基于主机负载预测的网格任务调度算法研究的中期报告.docx

基于主机负载预测的网格任务调度算法研究的中期报告
中期报告
一、研究背景与意义
网格计算由于其具有高速通信能力、大规模数据处理能力、高性能计算资源共享等特点，已经成为当今科学计算和工程计算的重要手段之一。作为网格计算系统中的重要组成部分，网格任务调度算法直接影响到系统的运行效率、负载平衡和系统吞吐量等性能指标。因此任务调度算法的研究对于提高网格计算系统的整体性能具有重要意义。
目前，网格任务调度算法的研究中心围绕着任务调度的方法、策略和算法的改进，主要是以提高任务执行效率、优化资源利用、减少调度时间、降低系统负载、提高系统可靠性为目标。如：对于任务调度策略的研究，提出了基于遗传算法、混合粒子群优化算法和分布式聚类算法等策略，使其能够快速地找到合适的任务调度方案以便快速执行任务；对于负载均衡算法的研究，提出了资源空闲度和任务抢占启发式算法、基于平均负载预测的预先分配负载调度算法等方法，促进了负载均衡问题的解决；对于安全性问题的研究，提出了基于公私密钥加密算法的安全网格任务调度算法等方法。但是，大多数算法都没有考虑主机负载与任务预测及其对任务调度算法性能的影响。
因此，本研究将重点关注主机负载预测技术的应用，提出基于主机负载预测的网格任务调度算法。通过主机负载预测，可提前预测主机未来的负载情况，从而合理地调度任务以最大程度地提高作业质量，降低系统负载，并提高系统的可靠性。
二、研究方法和解决问题的途径
本研究将采用以下方法和途径来解决问题：
1.对网格任务调度的基本概念及任务调度算法的研究进行深入了解，并分析当今主流的任务调度算法特点和不足。
2.对主机负载预测技术进行研究，选择适合网格计算的预测模型，如基于ARIMA模型、SVM模型、时间序列模型等预测模型。
3.提出一种基于主机负载预测的网格任务调度算法，结合预测模型中的预测结果，在空闲资源方面分配可复制任务，并针对正在运行的任务的主机选择，以确保系统的负载平衡。
4.通过模拟实验，与一些主流的任务调度算法进行比较，以证明所提算法的性能优越性。
三、研究进展
本研究已经完成了初步的研究工作：
1.对网格任务调度和主机负载预测的相关文献进行了搜集和阅读，了解了当前的研究热点和发展趋势。
2.对主机负载预测的基本概念和各种预测模型进行了学习和理解，选择了ARIMA、SVM和时间序列模型等预测模型。
3.基于已选出的预测模型，在Weka、Python等工具上进行了数据预处理、模型训练及预测测试，得到了负载预测结果。
4.提出了一种基于主机负载预测的网格任务调度算法，包括空闲资源分配和主机选择两个方面，通过预测模型预测未来主机的负载情况，合理调度任务以避免主机过载和任务执行效率低的问题。
5.设计了实验方案，通过模拟实验与其他主流任务调度算法比较，提高了所提算法的性能表现。
四、研究计划
下一步，本研究将按照以下计划进行推进：
1.对所提出的基于主机负载预测的网格任务调度算法进行细节上的完善。
2.利用已有的实验测试结果，进一步分析所提出算法的可靠性和实用性。
3.进行更多的模拟实验，与其他任务调度算法进行比较，证明所提算法的性能优越性。
4.对所进行的研究工作撰写论文并投稿至业内著名期刊或国际会议。