面向云数据中心的能耗管理

云计算作为一种新的分布计算技术,变得越来越流行,正快速改变不同应用的计算环境.在云数据中心中,电力的消耗越来越严重,随着全球能源的涨价,数据中心的能耗成本也在增加.云计算的一个主要目标是通过规模经济为用户提供省钱的服务,而这些云服务的能耗成本已经非常显著,因此,如何提高整个云平台的能耗效率变得越来越重要.本文分析了云计算中心能耗的组成,对云数据中心能耗管理的相关研究进行分类、分析与总结,最后,对未来的研究发展趋势提出观点.     

基于协同禁忌优化模式的云计算强安全约束工作流调度策略

针对当前广泛使用的云计算工作流调度方法过多侧重于可靠性和节能等方面的优化,而忽略安全性约束要求,基于协同禁忌算法设计了一种能实现云计算工作流高效调度的方法,该方法具有安全性约束。首先对云计算工作流调度的DAG图进行定义,形式化描述安全性约束,建立云计算工作流调度的数学模型;然后基于经典的协同禁忌算法设计解的编码方式、适应度函数、变邻域结构和双禁忌表,改进了经典的协同禁忌算法;对基于该协同禁忌算法实现对云计算工作流调度的算法进行定义;最后基于云计算仿真环境Cloud-Sim进行了实验,实验结果表明,所设计的算法收敛速度较快,且其较快地寻找到了相对于其他方法更佳的调度方案,符合安全性约束要求,是一种实用的调度方法。     

基于模糊控制的启发式工作流引擎负载均衡策略

针对分布式工作流引擎中的负载均衡问题,提出了一种新的算法,即启发式模糊算法,将传统控制理论中的模糊控制和启发式策略应用到了工作流负载均衡中。最后在一个基于JINI的分布式网络系统中实现了该算法,并且给出了其与其他几种经典算法进行比较的实验结果。结果表明,启发式模糊算法提高了工作流引擎服务的整体响应时间,使得资源得到了更加合理的利用。     

一种基于动态关键路径的云工作流调度算法探讨

云工作流调度算法是信息传输和沟通的主要方式。为适应当前活动实践需求,将云计算作为计算机运转调节的主要手段,合理进行云环境下工作调度因素的调节,在探索信息技术沟通渠道创新中发挥着不可忽视的作用。文章结合国内技术分析的基本情况,首先阐述了云工作流调度算法路径研究价值,其次着重从集合式工作调度、单元限制条件分析等方面,探究一种基于动态关键路径的云工作流调度算法要点,以达到明确技术关键条件,促进云工作服务手段调节革新的目的。     

移动边缘计算环境下基于移动感知的工作流调度算法

移动边缘计算环境下,用户可将本地的计算密集型任务卸载至边缘服务器,从而缩短工作流的完工时间并节省设备能耗。然而,许多研究忽略了用户移动导致的网络连接变化对工作流调度的影响。针对现有算法中存在的卸载不合理问题,文中提出了基于移动感知的工作流调度算法MaWS。该算法通过预测用户移动轨迹得出未来可通信的基站集合,并融入遗传算法,制定合理的任务执行顺序和执行位置。仿真结果表明,相比HEFT和Greedy等算法,MaWS算法能够有效缩短10%～15%的工作流完工时间并降低8%～13%的设备能耗,为移动边缘计算下的工作流调度提出一种有效方案。     

基于迁移策略的动态工作流的研究与设计

为了使工作流系统能够在运行过程中支持过程定义的动态可变,探讨工作流在过程方面发生动态修改的分类,分析重启、继续执行、迁移等多种动态修改策略的优缺点,重点研究了迁移策略的实现,提出了一种基于迁移策略的动态工作流的设计方法。该方法首先加载数据表中的过程定义信息,并根据反射机制动态创建相应的工作流对象及其方法。然后设计了一种迁移策略执行算法,根据迁移规则XML配置文件,动态完成运行时的旧工作流到新工作流的转换,从而提高了工作流系统的动态性。     

面向网格工作流的松弛预留策略

针对网格任务倾向于高估预留时间的事实,提出一种支持叠交预留请求的松弛预留策略,用于降低预留机制对系统性能的负面影响。理论分析给出了违约风险的量化计算方法,并针对工作流的协同预留问题设计了相应的预留接纳算法。实验结果显示,松弛策略在面对较高的预留请求率时能显著降低预留机制对系统性能所造成的负面影响;基于实际工作流的实验结果显示,该策略能有效降低由于高估预留时间而导致的任务执行效率损失。     

基于策略的工作流系统研究

结合互联网工程任务组(Internet Engineering Task Force,IETF)提出的策略的概念和策略部署模型,提出了一种基于策略的工作流系统,并结合工作流系统的特点,提出了描述工作流策略语言,并给出了使用基于策略扩展的Petri网建立工作流过程模型的方法。基于该元模型的定义的工作流具有较好的灵活性,并对工作流的运行期实例的动态修改提供了支持。     

云计算中基于能耗比例模型的虚拟机调度算法

针对资源虚拟化环境中的混合型负载调度问题,提出一种基于能耗比例模型的虚拟机调度算法.该算法利用处理器的"性能计数器"机制来评估各个虚拟机的近期能耗状态,并采用"最近最小能耗比例优先"的策略进行调度.理论分析给出了该算法的有效性证明和相关特性.实验结果显示,当系统面对混合型负载时,基于能耗比例模型的调度算法在"调度偏差"和"相对能效"两方面明显优于现有的虚拟机调度算法.     

云计算数据中心可扩展服务器的能耗管理与优化

通过对云计算数据中心可扩展服务器功耗管理相关研究的分析,设计了云计算能耗优化管理的架构,并提出数据中心服务器节能优化机制流程图,在广泛支持的DVFS技术能耗特性基础上,提出效能优化策略,通过转移高负载,经转化高负载的主机成为低负载的主机,实现云计算数据中心可扩展服务器能耗管理的优化。采用内存为12 GB的12台主机和1台处理能力为3 200 MIPS的处理器组成数据中心进行仿真实验,结果表明,提出的效能优化策略比无迁移策略节省能耗约24.33%,比DVFS策略节省能耗约15.23%,且综合性能要优于其他两个策略,采用提出的策略可进行云计算数据中心扩展服务器能耗使用的优化。     

An agent‐based workflow scheduling mechanism with deadline constraint on hybrid cloud environment

Summary

With the advances of cloud computing, business and scientific‐oriented jobs with certain workflows are increasingly migrated to and run on a variety of cloud environments. These jobs are often with the property of deadline constraint and have to be completed within limited time. Therefore, to schedule a job with workflow (short for workflow) with deadline constraint is increasingly becoming a crucial research issue. In this paper, we, based on previous work, propose an agent‐based workflow scheduling mechanism to schedule workflows that are with deadline constraint into federated cloud environment.

Design and Methods

We add a workflow agent into the original framework to schedule the deadline‐constraint workflow. The workflow agent can smoothly schedule workflows to the cloud system according to their required resource and automatically monitor their execution. In order to accurately predict the execution time of each task to meet deadline constraint on certain VM with given resource, we inherit the use of rough set theory to estimate execution time of task in our previous work.

Result and Discussion

A heuristic algorithm that is embedded into the workflow agent is also proposed because the problem had been shown to be NP‐complete. The mechanism also adopts dynamic job dispatching method to reduce the usage of VM and to improve the resource utilization. We also conducted experiments to evaluate the efficiency and effectiveness.

Conclusion

The experimental results show that the prediction time is very close to the real execution time and can efficiently schedule multiple scientific workflows to meet the deadline constraints simultaneously.     

A workflow task scheduling algorithm based on the resources' fuzzy clustering in cloud computing environment

Cloud computing is the key and frontier field of the current domestic and international computer technology, workflow task scheduling plays an important part of cloud computing, which is a policy that maps tasks to appropriate resources to execute. Effective task scheduling is essential for obtaining high performance in cloud environment. In this paper, we present a workflow task scheduling algorithm based on the resources' fuzzy clustering named FCBWTS. The major objective of scheduling is to minimize makespan of the precedence constrained applications, which can be modeled as a directed acyclic graph. In FCBWTS, the resource characteristics of cloud computing are considered, a group of characteristics, which describe the synthetic performance of processing units in the resource system, are defined in this paper. With these characteristics and the execution time influence of the ready task in the critical path, processing unit network is pretreated by fuzzy clustering method in order to realize the reasonable partition of processor network. Therefore, it largely reduces the cost in deciding which processor to execute the current task. Comparison on performance evaluation using both the case data in the recent literature and randomly generated directed acyclic graphs shows that this algorithm has outperformed the HEFT, DLS algorithms both in makespan and scheduling time consumed. Copyright © 2014 John Wiley & Sons, Ltd.     

Scheduling strategy for science workflow with deadline constraint on multi-cloud

In view of the deadline-constrained scientific workflow scheduling on multi-cloud,an adaptive discrete particle swarm optimization with genetic algorithm (ADPSOGA) was proposed,which aimed to minimize the execution cost of workflow while meeting its deadline constrains.Firstly,the data transfer cost,the shutdown and boot time of virtual machines,and the bandwidth fluctuations among different cloud providers were considered by this method.Secondly,in order to avoid the premature convergence of traditional particle swarm optimization (PSO),the randomly two-point crossover operator and randomly one-point mutation operator of the genetic algorithm (GA) was introduced.It could effectively improve the diversity of the population in the process of evolution.Finally,a cost-driven strategy for the deadline-constrained workflow was designed.It both considered the data transfer cost and the computing cost.Experimental results show that the ADPSOGA has better performance in terms of deadline and cost reducing in the fluctuant environment.     

带准备时间和截止期约束的云服务工作流调度算法

带准备时间和截止期约束的云服务工作流费用优化是一个新的云计算资源优化分配问题。分析该NP-hard问题特征,建立相应的整数规划数学模型。构建有效的变量取值概率模型和更新机制,提出高质量初始群体的启发式生成方法;提出混合的分布估计算法（HEDA）,引入个体向全局最优解学习的策略,提高算法的全局搜索和局部优化能力。模拟实验结果表明此提出的方法在合理的CPU时间内可有效减少工作流费用。     

基于动态域划分的 MapReduce 安全冗余调度策略简

MapReduce现有调度策略无法实现云环境中多租户作业的安全隔离。提出一种基于动态域划分的安全冗余调度策略：通过引入冲突关系、信任度、安全标签等概念,建立一种动态域划分模型,以将待调度节点划分为与不同租户作业关联的冲突域、可信域或调度域;结合冗余方式,将租户作业同时调度到其可信域节点和调度域节点(但不允许为其冲突域节点),通过二者执行环境和部分计算结果的一致性验证决定是否重新调度。实验分析了其有效性和安全性。     

基于元组空间的网格工作流调度机制

为了满足网格工作流调度进程中交互活动的灵活性和多样性,提出了一个基于扩展元组空间的工作流调度机制。这种扩展的元组空间引入了交互通道的概念,增加了触发和过滤规则。论证及实例研究表明这种工作流调度机制在元组操作方面更具有针对性和安全性。使用该机制的体系结构和编程接口,将有利于在工作流的调度中平衡信息的开放性和保护性。     

云计算环境下能量感知的任务调度算法

云计算环境下传统独立任务调度算法容易导致较高资源能耗或较大任务时间跨度.针对该问题,文中提出了两种能量感知的任务调度算法,并利用遗传算法并行化搜索合理调度方案.两种算法在搜索过程中,分别通过能耗时间归一和能耗时间双适应度方法定义适应度函数并进行个体选择.仿真结果表明,与单独考虑时间或能耗相比,这两种算法能够更有效地缩短任务执行时间跨度,降低资源能耗.