导读:本文包含了调度开销论文开题报告文献综述及选题提纲参考文献，主要关键词:相关性,通信开销,阈值,任务复制
调度开销论文文献综述
段菊[1]（2019）在《云环境下基于通信开销的并行任务调度策略》一文中研究指出云环境下,任务的执行效率受限于任务间的通信时间和计算时间,通信时间是由于数据跨数据中心传输产生的,计算时间与任务所在集群的计算能力有关,有效减少任务因等待数据的到来而产生的时间开销可提高任务的执行效率,进而降低用户租赁云资源的费用,提出基于任务复制的调度策略,以提高任务的并行性。经性能分析,该策略在提高任务的执行效率方面有一定的贡献。(本文来源于《电脑知识与技术》期刊2019年10期）
张慷[2]（2018）在《在公有云上最小化MXNet资源租赁开销的调度技术研究》一文中研究指出近些年来,深度学习技术在图像分类、语音识别、自然语言处理等领域展现出了巨大的优势。MXNet作为一款性能较佳的深度学习框架,其在速度、节省内存、接口灵活性、可移植性、分布式效率等方面都有突出的表现,并在2016年被选为Amazon AWS官方深度学习平台。但是调查发现,目前大部分企业用户在使用MXNet处理深度学习任务时使用的还是单机版的MXNet,这对满足目前的数据量,数据吞吐量以及计算的迭代速度等要求方面都存在着很大的局限性。云计算作为一种新型的商业模式,凭借其海量计算资源与即付即用的服务模式受到了用户广泛欢迎,因此用户可以通过按需租赁云资源来处理本地深度学习任务,这样在一定程度上可避免在单机上处理深度学习任务时存在的局限性。由于在现实生活中,用户在租赁云资源时往往最关注的是:以最少的租赁费用成功处理本地的任务。但是现有关于云计算环境下任务调度研究大多数都是以减少任务在云端完成执行的时间跨度为目标,只有较少的研究同时兼顾到时间跨度和资源租赁开销且使用的任务调度算法在性能上也存在缺陷。因此在云端使用MXNet处理深度学习任务时,实现以缩短深度学习任务完成执行的时间跨度和降低云资源租赁开销为目标的高性能深度学习任务调度算法具有很重要的现实意义。针对现有研究的不足,本文主要对云计算环境下基于MXNet平台的深度学习任务调度技术开展深入研究,主要解决了用户用MXNet处理深度学习任务的云资源租赁开销最小化问题,主要工作如下:1)蚁群算法在求解组合优化问题上有着良好的表现,但是传统蚁群算法也存在部分缺陷,针对传统蚁群算法存在的缺陷,本文提出了相应的优化方案,并对改进蚁群算法(Genetic And Ant Colony Optimization Algorithm,GAACOA)在求解旅行商问题上进行性能评估,实验表明,GAACOA算法的求解结果在最优路径和算法迭代次数上要优于传统遗传算法和传统蚁群算法。2)针对用户在云端处理深度学习任务的资源租赁开销最小化目标,本文建立了云计算环境下基于GAACOA算法的深度学习任务调度模型,并对GAACOA算法求解云计算环境下基于MXNet平台的深度学习任务调度问题进行实验验证,通过和相关算法的求解结果对比表明,GAACOA算法能够优化深度学习任务完成执行的时间跨度的同时,并有效降低了云资源租赁开销。(本文来源于《电子科技大学》期刊2018-03-23）
武峰[3]（2018）在《一种低时隙开销无线HART链路调度策略》一文中研究指出无线HART是一种适用于工业现场的无线传感网络。无线HART采用基于TDMA的超帧技术来统一安排网络中的资源调度,并实现网络内的通信冲突避免。本文基于无线HART的mesh型网络拓扑结构,提出一种低时隙开销的无线HART资源调度策略(LCLSS),使用较少的时隙资源开销来完成对网络中所有链路的调度安排。该策略通过对传输路径的合理选择,时隙资源的充分利用,降低了网络的传输所用的时隙资源,同时对提高网络吞吐量也有所帮助。测试表明,该策略有效的降低了网络传输所使用的时隙资源开销,提高了超帧资源的使用效率。(本文来源于《软件》期刊2018年03期）
张晶,孙少杰,范洪博[4]（2017）在《一种基于开销优化的高稳定性任务调度算法》一文中研究指出优化系统能量开销对于延长嵌入式系统的生存周期具有重要意义。现有调度算法可在一定程度上优化任务调度,但在系统能量开销和任务调度稳定性上仍存在不足。为此,提出一种新的的任务调度算法,通过提升系统资源利用率和减少任务调度过程中的颠簸次数来优化系统开销,同时提升系统任务调度过程中的稳定性。实验结果表明,在相同任务调度环境下,与LSF,EDF和HVF算法相比,该算法可更好地实现系统资源利用率与任务调度稳定性之间的平衡。(本文来源于《计算机工程》期刊2017年07期）
曹仕杰[5]（2017）在《带通信开销的多DAG调度算法研究》一文中研究指出有向无环图(Directed Acyclic Graph,DAG)是一种常见的任务调度问题的模型。近年来,异构环境中的多任务调度问题得到了广泛研究者的关注。由于异构环境中计算资源数量多且分布广,调度过程中的通信开销无法忽略。在原有DAG模型的基础上加入任务间的通信开销,提出CA-DAG模型。多DAG调度问题可分为静态调度和动态调度两种,区别在于调度时一组DAG的相关信息是否发生改变。在CA-DAG模型的基础上,以多个DAG间的调度公平性为调度目标,提出两种针对不同应用场景的调度算法分别解决静态调度中费用优化问题及动态调度中的优先级决定问题。针对异构计算系统中静态多DAG的调度问题,提出CAFS(Communication Aware Fair Scheduling)调度策略以合理安排多个DAG间的调度顺序。CAFS调度策略分为两个阶段,预调度阶段利用CACO(Communication Aware Cost Optimization)求解所有任务的最优服务并优化费用,利用公平性算法得到较公平的调度顺序;调度阶段采用后向求异原则,根据预调度得出的调度顺序进一步优化整体的完成时间。针对动态多DAG调度问题,提出FSDP(Fairness Scheduling with Dynamic Priority for Multi Workflow)调度策略处理具有不同到达时间的动态DAG调度问题。通常动态DAG都具有用户指定的截止期。为了能够合理、公平地进行调度,FSDP首先给出了每个DAG在当前时刻紧急程度的定义;随后考虑每个DAG的滞后程度,综合衡量紧急程度滞后给出一种动态优先级决定算法;最后对E-Fairness进行了优化,保证了新到达的DAG能够更加合理地加入调度。针对静态、动态多DAG调度问题提出了两种调度策略。仿真实验表明:CAFS可以优化带通信开销的一组静态DAG的执行费用,而且后向求异原则可以在不降低多个DAG之间公平性的基础上进一步优化了整体的完成时间;FSDP可以将动态到达的DAG加入当前调度序列,并根据公平性与紧急程度合理安排调度优先级。提出的CAFS与FSDP可以有效地解决异构环境中的任务调度问题。(本文来源于《大连理工大学》期刊2017-04-20）
李璐[6]（2017）在《SDN网络中低开销大象流检测与负载均衡调度方法研究》一文中研究指出软件定义网络(SDN)提供了数据面和控制面分离的网络控制,从而大大提高了数据中心中网络管理的灵活性。大小流现象表明,在数据中心网络中只有少部分流属于大象流却承载着网络中大部流量,而大部分流属于延迟敏感的小流。因而,SDN以流为粒度的管理既导致数据面和控制面之间的频繁交互,也会影响小流的按时交付。另一方面,不区分的大小流混合路由会导致部分链路被阻塞的同时仍然有空闲链路存在。因此,检测大象流并将其与小流分别路由是目前用于减少网络管理成本并达到负载均衡的方法之一。目前存在的大象流检测方法主要存在叁方面的问题。首先是大象流检测成本高,消耗大量带宽;其次是检测时间长,对提升网络性能的影响不大;最后是需要专门的设备,普适性弱。除此之外,现有的路由策略则只对大象流的调度进行流控,而牺牲了小流,从而造成小流被拥塞。在本文中,我们专注于如何解决上述问题,提出了一种高效的先抽样后分类的大象流检测方法ESCA,以实现快速和准确地检测大象流而不带来额外网络开销,并在此基础上对大小流采用区分的流调度策略Diff TE。本文的主要贡献如下:·我们提出抽样模型以及最优化抽样效率的方法对通过交换机的分组进行抽样。我们设计了基于Open Flow的过滤流表,用以过滤掉属于同一条数据流的冗余样本。实验表明,与传统抽样方案相比,我们的机制减少了75%的抽样开销。·我们提出了一种用于实时和准确的检测大象流的先抽样后分类方法ESCA,基于上述抽样机制交换机将样本发送给控制器,由控制器做分类决策。我们结合流之间的相似程度,通过对C4.5分类算法的改进,提升分类准确度达12%。ESCA相比于同类方法具有更低的网络开销。·基于大象流检测结果,我们提出混合流调度机制DiffTE,旨在针对大小流提供不同的路由方案,以提高网络链路利用率,实现负载均衡。我们将隔离岛机制引入大象流路径搜索中,在保证可用带宽的同时,减少了路径搜索开销。我们在等价多路径算法的基础上,考虑了链路利用率的情况,为小流聚合路由设计了动态加权多路径路由算法。最后,我们通过在Mininet上模拟数据中心网络,对我们的大象流检测机制ESCA以及混合流调度机制Diff TE进行评估。实验评估了大象流检测的准确度、检测开销、检测时间,以及网络性能指标如吞吐量、延迟以及链路利用率,并和相关机制Hedera、s Flow、ECMP进行对比分析。(本文来源于《上海交通大学》期刊2017-01-01）
张冬松,王珏,赵志峰,吴飞,孙宪坤[7]（2016）在《基于动态松弛时间回收的开销敏感节能实时调度算法》一文中研究指出为适应实际系统中任务集的不断变化以及不可忽视状态切换开销的要求,针对多核多处理器系统中常见的周期任务模型,提出一种基于动态松弛时间回收的开销敏感节能实时调度算法DSROM,在每个TL面的初始时刻、任务提前完成时刻实现节能调度及动态松弛时间回收,在不违反周期任务集可调度性的基础上,达到实时约束与能耗节余之间的合理折衷。模拟实验结果表明,DSROM算法不仅保证了周期任务集的最优可调度性,而且当任务集总负载超过某一个值后,其节能效果整体优于现有方法,最多可节能近20%。(本文来源于《计算机工程与科学》期刊2016年08期）
张冬松,王珏,赵志峰,吴飞[8]（2016）在《PLUFS:一种开销敏感的周期任务在线多处理器节能实时调度算法》一文中研究指出现有周期任务多处理器节能调度算法虽然在考虑处理器实际开销情况下可以实现较好的节能效果,但仍不能保证最优可调度性.针对嵌入式实时系统中不可忽视的状态切换开销,提出一种开销敏感的周期任务在线多处理器节能实时调度算法PLUFS.该算法通过TL面流调度模型与处理器实际切换开销模型相结合,在每个TL面的初始时刻、任务结束执行时刻实现节能调度,在不违反周期任务集最优可调度性的前提下,达到实时约束与能耗节余的合理折中.经过理论证明和模拟实验,结果表明:PLUFS算法不仅保证了周期任务集的最优可调度性,而且节能效果整体优于现有算法,能耗节余比现有算法提高约10%~20%.(本文来源于《计算机研究与发展》期刊2016年07期）
王宇新,曹仕杰,郭禾,陈征,陈鑫[9]（2015）在《兼顾费用与公平的带通信开销的多有向无环图调度》一文中研究指出针对云环境下多有向无环图(DAG)工作流的调度算法应考虑执行时间、费用开销、通信开销、公平性等多个指标的问题,在模型带通信开销的DAG(CA-DAG)的基础上结合公平性算法提出一种优化完成时间的后向求异(BD)原则与兼顾费用和公平的多DAG调度策略CAFS。CAFS调度策略分为两个阶段:预调度阶段利用带通信开销的工作流费用优化(CACO)算法在考虑通信开销的同时求解所有任务的最优服务并优化费用,采用fairness算法得到较公平的调度顺序;调度阶段采用BD原则,根据在预调度阶段得出的调度顺序进一步优化整体的完成时间并执行调度。实验结果表明,CAFS调度算法具有较好的公平性,在不提高费用的基础上时间减少19.82%。(本文来源于《计算机应用》期刊2015年11期）
康英健,马蕾[10]（2015）在《基于量子群聚类的云存储调度执行开销建模》一文中研究指出传统方法使用量子群遗传进化方法进行云存储系统任务调度的执行开销建模,在数据汇聚和协议传输中没有考虑量子态的相干性和感知节点的方向性,不能全局搜索最优量子位,执行开销不能实现最小化。提出一种基于量子群聚类的云存储调度最小执行开销建模算法,首先进行量子群聚类进化策略和云存储系统任务调度模型总体设计,设计基于量子群聚类的云存储系统任务调度分配协议,进行有效的资源调度设计,整合云计算中心资源,提高资源利用率,减少任务执行时间。仿真结果得出,该算法能使云存储系统任务调度执行开销与任务规模的匹配性能最佳,性能优于传统算法,在云存储信息管理系统等领域具有较好的应用价值。(本文来源于《科技通报》期刊2015年08期）
调度开销论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近些年来,深度学习技术在图像分类、语音识别、自然语言处理等领域展现出了巨大的优势。MXNet作为一款性能较佳的深度学习框架,其在速度、节省内存、接口灵活性、可移植性、分布式效率等方面都有突出的表现,并在2016年被选为Amazon AWS官方深度学习平台。但是调查发现,目前大部分企业用户在使用MXNet处理深度学习任务时使用的还是单机版的MXNet,这对满足目前的数据量,数据吞吐量以及计算的迭代速度等要求方面都存在着很大的局限性。云计算作为一种新型的商业模式,凭借其海量计算资源与即付即用的服务模式受到了用户广泛欢迎,因此用户可以通过按需租赁云资源来处理本地深度学习任务,这样在一定程度上可避免在单机上处理深度学习任务时存在的局限性。由于在现实生活中,用户在租赁云资源时往往最关注的是:以最少的租赁费用成功处理本地的任务。但是现有关于云计算环境下任务调度研究大多数都是以减少任务在云端完成执行的时间跨度为目标,只有较少的研究同时兼顾到时间跨度和资源租赁开销且使用的任务调度算法在性能上也存在缺陷。因此在云端使用MXNet处理深度学习任务时,实现以缩短深度学习任务完成执行的时间跨度和降低云资源租赁开销为目标的高性能深度学习任务调度算法具有很重要的现实意义。针对现有研究的不足,本文主要对云计算环境下基于MXNet平台的深度学习任务调度技术开展深入研究,主要解决了用户用MXNet处理深度学习任务的云资源租赁开销最小化问题,主要工作如下:1)蚁群算法在求解组合优化问题上有着良好的表现,但是传统蚁群算法也存在部分缺陷,针对传统蚁群算法存在的缺陷,本文提出了相应的优化方案,并对改进蚁群算法(Genetic And Ant Colony Optimization Algorithm,GAACOA)在求解旅行商问题上进行性能评估,实验表明,GAACOA算法的求解结果在最优路径和算法迭代次数上要优于传统遗传算法和传统蚁群算法。2)针对用户在云端处理深度学习任务的资源租赁开销最小化目标,本文建立了云计算环境下基于GAACOA算法的深度学习任务调度模型,并对GAACOA算法求解云计算环境下基于MXNet平台的深度学习任务调度问题进行实验验证,通过和相关算法的求解结果对比表明,GAACOA算法能够优化深度学习任务完成执行的时间跨度的同时,并有效降低了云资源租赁开销。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
调度开销论文参考文献
[1].段菊.云环境下基于通信开销的并行任务调度策略[J].电脑知识与技术.2019
[2].张慷.在公有云上最小化MXNet资源租赁开销的调度技术研究[D].电子科技大学.2018
[3].武峰.一种低时隙开销无线HART链路调度策略[J].软件.2018
[4].张晶,孙少杰,范洪博.一种基于开销优化的高稳定性任务调度算法[J].计算机工程.2017
[5].曹仕杰.带通信开销的多DAG调度算法研究[D].大连理工大学.2017
[6].李璐.SDN网络中低开销大象流检测与负载均衡调度方法研究[D].上海交通大学.2017
[7].张冬松,王珏,赵志峰,吴飞,孙宪坤.基于动态松弛时间回收的开销敏感节能实时调度算法[J].计算机工程与科学.2016
[8].张冬松,王珏,赵志峰,吴飞.PLUFS:一种开销敏感的周期任务在线多处理器节能实时调度算法[J].计算机研究与发展.2016
[9].王宇新,曹仕杰,郭禾,陈征,陈鑫.兼顾费用与公平的带通信开销的多有向无环图调度[J].计算机应用.2015
[10].康英健,马蕾.基于量子群聚类的云存储调度执行开销建模[J].科技通报.2015