数据仓库ETL任务调度的一种改进算法

本文提出了一种基于遗传算法的ETL任务调度改进算法。由于ETL调度子任务之间具有先后顺序的限制,传统遗传算法不能很好的适应。本文通过对传统遗传算法的各个步骤进行相应处理,得到一种改进的ETL任务调度算法;实际应用结果表明调度算法显著提高了处理ETL子任务的效率。     

一种基于风险感知策略的多节点任务调度方法

为解决无人机(UAV)集群任务调度时面临各节点动态、不稳定的情况,该文提出一种面向多计算节点的可尽量避免任务中断且具有容错性的任务调度方法。该方法首先为基于多计算节点构建了一个以最小化任务平均完成时间为优化目标的任务分配策略;然后基于任务的完成时间和边缘计算节点的存留时间两者的概率分布,将任务计算节点上的执行风险量化成额外开销时间;最后以任务的完成时间与额外开销时间之和替换原本的完成时间,设计了风险感知的任务分配策略。在仿真环境下将该文提出的任务调度方法与3种基准调度方法进行了对比实验,实验结果表明该方法能够有效地降低任务平均响应时间、任务平均执行次数以及任务截止时间错失率。证明该文提出的方法降低了任务重调度和重新执行带来的额外开销,可实现分布式协同计算任务的调度工作,为复杂场景下的无人机集群网络提供新的技术支持。     

Hadoop环境下节点负载均衡调度策略的设计与实现

本文提出一种计算节点负载的任务调度策略,通过节点的本地任务预计完成时间与全部节点执行本地任务的预计完成时间的平均值做比较,小于平均值即为负载较轻的节点,反之较重。在任务的执行过程中根据计算节点的负载情况来进行任务调度,把负载较重的任务适当分给负载较轻的任务,合理进行任务分配,该策略可以减少非本地任务数量的产生,从而减少数据的迁移次数,也可以避免出现某些节点空闲而其他节点任务繁重的情况,从而提高集群处理数据的能力。理论分析和实验验证表明基于数据本地化的节点负载均衡任务调度策略可以提高数据本地性,使数据间的传输更高效,提高系统中资源的利用率。     

基于蚁群算法的飞行器管理系统任务调度

为解决飞行器管理系统的任务调度问题, 提出了一种基于蚁群算法的多处理机任务调度方法, 考虑任务个数、任务等级、任务负载、任务与飞行状态关系等4个因素构建了单机风险系数函数; 以单机风险系数均衡为目的设计了任务调度目标函数, 给出了蚁群算法求解飞行器管理系统任务分配问题的流程。仿真得到一种较优的调度方案, 验证了所提方法的有效性。     

一种基于动态聚合方法的网格任务调度算法

网格中的资源都是动态的,传统的静态任务调度算法不能适应网格的动态特性.通过对资源在未来一段时间内的状态进行预测,可以提高调度算法的性能.文中提出了一种用动态聚合进行调度的算法.首先对处理器的负载进行取样,然后根据网格任务的执行时间,对处理器的取样值进行动态聚合,再利用AR（p）模型进行预测,最后利用预测到的值作为参数对网格任务进行调度,把网格任务分配给每个处理器,使得每个处理器完成子任务的时间都相同,从而使得整个任务的执行时间最短.实验表明,这种算法能很好地适应处理器负载高度变化的情况.     

大规模云计算网络用户短时需求任务调度优化算法

设计一种大规模云计算网络用户短时需求任务调度优化算法,在较短的时间内处理大量的云计算任务,以满足用户短时需求。建立一个大规模云计算网络任务调度模型,将大规模云计算网络任务分配到各个虚拟机节点上,快速完成用户的短时需求任务;再通过遗传算法的个体编解码、自适应函数和遗传操作获取最优任务调度结果;并引入模拟退火算法,在遗传算法获取最佳调度结果的基础上进行局部搜索,直到迭代完成,输出最终的大规模云计算网络用户短时需求任务调度的全局最优解。实验结果表明：所设计算法能够实时关注用户任务执行状态以及用户任务执行时间;当用户任务数量为220时,该算法的单节点最大执行时间约为0.27 s,可提升整个任务调度的性能和效率;且该算法获取任务调度结果的收敛速度快、精度高。     

云环境下任务调度算法对比研究

云计算是完全基于互联网的新兴技术。云计算环境中的任务调度问题一直都是该领域的研究热点。合理高效的任务调度算法在云环境中能有效的缩短任务完成时间,提高系统负载均衡,更好的满足用户与云提供商的需求。本文研究了云平台的任务调度机制,探究了任务调度过程中的关键性指标。通过云仿真平台CloudSim实现并分析了顺序调度算法、Min-Min算法和Max-Min算法,对比其在随机生成用户任务负载与虚拟机计算资源的情况下的任务完成时间,实验证明Min-Min算法与Max-Min算法均优于顺序调度算法。以此为未来研究提供实验支撑和方向。     

基于3D碎裂度布局策略的可重构硬件任务调度算法

现有硬件任务调度算法任务描述不完善且忽视时间维上紧凑性。该文考虑任务下载时间、完善任务属性,以器件2维资源与时间建立3维资源模型,将任务布局问题抽象成特殊的3维空间放置问题,在此模型上分析出现有算法不能克服任务不可预知性和资源占用多变性,导致调度成功率和资源利用率低。针对此问题,该文提出了一种3维可重构任务调度算法3D_RTSA。设计并实现了基于任务紧迫度的调度策略和基于3D碎裂度的布局策略。与其他4种算法实验对比结果表明,在重负载、小任务C30情况下,3D_RTSA调度成功率比GC, Look-aheadest, SPSA, DTI算法分别高3%, 21%, 28%, 35%左右;在轻负载、大任务C50情况下,资源利用率比Look-aheadest, SPSA算法分别高5%, 18%左右,且该文算法时间复杂度并未增加。     

ETL中基于贪婪算法的任务调度方法研究

面向银行非现场稽核系统中海量数据的处理,提出一种基于贪婪算法ETL最优任务调度方法,使得任务总的执行时间最短.通过实测验证了该任务调度方法的高效和稳定.     

基于剩余负载率的动态负载均衡研究

为进一步提高集群系统服务的性能,在对静态负载均衡和动态负载均衡的优缺点分析的基础上,提出一种基于剩余负载率的动态均衡机制.该均衡机制采用剩余负载率作为负载状态的评价标准;针对服务器各节点性能的不同,提出采用BP神经网络训练节点;并设计了一种基于流表的静态分配策略和基于负载预测的动态分配策略相结合的任务分配策略来实现任务在集群系统各节点间的动态分配,从而降低了服务器各节点之问任务重新调度的次数,提高了集群系统的服务性能.实验结果表明,该均衡机制是可行的、有效的.     

树形网格自适应调度模型研究

提出一种基于树形计算网格的自适应调度模型,实现对小粒度独立任务和用户大作业的自适应最优调度.通过对网格环境的实时检测,给出了基于节点负载状况、节点任务执行时间和任务特性的自适应调度算法.实验证明该任务调度模型在负载平衡和容错方面具有良好的性能.     

面向多功能雷达的模型参数化脉冲级调度方法

多功能相控阵雷达的任务复杂性和实时性需求不断提高,传统的基于一定驻留周期的任务调度方法不能满足实时切换要求。针对此问题,提出了一种基于脉冲周期的任务切换和实时调度的方法,两级调度器与执行器一体化设计减少任务调度时间开销,综合考虑优先级调度算法和抢占式调度策略确保了任务有效执行,面向任务模型的参数化设计使得任务调度能灵活适应各类作战任务需求。仿真结果表明,此方法能较好地控制高优先级任务丢失率, 获得更高的任务执行有效性。     

无线传感器网络中带复杂联盟的自适应任务分配算法

针对无线传感器网络任务调度的实时性及节点计算及能量受限的特点,根据任务截止期赋予任务优先级,优先考虑高优先级任务,设计了一个无线传感器网络中带复杂联盟的自适应任务分配算法。为尽最大努力确保任务在截止期前完成,对截止期较为紧迫的任务采用历史信息生成历史联盟,并执行快速子任务分配算法;而对截止期较为宽裕的任务,在满足任务截止期约束条件下,以节点能耗和网络能量分布平衡为优化目标,采用矩阵的二进制编码形式,设计了一种离散粒子群优化算法以并行生成联盟,并执行基于负载和能量平衡的子任务分配算法。仿真实验结果表明所构造的自适应算法是有效的,在局部求解与全局探索之间能够取得较好的平衡,并能够在较短的时间内取得满意解。     

虚拟化移动核心网任务调度算法研究

针对虚拟化移动核心网的任务调度问题进行研究。Min-Min调度算法是一个简单、快速、有效的算法,但是它很难满足移动用户对服务质量的要求。提出一种基于虚拟机响应时间的改进算法。在虚拟机与元任务映射过程中,首先按照Min-Min算法进行匹配,然后计算每个与元任务匹配的虚拟机的响应时间,将任务划分为满足响应时限和不满足两部分,对满足响应时限的任务进行调度,为不满足调度响应时限的任务重新分配一个空闲的虚拟机中执行时间最短的虚拟机,尽最大可能避免任务执行时间超出响应时限,导致任务调度失败,进而影响用户满意度。在虚拟机和元任务一定的情况下,分别仿真这两种算法的调度过程,得到任务完成时间、任务成功率和负载情况图,对仿真实验结果进行对比分析。     

树形异构网格的启发任务调度算法

讨论了在网格资源计算能力和网络通信速度异构的树形网格环境下任务调度问题,导出了线性方程并且根据调度任务大小进行了模型的优化,提出一个基于线性规划的任务分配启发式算法。实验结果表明:在异构树形计算网格环境下实现任务调度时,该算法的性能明显优于其他算法。     

细菌觅食优化算法在嵌入式系统多任务调度中的应用

为了提高多核处理器任务调度的效率和负载均衡,提出一种改进细菌觅食优化算法的多核处理器任务调度方法.首先随机产生多核处理器任务有向无环图,然后构建一种多约束条件下的数学模型,最后采用改进细菌觅食优化算法对模型进行求解.仿真结果表明,改进细菌觅食优化算法很好避免了其它群智算法存在的缺陷,可以较好获得全局最优调度方案,使执行任务的时间最短,很好地实现了多核处理器任务进行的分配和调度.     

一种基于动态资源采集的Hadoop作业调度算法

为了克服Hadoop中基于槽的资源模型对集群资源的浪费,提高Hadoop集群的资源利用率,提出了一种基于动态资源采集的Hadoop作业调度算法.通过在作业运行过程中动态采集部分任务的CPU,内存和IO的资源利用率来评估同一作业中其他任务的资源需求,然后根据任务的实际资源需求以及TaskTracker节点的负载情况进行任务调度,以充分利用各TaskTracker节点的计算资源.通过对比实验表明该调度算法能明显提高集群的资源利用率,缩短作业的完成时间.     

基于节点识别的慢任务调度算法

为了降低大数据处理集群在执行任务过程中的慢任务对作业执行效率的影响,提出了一种识别慢任务、备份慢任务、减少慢任务相结合的调度算法——TQST算法。首先,通过判断节点能力和任务执行时间,建立慢节点、非常慢节点和慢任务队列;其次,根据预判备份执行价值确定如何启动慢任务的备份任务,提高了备份执行的作用;然后,在节点识别的基础上,规避为非常慢节点分配任务,从根本上减少慢任务的产生,提高作业执行效率。实验结果表明,TQST算法在作业响应时间等方面优于已有的慢任务调度算法。     

云计算资源调度算法的研究与实现

在研究蚁群算法、任务分配和资源调度的基础上,提出了一种改进的蚁群资源调度算法.首先通过引入节点可信度机制在一定程度上增强了云计算资源的搜索能力和节点完成任务的成功率.然后在改进的算法中使用了信息素的局部更新机制和全局更新机制,可以有效地平衡负载.最后通过选取合适的参数利用CloudSim仿真工具对改进的资源调度算法进行实验测试,实验结果表明此算法缩短了任务的执行时间,改善了云计算资源调度的性能.     

基于Nash均衡的网格多调度节点的任务调度算法

 目前网格任务调度算法主要是针对1×n型即单调度节点多资源的网格环境,而针对m×n型的网格环境研究较少.论文用M/M/1排队系统对m×n型网格环境建模,然后以每个调度节点调度任务的平均完成时间为优化目标,提出了m×n型网格环境任务调度的Nash均衡问题,并利用粒子群算法求得该Nash均衡解.通过仿真验证了该算法在单位时间内平均完成的任务数,网络平均负载,以及系统的平均负载上均优于基于均匀调度策略的调度算法.