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。     

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。     

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。     

隐私与成本感知的云工作流调度方法

针对云工作流执行过程中的用户隐私保护需求,建立了相应的云工作流调度模型,在粒子群优化算法及模拟退火智能优化算法的基础上,通过引入经典表调度算法CPOP中的任务优先级计算策略,提出一种具有隐私与云资源使用成本感知能力的云工作流调度方法 CP-PSO。该方法采用考虑成本因素的上行与下行权重来计算各个工作流任务的优先级,结合隐私保护需求搜索并优化调度方案。通过仿真实验说明了该方法的有效性。     

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.     

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。     

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。     

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.     

面向工作流个人调度的仿真数据生成研究及实验平台设计

对工作流管理系统中个人工作列表管理问题中的工作项到达时间和执行时间的不确定性进行分析，设计并实现了针对个人调度问题的仿真实验平台，用于比较不同调度算法的优劣。该平台首先分析真实工作流管理系统中的人员活动日志，对工作项的时间特征进行建模，生成与真实环境中工作项特征一致的实验数据。然后将模拟数据作为输入，用多种调度算法进行模拟优化调度实验，得到各种算法在个人调度方面的性能差异。通过真实工作流数据的验证表明，该平台能够有效地产生与真实环境相似的工作项模拟数据，并能对个人调度算法进行有效的比较。     

Activiti引擎的无状态云工作流调度算法

业务流程请求的执行需要工作流引擎解析流程定义文档,构建内存流程模型,而当前无状态云工作流调度没有考虑流程模型在引擎内存上的分布,导致引擎重复解析流程文档,造成系统性能下降。鉴于此,以无状态工作流引擎Activiti为研究对象,根据Activiti引擎流程模型缓存机制,提出一种无状态云工作流流程实例任务请求的调度算法,使得同一流程定义下的请求尽量分配到少数引擎。仿真对比实验结果表明,该算法在实现了引擎实例负载均衡的前提下,通过提高引擎的缓存命中率,减少了数据库查询次数和流程定义文档解析次数,从而减少了请求响应时间,节约了云上资源。     

含有混合中间存储策略的模糊流水车间调度方法

针对中间产品在相邻加工步骤间存在不同存储策略的流水车间调度问题，提出了一种含有混合中间存储策略的流水车间调度模型。在该模型中，考虑无限中间产品存储、有限中间产品存储、无中间产品存储3种策略同时存在的情况下对调度问题的影响，采用三角模糊数来描述生产过程中操作时间的不确定性；通过对三角模糊数的操作，并利用面积补偿的比较方法，将原有的模糊调度模型转化为确定性的调度模型；应用双倍体遗传算法对问题进行优化求解。仿真结果证明了模型和算法的有效性。     

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。     

工作流中数据流的调度控制

在分析了工作流、业务对象等基本概念和特征之后，针对过程中活动间的数据流，提出了工作流引擎和数据流的调度算法。借助工作流引擎产生的过程实例数据，把工作流引擎的控制范围延伸到人机界面上，它扩展了传统工作流引擎的调度思想，使数据之间的交互能够在受控状态下进行，改善了依靠人工检索的数据交互方式，提高了运行效率。     

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％.     

成批处理工作流动态分组调度优化方法

针对现有成批处理工作流调度方法的不足,建立考虑活动实例对执行者执行能力需求等约束的动态分组调度优化模型,提出一种解决该问题的实现算法。算法主要思想是利用微粒群算法的智能优化原理,同时优化最小化活动实例的停留时间总和与执行开销总和这两个目标函数,最终产生一组满足约束条件的Pareto优化调度方案。仿真实验说明了算法的有效性。     

不确定条件下车间动态重调度优化方法

分析车间生产环境复杂、多变以及生产过程中各种随机扰动所导致的不确定性问题,将扰动分为显性扰动和隐性扰动两类。分别采用主动和被动触发式重调度驱动规则,对各种扰动进行响应,并通过建立重调度优化集,结合滚动时域优化方法,对大规模动态重调度优化问题进行了简化。提出重调度优化集内待加工工件的选取规则,以减少工序间机器空闲时间。最后提出混合粒子群调度优化算法,对优化集内待加工工件进行智能优化调度,并采用该算法结合具体的仿真实例验证了该动态随机重调度优化方法的有效性。