云環(huán)境下基于失效感知的工作流調(diào)度算法研究.pdf

1、近年來，由于云計算的快速發(fā)展，大規(guī)模的云計算數(shù)據(jù)中心在全球各地被廣泛建立。隨著對云計算關注度的提高，云計算的功能(functionality)和復雜度(complexity)被研究人員廣泛研究。在云環(huán)境中，為了在滿足服務質(zhì)量的前提下，盡可能的降低服務成本，實現(xiàn)用戶和服務提供商雙方最大化收益問題而引入了“云工作流”。通過將工作流技術與云計算相結合，一方面其可以將原先復雜的應用需求按照業(yè)務邏輯進行抽象定義和分解，對任務和資源進行再次整理和靈

2、活配置，從而提高服務質(zhì)量;另一方面其可以實現(xiàn)任務自動調(diào)度、任務監(jiān)控和資源分配的優(yōu)化與管理，因此可以大幅提高任務的執(zhí)行效率，能有效地提高云計算服務的質(zhì)量，減少執(zhí)行任務的費用開銷。
　　針對云工作流的調(diào)度問題，不同的研究人員從完工時間最小化、執(zhí)行成本最低化、任務完成率最大化等多方面展開研究。雖然當前存在很多云工作流的調(diào)度方法，但都沒有針對云計算資源失效而建立調(diào)度模型，從而有效的規(guī)避和減少失效事件對云環(huán)境下工作流任務調(diào)度結果的影響。而在

3、云計算環(huán)境中，資源失效是不可避免的。由于資源失效將直接帶來系統(tǒng)性能降低、程序執(zhí)行提前終止甚至數(shù)據(jù)丟失等問題，最終導致更多的任務不能在截止期內(nèi)完成、違約率增高，嚴重影響到云計算的可靠性和穩(wěn)定性，大大降低了服務質(zhì)量（Quality of Service，QoS）。同時由于工作流的各個任務之間存在時序約束和數(shù)據(jù)依賴。因此在工作流執(zhí)行的過程當中，一旦某一個資源節(jié)點出現(xiàn)失效情況，不但導致此任務需要重新執(zhí)行，有可能整個工作流任務都需要重新執(zhí)行，嚴重

4、影響到云計算的效率，浪費大量的計算資源。
　　基于當前云計算環(huán)境下失效預測機制的國內(nèi)、外研究現(xiàn)狀和發(fā)展趨勢，結合云計算調(diào)度優(yōu)化特點，本文首先提出了基于失效感知的工作流調(diào)度模型，在調(diào)度過程中引入了失效預測機制和任務再調(diào)度策略，調(diào)度在滿足截止期要求的基礎上以最大化任務的完成率為目標。在任務調(diào)度過程中，為工作流的每一個任務生成子截止時間。根據(jù)資源失效預測模型，當所選的資源節(jié)點在任務的子截止期前發(fā)生失效時，提前把任務遷移到另一個可以順利完

5、成該任務的節(jié)點上，從而有效地規(guī)避資源失效對任務執(zhí)行帶來的影響，且在任務遷移過程中盡量把關鍵路徑任務分配到同一個性能較高的虛擬機上以減少任務之間數(shù)據(jù)傳輸?shù)拈_銷，縮短完工時間，提高任務的完成率。然后對失效感知的工作流調(diào)度模型中的各個模塊功能進行了詳細說明，在此基礎上對失效預測機制、工作流模型和資源模型進行定義，最后對模型進行具體實現(xiàn)，給出了基于失效感知的工作流調(diào)度算法(BFGA)。該算法基于遺傳算法進行改進，算法中提出了新穎的三元組編碼方式

6、，在種群初始化過程中，采用隨機生成和使用已經(jīng)證明是有效的算法相結合的方式生成個體，以達到兼顧種群多樣性的目的。同時設計了符合工作流特點的交叉和變異方法，在個體進行交叉變異之后又引入了調(diào)整算子對部分結果進行局部微調(diào)，以避免陷入局部最優(yōu)，有效提高了收斂的速度。
　　通過CloudSim云計算仿真平臺對提出的模型和算法進行仿真實驗，實驗借助不同類型工作流應用和改變仿真環(huán)境參數(shù)的方法進行。通過與GA算法進行對比，驗證了算法的有效性。實驗證

7、明BFGA算法相對一般的GA算法由于采用三元組的編碼方式，初始化種群采用了多種生成個體的方法，豐富了種群個體的多樣性，且在種群進化過程中增加了調(diào)整算子，使其具有更好的收斂速度。其次，從失效預測準確率、工作流任務數(shù)量、失效節(jié)點比率三個方面來驗證BFGA算法與GA算法、First-fit算法、Pessimistic Best-fit算法以及不考慮失效的普通算法對任務調(diào)度的影響。實驗證明當失效預測準確率大于50％時，BFGA算法相比其他算法具