双层虚拟化云架构下任务调度能耗优化算法

doi:10.3778/j.issn.1002-8331.2001-0222

计算机工程与应用 ›› 2021, Vol. 57 ›› Issue (3): 103-111.DOI: 10.3778/j.issn.1002-8331.2001-0222

双层虚拟化云架构下任务调度能耗优化算法

张驰，王宇新，冯振，郭禾

1.大连理工大学软件学院，辽宁大连 116024
2.大连理工大学计算机科学与技术学院，辽宁大连 116024
3.浪潮电子信息产业股份有限公司高效能服务器和存储技术国家重点实验室，济南 250101

出版日期:2021-02-01 发布日期:2021-01-29

Energy-Efficient Task Scheduling Algorithm in Two-Layer Virtualized Cloud Architecture

ZHANG Chi, WANG Yuxin, FENG Zhen, GUO He

1.School of Software Technology, Dalian University of Technology, Dalian, Liaoning 116024, China
2.School of Computer Science and Technology, Dalian University of Technology, Dalian, Liaoning 116024, China
3.State Key Laboratory of High-End Server & Storage Technology, Inspur Electronic Information Industry Co., Ltd., Jinan 250101, China

Online:2021-02-01 Published:2021-01-29

摘要/Abstract

摘要：

虚拟机上部署容器的双层虚拟化云架构在云数据中心中的使用越来越广泛。为了解决该架构下云数据中心的能耗问题，提出了一种工作流任务调度算法TUMS-RTC。针对有截止时间约束的并行工作流，算法将调度过程划分为时间利用率最大化调度和运行时间压缩两个阶段。时间利用率最大化调度通过充分使用给定的时间范围减少完成工作流所需的虚拟机和服务器数量；运行时间压缩阶段通过压缩虚拟机空闲时间以缩短虚拟机和服务器的工作时间，最终达到降低能耗的目标。使用大量特征可控的随机工作流对TUMS-RTC算法的性能进行了测试。实验结果表明，TUMS-RTC算法相较于对比算法有更高的资源利用率，虚拟机数量减少率和能耗节省率，并且可以很好地处理云计算中规模大且并行度高的工作流。

关键词: 云数据中心, 能耗, 工作流, 任务调度, 虚拟机, 容器

Abstract:

The two-layer virtualized cloud architecture that deploys containers on virtual machines is increasingly used in cloud data centers. Aiming at the energy consumption problem of them, an algorithm named TUMS-RTC is proposed for workflow task scheduling. For the scheduling of a parallel workflow with deadline constraint, it divides the process into two phases：time utilization maximization scheduling and running time compression. TUMS reduces the numbers of virtual machines and servers needed to complete the workflow by making full use of the given time range. RTS shortens the working time of virtual machines and servers by compressing idle time of virtual machines, and finally the goal of reducing energy consumption can be achieved. The performance of TUMS-RTC is evaluated by using a large number of random workflows with controllable characteristics. Experimental results show that TUMS-RTC outperforms other algorithms with higher resource utilization rate, virtual machine number reduction rate and energy consumption saving rate. Moreover, it can handle large-scale workflows with high parallelism in cloud computing well.

Key words: cloud data center, energy consumption, workflow, task scheduling, virtual machine, container

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.

ZHANG Chi, WANG Yuxin, FENG Zhen, GUO He. Energy-Efficient Task Scheduling Algorithm in Two-Layer Virtualized Cloud Architecture[J]. Computer Engineering and Applications, 2021, 57(3): 103-111.

[1]	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.
[2]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[3]	胡鹤，赵毅，王宪贺. IB网上CPU-GPU异构超算平台容器性能评估及优化[J]. 计算机工程与应用, 2021, 57(18): 82-85.
[4]	贾文友，江磊，曹紫阳，梁利东. 能耗约束优化工业机器人作业轨迹[J]. 计算机工程与应用, 2021, 57(15): 245-250.
[5]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[6]	高玮军，张春霞，杨杰，师阳. 考虑负载平衡的科学工作流容错聚类算法研究[J]. 计算机工程与应用, 2020, 56(23): 53-60.
[7]	贺寰烨，林果园，顾浩，方梦华. 云虚拟机异常检测场景下改进的LOF算法[J]. 计算机工程与应用, 2020, 56(23): 80-86.
[8]	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.
[9]	于巧玉，吴耀华，王艳艳. 跨层穿梭车双提升机系统料箱拣选任务调度[J]. 计算机工程与应用, 2020, 56(20): 270-278.
[10]	刘亮，张霖，杨柳，庞瑞琴，汪涛. 数据中心网络中相关感知流量整合算法[J]. 计算机工程与应用, 2019, 55(24): 62-67.
[11]	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.
[12]	吴波，许道强，邹云峰，王甜甜，李鑫. 阶段感知的跨域数据分析作业保障机制[J]. 计算机工程与应用, 2019, 55(23): 78-85.
[13]	王艳娇，唐琦. 改进的异构无线传感器网络路由能量算法[J]. 计算机工程与应用, 2019, 55(22): 80-85.
[14]	朱永超，周川，郭健，吴益飞，崔玉伟. 异构分布式系统中一种新型主副版本调度算法[J]. 计算机工程与应用, 2019, 55(21): 93-98.
[15]	董浩1，张海平2，李忠金1，刘辉1. 移动边缘计算环境下服务工作流的计算卸载[J]. 计算机工程与应用, 2019, 55(2): 36-43.

双层虚拟化云架构下任务调度能耗优化算法

Energy-Efficient Task Scheduling Algorithm in Two-Layer Virtualized Cloud Architecture

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics