基于约简任务资源分配图的网格依赖任务静态调度

网格资源环境的动态性和异构性对依赖任务的静态调度策略产生了极大的挑战.提出了一个能够更好地适应资源异构性,并完整支持调度、重调度的统一静态调度模型,即基于约简任务资源分配图(RT-RAG)的调度模型和调度算法.基于该模型的调度问题归结为RT-RAG的优化选取问题.实验分析表明,基于该模型的调度方法更好地适应了网格环境的动态性和异构性,使得静态调度策略与动态调度策略相比依然保持着较大的性能优势,并且也优于基于DAG任务图调度模型的AHEFT静态调度算法,特别是在资源差异较大的情况下.

可迁移网格依赖任务重调度模型及算法

针对可迁移依赖任务的重调度问题,提出了基于约简DAG可迁移任务图的重调度模型,并基于免疫遗传算法实现了以提高应用性能为目标的求解算法.实验表明,与经典的动态调度算法Max-Min和基于启发式的AHEFT静态算法相比较,由于调度目标的一致性,初始调度的性能在重调度过程中被较好地保持,并且由于任务迁移的支持和遗传算法在全局优化上的性能优势,应用性能得到较大提升;又由于任务图的约减过程和免疫因子对算法收敛的作用,提出的IGA算法效率得到显著改善,使资源动态性和异构性的适应能力得到进一步增强.

基于免疫遗传算法的网格任务调度

研究了网格环境下任务调度问题,提出了一个任务调度机制:基于任务图将每一个可能的任务调度方案表示成一个任务-资源分配图,将网格任务调度问题转化为任务-资源分配图优化选取问题.提出了一种基于免疫遗传算法的、实现任务-资源分配图优化选取的任务调度算法.该算法将任务-资源分配图的最长路径作为抗原,每一个任务-资源分配图对应一个抗体.实验结果表明这个算法在全局优化能力及收敛速度上均有显著提高.

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.

网格依赖任务调度系统的设计与实现

针对网格任务调度中的依赖任务调度,通过任务-资源分配图(Task-resource assignment graph,T-RAG)将描述应用静态信息的任务图与动态的网格资源结合在一起,在T-RAG的基础上提出一个面向依赖任务的网格任务调度系统框架,并基于Globus Toolkit实现了一个面向依赖任务的调度系统-DTOSS(Dependent Task Oriented Scheduling System,DTOSS).

基于行为一致性匹配面向组合流程的服务发现

面向组合流程的服务发现是一个组合流程的实例化过程,通过该过程可以得到组合服务.提出了基于行为一致性匹配面向组合流程的服务发现方法.该方法通过行为一致性的概念建立了服务行为与角色行为需求间的行为语义匹配关系.将面向组合流程的服务发现问题转换为以路径识别为基础的树匹配问题.提出了相应问题的求解算法.实验表明,所提出的服务发现方法能够有效地保证所发现服务的业务完整性及服务与组合服务间的行为一致性,且具有良好的时间效率.

资源动态组织支持的网格依赖任务重调度机制

针对网格依赖任务重调度所面临的效率低与触发频繁的问题,提出资源动态组织支持的网格依赖任务调度机制.该机制以资源的动态组织为核心,基于资源动态性度量结果对资源进行性能聚类分析,并过滤性能相似资源中的强动态性资源,以在减少资源数量的同时提高重调度备选资源的稳定性.实验表明基于该机制的重调度算法保持了静态调度策略在动态网格环境下相对于动态调度策略的性能优势,从而验证了该机制解决网格依赖任务重调度所面临问题的有效性.