论文部分内容阅读
近年来,云计算技术已经成为一种新的大规模分布式计算方式。然而,由于云环境中的工作流与传统工作流相比,运行环境有了巨大变化,工作流的调度问题,资源管理问题等经典问题需要被重新考虑。其中,资源调度问题对用户和云服务供应商都至关重要。因此,本文重点研究云工作流中的资源调度问题。到目前为止,在工作流的资源调度领域里,已有不少算法。然而,这些算法有的没有考虑工作流的运行花费问题,有的虽然将降低开销作为调度的目标,但也只考虑了价格及性能稳定不变的云资源类型。如何在价格和性能都随着时间改变的资源上得到好的调度效果。是当前亟待解决的问题。针对以上问题,本文提出了两种算法:基于价格动态变化的动态规划算法和基于性能及价格概率模型的算法。其中,基于价格动态变化的动态规划算法将根据竞价资源的历史价格变化图表,计算工作流在完成时间限制之内的最低花费调度策略。基于性能和价格概率模型的算法则采用了已有研究对于亚马逊竞价资源的性能和价格构建的概率分布模型,在考虑了云资源的动态性的前提下,根据用户提供的工作流预算以及达到该预算的概率,为用户选择合适的实例从而在达到预算要求的前提下,使得工作流的运行时间最快。同时,为了验证以上研究的可行性,本文设计了一系列实验对以上两种算法进行评估,并将实验数据与已有的经典算法进行比较,分析算法的优缺点,提出改进意见。实验表明,基于价格变化的算法相较于传统状态图搜索算法,在寻找一个符合运行时间限制的最低价格的调度策略方面,在串行任务较多的工作流上有着明显的优化效果。而基于性能和价格均动态变化的调度算法,虽然缺乏同样考虑到调度环境的算法,本文将经典算法应用到动态的环境中与算法做对比实验得出,本文的算法在云资源性能和价格均变化的环境中有着更好的调度效果。