云计算中面向SLA的作业分层优先级调度策略

为了满足云计算中服务提供商和服务消费者双方协商的服务等级协议(SLA),提出在云计算环境下采用元调度和本地调度两层框架结构;在每层上采用了多级反馈队列调度算法,设置了基于截止期限、短作业优先等不同优先级的队列,并设计元调度器完成资源的分配和监控。实验仿真结果表明,该调度策略可以满足用户对作业处理时间的需求,保障了云计算SLA。     

E-Aalo:面向无先验知识Coflow的高效多级队列调度

过高的Coflow调度时间将会导致数据中心性能下降，如何减小数据中心中语义相关流(Coflow)的平均完成时间是目前数据中心网络流量调度需要解决的重点问题。为了降低先验未知情况下的Coflow调度的时间，提出一种面向无先验知识Coflow的高效多级队列调度E-Aalo(Enhanced-Aalo)。采用Coflow流量放置策略选择合适的节点减少Coflow中需传输的数据量，降低Coflow调度的平均完成时间。通过提前调度多级队列中低优先级队列流量进一步优化Coflow调度的平均完成时间。实验结果表明，与已有的Aalo方法相比，Coflow调度平均完成时间降低了12.28%,更接近先验已知情况下的最优调度。     

多级反馈队列调度策略在Linux中的应用和实现

Linux操作系统作为日益流行的服务器操作系统，目前已得到广泛应用。该文分析了当前在Linux系统中进程调度策略的不足，探讨了在Linux系统中对多级反馈队列调度策略的应用和实现，提出了对Linux内核的修改方法。     

基于李雅普诺夫优化的容器云队列在线任务和资源调度设计

为在保证任务服务质量（QoS）的条件下提高容器云资源利用率，提出一种基于李雅普诺夫的容器云队列任务和资源调度优化策略。首先，在云计算服务排队模型的基础上，通过李雅普诺夫函数分析任务队列长度的变化；然后，在任务QoS的约束下，构建资源功耗的最小化目标函数；最后，利用李雅普诺夫优化方法求解最小资源功耗目标函数，获得在线的任务和容器资源的优化调度策略，实现对任务和资源调度进行整体优化，从而保证任务的QoS并提高资源利用率。CloudSim仿真结果表明，所提的任务和资源调度策略在保证任务QoS的条件下能获得高的资源利用率，实现容器云在线任务和资源优化调度，并且为基于排队模型的云计算任务和资源整体优化提供必要的参考。     

虚拟时钟调度算法研究

FIFO队列调度算法由于实现简单、执行效率高而在网络中得到大量的应用，但FIFO队列无法实现对资源的分配；男种调度算法公平队列调度则可以实现对带宽资源的公平分配，但是它存在可扩展性问题。而基于虚拟时钟的算法在实现对资源进行公平分配的同时具备良好的可扩展性，从而能够满足QoS控制中对于分组调度算法的需求。本文主要对一些基于虚拟时钟的度算法进行了分析和讨论，这也是进行QoS控制研究的基础。     

一种面向BSP系统的多等待队列作业调度算法

在以往的BSP（Bulk Synchronous Parallel）系统中,作业调度都是采用基于单队列的优先级调度策略.它的优点是实现简单,但作业队列维护开销大,低优先级作业存在无限等待的问题.论文提出了面向BSP系统基于多等待队列的按优先级作业调度算法,以高响应比优先级队列为作业组织方式,并加入了作业优先级的动态调整策略,避免了低优先级作业因长期得不到执行而废弃的情况.目前,论文所提算法已成功运行于BC-BSP系统中.文中通过实验进一步证明,融合了作业优先级调整策略的基于多等待队列的作业调度算法较传统的单队列优先级调度算法在队列维护方面,能降低30％～50％的维护代价.另外,在兼顾作业的初始优先级的同时,能够减少低优先级作业的等待时间,避免低优先级作业的无限等待问题.     

基于遗传算法的商用车辆调度策略研究

抽象出运输车辆调度问题的一类特征和需求，以传统遗传算法为基础并加以改进，提出了一种适用于商用车辆的调度策略。该策略与GIS、GPS和GSM技术相结合，成功解决了某市公交燃料配送车辆的优化调度问题，提高了燃料配送效率。文中还对适应值函数、编码方式等关键点进行了详细阐述。     

TinyOS中多优先级任务队列调度策略研究

针对TinyOS先来先服务调度策略中重要任务不能及时响应的不足,提出一种基于多优先级任务队列的调度策略。该调度策略将原来一个任务队列增加为三个优先级队列并引入抢占机制,最高优先级队列中的任务在满足抢占原则时才可以抢占其他队列正在执行的任务,任务只能在不同队列之间发生抢占,这样既减少了上下文切换,又保证了重要任务的优先执行。实验结果表明,该调度策略在不影响原有系统性能的情况下,提高了TinyOS对重要任务的响应性能。     

基于队列长度的上行资源调度性能分析及策略

对无线通信网络上行队列调度进行了分析和设计.提出一种基于队列长度的上行资源调度策略,建立了数学模型,采用双随机泊松过程模型,对上行资源调度进行了理论分析,推导提出了衡量调度性能的参数:延时和带宽利用率.将该策略应用于基于IEEE 802.16d的无线网络,数值分析和仿真结果表明,所提算法能对上行资源进行优化配置,实现系统所需的QoS服务.     

考虑截止资源公平调度的雾计算任务卸载

为解决雾计算网络中不同延迟期限的任务卸载问题,合理分配计算资源,提出一种考虑截止资源公平调度的雾计算任务感知卸载算法。首先,提出考虑计算资源公平的调度策略,确保在各自截止时间内完成的任务数量实现最大化,同时使网络具有很强的稳定性;然后,利用李雅普诺夫漂移加惩罚函数对任务队列长度进行调度,并设计调度策略决定要卸载到欠负载雾节点的任务数量,以充分利用网络中所有雾节点提供的计算资源;最后,仿真实验结果表明,该雾计算任务调度策略要优于选取的对比任务调度策略。     

一种基于多优先级队列和QoS的服务调度策略

针对网格服务流程的特点,在多维调度策略分析基础之上,提出基于多优先级队列和QoS的服务调度模型,并给出划分逻辑子网的思想,为具有不同需求的不同服务分配到最佳资源并得到最优处理.实验对资源调度公平性、服务请求响应时间等指标进行了测试,充分表明该调度模型的有效性.     

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。     

一种适用突发流量的数据中心网络流调度策略

云数据中心网络的流调度问题是当下的一个研究热点.比较具有实用性的流调度是不假设流信息预先可知,但目前这类流调度方案在流量突发时的表现并不理想.提出了一种针对流量突发情况的流调度方案,通过将每流排队与多级反馈队列调度相结合,实现了一个基于流隔离的多级调度方案FISH,解决了流量突发情况下不同流的排队竞争问题.实验结果表明,该方案性能稳定,可以将小流完成时间降低8.6%以上.     

输入缓冲交换开关的多步调度策略

输入缓冲交换开关已经在越来越多的ATM交换机和高性能路由器中使用.对于独立的信元到达,VOQ(virtual output queueing)技术与LQF(1ongest queue first)和OCF(oldest cell first)等加权调度算法的结合使用可以使利用交换开关的吞吐率达到100%.然而LQF和OCF等加权调度算法过于复杂,无法用硬件实现.提出了多步调度策略,使得用硬件实现加权调度算法成为可能.在该策略下,对于独立的信元到达,LQF算法仍可以达到100%的利用开关吞吐率,并具有良好的     

基于瓶颈感知的多级反馈队列Coflow调度机制

Coflow作为并行计算框架的典型流量模型,降低Coflow的完成时间（CCT）成为云计算领域的研究热点。现有Coflow调度机制未考虑云数据中心内网络瓶颈问题,容易造成网络拥塞,导致CCT增加。针对该问题,构建基于瓶颈感知的Coflow调度机制Bamq。利用Lagrange对偶优化Coflow调度模型,以加快Coflow流速并增大吞吐量,从而降低CCT。通过设计多级反馈队列机制,降低吞吐量对网络拥塞产生的影响,根据已发流的大小、宽度和流速信息,构建瓶颈因子以动态调整多级队列的优先级,实现拥塞感知,提高Coflow调度性能。在Facebook真实数据集上进行实验,结果表明,相比Baraat、Varys、Aalo机制,该机制的CCT平均缩短21.3%,吞吐量平均提高17.9%,能够有效提高链路的利用率。     

基于二阶段调度和Web服务的协作计算模式

对面向服务的协作计算和资源调度机制进行了分析,根据网络资源的区域密集特性,提出了二阶段的调度策略和区域主机的竞选策略和算法。这种优化使得在大学校园、社区等密集地区的分布式计算能力和效率得到较大的提高。同时给出了基于服务和二阶段调度的2PSM模型。     

基于优先级的访存调度算法研究

文章研究了存储控制器中的访存调度策略,提出了基于优先级的访存调度算法。首先使用遗传算法建立有效的数据源,然后对得到数据源应用统计进行调度优先级挖掘,共获取三个优先级别,这样仅使用这三个优先级构造调度算法进行访存序列调度。实验结果表明,提出的算法很好地降低了访存序列的运行时间,优化效果接近于文献[4]中提出的贪婪访存调度算法,但算法运行时间却远小于后者。