云环境下面向负载均衡的数据密集型工作流的数据约简策略

如何对数据密集型工作流应用进行高效合理地调度成为云计算领域亟待解决的关键问题之一。针对此问题,构造数据密集型工作流的有向超图模型,提出了数据支持能力概念,通过基于数据支持能力的合并操作对模型进行约简。最后优化超图多层剖分算法,提出数据约简的数据密集型工作流调度策略HEFT-P。研究结果表明,HEFT-P相比典型的工作流调度策略HEFT、CPOP、MCP,能够很好地对数据密集型工作流进行约简优化,获得较少的调度时间。

局部数据位置感知的云计算工作流调度优化

针对高性能计算(High Performance Computing, HPC)云环境中数据密集型工作流的调度效率较低问题,提出一种基于局部数据位置感知资源管理的调度方法,以网络宽带为载体将数据位置和数据传输时间应用于工作流任务调度中,同时平衡节点级任务的资源使用性和并行性,设计与局部性数据布局和传输相关的工作流模型,采用虚拟机(VirtualMachine,VM)并行处理数据流任务。利用云环境特有的公平性准则,通过实验验证了所提方法可以在提高资源利用率的同时,大幅度改善工作流的调度效率。