了CSF4多调度插件协同工作机制.     

一种面向通信开销的网格工作流调度算法

采用任务—资源分配图定义了网格任务调度模型,运用动态规划的方法提出了面向通信开销的工作流任务调度算法。采用扩展的拓扑排序算法对具有依赖关系的工作流任务进行划分,根据划分的任务子集得到相应的调度阶段,在每一阶段选择满足约束条件和以计算开销、通信开销以及任务执行成功率为最优目标函数的资源节点进行任务分配,从而使工作流任务调度目标函数最优。应用Grid Sim工具包实现了该调度算法,并与Min-Min算法进行对比分析。仿真结果表明,基于动态规划的网格工作流调度算法具有良好的适应性,且能较好地处理不同网络环境下任务间存在大量数据传输的网格调度问题。     

面向业务知识的工作流动态生成方法

针对当前工作流生成研究大多都仅限于工作流建模阶段的自动创建,缺乏对执行阶段动态生成支持的不足,该文采用流程模式作为业务知识的表示工具,并基于流程模式提出一个面向业务知识、目标驱动的工作流生成方法。通过创建、细化和重规划3个算法实现了工作流生成中自动创建、运行时细化和变更的完整支持。该方法提高了流程系统的易用性、灵活性与自适应性,并通过相关研究比较说明该方法在知识应用、功能支持以及应用实现等方面的优点。     

面向业务知识的工作流动态生成方法

针对当前工作流生成研究大多都仅限于工作流建模阶段的自动创建,缺乏对执行阶段动态生成支持的不足,该文采用流程模式作为业务知识的表示工具,并基于流程模式提出一个面向业务知识、目标驱动的工作流生成方法。通过创建、细化和重规划3个算法实现了工作流生成中自动创建、运行时细化和变更的完整支持。该方法提高了流程系统的易用性、灵活性与自适应性,并通过相关研究比较说明该方法在知识应用、功能支持以及应用实现等方面的优点。     

考虑需求侧资源的含风电电力系统两阶段优化调度

风电场接入电力系统会造成系统运行成本增加、稳定性降低等问题,引入需求侧资源是解决该问题的重要手段之一。为了探究价格型与激励型需求响应的互补性,通过协调调用基于消费者心理学模型的价格型需求侧响应,以及激励型需求侧响应参与电力系统的优化调度中,对比分析了不同调用模式下的电力系统运行成本。针对传统粒子群算法易陷入局部最优解的缺点,提出一种自适应动态调节惯性权重的改进粒子群算法对模型求解。结果表明所提模型有效降低了系统运行成本,不同类型需求侧响应具有互补性。     

一种基于工作流技术的调度方法

针对传统调度模型在描述复杂生产过程时所面临的模型规模庞大,模型可读性差等问题,提出了一种基于工作流技术的调度模型(WTSM),它通过基于活动的建模并在活动定义中内嵌事件—条件—行为(ECA)规则来达到缩小模型规模,增强模型动态描述能力的目的。同时WTSM定义了独立的资源模型,使之能够更好的支持资源定义以解决资源调度问题。然后采用工作流技术建立相应的调度系统(WTSS),法跟引擎与调度器集成并通过运行模型实例来获得调度方案。实例表明该方法具有模型规模小和调度速度快等优点。