一种负载均衡的网格在线调度算法

任务调度是网格领域的一个核心问题。针对网格资源及任务高度异构环境下的负载失衡问题,设计一种负载均衡的在线任务调度算法BOS。BOS算法在进行任务调度时,综合考虑任务到达频率、任务计算量、任务的完成时刻以及任务开始执行时刻等因素。任务周转时间由执行时间和等待时间2个部分组成。对于长任务,执行时间占更大比重。而对于短任务,等待时间的影响更大。算法根据长任务和短任务的各自特点,引入适应度的概念来指导调度。实验结果表明,与MCT算法相比,BOS算法的调度跨度、任务周转时间、响应比更小,资源利用率更高,负载也更加均衡。     

网格计算中的资源调度不确定性分析

网格计算中的资源调度技术是网格核心服务之一。在对GridSim网格仿真环境进行测试中，发现了资源调度中存在多种不确定因素。这些因素影响了网格系统的性能。作为一种基于实验的研究性的探讨,本文对所发现的不确定因素做了分析,并根据分析结果对资源调度策略作了相应的改进。     

基于优先级和优化完成时间的网格调度算法

网格由大量的异构资源组成,具有复杂性、动态性和自治性特点。高效的网格调度算法可以充分利用网格系统资源,提高网格处理应用程序的能力。Min min算法是一个简单、快速、有效的调度算法,但由于总是先分配小任务而不能确保负载平衡。文中首先对网格系统中任务的数据传输和执行进行分析,计算并优化Min min算法的任务完成时间,再根据任务需求赋予任务优先级,通过优先级安排任务调度,提高算法负载平衡能力,最后在上述分析基础上提出POTE Min min(Priority and Overlap Transmission and Execution Min min)调度算法。     

基于GridSim的网格调度模拟

详细分析了GridSim工具,并与当前几个主要的网格模拟工具进行了对比,然后探讨了GridSim工具的改进,扩展了计算资源的功能,增加了数据存储资源模型。最后提出了基于GridSim工具的分模块的调度模拟开发方法,按照这种方法建立了Min—min调度算法模拟平台,展示了GridSim工具的功能。     

基于改进遗传算法的网格资源调度研究

本文借鉴了面向分组的调度算法的优点,深入分析了遗传算法中编码串各个位的权重特点及个体的模式规律,对传统遗传算法进行了改进,新的算法具有面向分组、有针对性、同时又能够借助优良个体特征模式进行变异的特征,所以能够自适应地、并且有方向性地进行变异,从而增加了种群的多样性、提高了收敛速度。通过在本文后面的对比实验,证明了当标准遗传算法(GA)调度算法与改进遗传算法(MGA)同时应用在相同(资源数和任务数相同)的网格调度系统中时,后者使网格调度的总体响应时间有了明显的减少;并且当调度的规模增大时,具有更好的性能。     

基于纳什均衡理论的网格资源调度机制

网格环境下资源是分布的、异构的、动态的,由不同的组织拥有,各组织对资源的管理策略以及资源的存取花费各不相同,因此网格资源管理和调度是具有挑战性的问题。文章针对网格资源的特性,提出一种基于经济学理论的资源优化管理机制,描述了基于市场经济的网格资源管理模型,有效地解决了资源的供给和需求。以纳什均衡理论为基础,依靠市场机制,实现基于QoS的网格资源管理和调度。     

一种网格环境下的多级资源调度策略

网格计算是近年来得到快速发展的技术,其目标是把因特网整合成一种超大规模的巨大计算机系统,以实现各种资源的全面共享,阐述了网格调度的基本概念,分析了各种资源调度策略,并提出一种基于分布式调度算法的多级资源调度策略。通过对模拟仿真实验中三种技术指标的分析,表明了该算法的高效性。     

结合预测机制和QoS约束的网格资源调度算法的研究

资源调度是网格计算领域中的研究热点之一.以达到最优的资源利用率和提高用户对服务的满意程度为目标,定义了资源QoS约束和形式化描述;在任务完成期限和网络带宽的双重属性约束下结合预测机制,提出了网格资源调度算法Senior;应用GridSim工具包实现了相关的调度算法,并对调度算法仿真结果中的数据进行了分析和比较,验证了Senior调度算法在解决类似问题的优势.     

成本时间限制下的网格分类调度算法研究

在网格环境中,由于资源广域分布、异构、动态且有多个管理域,调度一组具有多QoS需求如成本、时间的独立任务是一个非常重要的问题。针对网格任务的成本和执行时间要求,提出了一种基于网格经济模型,根据实际执行成本和预算成本进行分类的网格分类优化调度算法。模拟实际网格任务调度实验表明,该算法能很好地满足网格环境中不同用户的需求。     

一种基于Bayes均衡的网格资源调度算法

针对经济网格提出了一种基于市场机制的资源分配方法:以Bayes均衡理论为基础,依靠市场机制,实现网格资源的优化分配。首先给出了资源交易的经济模型:双边叫价拍卖模型;接着给出了网格资源分配的市场模型:基于Bayse均衡的市场模型;最后引入了网格资源管理的调度流程和算法。     

采用新代价模型的HMA网格资源调度

网格系统为管理和调度跨越不同区域的资源提供了一种虚拟框架。该文提出了一个基于HMA的网格资源调度系统以实现资源发现和调度;给出了一个新型的代价模型,它比传统的代价模型更多地考虑了资源发现代价和资源决策代价。随后,将新型代价模型集成到基于HMA的网格资源调度系统中。对比实验显示,新型代价模型下的最优解优于传统代价模型下的最优解。     

基于通信代价的网格资源调度算法

针对基于时间和预算限制的资源调度算法在调度数据密集型应用程序时存在的问题,提出一种新的基于通信代价的网格资源调度算法,综合考虑用户的时问限制和预算要求,根据用户作业的计算量与通信量选择具有一定计算能力,且通信代价较小的资源节点作为目标节点,通过减少此类程序提交到目标资源节点的通信代价,达到减少整个应用程序完成时间的目的。实验结果表明,该算法能够获得较好的性能。     

成本约束的网格工作流时间优化方法

针对成本约束有向无环图DAG(directed acyclic graph)表示的网格工作流完工时间最小化问题,提出两个基于优先级规则的迭代启发算法.算法利用并行活动特征定义正向分层和逆向分层两个概念,将其分别引入最大收益规则MP(maximum profit),得到正分层最大收益规则MPTL(maximum profit with top level) 和逆分层最大收益规则MPBL(maximum profit with bottom level).两规则每次迭代尽量以完工时间的最小增加换取总费用的最大降低,逐步将分层初始解构造为满足成本约束的可行解.模拟结果表明,两规则在获得较少迭代次数和运行时间的同时,能显著改进MP规则的平均性能,且MPBL优于MPTL.     

基于效用最优的网格计算资源调度算法

基于市场机制提出了一种以资源代理为基础面向服务的网格资源管理模型--SBAGRM,在该模型的框架下提出了一种基于效用的网格资源调度算法,该算法以满足用户的QOS需求为出发点,旨在追求系统资源的全局最优化。     

Availability Modeling and Cost Optimization for the Grid Resource Management System

Grid computing is a recently developed technique for complex systems with large-scale resource sharing, wide-area communication, and multi-institutional collaboration. Although the development tools and techniques for the grid have been extensively investigated, the availability of the grid resource management system (RMS) has not been comprehensively studied. In order to contribute to this lacking but important field, this paper first models the grid RMS availability by considering both the failures of resource management (RM) servers and the length limitation of request queues. A hierarchical Markov reward model is implemented to evaluate the grid RMS availability. Based on the availability model, an optimization problem for designing the grid RMS is studied in order to minimize the cost by determining the best number of RM servers. Then, the sensitivity analysis is conducted, and a dynamic switching scheduling method is further presented based on the sensitivity analysis.     

基于串归约的网格工作流费用优化方法

针对截止期限约束下有向无环图DAG(directed acyclic graph)表示的工作流费用优化问题,提出两个新的费用优化算法:时间约束的前向串归约算法FSRD(forward serial reduction within deadline)和时间约束的后向串归约算法BSRD(backward serial reduction within deadline).算法利用DAG图中串行活动特征给出串归约概念;基于分层算法对串归约组的时间窗口重定义,并提出动态规划的求解策略实现组内费用的最优化.两种归约算法综合考虑DAG图中活动的串并特征,改变分层算法中仅对单一活动的费用优化策略,实现了串归约组的时间收集和最优利用.模拟实验结果表明: BSRD和FSRD能够显著改进相应分层算法的平均性能,且BSRD优于FSRD.     

基于遗传算法的网格计算资源调度策略

如何将网格这个复杂环境中的计算资源进行有效调度,是一个NP问题。遗传算法被证明是解决这类问题的有效算法,同时遗传算法有“早熟”和慢速收敛等缺点。为了克服其缺点,提出一种新的并行遗传算法,采取避免近亲繁殖的交叉策略和保护优秀个体的方法,提高算法搜索能力和收敛速度。仿真结果表明该算法能有效地解决网格计算资源分配问题。     

基于CloudSim的分类负载均衡调度模型

针对传统的集群调度模型效率低下不足以满足用户需求的问题,本文提出一种基于模糊聚类的分类负载均衡调度模型。首先,构建任务请求的指标体系以完成数学模型的建立;接着,采用基于模糊C均值聚类算法的改进算法对请求分类,即用改进的最小支撑树算法获取初始中心,有效性测度获取其分类个数,BP神经网络算法提高其学习能力;然后,采用两次分类的方法对服务器分类,预聚类对服务器进行功能预聚类,模糊关联聚类按处理负载能力对其分类;最后将分类调度模型在CloudSim下仿真实验,通过对比其他调度算法得到分类调度模型更具适应性和高效性,具有工程指导意义。