QoS and preemption aware scheduling in federated and virtualized Grid computing environments

Resource provisioning is one of the challenges in federated Grid environments. In these environments each Grid serves requests from external users along with local users. Recently, this resource provisioning is performed in the form of Virtual Machines (VMs). The problem arises when there are insufficient resources for local users to be served. The problem gets complicated further when external requests have different QoS requirements. Serving local users could be solved by preempting VMs from external users which impose overheads on the system. Therefore, the question is how the number of VM preemptions in a Grid can be minimized. Additionally, how we can decrease the likelihood of preemption for requests with more QoS requirements. We propose a scheduling policy in InterGrid, as a federated Grid, which reduces the number of VM preemptions and dispatches external requests in a way that fewer requests with QoS constraints get affected by preemption. Extensive simulation results indicate that the number of VM preemptions is decreased at least by 60%, particularly, for requests with more QoS requirements.     

云计算中基于优先级和费用约束的任务调度算法

针对云计算中的服务质量保证问题,提出一种基于优先级和费用约束的任务调度算法。该算法通过计算任务优先级和资源服务能力,分别对任务和资源进行排序和分组,并根据优先级高低和服务能力强弱建立任务组和资源组间的调度约束关联;再通过计算任务在关联资源组内不同资源上的完成时间和费用,将任务按优先级高低依次调度到具有任务完成时间和费用折中值最小的资源上。与Min-Min和QoS-Guided-Min算法的对比实验结果表明,该算法具有良好的系统性能和负载均衡性,并降低了服务总费用。     

网格环境下的服务质量(QoS)研究

面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。该文分析了网格QoS控制的特点、难点和基本需求,介绍了网格QoS目前的研究情况,并从QoS管理结构和控制策略、资源预留、QoS协商、自适应方法和QoS评价等几个方面进行阐述,最后分析和总结了网格QoS的基本研究目标和未来的研究方向。     

网格计算中基于信任机制的层次任务调度模型

提出了一种分布式层次任务调度模型,该模型将任务调度分两层进行,并且将信任机制引入其中以提高网格的服务质量及运行效率。提出了适应该模型的调度算法,算法同时考虑了网格实体间的信任关系、预测执行时间、QoS需求和价格因素,并动态调整它们在交易中所占的比重,从而较好地适应不同用户的需求。分析和仿真表明,该调度模型增强了网格环境的安全性和适用性,提高了执行效率,并降低了交易失败率。     

一种基于效用最优的计算网格资源调度算法

针对具有时间和费用约束的网格资源调度问题，通过分析任务的执行时间和执行费用与用户效用函数的关系，建立了效用函数模型，在此基础上提出了一种针对task farming应用程序模式的基于效用函数最优的启发式调度算法——效用最优调度算法。实验表明，与费用 时间均衡调度算法相比，本算法能给用户带来更高的效用。     

QoS based resource scheduling by computational economy in computational grid

In this paper, we consider multiple QoS based grid resource scheduling. Each of grid task agent's diverse requirements is modeled as a quality of service (QoS) dimension, associated with each QoS dimension is a utility function that defines the benefit that is perceived by a user with respect to QoS choices in that dimension. The objective of multiple QoS based grid resource scheduling is to maximize the global utility of the scheduling system.     

基于效用模型的网络定价策略研究

网络定价问题一直是宽带通信网中的核心问题。在传统定价策略基础上,将服务级别引入效用模型,寻找同时满足客户效用最大化和网络提供商收益最大化的价格均衡点,在理论模型基础上,通过设定具体的用户效用函数以及网路提供商成本函数,运用仿真模拟的方法验证了这种定价策略的现实可行性。     

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。用生产一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。     

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。     

云计算下负载均衡的多维QoS约束任务调度机制

高效的任务调度机制能够更好地满足用户的QoS需求,实现各物理主机间的负载均衡,从而提高云计算环境的整体性能。而传统的任务调度往往只考虑任务的响应时间或安全性等,且负载均衡策略是静态的。根据云计算的弹性化和虚拟化等新特性,综合考虑任务的性能QoS和信任QoS,提出一种在云计算环境下的任务调度机制,采用虚拟机迁移技术实现动态负载均衡。通过在CloudSim2.1仿真环境下的分析和比较,该任务调度机制不但可以提高用户满意度,而且可以有效实现负载均衡。     

网格QoS控制的效用模型及优化

基于经济模型研究网格QoS控制的资源分配问题,给出多QoS属性多任务的资源分配优化的效用模型,通过定义任务的多QoS属性效用模型来描述动态需求和偏好,计算需要提供QoS的资源分配。用多属性优化方法,求解优化多QoS属性效用函数。     

信任驱动的网格调度算法

针对目前网格资源管理中任务与资源匹配问题的不足,基于信任效益函数与匹配概念,提出了信任驱动的网格调度匹配算法。在调度中同时还考虑了任务和资源效益值,对已经提出的两种信任驱动的网格调度算法进行改进。结果证明:该算法较传统基于的信任驱动调度算法而言,信任效益值,资源效益值,负载平衡和失效服务数等方面有较好的综合性能。     

全局效用启发式网格元任务调度策略

在满足用户QoS需求的前提下,为研究提高网格系统性能的方法,提出一种网格环境下元任务全局效用启发式调度策略,并设计MGU立即调度算法以及Global USufferage批调度算法。仿真实验结果表明,该策略在获得较高用户满意度的同时,能够保证系统的吞吐率和稳定性。     

Multi-level scheduling for global optimization in grid computing

The paper presents a multi-level scheduling algorithm for global optimization in grid computing. This algorithm provides a global optimization through a cross-layer optimization realized by decomposing the optimization problem in different sub-problems each of them corresponding to one among the grid layers such as application layer, collective layer and fabric layer. The QoS of an abstraction level is a utility function that assigns at every level a different value and that depends on the kind of task that is executed on the grid. The global QoS is given by processing of the utility function values of the three different levels, using the Lagrangian method. Multi-level QoS scheduling algorithm is evaluated in terms of system efficiency and their economic efficiency, respectively. Economic efficiency includes user utility, service provider’s revenue and grid global utility. System efficiency includes execution success ratio and resource allocation ratio.     

基于任务复制的多维QoS云计算任务调度

为了满足云计算环境下用户服务质量(QoS)需求和提高虚拟资源空闲时间段的利用率,提出了一种基于任务复制的多维QoS任务调度策略。首先,构建云资源模型和用户QoS模型,然后根据虚拟资源的利用情况和QoS的满意度对虚拟机进行性能测评,选择综合性能更高的虚拟资源进行任务的分配;在任务执行时为了缩短任务的完成时间,在调度过程中引入了在空闲时间段复制父任务的方式。通过仿真实验将该算法与HEFT、CPOP进行比较,实验结果显示：当用户偏好可靠性执行时,该算法平均可靠性比HEFT和CPOP高;当用户偏好完成时间和费用花费执行时,该算法平均完成时间比HEFT和CPOP少;当用户无偏好执行时,该算法平均完成时间和平均花费均比HEFT和CPOP少。结果表明该算法能有效提高资源利用率和用户的满意度。     

基于正交自适应鲸鱼优化的云计算任务调度

针对任务调度中存在的任务完成时间长、系统执行任务成本高且系统负载不均衡等问题,提出了一种基于正交自适应鲸鱼优化算法（OAWOA）的云计算任务调度方法。首先,将正交试验设计（OED）应用于种群初始化和全局搜索阶段,以提升和维持种群的多样性,避免算法过早陷入局部收敛状态;然后,利用自适应指数递减因子和双向搜索机制,来进一步加强算法的全局搜索能力;最后,对适应度函数进行优化,从而使算法实现多目标优化。通过仿真实验将所提的算法与鲸鱼优化算法（WOA）、粒子群优化（PSO）算法、蝙蝠算法（BA）以及其他两种改进的WOA进行比较。实验结果表明,在任务规模为50和500时所提算法都取得了更好的收敛效果,并且得到的系统执行任务的总时间和总成本均低于其他几种算法,同时负载均衡度仅低于BA。可见,所提算法在降低系统执行任务的总时间和总成本以及提高系统负载均衡方面均表现出了显著的优势。     

云平台下基于截止时间的自适应调度策略

针对在共享集群中进行任务调度时,无法兼顾任务的响应速度与任务完成时间的问题,提出一种基于截止时间的自适应调度算法。该算法以用户提交的截止时间为依据,根据任务的执行进度自适应地分配适当的计算资源。不同于传统调度方式里由用户提交固定资源参数,该算法在资源约束的情况下会对优先级高的任务进行抢占式调度以保证服务质量（QoS）,并在抢占过程结束后额外分配资源补偿被抢占的任务。在Spark平台进行的任务调度实验结果显示,与另一种资源协调者（YARN）框架下的调度算法相比,所提算法能严格地控制短任务的响应速度,并使长作业的任务完成时间缩短35%。     

一种新颖的网格工作流调度算法

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,提出了一种新颖的网格工作流调度算法。该算法基于表达结构丰富的AGWL语言建模网格工作流,且基于MOPSO算法所设计的带多QoS约束的多目标优化的网格工作流调度算法。通过与基于NSGA-Ⅱ算法的网格工作流调度算法比较,表明了该算法的有效性。     

计算网格中经济模型调度算法

任务调度是网格计算系统的一个重要组成部分。随着网格计算的出现,由于缺少对网格资源的直接管理,给网格任务调度带来了新的挑战。目前的任务调度机制大多数只考虑了任务调度的服务质量(QoS),而没有考虑任务调度的费用。为此,在研究了目前已有的适应启发式任务调度算法之后,提出了在同等费用前提下,将任务调度到能够提供较高QoS的资源中去的任务调度算法。