CN110737485A - 一种基于云架构的工作流配置***和方法 - Google Patents
一种基于云架构的工作流配置***和方法 Download PDFInfo
- Publication number
- CN110737485A CN110737485A CN201910930459.4A CN201910930459A CN110737485A CN 110737485 A CN110737485 A CN 110737485A CN 201910930459 A CN201910930459 A CN 201910930459A CN 110737485 A CN110737485 A CN 110737485A
- Authority
- CN
- China
- Prior art keywords
- workflow
- queue
- instance
- engine
- manager
- 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.)
- Pending
Links
Images
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
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
- G06F9/44526—Plug-ins; Add-ons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- 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
-
- 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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于云架构的工作流配置***和方法,将工作流解析器、工作流管理器与作业调度器作为一个整体可插拔插件安装在现有的已经大规模部署的云工作流***中的Hadoop云计算集群中,使集群同样具备识别和智能调度工作流实例作业的能力,从而打通工作流引擎与底层云计算集群间的壁垒,同时对外部工作流引擎加装本文***中的工作流定义文件生成组件,即可使现有生产环境的工作流***拥有本文***的部分定制功能和性能优化。
Description
技术领域
本发明涉及工作流领域,尤其涉及一种基于云架构的工作流配置***和方法。
背景技术
随着云计算技术空前的发展和海量数据的计算需求更加膨胀,工作流***作为用户业务与云计算资源之间的纽带和桥梁越发受到重视,现有的工作流管理***多以第三方独立***形式与Hadoop等分布式计算平台配合运行,将工作流的实际运行完全托管于分布式计算平台,固然这种方案使工作流的管理更加简化,却造成了对工作流的执行缺乏优化、工作流的触发方式单一以及以及无法进行工作流生命周期控制,这将导致计算资源和存储资源的大量浪费,并且无法根据集群不同节点资源量、网络等异构因素实现实时的工作流任务的最优分配。因此,为解决上述问题,本发明提出一种基于云架构的工作流配置***和方法,可以打通工作流引擎与底层云计算集群间的壁垒,并且合理分配资源。
发明内容
有鉴于此,本发明提出了一种基于云架构的工作流配置***和方法,可以打通工作流引擎与底层云计算集群间的壁垒,并且合理分配资源。
本发明的技术方案是这样实现的:本发明提供了一种基于云架构的工作流配置***,其包括用户平台、工作流组建工具、工作流引擎和Hadoop计算集群,Hadoop计算集群包括工作流解析器、工作流管理器与作业调度器;
用户平台,供调用工作流组建工具;
工作流组建工具,供创建工作流实例,工作流实例组建完毕后将对应的作业执行文件、数据文件、附属缓存文件以及生成的iPDL文件一并提交至工作流引擎;
工作流引擎,通过工作流实例附属的配置文件向工作流解析器提交工作流作业;
工作流解析器,识别并解析工作流作业,将获得工作流实例的信息提交给工作流管理器;
工作流管理器,将该工作流实例注册至工作流实例队列;
作业调度器,管理资源分配工作,同时第一工作流管理器通过回调URL向工作流引擎反馈工作流实例的执行情况。
在以上技术方案的基础上,优选的,工作流解析器、第一工作流管理器与作业调度器均为独立的可插拔模块。
在以上技术方案的基础上,优选的,工作流引擎包括工作流监控器、第二工作流管理器和工作流数据库;
工作流监控器初步检查工作流实例的触发条件,满足执行约束的工作流实例将进入执行流程,第二工作流管理器生成工作流作业以及iPDL描述文件,并将其提交至工作流解析器,工作流引擎提交工作流作业时,将其所属工作流实例的iPDL描述文件一并提交至工作流数据库中。
一种基于云架构的工作流配置方法,包括以下步骤:
S1、搭建如权利要求1所述的***架构;
S2、用户在组建工作流实例的基本DAG结构后,用户平台将工作流实例的作业执行文件、数据文件、附属缓存文件以及生成的iPDL文件一并提交至工作流引擎;
S3、工作流引擎初步检查工作流实例的触发条件,满足执行约束的工作流实例将进入执行流程,工作流引擎根据其流程结构逐一提交满足执行依赖的工作流作业;
S4、工作流引擎提交工作流作业至Hadoop计算集群时,会将其所属工作流实例的iPDL描述文件一并提交至工作流数据库中该作业临时目录的分布式缓存目录;
S5、工作流解析器判断作业的类型,并发现iPDL描述文件,当发现iPDL描述文件时,认为是一个工作流作业并解析iPDL描述文件,获取该工作流实例的信息并更新至第一工作流管理器;
S6、工作流管理器检查该工作流实例的触发条件配置,若存在触发配置则进入睡眠队列并向集群监控器模块注册对应的触发事件,当触发条件满足后进入执行队列,经过初始化交由工作流调度器管理资源分配工作。
在以上技术方案的基础上,优选的,S3中工作流引擎控制的触发条件包括时间条件触发和集群数据可用性触发。
在以上技术方案的基础上,优选的,S6中工作流调度器管理资源分配工作具体包括以下步骤:
S201、设置由优先级队列、任务池、任务队列和调度器组成的调度模型;
S202、将工作流定义为高优选抢占队列、高优先级非抢占队列和基本优选级队列,其中,高优选抢占队列具有最高优先级,当其请求资源时,***会停下当前任务并将当前任务放回任务池,优先执行高优选抢占队列;高优先级非抢占队列具有优先响应权利,不能对基本优选级队列的任务资源抢占;
S203、每个计算资源上一次只有一个任务执行,调度完毕的任务根据使用资源的顺序放入每个计算资源相对应的任务队列中,等待到资源可用;
S204、调度器更新每个DAG的SD因子,按照任务的优先级由高到低排序,优先级相同的任务按照SD因子由低到高排序。
本发明的一种基于云架构的工作流配置***和方法相对于现有技术具有以下有益效果:
(1)将工作流解析器、工作流管理器与作业调度器作为一个整体可插拔插件安装在现有的已经大规模部署的云工作流***中的Hadoop云计算集群中,使集群同样具备识别和智能调度工作流实例作业的能力,从而打通工作流引擎与底层云计算集群间的壁垒,同时对外部工作流引擎加装本文***中的工作流定义文件生成组件,即可使现有生产环境的工作流***拥有本文***的部分定制功能和性能优化;
(2)通过将任务流设置为三级,并且为每级设置优先级,可以通过调度器调度任务流进行的顺序,合理利用资源。
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,下面将对实施例或现有技术描述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为本发明一种基于云架构的工作流配置***的结构图;
图2为本发明一种基于云架构的工作流配置方法的流程图;
图3为本发明一种基于云架构的工作流配置方法中工作流调度器管理资源分配工作的流程图。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
如图1所示,本发明的一种基于云架构的工作流配置***,其包括用户平台、工作流组建工具、工作流引擎和Hadoop计算集群。
用户平台,作为用户与工作流引擎之间的交互桥梁,用户通过所述用户平台的web页面或桌面客户端调用工作流组建工具,使用工作流组建工具中的工具创建工作流实例。
工作流组建工具,组装一套可视化的DAG结构图以及对应的工作流定义语言文件,工作流实例组建完毕后将对应的作业执行文件、数据文件、附属缓存文件以及生成的iPDL文件一并提交至工作流引擎。
工作流引擎通过工作流实例附属的配置文件向Hadoop计算集群提交工作流作业。在本实施例中,工作流引擎包括工作流监控器、第二工作流管理器和工作流数据库;具体的,工作流监控器初步检查工作流实例的触发条件,满足执行约束的工作流实例将进入执行流程,第二工作流管理器生成工作流作业以及iPDL描述文件,并将其提交至工作流解析器,工作流引擎提交工作流作业时,将其所属工作流实例的iPDL描述文件一并提交至工作流数据库中。
Hadoop计算集群,即分布式***基础架构。用户可以在不了解分布式底层作业分布式执行细节的情况下,开发分布式程序,充分利用集群的规模效应进行高速运算和海量存储。Hadoop允许开发者不关心内部机制细节,通过有限的逻辑接口,更容易地开发和运行处理大规模数据。在本实施例中,Hadoop计算集群包括工作流解析器、工作流管理器与作业调度器;工作流解析器、第一工作流管理器与作业调度器均作为Hadoop可插拔模块内置于Hadoop集群中,使得Hadoop具备了识别、理解工作流实例的能力,从而打破了工作流引擎与底层云计算集群间的壁垒。具体的,工作流解析器识别并解析工作流作业,将获得工作流实例的信息提交给第一工作流管理器,第一工作流管理器将该工作流实例注册至工作流实例队列,作业调度器管理资源分配工作,同时Hadoop计算集群通过回调URL向工作流引擎反馈工作流实例的执行情况。
实施例二、
在实施例一的基础上,本实施例提供一种基于云架构的工作流配置方法,包括以下步骤:
S1、搭建如权利要求1所述的***架构;
S2、用户在组建工作流实例的基本DAG结构后,用户平台将工作流实例的作业执行文件、数据文件、附属缓存文件以及生成的iPDL文件一并提交至工作流引擎;
S3、工作流引擎初步检查工作流实例的触发条件,满足执行约束的工作流实例将进入执行流程,工作流引擎根据其流程结构逐一提交满足执行依赖的工作流作业;
进一步优选的,工作流引擎控制的触发条件包括时间条件触发和集群数据可用性触发。
S4、工作流引擎提交工作流作业至Hadoop计算集群时,会将其所属工作流实例的iPDL描述文件一并提交至工作流数据库中该作业临时目录的分布式缓存目录;
S5、工作流解析器判断作业的类型,并发现iPDL描述文件,当发现iPDL描述文件时,认为是一个工作流作业并解析iPDL描述文件,获取该工作流实例的信息并更新至第一工作流管理器;
S6、工作流管理器检查该工作流实例的触发条件配置,若存在触发配置则进入睡眠队列并向集群监控器模块注册对应的触发事件,当触发条件满足后进入执行队列,经过初始化交由工作流调度器管理资源分配工作。
进一步优选的,工作流调度器管理资源分配工作具体包括以下步骤:
S201、设置由优先级队列、任务池、任务队列和调度器组成的调度模型;
S202、将工作流定义为高优选抢占队列、高优先级非抢占队列和基本优选级队列,其中,高优选抢占队列具有最高优先级,当其请求资源时,***会停下当前任务并将当前任务放回任务池,优先执行高优选抢占队列;高优先级非抢占队列具有优先响应权利,不能对基本优选级队列的任务资源抢占;
S203、每个计算资源上一次只有一个任务执行,调度完毕的任务根据使用资源的顺序放入每个计算资源相对应的任务队列中,等待到资源可用;
S204、调度器更新每个DAG的SD因子,按照任务的优先级由高到低排序,优先级相同的任务按照SD因子由低到高排序。
其中,调度器的调度时机是当有任务执行完毕释放资源时,该任务的直接后继任务进入任务池,调度器根据当前时间更新每个DAG的SD因子,然后将任务池中的任务依据调度策略进行调度;另一个是当有新作业到达时,调度器根据当前时间更新***的作业时间,并重新进行作业调度。
进一步优选的,调度器的调度策略包括同优先级DAG的作业调度策略和不同优先级DAG的作业调度策略。
其中,同优先级DAG的作业调度策略为:引入启发性信息因子Delaytime通过任务队列中未执行的任务表示整个作业的进度,保证抢占资源和使用资源的公平性;不同优先级DAG的作业调度策略为:调度器将高优先级作业的任务调度完毕,低优先级作业的任务可以使用回填算法的任务可以阻塞整个资源队列。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于云架构的工作流配置***,其包括用户平台、工作流组建工具、工作流引擎和Hadoop计算集群,其特征在于:所述Hadoop计算集群包括工作流解析器、第一工作流管理器与作业调度器;
用户平台,供调用工作流组建工具;
工作流组建工具,供创建工作流实例,工作流实例组建完毕后将对应的作业执行文件、数据文件、附属缓存文件以及生成的iPDL文件一并提交至工作流引擎;
工作流引擎,通过工作流实例附属的配置文件向工作流解析器提交工作流作业;
工作流解析器,识别并解析工作流作业,将获得工作流实例的信息提交给工作流管理器;
工作流管理器,将该工作流实例注册至工作流实例队列;
作业调度器,管理资源分配工作,同时第一工作流管理器通过回调URL向工作流引擎反馈工作流实例的执行情况。
2.如权利要求1所述的一种基于云架构的工作流配置***,其特征在于:所述工作流解析器、第一工作流管理器与作业调度器均为独立的可插拔模块。
3.如权利要求1所述的一种基于云架构的工作流配置***,其特征在于:所述工作流引擎包括工作流监控器、第二工作流管理器和工作流数据库;
所述工作流监控器,初步检查工作流实例的触发条件,满足执行约束的工作流实例将进入执行流程;
第二工作流管理器,生成工作流作业以及iPDL描述文件,并将其提交至工作流解析器,工作流引擎提交工作流作业时,将其所属工作流实例的iPDL描述文件一并提交至工作流数据库中。
4.一种基于云架构的工作流配置方法,其特征在于:包括以下步骤:
S1、搭建如权利要求1所述的***架构;
S2、用户在组建工作流实例的基本DAG结构后,用户平台将工作流实例的作业执行文件、数据文件、附属缓存文件以及生成的iPDL文件一并提交至工作流引擎;
S3、工作流引擎初步检查工作流实例的触发条件,满足执行约束的工作流实例将进入执行流程,工作流引擎根据其流程结构逐一提交满足执行依赖的工作流作业;
S4、工作流引擎提交工作流作业至Hadoop计算集群时,会将其所属工作流实例的iPDL描述文件一并提交至工作流数据库中该作业临时目录的分布式缓存目录;
S5、工作流解析器判断作业的类型,并发现iPDL描述文件,当发现iPDL描述文件时,认为是一个工作流作业并解析iPDL描述文件,获取该工作流实例的信息并更新至第一工作流管理器;
S6、第一工作流管理器检查该工作流实例的触发条件配置,若存在触发配置则进入睡眠队列并向集群监控器模块注册对应的触发事件,当触发条件满足后进入执行队列,经过初始化交由工作流调度器管理资源分配工作。
5.如权利要求4所述的一种基于云架构的工作流配置方法,其特征在于:所述S3中工作流引擎控制的触发条件包括时间条件触发和集群数据可用性触发。
6.如权利要求4所述的一种基于云架构的工作流配置方法,其特征在于:所述S6中工作流调度器管理资源分配工作具体包括以下步骤:
S201、设置由优先级队列、任务池、任务队列和调度器组成的调度模型;
S202、将工作流定义为高优选抢占队列、高优先级非抢占队列和基本优选级队列,其中,高优选抢占队列具有最高优先级,当其请求资源时,***会停下当前任务并将当前任务放回任务池,优先执行高优选抢占队列;高优先级非抢占队列具有优先响应权利,不能对基本优选级队列的任务资源抢占;
S203、每个计算资源上一次只有一个任务执行,调度完毕的任务根据使用资源的顺序放入每个计算资源相对应的任务队列中,等待到资源可用;
S204、调度器更新每个DAG的SD因子,按照任务的优先级由高到低排序,优先级相同的任务按照SD因子由低到高排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910930459.4A CN110737485A (zh) | 2019-09-29 | 2019-09-29 | 一种基于云架构的工作流配置***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910930459.4A CN110737485A (zh) | 2019-09-29 | 2019-09-29 | 一种基于云架构的工作流配置***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110737485A true CN110737485A (zh) | 2020-01-31 |
Family
ID=69269750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910930459.4A Pending CN110737485A (zh) | 2019-09-29 | 2019-09-29 | 一种基于云架构的工作流配置***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737485A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414601A (zh) * | 2020-03-27 | 2020-07-14 | 中国人民解放军国防科技大学 | 一种麒麟移动操作***的持续身份认证方法、***及介质 |
CN112698931A (zh) * | 2021-01-12 | 2021-04-23 | 北京理工大学 | 一种云工作流分布式调度*** |
CN113158113A (zh) * | 2021-05-17 | 2021-07-23 | 上海交通大学 | 生物信息分析工作流多用户云端访问方法、管理*** |
CN114595580A (zh) * | 2022-03-09 | 2022-06-07 | 北京航空航天大学 | 一种满足大型柔性叶片优化设计的复杂工作流引擎方法 |
CN116737331A (zh) * | 2023-03-27 | 2023-09-12 | 联洋国融(北京)科技有限公司 | 一种智能化任务流编排方法和平台 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861850A (zh) * | 2019-01-11 | 2019-06-07 | 中山大学 | 一种基于sla的无状态云工作流负载均衡调度的方法 |
-
2019
- 2019-09-29 CN CN201910930459.4A patent/CN110737485A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861850A (zh) * | 2019-01-11 | 2019-06-07 | 中山大学 | 一种基于sla的无状态云工作流负载均衡调度的方法 |
Non-Patent Citations (2)
Title |
---|
刘潋: ""基于 Hadoop 的工作流***设计与实现"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
孙月等: ""云计算中一种多DAG工作流可抢占式调度策略"", 《计算机科学》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414601A (zh) * | 2020-03-27 | 2020-07-14 | 中国人民解放军国防科技大学 | 一种麒麟移动操作***的持续身份认证方法、***及介质 |
CN111414601B (zh) * | 2020-03-27 | 2023-10-03 | 中国人民解放军国防科技大学 | 一种麒麟移动操作***的持续身份认证方法、***及介质 |
CN112698931A (zh) * | 2021-01-12 | 2021-04-23 | 北京理工大学 | 一种云工作流分布式调度*** |
CN112698931B (zh) * | 2021-01-12 | 2022-11-11 | 北京理工大学 | 一种云工作流分布式调度*** |
CN113158113A (zh) * | 2021-05-17 | 2021-07-23 | 上海交通大学 | 生物信息分析工作流多用户云端访问方法、管理*** |
CN114595580A (zh) * | 2022-03-09 | 2022-06-07 | 北京航空航天大学 | 一种满足大型柔性叶片优化设计的复杂工作流引擎方法 |
CN114595580B (zh) * | 2022-03-09 | 2024-05-28 | 北京航空航天大学 | 一种满足大型柔性叶片优化设计的复杂工作流引擎方法 |
CN116737331A (zh) * | 2023-03-27 | 2023-09-12 | 联洋国融(北京)科技有限公司 | 一种智能化任务流编排方法和平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110737485A (zh) | 一种基于云架构的工作流配置***和方法 | |
US8332862B2 (en) | Scheduling ready tasks by generating network flow graph using information receive from root task having affinities between ready task and computers for execution | |
US9277003B2 (en) | Automated cloud workload management in a map-reduce environment | |
US8185903B2 (en) | Managing system resources | |
US8869165B2 (en) | Integrating flow orchestration and scheduling of jobs and data activities for a batch of workflows over multiple domains subject to constraints | |
US20030149717A1 (en) | Batch processing job streams using and/or precedence logic | |
US11010195B2 (en) | K-tier architecture scheduling | |
Guo et al. | Delay-optimal scheduling of VMs in a queueing cloud computing system with heterogeneous workloads | |
Medina et al. | Scheduling multi-periodic mixed-criticality dags on multi-core architectures | |
Luo et al. | Erms: Efficient resource management for shared microservices with SLA guarantees | |
CN111026519A (zh) | 基于分布式的任务优先级调度方法和***及存储介质 | |
Hu et al. | On-the-fly fast overrun budgeting for mixed-criticality systems | |
Klusáček et al. | Efficient grid scheduling through the incremental schedule‐based approach | |
Bai et al. | ASDYS: Dynamic scheduling using active strategies for multifunctional mixed-criticality cyber–physical systems | |
CN115269140A (zh) | 一种基于容器的云计算工作流调度方法、***及设备 | |
Gutiérrez García et al. | Prioritizing remote procedure calls in Ada distributed systems | |
Gu et al. | Synthesis of real-time implementations from component-based software models | |
Liu et al. | Schedule dynamic multiple parallel jobs with precedence-constrained tasks on heterogeneous distributed computing systems | |
Singhoff | Real-time scheduling analysis | |
Suzuki et al. | Execution Right Delegation Scheduling Algorithm for Multiprocessor | |
Dabhi et al. | Soft computing based intelligent grid architecture | |
CN110865886B (zh) | 面向多概率性参数实时任务的和谐感知多处理器调度方法 | |
Dyachuk et al. | Using sla context to ensure quality of service for composite services | |
Abdullah et al. | Real Time System Scheduling Approach: Survey | |
Liu et al. | A server-based approach for overrun management in multi-core real-time systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200131 |