云科学工作流中任务可完成性预测方法

吴修国; 苏玮

doi:10.7544/issn1000-1239.2018.20160899

云科学工作流中任务可完成性预测方法

吴修国,
苏玮

(山东财经大学网络与信息安全系济南 250014) (xiuguosd@163.com)

基金项目: 国家自然科学基金项目(61571272)；山东省自然科学基金项目(ZR2016FM01)；山东省泰山学者工程专项(ts201511045)；山东财经大学2017年度优势学科人才团队培育计划项目

详细信息

中图分类号: TP18
计量
- 文章访问数: 1164
- HTML全文浏览量: 2
- PDF下载量: 611
出版历程
- 发布日期: 2018-02-28

Task Completion Prediction Method in Cloud Scientific Workflow

Wu Xiuguo,
Su Wei

(Department of Network and Information Security, Shandong University of Finance and Economics, Jinan 250014)

摘要

摘要: 云科学工作流利用云计算环境提供的各种资源与服务实现科学计算等任务处理，为不同地域的学者提供协作平台.针对云科学工作流启动前对任务完成情况未知的问题，提出一种基于数据可用性/不可用性的任务可完成性预测模型，并引入数据间可用性影响关系，即可用性支持/抑制关系.基于数据间可用性/不可用性传递规则，在任务启动前即对任务所需数据的可用性进行预判，以此提高对云科学工作流任务可完成性的认知.该任务可完成性预测模型，具有良好的描述能力和数据可用性判断能力.实验表明：基于数据可用性的任务可完成性预测结果能够真实反映实际任务执行情况，可尽可能地避免早期的任务失败对后续任务的影响，在提高云科学工作流任务完成率的同时，减少了资源的租赁费用.
- 云科学工作流 /
- 可完成性预测 /
- 数据可用性 /
- 定性推理 /
- 定量推理 /
- 生成关系
Abstract: Cloud scientific workflow supplies a collaborative research platform for scholars in different regions in order to implement tasks, such as scientific computing, using various kinds of resources and services provided by cloud computing environment. Aimed to the uncertainty of task completion before a cloud scientific workflow instance starts, a novel task completion prediction model based on data availability/unavailability is proposed in this paper, together with the data availability relationship among them, called the data availability of positive/negative. In this way, the possibility of task completion can be acquired in advance using the data availability/unavailability propagation rules, therefore improves cloud scientific workflow task completion cognition to a large extent. Furthermore, the proposed task completion prediction model has some advantages, such as excellent description and judgement ability. In addition, some experiments have shown that the proposed task completion prediction method can reflect the task accomplishments in practice, and avoid the influence of early task failure to subsequent tasks as far as possible. In other words, it improves the task completion rate while reduces the resource rental expenses in cloud scientific workflow system.
- cloud scientific workflow /
- task completion prediction /
- data availability /
- qualitative reasoning /
- quantitative reasoning /
- generation relationship

HTML全文

参考文献(0)

施引文献(63)

期刊类型引用(12)

1.	武家辉，李科研，陈丽新，张家诺，刘帅兵，逯鹏. 神经架构搜索技术研究综述. 计算机应用研究. 2025(01): 11-18 . 百度学术
2.	刘倩男，闫佳，刘诚. 基于改进MobileNetV3的岩石薄片分类研究. 电脑知识与技术. 2025(07): 26-28 . 百度学术
3.	吴艳灵，汤宝平，邓蕾，付豪. 低通筛选优化神经架构搜索的风电齿轮箱边缘侧故障诊断方法. 机械工程学报. 2025(07): 361-372 . 百度学术
4.	宋玉红，沙行勉，诸葛晴凤，许瑞，王寒. RR-SC:边缘设备中基于随机计算神经网络的运行时可重配置框架. 计算机研究与发展. 2024(04): 840-855 . 本站查看
5.	蒋鹏程，薛羽. 基于排序得分预测的演化神经架构搜索方法. 计算机学报. 2024(11): 2522-2535 . 百度学术
6.	刘威，郭直清，王东，刘光伟，姜丰，牛英杰，马灵潇. 改进鲸鱼算法及其在浅层神经网络搜索中的权值阈值优化. 控制与决策. 2023(04): 1144-1152 . 百度学术
7.	鞠翰文，邓扬，李爱群. 桥梁结构挠度-温度-车辆荷载监测数据相关性模型. 振动与冲击. 2023(06): 79-89 . 百度学术
8.	丁熠，郑伟，耿技，邱泸谊，秦志光. 基于多层级并行神经网络的多模态脑肿瘤图像分割框架. 中国图象图形学报. 2023(07): 2182-2194 . 百度学术
9.	王上，唐欢容. 一种基于混合粒子群优化算法的深度卷积神经网络架构搜索方法. 计算机应用研究. 2023(07): 2019-2024 . 百度学术
10.	朱光辉，祁加豪，朱振南，袁春风，黄宜华. 渐进式深度集成架构搜索算法研究. 计算机学报. 2023(10): 2041-2065 . 百度学术
11.	钟运琴，朱月琴，焦守涛. 边缘大数据分析预测建模方法研究. 高技术通讯. 2022(10): 1067-1075 . 百度学术
12.	包振山，秘博闻，张文博. 基于人工经验网络架构为初始化的NAS算法. 北京工业大学学报. 2021(08): 854-862 . 百度学术