面向运行时间预测和容错感知的网格资源分配

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 65-68.

面向运行时间预测和容错感知的网格资源分配

赵胜，王媛媛

河北北方学院图书馆，河北张家口 075000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Runtime prediction and fault-aware oriented grid resource allocation

ZHAO Sheng，WANG Yuanyuan

Library，Hebei North University，Zhangjiakou，Hebei 075000，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 提出与描述了一种面向任务运行时间预测和容错感知（Fault-Aware）的网格资源分配策略，采用主动容错的方式，在资源出错之前尽量提前避免它出错或异常的情况发生。该策略把网格中任务的运行时间（runtime）预测和资源的在线时间（uptime）预测结合起来，相对于普通的调度策略具有比较高的资源利用率。在具体的CoBRA网格中间件中实现了该容错感知调度，描述了实现该容错感知调度策略模块的功能。测试过程中选择了睡眠任务技术，划分四种不同的场景进行实验，把该容错感知资源分配与普通的FCFS调度策略进行比较，结果证明在可变化的资源可用性的情况下系统可以加快应用的整体执行时间，具有很小的偏差。

关键词: 任务运行时间, 资源分配, 可用性预测, 容错感知, 网格计算

Abstract: A scheduling policy in which can estimate job runtimes and predict resource availability to efficiently distribute workloads for grid resource is presented and described.Instead of just tolerating failures like fault-tolerant scheduling，the technique will actively try to prevent failures from occurring.It is based on the availability of job runtime predictions and resource availability estimates，thus the high usage rate of resource can be obtained.By distributing jobs only to resources available for the full executing time of the job，no CPU cycles are wasted on jobs that will be unable to complete.For the implementation and testing，the CoBRA grid system is used and several software modules are discussed.Experiments are done for a set of sleep jobs，compared to the FCFS scheduling technique，the results show that large reductions in total runtime can be achieved in situations with variable resource availability.

Key words: job runtime, resource allocation, availability prediction, fault-aware, grid computing

赵胜，王媛媛. 面向运行时间预测和容错感知的网格资源分配[J]. 计算机工程与应用, 2011, 47(16): 65-68.

ZHAO Sheng，WANG Yuanyuan. Runtime prediction and fault-aware oriented grid resource allocation[J]. Computer Engineering and Applications, 2011, 47(16): 65-68.

[1]	王晓，唐伦，贺小雨，陈前斌. 基于深度强化学习的服务功能链多维资源优化[J]. 计算机工程与应用, 2021, 57(4): 68-76.
[2]	曾舒磊，李学华，潘春雨，王亚飞，赵中原. 雾无线接入网中基于神经网络的资源分配方案[J]. 计算机工程与应用, 2020, 56(24): 78-84.
[3]	唐群，朱国强. 基于MEC的蜂窝网络联合计算与无线资源管理[J]. 计算机工程与应用, 2020, 56(14): 82-87.
[4]	畅海峰，嵩天，杨雅婷. NFV中单节点启发式资源分配方法[J]. 计算机工程与应用, 2020, 56(11): 105-111.
[5]	刘辉1，2，颜飙1，赵瑞雪1. 基于烟花算法的D2D资源分配方案[J]. 计算机工程与应用, 2019, 55(8): 86-91.
[6]	孟芸，胡欣，代亮，余雷. 干扰车载网络中增强连通性的资源分配算法[J]. 计算机工程与应用, 2019, 55(7): 9-15.
[7]	余翔，王宏刚，段思睿. 基于QoE的LTE多业务资源分配算法[J]. 计算机工程与应用, 2019, 55(6): 81-85.
[8]	翟治年，王中鹏，叶绿，向坚，王富忠，庞海云. 可满足（≠，=）工作流的静态k弹性否决条件[J]. 计算机工程与应用, 2019, 55(23): 35-39.
[9]	汤琳煜，蒋加伏，谷科. 基于雾计算的计算资源分配方案[J]. 计算机工程与应用, 2019, 55(19): 96-104.
[10]	王星宇，李勇军，赵尚弘，王蔚龙. 基于QoE感知的中继卫星带宽资源分配方法研究[J]. 计算机工程与应用, 2019, 55(19): 147-152.
[11]	王楚捷，王好贤. M-CORD下无线接入网络资源分配研究[J]. 计算机工程与应用, 2018, 54(22): 92-98.
[12]	田启华1，黄超1，于海东2，杜义贤1，周祥曼1. 基于AHP的耦合任务集资源分配权重确定方法[J]. 计算机工程与应用, 2018, 54(21): 25-30.
[13]	刘岗1，赵杭生2，李大力2，邵鸿翔1，2. 异构网络资源分配：改进多对一转移匹配[J]. 计算机工程与应用, 2018, 54(15): 91-96.
[14]	欧阳龙，杨剑锋，徐俊，郭成城. 基于CRQP的多小区OFDMA系统联合资源分配算法[J]. 计算机工程与应用, 2017, 53(5): 121-127.
[15]	谷静，王倩玉，张新. 一种增强小区资源分配的频谱效率提高算法[J]. 计算机工程与应用, 2017, 53(20): 89-94.