云计算环境下工作流均衡调度优化方法研究

发布时间：2020-11-15 11:21

　　 随着云计算的逐步发展,工作流系统可在云环境下获得强大的计算和扩展能力;并且云资源“按需付费”的使用模式在极大程度上降低了支付费用。此外,工作流支持对繁琐应用的抽象定义、灵活配置和自动化运行,可有效提高云资源利用率。但现今用户需求不断增多,尤其是工作流技术在云环境下的应用使得需求空间进一步扩大,应用流程也越发复杂。特别是部分业务领域的工作流具有任务多、规模大、实例密集等特点,给云工作流调度研究带来了极大挑战。而调度策略作为云工作流研究的核心和难点,建立任务与虚拟机之间最佳映射关系是一个NP-hard问题。并且相比于传统任务调度,云工作流任务间强时序依赖性和因果依赖性增加了调度分配的复杂度。尤其当大量实例密集型任务同时到达,会造成廉价和优质虚拟资源被频繁调用,导致调度效率低下,资源利用率降低,甚至破坏云环境稳定性。针对上述现状,本文提出了一种两阶段云工作流调度优化策略(Two Phrase Workflow Scheduling Optimization,2PWSO),包括预调度优化和动态调度优化,基于该策略设计并实现了云工作流调度监控平台,通过该平台可对自定义的工作流进行智能调度,利用平台对资源消耗的监控情况以直观地展现所提调度策略的可行性和有效性。本文的主要创新工作包括:(1)提出一种预调度优化方法。通过建立云资源和工作流模型,将改进混合蛙跳算法(ISFLA)应用于云工作流调度中。区别于传统的静态调度方法,本文用基于时间贪心的初始化方法代替传统随机方法以优化初始种群质量,从而提高最优解的搜索效率;此外,还增加了对局部最优个体的重建策略,有效避免了传统蛙跳算法易陷入局部最优的问题。实验结果表明,改进混合蛙跳算法在工作流完成时间、负载均衡度和搜索效率上均优于传统混合蛙跳算法和粒子群算法。(2)提出一种基于负载感知的动态调度优化方法。不同于现有的动态调度方法,本文将负载感知机制加入调度过程中,通过建立负载与资源选择模型,利用所提候选队列生成算法(CQGA)和动态选择算法(DSA),为待执行任务搜索候选资源以切换最优节点执行,从而解决任务执行过程中虚拟机负载不均衡的现象。(3)基于上述优化方法,提出一种两阶段云工作流调度优化策略。在预调度优化的基础上,实现基于负载感知的动态调度优化。一方面,2PWSO策略在任务执行时加入动态监控机制,改善了静态调度在多工作流并行到达时,容易出现单机负载过高拖慢整体执行效率的缺陷;另一方面,2PWSO基于一阶段预调度结果,又可避免常规动态调度仅考虑单时间节点的资源状态,无法兼顾全局约束的局限性。(4)基于上述研究,将2PWSO策略应用于云工作流任务调度,设计并实现了云工作流调度监控平台,该平台可对工作流进行模拟调度,并在任务执行时对资源进行动态监控以评估本文所提调度策略的有效性。
【学位单位】：浙江工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP18;TP302
【部分图文】：

云计算环境下工作流均衡调度优化方法研究即同一主机上各虚拟机属性的总和应小于主机。3.5.2 实验结果分析为验证本文所提云工作流调度模型以及改进混合蛙跳算法(ISFLA)的有效性，在上述实验环境中，将 ISFLA 与 SFLA 和 PSO 算法进行对比实验，从工作流完成时间、负载均衡度和搜索效率三个评价指标来综合分析。(1) 工作流完成时间工作流完成时间的长短可以反应出工作流调度的效率和有效性，在工作流任务数和虚拟机数量相同的情况下，工作流完成时间越短则表明该算法在本文所提的实验环境中调度效果更好。本节实验在不同的迭代次数下，通过改变任务数量来对比运用不同算法所需的工作流完成时间，实验结果如图 3-7 所示。

云计算环境下工作流均衡调度优化方法研究对于虚拟机jkvm ，它的负载jkLB 为分配给它的所有任务的预期完成时间。jkLB越大说明虚拟机jkvm 的负载越不均衡。定义为：211( ( , ) ( ))mjk i jk ijLB ET t vm ET tm (3-13)其中， ( , )i jkET t vm 为虚拟机jkvm 执行任务it 的预期完成时间， ( )iET t 为执行任务it 的平均时间。本节实验通过改变迭代次数、任务数来探索采用三种不同的算法时负载均衡度的变化情况，如图 3-9、3-10 所示。

34图 3-10 任务数对负载均衡度的影响Figure.3-10. the effect of the number of tasks on load balancing纵观图 3-10，当迭代次数分别设置为 100、200、400 和 800，固定迭代次数不变，任务数从 500 递增至 4000 时，ISFLA 算法求得的负载均衡度明显低于其它两种算法，并且随着任务数的增加，采用 ISFLA 算法求得的实验结果更趋向于稳定，即负载均衡度没有出现大幅增加。这说明对于任务数较多的场景，ISFLA 算法的调度结果更优，能够更有效地均衡虚拟机的负载。3.6 本章小结在开放的云环境下，云工作流调度是一个 NP-hard 问题，常存在着调度效率低下、资源利用率不高等现象。本章针对目前大多数云工作流调度过程中存在的问题，从全局角度出发研究云工作流的调度优化，对混合蛙跳算法进行改进，运用
【相似文献】

相关期刊论文 前10条

1 谢毅;贺田塔;倪倩芸;吴汗青;;面向能耗的云工作流调度优化[J];系统工程理论与实践;2017年04期

2 吕博文;杨怀洲;;工作流技术综述[J];智能计算机与应用;2018年01期

3 王福田;李月婷;章程;张以文;刘晓;杨耘;;实例密集型商务工作流检测点选择策略[J];计算机集成制造系统;2018年07期

4 聂竹青;陈智明;周湘超;陈义明;;评估机构分公司管理工作流系统的研究与设计[J];中国资产评估;2017年04期

5 侯敏;;基于工作流的实验室设备管理系统的架构设计[J];数码世界;2017年06期

6 王亚林;;基于微软平台的工作流技术开发实践与研究[J];数码世界;2017年09期

7 李洪波;;基于状态的可嵌入工作流系统设计[J];计算机与现代化;2011年02期

8 殷慧文;易俗;;工作流系统中一种基于任务-角色的委托模型[J];辽宁大学学报(自然科学版);2011年02期

9 张宁;岳耀志;;工作流系统在济宁联通的应用[J];科协论坛(下半月);2010年01期

10 桑莉莉;;工作流系统适应性检查点机制的研究[J];计算机应用与软件;2010年03期

相关博士学位论文 前10条

1 王亚文;云环境下面向科学工作流安全的关键技术研究[D];战略支援部队信息工程大学;2019年

2 栗娟;面向移动云工作流的资源调度研究[D];武汉大学;2018年

3 罗浩宇;云环境下商务工作流的时序正确性研究[D];武汉大学;2018年

4 龚晓庆;基于Web服务的分布式工作流管理系统研究[D];西北大学;2004年

5 董云卫;工作流管理系统的事务建模研究[D];西北大学;2004年

6 吴士亮;面向行业的商品化管理信息系统框架构建与方法研究[D];南京理工大学;2005年

7 杜栓柱;分布式协同工作环境中时间工作流建模技术研究[D];浙江大学;2004年

8 张柯;联邦全过程全系统管理方法及技术研究[D];国防科学技术大学;2005年

9 肖郑进;面向企业应用的工作流精简建模研究[D];浙江大学;2006年

10 任怡;分布异构环境中事务工作流技术的研究[D];国防科学技术大学;2005年

相关硕士学位论文 前10条

1 房慧贤;基于自定义工作流的港口科技管理信息系统[D];安徽工业大学;2019年

2 吴仪邦;基于元数据匹配的土壤重金属污染评价资源集成研究[D];华中农业大学;2019年

3 杨松霖;基于工作流日志数据的组织网络分析与建模[D];国防科技大学;2018年

4 项倩红;云计算环境下工作流均衡调度优化方法研究[D];浙江工业大学;2019年

5 金麟;基于云工作流的智慧政务平台设计及实现[D];上海交通大学;2018年

6 姚瑶;移动边缘环境下QoS感知的工作流调度方法研究[D];杭州电子科技大学;2019年

7 马子泰;面向数据分析的云工作流优化调度方法[D];上海交通大学;2018年

8 王业国;云计算下商务工作流的时序管理研究[D];安徽大学;2019年

9 王嘉祺;基于星环大数据平台的工作流管理系统的设计与实现[D];南京大学;2019年

10 姚升钢;基于工作流的财务预算管理系统研究[D];浙江工业大学;2018年

本文编号：2884702