云环境下科学工作流的执行计划生成

摘要

科学工作流是近年来提出的一种新的应用泛型，通常兼具数据密集和计算密集的特点，常规的计算环境往往很难满足其执行需要，而云计算技术的发展为解决该问题提供了一种理想的选择。在云环境中，工作流的执行需要租用一定的基础设施并按需支付，支付费用的大小则受租用资源的时间、数量及类型影响。因此，预先估算科学工作流任务所需的处理机数量，生成一个合理的科学工作流初始执行计划显得非常重要。
　　计算资源的合理提供计划以及工作流任务到计算资源的合理映射是科学工作流在云环境中运行的基本条件，与工作流的执行效率和执行代价密切相关，其本质是科学工作流的执行计划生成。在执行计划的生成过程中，确定最小的处理机数量和类型是亟待解决的关键问题之一。因此，本文基于装箱原理，提出了一种执行计划的生成策略。该策略的主要目标是尽可能的减少处理机的使用数量，首先将任务分段并在段内将任务按照关键任务进行排序；然后在满足用户定义的约束时间的前提下，依据装箱中常用的最佳适应规则将任务与处理机进行映射。另外，由于科学工作流具有动态性，所以处理机可以重复利用，以节约租赁处理机所用的费用，本文基于任务调度和任务复制方法，提出了对执行计划的后期动态优化方法，以减少任务的完成时间，提高处理机的利用率。
　　仿真实验表明，本文提出的方法能够完成工作流的执行计划生成，完成任务到处理机的映射，确定最少的处理机使用数量；在后期优化中主要以提前工作流的最早完成时间为目标，同时使得处理机的空闲时间得以充分利用，从而可提高处理机的利用率，最终降低科学工作流的执行费用。

目录

声明

西北师范大学研究生学位论文作者信息

1 绪论

1.1 研究背景

1.2国内外研究现状

1.3研究内容的意义及创新

1.4论文组织结构

2 云计算与科学工作流及装箱问题

2.1 云计算相关介绍

2.2科学工作流介绍

2.3装箱问题

2.4本章小结

3科学工作流执行计划的生成

3.1相关定义

3.2基于MDT-BP执行计划生成方法

3.3算法

3.4实验与分析

3.5本章小结

4 科学工作流执行优化

4.1 确定任务调度列表

4.2任务复制

4.3任务的优化分配

4.4 EPGILS算法

4.5实验与分析

4.6本章小结

5总结与展望

5.1总结

5.2展望

参考文献

致谢