混合云环境下成本与隐私感知的工作流调度方法

随着大数据时代的到来,大量企业采用混合云部署应用系统。针对现有云工作流调度方法未考虑工作流多个任务间隐私保护需求的不足,构建了混合云环境下成本与隐私感知的工作流调度模型,并提出一种相应的云工作流调度算法(CPHC)。该算法可在混合云环境下调度多个云工作流应用,并在满足隐私暴露风险与截止时间约束的前提下,优化执行成本。最后,通过仿真实验说明了所提算法的有效性。     

基于萤火虫算法和动态优先级的多QoS云工作流调度

为了提高用户的满意程度、降低运营成本,考虑时间、费用和可靠性3个重要的服务质量因素,针对时间和可靠性双重约束下费用最小化的云工作流调度问题,提出基于萤火虫算法和动态优先级的最优调度方案。结合云工作流调度问题的特点,重新定义了萤火虫算法中的位置、距离以及位置更新方式,同时对于每一种调度方案,采用动态优先级算法确定任务顺序,以减少工作流完成时间。在WorkflowSim平台上进行模拟调度仿真实验,证明了该方法在收敛速度和最优值方面均优于传统的云工作流调度算法。     

云工作流环境下隐私感知的多租户访问控制模型

云环境中的多租户服务模式与隐私保护需求给工作流系统访问控制提出了新挑战。通过考虑不同工作流任务与任务组合中的数据包含隐私信息的程度、租户对隐私保护的不同需求以及与时间、服务提供者等云环境特性因素相关的任务执行约束,提出一种云工作流环境下隐私感知的多租户访问控制模型,并结合该模型提出了一种隐私感知、动态责任分离的授权约束方法。通过应用实例验证了所提模型与方法的有效性。     

云际协作环境下能耗与成本感知的工作流调度方法

为解决云计算中的效费比、平台锁定和跨域资源管理等问题,目前已提出云际计算模式以便多个云服务实体之间的开放协作并创造云价值.在云际协作环境中,如何高效实现兼顾成本与能耗的云工作流调度是涉及多方云资源管理的一个重要问题.针对该问题,构建了云际协作环境下能耗与成本感知的工作流调度模型,并提出一种相应的云工作流调度方法(ECO).该方法主要包含任务组选择、虚拟机复用和资源动态管理等策略,可在云际协作环境下调度多个云工作流应用,并在满足截止时间约束的前提下,优化工作流执行成本与能耗.通过仿真实验说明了该算法的有效性.     

面向价格动态变化的云工作流调度算法

为解决资源价格变动环境中云工作流任务调度开销优化的问题,提出一种基于动态规划的云工作流资源调度算法.该算法将云工作流中的任务分为多个串行任务组,然后利用动态规划算法对每组任务进行调度,计算在该任务组规定完成时间内开销最低的调度方案.通过实验,与状态图搜索算法进行了比较,在被调度的资源的价格为可变函数时,计算了四种工作流模型的调度结果.结果表明,所提动态规划算法比考虑资源平均价格的状态图搜索算法有更好的表现.     

安全与成本感知的实例密集型云工作流调度方法

针对现有实例密集型云工作流调度方法未考虑安全需求及未引入实例的不足,构建了相应的调度模型,并通过借鉴信任管理的思想,提出基于用户信任度的工作流实例方面处理策略以及一种安全与成本感知的实例密集型云工作流调度算法(SC-ICW)。该算法可在满足截止时间与安全需求约束的前提下优化执行成本,并减少实例方面处理可能引发的安全风险。通过仿真实验说明了该算法的有效性。     

面向QoS与成本感知的云工作流调度优化

为有效提升云工作流服务质量,降低运营成本,对云工作流调度优化问题展开研究。分析问题涉及的不同主体与调度环节,建立面向服务质量与成本感知的云工作流调度模型,并针对问题模型不同阶段的调度策略展开剖析,依据阶段策略特征设计调度方案的编码规则,在此基础上提出一种基于任务序列划分的两段式编码遗传算法。该算法以租户流程租约和虚拟机实例负载为约束,通过两段式交叉、变异算子进行种群的迭代进化,以实现对云工作流服务费用与云资源使用成本的调度优化。通过对不同规模的问题实例进行仿真实验,结果表明所构造算法的解质量明显优于两类基于任务与虚拟机映射编码的遗传算法。     

基于批量处理策略的云工作流调度方法

为了进一步优化云计算环境下的工作流调度,提出一种基于批量处理策略的云工作流调度方法,该方法考虑了云环境中任务对廉价资源的激烈竞争,利用批量策略,在小范围取得最优的调度结果趋近全局最优调度结果。实例计算证明,该方法优于时间费用折中调度算法。     

考虑信息安全因素的多目标云工作流调度

为了满足云工作流调度需求的多样性,构建了考虑信息安全因素和多实例工作流执行时长的云工作流调度模型。该模型主要考虑了保密性、完整性与真实性3种信息安全因素的时间开销,以及无决策偏好情况下的信息安全风险概率度量。为了提升调度优化效果,提出工作流实例中任务调度的优先级确定规则和考虑信息安全因素的虚拟机分配规则,并将这两个启发式规则与NSGA-Ⅱ算法相融合,对上述模型进行了优化求解。实验结果表明,所提算法可以较好地实现工作流执行结束时间与信息安全风险概率两个目标的平衡,亦可提高优化结果的质量。     

云环境下使用竞价实例并考虑中间数据存储策略的工作流调度方法

为了在存储空间有限或者考虑存储成本的情况下选择性存储数据集,结合云环境的特点,提出一个启发式的考虑选择性存储中间数据集并结合用户工作流的完成时间需求,将竞价实例与按需实例相结合的工作流调度算法。根据全局权重对任务进行分组与调度,通过对数据集的存储与再生成代价进行估算来管理中间数据集的存储。对云环境进行仿真,并设计实验与其他存储策略进行对比。结果表明,在云实例价格动态变化的环境中,该算法在保证工作流完成率及减少调度产生的总费用方面具有一定的优越性。     

面向边缘侧卸载优化的工作流动态关键路径调度算法

移动边缘计算有助于减少工作流调动中用户终端的能耗和计算负担,但不合理的任务卸载会导致设备产生大量时间和能源的消耗。针对该问题,提出一种面向边缘侧卸载优化的工作流动态关键路径调度的两阶段算法,包括边缘侧卸载优化算法和基于本地计算量的动态关键路径调度算法。制定了边缘侧卸载优化的策略,该策略通过隐性马尔科夫预测得到可卸载eNB集并结合速度与偏移量预测筛选最优可调度eNB,以确保卸载成功率;同时在调度过程中通过动态更新关键路径,避免了关键路径变化对调度结果的影响。通过仿真实验证明了所提算法的有效性。相比传统优化算法,该算法能优化移动边缘环境下工作流12%的完工时间,并减少6%的能耗。     

移动边缘计算环境下服务工作流容错调度算法

针对移动边缘计算环境下服务工作流延时优化问题以及工作流任务执行失败的情况,提出一种适用于服务工作流的容错免疫粒子群优化调度算法(FT-IPSO).该算法首先采用异构最早完成时间算法计算已分层任务的权重并生成就绪队列;其次,结合服务工作流调度流程加入了混合容错策略,确保工作流在任务失败后能够继续执行;然后,采用粒子群算法快速寻找最优调度方案,编码时利用整数映射调度过程中主副版本任务调度位置,并融入免疫算法,保证粒子寻优的全局性;最后,根据算法得出的最优调度方案对任务进行调度.仿真实验结果表明,FT-IPSO算法有效降低了服务任务失败率,并且对服务工作流的延时优化效果较反应式容错算法、基于聚类启发式算法的检查点和复制算法,以及基于群集的异构最早完成时间算法分别提高了约4.1％、6.3％ 和9.1％.     

保护私有数据的云工作流调度方法

为解决云工作流中数据资源的私有性问题,提出一种保护私有数据的云工作流调度方法.针对云工作流中数据资源之间依赖关系和互斥关系并存的特点,提出扩展中国墙的云工作流私有性策略模型,对资源分配中的利益冲突问题进行精确描述;提出云工作流私有性策略描述语言,采用基于逻辑语言的分析方法,将策略形式化表达为一组逻辑规则集,通过对规则的逻辑推理可对策略的一致性进行分析和检验;基于上述策略模型和描述语言,提出保护私有资源的云工作流调度方法,并证明了该调度方法不会违背用户设定的数据资源私有性策略.     

混合云环境下面向时延优化的科学工作流数据布局策略

如何结合公有云和私有云各自的优势,对包含隐私数据的科学工作流数据进行合理布局,优化大规模数据的传输时延,是混合云环境下科学工作流面临的重大挑战。考虑混合云环境下数据布局特点,结合科学工作流数据间的依赖关系,提出一种基于遗传算法算子的自适应离散粒子群优化算法,优化数据传输时延。该方法考虑了云数据中心间的带宽、私有云数据中心个数和容量等因素对传输时延的影响;通过引入遗传算法的交叉算子和变异算子,避免了粒子群优化算法的过早收敛,提高了种群进化的多样性,有效地压缩了数据传输时延。通过实验证明了所提算法的有效性。     

基于强化学习的分布式光伏运维资源动态调度

针对分布式光伏运维资源调度过程中因动态因素影响导致调度计划难以实施的问题,提出基于强化学习的分布式光伏运维资源动态调度方法.该方法通过构建动态调度规则同步调整运维任务的优先级,并以新计划完成成本最低和完成时间最短为优化目标构建动态调度模型.采用Q-Learning求解模型,通过实验对比,Q-Learning算法的求解速...     

基于Q-learning的移动群智感知任务分配算法

移动群智感知环境中的任务分配是工作流研究领域中一个新方向,为解决应用任务在移动智能用户间的合理调度与分配,本文将机器学习中的Q-learning方法引入到工作流任务分配问题中,提出一种针对多目标的强化贪婪迭代方法。该算法从宏观层面上通过强化学习的每一次探索进行学习优化,微观层面上通过贪心算法为每一次迭代选择局部最优解,增强了算法的性能。对比其他3种算法,所提算法不但能降低时间和能耗开销,而且收敛速度较快,能够提高感知效率,可作为移动群体感知的工作流调度问题走向智能化的一种尝试。     

面向用户多品种定制的分布式供应链调度

针对云制造面向分布式供应链环境中的多品种定制问题,提出一种多目标生产运输优化调度模型和基于改进混合蛙跳算法的求解方法。该模型考虑供应链中的制造/供应两阶段,以及不同企业间的运输时间和成本,得到成本最小、时间最短、生产空闲率最小、订单延迟最小的调度方案。同时,该算法重新定义原有算法的核心操作算子以适应离散调度问题求解,并结合模拟退火和极值优化算法的特性,进一步改进离散域的混合蛙跳算法的局部搜索性能。通过项目调度标准测试集验证了该改进算法的性能,并以6个品种定制需求为案例,验证了所提模型与算法的有效性。     

移动边缘计算环境下面向安全和能耗感知的服务工作流调度方法

在移动边缘计算(MEC)环境中,用户将应用任务迁移至MEC端执行可以有效降低延时并减少能耗。然而,MEC环境面临潜在的恶意攻击,这些攻击可能导致隐私数据的丢失或泄露。基于此,提出了面向安全和能耗感知的服务工作流调度方法(SEA),该算法能在满足移动应用的风险率和截止时间限制条件下,最小化移动设备的能耗。SEA是基于粒子群优化算法,在编码中考虑了任务的调度位置、机密性服务和完整性服务。此外,还构建了新的安全模型,分别包括数据量、多核CPU、计算频率与安全开销之间的关系。最后,通过仿真实验证明了所提算法的可行性与有效性。     

任务可拆分的多模式多项目调度模型与算法

针对多项目调度资源利用率低的问题,提出任务可拆分的多模式多项目调度模型。采用多属性效用函数对工期—成本—质量—资源均衡进行目标优化,以提高资源利用率、缩短工期,实现多项目调度整体效用的最大化。利用正态云模型云滴的随机性和稳定性的特征,设计云遗传算法并生成多项目调度各个活动的优先级,最终生成活动可拆分的多模式多项目调度计划。通过算例验证了所提模型和算法的有效性。     

多业务调度算法的仿真设计

针对无线通信系统中多业务资源管理问题,提出了基于服务质量的改进优先级多业务调度算法。该算法通过计算各业务服务质量需求的优先级,动态地选择最优调度时隙。仿真结果表明,该算法能够有效利用网络带宽,保证各业务的时延、缓存容量和丢包率等服务质量需求。