[论文解读] A Survey on Deadline Constrained Workflow Scheduling Algorithms in Cloud Environment

R. Nallakumar, K S Sruthi Priya|arXiv (Cornell University)|Sep 28, 2014

Cloud Computing and Resource Management参考文献 12被引用 4

一句话总结

本综述研究了云环境中截止时间约束工作流调度算法，分析其在最小化成本和资源使用的同时满足用户指定时间约束的能力。该综述基于启发式、元启发式和优化技术对现有方法进行分类与评估，突出展示了在动态云工作负载中执行时间、成本效率与截止时间遵守之间的权衡。

ABSTRACT

Cloud Computing is the latest blooming technology in the era of Computer Science and Information Technology domain. There is an enormous pool of data centres, which are termed as Clouds where the services and associated data are being deployed and users need a constant Internet connection to access them. One of the highlights in Cloud is the delivering of applications or services in an on-demand environment. One of the most promising areas in Cloud scheduling is Scheduling of workflows which is intended to match the request of the user to the appropriate resources. There are several algorithms to automate the workflows in a way to satisfy the Quality of service (QoS) of the user among which deadline is considered as a major criterion, i.e. Satisfying the needs of the user with minimized cost and within the minimum stipulated time. This paper surveys various workflow scheduling algorithms that have a deadline as its criterion.

研究动机与目标

• 分析并分类优先考虑截止时间约束的云环境中现有工作流调度算法。
• 评估不同调度技术在满足用户指定截止时间的同时最小化成本和资源消耗方面的有效性。
• 识别现有方法在动态资源分配和云工作流中服务质量（QoS）方面存在的差距与挑战。
• 全面概述专为截止时间敏感工作负载设计的启发式、元启发式和基于优化的调度策略。
• 通过总结截止时间约束工作流调度中的趋势、局限性和开放问题，为未来研究提供指导。

提出的方法

• 基于其底层调度策略和目标，对工作流调度算法进行系统性综述与分类。
• 将算法分类为基于启发式的、基于元启发式的和基于优化的方法，以实现截止时间约束的调度。
• 分析不同算法类型在关键性能指标（如完成时间、成本、截止时间违反率和资源利用率）上的表现。
• 通过评估不同工作负载模式和云资源可用性下的算法行为，评估其鲁棒性和适应性。
• 基于已发表的研究和实验结果，使用定性和定量标准比较不同调度技术。
• 结合真实云部署场景的洞察，以说明算法性能和实际可行性。

实验结果

研究问题

• RQ1 云环境中截止时间约束工作流调度算法的主要类别是什么？
• RQ2 启发式、元启发式和基于优化的方法在满足严格截止时间的同时最小化成本方面有何差异？
• RQ3 现有调度算法在执行时间、成本和截止时间遵守之间存在哪些关键性能权衡？
• RQ4 动态资源供应和工作负载可变性如何影响截止时间约束调度的可靠性和效率？
• RQ5 当前关于云中感知截止时间的工作流调度研究的主要局限性和开放挑战是什么？

主要发现

• 基于启发式的算法可提供快速的调度决策，但在复杂、动态环境中往往缺乏最优性。
• 如遗传算法和粒子群优化等元启发式方法相比基础启发式方法，在截止时间遵守和成本效率方面表现更优。
• 基于优化的方法（包括混合整数规划）在满足截止时间方面具有高精度，但存在较高的计算开销。
• 大量现有算法未能有效处理工作负载可变性和动态资源可用性问题。
• 在算法设计中，将成本、完成时间与截止时间违反率等QoS参数进行整合仍是一大关键挑战。
• 迫切需要开发混合方法，将启发式方法的速度与优化技术的精度相结合，以在性能与可扩展性之间取得平衡。