Multi-objective Non-cooperative Game Model for Cost-based Task Scheduling in Computational Grid
任务调度是计算网格中一个重要而复杂的问题。一个计算网格通常覆盖一系列不同类型的节点,这提供了一个复杂的环境。有必要开发算法,可以捕捉这种复杂性,同时可以很容易地实现和用于解决广泛的负载平衡的情况。针对网格负载均衡问题,提出了一种基于博弈论的网格负载均衡算法。网格负载均衡问题被视为一个非合作博弈。实验结果表明,基于博弈的算法具有较好的降低网格代价的能力。
2018-07-15 cs.DC
Intelligent strategies for DAG scheduling optimization in Grid environments
提出了一种网格环境下动态DAG调度问题的解决方案。提出了一种分布式、可扩展、高效、容错的任务优化分配算法。具有依赖关系的任务的调度算法使用启发式模型来优化任务执行的总成本。提出了一种基于遗传算法的资源优化分配方法。实验使用MonALISA监测环境及其扩展。结果表明,与其他调度方法相比,这种DAG调度算法的性能非常好。
2011-06-27 cs.DC
Economic-based Distributed Resource Management and Scheduling for Grid Computing
计算网格作为下一代计算的基础设施,能够共享、选择和聚合地理上分布的资源,以解决科学、工程和商业中的大规模问题。由于网格中的资源是异构的,并且在地理上分布,具有不同的可用性以及针对不同用户在不同时间的各种使用和成本策略,并且优先级以及目标随时间而变化。在这样一个大型的分布式环境中,资源管理和应用程序调度是一项复杂的任务。本论文提出了一个分布式计算经济作为一个有效的隐喻资源管理和应用程序调度。提出了一种支持资源交易和基于服务质量的调度的体系结构框架。它使资源的供应和需求的监管,并提供了一个激励资源所有者参与网格和动机的用户之间的最后期限,预算和所需的服务质量水平进行权衡。论文通过开发用户服务质量需求驱动的调度策略和算法,展示了基于经济的系统用于对等分布式计算的能力。它证明了他们的有效性,通过执行调度实验在全球范围内的网格解决参数扫描应用程序。
2002-04-22 cs.DC
A Deadline and Budget Constrained Cost-Time Optimisation Algorithm for Scheduling Task Farming Applications on Global Grids
计算网格和对等(P2P)网络使地理上分布的资源能够共享、选择和聚合,以解决科学、工程和商业中的大规模问题。然而,用于调度应用的资源和服务的管理和组合成为复杂的任务。我们已经提出了一个计算经济的框架,用于调节资源的供应和需求,并根据用户的服务质量要求将它们分配给应用程序。该框架需要经济驱动的最后期限和预算约束(DBC)调度算法分配资源的应用程序的作业,这样的方式,用户的要求得到满足。在本文中,我们提出了一种新的调度算法,称为DBC成本-时间优化,它扩展了DBC成本优化算法,优化时间,保持计算成本最低。这种新的调度算法的优越性,在实现较低的作业完成时间,通过模拟全球范围内的网格和调度任务农业应用程序不同的截止日期和预算的情况下,使用这种新的和成本优化调度算法证明。
2002-03-14 cs.DC
Resource CoAllocation for Scheduling Tasks with Dependencies, in Grid
在广域分布式系统上调度应用程序对于以有效的方式获得快速和可靠的结果是有用的。优化调度算法对于实现资源的优化利用至关重要。现有的和潜在的应用包括许多活动领域,如卫星图像处理和医学。提出了一种网格环境下具有依赖关系的任务调度算法。CoAllocation表示为具有依赖性的任务提供调度的策略,其主要目的是调度的效率,在负载均衡和用于执行任务的最小时间方面。
2011-06-27 cs.DC
Enabling Adaptive Grid Scheduling and Resource Management
网格概念的广泛采用使得科学家和研究人员可以使用越来越多的联合计算、存储和可视化资源。这些资源的分布式和异构性使得大多数传统的集群监控和管理方法不合适,并对此类系统的工作流调度提出了新的挑战。有效的资源利用率监控和高粒度但自适应的测量是一个更有效的网格调度的先决条件。我们提出了一套测量应用程序,能够监控每个进程的资源利用率,和一个可定制的工具,用于模拟观察到的利用率模型。我们还概述了我们未来的工作预测和概率网格调度。该研究是英国电子科学EPSRC与BT合作赞助的SO-GRM(自组织网格资源管理)项目的一部分。
2007-11-02 cs.DC
Scheduling on Grid with communication Delay
并行处理是高性能计算(HPC)的核心,过去是,现在仍然是提高计算机系统速度的最有效途径。在过去的几年里,处理器的计算能力和网络速度的大幅发展已经显著改变了HPC的格局。地理分布的异构系统现在可以合作和共享资源来执行一个应用程序。这种计算基础设施被称为计算网格或网格计算。网格可以看作是一种分布式的大规模集群计算。从另一个角度来看,它构成了云计算系统的主要部分,除了瘦客户端和实用计算[1,2,3]。因此,网格计算吸引了众多的研究者[4]。人们对网格计算的兴趣已经超越了传统的网格计算的范式,转向了无线网格计算[5,6]。
2015-12-09 cs.DC
Flex: Grid-Responsive Provisioning and Scheduling for Elastic Cloud Clusters
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
CarbonFlex提出一种基于历史集群数据持续学习的碳感知资源供给与调度方法,扩展AWS ParallelCluster实现,在行业负载上较碳无关基线减排约57%,性能接近理想调度器。
2026-10-13 cs.DC
An Economic-based Resource Management and Scheduling for Grid Computing Applications
在网格计算环境中,资源管理和调度是实现资源高效利用的关键。在网格系统中,由于资源的异构性,应用程序的调度是一项非常复杂和具有挑战性的任务。在这方面的研究大多集中在提高网格系统的性能。基于可分负载理论,针对不同类型的工作负载和单个源处理器,已经提出了一些分配模型。本文介绍了一种新的资源分配模型,该模型以多个负荷源处理机作为经济模型。通过线性规划方法,得到了以电网用户成本最小为目标的最优负荷分配方案。结果表明,该资源分配模型能够有效地将工作负载分配到合适的资源上。实验结果表明,该模型在成本和时间上都得到了较好的解决方案。
2010-04-20 cs.DC
Scheduling in Data Intensive and Network Aware (DIANA) Grid Environments
在网格调度决策的基础上,往往是数据或计算密集型的工作:在数据密集型的情况下,工作可能会推到数据和计算密集型的情况下,数据可能会拉到作业。这种调度,其中有没有考虑网络特性,可能会导致性能下降,在网格环境中,并可能导致大的处理队列和作业执行延迟,由于网站过载。在本文中,我们描述了一种数据密集型和网络感知(DIANA)元调度方法,该方法在跨多个站点做出调度决策时考虑数据、处理能力和网络特征。通过一个网格测试平台上的实际实现,我们证明了数据密集型作业的队列和执行时间可以显着改善,当我们引入我们提出的DIANA调度。基本调度决策由每个潜在目标位置的加权因子决定,该加权因子是网络特性、处理周期以及数据位置和大小的计算函数。作业调度器提供计算资源的全局排名,然后基于该总体访问和执行成本来选择最优的计算资源。DIANA方法将网格视为活动网络元素的组合,并将网络特性作为调度决策矩阵中的第一类标准以及计算和数据。然后,调度器可以通过考虑网络的变化状态、数据的位置和大小以及可用处理周期池来做出明智的决策。
2007-07-05 cs.DC
Nimrod/G: An Architecture of a Resource Management and Scheduling System in a Global Computational Grid
强大的微处理器和高速网络作为商品组件的可用性使得分布式系统上的高性能计算(广域集群计算)成为可能。在这种环境中,由于资源通常分布在地理上的各个层次(部门,企业,或世界各地)有一个很大的挑战,在整合,协调和呈现给用户作为一个单一的资源,从而形成一个计算网格。另一个挑战来自资源的分布式所有权,每个资源都有自己的访问策略、成本和机制。建议Nimrod/G网格启用的资源管理和调度系统建立在我们早期的工作Nimrod,并遵循模块化和基于组件的架构,使可扩展性,可移植性,易于开发,独立开发的组件和互操作性。它使用Globus工具包服务,并且可以很容易地进行扩展,以便与任何其他新兴的网格中间件服务一起运行。它侧重于管理和调度的计算在地理上分散在互联网上的部门,企业,或全球一级,特别强调开发调度计划的基础上的概念,计算经济的一个真正的测试床,即Globus测试床(GUSTO)。
2000-09-22 cs.DC
Scheduling of Dependent Tasks Application using Random Search Technique
自网格计算出现以来,相关任务调度问题由于其NP完全的性质一直受到研究者的关注。在网格环境中,调度是指将任务分配到可用资源上。当网格中的任务具有依赖性和资源异构性时,网格调度具有挑战性.相关任务调度的主要目标是最小化完工时间。由于调度问题的NP完全性质,精确解不能有效地生成调度。因此,研究人员采用启发式或随机搜索技术来获得此类问题的最优或接近最优的解决方案。在本文中,我们展示了如何遗传算法可以用来解决相关任务调度问题。我们描述了如何使用随机分配和基于高度的方法生成初始人口。我们还提出了交叉和变异算子的设计,使相关任务的调度应用程序不违反依赖约束。为了实现基于遗传算法的调度,我们探索和分析SimGrid和GridSim仿真工具包。从结果中,我们发现SimGrid是合适的,因为它支持用于DAG应用程序的SimDag API。我们发现基于遗传算法的方法可以在合理的时间内为相关任务应用生成调度,同时尽量减少制造跨度。
2013-04-15 cs.DC
Improving Overhead Computation and pre-processing Time for Grid Scheduling System
计算网格是一个巨大的环境,具有异构的资源和稳定的基础设施之间的其他基于Internet的计算系统。然而,这种系统中的资源管理有其特殊的问题。调度系统需要从信息中心获取参与节点的最新信息,以便进行可靠的作业调度。在本文中,我们专注于在线更新资源信息中心处理和提供的数据的基础上假设的层次模型。采用混合知识抽取方法对网格节点进行分类,并基于工件特征预测。本研究的一个肯定的观点是,调度系统不会浪费额外的时间来获取网格节点的最新信息。实验结果表明,我们的方法相比,其他保守的方法的优势,特别是由于它能够预测节点的行为的基础上,每个节点上的综合数据表。
2010-05-06 cs.DC
The Impact of Data Replicatino on Job Scheduling Performance in Hierarchical data Grid
在数据密集型应用程序中,数据传输是作业执行延迟的主要原因。数据访问时间取决于带宽。广域网和Internet的高带宽是网格环境下支持快速数据访问的主要瓶颈。有效的调度可以通过将作业分派到存在所需数据的位置来减少通过互联网传输的数据量。另一种解决方案是使用数据复制机制。动态副本策略的目标是减少文件访问时间,从而减少作业运行时间。在本文中,我们提出了一个作业调度策略和一个动态的数据复制策略,称为HRS(分层复制策略),以提高数据访问效率。我们研究我们的方法,并通过模拟评估。结果表明,我们的算法比现有的策略提高了12%。
2010-10-04 cs.DC
DIANA Scheduling Hierarchies for Optimizing Bulk Job Scheduling
在大规模分布式系统中使用元调度器进行资源管理通常会导致调度器的层次结构。在本文中,我们将讨论为什么现有的元调度层次结构有时是不够的网格系统,由于他们无法重新组织工作已经安排在本地。这样的工作重组是需要适应不断变化的负载,这是常见的大量使用的网格基础设施。我们提出了一个对等调度模型,并使用案例研究和数学建模进行评估。我们详细介绍了DIANA(数据密集型和网络意识)调度算法和队列管理系统,以应付负载分布和支持批量作业调度。我们证明,这样的系统是有益的动态,分布式和自组织的资源管理,并可以帮助优化负载或作业分布在复杂的网格基础设施。
2007-07-05 cs.DC
A Computational Economy for Grid Computing and its Implementation in the Nimrod-G Resource Brok
计算网格,耦合地理上分布的资源,如个人电脑,工作站,集群,和科学仪器,已经成为下一代的计算平台,解决大规模的问题,在科学,工程和商业。然而,这些环境中的应用程序开发、资源管理和调度仍然是一项复杂的任务。在这篇文章中,我们将讨论我们的努力,在开发一个资源管理系统调度计算分布在世界各地的资源,不同的服务质量。我们的面向服务的网格计算系统称为Nimrod-G管理与远程执行相关的所有操作,包括资源发现,交易,基于经济原则和用户定义的服务质量要求的调度。Nimrod-G资源代理是通过利用Globus等现有技术实现的,并提供了构建工业强度网格所必需的新服务。我们讨论的初步实验结果调度一些参数计算使用Nimrod-G资源代理在一个世界范围内的网格测试平台,跨越五大洲。
2001-11-17 cs.DC
Alternative Mixed Integer Linear Programming Optimization for Joint Job Scheduling and Data Allocation in Grid Computing
本文针对网格计算中的作业调度与数据分配联合优化问题,提出一种交替固定决策变量并利用MILP求解的混合整数二次约束规划方法,实验证明其显著优于现有启发式方法且具强泛化性与鲁棒性。
2025-02-01 cs.DC
QOS based user driven scheduler for grid environment
由于网格在本质上是异构的、动态的、共享的和分布式的环境,有效地管理这些平台是非常复杂的。一个有前途的可扩展的方法来处理这些复杂性是设计的自主应用程序的自我管理。自治应用通过考虑自身行为和环境条件的知识来相应地调整其执行。基于QoS的网格用户驱动调度为自治应用提供了自优化能力。计算网格通过在物理位置的多台机器上分散单个大型计算,为用户提供解决大规模问题的能力。基于QoS的用户驱动网格调度器通过应用用户定义的调度策略来减少作业的执行时间,从而提高网格系统的可靠性,提高网格的性能。本文的主要目的是在网格节点之间分配计算负载,并开发一种基于QoS的网格调度算法,使网格更加可靠。网格计算系统不同于传统的分布式计算系统,它强调大规模的资源共享,其中处理器和通信对网格计算的可靠性有重要影响。由最终用户从提交到网格执行的应用程序中启动的可靠性功能。基础设施和管理服务的可靠性,这些服务执行网格系统运行所必需的基本功能,例如资源分配和调度。
2011-02-02 cs.DC
A Grid Service Broker for Scheduling Distributed Data-Oriented Applications on Global Grids
下一代科学实验和研究,通常被称为电子科学,是由分布在世界各地的研究人员进行的,他们从事分析科学仪器产生的大量数据。网格计算已经成为电子科学的推动者,因为它允许创建虚拟组织,将具有共同目标的社区聚集在一起。在社区内,数据汇集存储或复制在分布式资源上,以增强存储能力或访问效率。在这样的环境中,科学家需要有能力通过透明地访问分布式数据和计算资源来进行研究。在本文中,我们提出并开发了一个网格代理,通过(a)为给定的分析场景发现合适的数据源,(b)合适的计算资源,(c)最佳地将分析作业映射到资源,(d)在选定的资源上部署和监视作业执行,(e)在作业执行期间从本地或远程数据源访问数据,以及(f)整理和呈现结果。该代理支持用于创建网格应用程序的声明式和动态参数化编程模型。我们已经使用这个模型在网格启用高能物理分析应用程序(百丽分析软件框架)。该经纪人已被用于在网格测试平台上部署Belle实验数据分析工作,称为Belle分析数据网格,分布在澳大利亚各地的资源通过GrangeNet互连。
2004-05-06 cs.DC
A centralized reinforcement learning method for multi-agent job scheduling in Grid
Isfahan University of Technology(伊斯法罕理工大学)
在网格系统中的主要挑战之一是设计一个自适应的,可扩展的,和模型无关的方法来调度作业,以达到理想程度的负载均衡和系统效率。集中式作业调度方法存在单点故障和缺乏可扩展性等缺点。此外,分散的方法需要一个通信有限的协调机制。在本文中,我们提出了一个多智能体的方法,在网格作业调度,命名为集中式学习分布式调度(CLDS),利用强化学习框架。CLDS是一种无模型的方法,它利用作业的信息和它们的完成时间来估计资源的效率。在该方法中,有一个学习者代理和几个调度器代理,执行学习和作业调度的任务,使用的协调策略,保持在有限的水平的通信成本。我们评估的CLDS方法的效率,通过设计和执行一组实验模拟网格系统在不同的系统规模和负载。实验结果表明,CLDS在大规模、重负载的网格环境下仍能有效地平衡系统的负载,同时保持其自适应性能和可扩展性。
2016-09-11 cs.AI cs.DC
Dynamic task scheduling in computing cluster environments
在这项研究中,集群计算环境作为一个计算平台。为了提高系统的运行效率,提出了一种动态任务调度算法,使集群节点之间的负载均衡。该技术是动态的,非抢占式的,自适应的,它使用混合的集中和分散的政策。该算法基于分而治之的原则,将集群建模为超网格,然后在它们之间进行负载均衡。递归地,维度为k的超网格被划分为维度为k - 1的网格,直到维度为1。然后,集群中的所有节点几乎都是同等负载的。选择超网格的最佳维度以实现最佳性能。仿真结果表明了该算法的有效性。此外,我们确定了临界点(下限),该算法可以被触发。
2019-02-21 cs.DC
Optimization of Decentralized Scheduling for Physic Applications in Grid Environments
本文提出了一个调度框架,配置,并在分布式系统中使用。我们的工作解决的问题,调度各种计算密集型和数据密集型的应用程序,需要从卫星图像中提取信息。所提出的解决方案允许将图像处理应用映射到可用资源上。调度是在并发应用程序组的级别上完成的。它在调度和执行应用程序组方面表现出非常好的行为,同时还实现了资源的接近最佳利用率。
2008-12-11 cs.DC physics.comp-ph
A Survey on Dynamic Job Scheduling in Grid Environment Based on Heuristic Algorithms
Nallamuthu Gounder Mahalingam College(纳拉穆图·冈德·马哈林加姆学院)
计算网格是分布式计算系统发展的新趋势。它们允许以有效的方式共享地理上分布的资源,扩展了我们所认为的分布式计算的边界。各种科学可以从使用网格来解决CPU密集型问题中受益,为整个社会创造潜在的利益。作业调度是并行和分布式计算的重要组成部分。它允许为特定作业选择正确的资源匹配,从而提高作业吞吐量和资源利用率。作业应该以自动的方式进行调度,以使系统更可靠、更易访问,并且对子系统故障不太敏感。本文综述了各种启发式算法,用于网格调度。
2014-02-21 cs.AI cs.DC
A Linear Programming Driven Genetic Algorithm for Meta-Scheduling on Utility Grids
网格中的用户级代理考虑单个应用的QoS需求,并在不考虑其他用户需求的情况下使其成本最小化。这会导致资源争用和次优调度。网格中的元调度旨在解决这个调度问题,这是NP难,由于其组合的性质。因此,除了传统的算法如Greedy和FCFS之外,已经提出了许多基于遗传算法的解决方案,使用遗传算法(GA)。我们提出了一个线性规划/并行规划模型(LP/IP)调度这些应用程序的多个资源。我们还提出了一种新的算法LPGA(线性规划驱动的遗传算法),它结合了LP和GA的能力。该算法的目的是获得最佳的元调度公用事业网格,最小化所有用户的联合成本在一个协调的方式。仿真结果表明,我们提出的综合算法提供了最好的时间表具有最小的处理成本可以忽略不计。
2009-03-08 cs.DC cs.NE
Divisible Load Scheduling in Mobile Grid based on Stackelberg Pricing Game
如今,在计算系统中使用移动节点作为贡献实体已经变得可行。在本文中,我们考虑了一个计算网格中的移动设备可以共享其空闲资源,实现并行处理。整个计算任务可以被任意划分为多个子任务,以分配给移动资源提供者(RP)。在这个过程中,计算负载调度问题是突出的。基于优化目标,即,提出了一种以最小化任务完成时间为目标的买方-卖方模型,在该模型中,任务发起者可以通过支付一定的利润激励SP共享其计算资源。采用Stackelberg定价博弈(SPG)方法,得到每个SP的最优价格和共享资源量。最后,通过系统仿真对算法的性能进行了评估,结果表明基于SPG的负载调度算法可以显著提高移动网格系统的时间增益。
2015-03-18 cs.DC cs.GT
Take a break: cloud scheduling optimized for real-time electricity pricing
云计算以其弹性的、按需的计算资源方法彻底改变了行业,但也对环境产生了巨大影响。数据中心占全球总用电量的1.1-1.5%。通过分析实时的【形】电价,我们对电网有了更深入的了解,为电网感知云奠定了基础。我们提出了一个调度算法,预测电价峰值和节流能源消耗暂停虚拟机。我们通过实证方法对OpenStack云管理器的方法进行了评估,并显示了能耗和成本的降低。最后,我们定义了绿色实例,在这些实例中,云提供商可以以更好的价格选项向客户提供此类服务。
2013-07-26 cs.DC
FissionReady: Joint Workload and Power Scheduling for Data Centers Powered by Small Modular Reactors
IIT Tirupati(蒂鲁帕蒂印度理工学院);University of Utah(犹他大学);Northeastern University(东北大学)
FissionReady是一种面向SMR供电数据中心的调度器,通过跟踪燃料年龄和氙状态确定运行包络,并采用双时间尺度优化协调负荷跟踪与电网购电,实现零停堆和零截止时间错过,同时大幅降低水耗和电网成本。
2026-10-01 cs.DC
Resource and Application Models for Advanced Grid Schedulers
随着网格计算的发展,对动态、异构资源的管理、调度和监控提出了新的挑战。解决方案必须是敏捷和自适应的,支持自组织和自主管理,同时保持最佳的资源利用率。本文提出了在异构网格环境中有效的资源分配的基本原则和体系结构的概念。
2007-11-02 cs.DC
Virtual Laboratory: Enabling On-Demand Drug Design with the World Wide Grid
计算网格是解决科学、工程和商业中大规模计算和数据密集型问题的一种流行模式。然而,在这些环境中的应用程序组合、资源管理和调度是一项复杂的任务。在本文中,我们说明了利用现有的网格技术,使分布式资源上的药物设计的分子建模的虚拟实验室环境的创建。它涉及针对蛋白质靶标、化学数据库(CDB)筛选数百万个化合物分子,以识别那些具有药物设计潜在用途的化合物。我们已经使网格的分子对接过程中组成的参数扫描应用程序使用Nimrod-G工具。然后,我们开发了新的工具,用于远程访问CDB小分子数据库中的分子。Nimrod-G资源代理与分子CDB数据代理一起用于分布式网格资源上作业的调度和按需处理。结果证明了Nimrod-G和虚拟实验室工具的易用性和适用性。
2001-11-17 cs.DC
Data Volume-aware Computation Task Scheduling for Smart Grid Data Analytic Applications
新兴的智能电网应用程序分析从数百万个电表和系统收集的大量数据,以促进分布式监控和实时控制任务。然而,目前的并行数据处理系统都是针对普通应用而设计的,并不知道所采集的数据量巨大,导致智能电网系统在计算过程中数据传输延迟长,响应时间慢。减少延迟的一个有希望的方向是联合调度计算任务和数据传输。我们发现,智能电网的数据分析工作需要不同的计算阶段之间的中间数据进行有序传输,以避免网络拥塞。这一新特性使得当前的调度算法效率低下。在这项工作中,一个集成的计算和通信任务调度方案的建议。给出了智能电网数据分析作业调度问题的数学描述,该问题由于强耦合约束而无法用现有的优化方法求解。几种技术相结合,使其线性化,以适应分支和切割方法。基于作业图中的拓扑信息,进一步提出了拓扑感知的分支割方法,以加快寻优速度。数值结果证明了所提出方法的有效性。
2023-02-02 cs.DC cs.PF cs.SY
An Algorithm for File Transfer Scheduling in Grid Environments
针对网格环境下的数据传输调度问题,提出了一种具有动态和自适应特性的集中式调度器。该算法为用户传输请求提供了一个预留系统,该系统根据网络拓扑结构和用户为请求指定的约束来分配传输时间和带宽。本文介绍了与数据传输领域相关的项目,调度器的框架设计,调度器的主要功能,传输请求重新调度的步骤和两个测试,说明系统的行为,不同类型的传输请求。
2009-01-02 cs.DC cs.DS cs.NI
Scheduling in distributed systems: A cloud computing perspective
调度本质上是一个决策过程,它通过确定活动在可用资源集上的执行顺序来实现多个活动之间的资源共享。分布式系统的出现给计算机系统的调度带来了新的挑战,包括集群、网格和最近的云。另一方面,过多的研究,使它很难为新人的研究人员理解不同的调度问题和文献中提出的策略之间的关系,这阻碍了新的和相关的研究途径的识别。在本文中,我们介绍了分布式系统中的调度问题的分类,提出了一个分类法,结合最近的发展,特别是那些在云计算。我们回顾了调度文献,以证实分类和分析的兴趣,在不同的分支提出的分类。最后,我们确定相关的未来方向,在分布式系统的调度。
2019-01-10 cs.DC cs.DS
Quantifying the Carbon Reduction of DAG Workloads: A Job Shop Scheduling Perspective
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本文从作业车间调度角度研究DAG工作负载的碳减排问题,通过建模和求解发现依赖意识方法能显著降低碳排放,且允许更长的完成时间可进一步提升碳节省效果。
2025-12-08 cs.DC
Dynamic scheduling of virtual machines running hpc workloads in scientific grids
采用虚拟化的主要动机是资源隔离、容量管理和资源定制,允许资源提供商将其资源整合到虚拟机中。已经采取了各种方法来将虚拟化集成到科学网格中,特别是在高性能计算(HPC)的领域中,以在虚拟机中运行网格作业,从而能够更好地提供底层资源并在运行时定制执行环境。尽管有这些好处,但虚拟化层也会带来性能损失,而且还没有很好地理解这种开销将如何影响系统的性能,其中作业的调度时间很紧。由于这种开销会改变工作负载的类型,无论它们是内存密集型,CPU密集型还是网络I/O绑定,并且可能导致系统中运行作业的不可预测的截止日期估计。在我们的研究中,我们试图通过开发一种智能调度技术来解决这个问题,该技术用于监控虚拟机的工作负载类型和最后期限,并实时的计算系统开销,以最大限度地提高在商定的最后期限内完成的作业数量。
2010-09-24 cs.DC cs.DS cs.PF
Efficient Resource Matching in Heterogeneous Grid Using Resource Vector
本文提出了一种在分布式校园网格环境中有效调度作业以获得最佳作业吞吐量的方法。传统的作业调度器根据用户和作业资源属性来确定作业调度。用户属性与当前使用、历史使用、用户优先级和项目访问相关。作业资源属性主要包括软需求(编译器,库)和硬需求,如内存,存储和互连。如果资源满足作业的硬要求和软要求,则作业调度程序将作业分派给资源。在作业执行期间的当前场景中,如果资源变得不可用,则向调度器呈现有限的选项,即重新排队作业或将作业迁移到不同的资源。这两种选择在数据和计算时间方面都很昂贵。如果考虑网格环境中资源的可用时间这一经常被忽略的因素,这些情况就可以避免。我们提出了资源排名的方法,在该方法中,作业被分派到一个资源,其中具有最高的排名之间的所有资源,匹配的作业的要求。结果表明,我们的方法可以提高许多串行/单片作业的吞吐量。
2010-06-07 cs.DC
Size-based scheduling vs fairness for datacenter flows: a queuing perspective
相反,最近的工作机构的结论,近似最短的剩余处理时间优先(SRPT)流调度提倡数据中心网络,本文旨在证明,每流公平性仍然是一个更可取的目标。我们评估抽象的排队模型的分析和模拟,以说明SRPT的非最优性的合理假设下,数据中心的流量发生在批次和突发,而不是通常假设的,单独在一个泊松过程的时刻。这些模型的结果有显着的影响,数据中心网络的带宽共享策略的设计。特别是,我们提出了一种新的“虚拟公平调度”算法,强制执行批次之间的公平性,可以说是足够简单,在高速设备中实现。
2022-03-24 cs.DC cs.NI cs.PF
Distributed Optimal Vehicle Grid Integration Strategy with User Behavior Prediction
近年来,随着电动汽车的普及,电动汽车充电对电网的影响越来越大。本文提出了一种将智能电动汽车充电与V2G电网服务相结合的优化调度算法,将电动汽车作为分布式能源接入电网,提高系统性价比。具体地,根据来自聚合控制中心的控制信号和通过均值估计和线性回归的用户充电行为预测,在每个EV充电站处制定和求解最优化问题。控制中心定期收集分布式优化结果并更新控制信号。迭代继续,直到它收敛到最优调度。实验结果表明,该算法能够在满足单个司机能量需求的同时,对微电网内的电力负荷曲线进行填谷削峰。
2017-03-13 cs.DC math.OC
Abstraction and control techniques for non-stationary scheduling problems
本文从一个新的角度来看待调度问题,试图弥合经典的启发式方法和系统识别和控制策略之间的差距。为了这个目的,一个完整的数学公式的一般调度过程的推导,从非常广泛的假设。这允许更大的操作自由度,并保证识别(和控制)技术的分辨率。一个自适应和切换策略,提出了一个简单的轮循算法的性能。
2009-11-30 cs.DC nlin.AO