基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

超图在网格任务调度中的应用

针对网格计算中任务调度的特点和目标,阐述了目前网格任务调度的现状,结合超图理论,对超图理论在网格任务调度中的应用进行总结,最后针对目前超图任务调度提出相关问题和研究展望。     

网格任务调度算法的研究

提出了一种基于遗传算法和Min-Min的网格调度算法,该算法主要分为资源搜索和任务分配两部分。首先,利用遗传算法从网格的可用资源中快速地搜索出最优的或是近最优的资源;然后从任务队列中取一组任务,利用Min-Min算法把任务分配给已搜索到的资源上去执行。仿真实验结果证明:对于大规模资源的调度该算法是有效的,能够减少了任务执行时间,改善网格任务调度的效率。     

多核处理器中任务调度与负载均衡的研究

针对多核处理器系统的特点,对任务分配及调度模型进行改进,提高各处理器相对均衡负载度,并在此基础上提出一种均衡种群遗传算法（BPGA）．算法在任务节点的高度约束条件下,达到任务节点在处理核上随机分配,而任务节点数均衡分配．采用随机生成图法进行模拟实验,与其他算法相比,BPGA算法有更小的调度长度和较少的执行时间．     

基于异构环境的子任务可分解调度策略研究

针对异构环境下具有数据依赖关系的任务随着业务量增加时,子任务处理时间急剧增长及计算机资源得不到充分利用的问题,提出了子任务可以分解的调度策略,此调度策略根据子任务在DAG的层次关系逐层调度,利用子任务可分解的特性,将DAG图中的一些可分解的子任务分解成一棵2层的m叉树,从而使得系统能够动态调整计算机的负载,并使得系统中各台计算机的负载保持平衡,其效率得到了明显的提高.     

基于无中心处理的多模雷达调度策略应用研究

基于相控阵雷达简单固定模板调度策略,引入了无中心处理的方式:将调度模块分别嵌入到多个节点上,实现了一套既可以有效完成雷达任务调度,又可以降低主处理节点故障导致的雷达空置的方案。通过仿真试验,证明了该方式的可行性,体现了这种方式与有中心处理方式相比所独有的优势。     

基于时延库所Petri网的动态联盟任务调度研究

针对动态联盟中任务调度的特点,提出了采用时延库所Petri网对动态联盟任务调度进行建模。给出了模型的形式化描述及变迁规则,对动态联盟中的产品加工类型进行了分类,并建立了各种加工类型的时延库所Petri网模型,分析了通过模型中零时差的库所求解关键路径和利用可达图求解合理调度方案的方法。最后,以实例表明了该方法的可行性和有效性。     

服务延迟保障的混合绿色云数据中心成本最小化方法

为了在满足应用性能的同时有效降低云提供商的运营成本,针对混合绿色云环境设计智能的任务调度方法,提出一种混合绿色云数据中心环境下的成本最小化方法,该方法提供的任务调度能够根据私有云能耗、可用的绿色能源和公有云的资源执行价格等在时间上的差异,智能地将所有到达的任务调度到私有云和公有云中执行,并确保云数据中心执行任务时对服务延迟的要求.在此基础上提出一种基于遗传学习的粒子群算法求解优化问题.通过仿真实验表明,所提方法可以大幅降低私有云提供商的运营成本.     

云虚拟机资源负载均衡的任务调度研究

针对云计算中现有任务调度模型为追求最短完成时间,而没有从物理资源的负载均衡角度考虑, 提出了基于任务预先分类的调度策略(PCSS)。该策略通过综合考虑任务的最少执行时间和截止时间来设置优先级,根据优先级别将任务批量分配给合适的物理机,实现了任务的最短完成时间和物理机的负载均衡。最后通过Cloudsim 仿真实验分析和比较,该策略能很好地执行用户任务并体现出良好的负载均衡。     

Z-STACK协议栈应用开发分析

Z-STACK协议栈可为基于开放式协议的应用开发提供强大的功能支持.为了理清协议栈的工作过程,文中在简要说明了Z-STACK协议栈的层次结构及任务调度流程的基础上,结合具体案例,剖析了基于Z-STACK协议栈的应用开发流程.