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。     

跨数据中心的动态资源联合预留研究

如何有效保障服务质量(Quality of Service,QoS)是网格计算和云计算等网络计算平台面临的核心问题之一,资源可获得性和性能的动态变化使得将多媒体网络的资源提前预留机制直接应用到网络计算平台面临巨大挑战.为此提出了一种跨数据中心的资源联合预留体系架构,引入虚拟资源容器以适应资源的动态性,提出了资源预留协商算法以增加预留请求与资源的匹配率.在东南大学校园云计算平台的实验结果表明,在资源动态变化的网络计算环境中,所提出的体系架构能显著提高预留请求的成功率,且具有更强的稳定性.     

服务网格中基于请求生命期的资源预留方法和策略

基于面向服务的网格环境,针对网格服务实例所指向的资源,提出了资源预留树的预留方法.利用在任务请求生命期内发现的所有合适资源构建资源预留树,当预留资源失效时,可直接在资源预留树内选取一个替代资源,保证资源预留的可靠性.针对不同的用户服务质量,设计了3种不同的预留策略,在此基础上,提出了基于不同策略的资源预留树算法TTL-RTA.相关的性能分析和仿真实验表明,该算法具有较好的效率和可靠性.     

基于平均等待时间约束的松弛预留机制

传统预留机制存在预留请求拒绝率高、可能会延迟本地作业执行的缺陷。为此,提出一种基于平均等待时间(MWT)约束的松弛预留机制,并给出相应的预留接纳算法。采用松弛预留策略,在每个资源上设置任务等待时间阈值,若调度队列中排队任务的MWT超过该阈值,调度系统将使部分排队任务尽快获得空闲资源,从而减少MWT。实验结果表明,该预留机制能有效保障排队任务的MWT、提高资源利用率、降低预留请求拒绝率。     

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。     

一种基于动态资源预留的任务映射算法*

分析了当前的DAG调度算法,针对DAG调度中个别大任务制约任务完成时间的情况,提出了关键任务和资源预留时机的定义以及动态资源预留的思想,并基于动态资源预留的思想提出了一种网格环境中基于DAG的任务映射算法KtRR。测试结果表明,该算法比已有算法效率高,特别是在任务密集的情况下。     

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.     

远程教育网格资源预留模型

资源预留机制是保证网格远程教育服务质量的重要措施,现有的预留机制有其局限性。为获得稳定的资源和服务质量,将资源预留机制与计算经济相结合,提出一种决定预订资源数量的数学模型。该模型综合考虑服务提供方的经济利益和声誉度,在合理的假设下对一个双目标的优化问题作了简化处理,通过数值计算和分析确定了预订资源数量的最佳限额。     

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。     

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。     

云环境下基于偏好的资源公平分配策略

资源分配策略是云计算领域的一个重要研究热点,其主要目标是同时考虑云用户和云提供商双方的利益,有效满足系统用户和任务的公平性,同时尽可能达到系统资源的充分利用。考虑到云环境中的用户需求各异,每个用户的任务请求数量不同,各个任务的资源需求也不同,设计了一种基于偏好的公平分配策略FABP,并给出了用户优先级和任务优先级的定义。实验分析表明,该算法不仅能缩短平均任务调度时间,而且还可以保证任务调度过程中用户和任务的公平性,实现综合资源利用率的最大化。     

基于动态抢占阈值的实时调度

具有抢占阈值的调度算法集非抢占调度和纯抢占调度的特点,既减少了由于过多的随意抢占造成的CPU资源浪费,又保证了一定的任务截止期错失率及CPU资源利用率。已有的工作基本集中于讨论任务集完全给定,任务数、任务的优先级及任务的抢占阈值在调度前已完全确定,而且要求不同的任务具有不同的优先级,提出的具有抢占阈值的调度算法,完全放松了对这些条件的限制,即任务的个数不确定,任务的优先级及其抢占阈值在调度过程中可以动态地变化。最后以常用的LSF调度策略为例,结合动态的抢占阈值进行仿真,仿真结果表明,对于不确定的任务集、任务优先级和抢占阈值,利用具有抢占阈值的动态调度算法,降低了任务截止期错失率、提高了CPU的有效使用率。     

基于改进时间指针的相控阵雷达任务调度方法

针对相控阵雷达实时任务调度中时间资源利用不充分的问题,提出了一种基于改进时间指针的任务自适应调度方法.以时间指针为对象,从整个调度时间轴上所有满足时间指针处执行条件的任务请求中,选择一个优先级最高的任务作为当前时刻的执行任务,有效减少了空闲时间的浪费,使得相控阵雷达能够在有限时间资源内调度执行更多的任务.与基于传统时间指针的调度方法仿真对比,结果表明:方法提高了任务调度成功率和时间利用率,有效提升1了相控阵雷达的整体调度性能,具有一定的优越性.     

Minimizing Total Completion Time Subject to Job Release Dates and Preemption Penalties

Extensive research has been devoted to preemptive scheduling. However, little attention has been paid to problems where a certain time penalty must be incurred if preemption is allowed. In this paper, we consider the single-machine scheduling problem of minimizing the total completion time subject to job release dates and preemption penalties, where each time a job is started, whether initially or after being preempted, a job-independent setup must take place. The problem is proved to be strongly NP-hard even if the setup time is one unit. We also study a natural extension of a greedy algorithm, which is optimal in the absence of preemption penalty. It is proved that the algorithm has a worst-case performance bound of 25/16, even when the maximum completion time, i.e., makespan, criterion is considered simultaneously.     

基于负载执行紧迫度的实时补偿任务调度策略TSCTTL

针对支持补偿性的实时任务模型,分析实时任务的系统负载执行紧迫度,进而提出基于负载执行紧迫度的实时补偿任务调度策略TSCTTL;通过实验仿真表明,依据实时任务的负载执行紧迫度来调度补偿任务,降低了系统任务的截止期错失率,并提高了系统收益。     

计算资源共享平台中工作流任务调度研究

提出了计算资源共享平台中具有时间约束的工作流任务调度方法,该方法利用了非集中式的树型应用层覆盖网络拓扑结构,从而可以高效而快速的收集资源的可用信息。采用全局调度器与本地调度器结合的方式,通过定义资源的收集功能过程,使每个节点中的本地调度器能够把自身的资源可用信息提供给全局的调度器,工作流中任务的最后期限时间约束和任务的恢复时间以一种时间间隙的机制来完成。仿真结果表明,分治模式和解方程类的迭代模式的工作流任务能够在平台上成功调度运行,具有比较快的响应时间和低的通信负载。     

不规则任务在图形处理器集群上的调度策略

针对大量的资源需求少且并行度高的不规则任务集合,利用图形处理器（GPU）来加速处理是目前的主流。然而现有的不规则任务调度策略要么采用独占GPU的方式,要么使用传统的优化方法将任务映射到GPU设备上。前者导致GPU资源的闲置,后者不能最大限度利用GPU计算资源。在分析了现存问题的基础上,采用多背包优化思想,使更多的不规则任务以最佳的方式共享GPU设备。首先,针对GPU集群的特点,给出了由调度器、执行器组成的分布式GPU作业调度框架;然后,以GPU显存为代价,设计了一种基于GPU计算资源的扩展贪心调度（EGS）算法,该算法将尽可能多的不规则任务调度到多个可用的GPU上,以最大限度地利用GPU计算资源,并解决了GPU资源的闲置问题;最后,使用实际基准程序随机生成目标任务集来验证所提调度策略的有效性。实验结果表明,与传统的贪心算法、最早完成时间（MCT）算法和Min-min算法相比,当任务数量等于1 000时,EGS算法的执行时长分别平均降低至原来的58%、64%和80%,并且能有效提升GPU资源利用率。     

Linux实时调度方案的设计与实现

作为一个分时系统,Linux的设计目标为提高吞吐率和平均响应时间,因此采取了基于时间片的调度策略,显然这种机制无法保证实时任务得到及时响应和调度．为了改进Linux操作系统的实时性能,探讨了基于Linux的实时操作系统RFRTOS中的实时调度机制．实验验证,所做改进有效地提高了Linux的调度精度,满足了软实时方面的需求．