没有合适的资源?快使用搜索试试~ 我知道了~
⃝可在www.sciencedirect.com上在线获取ScienceDirectICTExpress 8(2022)166www.elsevier.com/locate/icte在多层雾计算框架中放置物联网应用程序以最大限度地减少延迟Prasenjit Maitia,Bibhudatta Sahooa,Ashok Kumar Turuka,Ajit Kumarb,Bong Jun Choib,a印度奥里萨邦NIT Rourkela计算机科学与工程系b韩国首尔崇实大学计算机科学与工程学院接收日期:2021年1月31日;接收日期:2021年5月8日;接受日期:2021年6月16日2021年7月2日在线提供摘要基于有向无环图的层次化雾云环境中快速执行的应用布局策略是一个NP难优化问题。虽然已经提出了基于非抢占式布局策略的策略来生成次优解决方案,但是将多个基于DAG的应用合并到一个应用中是简单的,但是由于缺乏对多个基于DAG的应用之间的公平性的考虑,对于最小化总完工时间是无效的。我们设计了一种基于动态调度的应用程序放置策略,该策略可以有效地利用不同层虚拟机的调度间隙,以最小化满足最后期限的最大完工时间c2021韩国通信和信息科学研究所(KICS)。出版社:Elsevier B.V.这是一个开放的访问CC BY许可下的文章(http://creativecommons.org/licenses/by/4.0/)。关键词:应用布局;有向无环图;雾计算;物联网1. 介绍物联网(IoT)、雾和云计算以及负载平衡领域有各种应用,其中一些需要时间关键型环境,例如构建流量控制结构所涉及的系统。应用程序应适当地放置在云和雾平台上,并分配给具有适当资源(通信和计算要求)的合适VM [1]。在这样的环境中,我们需要利用动态和有效的调度启发式,即云和雾感知的适当编排工作流[2]。基于雾环境的应用放置问题需要找到一个最佳的放置策略来解决物 联网 设 备和 雾 节 点通 信 的编 排 ,以 满 足服 务 质 量(QoS)的要求,如截止日期和最大限度地利用雾资源。∗ 通讯作者。电子邮件地址:pmaiti1287@gmail.com(P. Maiti),bibhudatta. gmail.com(B.Sahoo)、akturuk@gmail.com(A.K.Turuk),ajitkumar. gmail.com(A.Kumar),davidchoi@soongsil.ac.kr(B.J.Choi)。同行评审由韩国通信和信息科学研究所(KICS)负责https://doi.org/10.1016/j.icte.2021.06.004列表调度方法中有两个主要阶段,即(1)完成优先级的计算并分配给每个DAG节点,这被称为优先级阶段,(2)每个任务基于优先级以保证成本函数适当最小化的方式分配一个处理器(称为处理器选择阶段)[3]。在动态调度启发式中,处理器选择阶段与任务优先级排序阶段交错。在开始处理器选择阶段之前,任务优先级排序阶段在静态启发式中完全完成[4]。在本文中,我们提出了一个混合的四层架构,这是云和雾感知。与传统方法不同,所提出的方法通过考虑通信需求和计算需求来处理众多延迟敏感的实时IoT工作流的动态调度。我们的方法还尝试利用云和雾的VM中所有可能的调度间隙进行进一步的计算或数据处理。此外,物联网传感器和设备与雾层的VM之间的数据传输和交换会导致通信成本,我们的方法在调度过程中会考虑到这一点。为了解决DAG应用程序放置的局限性,我们做出了以下新贡献:2405-9595/2021韩国通信和信息科学研究所(KICS)。出版社:Elsevier B.V.这是一个开放的访问CC BY许可下的文章(http://creativecommons.org/licenses/by/4.0/)。P. 迈蒂湾Sahoo,A.K.Turuk等人ICT Express 8(2022)166167表1当前文献总结(I:独立,D:依赖,S:单一,M:多重,F:雾,C:云)。工作物联网应用。号提案的App数量框架截止日期约束[5]D S F C是[6]I M F C编号[7]I M F是[8]D M F C否[9]D M F C否[10]D M F C否[11]D M F C否[12]D M F C否拟议D M多层F C是我们提供了一个正式的模型,用于在分布式物联网基础设施上部署通用物联网应用程序。我们认为基于DAG的物联网应用程序调度在一个建议的架构。我们提出了静态和动态调度方法,以最大限度地减少最大完工时间的最后期限约束的应用。我们评估三层(传统)和四层(建议)雾计算架构之间的性能。2. 相关工作在雾云环境中,应用程序放置越来越受到人们的关注。在文献[5]中,提出了一种基于成本决策感知调度(CMaS)的云雾环境下的任务调度问题。这种方法的局限性在于没有考虑多工作流调度,不符合动态物联网应用的要求。作者[6]提出了一种单元槽优化方法,用于将独立任务分配到相应的三层架构,包括云,雾和物联网层,这确保了平均响应时间和经济高效的计算。这种方法没有考虑实时约束,如最后期限,也没有任务间的依赖关系,这意味着它不能调度工作流应用程序。在[7]中,Skarlat等人通过提出旨在将最大服务分配给雾层的方法,建议将物联网服务放置在分层雾云环境中;因此,将最小服务分配给云。提出了一种分层建模的方法,通过一个中央系统来控制和协调雾基础设施中的雾节点集群。考虑的参数是部署和执行服务,存储,RAM和CPU的最后期限。划分算法由Wu等人[8]和Neto等人[9]提出。他们考虑将单个移动终端的计算敏感型服务卸载到单个边缘 或云服务器。Lin等人[10]在其系统模型中仅考虑了一个移动终端用于卸载,而Stavrindies等人[11]试图将需要低通信开销的多个用户的任务放置在云服务器上,并且这些云服务器Fig. 1. 4层雾计算架构。在雾层具有更多通信开销的任务。Mah- mud等人提出了在具有多个雾服务器和云服务器的环境中的延迟感知应用程序放置。[12]。基于文献,我们观察到现有的工作集中在单个应用或多个应用、独立服务或依赖服务放置,并且仅考虑雾、云或雾-云三层架构。表1列出了相关工作的关键要素,并与我们的工作进行了比较。在所提出的工作中,我们提出了一个多层雾云框架的基础上,多个DAG物联网应用程序放置解决方案与一个新的最后期限约束。3. 系统模型在本节中,我们提出了一个用于物联网应用放置的四层雾计算架构,如图所示。1.一、第四层是云,其他三层包括(i)IoT设备和协调设备,(ii)IoT网关、雾节点和雾控制器,以及(iii)SDN控制器。两个连续层中的设备使用有线或无线通信链路彼此通信。每个设备在可用资源的容量范围内支持多个VM。云、雾控制器和雾节点提供多个虚拟机,以满足不同应用的计算需求。在特定设备/物理机器上运行的VM使用进程间通信(IPC)相互通信。位于不同物理机器上的VM之间的通信使用传统的TCP/IP协议。3.1. 物联网设备和协调设备在雾云数据计算层次结构中,生成数据的物联网传感器和设备层位于架构的底部。我们考虑部署在大地理区域上假设IoT设备基于位置形成逻辑虚拟集群(VC),并且通过VC的分组形成私有网络,并且由头协调····P. 迈蒂湾Sahoo,A.K.Turuk等人ICT Express 8(2022)166168∈=∈由集群选择的节点,用于管理集群信息并协调集群设备到网关的数据传输。数据收发通过称为协调设备(CD)或汇聚节点的设备完成。CD是一种应用感知设备,负责生成发送到连接网关的应用数据包。3.2. 雾节点和雾控制器此层由IoT网关(IGW)、雾节点(FN)和雾控制器(FC)组成。单个IGW可以连接到多个CD,而单个CD永远不能连接到多个网关。来自IoT设备和传感器的传入数据将由IGW接收以用于存储、处理、应用分类和调度。雾层由FN构成,因为IGW可以充当通过将第三方软件安装到网关来实现雾节点。其中一个雾节点充当主节点,负责在其他雾节点之间调度应用程序。雾控制器支持虚拟化,并能够执行雾控制器主节点分配给它们的应用程序。雾控制器不断更新有关雾环境中已连接雾设备的信息。FC负责管理雾节点并映射从IoT设备接收的服务请求。Fog控制器由Fog节点注册表组成。一旦将雾节点输入到拓扑中,它就会注册雾节点,并监视雾节点。FC负责持续监控雾节点中可用和已使用的资源。雾控制器负责动态拓扑,控制和监控雾节点。可以添加任何雾节点,并将其用于在雾基础设施中动态部署服务。雾服务注册中心负责将服务注册到部署的节点,并负责根据服务放置算法将服务放置到雾节点3.3. SDN控制器FC通过SDN控制器(SDN-C)连接到云(第4层)。单个SDN-C能够管理多个FC。SDN-C和FC都是软件应用程序。SDN-C是网络控制器,FC是服务控制器。SDN-C负责管理雾和云之间的流量控制。3.4. 云最上层是负责处理和存储大量数据到高端服务器和数据中心的云。IaaS云作为一个框架模型,支持物联网应用程序调度。IaaS服务模型提供了一组虚拟机(VM),这些虚拟机提供不同的计算服务。云维护一个主节点。云主节点充当应用程序的入口点,并负责调度应用程序。云计算系统应该为每个人提供完全不同级别的服务应用程序;某些应用程序的优先级应高于其他应用程序。在云计算中,应用程序的优先级用于验证每个应用程序所需的资源数量。此外,应用程序调度算法必须有效地利用资源,因为他们的局限性。此外,两个任务之间的数据传输时间取决于传输的数据量,并且当两个任务被分配给同一VM时,时间被认为是零。3.5. 申请及其安置应用程序由完整的实体和个体组成每个申请都有一个截止日期,作为一个独特的约束条件。我们基于计算和通信要求将物联网应用分为三类:(i)超低延迟和低计算要求的应用,(ii)低延迟和中等计算要求的应用,以及(iii)高延迟和高计算要求的应用。这三类应用程序的计算需求分别由雾节点、雾控制器和云支持。IGW识别物联网应用程序的计算需求,并将其转发到适当的设备以完成执行。4. 问题公式化调度系统模型由应用程序、目标计算环境和用于调度的性能矩阵组成。物联网应用程序由一组相互连接的服务组成。一组应用由A={A1,A2,. . . 其中n是正整数。4.1. 应用图应用程序由有向无环图(DAG)表示,其中不允许任何节点执行,直到所有父节点完全执行。 DAG定义为G(S, E, C, W, D, P, L, d)其中S是节点的集合,并且每个节点si S表示应用服务(任务),其是必须在同一处理器上串行执行的指令序列。E是服务之间的e个通信定向边的集合。在本文中,术语服务和任务可以互换使用每条边eijE表示优先约束,这样si应该在服务sj启动之前完成其执行。si的前驱服务的集合由pred(si)表示。只有当所有前置服务都已完成时,才会触发服务执行。服务vi的直接后继者由succ(vi)表示。在服务图中,没有前导的服务称为入口服务(sentry),没有后继的服务称为出口服务(sexit)。一些服务图具有单个入口服务和单个出口服务。如果有多个入口服务或出口服务,则将它们连接到零成本的伪出口或入口服务P. 迈蒂湾Sahoo,A.K.Turuk等人ICT Express 8(2022)166169×D× ××∈A≥12不12L12KcF N+c FC+c云wi+wi+wi我J我JIjαIjαIjα从服务si传送数据Dij(在VMvmFN中调度,u我我s∈ succ( s)IjJpMrankFC( s)=wFC+maxcFC+职级FC云)。通信启动成本J我u我u={个我i j i jij∑ ∑∑∈零成本边缘,这不会影响进度。数据D是通信数据的s矩阵,其中Dij是需要从服务si传输到服务si的数据量。分别在雾节点VM、雾控制器VM和云VMS之间的边缘eij的平均通信成本被定义为:服务公司j.DF NDFCcF N=LF N+I j ;cFC=LFC+i j;4.2. 虚拟CPU(vCPU)图BF Ni jBFC云c云=L云+i j应用程序可以托管到雾节点、雾控制器和云或云。雾层由一组FN和FC组成。有一个集合V M FNvm FN,v m FN,. . . ,v m FN,其中每个VM虚拟CPU(vCPU)有一组V MFC={vm FC,v m FC,. . . ,v m FC}的l个异构VM其中L是平均通信启动时间,B是VM之间的平均数据传输速率应用程序的通信与计算比率工作流的Ak(CC RAk)是其平均通信量与工作流的平均通信量之比在雾控制器中,每个虚拟机都分配了一个vCPU。系统,由下式给出:存在集合V M cloud={vm cloud,v m cloud,. . . ,v m cloud},云计算层中的异构虚拟机数量,其中每个为VM分配一个vCPU。CCRAk=∑ei jE i j(法)i j i jFC云)。(三)的虚拟机属于Cloud、FC和Fog节点,在标准操作系统中提供进程通信(IPC)。给定应用程序的服务执行是非抢占式的。W是对应层的st、si和sk计算矩阵的矩阵集合,其中wFN、wFC和wcloud中的每一个给出完成服务的估计执行时间sFNon VMvmFN、sFCon VMvmFC,并且scloudon VMvm cloud。的计算时间应用程序Ai的优先级由pri( Ai)表示P是唯一标识符。如果两个应用Ai和j满足pri( Ai)> pri(Aj),则Ai具有比Aj更高的优先级。L是应用程序的下限,意味着当所有虚拟机都由使用标准单个虚拟机的应用程序独占基于DAG的应用调度算法(例如,HEFT)。申请的截止日期用d表示,表示I j雾节点、雾控制器和云中的VM之间的服务,分别计算为wFN=Di j ,wFC=Di j ,w云=Di j 、(1)FNFC云应用程序的时间限制d应该等于或大于(d L)应用程序的下限。如果应用程序在截止日期后完成服务,则申请无效。最大完工时间M是总周期vmjvmjvmj时间表的(即,当所有的申请都完成后其中,αvmFN,αvmFC和αvm云是处理速率处理整个工作流程)。j j j分别在雾节点、雾控制器和云中的VM因此,雾节点、雾控制器和云的VM之间的服务si的平均执行成本分别计算为:t llwFN=wij/t,wFC=wij/l,w云= wij/k。 (二)4.3. 应用程序选择阶段在此阶段,服务按其基于向上排名的调度优先级排序。服务si的向上排名是从si到出口我j=1我j=1我j=1应用程序图的服务。服务业的晋升 在雾节点图层中,雾C是一组矩阵t×t,l×l和k×k,表示控制器层和云层分别由F NvmpqFCvmpq云Vmpq的通信时间ci j、ci j和cijpQrankFN( s)=wFN+max(c)+级别(s))、(4)pvmFC和vmcloud)到服务sj(在VMvmFN中调度,i i i(u我我s∈ succ( s)Ij())的VM在t维向量X中给出,l维rankcloud( s)=wcloud+max(c云+rank(s))。向量Y和k维向量Z。通信如果si和sj被分配给相同的VM,则cost为零之间的边eij的VM内通信成本uiisj∈succ( si) i ju J(六)雾节点VM、雾控制器VM和云VM分别被定义为cF Nvmpq =Xp+Di j;cFCvmpq =Yp+Di j;各层出境服务向上排名如下:rankFn( si)=wFn;rankFC( si)=wFC;在目标上的平均计算成本有限数量的虚拟机之间的内部通信si∈Su、MS、(五)vvuJQQP. 迈蒂湾Sahoo,A.K.Turuk等人ICT Express 8(2022)166170Bc= Zp+ ,rankcloud(si)=w cloud。BF Ni jBFCu iQQ QQcloudvmpqDi ji jFCPQ其中Bpq是vmp和vmq之间的数据传输速率。rank的值越高,表示服务的优先级越高。我们将应用程序中的所有服务按照它们的秩以非递增的顺序进行排序,这给出了服务的拓扑顺序,并保留了P. 迈蒂湾Sahoo,A.K.Turuk等人ICT Express 8(2022)166171Q()EST s,vm=i{s()EST s,vm=i{s{skikikiQEFTFN(si,v mFN)=wFN+ESTFN(si,v mFN),(10)QIjQEFTFC(si,v mFC)=wFC+ESTFC(si,v mFC),(11)QIjQQIjQ本服务如果两个服务具有相同的排名,则随机选择用于打破平局的服务,或者选择其直接后继服务具有更高向上排名的服务。由于交替策略增加了时间复杂度,我们更喜欢前一个策略。4.4. 虚拟机选择阶段调度器通过分配给VM以提供最早完成时间(EFT)来选择服务。要计算应用程序Ak中服务si的最早开始时间(EST),si的所有直接前驱服务必须已经完成。当vmq准备好用于服务执行时,最早可用时间由vail[q]表示。雾节点、雾控制器和云的VM中的服务si的EST分别表示为ESTFN(si,v mFN)=图二. 多层应用程序架构。maxav ail [q],maxk∈pred( si)FC FCQmaxav ail [q],maxk∈pred( si)云云Qmaxav ail [q],maxk∈pred( si)(AFT( sk)+cF Nvmpq)},(7)(AFT( sk)+cFCvmpq)},(8)(AFT(s k)+ccloudvmpq)}。 (九)VM上服务si的最早完成时间(EFT)分别在雾节点、雾控制器和云中定义为EFT云(si,vm云)= w云+EST云(si,vm云)。(十二)使用插入调度策略将服务sj分配给具有最小EFT的VM。在基于插入的策略中,如果sj可以插入到VM之一中,则将其插入到具有最小EFT的栈中。5. 调度框架和应用执行模型具有IoT设备的传感器收集/捕获与不同应用相关的数据。这些对象通过收缩节点提交到Fog层。收缩节点从这些IoT设备收集数据/信息,并通过IGW将其提交给雾层。在这里,IGW保持了传统的M/M/1/c/FIFO排队模型,其中c是有限缓冲区容量(有限队列长度)。IGW根据不同的应用程序分离这些数据,并启动相应的应用程序。这些应用程序将与雾节点或雾控制器或云执行。IGW对应用程序进行分类,并将其传达给每一层中的主节点,如图所示。二、多个节点(设备)由层级主节点共同控制和管理,图三. 调度框架。全局队列IoT应用程序与主节点一起排队。对于n个设备,由主设备维护的全局队列使用传统的M/M/n/c/FIFO排队模型,其中c是有限缓冲器容量(有限队列长度)。应用程序由支持有限数量虚拟机的设备中的主机调度程序或管理程序调度程序调度。VM调度算法特定于在特定设备中使用的VM调度框架包含三个优先级队列:服务优先级队列、公共就绪队列和服务分配队列。我们提出了多个基于DAG的物联网应用的调度框架,如图所示。3 .第三章。在所提出的工作中,在每一层中的各个节点管理一个本地队列,这是进一步控制和管理的层级全局队列。一组应用程序的应用程序优先级队列是应用程序根据降序u(Ai)排序的地方。每个应用程序的服务优先级队列是根据降序u(si)对服务进行排序的地方。··P. 迈蒂湾Sahoo,A.K.Turuk等人ICT Express 8(2022)166172【详细】KA我一个一个pQRp qrA我A我一个表2算法中使用的符号列表。符号描述AP应用程序优先级通信计算比云Cloud tierC R通用就绪DequeueX()从X中的队列中退出EnqueueX()在X中排队算法1FFAP输入: A、V MF N、V MFC、V MCLOU D输出:最大工作时间A1,最大工作时间A2,. . .,makespan(A n)1计算 CC RAi, i∈[1,n] ;ranku(Ai),<$Ai∈A,<$i∈[i, n];ranku(si),<$si∈Aj,<$Aj∈A将AF N、AFC、A云应用程序分配给雾节点、雾控制器和云,CC R[A]其中A=AFNAFCA云Q F N(AP)、Q FC(AP)、Q cloud(AP)←入队AP(A1,A2,. . .,Ax);其中x分别是p、q、r2而 !Q F N(AP). is EmptyAP()do3A、F、N←Dequeue AP(Q F N(AP));A、F、N←AP出列(Q FC(AP))FC雾控制器层F N雾层我云 ← 出队AP(Q云J(美联社)QF N(SP) ←将SP(s i)入队, i∈A F Nis EmptyX()检查XAi中队列的下溢NX一组服务中的最大服务数Q FC(SP) ←将SP(s i)入队, 伊什岛 ∈A FCMax应用X阿jjQ云(SP) ←将SP(s i)入队, i∈A F N应用程序A的队列服务分配SP服务优先级在X阿kk而!Q F N(SP). 为空SP() 做4S I ← 排队SP(Q F N(SP));QF N(S A)←si5端6while!Q FC(SP)。为空SP() 做表3. 7我们的8个输入参数的名称及其对应值的列表端S I ← 出列SP(Q FC(SP)); Q FC(S A) ←s i模拟研究(MIPS:每秒百万指令; Mbps:兆比特9每秒;MI:百万指令。而!Q F N(SP). 为空SP() 做F N10S I ← 出队SP(QAk(SP))Q(S A)←si参数值11端12端FN总数10每个FN中的VM总数雾的VM处理速率雾的虚拟机带宽功能界别总数5每个FC中的VM总数1虚拟机的处理速率(FC 1000 MIPS)FC中的虚拟机带宽512 Mbps云中的VM总数15云端VM处理速率10000 MIPS云端虚拟机带宽1024 MbpsDAG应用程序总数U[10,50]每个DAG U的服务总数服务规模U[1000,10000]MI申请截止日期[CPL,2CPL]CCR 0.5,1,2系统的公共就绪队列用于存储就绪服务(为每个应用选择具有最大等级u(si)的一个就绪服务),并且其中服务也根据递减等级u(si)排序。每个VM的服务分配队列用于存储分配的服务。从就绪队列中选择具有最大秩u(si)的服务,并使用插入调度策略将其插入具有最小EFT( si)在将所有服务分配到服务分配队列之后,根据对应的VM执行服务。DAG的关键路径(CP)是从入口节点到出口节点的最长路径。6. 服务供应算法针对FogFFAP中的多个异构最早结束时间应用程序放置问题,提出了一种称为公平性的并行应用程序放置调度算法,并描述了该算法的实现步骤13returnmax {makespan(A1),makespan(A2),. . . ,makespan(A n)}算法1中的算法。在算法2中,我们针对不同优先级的并行应用,提出了一种称为全优先级异构最早完成时间的应用程序在雾WFAP中的调度算法。WFAP的核心思想是通过牺牲低优先级应用的公平调度机会来优先调度高优先级应用。我们在算法3(SGAP)中的方法尝试利用雾层和云层虚拟机的调度中的可能间隙来调度云中具有低通信要求的计算上要求高的任务和雾中具有低计算要求的通信密集型任务。表2给出了算法中使用的符号列表7. 绩效评价在这一节中,我们提出了一个比较分析的算法。本文对所有算法进行了改进,使之适合于异构应用和虚拟机.该算法的性能指标包括平均完工时间、平均截止期未命中率、平均调度长度比和平均加速效率。使用MATLAB进行了仿真。我们平均每个实验至少100次,以避免结果的不确定性因素。表3总结了本文中使用请注意,在我们的实验中,我们生成了50个具有不同边和节点权重的随机DAG图4(a)比较不同规模应用程序集使用这三种算法。应用程序的数量在10到50的范围内变化,增量为10。我们观察到,SGPA算法在四层架构中表现更好。三层和四层雾计算中的应用程序数量与平均DMR··P. 迈蒂湾Sahoo,A.K.Turuk等人ICT Express 8(2022)166173【详细】【详细】MaxMaxF NFNMaxFCN−−FCN−−MaxFC FCALN−−MaxKK KfkN−−pQRpQRMax如果vmk空闲且就绪 S ,vmk20返回最大完工时间 的1,makespan A2,,makespan(An)ωiKK9图四、 不同数量应用程序的性能比较:(a)平均完工时间,(b)平均DMR,(c)平均SLR,(d)平均加速比。算法2WFAP输入: A、V MF N、V MFC、V MCLOU D输出:最大工作时间A1,最大工作时间A2,. . .,makespan(A n)1计算 CC RAi, i∈[1,n];ranku(Ai),<$Ai∈A,<$i∈[i, n];ranku(si),<$si∈Aj,<$Aj∈A将AF N、AFC、A云应用程序分配给雾节点、雾控制器和云,算法3SGAP输入:A、V MF N、V MFC、V MCLOU D输出:max ma kespan的1,makespan A2,,makespan(An)1计算 CC RAi, i∈[1,n];ranku(Ai),<$Ai∈A,<$i∈[i, n] ;ranku(si),<$si∈Aj,<$Aj∈A将AF N、AFC、A云应用程序分配给雾节点、雾控制器和云,p q r p q rCC R[A]其中A=AFNAFCA云CC R[A]其中A=AF NAFCA云2Q F N(AP)←入队AP(A1,A2,. . . ,A p); Q FC(AP)←入队AP(A1,A2,. . . ,Aq);Q cloud(AP)←入队AP(A1,A2,. . .、A r)3而 NF N>0do2Q F N(AP)←入队AP(A1,A2,....., A p); Q FC(AP)← Enqueue AP(A1,A2...,A q);Qcloud(AP)←入队AP(A1,A2,,Ar)3而 NF N>0do4对于l =1; l≤A p<$; l++ 做S I ← 排队SP(QAl(SP))4为l =1;l≤A p; l++多斯岛←DequeueSP(QAl(SP));Q (C R) ←QF N(C R) ← 排队C R(si)5而 !Q F N(C R). is EmptyC R()do排队C R(si)5等一下!Q F N(C R). is Empty C R()dos i ← 排队C R(QF N(C R))6si←DequeueC R(QF N(C R));QF N(S A)←si7N− −6如果vmFN空闲并且ready(s,vmF N)>ready(s,vmF N),则F NMaxkjkik7进度缺口 评论家←True;8端8gap← ready(sj,v mF N)− ready(si,v mF N)9而 NFC>0dok k10对于l=1; l≤ <$Aq<$; l++ doSI ← 出列SP(Q(SP))ωiQFCAL(C R)←排队C R(si)10如果计划间隙超出gap≥ fk然后gap I sUtilized←True11其他QF N(S A)←si111213端等一下!Q FC(C R). is Empty C R()doS I ← 出列C R(Q FC(C R)); Q FC(S A)←s i12最大13F NMax14而 Ncloud>0do云14端FC15对于l =1; l≤|A R|; l++doS I ← 排队SP(Q Al(SP))15当Nmax>0时,Qcloud(C R)←排队C R(si)16因为l =1;l≤A q; l++杜什杰←排队SP(Q Al(SP));Q(C R)←16而 !Q云(CR)。is EmptyC R()do排队C R(sj)17S I ←排队C R(Q云(C R)); Q云(S A)←s i17而 !Q FC(C R). 为空C R() 做 S J←出列SP(QFC(SP))18N云− −FC(kFC)(jFC)19端【详细】18时间表间隙时间表←真;间隙时间表←就绪(sk,v mFC)-就绪(sj,vmFC)图4(b)中显示了环境。可以看出,SGAP优于其他算法。 基于SLR的性能1920212223端如果 计划间隙时间表gap≥ fkthengap I sUtilized←TrueelseQF N(S A)←sjFCMax算法的排名是SGAP、FFAP和WFAP,24而 Ncloud>0do云云25示于图 4(c). 请注意,本文中的每个排名都是从用最好的算法,最后用最差的算法,的比较度量。平均加速排名 的算法是SGAP、FFAP和WFAP,如为l=1;l≤ A r;l ++ dos k←出列SP(QAl(SP));Q(C R)←排队C R(sk)等一下!Q云(CR)。is Empty C R()dos k←Dequeue C R(Q cloud(C R))ifvm cloud 空闲并且ready(s p,vm cloud)>ready(s k,v m cloud),则计划间隔时间表←真;gap←ready(sp,vmcloud)−ready(sk,v mcloud)图4(d).在此基础上,对27K如果 计划间隙时间表 且gap≥ωiK然后间隙I ←真四层算法在SLR和加速比方面我们进行了三组实验:(a)计算-28293031端elseQF N(S A)←sk云Max(b)中度(CCR = 1)和(c)通信密集型(CCR = 2)工作流。所提出的策略的调度决策在图5中清楚地示出,其中很明显,对于计算密集型工作流,大多数(48.5%)任务被调度在云VM上。在中等工作流中,43.95%的任务是>readys,v mk然P. 迈蒂湾Sahoo,A.K.Turuk等人ICT Express 8(2022)16617432return max{makespan(A1),makespan(A2),,makespan( An)}在雾控制器中调度,在云中调度40.67%。另一方面,在通信密集型工作流中,大多数(50.35%)任务被分配给雾虚拟机。P. 迈蒂湾Sahoo,A.K.Turuk等人ICT Express 8(2022)166175图五、 针对不同CCR执行的任务的百分比。8. 结论我们提出了几种主动策略的变体,在雾云环境中将任务调度到资源。我们假设,准入控制部署到只allo- cate任务,其应用程序的最后期限约束可以满足网络的资源。提出了雾计算环境中的服务放置优化,以通过在云中调度具有低通信要求的计算要求高的任务和在雾中调度具有低计算要求的通信密集型任务来有效地利用雾层和云层虚拟机的调度中的可能间隙。我们的模拟结果表明,我们提出的算法可以更有效地调度许多应用程序的实时性比现有的传统方法。CRediT作者贡献声明Prasenjit Maiti:概念化,方法论,数据处理,写作-原始草稿,软件。Bibhudatta Sahoo:监督,写作-评论编辑,资金获取。Ashok Kumar Turuk:监督,项目管理,验证。Ajit Kumar:软件,确认。奉俊财:调查,资金获取,写作-评论编辑.竞合利益作者声明,他们没有已知的可能影响本文所报告工作致谢这 项 工 作 得 到 了 印 度 政 府 MeitY 部 门 的 支 持 , 由Visvesvaraya博士领导。计划,数字印度公司,并根据国家研究基金会(NRF),韩国(2019R1C1C1007277)由科学和信息通信技术部(MSIT),韩国资助。引用[1] X.徐,智-地Liu,Y. Luo,K.彭、X。Zhang,S.孟湖,加-地Qi,一种基于大数据的计算卸载方法,用于支持IoT的云 边 缘 计 算 ,Fu t ur e Ge n e r 。Comput. 系统95(2019)522[2] X. Masip-Bruin , E. Marín-Tordera 湾 Tashakor , A. 朱 坎 湾 Ren ,Foggy clouds and cloudy fogs : a real need for coordinatedmanagementoffog-to-cloudcomputingsystems , IEEEWirel.Commun. 23 (5)(2016)120[3] A. Gerasoulis , T. Yang , A comparison of clustering methodisticsforscheduling DAG on multiprocessors,J. Parallel Distrib. Comput. 16(1992)276-291。[4] G. Sih,E. E.李,一个编译时调度启发式互连约束异构处理器体系结构,IEEETrans. 平行分布系统4(1993)75[5] X.U. Pham,N.D.天啊D.T.T. Nguyen Dao,Q.T. Ngo,E.N. Huh,基于云计算和雾计算之间协作的成本和性能有效的任务调度方法,Int. J. Distrib。Sens. 网络13(11)(2017)1-16.[6] Y. Nan,W. Li,W.保足球会Delicato,P.F. Pires,A.Y. Zomaya,物联网系统中延迟敏感应用的成本效益处理,在:IEEE第15届网络计算和应用国际研讨会,NCA,IEEE,2016年,第 15 页。162比169[7] O. Skarlat,N. Matteo,S.斯特凡湾迈克尔湖Philipp,优化物联网服务在雾中的位置,面向服务的计算和应用11(2017)427-443。[8] H. Wu,W.J. Knottenbelt,K.陈文,一种基于移动通信的应用程序划分算法,北京大学出版社,2000。30(7)(2019)1464-1480.[9] J.L.D. Neto , S. Yu , D.F. 马 塞 多 ,J.M.S. 诺 盖 拉 河 Langar , S.Secci,ULOOF:一个用于移动边缘计算的用户级在线卸载框架,IEEE Trans. 暴徒Comput. 17(11)(2018)2660[10] L. Lin,P. Li,X.廖氏H. Jin,Y. Zhang,Echo:具有服务质量保证的以边缘为中心的代码卸载系统,IEEE Access 7(2019)5905-5917。[11] G.L.斯塔夫里尼德斯Karatza,在雾和云环境中调度实时物联网工作流的混合方法,多媒体工具应用78(2019)24639-24655。[12] R. Mahmud,K.拉马莫哈纳朗河Buyya,雾计算环境中的延迟感知应用模块管理,ACM Trans. 互联网技术19(1)(2018)1
下载后可阅读完整内容,剩余1页未读,立即下载
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![.pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 保险服务门店新年工作计划PPT.pptx
- 车辆安全工作计划PPT.pptx
- ipqc工作总结PPT.pptx
- 车间员工上半年工作总结PPT.pptx
- 保险公司员工的工作总结PPT.pptx
- 报价工作总结PPT.pptx
- 冲压车间实习工作总结PPT.pptx
- ktv周工作总结PPT.pptx
- 保育院总务工作计划PPT.pptx
- xx年度现代教育技术工作总结PPT.pptx
- 出纳的年终总结PPT.pptx
- 贝贝班班级工作计划PPT.pptx
- 变电值班员技术个人工作总结PPT.pptx
- 大学生读书活动策划书PPT.pptx
- 财务出纳月工作总结PPT.pptx
- 大学生“三支一扶”服务期满工作总结(2)PPT.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)