故障诊断网格任务调度模型的研究*

由远程协同故障诊断与网格技术的有机结合所形成的故障诊断网格,把广域分布的专家知识、检测设备、分析软件等定义为诊断资源,而诊断资源的组织和优化调度是系统有效运转的关键。从而提出了故障诊断网格中任务调度的体系结构,分析了故障信号分解、分配至诊断资源的工作流程,并通过Gridsim结合多种调度目标进行模拟仿真,验证了该任务调度模型的可实施性。     

基于GridSim的网格算法测试软件开发*

针对目前绝大部分的网格任务调度实验均建立在仿真实验的基础之上,而GridSim网格模拟器在支持多任务、多资源环境下的网格算法测试方面表现得越来越力不从心,开发一个便于网格研究者使用的网格算法测试软件迫在眉睫。设计并实现了基于GridSim的网格算法测试程序,该程序包括了构建环境模块、任务调度模块和结果输出模块三个子模块。通过实验验证,该程序能够达到在多任务、多资源环境中分析、对比和验证网格调度算法性能的目的。     

网格任务调度策略研究

网格作为下一代Internet,具有动态性和异构性,如何有效的调度任务是影响网格成功与否的关键技术之一。首先总结了网格计算系统的体系结构和特征,分析了网格任务调度算法的基本原理和性能指标,并对各种调度策略和算法进行了分类和比较,从而为网格任务调度的研究提供了很好的参考价值。     

基于PSO改进算法的气象数据网格任务调度

为提高在有限带宽下气象观测中心海量数据的任务调度和数据传输效率,提出一种基于粒子群优化(PSO)改进算法的气象数据网格任务调度算法。给出副本域的概念,将PSO算法与副本域相结合,设计任务调度模型和符合气象数据网格环境的目标函数。仿真结果表明,该算法完成调度的时间小于遗传算法和穷尽搜索算法,收敛速度快于离散型PSO算法,且更加稳定。     

基于动态备份的容错网格任务调度*

提出了一种基于自适应备份的网格容错任务调度算法:最高百分之k备份算法.该算法对任务的安全需求和资源的信任等级进行匹配,在系统安全等级较低并且网络和主机可能失效的网格环境中进行容错任务调度.调度时,该算法根据整个网格系统的安全状况,对具有最高安全需求的百分之k的任务进行动态备份,任务备份数根据系统安全状况自适应变化,并对失败的任务重新调度.仿真结果表明,该算法可以有效提高不安全网格环境下的任务调度成功率,具有很好的容错性和可扩展性,优于固定备份数的网格任务调度算法.     

网格任务调度算法研究

网格计算的目标之一是聚集广泛分布的资源,向用户提供各种应用工具的一体化透明服务。本文总结了网格系统的体系结构和特征,分析网格任务调度算法的基本原理和性能指标。然后从不同的角度来讨论各种网格调度算法,并对其进行分类和比较,最后指出了网格调度算法的研究新方向,为网格任务调度的研究提供了很大参考价值。     

基于动态粒子群优化的网格任务调度算法*

提出了一种基于动态粒子群优化的网格任务调度算法。设计了网格任务调度问题的数学模型,给出了自适应变异的动态粒子群优化算法的框架,引入了自适应学习因子和自适应变异策略,从而使算法具有动态自适应性,能够较容易地跳出局部最优。实验结果表明,本文算法能有效地解决异构网格任务调度问题,具有较好的应用价值。     

一种应用于网格计算环境的任务调度模式*

提出了一种新的网格任务调度模式,针对网格计算资源有组织、松耦合、自治等特性,建立基于多层次虚拟组织形式的计算资源模型;根据网格环境中应用任务粗粒度、特定资源依赖等特点,建立了网格任务的描述模型;提出并实现了相应的子任务生成算法、任务初始调度算法及自动调整算法。设计实现了能够支持仿真及实际网格计算环境可扩展网格任务调度器,通过理论分析和仿真实验对算法的正确性、效果和效率进行了评价。     

一种基于SOA的网格任务调度框架

目前网格任务调度算法大都通过仿真手段进行验证,缺少在实际的网格任务调度系统中检验.通过在实施网格项目中的经验,提出了一种基于SOA的网格任务调度框架GTSF(Grid Task Scheduling Framework),该框架通过web服务技术将任务调度解耦为多个服务模块,不仅简化了算法设计人员的工作量,还使得网格任务调度系统更加稳定.最后基于GTSF设计并实现了一个图像渲染应用供其他网格应用的开发人员参考.实际的网格应用开发过程显示GTSF使得基于Globus中间件的网格应用系统能够更快、更好的开发和部署.     

基于遗传算法的网格任务调度研究

本文针对网格任务调度中存在资源提供者和网格用户对网格环境需求之间的矛盾,提出了一种新的基于遗传算法的任务调度策略,本策略可以通过调整适应度函数中参数的取值来解决上述矛盾,并采用Gridsim模拟器进行了仿真试验,结果表明,该方案更适合网格环境中的任务调度。     

Network and data location aware approach for simultaneous job scheduling and data replication in large-scale data grid environments

Data Grid integrates graphically distributed resources for solving data intensive scientific applications. Effective scheduling in Grid can reduce the amount of data transferred among nodes by submitting a job to a node, where most of the requested data files are available. Scheduling is a traditional problem in parallel and distributed system. However, due to special issues and goals of Grid, traditional approach is not effective in this environment any more. Therefore, it is necessary to propose methods specialized for this kind of parallel and distributed system. Another solution is to use a data replication strategy to create multiple copies of files and store them in convenient locations to shorten file access times. To utilize the above two concepts, in this paper we develop a job scheduling policy, called hierarchical job scheduling strategy （HJSS）, and a dynamic data replication strategy, called advanced dynamic hierarchical replication strategy （ADHRS）, to improve the data access efficiencies in a hierarchical Data Grid. HJSS uses hierarchical scheduling to reduce the search time for an appropriate computing node. It considers network characteristics, number of jobs waiting in queue, file locations, and disk read speed of storage drive at data sources. Moreover, due to the limited storage capacity, a good replica replacement algorithm is needed. We present a novel replacement strategy which deletes files in two steps when free space is not enough for the new replica： first, it deletes those files with minimum time for transferring. Second, if space is still insufficient then it considers the last time the replica was requested, number of access, size of replica and file transfer time. The simulation results show that our proposed algorithm has better performance in comparison with other algorithms in terms of job execution time, number of intercommunications, number of replications, hit ratio, computing resource usage and storage usage.     

Network and data location aware approach for simultaneous job scheduling and data replication in large-scale data grid environments

Data Grid integrates graphically distributed resources for solving data intensive scientific applications. Effective scheduling in Grid can reduce the amount of data transferred among nodes by submitting a job to a node, where most of the requested data files are available. Scheduling is a traditional problem in parallel and distributed system. However, due to special issues and goals of Grid, traditional approach is not effective in this environment any more. Therefore, it is necessary to propose methods specialized for this kind of parallel and distributed system. Another solution is to use a data replication strategy to create multiple copies of files and store them in convenient locations to shorten file access times. To utilize the above two concepts, in this paper we develop a job scheduling policy, called hierarchical job scheduling strategy (HJSS), and a dynamic data replication strategy, called advanced dynamic hierarchical replication strategy (ADHRS), to improve the data access efficiencies in a hierarchical Data Grid. HJSS uses hierarchical scheduling to reduce the search time for an appropriate computing node. It considers network characteristics, number of jobs waiting in queue, file locations, and disk read speed of storage drive at data sources. Moreover, due to the limited storage capacity, a good replica replacement algorithm is needed. We present a novel replacement strategy which deletes files in two steps when free space is not enough for the new replica: first, it deletes those files with minimum time for transferring. Second, if space is still insufficient then it considers the last time the replica was requested, number of access, size of replica and file transfer time. The simulation results show that our proposed algorithm has better performance in comparison with other algorithms in terms of job execution time, number of intercommunications, number of replications, hit ratio, computing resource usage and storage usage.     

基于层次化调度策略和动态数据复制的网格调度方法

针对在网格中如何有效地进行任务调度和数据复制, 以便减少任务执行时间等问题, 提出了任务调度算法（ISS）和优化动态数据复制算法（ODHRA）, 并构建一个方案将两种算法进行了有效结合。该方案采用ISS算法综合考虑任务等待队列的数量、任务需求数据的位置和站点的计算容量, 采用网络结构分级调度的方式, 配以适当的权重系数计算综合任务成本, 搜索出最佳计算节点区域; 采用ODHRA算法分析数据传输时间、存储访问延迟、等待在存储队列中的副本请求和节点间的距离, 在众多的副本中选取出最佳副本位置, 再结合副本放置和副本管理, 从而降低了文件访问时间。仿真结果表明, 提出的方案在平均任务执行时间方面, 与其他算法相比表现出了更好的性能。     

自适应邻域的多目标网格任务调度算法研究

针对网格计算中的多目标网格任务调度问题,提出了一种基于自适应邻域的多目标网格任务调度算法。该算法通过求解多个网格任务调度目标函数的非劣解集,采用自适应邻域的方法来保持网格任务调度多目标解集的分布性,尝试解决网格任务调度中多目标协同优化问题。实验结果证明,该算法能够有效地平衡时间维度和费用维度目标,提高了资源的利用率和任务的执行效率,与Min-min和Max-min算法相比具有较好的性能。     

可靠的网格作业调度机制

针对网格环境的动态性特征,提出了一种可靠的网格作业调度机制(DGJS)。按照作业完成时间期限,DGJS将作业分为：高QoS级、低QoS级和无QoS级,不同QoS级作业有不同的调度优先权;基于资源可用性预测,DGJS采用基于可靠性代价的作业调度策略,将作业尽可能调度到可靠性高的资源节点;另外,DGJS对不同QoS级作业采用不同的容错策略,在保证故障容错的同时,节省网格资源。实验表明：在动态的网格环境下,较之传统的网格作业调度算法,DGJS提高了作业成功率,减少了作业完成时间。     

基于信任驱动的网格任务调度新算法

利用信任机制的概念,对传统网格调度算法进行改进,提出了信任驱动的动态调度算法TD_OLB、TD_MCT和静态调度算法TD_max-min;同时,在相同的假定条件设置下对这些新算法进行了仿真分析和比较研究.仿真结果表明,基于信任机制的调度算法不仅优于传统的基于makespan的调度算法,而且当要求强信任关系任务的数量大于弱信任关系及无信任关系的任务数量时,信任驱动的TD_max-min调度算法优于信任驱动的TD_min-min算法.     

农业信息网格数据传输资源调度方法

针对农业信息网格环境中系统负载不均衡和数据传输服务性能不高的问题,结合经典的Globus平台GridFTP传输技术和P2P技术,提出了一种P2SP(pcer to sever&peer,用户对服务器和用户)模式的农业信息网格资源调度方法.该方法既保证了系统的负载均衡性,又提高了数据传输的性能和质量,实验证明该方法是一种可行的信息网格资源调度方法.     

基于网格技术的校园网作业服务模型和调度算法

为了消除校园网的信息孤岛,降低资源浪费,实现资源充分共享,提出了基于网格技术的校园网作业服务模型,并设计和实现了基于可信度遗传策略的作业调度方法。该算法充分结合遗传算法的优点,从而使调度系统具有了一定的自主性和智能性。实验结果表明该算法收敛速度快,全局寻优能力强,整体性能优于遗传算法和Min-min作业调度算法。     

非集中调度模型下的网格资源调度研究*

针对当前网格资源调度系统扩展性差的问题,提出了基于非集中调度模型的以保守Backfilling算法为核心的网格资源调度算法.探讨了网格任务在站点处理器数目异构情况下,网格作业多站点协同调度问题.实验仿真证明,在跨网格站的资源调度中,运用资源预留策略和多站点作业分块可以改善作业的平均响应时间,并起到负载平衡的效果.