基于周期虚拟缩减的实时任务调度和分析方法

针对航天器等安全关键系统中实时任务调度和可调度性分析的实际问题, 提出基于任务周期虚拟缩减的可调度性判定方法, 构建SHT (strong-hard task)任务模型对强硬实时任务进行精确描述, 并根据任务时间特性分配优先级. 虚拟化所有强实时任务为一个硬实时任务, 对此硬实时任务周期虚拟缩减并计算出其最差虚拟执行时间, 然后按RMS可调度性判定公式判定. 给出了判定方法的严格证明, 可对包含n个SHT任务的任务集进行快速可调度性判定, 此算法时间复杂度仅为O(n²). 在我国空间站计算机进行了对比验证, 实验表明判定效率优于现有可调度性判定方法, 平均运行时间开销降低了41.8%, 可调度率提高了5.7%.     

实时系统中的非定期任务调度算法综述

非定期任务调度是实时系统中的一个重要研究内容,综述了实时系统中非定期任务调度算法的研究与进展,按照这些算法的特征分为基于服务器的算法与基于空闲时间的算法两大类别,并着重对每个类别中的不同算法的特征与性能进行了分析,通过对这些算法的比较与分析,希望为实时系统的研究与开发者提供有意义的参考,最后还给出了非定期任务调度进一步研究的思路与建议。     

IaaS云满足预算约束的工作流应用调度算法

为了解决IaaS(Infrastructure as a Service)云的工作流调度优化问题,提出基于预算约束的工作流调度算法。以最小化工作流调度时长为目标,算法分调度任务选择和虚拟机实例选择两阶段进行。第一阶段将工作流任务依据依赖关系作层次划分,同层次组成包任务,以Min-Max方法对层次任务估算时间作标准化处理,定义最迟完成时间与最早完成时间差值最大者为调度任务;第二阶段在期望预算下以最早完成时间最小为标准选择资源,实现任务与资源间的映射。利用算例阐述了算法实现过程,并通过仿真实验测试了算法性能。结果证实,改进算法执行效率与调度成功率优于同类算法。     

物流云服务下基于改进蝙蝠算法的任务调度

针对物流云服务模式中调度任务多、信息量大、需求广的特点,提出了一种改进蝙蝠算法求解物流云服务调度问题的方案,其优化目标为最小化调度时间和最大化资源利用率.根据设计的算法流程,首先基于工件升序排列(ranked order value,ROV)规则对蝙蝠个体进行重新编码;然后调整初始化数据范围来减少分配任务超载和资源闲置现象,并在迭代过程中增加约束条件来均衡任务量,最终实现了资源与任务的智能调度.通过和遗传、粒子群以及基本蝙蝠算法的对比分析,体现了改进算法的优越性.最后利用Witness对方案进行仿真,证明了改进蝙蝠算法在解决物流云服务任务调度中的有效性,同时扩展了蝙蝠算法的应用领域.     

引入虚拟特征参数的混合实时任务调度及应用

提出了在实时环境下周期任务与非周期任务混合调度的一种新方法。引入非周期实时任务虚拟截止期、虚拟周期的特征参数,综合考虑各实时任务的多特征参数进行优先级设计,克服了单独考虑任务的个别参数以及忽略非周期任务自身特征的调度策略的局限性及调度风险,且能够尽可能地加快非周期任务的响应速度,提高系统整体的调度性能。将该方法在RT-Linux实时环境中实现,并针对无人飞艇的自动驾驶仪进行了任务实例的可调度性测试,证明了该调度策略的可行性。     

信任约束下的网格工作流任务调度算法*

提出了信任约束下的网格工作流任务调度算法。该算法结合直接经验和推荐经验计算资源的信任度,根据任务在候选资源上的执行时间确定关键任务,然后选择满足执行时间和信任综合函数的资源。实验结果表明。该算法不仅缩短了工作流的完成时间,而且提高了调度的成功率。     

对等网络环境下基于多属性约束的任务调度算法研究

为了提高对等网络环境中的任务调度效率,提出将资源属性与任务属性相结合的多约束任务调度算法MDSA.在该算法的实现过程中,依据被调度的任务类型和隶属函数的定义,将对等网络环境划分为不同的虚拟社群,并将不同类型的任务提交到对应需求的虚拟社群中;将对等网络抽象描述为资源属性的集合,并定义了待调度的任务集合;以资源和任务属性的多约束信息为基础,利用待调度任务的时限属性信息形成调度队列,借助于预判机制和二级调度的思想对任务进行调度,并应用NS2和GridSim工具包对MDSA调度算法进行了测试.通过对仿真结果中的数据进行分析和比较,验证了多属性约束调度算法MDSA的优势.     

队头阻塞优化的EDF可重构任务调度算法

针对最早截止时刻优先(earliest deadline first,EDF)调度算法队头阻塞任务导致资源利用率和配置端口复用率低下的问题,提出一种队头阻塞优化的EDF实时调度算法.通过定义无效阻塞任务并引入无效阻塞任务丢弃策略,提前判定和丢弃无法调度成功的任务,以利于后续任务调度;通过定义队头阻塞任务最早布局成功时刻...     

节能及信任驱动的虚拟机资源调度

针对节能机制和信任驱动的资源调度机制相分离的特点,提出了一种应用到云计算数据中心中的节能及信任驱动的虚拟机资源调度TD energy-aware-Opt算法。该算法利用任务和虚拟机资源之间的信任机制进行任务和虚拟机资源之间的匹配,并通过最小化迁移算法对虚拟机进行实时迁移,以达到保证用户任务性能和数据中心节能的目的。对该算法进行大规模和多角度的仿真实验,结果表明:该算法与传统的基于信任驱动的最小完成时间TD min-min算法、基于信任驱动的最大完成时间TD max-min算法相比,能节省大量电能并且具有较优的平均信任效益、总信任效益和较低的服务等级协议违反率。     

云计算环境下基于路径优先级的任务调度算法

为了最小化云计算系统的任务调度长度,结合表启发式调度技术和任务复制的思想提出基于路径优先权的任务调度算法.采用一种新方法计算DAG图中任务节点及边的权值,从最高优先权的路径开始依次选择任务进行调度,并通过有选择性地复制任务节点的父任务来减少任务间信息传送的时间花费,最后将任务安排到使其执行完成时间最早的虚拟机上.通过随机产生的DAG图与HEFT算法进行对比分析,实验结果表明了该算法能获得较短的调度长度.     

云计算环境下任务调度的趋势分析

云计算应用大规模和虚拟化的资源,通过计算机网络随时随地向用户提供基于不同需求的服务。作为影响云服务的关键因素,任务调度被许多专家学者所研究。研究了云计算中的任务调度算法的新特性,如何降低用户成本和云计算中心的能耗,以及实现效率与公平最大化和安全等目标。     

改进的异构多处理器的实时任务调度算法研究*

现有的很多调度算法存在时间复杂度过高或调度成功率低的问题。提出一种新的调度算法(HRTSA),提高实时任务的调度成功率。HRTSA首先通过METC策略初始化分簇,降低算法的时间复杂度;再在放置任务时根据处理器的负载均衡进行处理器负载的有效控制;最后通过任务复制调度以提高任务调度成功率。对比实验分析表明提出的HRTSA算法时间复杂度与RTSDA相比较低,调度成功率较高。     

云计算中基于任务分层和时间约束的关联任务调度算法

针对云计算中对关联任务进行调度时出现任务执行延迟的问题,提出了一种基于任务分层和时间约束的关联任务调度(RTS-THTC)算法。该算法采用构建有向无环图(DAG)的方式表示关联任务的执行次序,通过使用对DAG进行分层的方法提高任务的并行性,计算每一层任务的完成时间约束,将每一层中的任务同时调度至具有最小完成时间的资源上。与基于异构环境的最小完成时间(HEFT)算法的对比实验〖BP(〗原文“试验”〖BP)〗结果表明,RTS-THTC算法在完成时间上比HEFT算法短,并且能够有效地减缓关联任务出现延迟的情况。     

QoS guided Min-Min heuristic for grid task scheduling

Task scheduling is an integrated component of computing.With the emergence of Grid and ubiquitous computing,new challenges appear in task scheduling based on properties such as security,quality of service,and lack of central control within distributed administrative domains.A Grid task scheduling framework must be able to deal with these issues.One of the goals of Grid task scheduling is to achivev high system throughput while matching applications with the available computing resources.This matching of resources in a non-deterministically shared heterogeneous environment leads to concerns over Quality of Service (QoS).In this paper a novel QoS guided task scheduling algorithm for Grid computing is introduced.The proposed novel algorithm is based on a general adaptive scheduling heuristics that includes QoS guidance.The algorithm is evaluated within a simulated Grid environment.The experimental results show that the nwe QoS guided Min-Min heuristic can lead to significant performance gain for a variety of applications.The approach is compared with others based on the quality of the prediction formulated by inaccurate information.     

云环境下绿色任务调度策略

针对云计算数据中心的能耗问题,提出了绿色云计算体系理论,设计了绿色云系统架构;基于该架构,将能量作为一种系统资源进行分配,提出了三种绿色任务调度算法分别是STF-OS、LTF-OS和RT-OS算法;对三种绿色任务调度算法可行性做了相关的理论分析,三种算法可以有效地减少能源消耗;通过扩展云计算仿真平台CloudSim实现了模拟实验,结果表明STF-OS算法降低数据中心能耗的能力最优。     

基于任务复制的多维QoS云计算任务调度

为了满足云计算环境下用户服务质量(QoS)需求和提高虚拟资源空闲时间段的利用率,提出了一种基于任务复制的多维QoS任务调度策略。首先,构建云资源模型和用户QoS模型,然后根据虚拟资源的利用情况和QoS的满意度对虚拟机进行性能测评,选择综合性能更高的虚拟资源进行任务的分配;在任务执行时为了缩短任务的完成时间,在调度过程中引入了在空闲时间段复制父任务的方式。通过仿真实验将该算法与HEFT、CPOP进行比较,实验结果显示：当用户偏好可靠性执行时,该算法平均可靠性比HEFT和CPOP高;当用户偏好完成时间和费用花费执行时,该算法平均完成时间比HEFT和CPOP少;当用户无偏好执行时,该算法平均完成时间和平均花费均比HEFT和CPOP少。结果表明该算法能有效提高资源利用率和用户的满意度。     

Profit maximization based task scheduling in hybrid clouds using whale optimization technique

ABSTRACT

In cloud computing system, task scheduling plays an important key role. The tasks provided by the user to allocate in cloud have to pay for the share of resources that are used by them. The requirement of task scheduling in the cloud environment has become more and more complex, and the amount of resources and tasks is growing rapidly. Therefore, an efficient task-scheduling algorithm is necessary for allocating the task efficiently in the cloud, which can achieve minimum resource utilization, minimum processing time, high efficiency, and maximum profit. In hybrid clouds to maximize the profit of a private cloud while guaranteeing the service delay bound of delay-tolerant tasks is studied in this article. Here, a new metaheuristic technique inspired from the bubble-net hunting technique of humpback whales, namely whale optimization algorithm (WOA), has been applied to solve the task-scheduling problem. Then WOA algorithm is compared with existing algorithms such as artificial bee colony algorithm (ABC) and Genetic algorithm (GA). The experimental result shows that the proposed WOA algorithm greatly increases the efficiency and achieves maximum profit for the private cloud.     

基于多种云环境的任务调度算法综述

任务调度算法是云计算资源分配部署的核心方法。针对当前云计算发展面临的任务需求和数据量指数级增长的问题,重点对任务调度算法进行了系统的梳理和归纳,以云环境为分类依据,研究分析了单云、联盟云、混合云、多云四类调度算法。在单云环境中,从传统启发式、元启发式以及混合式任务调度算法角度进行阐述。在联盟云、混合云、多云环境中,从工作流和独立任务调度算法角度进行阐述。通过比较,总结了现有算法的优点、缺点以及优化性能,并形成结论性意见和开放性问题,为未来对容器云、数据云以及兼顾资源分配与任务调度算法的研究奠定基础。