约束条件下基于随机服务模型的网格任务协同调度策略研究

协同任务调度一直是网格计算领域的基础研究内容，传统的协同任务调度策略在面对新兴网格应用时遇到了诸多瓶颈问题，其主要难点集中在，无法为资源的动态服务能力和负载压力建立可量化分析的模型和方法，从而导致协同调度策略不能充分满足上层应用的服务质量需求。本课题采用随机服务理论，并基于实际网格系统中所获取的数据来建立资源动态服务能力和负载压力的可量化分析模型。针对新兴网格应用对实时性和效用最优的约束性需求，采用量化分析模型为新型网格应用提出更高效、更具扩展性的协同任务调度策略。课题研究的资源服务能力的可量化分析模型和方法将有利于推动网格理论的纵深研究，课题研究的约束条件下的协同任务调度策略将提高网格系统在商业应用领域的服务质量。

由于任务的复杂性和资源的分布性，网格任务通常需要联合多个虚拟组织中的资源协同完成，因此跨组织的协同任务调度一直是网格计算中的一个基础性的研究问题。在新兴的网格应用领域，面对用户任务的各类QoS需求约束，传统的协同任务调度服务和策略遇到了诸多新的挑战，主要难点集中在无法为资源的动态服务能力和资源负载压力建立可量化的分析模型和方法，从而导致协同调度策略不能充分满足上层应用的服务质量需求。在上述问题的激励和驱动下，本项目基于网格资源服务能力和负载压力模型所提供的量化分析技术，通过分析任务的费用约束和截止时间约束对资源能力和负载模型中关键参数的影响来研究跨站点协同任务调度的性能瓶颈，为约束条件下协同任务调度提供了一组能同时满足任务约束需求和提高系统性能的协同调度策略。经过三年来的深入研究，基于随机服务模型，本项目提出了一套完整的约束条件下的网格任务协同调度优化体系，较好地解决了服务网格环境中QoS保障的关键问题。. 本项目在NPC、PDP等高水平国际会议和《Journal of Software》、《Journal of Computers》、《计算机研究与发展》等重要期刊发表学术论文32篇，其中EI检索17篇，部分研究成果达到国际一流水平。