DCS7(任务分配与负载平衡).pdf

第7 章 任务分配与负载平衡 构成调度(Scheduling) 问题的基本元素有三个，即资源集(Resource Set)、消费者集(Consumer Set)及这 些资源为这些消费者服务所依据的一定规则。调度问题就是在满足资源集和消费者集约束条件的基础上， 设计一个有效的调度系统来管理消费者如何高效地使用这些资源，并使得一些系统性能指标达到最优或近 似最优，调度问题的一般模型如图7-1 所示。 消费者集 调度程序 资源集 (并行应用程序) 策略 规则 (并行分布系统) 图7-1 调度问题的一般模型 调度性能与调度效率是评价一个调度系统优劣 7-1 任务分配 当处理机的个数大于3 时，任务分配问题是NP 完全的，所以，人们一直在寻找近似的最佳解。 任务的分配是以任务的划分为基础的，我们要将任务划分成若干个独立的、具有最少通信量的模块， 然后将这些模块分配到不同的处理机上。这里我们只考虑任务的分配，而不考虑任务的划分。 任务分配追求的目标是IPC(Interprocessor Communication)的极小化和负载平衡，这两者显然是一对矛 盾。努力调配各模块，使IMC(Intermodule Communication)和IPC 最小，这称为最小IPC 策略；另一方 面是尽可能使负载平衡，这称为负载平衡策略。走两者综合的道路是必须的。下面的讨论将基于模块数 多于处理机个数进行。 算法可分为： 静态分配策略：在系统运行的初始时刻，将用户提交的任务一次性分配给系统中各处理机，此后直到 这些任务运行完毕，各处理机上的任务一般不再变更。特点：实现简单，但效果有限。 动态分配策略：在系统运行过程中，将任务分配给各处理机，并对其上的任务数进行动态调整，尽可 能使系统中各处理机上的负载达到基本平衡。特点：能充分发挥各处理机的能力，但实现复杂。 从知识处理的观点来看，算法可分为： 知识确定型： 是将算法所需要的有关知识（信息）看作不变的、确定的。 知识非确定型：是将算法所需要的有关知识（信息）是动态变化的、不确定的，甚至是不完全的。 一、 任务分配环境 一般的分布式系统的示意图如下图所示，其中{ m , m ,„, m }为一组待处理的模块，{P , P ,„, P }是 1 2 i 1 2 n 系统中的n 个处理机，它们经由互联网相互通信； „ m2 m1 P1 通 信 m6 „ m2 m1 S „ m4 m3 P2 网 络 „ m6 m5 P3 1 二、 基于图