云环境下时间感知的高效工作流任务调度策略研究

发布时间：2020-05-01 12:04

【摘要】：作为一种商业服务模式和计算模式,云计算在工业领域和学术领域均己获得了广泛的关注。得益于其灵活性和便利性,海量工作流应用可以在云平台上同时被处理。当前云环境下数据中心为应用服务的资源使用效率仍然存在较大提升空间,如何高效省时地为工作流调度资源仍旧是一个待解决的热点问题。目前云环境中的任务调度策略在调度过程中对上面两种目标的兼顾不足,因此研究基于资源利用率和用户时间开销的工作流任务调度策略有重要意义。文章在分析国内外学者研究成果现状的基础上,针对云用户在处理应用时关注完成时间而云供应商主要考虑资源使用情况这一现实问题,提出云环境下工作流时间开销模型和云数据中心资源利用率模型,进一步做出了以下工作:(1)在上述模型的基础上,提出了一种针对并发工作流的动态任务调度策略,该方法通过分析关键路径得出工作流中任务的优先级,然后结合数据中心实时资源使用情况做出任务调度,并考虑高优先级任务抢占优质资源,确保兼顾工作流时间开销以及数据中心资源利用率。仿真实验结果证明,提出的算法有一定的优越性和可行性。(2)提出云环境下基于遗传算法的工作流任务调度策略,算法对传统遗传算法中的选择、交叉和变异操作结合任务优先级和资源利用率进行优化,每个迭代进行两次筛选,交叉部分保留优质基因并根据交叉结果扰动,变异操作考虑优先级,提高算法寻找优秀解的能力。实验结果证明了该算法在优化工作流的时间开销和提高资源利用率方面的优越性能。
【图文】：

资源池,工作流,资源,网络访问

可以随时随地通过网络访问方式按需租赁相应的软硬件服务，此时资源池中的资源不再逡逑局限与地理位置和物理配置的限制，可以为用户量身定制服务，也可以同时为多个用户逡逑配置他们的虚拟机［４３］。图２－２展示了云计算环境下工作流任务调度过程【４７］。在云环境中，逡逑用户首先将各自需要处理的应用提交到云环境中，云数据中心对用户提交的应用进行拆逡逑分，使之成为多个有依赖关系的工作流任务，然后将任务集合划分成多个可以分布式处逡逑理的任务子集合，在处理每个任务子集合时，，数据中心调度器根据相应的任务调度策略逡逑为任务选择最合适的资源提供执行。逡逑为了利用云平台提供的服务处理自己的应用，用户首先将各自的工作流应用提交到逡逑云数据中心，工作流提交的同时，其相关属性和资源需求就被指定。用户通常希望云数逡逑据中心能够快速给出处理结果，减少自身等待该应用的空白时间。逡逑接下来云数据中心要做的是将工作流进行拆分。一般来说，云环境中用户提交的任逡逑务有独立任务、工作流任务和混合型任务

任务集,物理,算法,时间开销

３．３．２．２时间开销评估逡逑为了更加准确地评估性能，我们通过实验获得了四种条件下三种算法处理不同规模逡逑数据集的时间开销。图３－５中的４幅图阐明了在数据中心高性能物理机数目分别为５０、逡逑１００、１５０、２００的情况下，应用上面三种算法处理８个不同数据集的仿真实验结果。逡逑ｉ0Ｘｌ0２逦逦：逦１２Ｘｒ＾逦逡逑￣￣逦＊邋ｄｓ＼Ｆ￣｜逡逑１２逦：时邋ｕ邋一卞，．逡逑１＾１１逦ｗｖ逦间邋－－…ＩＣＳ逦ｐ邋逡逑８邋＾逦；逦；逦；逦Ｓ邋逦逡逑５０邋１００邋ｂ０邋２００邋２５０邋３００邋３５０邋４００逦５０邋１００邋１＾０邋２００邋＾５０邋３００邋３＾０邋４００逡逑工作．~徍霞漳ｅ危ⅲⅲⅲ樽髋思瞎鎑_逡逑（ａ）高性能物理机数目为５０逦（ｂ）高性能物理机数目为１００逡逑ｘｉｏ２逦ｘｉ0２逡逑１２邋，邋逦邋１２邋｜邋逦逡逑—＜？——ＤＳＭ￣＼逡逑时ｉｉ邋－Ｊ—〔k ｂ．逦时ｎ二：笤衅’逡逑闾逦一？？邋ＩＣＳ逦漏逦逦—￣逡逑ｇｉｏ邋＊ｓ．Ｚ：二…Ｉ１０逡逑．３邋９逦＾一＾＾邋己邋９逡逑８邋逦邋Ｓ
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP308;TP18

【参考文献】