基于关联数据本地化的多密码作业流调度算法
发布时间：2022-01-22 09:57
针对云密码服务系统中服务请求多样、数据依赖性作业流与非数据依赖性作业流随机交叉并发等问题,为了避免处理节点之间关联数据的交互而带来的系统通信性能开销和数据安全性威胁,设计一种基于关联数据本地化的云密码作业流调度算法。首先通过任务请求密码功能的映射,保障多作业流请求密码功能的正确实现;然后对于具有相同请求密码功能的各任务中不同工作模式交叉问题,在提出任务优先级计算方法以促进多作业流调度公平性的基础上,采用分类调度的方法,在实现关联数据本地化的同时,保障了调度系统的整体性能。仿真结果表明,该算法不仅可以有效减少系统任务完成时间,提高资源利用率和公平性,并且具有良好的稳定性。
【文章来源】：计算机工程与科学. 2020,42(11)北大核心CSCD
【文章页数】：8 页
【部分图文】：
作业流DAG
在密码服务中,存在着许多数据依赖性作业流,如Hash函数的运算过程以及分组密码加解密采用的CBC(Cipher Block Chaining)、OFB(Output FeedBack)、CFB(Cipher FeedBack)等工作模式中,直接前序任务的运算结果会作为输入条件之一参与其下一任务的数据运算。假设JOB4是工作于CFB模式下的AES加密服务请求作业流,则入口任务T4在经加密运算后的输出密文会作为输入,生成加密其直接后继任务T9的会话密钥;同样地,任务T9的加密运算结果又会作为任务T11会话密钥的生成输入条件,直至完成对出口任务T11中数据的加密运算,即可结束整个工作流的服务运行。完整加密过程如图2所示。可见,对于密码服务请求,其中任一作业流的入口任务与其它任务之间不存在关联数据,在该类任务的调度过程中可与非数据依赖性作业流中的任务采取同一处理策略;而数据依赖性作业流中非入口任务与其直接前序任务之间存在着不可忽略的关联数据,用于该类任务运算处理的处理节点之间也需要进行大量的数据交互。如何保护该类任务之间关联数据交互过程中的安全性,同时避免整体服务系统因该过程而导致的通信性能开销和作业流密钥匹配难度,是本文算法的主要研究目标。
按照上述方法设置处理节点群中各节点及任务属性,并当CCR值为0.1,0.2,0.3时,分别测试3种算法的任务完成时间(单位时间个数)随数据依赖性作业流占比的变化情况,如图3所示。与其他2种调度算法相比,本文算法对数据依赖性任务进行了关联数据本地化处理,在任务的运算过程中产生的通信代价为0,有效避免了CCR值对服务系统性能的影响。此外,与RR算法相比,本文算法更加精确地考虑了处理节点群中各节点的性能异构,从执行代价角度衡量了各节点的实时负载情况,显著减少了服务系统的任务完成时间;与HEFT算法相比,本文算法在完成数据依赖性作业流入口任务的调度后,采用提前预算完整作业流执行代价的方式,预留较为充足的资源用于该类作业流中后续任务的处理,在减少任务完成时间的同时,避免了数据依赖性作业流占比对服务系统性能的影响,提高了系统的稳定性。4.2 平均资源利用率
【参考文献】：
期刊论文
[1]面向服务组合的密码服务调度智能优化研究[J]. 李建军,郁滨,陈武平. 通信学报. 2013(S1)
[2]云计算安全研究[J]. 冯登国,张敏,张妍,徐震. 软件学报. 2011(01)
硕士论文
[1]密码服务云管理与调度技术研究[D]. 王泽武.战略支援部队信息工程大学 2018
本文编号：3601986
【文章来源】：计算机工程与科学. 2020,42(11)北大核心CSCD
【文章页数】：8 页
【部分图文】：
作业流DAG
在密码服务中,存在着许多数据依赖性作业流,如Hash函数的运算过程以及分组密码加解密采用的CBC(Cipher Block Chaining)、OFB(Output FeedBack)、CFB(Cipher FeedBack)等工作模式中,直接前序任务的运算结果会作为输入条件之一参与其下一任务的数据运算。假设JOB4是工作于CFB模式下的AES加密服务请求作业流,则入口任务T4在经加密运算后的输出密文会作为输入,生成加密其直接后继任务T9的会话密钥;同样地,任务T9的加密运算结果又会作为任务T11会话密钥的生成输入条件,直至完成对出口任务T11中数据的加密运算,即可结束整个工作流的服务运行。完整加密过程如图2所示。可见,对于密码服务请求,其中任一作业流的入口任务与其它任务之间不存在关联数据,在该类任务的调度过程中可与非数据依赖性作业流中的任务采取同一处理策略;而数据依赖性作业流中非入口任务与其直接前序任务之间存在着不可忽略的关联数据,用于该类任务运算处理的处理节点之间也需要进行大量的数据交互。如何保护该类任务之间关联数据交互过程中的安全性,同时避免整体服务系统因该过程而导致的通信性能开销和作业流密钥匹配难度,是本文算法的主要研究目标。
按照上述方法设置处理节点群中各节点及任务属性,并当CCR值为0.1,0.2,0.3时,分别测试3种算法的任务完成时间(单位时间个数)随数据依赖性作业流占比的变化情况,如图3所示。与其他2种调度算法相比,本文算法对数据依赖性任务进行了关联数据本地化处理,在任务的运算过程中产生的通信代价为0,有效避免了CCR值对服务系统性能的影响。此外,与RR算法相比,本文算法更加精确地考虑了处理节点群中各节点的性能异构,从执行代价角度衡量了各节点的实时负载情况,显著减少了服务系统的任务完成时间;与HEFT算法相比,本文算法在完成数据依赖性作业流入口任务的调度后,采用提前预算完整作业流执行代价的方式,预留较为充足的资源用于该类作业流中后续任务的处理,在减少任务完成时间的同时,避免了数据依赖性作业流占比对服务系统性能的影响,提高了系统的稳定性。4.2 平均资源利用率
【参考文献】：
期刊论文
[1]面向服务组合的密码服务调度智能优化研究[J]. 李建军,郁滨,陈武平. 通信学报. 2013(S1)
[2]云计算安全研究[J]. 冯登国,张敏,张妍,徐震. 软件学报. 2011(01)
硕士论文
[1]密码服务云管理与调度技术研究[D]. 王泽武.战略支援部队信息工程大学 2018
本文编号：3601986
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3601986.html
