一种兼顾排队任务的资源预留机制

针对网格环境中目前的资源预留机制导致排队任务（queued tasks）平均等待时间剧增的问题，提出了一种兼顾排队任务的资源预留机制，该机制中采用了一种新的策略，提出了一种动态确定n的自适应算法。实验结果表明，该机制下排队任务的平均等待时间明显减少。     

在共享环境下基于时间预测的资源预留

资源预留是实现网格作业服务质量保证的重要方法.主要针对共享环境中引入资源预留后导致排队任务平均等待时间剧增的问题,提出了一种基于等待时间预测的资源预留,其中排队任务分为远程任务和本地任务,引入优先级策略,预洲不同优先级等待时间来计算花费,基于花费选择资源进行预留.实验结果显示预测相对误差和基于花费的调度算法都具有有效性和实际的潜力.     

基于资源-预留图的动态网格资源预留机制

在传统的静态资源预留机制(static resource reservation mechanism,简称SRRM)下,用户的预留请求一旦通过接纳测试就立即被调度到某个资源上.因此,SRRM无法考虑在预留提前时间(book-ahead time)内作业队列的变化对调度目标产生的影响以及资源故障对预留任务的影响.提出了一种动态的网格资源预留机制(dynamic resource reservation mechanism,简称DRRM),在该机制下,通过接纳测试的预留请求在其实际使用资源时才被调度.引入了资源-预留图(resource-reservation graph,简称RRG)对DRRM进行说明,并给出了RRG的修改规则.DRRM能够感知预留提前时间内资源状态的变化,根据其运行时信息动态地调度已接纳的预留请求.模拟实验结果表明,与SRRM相比,DRRM损失了一定的预留请求接纳率,但大大减少了预留任务对非预留任务的抢占,显著提高了网格资源的有效利用率,并且对网格资源故障具有更好的容错效果.     

基于任务可分的网格资源预留机制

资源预留能提供保证QoS的网格服务,但提前预留会增加服务请求拒绝率,且产生的资源碎片降低了资源利用率。在预留分类和预留容量等概念定义的基础上,提出了一种基于可分割任务的网格资源预留机制TDR。TDR中,资源预留在多个方向具有可变的灵活度,并在一定的条件下被分割为多个子预留,从而提高系统容纳能力,并描述了相应的接纳控制算法。仿真实验结果表明,提出的机制能有效地减少预留产生的资源碎片和请求拒绝率,增加资源利用率。     

一种基于松弛时间的服务网格资源能力预留机制

通过资源能力预留为网格服务提供确定的QoS保证是实现服务网格QoS管理的基础和关键.针对确定性资源能力预留的"资源能力碎片"问题,提出了一种支持松弛时间的灵活资源能力预留机制,并设计了支持松弛时间的资源预留请求接纳控制算法.在CROWN的节点服务器上实现了该机制,并通过仿真实验进行性能评价.结果表明,和已有的确定型预留机制相比,支持松弛时间的资源能力预留机制,使资源能力调度具有更多的自主性,可显著地提高网格资源的综合利用效率.     

一种面向随机性负载的计算网格资源预留定价策略

针对传统预留机制对本地任务服务质量造成的负面影响,提出了基于预留收益与损失均衡的资源预留机制。首先,基于本地任务相关统计特性利用概率论方法,给出并证明了一段时间内本地任务执行时间之和的概率分布函数。然后,在资源提供者的效用中考虑本地任务可能带来的损失,求解出了为保障本地任务服务质量的最低资源价格。实验结果表明,提出的预留机制能有效保障本地任务的服务质量,提高资源利用率、降低任务拒绝率。     

OSG环境中可靠性增强的工作流自适应调度

针对实际的网格环境-Open Science Grid (OSG),提出了一个多阶段网格工作流调度机制,主要包括站点发现、站点初始评估以及站点动态评估和选择.通过基于时间序列的性能预测值评估各资源站点的初始性能,提出了一个基于网格资源站点自适应评分机制的选择算法.为了提高工作流执行的可靠性并尽可能缩短执行时间,设计了一个增量式的任务副本策略,并采用各资源站点任务排队等待时间的经验累积分布函数图来优化任务副本的设置参数.在实际网格环境OSG中,基于网格工作流系统Swift完成的大量实验结果表明,所提出的算法和策略能够有效减小工作流调度长度和作业拒绝率,同时在OSG中能够成功完成的Swift工作流规模也明显增大.     

云计算中基于排队系统的任务调度模型研究

为缩短云计算中任务调度过程任务等待时间及提高虚拟机任务调度系统的执行效率,提出一种云环境下基于 排队系统的任务调度模型。对该模型中系统稳态分布和条件随机分解结果进行了分析,给出该模型的稳态队长的随机分解和稳态等待时间,结合数值例子,准确的找到服务率与期望队长、期望等待时间及其它性能指标之间的关系。通过云任务调度系统的仿真,实验结果验证了该模型能够快速地完成云任务的调度,提高了虚拟机资源的平均利用率。     

一种面向物联网服务资源优化的调度模型

随着物联网与SOA的发展,物联网环境下以服务为资源的竞争问题越来越凸显.为了解决该问题,从资源优化的角度对该问题进行了研究与建模分析.利用资源调度机制和服务选择机制建立了服务调度模型;然后运用排队论对本模型进行了时延特性分析.模拟实验结果表明,本文的方法能够在有限的服务资源情况下保持服务请求的公平性,缓解高优先级服务请求的时延及时延抖动性,同时能在一定程度上满足用户的个性化需求.     

基于松弛预留策略的连续双向拍卖模型

针对网格资源的松弛预留问题,提出一种改进的连续双向拍卖模型。在网格资源定价策略中,引入松弛时间保证更高的任务预留接纳率。在用户出价和要价策略中,买方通过剩余时间和剩余资源量出价,卖方根据负载情况要价。仿真实验结果表明,对于具有费用约束的网格任务,该模型能增加约21%的资源总收益,提高约15%的资源利用率。     

一种面向效益均衡的网格资源预留机制

网格环境中的资源预留机制为跨站点的协同资源分配提供可靠的服务质量保证.针对传统预留机制存在本地任务QoS难以得到保障的缺陷,提出一种基于效益均衡的预留机制.该机制通过比较资源顸留收益与预留对本地任务执行所造成的负面影响来确定资源预留数量,以期取得网格任务QoS保障和本地任务QoS保障的效益均衡.模拟实验采用真实系统负载在较大规模的计算网格系统中检验了该机制的性能表现,实验结果显示,基于效益均衡的预留机制能有效提高资源利用率,同时能显著降低任务的资源费用情况.     

MEC中卸载决策与资源分配的深度强化学习方法

在移动边缘计算（MEC）服务器计算资源有限且计算任务具有时延约束的情况下,为缩短任务完成时间并降低终端能耗,提出针对卸载决策与资源分配的联合优化方法。在多用户多服务器MEC环境下设计一种新的目标函数以构建数学模型,结合深度强化学习理论提出改进的Nature Deep Q-learning算法Based DQN。实验结果表明,在不同目标函数中,Based DQN算法的优化效果优于全部本地卸载算法、随机卸载与分配算法、最小完成时间算法和多平台卸载智能资源分配算法,且在新目标函数下优势更为突出,验证了所提优化方法的有效性。     

一种统一的资源预留策略

资源预留可以保证任务在开始执行时获得资源,而这在网格这样资源动态性很强的环境中是很可贵的,因而资源预留是网格任务调度中一种普遍采用的策略。当前资源预留的研究主要集中在计算资源预留的情况,文中提出了一个网格环境中资源预留的统一策略,该策略对其它资源的预留和计算资源的预留一起加以考虑,经过模拟验证,该策略能够很好地和我们先前设计的一种基于资源预留的任务映射算法结合起来,适用于网格的动态、异构性环境。     

Approximate Dynamic Programming for Stochastic Resource Allocation Problems

A stochastic resource allocation model, based on the principles of Markov decision processes (MDPs), is proposed in this paper. In particular, a general-purpose framework is developed, which takes into account resource requests for both instant and future needs. The considered framework can handle two types of reservations (i.e., specified and unspecified time interval reservation requests), and implement an overbooking business strategy to further increase business revenues. The resulting dynamic pricing problems can be regarded as sequential decision-making problems under uncertainty, which is solved by means of stochastic dynamic programming (DP) based algorithms. In this regard, Bellman’s backward principle of optimality is exploited in order to provide all the implementation mechanisms for the proposed reservation pricing algorithm. The curse of dimensionality, as the inevitable issue of the DP both for instant resource requests and future resource reservations, occurs. In particular, an approximate dynamic programming (ADP) technique based on linear function approximations is applied to solve such scalability issues. Several examples are provided to show the effectiveness of the proposed approach.      

基于间隔型双边拍卖的网格资源预留算法

针对已有基于竞价拍卖的网格资源预留方法存在的问题，提出了一种基于间隔型双边拍卖的网格资源预留算法。根据网格资源预留的需求和拍卖机制的特点，给出了网格系统模型；基于间隔型双边拍卖的思想，设计了适合网格系统的资源拍卖机制，给出了详细的网格资源预留算法；算法的最优性分析表明：在资源拍卖过程，提供真实信息对用户方和资源方均是唯一占优策略，且算法能够保证中标资源供需平衡。 最后，模拟实验结果证明了算法的有效性和正确性。