[发明专利]一种基于关键路径任务前瞻的工作流调度方法

说明书

本发明涉及一种基于关键路径前瞻的工作流调度方法。包括：用户提交工作流；将工作流转换为有向无环任务模型图DAG；进行DAG任务节点的调度，输出工作流调度方案。本发明在任务确定优先级阶段考虑了入口任务到当前任务的最长路径，以及当前任务到出口任务的最长路径；在资源选择阶段考虑了关键路径任务和非关键路径任务对调度结果的影响。本方法与其他方法相比工作流调度的完成时间较小。

技术领域

本发明涉及云计算环境下的工作流调度技术领域，主要是涉及一种对于关键路径任务，分配资源时综合考虑任务本身和其子任务的工作流调度方法。

背景技术

近年来涌现出多种松散耦合类型的异构分布式计算新模式或新技术，如云计算。云计算的迅速崛起，使得越来越多的工作流应用开始基于云计算平台来提升计算速度。每个工作流包含一个任务集，如何将每个任务集中的任务更加高效快速的分配到合适的异构计算资源上就是工作流调度问题的研究重点。静态工作流调度问题一般在调度之前将每个任务集中的任务关系使用DAG(有向无环图)图表示出来，然后将DAG图中的任务按照一定的顺序一一映射到目标计算资源上，这种将工作流可视化的模型被称为DAG任务调度模型。

调度问题在物流、航空航天、医疗、生物等各领域都有广泛的应用，在众多调度问题策略中，列表调度启发法最为实用。在列表调度启发式中，任务的排序依据每个任务被赋予优先级的大小，任务的选择依据它们的排序，每个被选择的任务将调度到能够满足预先定义的目标函数的处理器上。此外，列表调度算法又分为静态表调度和动态表调度。在静态表调度算法中，调度表在节点分配之前是静态构造的，表中的先后顺序在节点分配过程中不会修改；相反，动态表算法在每一次分配之后，会重新计算未调度节点的优先级，然后用新计算的优先级重新排列表中节点的先后顺序。比起其他类别的算法，这类算法的调度质量通常很高，而调度时间复杂度较低。

2002年H.Topcuoglu，S.Hariri和M.Y.Wu在IEEE上发表的文章中提出了HEFT算法和CPOP算法。HEFT算法虽然在一般情况下给出的调度结果比较理想，但是该算法只考虑了待调度任务和其前驱的影响；CPOP算法主要思想是找到DAG图的关键路径，然后定义一个关键路径处理器，这个处理器需要满足关键路径上的所有任务在其上的计算时间总和最小，最后在调度中所有的关键路径任务都调度到这个关键路径处理器上，但CPOP算法的性能并不好。2010年L.F.Bittencount，R.Sakellariou和E.R.M.Madeira提出了Lookahead算法，该算法是一种针对HEFT算法的改进算法，它主要是在调度过程中考虑任务的资源分配决策对其子任务调度的影响，实验说明Lookahead算法的性能得到了提高，但同时也增加了时间复杂度。2014年H.Arabnejad和J.G.Barbosa针对Lookahead算法执行时间过长方面进行改进，提出PEFT算法，该算法主要思想是在调度前构建一个乐观时间花费表，预测任务在各个资源上调度时其子任务的调度结果，从而优化资源分配决策，虽然PEFT算法的时间复杂度降低了，但是调度效果不好。

发明内容

针对现有技术中存在的上述问题，本发明提出一种基于关键路径任务前瞻的方法，该方法主要是针对关键路径任务，分配资源时综合考虑任务本身和任务的子任务的工作流调度方法。对于给定的一个DAG任务调度模型，本发明提出的方法整体思路是，先确定任务的优先级构建动态任务队列，从动态任务队列中取出优先级最高的任务，然后判断该任务是否是关键路径任务，是的话在每个处理器上运行这个任务，选择这个任务的子任务中最早完成时间最小的处理器进行调度；如果不是关键路径任务，选择任务本身最早完成时间最小的处理器进行调度，最后更新任务队列，并重复这个过程直至任务队列中没有待调度的任务。

一种基于关键路径任务前瞻的工作流调度方法包括以下步骤：

步骤1，构建有向无环图DAG任务调度模型

当工作流进入调度系统时，先将工作流转换为能够被识别和处理的DAG任务调度模型，具体方法如下。