基于信任驱动网格QoS匹配算法研究.docVIP

基于信任驱动网格QoS匹配算法研究 　　【摘要】由于工作流任务之间存在时序和数据依赖等关系，使得网格环境中工作流的调度问题成为一个NP完全问题，针对现有网格任务调度算法存在的问题，本文提出了基于信任驱动的QoS匹配算法（TD_QMO，Trust-Driven QoS Matching Offset），模拟结果显示该算法的有效性。 　　【关键词】网格；QoS匹配算法 　　1.引言 　　网格[1]是把地理位置上分散的资源集成起来的一种基础设施。通过这种设施用户不需要了解该基础设施上资源的具体细节就可以使用自己所需要的各种资源。定义网格一般有三个原则[2]： 　　（l）协调不同控制域资源。网格不仅要整合不同控制域中各种异构资源和用户，还要解决分布式环境中暴露的安全、成员权限等问题。如果不符合上述条件，该系统仅仅为本地管理系统而不是网格。 　　（2）使用标准协议和易用界面。网格是建立在解决授权、认证和资源存取等基本问题的协议和界面上的。 　　（3）高服务质量。高服务质量是指协调使用网格资源来满足各种用户需求。 　　分布式和通信网络是网格的物理基础，网格上的资源包括计算机池、集群、仪器、传感器、存储设施、数据、软件等实体[3]。在网格管理中，网格管理系统的核心是任务调度问题，，为了更好地在动态、异构、开放的网格环境中来执行网格调度系统，信任机制被应用到任务调度机制中，因此，在网格任务调度过程中，应用信任机制具有重要理论与现实意义。 　　2.网格的应用 　　网格在科学领域的应用[4]主要体现在三个方面： 　　（1）分布式超级计算。网格可以把散布在不同地理位置的超级计算机集中起来共同解决复杂的大规模计算问题。目前已经出现仅由一台超级计算机已无法完成科学计算，只能借助网格计算，将地理分布的各个超级计算机集中起来共同解决问题。 　　（2）高吞吐率计算。指的是在一段时间内所能完成的计算量，度量的时间单位可以较大。网格就能充分利用资源，采用CPU周期窃取技术，获取计算机资源空闲的信息，将它们集中起来成为资源的一种重要来源。 　　（3）数据密集型计算。密集型数据的处理分析需要大规模的计算能力，网???在其中发挥了巨大作用。可以利用网格来处理气象预报、高能物理试验等数据密集型问题。 　　网格在社会经济生活领域的应用[5]： 　　在信息共享方面上的人与人交互。网格技术可以克服人与人通信受交互能力、地理位置等条件的限制。可以扩大资源贸易的范围。具有贸易价值的资源包括计算资源，设备，程序，数据等可以广泛共享，让没有购买能力的或不必购买的人也能得到服务。 　　随着网格计算研究的深入，网格调度算法不仅要考虑提高系统整体的吞吐量，还要充分考虑用户实际需求来提高用户满意度，提高网格系统整体的服务质量。因此，多维QoS约束下的任务调度模型的建立势在必行。网格任务在调度的过程中需要经过很多环节，如映射、传输、执行等。如果减少任务的完成时间，就必须优化每个环节。总体来说，造成任务延迟的原因为两种因素：一是把高QoS需求的任务分配到了低QoS的计算资源上，从而导致任务执行速度减慢。二是把任务分配到没有足够时间完成它的计算资源上，导致未完成执行任务而需要重新调度。本文结合网格特殊环境，在满足用户需求的条件下，针对造成任务延迟的两种因素，设计了一种新的调度策略：基于信任QoS驱动算法。 　　3.基于信任QoS驱动算法 　　（1）首先把任务与资源的信任关系分类：强信任关系、弱信任关系及无信任关系，由于信任关系不同，对效益函数影响也就不同。本算法采用Class1、Class2和Class3，其中Class1具有强信任关系的一类，资源提供的信任QoS值必须满足任务需求的QoS；Class2具有弱信任关系一类，资源提供的信任QoS尽量满足任务需求的QoS；Class3具有无信任关系一类，优先级别最低。 　　（2）任务被分配到不同的三类中，再根据Util（Ti）值将每一类中的任务由高到低进行排序。这样可以实现优先调度高优先级的任务，在不同类，优先级由高到低依次是：Class1、Class2、Class3。 　　（3）在每一类中查看资源所能够提供的信任QoS值是否满足任务需求QoS，如果能够满足，计算TrustUtil（i，j），和Util（Ti，Rj）；如果不能满足，就剔除，等待下一次调度。 　　（4）从满足条件的任务与资源配对中选择最大的Util（Ti，Rj），设置相应的任务匹配矩阵=1，其中，为任务Ti在资源Rj执行。 　　（5）计数k是否大于3，如果k3程序结束。最终调度任务到相应的资源上。 　　高效益值任务匹配高效益值资源。TD_QMO（Trust-Driven QoS Matching Offset）具体算法为： 　　输入：任务