论文部分内容阅读
近年来,随着移动边缘计算(Mobile Edge Computing,MEC)的迅速发展,移动边缘环境下的工作流调度问题逐渐成为新的研究热点。如何有效地调度工作流应用的任务,直接影响到移动应用的服务质量(Quality of Service,QoS)。当前移动边缘环境下的工作流调度研究主要针对应用执行时间、能量消耗等单目标进行优化,无法满足多样化的调度需求。同时MEC环境下的计算资源易出现任务异常、软件故障等问题。因此,如何保证资源失效情况下的工作流调度十分必要。针对上述问题,本文分别提出了面向服务质量的多目标工作流调度方法和面向可靠性的边缘计算资源容错调度算法,最后通过实验分别验证了所提算法的有效性。本文的创新点和主要工作体现在如下方面:1.针对工作流任务在移动边缘环境下的QoS调度优化问题,提出了一种面向服务质量的多目标工作流调度方法(Optimal Multi-Objective Genetic Algorithm,OMOGA)。首先,该算法考虑工作流任务之间的依赖数据传输成本,对用户提交的工作流进行任务预处理,将依赖数据成本较高的任务调度至相同设备执行,有效地降低了系统的能量消耗。其次,该算法还结合了优化的启发式多目标遗传算法,对工作流任务进行合理的基因编码及遗传操作,建立科学的适应度评估函数,提高了工作流调度方案的寻优能力,有效提升了用户的QoS。2.针对移动边缘环境下的资源失效问题,提出了一种面向可靠性的边缘计算资源容错调度算法(Fault-tolerant Space Time Genetic Algorithm,FT-STGA)。首先,该算法结合MEC下的计算资源特点,建立了资源故障及任务执行时间模型。然后,通过任务复制策略将多版本的任务复制到不同的计算资源节点。当主版本任务的资源节点失效,则其他资源节点上的副本任务依然能够得到执行。此外,本方法还考虑了任务失败产生的执行时间延迟,在保证工作流计算资源可靠的前提下,利用优化的时空遗传算法来减少工作流的完成时间。3.通过工作流仿真软件WorkflowSim实验平台,实现了 OMOGA和FT-STGA算法。通过多组实验分析,验证OMOGA算法在任务执行时间、工作流可靠性以及能量损耗等方面的有效性。经过对比实验后发现,针对多目标解集的均匀性,本文提出的OMOGA算法比CMOHEFT、NSGAII分别提高了 12.6%,5.8%。在保证资源容错的前提下,FT-STGA算法相比于传统算法CCRH、IRW在任务执行成功率上分别提高了 15.6%、21.8%。本文所提出的移动边缘环境下的QoS感知的工作流调度研究,可进一步满足工作流调度的多样化需求,提升移动边缘计算的服务质量,同时可丰富移动边缘环境下的工作流调度理论方法体系,具有较好的应用场景。