CN106020927B - 一种云计算***中任务调度与资源配置的通用方法 - Google Patents

一种云计算***中任务调度与资源配置的通用方法 Download PDF

Info

Publication number
CN106020927B
CN106020927B CN201610293128.0A CN201610293128A CN106020927B CN 106020927 B CN106020927 B CN 106020927B CN 201610293128 A CN201610293128 A CN 201610293128A CN 106020927 B CN106020927 B CN 106020927B
Authority
CN
China
Prior art keywords
task
virtual machine
resource
scheduling
bit stream
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610293128.0A
Other languages
English (en)
Other versions
CN106020927A (zh
Inventor
朱晓敏
包卫东
周文
刘桂鹏
纪浩然
肖文华
陈黄科
王吉
陈超
邵屹杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201610293128.0A priority Critical patent/CN106020927B/zh
Publication of CN106020927A publication Critical patent/CN106020927A/zh
Application granted granted Critical
Publication of CN106020927B publication Critical patent/CN106020927B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G06F9/4893—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues taking into account power or heat criteria
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/45575—Starting, stopping, suspending or resuming virtual machine instances

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种云计算***中任务调度与资源配置的通用方法，其特征在于，包括：从任务调度与资源配置通用框架中获取已到达的任务信息，并根据所述任务信息确定应该选中的至少一个调度目标；获取虚拟化云的物理主机信息，根据物理主机信息、任务信息与调度目标调用特定算法，创建虚拟机，并将任务分配到虚拟机上执行；持续监视所有被分配任务的状态信息，并根据被分配任务的状态信息对虚拟机进行资源动态配置；完成全部任务并返回任务结果。本发明使得调度管理目标可以为完成虚拟化云中任何类型的任务而被动态地组合，提高了任务调度与资源配置方法的适用性。

Description

一种云计算***中任务调度与资源配置的通用方法
技术领域
本发明涉及虚拟化云领域，特别地，涉及一种云计算***中任务调度与资源配置的通用方法。
背景技术
云计算是一种动态提供计算资源的新型计算模式。它通常依托于采用虚拟化技术的数据中心，以实现资源的动态整合与环境隔离。云计算中的虚拟化技术，将一台物理主机动态地划分为多个可独立提供计算服务的虚拟机，以提高资源的利用率和成本效益。
云是一个巨大的资源库，其中的资源可以被动态分享，因此可有效提高资源利用率，从而提高云供应商的利润。但是，只追求高资源利用率将不可避免地影响云计算***的服务质量，比如用户请求的响应时间。因此，云供应商希望使用尽可能少的资源来满足尽可能多的用户请求，并同时保证服务质量。否则，将使得资源得不到有效利用，导致利润降低，或者因为服务质量差而损失大量用户。因此，如何提高资源利用率并保证服务质量，任务调度和资源配置是关键所在。
目前，越来越多应用已被部署在云中，涉及学术界和工业界等许多不同领域。值得该注意的是，不同的应用可能具有不同的任务类型。例如，一个分析生物基因组定位的应用包括多个从基因序列推断的结果，它们可以被以逻辑的形式表示为多个任务，我们称这种任务为相关任务。然而，像网页请求这样的任务是典型的独立任务。另外，像天气预报和医学仿真这样的应用通常具有时间截止期，如果不能满足时限要求，其结果可能变得不可用，这类任务称之为实时任务。而对数据爬取这类应用，对完成时间不敏感，所以其任务为非实时任务。
从调度管理目标的角度来讲，用户和云往往有多个不同的目标。除了管理服务等级协议(Service Level Agreement，SLA)这一目标外，云提供商尤其会关注与数据中心基础设施管理有关的目标。例如，以容错作为目标，任务在被分配时考虑在***发生故障时对***性能的影响最小；或是以节能作为目标，资源在执行某一应用时应尽量少地消耗***能量。另外，一些任务调度和资源配置同时考虑多个目标，例如同时考虑最小化调度完成时间、最小化能量消耗、满足计算资源限制等等。
然而，大多数现行调度策略或算法只针对某一类特定情形，例如针对某一目标，调度依赖任务或独立任务，在云环境中缺乏通用性和普适性。针对现有技术中调度策略和资源配置方法通用性差的问题，目前尚无有效的解决方案。
发明内容
有鉴于此，本发明的目的在于提出一种云计算***中任务调度与资源配置的通用方法，可以调度虚拟化云中任何类型的任务或多种任务的动态组合，提高了任务调度与资源配置方法的通用性。
基于上述目的，本发明提供的技术方案如下：
根据本发明的一个方面，提供了一种云计算***中任务调度与资源配置的通用方法，包括：
从任务调度与资源配置通用框架中获取已到达的任务信息，并根据所述任务信息确定应该选中的至少一个调度目标；
获取虚拟化云的物理主机信息，根据物理主机信息、任务信息与调度目标调用特定算法，创建虚拟机，并将任务分配到虚拟机上执行；
持续监视所有被分配任务的状态信息，并根据被分配任务的状态信息对虚拟机进行资源动态配置；
完成全部任务并返回任务结果。
其中，已到达的任务信息包括：已到达的任务是独立任务还是依赖任务、已到达的任务是实时任务还是非实时任务、已到达的任务是周期性任务还是非周期性任务、已到达的任务是优先任务还是非优先任务。
独立任务指没有数据和控制依赖；依赖任务指在任务之间存在控制依赖关系或存在偏序关系的任务；实时任务指有截止期限的任务；非实时任务指无截止期限的任务；周期性任务指两个相邻任务之间的间隔时间是一个常数的任务；非周期性任务指不能预先获知到达时间的任务；优先任务指享有优先处理权的任务；非优先任务指不享有优先处理权的任务。
调度目标至少包括以下之一：服务等级协议、节能、可靠性、不确定性；根据任务信息确定应该被选中用来调度新到达任务的至少一个调度目标，即根据任务信息在服务等级协议、节能、可靠性、不确定性中确定一个或多个作为调度目标。
服务等级协议为云供应商和用户之间的服务合同，服务至少包括以下之一：响应时间、处理精度、成本；不确定性主要针对对***调度精度有高要求的应用。
根据被分配任务的状态信息对虚拟机进行资源动态配置，当任务不能通过使用当前活跃主机在期望时间内被完成时，将创建新虚拟机来完成该任务，其中，创建虚拟机可以通过启动一台主机并在上面创建一个虚拟机或是合并现有虚拟机并增加一个虚拟机来完成。
同时，在***处于轻负荷状态时可以合并资源，关掉一些主机或是将它们设置成休眠模式。
从上面所述可以看出，本发明提供的技术方案是通过选中特定调度目标并根据调度目标调用特定算法创建虚拟机进行任务调度与资源配置的技术手段，使得调度管理可以为完成虚拟化云中任何类型的任务而进行动态地组合，提高了任务调度与资源配置方法的通用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的一种云计算***中任务调度与资源配置的通用方法流程图；
图2为根据本发明实施例的一种云计算***中任务调度与资源配置的通用方法中任务调度和资源配置的调度架构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进一步进行清楚、完整、详细地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种云计算***中任务调度与资源配置的通用方法。
如图1所示，根据本发明实施例的提供的一种云计算***中任务调度与资源配置的通用方法包括：
步骤S101，从任务调度与资源配置通用框架中获取已到达的任务信息，并根据所述任务信息确定应该选中的至少一个调度目标；
步骤S103，获取虚拟化云的物理主机信息，根据物理主机信息、任务信息与调度目标调用特定算法，创建虚拟机，并将任务分配到虚拟机上执行；
步骤S105，持续监视所有被分配任务的状态信息，并根据被分配任务的状态信息对虚拟机进行资源动态配置；
步骤S107，完成全部任务并返回任务结果。
其中，已到达的任务信息包括：已到达的任务是独立任务还是依赖任务、已到达的任务是实时任务还是非实时任务、已到达的任务是周期性任务还是非周期性任务、已到达的任务是优先任务还是非优先任务。
独立任务指没有数据和控制依赖；依赖任务指在任务之间存在控制依赖关系或存在偏序关系的任务；实时任务指有截止期限的任务；非实时任务指无截止期限的任务；周期性任务指两个相邻任务之间的间隔时间是一个常数的任务；非周期性任务指不能预先获知到达时间的任务；优先任务指享有优先处理权的任务；非优先任务指不享有优先处理权的任务。
调度目标至少包括以下之一：服务等级协议、节能、可靠性、不确定性；根据任务信息确定应该被选中用来调度新到达任务的至少一个调度目标，即根据任务信息在服务等级协议、节能、可靠性、不确定性中确定一个或多个作为调度目标。
服务等级协议为云供应商和用户之间的服务合同，服务至少包括以下之一：响应时间、处理精度、成本；不确定性主要针对对***调度精有高度要求的应用。
根据被分配任务的状态信息对虚拟机进行资源动态配置，当任务不能通过使用当前活跃主机在期望时间内被完成时，将创建新虚拟机来完成该任务，其中，创建虚拟机可以通过启动一台主机并在上面创建一个虚拟机或是合并现有虚拟机并增加一个虚拟机来完成。
同时，***处于轻负荷状态时合并资源，关掉一些主机或是将它们设置成休眠模式。
下面根据具体实施例进一步阐述本发明的技术特征。
云计算资源管理的三个重要方面为调度管理目标(Scheduling ManagementObjective，SMO)、任务类型和资源特点。
在云计算***中，调度管理即将任务分配给一组合适的计算资源来运行这些任务。调度管理目标(简称：调度目标)包括以下几项：
服务等级协议：服务等级协议(Service Level Agreement，SLA)是云供应商(数据中心)和用户之间的服务合同。具体而言，服务包括响应时间、处理精度、成本等。因此，调度目标之一是保证SLA，并在SLA的限制内提高资源利用率。
节能：云数据中心能量消耗巨大。高能耗不仅导致高昂的费用，同时影响环境和***可靠性。最小化能量消耗已成数据中心建设的重要内容。任务调度和资源配置可以通过优化选择资源和调度任务降低***能量消耗。
可靠性：可靠性是保证在云中为用户提供高质量服务的基础。据统计，一个由一万台高可靠***器构成的***每天至少有一个服务器会出现故障。因此，在云中提供容错能力已成为提高***可靠性的关键问题，特别是对于具有高可靠性要求的那些应用而言。
不确定性：不确定性控制是云中的一个重要问题。研究如何测量和控制不确定性能够有效地提高调度精度。例如，虚拟机的性能会在运行期间动态变化。如果不确定性没有得到有效处理，调度决策可能无用，甚至产生对任务运行的负面影响。因此，如果应用程序对调度准确性高度敏感，就需要将不确定性集成在任务调度与资源配置中。
在云计算环境中存在多种不同类型的任务。尤其是对于公有云而言，许多任务被同时处理。一般说来，任务可以被分为以下四个类别。
独立任务和依赖任务：独立任务指没有数据和控制依赖的任务。相反，对于依赖任务而言，在任务之间存在控制依赖或存在偏序关系，任务必须按某种确定顺序执行。通常情况下，依赖任务可以通过有向无环图(Directed Acyclic Graph，DAG)进行建模。
实时任务和非实时任务：实时任务是指有截止期限的任务，也就是说这些任务必须在给定的时间约束之内被完成。相反，非实时任务并没有截止期限，但是仍然追求快速反应时间。
周期性任务和非周期性任务：对于周期性任务而言，两个相邻任务之间的间隔时间是一个常数(也就是周期)。所以，一旦知道第一个任务的到达时间，接下来任务的到达时间可以通过计算获得。但是，对于非周期性任务，***不能事先知道任务的到达时间。
优先任务和非优先任务：优先任务意味着这些任务享有优先权。优先权可由以下对象赋予：1)提交任务的用户；2)来自于用户与资源供应者的协商；3)基于一些任务特征的计算，比如任务截止期的紧张度或用户的付费额度。对非优先级任务而言，它们没有特定优先权。
对于一个任务，它可以从属于上述的四种类型的部分或全部组合。例如，一个任务可以是实时的、独立的、有优先权的非周期任务。
云有两个在任务调度和资源配置时必须考虑的重要特征。
虚拟化：虚拟化在云环境中被普遍使用，比如亚马逊的弹性计算云(ElasticCompute Cloud，EC2)，它提供灵活可扩展的***服务。通过使用虚拟化技术，单独一台物理主机可以同时运行多个虚拟机(Virtual Machine，VM)，这为可扩展性、成本效益和高资源利用率提供了一个有效的解决途径。因此，与物理主机相比，虚拟机成为基础计算实体更具优势。从任务调度的角度来看，任务被分给了虚拟机，而不是直接分给物理主机。
动态资源配置：云资源配置不同于其它计算环境的明显特征是它“即付即用”的运作方式，这意味着云提供的资源是根据用户需求灵活变化的。特别是，云可以为了满足资源请求的增多而扩大规模，也可以在需求减少时为提高***资源利用率而缩小规模。
在调度框架中，调度管理目标、任务类型和资源特征的不同组合将使用算法库中的特定算法。可以设计不同的任务调度和资源配置算法并将其添加到算法库中，以处理具有不同目标的多种任务。
为了支持所有种类的任务调度和资源配置，我们设计了一个可以处理不同调度管理目标和任务类型的通用调度架构。
图2示出的是任务调度和资源配置的调度架构，如图2所示，包括任务分析器、SMO分析器、目标库、任务调度器、资源监视器、资源分配器、算法库和资源库。当一个新的任务到达时，任务调度和资源配置按以下步骤进行：
第一步，任务分析器得到任务属性，比如任务到达时间、预计执行时间、截止时间和任务类型等。然后它把这些信息发送给SMO分析器与任务调度器。
第二步，SMO分析器决定调度目标。SMO从三个方面决定调度目标，即任务性质、资源状态和***提供者。例如，如果一些任务具有较高可靠性需求(如病人监控)，可靠性就应该被加入到所选的目标中；否则对于一些网页请求任务，由于需要额外开销，可靠性可能并未被纳入调度目标进行考虑。另外一个例子是，像地震数据处理这样的紧急任务，节约能量不是最为关心的目标，而快速反应变得最重要，所以节能可能并不包含在SMO目标之中。
第三步，基于来自于SMO分析器的分析，产生调度目标，然后这些目标将被送往任务调度器。
第四步，任务调度器根据任务性质、被选中的目标和当前资源信息从算法库调用特定算法，然后把任务分配到虚拟机上执行。与此同时，资源监视器持续收集被分配任务的状态信息，并把信息汇报给任务调度器。如果一些任务并不能像期望的那样被完成，将使用修正机制进行处理。
第五步，资源分配器在两种情况下工作：1)当任务不能通过使用当前活跃主机在期望时间内被完成时，资源分配器将创建一个虚拟机来完成这个任务。创建虚拟机可以通过启动一台主机并在上面建立一个虚拟机或是合并虚拟机并增加一个虚拟机来完成；2)如果***处于轻负荷状态，资源分配器将合并资源，然后关掉一些主机或是把它们设置成休眠模式。
尽管我们提出的通用调度架构可被用于处理具有不同调度目标和不同类型的任务，但仍然可以共用一些通用模型，以使它们在任何情况下可被重新使用。比如，虚拟化云计算资源可以像下面这样被建模表示成一个通用形式：
我们考虑一个虚拟化云，它包含一个实体计算主机集合H＝{h1,h2,…}。活动主机集合由有n个元素的Ha表示，对任意一个主机hk，它的处理能力pk由它的CPU性能MIPS描述。对于每个主机hk∈H，它包含一个虚拟机集合每个虚拟机vjk∈Vk满足vjk的准备时间由rjk表示。
另外，无论任务是什么类型，一些任务属性都可以被建模表示成通用形式。比如，不管任务类型是什么，每个任务都有一个到达时间。因此，我们得到如下主要通用任务模型。
我们考虑一个任务集合T＝{t1,t2,…}。对任意一个任务ti，它可以表示成ti＝{ai,si,di,pi}，其中ai、si、di和pi分别为到达时间、任务大小、截止时间和任务ti的优先权。如果ti是个非实时性任务，di被设定为+∞，当对ti没有优先权时，pi被设定为0。令sijk为任务ti在虚拟机vjk上的开始时间。类似地，fijk表示任务ti在vjk上的结束时间。令eijk为任务ti在虚拟机vjk上的执行时间。此外，xijk被用来表示虚拟化云中虚拟机上的任务映射，若任务ti被分配到主机hk上的虚拟机vjk上，则xijk＝1，否则为xijk＝0。另外，zijk用来表示任务ti是否被成功完成，若ti成功完成，则zijk＝1，否则zijk＝0。
综上所述，借助于本发明的上述技术方案，通过选中特定调度目标并根据调度目标调用特定算法创建虚拟机进行任务调度与资源配置的技术手段，使得调度管理目标可以为完成虚拟化云中任何类型的任务而被动态地组合，提高了任务调度与资源配置方法的适用性。
所属领域的普通技术人员应当理解：以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种云计算***中任务调度与资源配置的通用方法，其特征在于，包括：
从任务调度与资源配置通用框架中获取已到达的任务信息，并根据所述任务信息确定应该选中的至少一个调度目标；
获取虚拟化云的物理主机信息，根据所述物理主机信息、所述任务信息与所述调度目标调用特定算法，创建虚拟机，并将任务分配到所述虚拟机上执行；
持续监视所有被分配任务的状态信息，并根据所述被分配任务的状态信息对所述虚拟机进行资源动态配置；
完成全部任务并返回任务结果；
其中，任务调度与资源配置通用框架包括任务分析器、SMO分析器、目标库、任务调度器、资源监视器、资源分配器、算法库和资源库；当一个新的任务到达时，任务调度和资源配置按以下步骤进行：
任务分析器得到任务信息；然后把这些信息发送给SMO分析器与任务调度器；
SMO分析器从任务信息、资源状态和***提供者三个方面决定调度目标；
基于来自于SMO分析器的分析，产生调度目标，然后将这些调度目标送往任务调度器；
任务调度器根据任务信息、被选中的调度目标和物理主机信息从算法库调用特定算法，然后把任务分配到虚拟机上执行；与此同时，资源监视器持续收集被分配任务的状态信息，并把信息汇报给任务调度器；如果一些任务并不能像期望的那样被完成，将使用修正机制进行处理；
所述已到达的任务信息包括：已到达的任务是独立任务还是依赖任务、已到达的任务是实时任务还是非实时任务、已到达的任务是周期性任务还是非周期性任务和已到达的任务是优先任务还是非优先任务；
所述独立任务指没有数据和控制依赖的任务；所述依赖任务指在任务之间存在控制依赖关系或存在偏序关系的任务；所述实时任务指有截止期限的任务；所述非实时任务指无截止期限的任务；所述周期性任务指两个相邻任务之间的间隔时间是一个常数的任务；所述非周期性任务指不能预先获知到达时间的任务；所述优先任务指享有优先处理权的任务；所述非优先任务指不享有优先处理权的任务；
所述调度目标包括以下至少之一：服务等级协议、节能、可靠性、不确定性控制；根据所述任务信息确定应该被选中用来调度新到达任务的至少一个调度目标，即根据所述任务信息在服务等级协议、节能、可靠性、不确定性控制中确定一个或多个作为调度目标；
所述服务等级协议指云供应商和用户之间的服务合同，其中，所述服务包括以下至少之一：响应时间、处理精度、成本；所述不确定性控制针对虚拟机的性能会在运行期间动态变化的问题。
2.根据权利要求1所述的一种云计算***中任务调度与资源配置的通用方法，其特征在于，根据所述被分配任务的状态信息对所述虚拟机进行资源动态配置，为当任务不能通过使用当前活跃主机在期望时间内被完成时，将创建新虚拟机来完成该任务，其中，创建虚拟机可以通过启动一台主机并在上面创建一个虚拟机或是合并现有虚拟机并增加一个虚拟机来完成。
3.根据权利要求2所述的一种云计算***中任务调度与资源配置的通用方法，其特征在于，***处于轻负荷状态时合并资源，关掉一些主机或是将它们设置成休眠模式。
CN201610293128.0A 2016-05-05 2016-05-05 一种云计算***中任务调度与资源配置的通用方法 Active CN106020927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610293128.0A CN106020927B (zh) 2016-05-05 2016-05-05 一种云计算***中任务调度与资源配置的通用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610293128.0A CN106020927B (zh) 2016-05-05 2016-05-05 一种云计算***中任务调度与资源配置的通用方法

Publications (2)

Publication Number Publication Date
CN106020927A CN106020927A (zh) 2016-10-12
CN106020927B true CN106020927B (zh) 2018-03-16

Family

ID=57081239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610293128.0A Active CN106020927B (zh) 2016-05-05 2016-05-05 一种云计算***中任务调度与资源配置的通用方法

Country Status (1)

Country Link
CN (1) CN106020927B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967173A (zh) * 2016-10-20 2018-04-27 阿里巴巴集团控股有限公司 一种资源调度的方法、装置和***
CN106534140A (zh) * 2016-11-25 2017-03-22 西安烽火电子科技有限责任公司 一种sip消息的传递***及方法
CN106775932B (zh) * 2016-11-29 2020-01-17 中国人民解放军国防科学技术大学 一种云计算***中随机事件触发的实时工作流调度方法
CN107168770B (zh) * 2017-04-14 2020-03-27 中国人民解放军国防科学技术大学 一种低能耗的云数据中心工作流调度与资源供给方法
CN107454148B (zh) * 2017-07-10 2020-01-10 中国人民解放军国防科学技术大学 一种面向战术边缘的移动云指控***
CN107908464A (zh) * 2017-10-12 2018-04-13 华东师范大学 一种考虑可靠性的云计算工作流节能调度方法
CN108234356B (zh) * 2017-11-29 2021-07-06 中电科华云信息技术有限公司 基于应用关系网络的最优化应用资源分布策略
CN108958933B (zh) * 2018-06-27 2021-12-21 创新先进技术有限公司 任务执行器的配置参数更新方法、装置及设备
CN110764896A (zh) * 2018-07-25 2020-02-07 北京京东金融科技控股有限公司 资源分配方法、***及计算机***和计算机可读存储介质
CN110147280B (zh) * 2019-05-14 2023-01-31 河南城建学院 基于安全与成本感知的大数据应用调度方法
CN110377411B (zh) * 2019-07-22 2020-06-19 郑州轻工业学院 一种面向分布式云的工作流任务调度方法和***
CN110928679B (zh) * 2019-10-16 2023-03-03 华为技术有限公司 一种资源分配方法及装置
WO2021097778A1 (zh) * 2019-11-21 2021-05-27 苏州铭冠软件科技有限公司 一种云计算数据资源调度方法
CN112185468B (zh) * 2020-12-01 2021-05-25 南京溯远基因科技有限公司 一种用于基因数据分析和处理的云端管理***及方法
CN113485817A (zh) * 2021-08-02 2021-10-08 重庆忽米网络科技有限公司 基于多数据源的任务调度方法与多任务协作处理方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102111337B (zh) * 2011-03-14 2013-05-15 浪潮(北京)电子信息产业有限公司 任务调度方法和***
CN103870317B (zh) * 2012-12-10 2017-07-21 中兴通讯股份有限公司 云计算中的任务调度方法及***
CN104113596A (zh) * 2014-07-15 2014-10-22 华侨大学 一种私有云的云监控***及方法
CN104765643A (zh) * 2015-03-25 2015-07-08 华迪计算机集团有限公司 实现云计算资源混合调度的方法和***
CN104951367B (zh) * 2015-07-17 2018-02-16 中国人民解放军国防科学技术大学 一种虚拟化云中容错任务调度方法

Also Published As

Publication number Publication date
CN106020927A (zh) 2016-10-12

Similar Documents

Publication Publication Date Title
CN106020927B (zh) 一种云计算***中任务调度与资源配置的通用方法
Praveenchandar et al. Retracted article: dynamic resource allocation with optimized task scheduling and improved power management in cloud computing
Zuo et al. A multi-objective optimization scheduling method based on the ant colony algorithm in cloud computing
Cheng et al. Cost-aware job scheduling for cloud instances using deep reinforcement learning
Singh et al. QRSF: QoS-aware resource scheduling framework in cloud computing
US8752059B2 (en) Computer data processing capacity planning using dependency relationships from a configuration management database
US11206193B2 (en) Method and system for provisioning resources in cloud computing
CN107168770B (zh) 一种低能耗的云数据中心工作流调度与资源供给方法
Alarifi et al. Energy-efficient hybrid framework for green cloud computing
Singh et al. Energy based efficient resource scheduling: a step towards green computing
CN104407912A (zh) 一种虚拟机配置方法及装置
CN106326003A (zh) 一种作业调度和计算资源分配方法
CN104793993A (zh) 基于Levy飞行的人工蜂群粒子群算法的云计算任务调度方法
Mehrotra et al. Towards an autonomic performance management approach for a cloud broker environment using a decomposition–coordination based methodology
Rodero-Merino et al. Using clouds to scale grid resources: An economic model
CN106453557B (zh) 一种IaaS服务中的双时间尺度用户动态竞价和资源管理算法
Chen et al. Entropy4Cloud: Using entropy-based complexity to optimize cloud service resource management
Çağlar et al. Look-ahead energy efficient VM allocation approach for data centers
CN107479949A (zh) 低能耗云计算任务调度方法
Ghazali et al. A classification of Hadoop job schedulers based on performance optimization approaches
Singh et al. Artificial Intelligence Based Virtual Machine Allocation and Migration Policy using Improved MBFD
CN110519386A (zh) 云环境下基于数据聚类的弹性资源供应方法和装置
CN107589980A (zh) 一种云计算资源的调度方法
CN113791890A (zh) 容器分配方法及装置、电子设备、存储介质
Nesmachnow et al. List scheduling heuristics for virtual machine mapping in cloud systems

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant