動(dòng)態(tài)云環(huán)境中工作流在線高度算法研究.pdf

1、隨著科學(xué)的進(jìn)步和技術(shù)的發(fā)展，科學(xué)工作流的計(jì)算規(guī)模日益增大，計(jì)算流程日益復(fù)雜，將工作流放在云環(huán)境中，利用云平臺(tái)強(qiáng)大的計(jì)算能力和存儲(chǔ)能力加速工作流的執(zhí)行已成為當(dāng)今提高工作流計(jì)算效率的重要途徑。在調(diào)度研究中，科學(xué)工作流常用有向無環(huán)圖(Directed Acyclic Graph，DAG)來表示。
　　云環(huán)境高度的動(dòng)態(tài)性使得DAG調(diào)度在實(shí)際的云環(huán)境中面臨諸多挑戰(zhàn)。例如，在云環(huán)境中我們很難準(zhǔn)確預(yù)知工作流任務(wù)的運(yùn)行時(shí)間和可用計(jì)算資源的詳細(xì)信息

2、，它們均隨著時(shí)間不確定地動(dòng)態(tài)變化著。基于任務(wù)執(zhí)行時(shí)間和計(jì)算資源信息做出調(diào)度決策的靜態(tài)調(diào)度算法在動(dòng)態(tài)云環(huán)境中已不再適用。在這種情況下，以最大化可執(zhí)行任務(wù)并行度為目標(biāo)的在線調(diào)度算法成為降低云環(huán)境動(dòng)態(tài)性影響，獲得高效調(diào)度性能的一種重要途徑。盡管已有許多在線調(diào)度算法如AO（AREA-Oriented）被提出來，但是它們都是基于DAG分解的算法，實(shí)施困難并且對于一般的DAG只能根據(jù)局部信息做出次優(yōu)調(diào)度。
　　本文提出了一種基于優(yōu)先級(jí)的啟發(fā)式

3、調(diào)度算法PB(Priority BasedHeuristic)，與現(xiàn)有在線調(diào)度算法相比，PB具有以下優(yōu)點(diǎn):(1)適用于任何類型的DAG，僅通過分析工作流的拓?fù)浣Y(jié)構(gòu)做出調(diào)度決策。(2)采用數(shù)值化的優(yōu)先級(jí)方法，簡便易實(shí)施。(3)基于全局信息做出調(diào)度決策，降低了忽視最優(yōu)解的幾率。一系列的仿真實(shí)驗(yàn)表明，PB算法比現(xiàn)有在線調(diào)度算法具有更好的調(diào)度性能，有效地降低了云環(huán)境的動(dòng)態(tài)性對調(diào)度的影響。
　　此外，我們對PB算法進(jìn)行了擴(kuò)展，將任務(wù)執(zhí)行時(shí)間