混合云环境下成本与隐私感知的工作流调度方法

随着大数据时代的到来,大量企业采用混合云部署应用系统。针对现有云工作流调度方法未考虑工作流多个任务间隐私保护需求的不足,构建了混合云环境下成本与隐私感知的工作流调度模型,并提出一种相应的云工作流调度算法(CPHC)。该算法可在混合云环境下调度多个云工作流应用,并在满足隐私暴露风险与截止时间约束的前提下,优化执行成本。最后,通过仿真实验说明了所提算法的有效性。     

成批处理工作流中数据流的管理与控制

为提高成批处理工作流执行的自动化程度,建立了可描述活动分组实例与活动分组执行实例间投影、合并、分发与拆分等数据交互操作的活动成批处理数据模型;通过在成批处理调度引擎中增加一个数据管理组件,并扩展引擎的调度控制算法,提出了一种对成批处理工作流中数据流进行管理与控制的机制,解决了原有引擎不能对数据流进行调度控制的问题。最后通过实例验证了所提方法的可行性。     

一种面向特征选择的分类神经网络

提出了一种面向特征选择的分类神经网络.该网络对中心矢量和连接权同时学习,其中心矢量是分类的中心,而基于模糊隶属度的权表示特征的重要性,根据权值大小进行特征取舍,这样同时解决了模式识别中的模式分类和特征选择问题.在IRIS数据集上的测试实验表明,该网络能从原始特征中选择重要特征,同时保持最大辨识率.     

基于工作流挖掘的活动成批处理区发现

针对支持成批处理的工作流系统在应用中的活动成批区设定问题,提出一种基于工作流挖掘的活动成批区发现方法.该方法首先利用现有工作流挖掘方法得到初始工作流模型.然后进行活动成批处理特征识别与成批处理区发现,从最终得到初始工作流模型中的活动成批处理区.具体算法过程及算法有效性通过对某公司处理共享租车的过程日志进行挖掘的实例进行了说明与实验验证.     

云际协作环境下能耗与成本感知的工作流调度方法

为解决云计算中的效费比、平台锁定和跨域资源管理等问题,目前已提出云际计算模式以便多个云服务实体之间的开放协作并创造云价值.在云际协作环境中,如何高效实现兼顾成本与能耗的云工作流调度是涉及多方云资源管理的一个重要问题.针对该问题,构建了云际协作环境下能耗与成本感知的工作流调度模型,并提出一种相应的云工作流调度方法(ECO).该方法主要包含任务组选择、虚拟机复用和资源动态管理等策略,可在云际协作环境下调度多个云工作流应用,并在满足截止时间约束的前提下,优化工作流执行成本与能耗.通过仿真实验说明了该算法的有效性.     

面向实例方面处理的工作流动态调度优化方法

针对现实业务过程对实例方面处理的需求,建立面向实例方面处理的工作流动态调度优化模型,并提出了相应的优化方法.该方法利用蚁群优化算法的特点直接构建可行解,利用分组浪费时间与分组浪费费用的概念来设计启发式信息,同时优化最小化活动实例的总停留时间与总执行费用这两个目标函数,最终产生一组满足约束条件的Pareto优化调度方案.实验结果说明了算法的有效性.     

工作流日志中的工作流模式图挖掘技术研究*

工作流挖掘技术能够从系统的执行日志中构建出过程,大部分过程挖掘方法都使用了一种图形化的方式来表示模型,也就是控制流图.讨论了工作流模式图挖掘,它实际上是工作流挖掘的一种扩展;对其中所涉及的问题进行了剖析,并介绍了一种模式图挖掘算法.     

基于协程模型的分布式爬虫框架

网络爬虫主要受到网络延迟和本地运行效率的限制,传统的基于多线程的网络爬虫架构主要为了消除网络延迟而没有考虑到本地运行效率。在高并发的条件下,多线程架构爬虫由于上下文切换开销增大而导致本地运行效率降低,同时使得网络利用率下降,如何能够在最大化利用网络资源的情况下减小系统本地开销是一个需要研究的问题。针对以上问题,本文提出基于协程的分布式网络爬虫框架来解决,从开销、资源利用率、网络利用率上对协程框架和多线程框架进行了分析,并基于协程实现了一个分布式网络爬虫。实验表明该框架无论从开销、资源利用率和网络利用率上相对于多线程框架有比较明显的优势。     

成批处理工作流动态分组调度优化方法

针对现有成批处理工作流调度方法的不足,建立考虑活动实例对执行者执行能力需求等约束的动态分组调度优化模型,提出一种解决该问题的实现算法。算法主要思想是利用微粒群算法的智能优化原理,同时优化最小化活动实例的停留时间总和与执行开销总和这两个目标函数,最终产生一组满足约束条件的Pareto优化调度方案。仿真实验说明了算法的有效性。