云计算环境下基于模板的任务调度策略与算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (19): 48-52.

云计算环境下基于模板的任务调度策略与算法

林若男，李强

四川大学计算机学院，成都 610000

出版日期:2016-10-01 发布日期:2016-11-18

Template-based task scheduling strategy and algorithm in cloud computing environment

LIN Ruonan, LI Qiang

College of Computer Science, Sichuan University, Chengdu 610000, China

Online:2016-10-01 Published:2016-11-18

摘要/Abstract

摘要： 针对云计算任务调度，提出了一种基于模板的任务调度（Template-based Task Scheduling，TTS）策略。该策略充分考虑了通信开销，在对任务分配进行预处理的基础上实现任务调度，主要分为两步：针对一个任务集合，采用可分任务调度求解子任务大小的方法，求出各个处理机应该分担的任务量模板;根据求出的模板，采用合理的调度算法对任务进行调度，从而得到较优的调度结果。在TTS策略下，对传统贪心算法加以改进，最终提出基于模板的任务调度贪心算法（Template-based Task Scheduling Greedy Algorithm，TTSGdA）。与Min-min算法和遗传算法的对比实验结果表明，TTSGdA能够有效减少任务集合完成时间。

关键词: 云计算, 任务调度, 模板, 组合优化, 贪心算法

Abstract: Focused on the task scheduling of cloud computing issue, a Template-based Task Scheduling（TTS） strategy is proposed. TTS gives a full consideration to network communication cost and realizes tasks scheduling based on task assignment preprocessing. There are two steps in TTS. First of all, given a task set, the strategy calculates the template of assignment for each processer in a way of dividing subtasks in divisible task scheduling model. Then, based on the template, an effective algorithm is applied for task allocation to obtain an optimal result. Based on TTS strategy, this paper improves classic greedy algorithm to put forward Template-based Task Scheduling Greedy Algorithm（TTSGdA）. Compared with Min-min algorithm and genetic algorithm, TTSGdA can effectively reduce the completion time of task set.

Key words: cloud computing, task scheduling strategy, template, combination optimization, greedy algorithm

林若男，李强. 云计算环境下基于模板的任务调度策略与算法[J]. 计算机工程与应用, 2016, 52(19): 48-52.

LIN Ruonan, LI Qiang. Template-based task scheduling strategy and algorithm in cloud computing environment[J]. Computer Engineering and Applications, 2016, 52(19): 48-52.

[1]	王凤琴，柯亨进. 卷积神经网络及其分析在抑郁症判别中的应用[J]. 计算机工程与应用, 2021, 57(5): 245-250.
[2]	郝亚玲，朱欣娟，吴晓军. 面向3D虚拟展示的软件定制化系统研究[J]. 计算机工程与应用, 2021, 57(5): 271-278.
[3]	张驰，王宇新，冯振，郭禾. 双层虚拟化云架构下任务调度能耗优化算法[J]. 计算机工程与应用, 2021, 57(3): 103-111.
[4]	翁晓泳. 基于区块链的云计算数据共享系统研究[J]. 计算机工程与应用, 2021, 57(3): 120-124.
[5]	田倬璟，黄震春，张益农. 云计算环境任务调度方法研究综述[J]. 计算机工程与应用, 2021, 57(2): 1-11.
[6]	胡恒，金凤林，郎思琪. 移动边缘计算环境中的计算卸载技术研究综述[J]. 计算机工程与应用, 2021, 57(14): 60-74.
[7]	徐家俊，张翌维，赵建，相韶华. 针对SM4算法的功耗模板-碰撞分析[J]. 计算机工程与应用, 2021, 57(11): 111-118.
[8]	陈展，公建宁，刘媛媛，徐京邦. 基于禁忌搜索的多AGV系统路径优化算法[J]. 计算机工程与应用, 2021, 57(10): 273-278.
[9]	余波，台宪青，马治杰. 云计算环境下基于属性和信任的RBAC模型研究[J]. 计算机工程与应用, 2020, 56(9): 84-92.
[10]	仝乐，郝蓉，于佳. 单服务器上的双线性配对安全外包方案[J]. 计算机工程与应用, 2020, 56(9): 131-135.
[11]	姜娇，蔡林沁，韦鹏程，李莉. 支持可验证的密文模糊关键字检索方案[J]. 计算机工程与应用, 2020, 56(7): 74-80.
[12]	王杰，陈志刚，刘加玲，程宏兵. 基于聚类的云隐私行为挖掘技术[J]. 计算机工程与应用, 2020, 56(5): 80-84.
[13]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[14]	袁良友，周航，韩丹，许国梁. 引入平滑迭代的骨架提取改进算法[J]. 计算机工程与应用, 2020, 56(24): 188-193.
[15]	向敏，戴柯宇，周恩，刘榆，雷儒杰. 面向物联网终端的任务相关性调度策略[J]. 计算机工程与应用, 2020, 56(23): 95-102.