混合云工作流调度新方法：遗传规划应用研究

"贺晓宇和左兴权的论文研究了基于遗传规划的混合云工作流调度方法，提出了一种新的混合云框架，允许用户共享空闲私有云资源形成社区云，以提高资源利用率和降低成本。在社区云资源不足时，会利用公有云资源。他们设计了一个算法，目标是在满足截止时间的同时最小化总花费，算法包括资源预留和遗传规划训练得到的调度规则应用。实验结果表明，基于遗传规划的方法比传统调度算法更节省费用，且具有良好的泛化能力。" 本文主要探讨了混合云环境下的工作流调度问题，特别是在当前混合云框架存在不足的背景下，研究者提出了一种创新的解决方案。新框架的核心在于构建社区云，由多个用户共享他们的空闲私有云资源，从而形成一个共享平台，这样可以提高资源的整体利用率，同时降低社区内用户的计算成本。当社区云的资源不足以应对计算峰值时，系统会自动转向公有云获取额外资源，确保服务的连续性和效率。 为了解决在这一框架下的任务调度问题，作者提出了一个两步算法。第一步是资源预留算法，它为工作流应用预先锁定社区云的部分资源，确保关键任务的执行。第二步则是利用遗传规划算法对历史数据进行训练，以找出最优的调度策略。训练出的调度规则可以应用于后续的任务调度，以达到在满足时间限制的同时，尽可能减少总体费用的目标。 遗传规划在这里作为一种优化工具，能够通过模拟自然选择和遗传机制来寻找最佳解。实验结果显示，这种方法相比于基于简单规则的传统调度算法，具有显著的费用节省效果。同时，它还展现出优秀的泛化性能，意味着在一个工作流应用上训练得出的规则同样适用于其他不同的任务流，提高了算法的适应性和实用性。 这篇论文为混合云环境的工作流调度提供了一个高效且灵活的解决方案，通过遗传规划算法，能够在保证服务质量的同时，有效地降低成本，并具备广泛的应用潜力。这一研究对于理解混合云环境下资源调度的优化策略以及遗传规划算法在云环境中的应用具有重要的理论价值和实践意义。