一种基于QoS参数归约的云计算环境能效评估方法

高性能、低功耗且具有QoS保障的高能效问题是云计算领域的一个研究难点。目前的研究主要是通过限定一个约束条件寻求另外指标的最优来实现三者之间的折衷或均衡,缺乏一种有效的能效计算方法和评估模型将三者整合,以更好地描述云环境能效的“程度”。提出一种云环境下QoS参数的归约方法和加权的能效模型,把系统性能作为一个关键因素引入QoS,并将离散的多个QoS参数度量值归约到同一个量纲区域内,获得评价权重矩阵,求得用户最终的QoS评价值,以单位能耗所提供的整体QoS水平值作为能效值,并且建立云数据中心的能效分级标识,最终将云环境下能效值刻画为一个定性的概念,实现了对云环境下能效的定性评估。此外,分别对单机环境和同构、异构的云计算环境中云数据中心的能效进行了评估分析,并进行了实验验证。实验结果表明,所提出的能效模型和评估方法在评价云系统的QoS水平和能源消耗方面是有效的。     

基于云理论的网格资源选择

资源选择是影响网格调度和系统效率的关键,针对网格资源选择中用户对服务质量(QoS)的定性描述和调度的自私性,提出了利用云理论实现资源选择的方法。在深入分析QoS参数的云理论模型基础上,提出了以资源代理实现云模型资源选择的体系结构,设计了相应的调度算法。实验表明,该算法在资源调度率和吞吐量以及系统资源的利用效率等方面体现出良好的特性,同时克服了用户定义QoS参数的困难,达到了优化调度的目的。     

基于多维QoS和云计算的资源负载均衡调度研究

为了实现云环境下虚拟资源的高效调度并满足用户QoS需求,提出了一种基于多维QoS能实现负载平衡的云资源调度方法;首先,建立了云资源调度的多维QoS数学模型,然后提出了一种基于蚁群算法实现云环境虚拟资源调度的算法,对信息素的初始化、虚拟机的选择以及信息素的更新等均进行了改进,并在算法中引入遗传变异因子以提高算法的收敛能力;实验结果表明:该算法能有效解决云环境下虚拟资源调度问题,减少负载均衡离差,较其它方法具有较大优越性,满足了云环境下资源调度的需求。     

云计算和多维QoS环境中基于蚁群优化算法在虚拟机资源负载均衡问题中的研究

针对云计算环境中虚拟机资源负载均衡问题,并为实现云计算下虚拟机资源负载均衡高效调度以满足用户的QoS需求,提出了一种基于多维QoS实现负载均衡的虚拟机资源调度方法。首先,在云计算环境下建立多维QoS网络环境的数学模型;然后,提出一种基于蚁群算法的优化算法,用于实现云计算环境中虚拟机资源高效调度;最后,在云仿真平台CloudSim上进行仿真实验。实验结果表明,相对于其他资源调度算法,所提算法能高效解决云计算下虚拟机资源调度问题,减少虚拟机资源负载均衡离差,具有更好的性能,能完全满足云计算下和多维QoS环境下虚拟机资源负载均衡的需求。     

一种网格资源调度中QoS的最大化匹配算法

针对网格资源选择中复杂的QoS参数处理和精确匹配导致的资源调度率低下问题,将QoS参数按性质分类,定义了QoS参数距离,实现QoS参数相似性判断,由此提出了一种软化的参数处理模型,给出了一种最大化匹配调度算法。实验表明,该算法提高了系统吞吐量、任务满足率、资源调度率和整个系统资源利用率。     

QoS约束的云经济资源管理模型研究

提供用户满意的、具有QoS约束的云计算应用是云计算面临的一大难题。提出了以商品市场为原型的云计算经济资源管理模型,其通过云用户与供应商的SLA协商,实现应用服务层QoS到资源设备层QoS的映射,最后利用效用函数的管理策略实现资源的优化调度。     

基于蜂群算法的多维QoS云计算任务调度

针对云计算环境下用户日益多样化的QoS需求和高效的资源调度要求,提出了基于改进蜂群算法的多维QoS云计算任务调度算法,其中包括构建任务模型、云资源模型和用户QoS模型。为了获得高效的调度,引入蜂群算法。针对该算法在后期收敛速度变慢且易陷入局部最优的问题,引入收益比、跟随比概念及当前个体最优值及随机向量,避免"早熟"现象的出现。通过实验仿真,将该算法HEFT与和ABC算法进行比较,实验表明,该算法能获得较高的调度效率和用户满意度。     

基于李雅普诺夫优化的容器云队列在线任务和资源调度设计

为在保证任务服务质量（QoS）的条件下提高容器云资源利用率，提出一种基于李雅普诺夫的容器云队列任务和资源调度优化策略。首先，在云计算服务排队模型的基础上，通过李雅普诺夫函数分析任务队列长度的变化；然后，在任务QoS的约束下，构建资源功耗的最小化目标函数；最后，利用李雅普诺夫优化方法求解最小资源功耗目标函数，获得在线的任务和容器资源的优化调度策略，实现对任务和资源调度进行整体优化，从而保证任务的QoS并提高资源利用率。CloudSim仿真结果表明，所提的任务和资源调度策略在保证任务QoS的条件下能获得高的资源利用率，实现容器云在线任务和资源优化调度，并且为基于排队模型的云计算任务和资源整体优化提供必要的参考。     

基于广义随机Petri网的网格调度模型

针对网格资源调度中负载不均衡问题,在基于QoS且具有容错性的任务调度算法基础上提出一种基于任务优先级的QoS约束参数的调度策略。采用广义随机Petri网建立网格调度模型,增加Petri网的抑制弧功能,实现优先调度策略。结果证明了该策略优先运行紧迫任务,并且其运行任务时间和费用的综合代价较小。     

基于QoS参数综合模型的网格资源选择优化

QoS是网格任务执行的基本保证,针对网格资源选择中复杂的QoS参数处理过程,将QoS参数按照用户的关心程度进行分类,提出了一种简化的参数处理模型,设计了支撑该模型的QoS体系结构,给出了优化资源调度过程的算法。实验表明,该模型提高了系统吞吐量和资源匹配成功率,缩短了任务的平均完成时间,最终实现了整个系统资源利用率的提高。     

多QoS约束的双目标最优的网格工作流调度研究*

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流,涉及QoS参数较少或将多QoS参数聚合成一个单目标函数进行优化调度,提出了一种多QoS约束的双目标最优的网格工作流调度算法。该算法是基于AGWL网格工作流模型和改进的MOPSO算法,其目标是在满足可靠性、可利用性和声誉这三维QoS参数约束下,同时最小化两个冲突目标,即响应时间和服务费用。通过与原MOPSO所设计的网格工作流调度算法比较,该算法能获得更优的优化解。     

基于多QoS需求驱动的网格资源调度研究

为解决网格用户多QoS需求的资源调度问题,引入了满意度函数模型和经典Min-Min算法。将众多网格QoS分为性能和信任两类,选取性能QoS中的优先级、时效性、精度性和信任QoS中的安全性、可靠性共五个指标,分别构建每一维QoS参数的满意度函数模型并形成QoS综合满意度函数模型,由此设计多QoS约束的网格资源调度(Q-Min-Min)算法,以期将Min-Min算法中按照期待执行时间(ETC)进行调度改为按照服务质量综合满意度(QSM)进行调度。仿真实验表明,改进的Q-Min-Min算法在任务的跨度和成本两项性能指标上均比Min-Min算法更具优势,取得了较为理想的结果,证明了基于多QoS需求驱动的网格资源调度的有效性。     

融合DE和NSGA-Ⅱ算法的网格工作流调度研究*

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流、考虑QoS维数较少及将多QoS参数聚合成一个单目标函数进行优化调度的现状,基于AGWL网格工作流模型,提出了一种带QoS约束的多目标优化的网格工作流调度算法,该算法是将DE的变异和交叉算子替换NSGA-Ⅱ中的变异和交叉操作所设计的一种调度算法。通过与基于NSGA-Ⅱ的网格工作流调度算法比较,表明了该算法的有效性。     

A distributed multiple dimensional QoS constrained resource scheduling optimization policy in computational grid

This paper is to solve efficient QoS based resource scheduling in computational grid. It defines a set of QoS dimensions with utility function for each dimensions, uses a market model for distributed optimization to maximize the global utility. The user specifies its requirement by a utility function. A utility function can be specified for each QoS dimension. In the grid, grid task agent acted as consumer pay for the grid resource and resource providers get profits from task agents. The task agent' utility can then be defined as a weighted sum of single-dimensional QoS utility function. QoS based grid resource scheduling optimization is decomposed to two subproblems: joint optimization of resource user and resource provider in grid market. An iterative multiple QoS scheduling algorithm that is used to perform optimal multiple QoS based resource scheduling. The grid users propose payment for the resource providers, while the resource providers set a price for each resource. The experiments show that optimal QoS based resource scheduling involves less overhead and leads to more efficient resource allocation than no optimal resource allocation.     

网格计算经济中的资源绑定

针对网格计算经济,提出资源绑定的模型,并结合任务对资源的需求和QoS要求,就绑定资源的描述、价格、资源绑定的优化,绑定流程等进行了深入研究.在此基础上,实现了基于绑定的调度算法.实验结果证明,资源绑定在任务完成时间和成本支出上取得了良好的效果,促进了资源调度,有利于提高整个网格资源管理系统的效率.     

云工作流中基于分时虚拟机的任务层调度算法

云计算是新的一种面向市场的商业计算模式,向用户按需提供服务,云计算的商业特性使其关注向用户提供服务的服务质量。任务调度和资源分配是云计算中两个关键的技术,所使用的虚拟化技术使得其资源分配和任务调度有别于以往的并行分布式计算。目前主要的调度算法是借鉴网格环境下的调度策略,研究基于QoS的调度算法,存在执行效率较低的问题。我们对云工作流任务层调度进行深入研究,分析由底层资源虚拟化形成的虚拟机的特性,结合工作流任务的各类QoS约束,提出了基于虚拟机分时特性的任务层ACS调度算法。经过试验,我们提出的算法相比于文献[1]中的算法在对于较多并行任务的执行上存在较大的优势,能够很好的利用虚拟的分时特性,优化任务到虚拟机的调度。     

Utility-based QoS optimisation strategy for multi-criteria scheduling on the grid

The paper presents quality of service (QoS) optimisation strategy for multi-criteria scheduling on the grid, based on a mathematical QoS model and a distributed iterative algorithm. Three QoS criteria are considered, namely payment, deadline and reliability, which are formulated as utility function. The optimisation problem is split into two parts: task optimisation performed on behalf of the user and resource optimisation performed on behalf of the grid. The strategy employs three types of agents: task agents responsible for task optimisation, computation resource and network resource agents responsible for resource optimisation. The agents apply economic models for optimisation purposes. Dynamic programming is used to optimise the total system utility function in terms of an iterative algorithm. The objective of multi-criteria scheduling is to maximise the global utility of the system. This paper proposes an iterative scheduling algorithm that is used to perform QoS optimisation-based multi-criteria scheduling. The proposed QoS optimisation-based multi-criteria scheduling problem solution has been practically examined by simulation experiments.