面向云工作流的切片與調(diào)度方法.pdf

1、雖然云計算的發(fā)展為企業(yè)和政府信息化建設以及互聯(lián)網(wǎng)行業(yè)注入了新的活力，但是同時也遇到了一些挑戰(zhàn)，例如:如何在保證高服務質(zhì)量的前提下，縮短多實例工作流的執(zhí)行時間。云工作流的出現(xiàn)為此問題提供了良好的解決方案，而云工作流調(diào)度問題又是云工作流中的核心問題。云工作流調(diào)度以傳統(tǒng)工作流調(diào)度為基準，但同時也存在區(qū)別，因此帶來了新的問題急需解決。例如:如何減少分配在不同執(zhí)行資源上的任務間的通信時間？如何合理分配資源使得所有工作流實例的執(zhí)行時間最短？

2、　　本研究主要內(nèi)容包括：⑴為了減少工作流實例的任務間的通信時間，提出了基于層次聚類法的非中心化工作流的切片方法，并且通過仿真實驗與相關切片方法進行了對比分析，結果表明，所提出的基于層次聚類法的非中心化工作流切片方法在響應時間和吞吐量方面均有一定程度的優(yōu)勢。⑵針對以所有工作流實例的執(zhí)行時間最短為目標的云工作流調(diào)度問題，建立了合理的云工作流調(diào)度模型。然后，在優(yōu)先級排序方面，改進了基于Bottom Rank(BR)值的排序法，提出了Deadl

3、ine Based Bottom Rank(DDBR)。進而，采用批量調(diào)度模式。最后結合工作流切片結果，改進了遺傳算法，提出了基于切片的遺傳算法(FBGA)，該方法在遺傳算法初始化和變異時都考慮了切片結果，從而縮小了解空間的范圍，提高了搜索效率，有助于取得更優(yōu)的解。且通過模擬實驗與相關工作流調(diào)度方法進行了比較，結果表明，在某些場景下，所提出的調(diào)度方法在所有工作流實例完成時間和優(yōu)化效率方面有很好的提升。本文提出的工作流切片方法和云工作流調(diào)