价值密度—截止期—回填的网格作业调度算法

在商业网格和云计算环境中,作业有到达时间、计算量、预算、截止期等属性,区分作业的重要性和紧迫性是调度系统的关键问题之一。现有的作业优先级只考虑作业的单个或部分属性。综合考虑以上提及的四个属性,定义了基于价值密度和相对截止期的作业优先级,提出了基于价值密度和相对截止期的网格作业调度算法,并结合回填算法(EASY backfilling)来提高资源的利用率。仿真结果显示,基于价值密度和相对截止期的作业优先级很好地体现了作业的重要性和紧迫性;而回填算法在提高资源利用率上对某些优先级策略效果显著,有些则效果不明显。     

有预算和截止期约束的网格作业调度算法

在商业网格计算环境中,作业有预算和截止期限制。如何向消费者提供有质量保障的服务,同时考虑服务提供者的利益,是一个关键问题。现有的作业调度算法只从消费者的角度出发对作业完成的时间和成本进行优化。同时从消费者和服务者的角度,利用作业的属性定义了作业的价值密度,在此基础上提出了高价值密度优先的网格作业调度算法HVDF。仿真结果表明,HVDF算法在实现价值率和按时完成作业数两个性能指标上优于现有算法。     

结合价值密度和截止期的网格实时作业调度

在商业网格和云计算环境中,作业有到达时间、计算量、预算、截止期等参数,其中,预算是时间的函数。准确区分作业的重要性和紧迫性是作业调度系统的一个关键问题。综合利用这四个参数来定义作业的优先级,并提出基于价值密度和相对截止期的网格作业调度算法。分别对弱实时和强实时网格作业的调度进行仿真。仿真结果显示,所提出的调度算法的性能在两种情况下都优于所有对比算法的性能,且在强实时作业情况下优势更明显。     

基于插件机制的网格作业调度研究

根据网格计算中作业调度的特点,基于Platform公司的LSF系统,提出一种适合管理网格系统中作业调度策略的方案——插件机制。鉴于插件即插即用、易于扩充和实现的优势,对网格系统中的调度模块以插件的形式进行管理,以提高系统的整体调度性能,并为第三方软件提供良好的接口。     

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。     

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。     

考虑本地作业流时的网格资源调度算法

研究了网格资源上有和没有本地作业流两种情况下两种网格资源调度算法的性能优劣对比情况。建立了一个资源的本地随机作业流模型,提出了最快处理器可用资源优先(HRARF)和最适合作业并行度可用资源优先(MSNARF)两种网格资源调度算法,并对所提出的两种算法在资源有和没有本地作业流两种情况下调度网格作业的完工时间进行仿真。仿真结果显示,在资源负载较重时,在有和没有本地作业流两种情况下,HRARF和MSNARF两种算法的性能优劣对比正好相反。在网格中,两种算法在资源共享时和资源独占时的性能优劣对比可能不同。     

信任驱动的网格作业调度遗传算法

作业调度是网格计算的关键技术之一.近年来,人们将信任机制融入到作业调度算法中,以满足作业调度对网格服务质量提出的需求.根据一信任模型,设计了求解基于该信任模型的遗传算法,该算法在保持种群多样性的同时,提高了局部搜索能力.仿真结果表明,该算法可以获得较好的调度结果,且收敛速度快.     

一种基于预测的反馈网格作业调度模型*

网格计算中的资源是动态和异构的,常规的静态作业调度方法不适宜网格计算环境,对于网格计算中一类并行计算的有效执行有赖于网格资源（CPU和网络带宽等）与作业的有效匹配。提出了一种基于资源预测结果对作业进行调度的策略,首先阐述了网格主机负载预测的研究成果——IAR模型,并提出了一种预测网络带宽的工具——网络性能平面,利用资源预测结果构造了一种反馈作业调度模型并对一类基于时间平衡的作业进行实验。结果表明,该模型在与其他诸多方法比较中,取得了执行时间较短和稳定性较好的效果。     

一种基于历史信息的自适应动态网格作业调度方法

目前,国内外围绕着网格中的作业调度算法已做了大量研究,先后提出了很多调度算法.但是,这些算法并不能很好地适应网格的动态性、自治性和分布性等特征.对此,提出了一种动态的网格作业调度方法-基于历史信息的自适应动态网格作业调度方法ASHI.该方法利用每个资源上最近作业的执行信息自适应调整预测模型,然后再根据网格的动态性和实时性等因素,对资源进行反馈选择后将作业提交负载较轻的资源上执行.实验证明,ASHI不但能及时有效地对作业进行调度,而且还可有效提高整个网格的吞吐量和均衡系统的负载.     

云计算环境下基于时间期限和预算的调度算法

现有的云计算作业调度算法研究较少考虑时间期限和预算对作业调度策略的影响.针对动态变化的云计算环境下,具有时间期限和预算双重约束的用户需求优化问题,提出一种改进的云计算调度算法,设计权值计算模型、预算评价模型和权值更新模型,通过动态调节作业权值和最小资源槽数来控制集群对资源的分配.在Hadoop平台上进行实验,结果表明,该算法能减少作业响应时间,并且可在满足用户对时间期限和预算的需求基础上,最大化云计算集群中运行的作业数,提高不同用户在时间和预算需求上的公平性.     

TD_Max-min:信任驱动的网格任务调度新算法

利用信任机制的概念,对传统的Max-min调度算法进行改进,提出一种信任驱动的网格任务调度算法——TD_Max-min。在相同的假定条件设置下,将其与现有的TD_Min-min算法和TD_Sufferage算法进行仿真和比较研究。结果表明,信任驱动的网格调度算法不仅优于传统的基于时间的调度算法,而且当具有强信任关系的任务数量大于弱信任关系及无信任关系的任务数量时,TD_Max-min算法的调度性能明显优于TD_Min-min算法。     

一种基于信任的网格资源调度算法

介绍了信任关系量的化方法,然后根据任务的安全性要求设置任务的优先级,对已有的信任驱动的网格调度算法进行改进,改进算法在不增加时间复杂度的同时提高了调度的信任效益:最后通过仿真证明算法的有效性,并对仿真结果进行分析。     

基于截止时间满意度的网格工作流调度算法

动态网格环境中用户截止时间保障是工作流调度问题的一个挑战.利用随机服务模型来描述网格资源的动态处理能力及其动态负载压力,提出了截止时间满意度的概念和工作流截止时间满意度的计算方法.将以DAG图形式表示的任务执行关系转换为以数值表示的任务执行优先级,并根据最大截止时间满意度优先的思想,确定执行工作流子任务的候选资源;将工作流全局截止时间划分问题描述为一个约束下的非线性规划问题并通过已有方法求解该问题,提出了一种截止时间满意度增强的工作流调度算法(DSESAW).仿真实验采用实际网格应用和系统数据来验证所提出算法的性能表现,实验结果表明新算法在网格环境的自适应性和用户截止时间保障方面优于其他两种实际网格系统中的调度算法.     

改进型EDF调度算法的研究与实现

分析实时系统EDF调度算法的优缺点,为优化报文调度,提出基于EDF的相对价值可提升的且相对价值最大的任务最优先调度算法,采用多个参数计算报文的优先级。实验结果表明,与传统EDF调度算法相比,改进型算法能充分利用总线带宽,对总线报文进行最优化调度。     

网格计算中费用约束的最优时间调度算法

在网格资源处理速度和资源价格异构的网格环境下,讨论基于用户费用约束的最优时间调度问题,提出一种相应的调度算法,将该任务调度问题转化为线性规划问题,采用单纯形算法获得近似最优解,从而获得费用约束下资源的最优执行时间以及该任务的最小完成时间。仿真结果表明,该算法的性能优于其他同类算法。     

网格计算环境下费用-时间优化i-DAG调度算法

由于现有算法在网格环境下不能很好地解决资源有偿服务和满足用户的QoS需求间的问题,该文通过综合考虑作业中任务之间的优先关系,给出费用-时间优化的i-DAG调度算法,在保证作业时间期限的条件下,利用所求的最大路径,最大程度上将任务集中映射并映射到较便宜的资源上,减少了作业的计算开销和通信开销。实验仿真证明了算法的优越性。     

网格资源管理与调度研究

网格计算是近年来得到快速发展的广域网格计算技术，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，以实现计算资源，存储资源，信息资源．知识资源的全面共享，资源管理与调度是网格计算中的核心部分，在本文介绍网格资源管理，分析了三类资源调度策略；并提出了一个基于信任度的资源调度策略，详细描述了基于信任度的资源调度策略的算法实现．把服务质量有机集成在资源调度策略当中去．