6个研究背景和意义示例,教你写计算机工作流调度论文

今天分享的是关于工作流调度的6篇计算机毕业论文范文, 如果你的论文涉及到工作流调度等主题,本文能够帮助到你

基于移动边缘计算的任务调度系统的设计与实现

这是一篇关于移动边缘计算,工作流调度,延时优化,能耗优化,多目标优化的论文, 主要内容为随着5G时代的到来,移动边缘计算(Mobile edge computing,MEC)作为一种在网络边缘利用计算资源的技术,正迅速发展。然而,MEC环境中的工作流调度仍面临许多挑战:首先,移动设备的工作流调度需要提供低能耗和低延迟的服务需求,否则会严重影响用户体验,现有的工作流调度算法仍有提升空间;其次,任务调度过程中如果不考虑网络拥塞,则数据传输速度会难以预估。针对这些问题,本文提出了相应解决方法。本文相关工作和特色如下:1.针对MEC环境下移动设备工作流任务调度不合理的问题,本文提出了一种基于能耗和延时感知的改进随机漂移粒子群工作流调度优化算法。该算法综合考虑了移动设备工作流任务的能耗约束和延时敏感性,建立了在能耗约束下以系统延时最小化为目标的优化模型。该算法首先根据工作流子任务之间的依赖关系生成任务执行序列,保证任务执行的有序性;然后,利用MEC节点的相关信息对工作流的执行能耗和时间进行计算;最后,通过粒子群算法寻求最佳调度方案,该算法在随机漂移粒子更新过程中加入交叉操作,保证了粒子的多样性与全局性。2.针对MEC环境下工作流调度算法多个重要指标之间存在冲突的问题,本文提出一种MEC环境下基于多目标优化的改进NSGA-II工作流调度算法。除了生成任务执行序列,还建立了多目标优化模型,采用改进的NSGA-II算法,保证工作流调度方案生成均匀的帕累托前沿,求解工作流任务的最优调度位置。改进NSGA-II-WS算法能提高解的均匀性和全局性。3.本文基于spring boot、vue等框架实现了针对延时优化和多目标优化的MEC工作流调度系统。通过测试说明,系统功能完备。

基于移动边缘计算的任务调度系统的设计与实现

服务流程资源调度的研究与实现

这是一篇关于服务流程管理,资源分配,工作流调度的论文, 主要内容为服务流程通过一定的组织形式将一系列不同的服务活动相互联系起来,从而为客户创造价值。服务流程的核心问题是如何在恰当的时间将合适的任务分配给适合的资源执行,即服务流程的资源调度问题。根据资源调度时间的不同,服务流程的资源调度问题可分为建模阶段以及执行阶段两个时间段。本文研究了服务流程在不同阶段的资源调度问题,主要做了以下工作:(1)在服务流程建模阶段,服务流程中的每个活动需要确定允许执行的资源集合。在实际的服务流程管理系统中,本研究设计并实现了一个基于角色与约束的动态访问控制模型,通过角色确定活动绑定的可执行资源集合,通过组织范围约束缓解角色数量爆炸的问题,通过职责分离约束以及职责绑定约束解决企业中活动与人员的职责问题,通过ECA规则允许对角色与约束在不同流程实例下进行动态调整。之外,方案还支持正确性检测,能够在不运行服务流程的情况下检测服务流程的活动实例没有可执行资源的异常情况。(2)在服务流程的执行阶段,服务流程中的活动需要选择具体的资源执行。目前主流的研究只考虑单个活动的执行情况,这种方式可能会导致后续活动执行的资源发生冲突,从而降低服务流程执行效率。对此,本文构建了一个基于自动反馈的服务流程资源调度系统。这个系统对人力资源构建个人日程助理,通过人力资源与个人日程助理交互,构建人力资源在未来一段时间内的工作时间表;再通过个人日程助理与服务流程管理系统的多次交互,完成服务流程的调度方案的构建。这种方式能够顾及前置活动执行资源的选择对后续活动执行的影响。对上述方案的仿真实验验证了基于自动反馈的服务流程资源调度系统能够更多考虑资源以及服务流程整体的情况,相比于强化学习算法减少2.5%-5%的服务流程完成时间。(3)在服务流程的执行阶段活动遇到执行失败时,本研究需要对服务流程中的活动进行再调度,以保证服务流程在完成时间满足截止时间的情况下能优化执行成本。对此,本研究设计了一个自适应算法(SAS算法)实现资源的再调度。它在服务流程的调度/再调度期间,通过增加预留时间对调度方案进行筛选,从中选择满足可靠性要求且执行成本最低的调度方案,预留时间的值则使用自适应算法进行动态调整。仿真实验验证了自适应算法对资源再调度的有效性。结果表明当截止时间较为宽松时,SAS算法相比MSP算法,成功率下降了2%-7%,而成本减少了10-19%;相比NRT算法完成率上升了20%-30%的情况下,成本只增加了2%-5%。当任务失败率较低时,SAS算法相比MSP算法完成率下降了2%-5%的情况下,成本减少5%-10%;相比NRT算法完成率上升了10%-20%,执行成本只增加10%-15%。对比QEFC+算法,SAS算法在失败率较低、截止时间较为宽松且对完成率要求不高的情况下,SAS算法的完成率下降2%-5%,执行成本下降20%-30%。(4)本文使用Spring、Hibernate和mxGraph等技术实现了一个服务流程的原型系统,并在服务流程的原型系统中实现了基于角色与约束的动态访问控制模型,最后在该系统上实现了并通过一个流程案例展示了系统的运行细节。该案例的应用说明了本研究的服务流程资源调度系统能够利用流程信息以及资源信息,实现资源的动态配置。通过上述的工作,在服务流程的建模阶段到执行阶段,本研究实现了一个相对通用而且较为稳定的服务流程的资源调度/再调度系统。

云中微服务工作流调度算法研究

这是一篇关于云计算,微服务,工作流调度,容器,虚拟机的论文, 主要内容为在云计算环境下,应用程序往往以工作流的形式进行组织和管理。通过对工作流进行调度,可以将应用程序中的任务分配到最合适的云资源上以满足用户对服务质量的需求。随着微服务技术的发展,微服务架构成为了当今云计算领域的一个重要趋势,越来越多的企业开始采用微服务架构来构建应用程序,因此微服务工作流调度成了一个重要的研究问题。然而现有的大部分工作流调度算法均面向传统工作流调度问题,相比于传统工作流,微服务工作流中的任务数量更加庞大,任务执行环境也不相同。在采用传统工作流调度算法对微服务工作流进行调度时,会出现调度方案质量低和调度方案生成时间长的问题。针对上述问题,本文对两种具有不同优化目标的微服务工作流调度问题进行研究,具体研究点如下:(1)针对截止期约束下的成本优化微服务工作流调度问题,提出了一种基于动态资源选择策略的微服务工作流调度算法。算法分为两个阶段,任务优先级排序阶段和资源分配阶段。在任务优先级排序阶段,算法首先为工作流中每一个任务计算松弛时间并分配子截止期,然后根据向上排序值为任务进行排序,形成调度列表。在资源分配阶段,算法首先为待调度的任务寻找满足要求的可用资源集合,接着融合现有的两种资源选择策略的优势,提出了一种动态资源选择策略,并基于此策略为任务选择最佳的虚拟机实例。仿真实验结果表明,本文提出的算法在不同截止期或者不同任务数量的工作流下,能够在满足截止期约束的前提下取得更低的成本。(2)针对时间和成本双目标优化微服务工作流调度问题,提出一种联合分层策略和遗传算法的微服务工作流调度算法。算法分为两个阶段,任务分层阶段和任务调度阶段。在任务分层阶段中,将微服务工作流中的任务根据任务所处有向无环图中的层次进行划分,形成若干个任务集合。分层操作保证了每一层中的任务之间不具有先序约束,从而最大化任务的并行性;分层操作同时减少任务分配阶段时算法的搜索空间,降低了算法的寻优难度。在任务分配阶段,将模拟退火算法中的Metropolis准则引入到遗传算法中,提升遗传算法的局部搜索能力,并采用改进的遗传算法为任务集合寻找最优的调度方案。仿真实验结果表明,本文提出的算法能够在更短的时间内获得较优的调度方案。

大数据工作流系统的关键技术研究与实现

这是一篇关于业务流程管理,大数据,工作流,工作流调度的论文, 主要内容为业务流程管理(BPM)是一种以规范化的构造端到端的业务流程为中心,以持续的提高组织业务绩效为目的的系统化方法。业务流程管理应用于各个领域中,其中包含科技服务领域。在当前科技产业兴起、服务需求与种类多样化的社会环境下,业务型工作流可以科学的表达和描述科技服务领域内的多种业务过程,增强业务过程的规范性和灵活性,达到提高科技服务领域内信息化程度、提高业务执行效率、高效协同多个企业或服务方的目的。同时,科技服务领域内会产生海量的数据,合理应用这些数据可以更好的为领域中的企业提供个性化服务,进一步促进领域发展。将大数据业务过程使用传统BPM方式进行管理,可以提高大数据过程的执行效率和自动化程度,但目前有一定的局限性。一方面,已有的工作流建模规范并不支持构建大数据业务过程,只能将大数据业务过程切分为多个人工任务再去执行,对非技术型人员并不友好,且会使得业务过程不规范、复用性差导致业务过程完成效率降低。另一方面,执行支持大数据技术的工作流会增加工作流系统的资源消耗和负载,导致流程执行效率降低。针对上述问题,本文的具体研究工作如下。(1)提出了一种支持大数据技术的业务流程建模方法。根据大数据业务流程中的建模需求,结合业务流程模型特点,通过BPMN2.0中的元模型,扩展出一类“Big Data Task”的任务元素来表达大数据过程,定义了该类元素下的5种Task元素并且对每种Task的XML模式定义进行扩展,使得依靠业务流程管理可以将大数据业务过程高效构建成大数据工作流模型。以科技服务领域的大数据业务过程为例,验证了建模方法的可行性。(2)提出一种大数据使能的工作流联邦调度方法。协同业务型工作流系统和大数据处理系统等,本文构建了联邦式工作流执行调度管理方法,业务型工作流系统负责业务流程中常规任务的调度与执行,以及控制流程实例执行进度;大数据任务交由分布式大数据处理系统完成,并通过消息中间件反馈大数据处理结果,来达到多类技术平台各司其职,提高工作流系统总体执行效率。同时为了提高工作流系统性能和降低工作流执行时间,根据大数据业务过程的复杂程度,以及业务流程图中大数据任务的个数及稀疏程度,本文提出了两种大数据任务调度策略,在大数据任务执行前根据工作流模型依照调度策略,将大数据任务分配到合适的数据处理服务器节点。同时通过实验评估与分析,证明了本文提出的调度方法可以有效提高工作流执行效率,且证明了不同调度策略下算法选择的正确性。(3)设计并实现了分布式工作流系统。本文工作实现于课题项目“分布式科技服务应用关键技术研究”下的科技服务协同Saa S平台中,实现了本文提出的支持大数据技术的业务流程建模方法和大数据使能的工作流联邦调度方法。以后端Flowable业务型工作流系统、前端BPMN.JS为基础,进行业务流程建模的扩展;搭建Hadoop、Spark大数据平台用于支持工作流中大数据任务的执行;应用了Kafka消息中间件用于大数据平台与业务型工作流系统的通信,同时系统内置调度器用于提高工作流执行效率。总之,本文针对目前工作流建模规范不支持表达大数据业务过程的问题,提出了一种支持大数据技术的业务流程建模规范;针对执行大数据工作流会增加工作流系统资源消耗和降低流程执行效率的问题,提出了一种大数据使能的工作流联邦调度方法。将上述两个关键方法应用于本文构建的分布式工作流系统中,达到了规范的描述和高效的执行科技服务领域中的大数据业务过程的效果。