NO.1 论文简介
工作流执行过程中，由于子任务之间的数据依赖产生大量的任务等待时隙，造成云平台计算资源空闲和资源利用率低。现有的工作流调度方法虽然可以通过数据依赖分析提高工作流执行效率，但它们都没有考虑异构混合工作流的调度。针对这一问题，以最小化任务完工时间、提高任务按时交付率、提升批处理任务吞吐量以及资源利用率为目标，提出了云中混合工作流构造策略与调度算法。首先，建立了混合工作流三层调度架构，分别完成混合工作流的分类、构造与调度。其次，为了充分利用任务等待时隙，提出了基于背包的混合工作流构造策略，将批处理任务调度至工作流子任务等待时隙执行，实现混合工作流构造。再次，提出了基于信息熵的工作流调度算法和基于粒子群算法的资源动态伸缩策略，解决工作流调度的多目标优化问题，并实时监测调整计算资源，保障混合工作流的顺利完成。最后，仿真实验结果表明所提出的构造策略与调度算法能够有效缩短任务完工时间，保证任务按时交付率，提升批处理任务吞吐量，提高资源利用率。
NO.2 主要贡献
（1）针对云服务提供商需要同时处理工作流任务和批处理任务的混合计算场景，设计了混合工作流调度架构，通过解耦任务分类、混合工作流构造与调度，提高混合工作流调度效率，有助于提升系统的灵活性和可扩展性。
NO.3 研究结论
图1~图4展示了所提IEBHWSA算法与PSO、HEFT、MAXMIN、MINMIN、MCT、DATA算法在不同任务规模下调度算法的效果，实验结果如图1~图4所示。
图1 完工时间对比图
图1为不同调度算法在任务完工时间上的对比结果，IEBHWSA算法在调度过程中充分利用任务等待时隙，提升了任务计算效率。在完工时间上优化效果明显优于其他对比算法，在任务数量达到最大规模时相较于其他算法的优化程度为22.37%~54.77%。
图2 任务按时交付率对比图
图3 批处理任务吞吐量对比图
图3为不同算法在批处理任务吞吐量方面的对比，在任务规模较小时，所有算法对批处理任务的吞吐量相差无几。随着任务规模不断增大，工作流对虚拟机的计算需求不断增大，IEBHWSA算法在批处理任务吞吐量上逐渐高于其他对比算法，最大任务规模下提升范围在3.11%~54.46%之间。
图4 资源利用率对比图
NO.4 论文资助
陕西省重点研发计划（2024GX-YBXM-010，2024GX-YBXM-140，2024GX-YBXM-039）
陕西省创新能力支撑计划（2023-CX-TD-08）
陕西省秦创原“科学家+工程师”团队（2023KXJ-040）
中央高校基本科研业务费专项资金（ZYTS24089）
NO.5 作者介绍
本团队来自西安电子科技大学计算机科学与技术学院、陕西省智能人机交互与可穿戴技术重点实验室。该实验室长期开展计算机系统结构、异构计算/云计算等相关研究。实验室有固定人员51人，其中教授/研究员21名，副教授/高工15名，讲师15名；近年来获批国家级课题21项，省部级和横向课题51项，新增千万级重大科研项目1项；获软著、授权发明专利70余项；发表高水平学术论文190余篇；获得省部级以上科研成果奖励18项。
E-mail：23031212085@stu.xidian.edu.cn。
E-mail：hzhao@mail.xidian.edu.cn。
E-mail：20181213882@stu.xidian.edu.cn。
E-mail：wangjing@mail.xidian.edu.cn。
E-mail：wanbo@xidian.edu.cn。
E-mail：qwang@xidian.edu.cn。
·引用格式·
赵冉, 赵辉, 王嘉良, 王静, 万波, 王泉. 云中混合工作流构造策略与调度算法(2024) [J/OL]. 西安电子科技大学学报, [2024-10-23]. https://doi.org/10.19665/j.issn1001-2400.20241006
“扫描二维码查看原文”
https://link.cnki.net/doi/10.19665/j.issn1001-2400.20241006
编辑：许瀚樱
校对：杨 薇
审核：牛姗姗
优文推荐 | 融合VFA和ISSA的多目标优化WSN覆盖算法
· 推荐阅读 ·
- 联系我们 -
xuebao@mail.xidian.edu.cn
