基于Globus网格服务的作业调度的实现

为了实现作业调度系统的均衡分布,提高资源利用率和系统的吞吐率,通过对网格服务的研究,设计并实现了一种基于Globus网格服务的作业调度系统。提出了网格服务的模式,给出了作业调度系统的结构形式;设计并实现了一种综合考虑作业数、各结点性能以及当前负载情况的作业调度分配器系统。实验结果表明,此分配器系统能有效改善作业的分配和调度,大大提高分布式网络资源的利用率。     

基于G1obus网格服务的作业调度的实现

为了实现作业调度系统的均衡分布,提高资源利用率和系统的吞吐率,通过对网格服务的研究,设计并实现了一种基于Globus网格服务的作业调度系统.提出了网格服务的模式,给出了作业调度系统的结构形式;设计并实现了一种综合考虑作业数、各结点性能以及当前负载情况的作业调度分配器系统.实验结果表明,此分配器系统能有效改善作业的分配和调度,大大提高分布式网络资源的利用率.     

计算网格中动态负载平衡的分布调度模式

网格计算下对资源进行有效的管理和调度可以提高系统的利用率.在对现有若干调度方法的研究和分析基础上,针对计算网格中的负载平衡问题,提出了一种分布式网格作业调度模型,并给出相关算法.算法通过建立主从模式的负载信息收集机制,提供给节点全局负载信息,加速重负载节点的负载转移速度.通过有效的负载平衡模式,解决资源调度中负载平衡及其可靠性问题.     

基于性能量化矩阵的计算网格作业调度算法研究

提升计算网格系统运行效率的关键在于作业调度算法,如何综合各种因素使得调度策略更为全面是一个有挑战性的问题.通过建立网格资源性能量化矩阵,构建了一个作业调度模型,并基于此模型给出了一个具体的作业调度算法.通过性能分析和实验仿真,该算法在运行时间、占用资源等方面都有较大的改善,能较好地适应网格系统的动态性和可扩展性特点,提高了作业调度效率.     

基于SGE的仿真网格及其作业调度研究

网格引擎是一个构建本地和集群网格的工具,其框架是由四种类型的主机及其对应的守护进程构成.该文主要研究了通过SGE框架构建分布式仿真网格平台的方法,描述了仿真网格平台上执行用户提交的仿真任务的工作流程.随后讨论了基于SGE仿真网格中的资源组织和作业调度,并分析了仿真网格中所使用的作业调度算法,包括确定作业顺序的FIFO算法、优先级算法、等额度和日历算法等;确定队列顺序的负载调整、队列号等算法等.     

遗传优化的混合网格计算调度模型SCE部署研究

网格计算涉及的资源通常存在区域和组织差异,涉及的作业(Job)则存在数据和计算两种密集类,针对具有混合特征的网格计算,提出了基于SCE中间件的遗传优化网格作业调度算法.首先分析了具有不同密集类型Job的混合网格计算模型,得到作业与资源的属性表示,以及作业调度与资源之间的约束关系.然后根据混合网格计算模型分析,将其转化成约束条件下的最优解问题,引入改进遗传算法进行求解.在种群初始化时根据适应性筛选出一部分样本作为初始种群,利用高质量样本启发寻优,降低进化代数;同时针对每个染色体的作业执行速度和染色体内每个作业的执行速度依次设计适应性,从而加速收敛;通过适应性修正、交叉和变异处理,防止种群出现过早或者局部收敛,并且增加种群多样性.最后基于SCE部署作业调度,从中间件进一步提升作业调度效率,减少出错.实验结果表明,基于SCE中间件的遗传优化网格作业调度算法能够有效抑制执行错误的发生,提升作业调度与资源配置的效率,降低作业调度响应时间.     

基于蚁群优化算法的服务网格的作业调度

提出了利用蚁群算法来优化服务网格的作业调度系统的方法和一个两层的作业调度模型，该模型可以在网格的动态和异构环境下实现对作业执行时间的预测，然后根据作业的预测执行时间并利用蚁群优化算法使适应函数取得最小值，从而得到最优化的作业调度。基于开发的校园网格实验床，通过实验显示该方法可以优化服务网格的性能，减少作业的平均执行时问，提高系统的吞吐率。     

网格调度综述

简要地分析了网格资源的特点,给出了网格作业调度过程中所面临的主要挑战.为了便于对网格调度有更清晰的认识,介绍了包含网格系统主要功能模块的网格调度体系结构,并结合特定作业具体介绍了网格作业调度流程.从3个不同的角度重点对网格环境中的作业调度算法进行了详尽介绍,并就各种调度算法的优缺点和适用情形进行了比较和分析.对网格调度进行了总结,并从几个不同的方面对网格调度算法的研究进行了展望.     

多QoS约束网格作业调度问题的多目标演化算法

针对网格计算中的多QoS约束网格作业调度问题,以独立作业为研究对象,将其规约为多目标组合最优化问题．通过深入剖析多目标最优化理论及其演化算法,结合网格作业调度自然特征,提出了一种解决多QoS约束网格作业调度问题的多目标演化算法．该算法求解多个QoS维度效用函数指标的非劣解集,尝试解决多管理域间网格用户、资源管理者等网格实体的多目标协同问题．仿真结果表明,在时间维度、可靠性维度、安全性维度QoS效用值等用户级QoS指标,以及丢弃作业数等系统级指标方面该算法与QoS-Min-min和QoS-Sufferage等同类算法相比具有较好的综合性能．     

基于遗传算法的网格服务工作流调度的研究

网格服务的提出为网格工作流的研究提供了新的契机与挑战,由网格服务组成的工作流（GSF）的调度问题是一个典型的NP问题。利用遗传算法所具有的并行性和全局解空间搜索的特点,针对网格服务调度问题,提出基于遗传算法的网格服务工作流调度算法GSFGA,并改进了遗传算法的收敛特性,通过分析实验结果证明该算法优于传统的调度算法。     

基于云理论的网格资源选择

资源选择是影响网格调度和系统效率的关键,针对网格资源选择中用户对服务质量(QoS)的定性描述和调度的自私性,提出了利用云理论实现资源选择的方法。在深入分析QoS参数的云理论模型基础上,提出了以资源代理实现云模型资源选择的体系结构,设计了相应的调度算法。实验表明,该算法在资源调度率和吞吐量以及系统资源的利用效率等方面体现出良好的特性,同时克服了用户定义QoS参数的困难,达到了优化调度的目的。     

基于多QoS属性的分类优化调度算法

实现用户的服务质量（Qos）是网格计算中力求达到的重要目标,网格资源的分布性、异构性、动态性等特征使网格环境下以服务质量为指导的资源调度成为一个复杂的问题,尤其是在用户的任务具有多种QoS属性的情况下。该文利用经济模型研究网格QoS控制的资源分配问题。以效用最大化为目标通过综合效用函数量化服务质量,设计了在时间和费用受限情况下对任务进行分类的优化调度算法,该调度算法满足用户多QoS属性。仿真实验显示了该算法的有效性。     

网格环境下一种可调目标的启发式调度策略

针对网格环境下不同类型的任务执行时间相差较大的问题,提出了基于任务平均执行时间的忍耐度的概念,重新构造了启发式规则,体现了任务QoS的要求;并将这种服务质量的需求与任务完成时间相结合,给出了一个可调节的局部目标函数,实现了一种基于任务完成时间和任务服务质量的启发式调度算法OA-Sufferage;最后,给出了服务率(service ratio)的概念和定义,定量地衡量任务得到的服务质量.实验结果表明,该策略优先调度那些等待时间相对于执行时间较大的任务,提高了任务的服务率;而且可以通过调节局部目标函数中的偏好因子(preference factor),追求任务完成时间和QoS的不同目标,更加适合开放复杂的网格环境.     

Tradeoffs between energy consumption and QoS in mobile grid

Mobile grid, which combines grid and mobile computing, supports mobile users and resources in a seamless and transparent way. However, mobility, QoS support, energy management, and service provisioning pose challenges to mobile grid. The paper presents a tradeoff policy between energy consumption and QoS in the mobile grid environment. Utility function is used to specify each QoS dimension; we formulate the problem of energy and QoS tradeoff by utility optimization. The work is different from the classical energy aware scheduling, which usually takes the consumed energy as the constraints; our utility model regards consumed energy as one of the components of measure of the utility values, which indicates the tradeoff of application satisfaction and consumed energy. It is a more accurate utility model for abstracting the energy characteristics and QoS requirement for mobile users and resources in mobile grid. The paper also proposes a distributed energy–QoS tradeoff algorithm. The performance evaluation of our energy–QoS tradeoff algorithm is evaluated and compared with other energy and deadline constrained scheduling algorithm.     

一种基于改进蚁群算法的网格任务调度算法

在网格计算中,任务调度是影响系统性能和服务质量的重要问题。文章在考虑截止时间和花费两项用户QoS需求的基础上,提出了一种基于蚁群算法的网格任务调度算法。该算法先采用GC（Greedy Cost-Time Distribution）算法求解,将所得解转化为蚁群算法的初始信息素分布,然后利用蚁群算法获得调度解。模拟实验结果表明：在网格环境下,该调度算法具有明显的优势。     

A rotary chaotic PSO algorithm for trustworthy scheduling of a grid workflow

In this paper, a rotary chaotic particle swarm optimization (RCPSO) algorithm is presented to solve trustworthy scheduling of a grid workflow. In general, the grid workflow scheduling is a complex optimization problem which requires considering various scheduling criteria so as to meet a wide range of QoS requirements from users. Traditional researches into grid workflow scheduling mainly focus on the optimization constrained by time and cost. The key requirements for reliability, availability and security are not considered adequately. The main contribution of this study is to propose a new approach for trustworthy workflow scheduling in a large-scale grid with rich service resources, and present the RCPSO algorithm to optimize the scheduling performance in a multi-dimensional complex space. Experiments were done in two grid applications with at most 120 candidate services supplied to each task of various workflows. The results show better performance of the RCPSO in solving trustworthy scheduling of grid workflow problems as compared to GA, ACO and other recent variants of PSO.     

一种网格资源调度中QoS的最大化匹配算法

针对网格资源选择中复杂的QoS参数处理和精确匹配导致的资源调度率低下问题,将QoS参数按性质分类,定义了QoS参数距离,实现QoS参数相似性判断,由此提出了一种软化的参数处理模型,给出了一种最大化匹配调度算法。实验表明,该算法提高了系统吞吐量、任务满足率、资源调度率和整个系统资源利用率。     

Utility-based QoS optimisation strategy for multi-criteria scheduling on the grid

The paper presents quality of service (QoS) optimisation strategy for multi-criteria scheduling on the grid, based on a mathematical QoS model and a distributed iterative algorithm. Three QoS criteria are considered, namely payment, deadline and reliability, which are formulated as utility function. The optimisation problem is split into two parts: task optimisation performed on behalf of the user and resource optimisation performed on behalf of the grid. The strategy employs three types of agents: task agents responsible for task optimisation, computation resource and network resource agents responsible for resource optimisation. The agents apply economic models for optimisation purposes. Dynamic programming is used to optimise the total system utility function in terms of an iterative algorithm. The objective of multi-criteria scheduling is to maximise the global utility of the system. This paper proposes an iterative scheduling algorithm that is used to perform QoS optimisation-based multi-criteria scheduling. The proposed QoS optimisation-based multi-criteria scheduling problem solution has been practically examined by simulation experiments.     

云工作流中基于分时虚拟机的任务层调度算法

云计算是新的一种面向市场的商业计算模式,向用户按需提供服务,云计算的商业特性使其关注向用户提供服务的服务质量。任务调度和资源分配是云计算中两个关键的技术,所使用的虚拟化技术使得其资源分配和任务调度有别于以往的并行分布式计算。目前主要的调度算法是借鉴网格环境下的调度策略,研究基于QoS的调度算法,存在执行效率较低的问题。我们对云工作流任务层调度进行深入研究,分析由底层资源虚拟化形成的虚拟机的特性,结合工作流任务的各类QoS约束,提出了基于虚拟机分时特性的任务层ACS调度算法。经过试验,我们提出的算法相比于文献[1]中的算法在对于较多并行任务的执行上存在较大的优势,能够很好的利用虚拟的分时特性,优化任务到虚拟机的调度。     

基于云模型的网格QoS参数归约与调度优化

针对网格资源调度中用户对QoS的定性描述,利用云模型实现资源调度中的QoS匹配。深入分析了QoS参数云的特征,提出了QoS云处理模型,通过该模型,将离散的多个QoS参数归约到一个定性的概念上;设计了实现参数归约的体系结构;给出了基于定性概念的资源调度算法。实验表明,所提出方法在资源调度率和吞吐量以及系统资源的利用效率等方面体现出良好的特性,实现了基于定性概念的调度,达到了优化调度的目的。