具有失效恢复机制的云资源调度算法

针对云服务可靠性较低的问题,提出一种考虑节点失效恢复机制的任务调度模型.该模型引入失效恢复机制分析节点的行为特性,将节点间的交互失效划分为可恢复失效和不可恢复失效.参考社会学的人际关系信任模型,通过量化和评估失效恢复机制下节点的可信程度,建立更加符合实际的云服务可靠性模型,并允许资源节点自行调节失效恢复次数限制和失效恢复率.将节点的可信度并入DLS算法得到考虑失效恢复机制的动态级调度(FR-DLS)算法.FR-DLS算法在计算调度级别时充分考虑服务资源的可信程度,使应用任务能够被有效地分配到可信资源节点上.为了评估所提出的算法,在PlanetLab环境中设计基于CloudSim的仿真实验平台,分析及仿真实验结果表明:所提出的FR-DLS算法在牺牲较少的任务完成时间和调度长度的前提下,能够有效地提高云环境下执行任务的成功率;当云环境中的资源节点数和应用任务数不断增加时,该算法在可靠性方面所提升的性能远高于其在任务完成时间和调度长度代价方面所提升的性能,充分体现了其在大规模云环境下的实用性.

云计算环境下基于可靠性感知的任务调度算法

针对云计算环境下并行任务易受资源失效的影响而无法完成,且动态提供云资源可靠性较低的问题,首先,引入失效恢复机制,由于在失效可恢复情况下资源失效规律动态变化,使用两参数Weibull分布对不同时段资源节点和通信链路失效规律的局部特征进行描述;然后,根据并行任务之间存在的各类交互关系分析,提出了一种基于变参数失效规则的资源可靠性评估模型;最后,将该模型并入粒子群算法得到基于可靠性感知的自适应惯性权重粒子群资源调度算法R-PSO,从而在计算适应度时充分考虑备选资源的可靠程度。仿真实验结果表明,当选择了合适的失效恢复参数时,提出的R-PSO算法能够大幅度提高云服务可靠性,且只会增加少量的额外失效恢复开销。

基于失效规律感知的可靠动态级云资源调度算法

由于云系统资源的动态性、异构性和广域性等特征,云计算环境下运行的并行任务易受资源节点失效和通信链路故障的影响而无法完成。针对动态提供云资源可靠性较低,且在失效恢复机制作用下资源失效规律参数动态变化的问题,首先使用两参数威尔布(Weibull)分布对不同时段资源节点和通信链路失效规律的局部特征进行描述,再根据并行任务之间存在的各类交互关系分析,提出了一种基于变参数失效规则的资源可靠性评估模型。最后将该模型并入DLS算法得到可靠动态级调度算法CFR-DLS,从而在计算调度级别时充分考虑备选资源的可靠程度。仿真实验结果表明,当选择合适的失效恢复参数,提出的CFR-DLS算法能够在大幅提高云服务可靠性的同时,只增加少量的额外失效恢复开销。