主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020年专刊出版计划 微信服务介绍 最新一期:2019年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
沈尧,秦小麟,鲍芝峰.一种云环境中数据流的高效多目标调度方法.软件学报,2017,28(3):579-597
一种云环境中数据流的高效多目标调度方法
Effective Multi-Objective Scheduling Strategy of Dataflow in Cloud
投稿时间:2016-07-24  修订日期:2016-09-14
DOI:10.13328/j.cnki.jos.005158
中文关键词:  云计算  多目标优化  合作博弈  数据流处理  任务调度
英文关键词:cloud computing  multi objective optimization  cooperative game  dataflow processing  task scheduling
基金项目:国家自然科学基金(61373015,61300052);中央高校基本科研业务费专项基金(NP2013307);江苏省研究生培养创新工程(KYLX_0287)
作者单位E-mail
沈尧 南京航空航天大学计算机科学与技术学院, 江苏 南京 210016  
秦小麟 南京航空航天大学计算机科学与技术学院, 江苏 南京 210016
软件新技术与产业化协同创新中心, 江苏 南京 210016 
qinxcs@nuaa.edu.cn 
鲍芝峰 School of Computer Science & Information Technology, RMIT University, Melbourne VIC 3000, Australia  
摘要点击次数: 1036
全文下载次数: 530
中文摘要:
      在分布式系统中,云计算作为一种新的服务提供模式出现,其执行科学应用数据流时的优势和缺点得到越来越多的关注,其主要特点为拥有大量同质和并发的任务包,并构成了性能瓶颈的主要因素.在云数据流中调度大规模任务是已被证实的NP难问题.专注于解决优化云数据流中的调度过程,并受现实世界启发,从不同角度将优化目标分别划分为用户指标(完工时间和经济成本)和云系统指标(网络带宽、存储约束和系统公平度),并将该调度问题制定成为一个新的连续的合作博弈,设计出快速收敛的高效Muliti-Objective Game(MOG)调度算法,在优化用户指标的同时,实现系统指标的约束,并保证云资源的效率和公平度.通过综合实验,证实该方法与其他相关算法相比,在算法复杂度Ol·K·M)(明显改进数量级)、结果质量(一些情况下最佳)、系统级别公平性上具有明显的优越性.
英文摘要:
      As a new emerging service provider, cloud computing, exhibiting advantages and disadvantages when executing the scientific data flows, is getting more and more attention. One of the main factors that constitute the performance bottleneck is there are many homogeneous and concurrent task packages in cloud. This paper focuses on optimizing the scheduling process in dataflow and transforming the optimization objectives into user metrics (makespan and economic cost) and indicators of cloud systems (network bandwidth, storage constraints and system fairness). An efficient multi-objective game algorithm (MOG) is proposed by formulating the optimization problem as a new cooperative game. The MOG method is able to optimize the user metrics while satisfying the constraint of the system metrics and ensuring the efficiency and fairness of the cloud resources. Comprehensive experiments demonstrate that compared with other related algorithms, the proposed MOG method has obvious advantages in terms of algorithm complexity O(l·K·M) (improvement of magnitude), result quality (optimum in some cases) and system level fairness.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利