云计算环境中的优化列表调度算法生成工作流执行计划

0 下载量 93 浏览量 更新于2024-08-29 收藏 251KB PDF 举报
"本文提出了一种基于改进列表调度算法的工作流执行计划生成方法,旨在提高云环境中的处理器利用率,降低科学工作流的执行成本。该算法融合了列表调度和任务复制的思想,通过优化任务优先级选择合适的父任务进行复制,减少任务间的开销,并在处理器空闲时适当地插入任务,提升处理器利用率。实验结果表明,该算法EPGILS在减少任务完成时间方面是可行且高效的。" 在云计算环境中,工作流执行计划的生成是一个关键问题,它直接影响到科学计算任务的性能和成本效率。传统的调度算法可能无法充分利用云环境的动态性和可扩展性。因此,本文作者提出了一种名为EPGILS(Enhanced Priority-based Genetic List Scheduling,增强型基于优先级的遗传列表调度)的改进算法。 首先,EPGILS算法采用了列表调度策略,这是一种常用的作业调度方法,通过根据任务的优先级顺序来决定执行顺序。然而,仅依赖优先级可能会导致处理器资源的不均衡分配。为解决这一问题,算法结合了任务复制的概念,选择具有高优先级的父任务进行复制,以优化任务之间的依赖关系,减少等待时间和通信开销。 其次,EPGILS算法还利用了处理器的空闲时间进行任务插入。当处理器出现空闲时段时,算法会智能地插入新的任务,以提高处理器的整体利用率,从而减少整体执行时间。这种策略有助于避免处理器资源的浪费,提高云环境的资源利用率。 实验部分,作者对比了EPGILS算法与其他常见调度算法的表现,结果显示EPGILS在减少任务完成时间方面具有显著优势。这表明,该算法能够更好地适应云环境的动态变化,有效地平衡任务执行和资源消耗,对于科学工作流的高效执行具有重要意义。 此外,尽管文章并未深入探讨算法的复杂性和可扩展性,但可以推断,EPGILS的设计考虑了云环境的特性,可能具有较好的可伸缩性和适应性,能够在处理大规模工作流任务时保持高效性。这为云环境中的工作流调度提供了一个新的优化方向,对于进一步提高云服务质量和用户满意度具有积极的推动作用。 这篇研究论文提出了一个创新的云环境下工作流执行计划生成策略,通过改进列表调度算法和任务复制策略,有效提升了处理器利用率,降低了执行成本,为云服务提供商和科研机构提供了更优的计算资源调度方案。