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.     

一种多QoS约束的网格资源调度算法

针对网格计算中资源调度问题,提出一种多QoS（Quality of Service）约束的贪婪推广算法.调度时以调度驱动函数为贪婪准则.调度驱动函数与网格用户提供的“deadline”,“budget”,“timeweight”和“costweight”等参数有关.每次根据调度驱动函数选择最经济的资源进行调度.通过在Gridsim环境下的分析与比较,该算法能够在满足用户QoS的同时,能够以最小的调度驱动函数值完成任务,最大化地实现用户的满意度.     

一种分布式多路径多约束QoS路由算法

提出了一种以路径剩余带宽为度量标准的分布式多路径多约束QoS路由算法DMPM-CA,该算法能够在源结点和目的结点之间找到多条满足要求的路由路径,并从中选择出有利于网络负载均衡的路由路径。该算法的时间复杂度为O((d 1)L)。     

Internet环境下工作流调度算法研究综述

Web服务作为一种新型的分布式计算模型,近年来得到了工业界和学术界的极大关注。由于互联网中Web服务资源具有动态性、多样性、异构性和分布性的特征,导致传统工作流的一些方法和技术无法有效地应用到Internet环境。本文对当前的调度算法做了分类总结,并列出了今后的一些主要挑战。     

QoS性能约束的云任务调度算法研究

云计算是目前研究的热点,云计算任务调度中为了在保证用户满意的前提下缩短任务完成时间和提高资源负载均衡性,提出了一种具有QoS约束的模拟退火云任务调度算法.首先引入QoS约束的贪心策略产生初始解,以最小任务完成时间和最小负载均衡标准差为目标,实行两阶段退火过程,制定两个具有QoS约束的新解产生函数,始终处于用户满意的前提下寻找最优分配方案.仿真实验结果表明,该算法能够在保证所有用户都满意的情况下降低任务完成时间并提高资源负载均衡性,是一种顾客和云服务提供商都满意的云任务调度算法.     

一种基于QoS的无线分组调度算法

提出了一种适用于无线网络的分组调度算法动态概率优先级(DynamicProbabilistic Priority,DPP)调度算法.DPP调度算法采用动态的优先级分配策略,满足了不同业务的QoS需求.另外,DPP算法在网络出现差错时,动态地调整带宽分配,使得网络中的带宽得到有效的利用,提高了系统的吞吐量,保证了算法的公平性.理论分析和仿真试验表明,在无线网络环境中,该算法具有更好的性能.     

云环境下顾及SLA及QoS的资源调度策略

考虑到云技术是当前较为流行基于服务的分布式计算及其不需要用户关注底层的系统实现。有效的资源调配一方面能减少资源的过度浪费,或者减少成本以增加用户的满意度,最终提升系统的性能。本文通过对云计算平台资源的虚拟化技术,实现系统性能需求的精确预算。从服务的角度,探讨一种云环境下基于Virtual Machine(VM)的顾及Service Level Agreement(SLA)及Quality of Service(QoS)的资源调度策略。模拟实验结果表明,本资源的调度策略是一种提高系统资源利用率的有效手段,具有一定的实用价值。     

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.     

基于QoS约束的计算能力调度算法研究

云计算具有很强的商业性特点,以为用户提供高质量的服务为目标。针对云计算对服务质量QoS的需求问题以及云计算原有计算能力调度算法没有考虑用户多样性的缺点,提出了基于QoS约束的计算能力调度算法。该算法可以在保证为用户提供模拟的独立计算能力基础上,根据QoS参数生成的向量进行资源与任务的匹配,区分用户的不同服务质量需求,为用户提供符合其需求的资源。     

云环境下基于双重公平性约束并行调度算法的研究与实现

目前并行调度和资源分配一般只注重效率,但是云计算需要给各用户提供多种不同服务,所以需要高度关注用户需求满足度.提出一种基于云计算环境下的并行作业调度算法,该算法对传统并行作业调度算法仅仅注重效率的特点进行了改进,关注资源分配的公平性、任务的完成效率和用户服务质量以及系统的负载均衡性,能够适应云计算的虚拟化和商业化特性,并实现在云计算环境下的并行作业调度中形成双重公平性约束.在注重效率的同时,突出资源分配的公平性.     

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.     

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。     

基于多Agent系统的粒子群遗传优化云工作流调度算法

随着大数据时代的来临,传统的工作流计算平台已经无法满足大量工作流应用的计算要求.因此,工作流应用开始由原有的基础设施转移到更加高效、可靠、廉价的云平台上.针对现有的云工作流调度算法执行时间最小化、作业最优分配以及调度算法的收敛时间问题,提出一种基于多Agent系统的粒子群遗传优化云工作流调度算法.该算法首先利用粒子的自身历史最优位置和粒子群历史最优位置优化全局最优解的搜索过程,然后将系统中每个粒子作为一个Agent,多Agent间相互竞争和协调,最后在多Agent系统中引入遗传算法,通过Agent间的信息交互进行有目标地交叉变异操作,不仅避免粒子群的盲目随机化以及陷入局部最优解,而且加速了搜索全局最优解的收敛过程.使用真实工作流数据进行模拟实验,实验结果证明该算法的有效性.     

一种云环境下的虚拟机负载均衡算法

针对多数负载均衡算法都以虚拟机的CPU、内存等资源的利用率作为优化目标,而未考虑虚拟机上总任务工作时长不均衡导致任务总等待时长增加的问题,提出一种结合随机森林分类器的粒子群优化算法用于解决虚拟机的负载均衡问题.该算法不仅均衡了虚拟机的CPU利用率和内存利用率,也将虚拟机上总任务工作时长作为优化目标,以达到均衡虚拟机资源利用率,同时减少任务总等待时间的目的.仿真实验结果表明,该算法能有效解决虚拟机的负载均衡问题.     

一种短作业环境下的延迟调度算法

针对短作业场景下YARN平台中延迟调度算法基于静态时间等待阈值,不能进行合理等待的问题,提出了一种云计算环境中基于本地性资源预测的延迟调度算法(locality resource forecast delay scheduling,LRFD)。该算法综合考虑短作业和资源可用性动态变化的特点进行任务调度,根据节点上任务的完成进度和作业未处理数据在集群中的分布状况预估作业的本地性资源信息,从而判断是否需要进行等待以提高系统性能,实现了对本地性资源的合理等待。实验结果表明:在短作业场景下,LRFD算法的性能和稳定性均优于已有的延迟算法,作业性能平均提升约10%,最大加速比可达3倍以上。     

一种基于Clos网络支持QoS的DHiRRM调度算法

在分析三级Clos网的基础上提出了一种支持QoS的三级Clos分布式交换结构.对该结构进行区分服务模型的引入,分别从输入端口和输出端口进行了设计与分析;并从算法的有效性和复杂度等方面,对提出的交换结构的可扩展性和QoS策略作了分析.最后,在交换网络输入端利用改进的Diff-Serv模型进行数据流的区分,在Diff-Serv域内确保优先级高的业务流得到更好的服务质量,提出了DHiRRM调度算法,使该交换结构的设计能提供优良的QoS策略.     

SWES:一种基于QoS的Web服务工作流调度性能评价系统

针对现有服务工作流性能评价模型的兼容性和可扩展性问题,设计并实现一种面向用户需求并支持QoS调度的服务工作流性能评价系统SWES(Service workflow evaluation system)。该系统采用组件技术及面向对象编程方法设计,各个组成部分通过标准的SOAP协议通信,使得各模块的组织及建立能独立实现,同时连接网络中UDDI对服务资源进行整合,使系统具有较强的可扩展能力。该系统既提供了用户个性化定制的功能,又能对传统调度算法的QoS指标及扩展QoS指标进行性能评测。实验结果表明,该系统具有较强的兼容性和可用性。     

基于动态规划的QoS多约束路由算法

基于动态规划的思想,提出一种新的质量服务(QoS)多约束路由算法(QMCRA_DP).对可行路径进行智能分段,并自适应地调整求解各段的线性花费函数.理论分析及实验验证表明:QMCRA_DP算法在保持较低计算开销的同时,较大地提高了求解可行路径的成功率.