[论文解读] A Non-Cooperative Game Model for Reliability-Based Task Scheduling in Cloud Computing

Kai Li, Yong Wang+1 more|arXiv (Cornell University)|Mar 20, 2014

Distributed and Parallel Computing Systems参考文献 17被引用 4

一句话总结

本文提出了一种非合作博弈理论模型，用于云计算中的可靠性导向任务调度，其中调度器通过战略性地分配任务以最大化系统整体稳态可用性。该模型通过任务切片策略识别纳什均衡，从而得出一种调度算法，其在可靠性与收敛速度方面优于均衡调度，且公平性接近完美，收敛速度在三轮以内完成。

ABSTRACT

Cloud computing is a newly emerging distributed system which is evolved from Grid computing. Task scheduling is the core research of cloud computing which studies how to allocate the tasks among the physical nodes, so that the tasks can get a balanced allocation or each task's execution cost decreases to the minimum, or the overall system performance is optimal. Unlike task scheduling based on time or cost before, aiming at the special reliability requirements in cloud computing, we propose a non-cooperative game model for reliability-based task scheduling approach. This model takes the steady-state availability that computing nodes provide as the target, takes the task slicing strategy of the schedulers as the game strategy, then finds the Nash equilibrium solution. And also, we design a task scheduling algorithm based on this model. The experiments can be seen that our task scheduling algorithm is better than the so-called balanced scheduling algorithm.

研究动机与目标

• 为解决云计算中缺乏面向可靠性的任务调度问题，尤其是在公共基础设施需求下的挑战。
• 将任务调度建模为非合作博弈，其中调度器优化系统可靠性而非仅执行时间或成本。
• 在任务分配中实现纳什均衡，以最大化计算节点的稳态可用性。
• 设计一种实用的调度算法，确保在动态云计算环境中具备公平性与快速收敛性。

提出的方法

• 将任务调度形式化为非合作博弈，其中调度器为参与者，任务切片策略为其行动。
• 将目标函数定义为计算节点的稳态可用性，以表示系统可靠性。
• 运用博弈论推导纳什均衡解，确保任一调度器单方面改变策略均无法获益。
• 基于均衡解设计任务调度算法，通过迭代策略更新直至收敛。
• 采用基于 ε ≤ 10⁻⁶ 的收敛准则，以判断是否达到均衡状态。
• 使用 FI 指数评估公平性，FI = 1.0 表示用户间分配的公平性达到完美水平。

实验结果

研究问题

• RQ1 如何在云计算任务调度中优化可靠性，而非仅关注执行时间或成本？
• RQ2 在调度器旨在最大化系统整体稳态可用性的非合作博弈设定下，其均衡策略为何？
• RQ3 所提出的算法与均衡调度相比，在可靠性、公平性与收敛速度方面表现如何？
• RQ4 该算法在不同系统负载与规模下，对公平性的维持程度如何？
• RQ5 博弈论方法能否确保在大规模云计算环境中实现快速收敛？

主要发现

• 所提出的 RBSA 算法在不同系统负载、规模及调度器数量下，其稳态可用性显著高于均衡调度算法（BSA）。
• RBSA 与 BSA 的公平性指数（FI）均为 1.0，表明无论系统负载或规模如何，任务分配均实现完美公平性。
• 在所有测试条件下，收敛过程约需 3 次迭代，展现出极快的收敛速度。
• 随着系统负载增加，该算法仍能保持高可靠性和公平性，且 RBSA 在可用性方面始终优于 BSA。
• 纳什均衡解稳定且鲁棒，ε 在 3 个周期内降至 10⁻⁶ 以下，证实了快速收敛性。