面向长作业环境中的云调度策略

计算机工程与科学

面向长作业环境中的云调度策略

蒋维成，李兰英，郭俊，徐草草

(成都理工大学工程技术学院,四川乐山 614000)

收稿日期:2015-12-22 修回日期:2016-05-16 出版日期:2017-08-25 发布日期:2017-08-25
基金资助:
四川省教育厅资助项目(16ZB0412)；成都理工大学工程技术学院基金(C122015007)

A cloud scheduling strategy for long jobs

JIANG Wei-cheng,LI Lan-ying,GUO Jun,XU Cao-cao

(The Engineering & Technical College of Chengdu University of Technology,Leshan 614000,China)

Received:2015-12-22 Revised:2016-05-16 Online:2017-08-25 Published:2017-08-25

摘要/Abstract

摘要：

随着云计算的普及，大量的数据处理选择云服务来完成。现有算法较少考虑异构型系统中虚拟机计算能力的不同，导致某些任务等待时间过长。提出了虚拟机负载大小实时调整的算法。对云计算中资源虚拟化特征，给出一种评估虚拟机计算能力的方法。根据虚拟机能力和运行过程中的状态变化，自适应进行任务量大小调整，满足实时要求。通过任务调度，协调任务完成时间，保持各虚拟机负载的动态均衡，缩短长作业的总执行时间，提高了系统的吞吐量和整体服务能力，提升了效益。实验结果表明，本文算法能自适应地调整任务量大小，进行调度，以维持虚拟机负载均衡。

关键词: 云计算, 动态调度, 长作业, 计算能力

Abstract:

With the popularity of cloud computing, a large number of data processing is completed by cloud services. Current algorithms seldom consider the different computing capability of the virtual machine in the heterogeneous system, so the waiting time is too long. We propose a scheduling algorithm which adapts to the size of real-time virtual machine load. Given the virtualization of cloud computing resources, we propose a method for evaluating the computing capability of virtual machines. Based on the virtual machine capability and the changes of the process, the adaptive task size is adjusted to meet the real-time requirements. Task completion time is unified and the load balancing of the virtual machine is maintained so the total execution time is shortened and the system throughput and the overall service capability are improved, hence the benefit is improved. Experimental results show that the algorithm can adaptively adjust the size of tasks according to the operating conditions, and maintain the load balance of the virtual machine.

Key words: cloud computing, dynamic scheduling, long jobs, computing capability

蒋维成，李兰英，郭俊，徐草草. 面向长作业环境中的云调度策略[J]. 计算机工程与科学.

JIANG Wei-cheng,LI Lan-ying,GUO Jun,XU Cao-cao. A cloud scheduling strategy for long jobs[J]. Computer Engineering & Science.

[1]	李卫平1,2，武海燕2，杨杰1. 基于效益博弈的云计算资源动态可协调分配策略研究[J]. J4, 20160101, 38(01): 57-61.
[2]	徐嘉, 张骥先, 王喆民, 刘林杰. 基于NUMA云计算架构的多资源分配可信拍卖机制[J]. 计算机工程与科学, 2024, 46(05): 761-775.
[3]	马柯帆, 李宝峰, 周悦锦, 武园园, 余永兰, 多瑞华. 基于ZYNQ 芯片的基板管理控制器设计与实现[J]. 计算机工程与科学, 2024, 46(02): 217-223.
[4]	杨柏蔼, 赵山, 刘芳. 无服务器计算技术研究综述[J]. 计算机工程与科学, 2022, 44(04): 611-619.
[5]	李波, 侯鹏, 牛力, 武浩, 丁洪伟. 基于软件定义网络的云边协同架构研究综述[J]. 计算机工程与科学, 2021, 43(02): 242-257.
[6]	廖建锦, 孙庆骁, 杨海龙, 栾钟治, 钱德沛. 满足工作流执行时限的可抢占虚拟机实例配置和调度方法研究[J]. 计算机工程与科学, 2020, 42(11): 1956-1964.
[7]	林涛, 冯竞凯, 郝章肖, 黄少群. 基于组合预测模型的云计算资源负载预测研究[J]. 计算机工程与科学, 2020, 42(07): 1168-1173.
[8]	史文杰，詹雨奇，李奎. 一种面向多平台航电资源建模及其调度算法[J]. 计算机工程与科学, 2019, 41(11): 1976-1984.
[9]	刘梓璇，周建涛. 负载均衡的主导资源公平分配算法[J]. 计算机工程与科学, 2019, 41(09): 1574-1580.
[10]	曹云梦1,2,周胜军3,刘晨1,2,韩燕波1,2. 面向服务的云-端动态协作方法[J]. 计算机工程与科学, 2019, 41(04): 598-605.
[11]	李进生，蒙江，童名文. 基于分布式遗传算法的水质传感器布置优化研究[J]. 计算机工程与科学, 2019, 41(03): 545-550.
[12]	刘殊旸，张曼怡，曹强. Docker动态调度算法的设计与实现[J]. 计算机工程与科学, 2018, 40(12): 2112-2119.
[13]	罗裕春,武继刚,史雯隽,贺子楠. 移动云计算中的任务调度与计算迁移算法[J]. 计算机工程与科学, 2018, 40(11): 1915-1924.
[14]	齐平1,2,王福成1,王必晴1,梁昌勇2. 云计算环境下基于可靠性感知的任务调度算法[J]. 计算机工程与科学, 2018, 40(11): 1925-1935.
[15]	付伟1，李墨泚2，赵华容2，吴勇2. CRSHE：基于同态加密的新型密文检索方案[J]. 计算机工程与科学, 2018, 40(09): 1540-1545.