云计算环境下基于可靠性感知的任务调度算法

计算机工程与科学

云计算环境下基于可靠性感知的任务调度算法

齐平1,2,王福成1,王必晴1,梁昌勇2

(1.铜陵学院数学与计算机学院,安徽铜陵 244000;2.合肥工业大学管理学院,安徽合肥 230039)

收稿日期:2018-04-11 修回日期:2018-06-20 出版日期:2018-11-25 发布日期:2018-11-25
基金资助:
国家自然科学基金重点项目(71331002);安徽省高校优秀青年骨干人才国内外访学研修项目(gxfx2017113);铜陵学院人才科研启动基金(2015tlxyrc08)

A reliability aware task scheduling

algorithm for cloud computing

QI Ping1,2,WANG Fucheng1,WANG Biqing1,LIANG Changyong2

(1.Department of Mathematics and Computer Science,Tongling University,Tongling 244000;

2 School of Management,Hefei University of Technology,Hefei 230039,China)

Received:2018-04-11 Revised:2018-06-20 Online:2018-11-25 Published:2018-11-25

摘要/Abstract

摘要：

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。

关键词: 云计算, 失效规律, 失效恢复机制, 粒子群优化, 资源调度

Abstract:

Parallel tasks in the cloud computing environment are vulnerable to resource failure and hence cannot be completed, and dynamically providing cloud resources has low reliability. Aiming at this issue, firstly, we introduce a failure recovery mechanism. Because the failure regularity of resources changes dynamically under the condition of failure recoverability, the twoparameter Weibull distribution is used to describe the local characteristics of resource nodes and the failure regularity of communication links in different time periods. Then, based on the analysis of various interactions between parallel tasks, we propose a resource reliability evaluation model based on variableparameter failure regularity. Finally, the model is incorporated into the particle swarm optimization algorithm to obtain the reliabilityaware and adaptive inertia weight PSO resource scheduling algorithm (RPSO), so that the reliability of the alternative resources is fully considered when calculating the fitness. Simulation results show that when appropriate failure recovery parameters are selected, the proposed RPSO algorithm can increase the reliability of cloud services and only add a small amount of additional failure recovery overhead.

Key words: cloud computing, failure regularity, failure recovery mechanism, particle swarm optimization, resource scheduling

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.

QI Ping1,2,WANG Fucheng1,WANG Biqing1,LIANG Changyong2.

A reliability aware task scheduling

algorithm for cloud computing

[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]	刘振超, 苑迎春, 王克俭, 何晨. 融合特征权重与改进粒子群优化的特征选择算法[J]. 计算机工程与科学, 2024, 46(02): 282-291.
[5]	许文俊, 王锡淮. 基于变尺度黑洞和种群迁徙的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(11): 2036-2046.
[6]	张文宁, 周清雷, 焦重阳, 梅亮. 融入重心反向学习和单纯形搜索的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(09): 1629-1638.
[7]	彭坤彦, 尹翔, 刘笑竹, 李恒宇. 基于粒子群优化和深度强化学习的策略搜索方法[J]. 计算机工程与科学, 2023, 45(04): 718-725.
[8]	王林, 王燕丽, 安泽远. 改进粒子群算法优化回声状态网络的电力需求预测研究[J]. 计算机工程与科学, 2022, 44(08): 1457-1466.
[9]	申晓宁, 潘红丽, 陈庆洲, 游璇, 黄遥. 引入启发信息的粒子群算法在低碳TSP中的应用[J]. 计算机工程与科学, 2022, 44(06): 1114-1125.
[10]	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.
[11]	张晶, 魏淼, . 基于Delaunay三角划分策略的WSN区域覆盖优化研究[J]. 计算机工程与科学, 2021, 43(11): 1944-1951.
[12]	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.
[13]	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.
[14]	高海军, 潘大志. 星型结构的多目标粒子群算法求解多模态多目标问题[J]. 计算机工程与科学, 2020, 42(08): 1472-1481.
[15]	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.