基于QoS的网格错误处理服务选择模型

在检测到错误发生的情况下,错误管理服务如何针对实际的不同网格应用程序,选择恰当的错误处理服务,是保证可靠网格容错能力的一个关键问题.针对网格计算环境下的错误处理需求,提出一种基于服务质量QoS的错误处理服务选择模型.在分析网格错误处理的相关背景及需求基础上,给出几种常用错误处理技术的形式化定义,提出相应的服务质量标准;将基于QoS的错误处理服务选择问题抽象为多属性决策问题,建立相应的决策模型.     

基于消息延迟预测的自适应失效检测模型

失效检测是实现高可用性的一个关键技术,通常采用超时机制判断进程是否失效的方法实现。然而,由于网络状况的不断变化,缺乏自适应机制的失效检测器难以满足应用对QoS的需求。自适应失效检测要求失效检测器能够根据实际应用和网络负载变化而动态地改变检测的质量。在对现有自适应失效检测算法研究、分析的基础上提出一种基于消息延迟预测的失效检测模型,采用基于历史消息延迟预测下一个消息延迟的方法,实现了一种PA-AFD自适应失效检测算法。实验及分析表明该算法在保证检测准确性和完整性的同时缓解了网络延迟对失效检测的影响。     

Web应用服务器的适应性失效检测

失效检测是分布式系统的基本可靠性保障技术,它对运行时系统的存活状态进行及时检测.作为网络分布计算环境中的主流中间件,Web应用服务器(Web application server,简称WAS)需要提供良好的检测机制,并且要能满足适应性的需求.适应性失效检测要求失效检测器能够根据应用需求和系统环境的变化而动态地改变检测的质量.首先给出了WAS的多层失效检测模型,然后基于失效检测器的服务质量规约,提出了适应性失效检测算法,并设计了一个WAS的适应性失效检测框架.它能够满足动态调整失效检测质量和灵活集成失效检测器的要求.该工作在OnceAS应用服务器中进行了实现,并给出了OnceAS平台上的实验及数据.     

面向服务QoS模型中一种需求映射方法

对如何在面向服务网格环境下进行QoS需求映射,做了较深入研究,提出了相应的QoS模型,并对模型进行了详细描述。该模型紧密结合网格系统管理架构和策略,突出了网格系统的特点。对应用程序QoS需求,提出使用QoS订单方式提交,在此基础上建立了一个QoS约束映射模型,并分析了映射参数之间的关系和确定方法。通过举例进行分析,给出了具体QoS映射过程,表明该模型在理论和应用两个方面都具有较高价值。     

对等网络中基于失效规律的自适应失效检测器

如何在保障准确性的前提下以较低的负载快速发现失效节点是失效检测器的设计目标,为此提出一种GA-FD的改进算法F-AFD.首先分析了P2P系统中节点的失效规律,基于对节点在线概率的预测实现对检测周期的动态调整,有效地降低了检测速度对检测周期的限制;在此基础上,为了以更低的检测负载同时满足多种应用定量描述的准确性及检测速度需求,提出了F-AFD.最后通过实验对F-AFD的正确性及检测性能进行了验证和分析,并证明了在部分同步模型下F-AFD可实现一个◇P类的失效检测器,具备解决一致性等分布式基础问题所需要的完整性和准确性.     

一种基于QoS参数映射的网格资源筛选方法

服务质量(QoS)和资源管理是服务网格中的两个研究焦点.研究如何建立一种基于应用QoS需求的网格资源筛选方法,在扩充已有调度模型的基础上利用模糊神经网络实现了不同层次QoS参数之间的映射,利用映射结果提出一种资源筛选算法.该方法能实现区分确保型服务(DG服务),能为网格应用寻找一个能满足需求的匹配.与所有提供区分确保型服务的网格系统一样,文中模型能显著提高网格系统的两个主要评价指标:资源利用率和服务拒绝率,同时只有较低的系统消耗.     

网格环境下的静态启发式任务调度算法

针对网格环境中应用程序常为复杂的计算密集型的并行分布式应用程序,提出了一个新的基于复制和插入的启发式任务调度算法(duplication-and-insertion-based scheduling,DIBS),可以同时执行多个应用程序,利用决定路径对任务进行排序,缩短了应用程序总的执行时间,该算法还平衡了处理器间的负载.实验结果表明,该算法更加符合网格的复杂环境,能够更好地满足不同用户的实际需要.     

网格系统的服务质量保障与控制综述

针对类型多样的异构资源、动态协作的复杂网格环境,需要有效的服务质量（QoS）控制机制保障网格应用的需求,网格QoS需引入新的概念和机制,实现QoS需求的描述与映射、动态资源聚合与共享及任务间协作,灵活有效地进行网格应用流的聚合、区分和控制.在此基础上,介绍了网格QoS目前的研究情况,分析了网格QoS控制的特点、难点及其基本需求.结合实际研究,对网格QoS控制的关键技术——网格QoS管理、控制策略、资源预留、自适应控制、QoS协商进行了较深入的剖析,同时讨论了QoS评价的问题.最后总结了网格QoS的基本研究目标和未来的研究方向.     

基于D-S理论的区间值模糊多QoS测量与网格任务调度算法

非凡的服务质量是网格的基本特征,基于QoS的网格任务调度问题已成为国内外研究的热点.由于网格环境的复杂性和用户主观判断的模糊性,传统基于QoS的网格调度算法不能处理具有多个模糊QoS需求的调度问题.用区间值模糊来描述用户的主观QoS需求信息,提出基于D-S理论的区间值模糊多QoS测量方法,对区间值模糊数表达的用户多QoS需求进行融合与处理,再将这些区间值模糊数QoS融合值作为任务的优先级加入到任务调度算法中,提出一种基于D-S理论的网格任务多匹配调度算法.研究结果和仿真实验表明,该算法不仅可以处理区间值模糊不确定性信息,在满足用户多QoS需求的情况下还可大大减小任务调度的时间跨度.     

基于QoS的网格计算经济模型*

提出了基于经济模型的网格QoS控制机制,刻画了基于经济模型的网格QoS管理结构。用生产—消费模型给出基于多QoS指标的全局QoS优化模型,用整数规划中的背包问题形式化描述了以用户QoS效用函数为导向的资源分配问题。这种形式化描述将用户的QoS需求、资源稀缺以及服务成本等网格关键因素统一在一个框架中分析,提出用价格和契约来控制网格QoS的策略。     

树型网格计算环境下的独立任务调度

任务调度是实现高性能网格计算的一个基本问题,然而,设计和实现高效的调度算法是非常具有挑战性的.讨论了在网格资源计算能力和网络通信速度异构的树型计算网格环境下,独立任务的调度问题.与实现最小化任务总的执行时间不同(该问题已被证明是NP难题),为该任务调度问题建立了整数线性规划模型,并从该线性规划模型中得到最优任务分配方案??各计算节点最优任务分配数.然后,基于最优任务分配方案,构造了两种动态的需求驱动的任务分配启发式算法:OPCHATA(optimization-based priority-computation heuristic algorithm for task allocation)和OPBHATA(optimization-basedpriority-bandwidth heuristic algorithm for task allocation).实验结果表明:在异构的树型计算网格环境下实现大量独立任务调度时,该算法的性能明显优于其他算法.     

基于有向无环图网格独立任务调度算法*

提出了基于有向无环图多约束网格环境下独立任务的调度模型,为其建立多约束线性规划模型,通过求解模型节点的优先级,获得网格各计算节点最优任务调度数;然后基于多约束最优任务调度方案,提出多约束带宽优先启发式算法(MCOPBHATS)和多约束计算速度优先启发式算法(MCOPCHATS)。实验结果表明,在多约束异构的网格环境下实现大量独立任务调度时, MCOPBHATS和MCOPCHATS算法的性能优于基于多约束最优任务调度方案的MinMin 算法。     

Bandwidth‐aware divisible task scheduling for cloud computing

Task scheduling is a fundamental issue in achieving high efficiency in cloud computing. However, it is a big challenge for efficient scheduling algorithm design and implementation (as general scheduling problem is NP‐complete). Most existing task‐scheduling methods of cloud computing only consider task resource requirements for CPU and memory, without considering bandwidth requirements. In order to obtain better performance, in this paper, we propose a bandwidth‐aware algorithm for divisible task scheduling in cloud‐computing environments. A nonlinear programming model for the divisible task‐scheduling problem under the bounded multi‐port model is presented. By solving this model, the optimized allocation scheme that determines proper number of tasks assigned to each virtual resource node is obtained. On the basis of the optimized allocation scheme, a heuristic algorithm for divisible load scheduling, called bandwidth‐aware task‐scheduling (BATS) algorithm, is proposed. The performance of algorithm is evaluated using CloudSim toolkit. Experimental result shows that, compared with the fair‐based task‐scheduling algorithm, the bandwidth‐only task‐scheduling algorithm, and the computation‐only task‐scheduling algorithm, the proposed algorithm (BATS) has better performance. Copyright © 2012 John Wiley & Sons, Ltd.     

A Heuristic Algorithm for Task Scheduling Based on Mean Load on Grid

Efficient task scheduling is critical to achieving high performance on grid computing environment. The task scheduling on grid is studied as optimization problem in this paper. A heuristic task scheduling algorithm satisfying resources load balancing on grid environment is presented. The algorithm schedules tasks by employing mean load based on task predictive execution time as heuristic information to obtain an initial scheduling strategy. Then an optimal scheduling strategy is achieved by selecting two machines satisfying condition to change their loads via reassigning their tasks under the heuristic of their mean load. Methods of selecting machines and tasks are given in this paper to increase the throughput of the system and reduce the total waiting time. The efficiency of the algorithm is analyzed and the performance of the proposed algorithm is evaluated via extensive simulation experiments. Experimental results show that the heuristic algorithm performs significantly to ensure high load balancing and achieve an optimal scheduling strategy almost all the time. Furthermore, results show that our algorithm is high efficient in terms of time complexity.     

基于任务-资源分配图优化选取的网格依赖任务调度

任务调度是网格应用系统获得高性能的关键.网格计算中一个大型的应用程序往往被分解为具有依赖关系的多个任务.在资源个体差异较大、广域互连的网格环境下任务间的依赖关系对传统的调度策略提出了新的挑战.任务调度的主要工作是为任务分配资源以及确定任务的执行次序,将依赖任务的可能的资源分配方案表示为任务-资源分配图（T-RAG）,在该图的基础上提出了基于T-RAG优化选取的依赖任务调度模型,将依赖任务调度问题转化为图的优化选取问题,解析最优任务-资源分配图可以同时确定资源分配方案和任务的执行次序即为最优调度方案.最后,实现了基于该模型的任务调度算法,该算法与ILHA算法的对比分析表明,在资源差异较大及任务间存在大量数据传输的情况下所提出的算法更优.     

网格计算中任务调度算法的研究和改进

任务调度一直是网格计算中的热点问题,任务调度的目的是最优地分配任务,实现最佳的调度策略,以高效地完成计算任务。在网格环境中,资源的合理有效利用是实现任务调度的关键问题之一。本文首先论述静态任务调度算法和动态任务算法的原理和优缺点等,然后结合Min-min、Max-min算法的优点设计一种新的调度算法SA-MM,根据资源的使用情况自适应调度相应算法进行任务到资源的映射。最后,用GridSim模拟工具对网格计算中Min-min、Max-min和SA-MM任务调度算法进行仿真实验,分析和比较它们的调度长度(MakeSpan)和资源负载情况等影响任务调度效率的指标。     

Research on the collaboration of service selection and resource scheduling for IoT simulation workflows

Cloud resources provide a promising way to efficiently perform the needed simulation tasks for a complex manufacturing process. Most of the existing work focuses only on how to effectively schedule computing resources to execute computing requirements of simulation workflows in Internet of Things (IoT) applications. Research on the scheduling of simulation workflows in consideration of task ordering, service selection, and resource allocation altogether has not been lacking. To fill in this void, this paper proposes a cloud-based 3-stage workflow scheduling model. Before scheduling computing resources to complete task requirements, the order of the tasks is determined and the services that can meet the task requirements are selected. In this model, the workload to satisfy task requirements is not fixed and takes on a different value depending upon the service selected with its unique complexity and accuracy. An optimization function that transforms and integrates makespan, cost, and accuracy in a unique way is proposed. For its solution, the relatively new symbiotic organisms search (SOS) algorithm is modified and two SOS-based optimization strategies are developed, i.e., joint optimization-based SOS (JOSOS) and split optimization-based SOS (SOSOS). The simulation results reveal that SOS-based algorithms, especially the SOSOS method, outperform all compared algorithms. Based on the proposed method, simulation services and computing resources can be rationally selected and scheduled to ensure the requirements of IoT applications.     

具有模糊多目标的网格任务调度算法

在异构的网格计算平台上,网格中有用户、资源管理员、组织管理者等实体,这些实体对网格的管理、使用、维护、安全性、可靠性等目标都提出了要求,并且这些目标有时是不可量化的。针对具有模糊多目标网格计算的任务调度问题,提出模糊多目标网格任务调度模型,使用模糊化等式对多目标进行模糊处理,给出求解该模型的模糊化定理,并对该定理进行证明。利用差分优化算法无需目标函数连续可微的特点,提出使用模糊差分优化算法完成模糊多目标的网格任务调度。实验结果表明,模糊差分优化算法较现有算法在执行时间上处于劣势,但在可靠性、安全性和丢失任务数三个指标上要优于现有算法。     

基于改进蚁群算法的遥感信息处理负载均衡任务调度算法研究

遥感信息服务链动态构建技术是根据用户提出的航天信息需求,以及用户0终端行为感知后形成的主动推送需求,将遥感信息获取与处理作为一种服务对待,利用服务组合与优化,动态构建服务链,实现网络环境下的信息资源按需聚合与高效协同,以满足对"端"的遥感信息支援应用需求;文章首先研究了蚁群算法和模拟退火算法在遥感信息处理计算节点任务上的调度原理,并分析了上述传统算法在得出最优解之前会出现的问题;基于蚁群算法并结合其他启发式算法的优点,提出了一种基于改进蚁群算法的负载均衡任务调度算法,完成了遥感信息多任务处理服务链的计算任务分配,提升了天基信息处理系统整体的计算效率;最后通过仿真实验验证了算法的有效性.     

基于多目标冲突度网格任务调度策略

针对网格计算中多目标之间存在冲突的独立任务调度问题,应用多目标线性规划为系统建模,通过求解多目标线性规划的梯度向量来确定多目标之间的冲突度,形成多目标冲突度网格独立任务调度模型。提出该模型预处理算法和多目标冲突度遗传算法,这两个算法确保网格用户在多目标维度下的效用值最大化。实验结果表明,在时间、安全性、可靠性维度和丢弃任务数等指标方面,该算法的综合性能优于Max-min和T-Sufferage算法。