温度感知的MapReduce节能任务调度策略

现有的FIFO、Fair、Capacity、LATE及Deadline Constraint等MapReduce任务调度器的主要区别在于队列与作业选择策略的不同,而任务选择策略基本相同,都是将数据的本地性(data-locality)作为选择的主要因素,忽略了对TaskTracker当前温度状态的考虑。实验表明,当TaskTracker处于高温状态时,一方面使CPU利用率变高,导致节点能耗增大,任务处理速度下降,导致任务完成时间增加;另一方面,易发的宕机现象将直接导致任务的失败,推测执行(speculative execution)机制容易使运行时任务被迫中止。继而提出温度感知的节能任务调度策略,将节点CPU温度纳入任务调度的决策信息,以避免少数高温任务执行节点对作业整体进度的影响。实验结果表明,算法能够避免任务分配到高温节点,从而有效地缩短作业完成时间,减小作业执行能耗,提高系统稳定性。     

基于资源感知的分布式爬虫任务调度方法

文中致力于开发一种基于资源感知的分布式爬虫任务调度方法,以优化分布式环境中各节点的系统资源利用,提升爬虫任务的执行效率。该方法通过引入资源感知调度算法和节点优先级管理,实现对节点中CPU、内存、网络等资源的监测,以便均衡调度爬虫任务,即确保爬虫任务在资源利用率较低的节点上执行,从而有效减轻各个节点之间资源过度占用和不均衡问题。另外,该方法引入的Flask提高了可扩展性,实现了可视化爬虫监控平台。实验结果表明,文中提出的方法在提高爬虫任务执行效率和适应性方面取得了显著效果,为分布式爬虫系统的进一步优化提供了有益指导。     

云计算环境下能量感知的任务调度算法

云计算环境下传统独立任务调度算法容易导致较高资源能耗或较大任务时间跨度.针对该问题,文中提出了两种能量感知的任务调度算法,并利用遗传算法并行化搜索合理调度方案.两种算法在搜索过程中,分别通过能耗时间归一和能耗时间双适应度方法定义适应度函数并进行个体选择.仿真结果表明,与单独考虑时间或能耗相比,这两种算法能够更有效地缩短任务执行时间跨度,降低资源能耗.     

一种基于DAG的并行系统任务调度方法

设计了一种适用于同构总线式多核环境的任务调度算法,着重优化了传统静态列表算法中对于任务节点等级较为粗糙的计算方式,并改善了对通信的调度。通过统计性调度实验,表明该任务调度算法相比传统的调度方法具有一定的优化效果。     

一种基于改进蚂蚁算法的网格任务调度策略

网格是分布式高性能计算的一个主要发展方向。任务调度问题的解决是网格得以充分发展的基本前提。提出了一种基于改进蚂蚁算法的网格任务调度策略。不同于传统蚂蚁算法,改进的蚂蚁算法通过在处理任务前后分别调整信息素来准确地反映资源的性能。任务调度将选择由改进蚂蚁算法产生的性能最佳的资源来处理任务。改进蚂蚁算法以及任务调度策略的有效性已被OPNET上的仿真结果所验证。     

基于动态能量感知的移动云计算任务调度模型

传统云计算任务调度忽略了对总完成时间和总能耗目标的加权,导致任务调度的负载均衡性较差。为此,设计基于动态能量感知的移动云计算任务调度模型。将任务调度总完成时间和总能耗作为加权优化目标,引入基于能量感知的多适应度动态遗传算法,求解数学模型。通过遗传算子与再选择策略的相互协作获得新优势种群,并对其更新,寻找最佳移动云计算任务调度结果。实验结果显示,该模型的移动云计算任务调度总完成时间和总能耗较低,具有较好调度效果;负载均衡性良好,可适用于大规模移动云计算任务调度。     

一种云计算环境下任务调度策略

文章提出的问题是在云计算环境下任务调度策略。该策略的目标是将任务分配到计算单元上达到任务完成总时间最少和资源充分利用。基于此目标文章提出利用遗传算法对任务完成时间进行优化,并为处于空闲状态计算单元动态调整任务分配以改善资源利用率。利用CloudSim仿真平台验证该方法的有效性。     

PSO 应用于 QoS 偏好感知的云存储任务调度

研究有QoS偏好要求的云存储任务调度。首先,分析云存储与云计算的差异,用存在矩阵避免无效解的产生。其次,归纳云存储的QoS需求为时间、代价与质量3大类,并据此修改PSO算法的适应度函数用权重因子调节QoS偏好。实验发现,在不同优先级任务分布不均的情况下,分布广的任务的偏好会掩盖其他任务的偏好,因而不适宜用PSO进行整体性调度,而必须进行分级调度。实验证明,改进后的分级PSO算法对QoS偏好具有较好的感知能力。     

一种基于多单片机系统任务调度的设计与实现

针对多单片机系统的特点,采用信箱方式中的窗口方式,提供了结点机之间可靠的、迅速的通讯服务;并且采用数据驱动的方式,引入多重副本,进程自调度ASAP思想设计并实现了多个任务在多个单片机上的动态调度。     

分布式系统任务调度的实现及算法与发展

分布式系统中的任务调度一直是一个十分活跃的课题 ,本文对任务调度作了总体的介绍 ,对经典算法的优劣进行了评价 ,并对近年提出的新算法予以介绍 ,最后 ,总结了任务调度算法的发展方向。     

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DAG图的CPS遗传算法任务调度

本文提出了一种基于DAG图的具有双适应度的遗传算法,不但可以找出任务完成的最短时间,还可以有效的提高资源利用率.为信息物理融合系统（Cyber-Physical-system,CPS）构建了新的任务调度模型,充分将计算-控制-通信的理念融入到研究中.采用任务向量矩阵的方式表示调度过程中任务与资源的分配关系,利用分布式计算的思想,解决了传统的通信网络中由于每个节点的独立工作而造成了资源的浪费和分配不均匀的问题.仿真实验结果表明,本算法缩短了任务执行的时间,有效的提高了节点的利用率.     

异构计算系统中基于遗传算法的任务分配与调度

任务分配与调度是异构计算系统(HCS)的核心问题之一。本文提出了一种对异构计算系统进行任务分配与调度的遗传算法。首先对HCS任务分配调度问题做出定义，然后分别讨论了问题的编码表示，种群初始化，染色体适应度函数设计。杂交、内部杂交与迁移遗传算子设计，控制参数自适应，算法的总体框架等。最后给出算法的仿真实验情况及实验结果分析与结论等。     

基于双仲裁机制和田口正交法的猫群优化任务调度算法

针对异构计算系统任务调度过程中通信冲突以及算法运行时间的问题,该文提出一种基于双仲裁机制和田口正交法的猫群优化任务调度算法。首先利用双仲裁机制对任务资源进行管理,动态判决任务的分配,有效避免通信冲突,再将田口正交法应用到猫群优化过程的跟踪模式中,降低算法运行时间,提高解的质量。实验结果表明,该算法运行速度明显高于其他算法至少约10%,算法在处理大量任务时的并行化效果最优,在异构环境中也体现出其相当大的优势。     

基于改进的遗传-模拟退火的有序任务调度算法

分析了基于任务复制的典型算法，提出了基于任务复制的改进的遗传一模拟退火的有序任务调度算法。在改进的遗传算法中利用模拟退火的方法可以缓解遗传算法的选择压力．增强了遗传算法的全局收敛性．避免了在搜索过程中陷入局部最优。     

A Novel Battery-Aware Task Scheduling Algorithm for Multiprocessor Systems

In battery-powered portable devices, the most important design goal is maximizing the battery lifetime. This paper addresses the problem of battery- aware task scheduling on multiprocessor systems to extend the battery lifetime, and proposed a Critical-path based battery-aware task scheduling （CPbBATS） algorithm with a novel efficient flow. Experiments on hundreds of task graphs each having 10 to 100 tasks show that, compared with algorithm that simply sequences tasks with their highest voltages and utilizes the slack by the latest possible task, the CPbBATS achieved 3.3%-6.1% reduction on apparent charge lost which means longer battery lifetime, 3.6%-8.3% reduction on actual charge lost which means lower energy consumption, and average 31.99% reduction on the CPU runtime which means much lower computa- tional complexity.     

一种实时集群的任务双层调动算法

实时集群能够满足实时系统不断增长的应用需求,拥有广阔的发展前景.本文在深入分析了实时集群系统调度特性的基础上,提出了一种双层调度模型,将实时集群的调度问题分解为节点与集群两个层次,大大降低了解决问题的难度.依照此模型,本文还给出了实时集群系统调度的完整解决方案,并得到了仿真实验的验证.