可靠的网格作业调度机制

计算机应用 ›› 2010, Vol. 30 ›› Issue (8): 2066-2069.

可靠的网格作业调度机制

陶永才¹,石磊²

1. 郑州大学
2. 郑州大学南校区信息工程学院

收稿日期:2010-02-23 修回日期:2010-03-17 发布日期:2010-07-30 出版日期:2010-08-01
通讯作者: 陶永才
基金资助:
面向医学图像处理的武汉高性能网格结点建设

Dependable grid job scheduling mechanism

Yong-Cai Tao,

Received:2010-02-23 Revised:2010-03-17 Online:2010-07-30 Published:2010-08-01
Contact: Yong-Cai Tao

摘要/Abstract

摘要： 针对网格环境的动态性特征，提出了一种可靠的网格作业调度机制(DGJS)。按照作业完成时间期限，DGJS将作业分为：高QoS级、低QoS级和无QoS级，不同QoS级作业有不同的调度优先权；基于资源可用性预测，DGJS采用基于可靠性代价的作业调度策略，将作业尽可能调度到可靠性高的资源节点；另外，DGJS对不同QoS级作业采用不同的容错策略，在保证故障容错的同时，节省网格资源。实验表明：在动态的网格环境下，较之传统的网格作业调度算法，DGJS提高了作业成功率，减少了作业完成时间。

关键词: 作业调度, 网格, 资源故障, 容错, 马尔可夫链

Abstract: With regard to the dynamic feature of grid, a Dependable Grid Job Scheduling (DGJS) mechanism was proposed in this paper. According to the deadline of job finish time, DGJS classified the submitted jobs into three levels with different priority: high QoS level, low QoS level and no QoS level. Based on the resource availability prediction, DGJS exploited reliability costbased job scheduling strategy, striving to schedule jobs to the resource nodes with high reliability. In addition, DGJS exploited different faulttolerant strategies for jobs with different QoS levels. The experimental results show that in the dynamic grid environments, DGJS increases the job success ratio and reduces the job finish time.

Key words: job scheduling, grid, resource failure, fault tolerance, Markov chain

陶永才石磊. 可靠的网格作业调度机制[J]. 计算机应用, 2010, 30(8): 2066-2069.

Yong-Cai Tao. Dependable grid job scheduling mechanism[J]. Journal of Computer Applications, 2010, 30(8): 2066-2069.

[1]	曾祥银, 郑伯川, 刘丹. 基于深度卷积神经网络和聚类的左右轨道线检测[J]. 计算机应用, 2021, 41(8): 2324-2329.
[2]	杨龙海, 王学渊, 蒋和松. 改进SM2签名方法的区块链数字签名方案[J]. 计算机应用, 2021, 41(7): 1983-1988.
[3]	尹飞, 龙玲莉, 孔峥, 邵涵, 李鑫, 钱柱中. 面向动态负载的集群容器部署方法[J]. 计算机应用, 2021, 41(6): 1581-1588.
[4]	龙超奇, 蒋瑜, 谢雨. 基于峰值网格改进的小波聚类算法[J]. 计算机应用, 2021, 41(4): 1122-1127.
[5]	李静, 罗金飞, 李炳超. 主动容错副本存储系统的可靠性分析模型[J]. 计算机应用, 2021, 41(4): 1113-1121.
[6]	刘宇, 朱朝阳, 李金泽, 劳源基, 覃团发. 检测型的联盟区块链共识算法d-PBFT[J]. 计算机应用, 2021, 41(3): 756-762.
[7]	陈朗, 王让定, 严迪群, 林昱臻. 融合残差网络和极限梯度提升的音频隐写检测模型[J]. 计算机应用, 2021, 41(2): 449-455.
[8]	林腾涛, 查思明, 陈蕾, 龙显忠. 图趋势过滤诱导的噪声容错多标记学习模型[J]. 计算机应用, 2021, 41(1): 8-14.
[9]	律睿慜, 梅莉琳, 邢红姹, 孟磊, 昃跃峰. 基于马尔可夫链的书画时序感量化方法[J]. 计算机应用, 2021, 41(1): 295-299.
[10]	黄中展, 徐世明. 基于循环神经网络的正交网格的自动化生成算法[J]. 计算机应用, 2020, 40(7): 2009-2015.
[11]	杜旭升, 于炯, 叶乐乐, 陈嘉颖. 基于图上随机游走的离群点检测算法[J]. 计算机应用, 2020, 40(5): 1322-1328.
[12]	丁辉, 李丽宏, 原钢. 融合GMS与VCS+GC-RANSAC的图像配准算法[J]. 计算机应用, 2020, 40(4): 1138-1143.
[13]	李靖, 景旭, 杨会君. 基于实用拜占庭容错算法的区块链电子计票方案[J]. 计算机应用, 2020, 40(4): 954-960.
[14]	褚苏荣, 牛之贤, 宋春花, 牛保宁. 面向移动端的渐进网格简化算法[J]. 计算机应用, 2020, 40(3): 806-811.
[15]	成其伟, 陈启买, 贺超波, 刘海. 基于改进对称二值非负矩阵分解的重叠社区发现方法[J]. 计算机应用, 2020, 40(11): 3203-3210.