[论文解读] A Survey on Dynamic Job Scheduling in Grid Environment Based on Heuristic Algorithms

D. Thilagavathi, Antony Selvadoss Thanamani|arXiv (Cornell University)|Feb 21, 2014

Distributed and Parallel Computing Systems参考文献 5被引用 6

一句话总结

本综述研究了计算网格中基于启发式的动态作业调度，分析了优化资源分配以提高吞吐量和效率的算法。评估了遗传算法、粒子群优化和蚁群优化等技术，突出其在动态工作负载和资源异构性环境下的适应能力，主要贡献在于识别出在分布式环境中实时调度的有效策略。

ABSTRACT

Computational Grids are a new trend in distributed computing systems. They allow the sharing of geographically distributed resources in an efficient way, extending the boundaries of what we perceive as distributed computing. Various sciences can benefit from the use of grids to solve CPU-intensive problems, creating potential benefits to the entire society. Job scheduling is an integrated part of parallel and distributed computing. It allows selecting correct match of resource for a particular job and thus increases the job throughput and utilization of resources. Job should be scheduled in an automatic way to make the system more reliable, accessible and less sensitive to subsystem failures. This paper provides a survey on various heuristic algorithms, used for scheduling in grid.

研究动机与目标

• 分析并比较计算网格中动态作业调度的启发式算法。
• 识别在异构、分布式环境中提升资源利用率和作业吞吐量的有效调度策略。
• 评估元启发式技术（如遗传算法、粒子群优化和蚁群优化）在动态网格调度中的性能。
• 全面概述现有启发式方法及其在实时、可扩展的网格工作负载中的适用性。
• 通过指出现有基于启发式的调度解决方案在网格计算中的差距与挑战，为未来研究提供指导。

提出的方法

• 系统性回顾网格计算环境中用于动态作业调度的启发式算法。
• 根据其底层优化原理对调度技术进行分类，包括进化计算和群体智能方法。
• 分析启发式调度器中的算法组件，如适应度函数、种群初始化和选择机制。
• 评估算法在动态条件下的行为，包括资源可用性的变化和作业到达模式的波动。
• 比较不同网格工作负载下启发式性能指标（如完成时间、资源利用率和调度开销）的表现。
• 综合先前研究的发现，识别启发式方法在实际网格部署中的趋势、优势与局限性。

实验结果

研究问题

• RQ1 在异构网格环境中，哪些启发式算法在动态作业调度中最为有效？
• RQ2 如PSO和ACO等元启发式技术如何实时适应资源可用性和作业优先级的变化？
• RQ3 在基于启发式的网格调度器中，调度效率、计算开销与可扩展性之间的权衡是什么？
• RQ4 与传统静态或基于规则的调度相比，启发式算法在完成时间和资源利用率方面表现如何？
• RQ5 在大规模、动态的网格基础设施中实施基于启发式的调度面临哪些关键挑战？

主要发现

• 遗传算法、粒子群优化和蚁群优化等启发式算法在应对动态作业到达和资源波动方面表现出强大的适应能力。
• 与传统静态调度方法相比，这些算法能持续减少完成时间并提高资源利用率。
• 研究表明，PSO和ACO由于其基于种群和信息素引导的搜索机制，在动态环境中表现出更快的收敛速度。
• 尽管性能有所提升，基于启发式的调度器在计算开销与调度精度之间仍面临平衡挑战，尤其是在高度波动的网格中。
• 综述强调，需要采用结合多种启发式的混合方法，以增强实际网格部署中的鲁棒性和可扩展性。
• 现有研究在不同来源的算法描述中存在显著重叠，表明亟需建立标准化的基准测试和评估框架。