基于任务截止时间的多级密码服务调度方案.pdfVIP

00

引言

密码技术是云应用、云数据和云虚拟化设备的安全基础之一。传统密

码技术受限于扩展性差的密码服务载体，无法满足云环境下用户对数据存

储、计算和传输的安全防护要求。云环境下的密码服务是当前云安全解决

方案的主流模式，而当前基于云计算的密码服务具有请求多样、算法多样

的任务多样性。不同的服务应用根据自身的安全需求，可以选择自身需要

的不同强度的密码服务。一种合理的调度方案是解决密码资源安全、合理、

快速分配的关键。

当前，云资源调度策略已经从简单的单目标调度策略逐步演变为可预

测的、多目标的、智能化的复杂调度策略。除需要考虑CPU、内存、存储

等资源外，云环境下的密码服务需要考虑新引入的密码计算资源。不仅要

实现密码服务平台的负载均衡和密码服务质量等目标，还要考虑密码计算

资源利用率和密码设备的安全要求等对密码服务云性能的影响。如何针对

不同的密码服务实现所请求的密码服务的快速完成，并完成多个虚拟密码

机之间的合理调度，是实现资源利用率最优化的关键。

针对上述问题，本文提出基于任务截止时间的多级密码服务调度技术，

将任务截止时间转化为任务紧迫度，以衡量任务的完成优先级。通过不同

等级的调度，完成任务请求和虚拟密码机之间的映射，从而满足不同应用

系统的差异化需求，整体提升云环境下的密码服务性能。

01

任务调度相关研究

1.1国内外相关研究

任务调度是指在特定时间将某些任务分配给特定的资源，是云计算中

的一个重要问题。如何使用一种合理的调度机制，是提高性能和资源有效

利用率的关键。目前，国内外学者研究了很多不同类型的调用机制，如云

服务调度、启发式调度、工作流调度、静态调度和动态调度。在云计算中，

资源的内部和外部需求都要维护，同时带宽、存储、资源开销和响应时间

等需求可能因每个任务的不同而不同。负载均衡、可伸缩性、可靠性、性

能以及对计算节点的资源动态重新分配，是任务调度的主要问题。所以，

在云计算中需要一个有效的任务调度算法。

根据最近的研究综述，基于粒子群优化算法（ParticleSwarm

Optimization，PSO）的任务调度和基于遗传算法（GeneticAlgorithm，

GA）的任务调度是研究热点。

PSO算法适用于动态任务调度。文献[1]提供了一个基于粒子群优化算

法的启发式调度方法，用于减少总执行开销。该文献对比了PSO和最佳资

源选择（BestResourceSelection，BRS）算法，结论是PSO有提升，节

省了3倍的成本，同时增强了现有资源的工作分布，但是导致了更高的传

输和存储开销。简要提到了资源配置危机，通过设计一种PSO算法解决这

一危机。该理论基于任务总执行时间、资源保留和每个任务的QoS，研究

了多目标资源优化问题中的最优调度方法。然而，该成果只能够用于简单

任务，没有适用于任务调度问题的一般收敛理论。

文献[3]采用最小-最小（Min-Min）和最大-最小（Max-Min）方法，

结合标准遗传算法，提出了一种增强遗传算法。Min-Min算法是一种最小

执行时间算法，将任务尽量分配至运算能力最强的资源节点上，减少任务

执行时间，但会导致负载不均衡，使得能力较强的节点产生极高的占用率，

而其他节点出现较小的利用率。Max-Min算法是将可执行任务时间最早的

节点分配给需要最大资源的任务，然后更新节点的可用时间和剩余任务集，

直到全部任务调用完毕。文献[4]阐述了如何使用遗传算法进行任务调度。

文献[5]解释了云服务工作流调度和使用分层云服务工作流的优化方案，包

括云工作流任务并行以及分割、语法和语义的云工作流任务匹配算法以及

基于多个QoS约束的云工作流调度和优化，并对该算法的性能进行了实验

分析。解释了一种用于云环境中使用优先队列进行任务调度的改进遗传算

法。当前的文献大多是