物联网数据是当前一类典型的大数据,其应用正成为诸多行业领域的热点,围绕物联网数据的应用往往可以被表示为由一组大数据处理与分析任务构成的工作流.与传统工作流不同的是,IoT(Internet of Things)环境下这种数据驱动的工作流具有数据来源分散、数据规模大、云边协同分布执行等特点,给IoT数据工作流的执行带来了数据流控制管理、数据传输调度等方面的诸多挑战.针对IoT数据工作流的执行约束和数据传输优化问题,提出一种面向IoT数据工作流的分割与调度优化方法.首先对IoT数据工作流的执行约束条件、边缘节点负载以及数据传输量进行建模,进而以数据传输和执行时间优化为目标设计一种云边架构下IoT数据工作流的分割算法和子工作流执行调度算法.通过基于WorkflowSim的仿真实验结果表明,提出的算法与典型的HEFT和MINMIN算法相比,可以在保障边缘节点执行约束和负载均衡的条件下有效降低IoT数据工作流的执行时间.
关键词:IoT工作流
;
分割调度
;
数据传输优化
;
多目标优化
;
物联网服务
Abstract
IoT (Internet of Things) data is a typical type of big data at present,and its application is becoming a hot spot in many industries. Applications surrounding IoT data can often be expressed as a workflow composed of a set of big data processing and analysis tasks. Differing from traditional workflows,this data⁃driven workflow in the IoT environment has the characteristics of scattered data sources,large data scale,and cloud⁃side collaborative distributed execution,which brings data flow control management,data transmission scheduling and many other challenges to the execution of IoT data workflows. Therefore,this article proposes a segmentation and scheduling method for IoT data workflow execution with considering the execution constraints and data transmission optimization problems. The method first models the execution constraints,edge node load and data transmission volume of IoT data workflow in a coherent way. And then,a segmentation algorithm for IoT data workflow and a sub⁃workflow execution scheduling algorithm under cloud⁃edge architecture with the goal of data transmission and execution time optimization are designed. The results of simulation experiments based on WorkflowSim show that compared with the typical HEFT and MINMIN algorithms,our algorithm effectively reduce the execution time of IoT data workflow under the conditions of guaranteeing edge node execution constraints and load balancing.
Keywords:IoT workflow
;
split scheduling
;
data transmission optimization
;
multi⁃objective optimization
;
Internet of Things services
Qin Shenghui, Zhao Zhuofeng, Yang Zhongguo. Segmentation and scheduling method for IoT data workflow. Journal of nanjing University[J], 2022, 58(1): 153-162 doi:10.13232/j.cnki.jnju.2022.01.015
随着物联网建设的发展,逐渐产生并积累了大量各种各样的物联网数据,围绕这些数据的各类智能应用成为当前的热点.在物联网场景下,传感器数据、采集的实时视频数据等需要经过多个处理任务最终为智能决策服务.这些处理任务涉及数据采集、分布式数据查询和个性化数据分析等任务,这些任务可以以工作流的形式进行组织表示,这种形式的工作流被称为IoT(Internet of Things)数据工作流[1].同时,由于物联网应用系统网络拓扑分散、数据传输代价高等特点以及低处理时延和一定的数据隐私保护等需求,如何借助云边协同的方式对IoT数据工作流任务进行有效地划分和调度就成为此类IoT应用的关键.
近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销.
... 随着物联网建设的发展,逐渐产生并积累了大量各种各样的物联网数据,围绕这些数据的各类智能应用成为当前的热点.在物联网场景下,传感器数据、采集的实时视频数据等需要经过多个处理任务最终为智能决策服务.这些处理任务涉及数据采集、分布式数据查询和个性化数据分析等任务,这些任务可以以工作流的形式进行组织表示,这种形式的工作流被称为IoT(Internet of Things)数据工作流[1].同时,由于物联网应用系统网络拓扑分散、数据传输代价高等特点以及低处理时延和一定的数据隐私保护等需求,如何借助云边协同的方式对IoT数据工作流任务进行有效地划分和调度就成为此类IoT应用的关键. ...
基于工作流和QoS的物联网服务组合技术研究
1
2016
... 随着物联网建设的发展,逐渐产生并积累了大量各种各样的物联网数据,围绕这些数据的各类智能应用成为当前的热点.在物联网场景下,传感器数据、采集的实时视频数据等需要经过多个处理任务最终为智能决策服务.这些处理任务涉及数据采集、分布式数据查询和个性化数据分析等任务,这些任务可以以工作流的形式进行组织表示,这种形式的工作流被称为IoT(Internet of Things)数据工作流[1].同时,由于物联网应用系统网络拓扑分散、数据传输代价高等特点以及低处理时延和一定的数据隐私保护等需求,如何借助云边协同的方式对IoT数据工作流任务进行有效地划分和调度就成为此类IoT应用的关键. ...
Chaotic improved PICEA?g?based multi?objective optimization for workflow scheduling in cloud environment
1
2021
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
Cost?effective heuristic workflow scheduling algorithm in cloud under deadline constraint
0
2020
Privacy?preserving based task allocation with mobile edge clouds
1
2020
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
A novel reinforcement?learning?based approach to workflow scheduling upon infrastructure?as?a?service clouds
1
2021
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
Workflow scheduling based on deep reinforcement learning in the cloud environment
1
2021
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
云环境下基于阶段划分的数据密集型工作流调度
1
2020
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
云环境下基于阶段划分的数据密集型工作流调度
1
2020
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
移动边缘计算环境下面向安全和能耗感知的服务工作流调度方法
1
2020
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
移动边缘计算环境下面向安全和能耗感知的服务工作流调度方法
1
2020
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
基于多约束图分割机制的科学工作流调度
1
2019
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
基于多约束图分割机制的科学工作流调度
1
2019
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
云环境中期限分割下工作流调度代价优化仿真
1
2018
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
云环境中期限分割下工作流调度代价优化仿真
1
2018
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
DAG分割模型下的云工作流调度策略
1
2019
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
DAG分割模型下的云工作流调度策略
1
2019
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...
Workflow scheduling using graph segmentation and reinforcement learning
1
2020
... 近年来,IoT数据量飞速增长,与其相关的工作流调度也成为一个非常重要的问题,许多学者对工作流调度进行了大量研究.文献[5-7]考虑用户对于时间的约束、服务质量的约束以及隐私保护,通过多目标优化提高了服务质量.Chen et al[8]提出一种方法,可以为工作流的每个任务寻找最合适的资源以满足用户需求.Dong et al[9]在任务优先级约束条件下实现了执行时间的最小化.陈俊宇和刘茜萍[10]提出一种云环境下基于阶段划分的数据密集型工作流调度方法,基于数据依赖将工作流划分为多个阶段,然后对任务进行调度,优化工作流的执行时间.李万清等[11]提出面向安全和能耗感知的服务工作流调度方法,在降低移动应用调度风险率的同时最小化设备能耗.王柳婧等[12]提出一种基于多约束图分割的工作流调度算法,通过有向边的修剪,在所有维度上实现权重和的均衡,得到最小化的任务间数据传输量,降低通信代价.刘晓霞和李芳[13]提出一种期限分割的工作流调度代价优化算法,将工作流任务的调度过程划分为四个阶段:工作流分层、期限分割、任务选择和实例选择,降低工作流执行代价.薛凡[14]提出一种基于有向无环图分割的工作流调度算法,分割阶段确保任务的执行顺序依赖并对任务进行重分配,有效优化调度效率和调度代价.Pei et al[15]提出一种基于云异构平台的数据密集型工作流调度采用图划分和强化学习的云调度算法,通过图划分算法将数据依赖性强的任务聚类成块以降低任务执行过程中的成本和时间开销. ...