隨著云計(jì)算的逐步發(fā)展,工作流系統(tǒng)可在云環(huán)境下獲得強(qiáng)大的計(jì)算和擴(kuò)展能力;并且云資源“按需付費(fèi)”的使用模式在極大程度上降低了支付費(fèi)用。此外,工作流支持對繁瑣應(yīng)用的抽象定義、靈活配置和自動(dòng)化運(yùn)行,可有效提高云資源利用率。但現(xiàn)今用戶需求不斷增多,尤其是工作流技術(shù)在云環(huán)境下的應(yīng)用使得需求空間進(jìn)一步擴(kuò)大,應(yīng)用流程也越發(fā)復(fù)雜。特別是部分業(yè)務(wù)領(lǐng)域的工作流具有任務(wù)多、規(guī)模大、實(shí)例密集等特點(diǎn),給云工作流調(diào)度研究帶來了極大挑戰(zhàn)。而調(diào)度策略作為云工作流研究的核心和難點(diǎn),建立任務(wù)與虛擬機(jī)之間最佳映射關(guān)系是一個(gè)NP-hard問題。并且相比于傳統(tǒng)任務(wù)調(diào)度,云工作流任務(wù)間強(qiáng)時(shí)序依賴性和因果依賴性增加了調(diào)度分配的復(fù)雜度。尤其當(dāng)大量實(shí)例密集型任務(wù)同時(shí)到達(dá),會(huì)造成廉價(jià)和優(yōu)質(zhì)虛擬資源被頻繁調(diào)用,導(dǎo)致調(diào)度效率低下,資源利用率降低,甚至破壞云環(huán)境穩(wěn)定性。針對上述現(xiàn)狀,本文提出了一種兩階段云工作流調(diào)度優(yōu)化策略(Two Phrase Workflow Scheduling Optimization,2PWSO),包括預(yù)調(diào)度優(yōu)化和動(dòng)態(tài)調(diào)度優(yōu)化,基于該策略設(shè)計(jì)并實(shí)現(xiàn)了云工作流調(diào)度監(jiān)控平臺(tái),通過該平臺(tái)可對自定義的工作流進(jìn)行智能調(diào)度,利用平臺(tái)對資源消耗的監(jiān)控情況以直觀地展現(xiàn)所提調(diào)度策略的可行性和有效性。本文的主要?jiǎng)?chuàng)新工作包括:(1)提出一種預(yù)調(diào)度優(yōu)化方法。通過建立云資源和工作流模型,將改進(jìn)混合蛙跳算法(ISFLA)應(yīng)用于云工作流調(diào)度中。區(qū)別于傳統(tǒng)的靜態(tài)調(diào)度方法,本文用基于時(shí)間貪心的初始化方法代替?zhèn)鹘y(tǒng)隨機(jī)方法以優(yōu)化初始種群質(zhì)量,從而提高最優(yōu)解的搜索效率;此外,還增加了對局部最優(yōu)個(gè)體的重建策略,有效避免了傳統(tǒng)蛙跳算法易陷入局部最優(yōu)的問題。實(shí)驗(yàn)結(jié)果表明,改進(jìn)混合蛙跳算法在工作流完成時(shí)間、負(fù)載均衡度和搜索效率上均優(yōu)于傳統(tǒng)混合蛙跳算法和粒子群算法。(2)提出一種基于負(fù)載感知的動(dòng)態(tài)調(diào)度優(yōu)化方法。不同于現(xiàn)有的動(dòng)態(tài)調(diào)度方法,本文將負(fù)載感知機(jī)制加入調(diào)度過程中,通過建立負(fù)載與資源選擇模型,利用所提候選隊(duì)列生成算法(CQGA)和動(dòng)態(tài)選擇算法(DSA),為待執(zhí)行任務(wù)搜索候選資源以切換最優(yōu)節(jié)點(diǎn)執(zhí)行,從而解決任務(wù)執(zhí)行過程中虛擬機(jī)負(fù)載不均衡的現(xiàn)象。(3)基于上述優(yōu)化方法,提出一種兩階段云工作流調(diào)度優(yōu)化策略。在預(yù)調(diào)度優(yōu)化的基礎(chǔ)上,實(shí)現(xiàn)基于負(fù)載感知的動(dòng)態(tài)調(diào)度優(yōu)化。一方面,2PWSO策略在任務(wù)執(zhí)行時(shí)加入動(dòng)態(tài)監(jiān)控機(jī)制,改善了靜態(tài)調(diào)度在多工作流并行到達(dá)時(shí),容易出現(xiàn)單機(jī)負(fù)載過高拖慢整體執(zhí)行效率的缺陷;另一方面,2PWSO基于一階段預(yù)調(diào)度結(jié)果,又可避免常規(guī)動(dòng)態(tài)調(diào)度僅考慮單時(shí)間節(jié)點(diǎn)的資源狀態(tài),無法兼顧全局約束的局限性。(4)基于上述研究,將2PWSO策略應(yīng)用于云工作流任務(wù)調(diào)度,設(shè)計(jì)并實(shí)現(xiàn)了云工作流調(diào)度監(jiān)控平臺(tái),該平臺(tái)可對工作流進(jìn)行模擬調(diào)度,并在任務(wù)執(zhí)行時(shí)對資源進(jìn)行動(dòng)態(tài)監(jiān)控以評估本文所提調(diào)度策略的有效性。
【學(xué)位單位】：浙江工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP18;TP302
【部分圖文】：

云計(jì)算環(huán)境下工作流均衡調(diào)度優(yōu)化方法研究即同一主機(jī)上各虛擬機(jī)屬性的總和應(yīng)小于主機(jī)。3.5.2 實(shí)驗(yàn)結(jié)果分析為驗(yàn)證本文所提云工作流調(diào)度模型以及改進(jìn)混合蛙跳算法(ISFLA)的有效性，在上述實(shí)驗(yàn)環(huán)境中，將 ISFLA 與 SFLA 和 PSO 算法進(jìn)行對比實(shí)驗(yàn)，從工作流完成時(shí)間、負(fù)載均衡度和搜索效率三個(gè)評價(jià)指標(biāo)來綜合分析。(1) 工作流完成時(shí)間工作流完成時(shí)間的長短可以反應(yīng)出工作流調(diào)度的效率和有效性，在工作流任務(wù)數(shù)和虛擬機(jī)數(shù)量相同的情況下，工作流完成時(shí)間越短則表明該算法在本文所提的實(shí)驗(yàn)環(huán)境中調(diào)度效果更好。本節(jié)實(shí)驗(yàn)在不同的迭代次數(shù)下，通過改變?nèi)蝿?wù)數(shù)量來對比運(yùn)用不同算法所需的工作流完成時(shí)間，實(shí)驗(yàn)結(jié)果如圖 3-7 所示。

云計(jì)算環(huán)境下工作流均衡調(diào)度優(yōu)化方法研究對于虛擬機(jī)jkvm ，它的負(fù)載jkLB 為分配給它的所有任務(wù)的預(yù)期完成時(shí)間。jkLB越大說明虛擬機(jī)jkvm 的負(fù)載越不均衡。定義為：211( ( , ) ( ))mjk i jk ijLB ET t vm ET tm (3-13)其中， ( , )i jkET t vm 為虛擬機(jī)jkvm 執(zhí)行任務(wù)it 的預(yù)期完成時(shí)間， ( )iET t 為執(zhí)行任務(wù)it 的平均時(shí)間。本節(jié)實(shí)驗(yàn)通過改變迭代次數(shù)、任務(wù)數(shù)來探索采用三種不同的算法時(shí)負(fù)載均衡度的變化情況，如圖 3-9、3-10 所示。

34圖 3-10 任務(wù)數(shù)對負(fù)載均衡度的影響Figure.3-10. the effect of the number of tasks on load balancing縱觀圖 3-10，當(dāng)?shù)螖?shù)分別設(shè)置為 100、200、400 和 800，固定迭代次數(shù)不變，任務(wù)數(shù)從 500 遞增至 4000 時(shí)，ISFLA 算法求得的負(fù)載均衡度明顯低于其它兩種算法，并且隨著任務(wù)數(shù)的增加，采用 ISFLA 算法求得的實(shí)驗(yàn)結(jié)果更趨向于穩(wěn)定，即負(fù)載均衡度沒有出現(xiàn)大幅增加。這說明對于任務(wù)數(shù)較多的場景，ISFLA 算法的調(diào)度結(jié)果更優(yōu)，能夠更有效地均衡虛擬機(jī)的負(fù)載。3.6 本章小結(jié)在開放的云環(huán)境下，云工作流調(diào)度是一個(gè) NP-hard 問題，常存在著調(diào)度效率低下、資源利用率不高等現(xiàn)象。本章針對目前大多數(shù)云工作流調(diào)度過程中存在的問題，從全局角度出發(fā)研究云工作流的調(diào)度優(yōu)化，對混合蛙跳算法進(jìn)行改進(jìn)，運(yùn)用
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝毅;賀田塔;倪倩蕓;吳汗青;;面向能耗的云工作流調(diào)度優(yōu)化[J];系統(tǒng)工程理論與實(shí)踐;2017年04期

2 呂博文;楊懷洲;;工作流技術(shù)綜述[J];智能計(jì)算機(jī)與應(yīng)用;2018年01期

3 王福田;李月婷;章程;張以文;劉曉;楊耘;;實(shí)例密集型商務(wù)工作流檢測點(diǎn)選擇策略[J];計(jì)算機(jī)集成制造系統(tǒng);2018年07期

4 聶竹青;陳智明;周湘超;陳義明;;評估機(jī)構(gòu)分公司管理工作流系統(tǒng)的研究與設(shè)計(jì)[J];中國資產(chǎn)評估;2017年04期

5 侯敏;;基于工作流的實(shí)驗(yàn)室設(shè)備管理系統(tǒng)的架構(gòu)設(shè)計(jì)[J];數(shù)碼世界;2017年06期

6 王亞林;;基于微軟平臺(tái)的工作流技術(shù)開發(fā)實(shí)踐與研究[J];數(shù)碼世界;2017年09期

7 李洪波;;基于狀態(tài)的可嵌入工作流系統(tǒng)設(shè)計(jì)[J];計(jì)算機(jī)與現(xiàn)代化;2011年02期

8 殷慧文;易俗;;工作流系統(tǒng)中一種基于任務(wù)-角色的委托模型[J];遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

9 張寧;岳耀志;;工作流系統(tǒng)在濟(jì)寧聯(lián)通的應(yīng)用[J];科協(xié)論壇(下半月);2010年01期

10 桑莉莉;;工作流系統(tǒng)適應(yīng)性檢查點(diǎn)機(jī)制的研究[J];計(jì)算機(jī)應(yīng)用與軟件;2010年03期

相關(guān)博士學(xué)位論文 前10條

1 王亞文;云環(huán)境下面向科學(xué)工作流安全的關(guān)鍵技術(shù)研究[D];戰(zhàn)略支援部隊(duì)信息工程大學(xué);2019年

2 栗娟;面向移動(dòng)云工作流的資源調(diào)度研究[D];武漢大學(xué);2018年

3 羅浩宇;云環(huán)境下商務(wù)工作流的時(shí)序正確性研究[D];武漢大學(xué);2018年

4 龔曉慶;基于Web服務(wù)的分布式工作流管理系統(tǒng)研究[D];西北大學(xué);2004年

5 董云衛(wèi);工作流管理系統(tǒng)的事務(wù)建模研究[D];西北大學(xué);2004年

6 吳士亮;面向行業(yè)的商品化管理信息系統(tǒng)框架構(gòu)建與方法研究[D];南京理工大學(xué);2005年

7 杜栓柱;分布式協(xié)同工作環(huán)境中時(shí)間工作流建模技術(shù)研究[D];浙江大學(xué);2004年

8 張柯;聯(lián)邦全過程全系統(tǒng)管理方法及技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2005年

9 肖鄭進(jìn);面向企業(yè)應(yīng)用的工作流精簡建模研究[D];浙江大學(xué);2006年

10 任怡;分布異構(gòu)環(huán)境中事務(wù)工作流技術(shù)的研究[D];國防科學(xué)技術(shù)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 房慧賢;基于自定義工作流的港口科技管理信息系統(tǒng)[D];安徽工業(yè)大學(xué);2019年

2 吳儀邦;基于元數(shù)據(jù)匹配的土壤重金屬污染評價(jià)資源集成研究[D];華中農(nóng)業(yè)大學(xué);2019年

3 楊松霖;基于工作流日志數(shù)據(jù)的組織網(wǎng)絡(luò)分析與建模[D];國防科技大學(xué);2018年

4 項(xiàng)倩紅;云計(jì)算環(huán)境下工作流均衡調(diào)度優(yōu)化方法研究[D];浙江工業(yè)大學(xué);2019年

5 金麟;基于云工作流的智慧政務(wù)平臺(tái)設(shè)計(jì)及實(shí)現(xiàn)[D];上海交通大學(xué);2018年

6 姚瑤;移動(dòng)邊緣環(huán)境下QoS感知的工作流調(diào)度方法研究[D];杭州電子科技大學(xué);2019年

7 馬子泰;面向數(shù)據(jù)分析的云工作流優(yōu)化調(diào)度方法[D];上海交通大學(xué);2018年

8 王業(yè)國;云計(jì)算下商務(wù)工作流的時(shí)序管理研究[D];安徽大學(xué);2019年

9 王嘉祺;基于星環(huán)大數(shù)據(jù)平臺(tái)的工作流管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京大學(xué);2019年

10 姚升鋼;基于工作流的財(cái)務(wù)預(yù)算管理系統(tǒng)研究[D];浙江工業(yè)大學(xué);2018年

本文編號：2884702