一种去中心化的在线边缘任务调度与资源分配方法

创新移动应用迅速发展和5G通讯技术的成熟落地引发了终端用户对计算资源下沉至边缘的巨大需求,从而推动了多接入边缘计算(Multi-access Edge Computing,MEC)概念的提出和发展.在MEC环境中,用户可以将移动任务卸载到周围部署的边缘服务器上来加速移动应用.尽管边缘服务器可以在近用户端提供低时延、高响应性的服务,但其仍面临计算资源有限和用户请求多样带来的挑战,因此需要效率高、实时性强的任务调度与资源分配策略来合理地利用边缘资源.然而,目前针对MEC环境下任务调度和资源分配的方法大多基于中心化架构,并以批处理的方式对某个时间段到达任务进行统一调度与资源分配,因此在面对异构复杂的MEC资源网络和高时延敏感用户需求时具有一定的局限性,此外传统方法还缺少对任务多样性和优先级的考量.针对上述问题,本文提出了一种去中心化的在线任务调度与资源分配方法D-TSRA,该方法以任务优先级加权的卸载响应时间为评价指标,由实时任务调度策略、边缘资源分配策略、和运行时任务迁移策略组成.基于真实边缘环境下数据集的实验表明本文所提出的D-TSRA方法与传统任务调度与资源分配方法相比最多能够减少34...     

使用确定随机Petri网对Hadoop公平调度的建模和性能分析

由于Hadoop能在同一时间处理多个用户提交的不同作业的多个任务,这使得用传统的方法对其进行建模和性能分析变得十分困难.为了解决这个问题,基于马尔可夫排队模型M/MMDP/C/K建立了一个随机Petri网(SPN)模型和一个确定随机Petri网(DSPN)模型来分别描述Hadoop调度中的数据状态和作业公平调度.通过设置DSPN中的使动谓词和随机开关来建模Hadoop公平调度和YARN公平调度.使用嵌入的马尔可夫链模型来分析单用户情景,而在分析多用户情景时则引入分解和迭代技术来减小模型的状态空间,从而避免产生状态爆炸问题.研究侧重于Hadoop中作业调度的平均性能,仅通过求解提出的分析模型,就可以对比和分析服务质量(QoS)的一些关键指标,如平均吞吐量、平均队列长度和平均时延.采用Matlab进行仿真:当每秒到达任务数大于等于20时,YARN算法的数据积压和平均时延明显少于公平算法;当每秒到达任务数大于等于30时,YARN算法的平均吞吐量明显高于公平算法.实验结果表明,YARN公平算法能够减少平均处理和排队等待时间,在平均吞吐量、平均队列长度和平均时延上明显优于公平算法.     

基于家态的多事务工作流完整性分析

工作流技术是计算机应用领域的一个研究热点,而行之有效的建模方法和分析工具是工作流系统的关键,也是研究人员的研究重点.基于工作流的Petri网结构化建模方法,研究了同一品质多事务工作流的Petri网模型,分析了模型处理多种事务的能力,对以往研究中的不足和错误进行了补充和更正,给出了基于家态的模型结构完整性验证的一个充要条件.所得结果为工作流模型分析和验证提供了理论基础和依据,对于分析工作流系统处理事务的能力,提高事务处理效率有重要意义.     

随机QoS 感知的可靠Web 服务组合

在面向服务的环境下,单个Web 服务往往不能满足用户的要求,这时就需将已有的单个Web 服务进行组合,以便产生满足用户需求的、增值的组合服务.已有的服务组合方法都很少考虑Web 服务的随机性和Internet 环境的动态性,从而在服务选择过程中产生的规划都是静态规划,结果导致在服务组合时都以较大概率出现组合失败.针对上述问题,提出了Web 服务各随机QoS 指标的度量方法和自适应QoS 管理体系结构,并利用随机型离散事件系统唯一的动态控制方法——马尔可夫决策过程(MDP),设计出随机QoS 感知的可靠Web 服务组合算法.实验结果表明,考虑随机性的QoS 度量方法和QoS 管理体系结构,以及平衡了“风险”与“报酬”的MDP 有效地提高了服务组合成功率.     

基于图神经网络的多维度池化图分类

目前很多处理图数据的图神经网络方法被提出,然而大多数研究侧重于对特征聚合的卷积层的研究而不是进行下采样的池化层.此外,形成聚类簇的池化方式需要额外计算分配矩阵;节点得分的池化方式排名方式单一.为解决上述问题,提高图分类任务的准确性,本文提出了一种新的基于多维度信息的图池化算子MDPool.该模型使用节点特征信息以及图拓扑结构信息,获取不同维度下的节点得分.使用注意力机制归纳不同维度下的得分权重,生成更为健壮的节点排名,基于节点排名自适应选择节点集合生成诱导子图.提出的MDPool可以集成到多种的图神经网络结构,将MDPool池化算子与图神经网络卷积层堆叠形成编码解码模型EDMDPool.在4个公开数据集的图分类任务中, EDMDPool均高于现有基线模型.     

基于随机良构工作流网的工作流进程性能分析

工作流进程中的QoS受很多非功能性因素的影响,例如性能、可靠性以及安全性等等。对QoS度量的管理直接影响到参与工作流具体应用的服务能否顺利完成。因此,当服务被工作流或Web进程创建或管理时,底层的工作流引擎必须估计、检测并控制用户的QoS。基于已有的工作流模型分解算法,利用随机良构工作流网的数值分析,给出了分析工作流进程QoS的一种新方法,并结合实例加以验证。     

共享合成Petri网的性质分析

组合Petri网的性质不变性对大型合成系统分析有着重要意义,从分析共享合成Petri网的结构性质入手,分析了它的活性性质,给出了它的一个较为简单的活性判定的充要条件.在此基础上,研究了共享合成Petri网的活性与行为不变性和状态不变性的关系,为系统合成的活性和一致性的关系提供了分析依据.     

BM串匹配的一个改进算法

在分析BM算法和文献[12]的基础上,给出了BM串匹配的一个改进算法。该算法有以下重要的特点：1)最坏情况下,算法有效地减少了字符重复比较的次数,提高了匹配效率;2)匹配算法在二维匹配和不精确匹配中较易推广。     

内容网络服务节点部署理论综述

内容网络通过在Internet上部署由多个服务器组成的服务节点来构成覆盖网,有效解决了新应用对网络的多样性需求与Internet尽力而为服务之间的矛盾,一直是学术界和工业界研究的热点.服务节点部署是内容网络研究的一个核心问题,部署好坏将直接影响到覆盖网络的服务质量和运行效率.随着Internet和网络应用的发展,内容网络所处的网络环境、服务质量的要求和与网络运营商之间的关系都出现了新的变化,传统服务节点部署理论面临着众多的新挑战.近年来,如何改善现有的服务节点部署理论已成为一个热点问题.文中系统总结了现有内容网络服务节点部署理论与应用,及其面临的挑战,针对挑战提出了新的研究方向与解决方案.     

一种基于不变量结构分解的工作流性能分析方法

基于工作流的Petri网结构化建模方法,证明了工作流网的P-不变量存在性、可覆盖性,给出了一个工作流模型可靠性(soundness)的充要条件,得到了基于P-不变量的多项式分解算法,克服了非多项式算法遍历的不足,降低了时间和空间复杂度,基于工作流网的定义,给出了包含时间等信息的广义工作流网的概念,在结构分解的基础上,利用矩姆函数,建立了工作流的时间性能分析方法,所得结果为工作流模型分析和验证提供了理论基础和依据,并可有效降低工作流系统的分析复杂度,对于分析工作流系统处理业务实例的能力,提高业务处理效率有重要意义,给出的实例验证了算法的有效性.