云計(jì)算中基于預(yù)先分類的調(diào)度優(yōu)化算法

左利云，左利鋒

（1.廣東石油化工學(xué)院 實(shí)驗(yàn)教學(xué)部，廣東 茂名525000；2.鄭州宇通客車(chē)股份有限公司 新能源產(chǎn)品部，河南 鄭州450016）

0 引 言

云計(jì)算是當(dāng)前IT界的研究熱點(diǎn)，其強(qiáng)大能力最終通過(guò)其任務(wù)的運(yùn)行性能體現(xiàn)，而資源調(diào)度算法設(shè)計(jì)的好壞對(duì)系統(tǒng)效率的高低起著至關(guān)重要的作用［1－3］。如何充分利用云計(jì)算中的計(jì)算資源并高效合理的使用是云計(jì)算領(lǐng)域的一個(gè)研究重點(diǎn)和難點(diǎn)。云計(jì)算的使用是付費(fèi)的，而其費(fèi)用開(kāi)銷主要體現(xiàn)在云的使用時(shí)間上。因此研究重點(diǎn)還是放在縮短完成時(shí)間上。云計(jì)算中包含大量異構(gòu)資源，且資源動(dòng)態(tài)變化，并存在多個(gè)任務(wù)競(jìng)爭(zhēng)資源等問(wèn)題，這使得傳統(tǒng)的資源調(diào)度算法備受限制［4－8］。現(xiàn)有的資源調(diào)度算法中以追求最短完成時(shí)間為目標(biāo)的有經(jīng)典的啟發(fā)式算法如Min－Min算法、Max－Min算法和sufferage算法等，另外還有些相應(yīng)的改進(jìn)算法［9－12］，但是它們沒(méi)有很好的兼顧調(diào)度執(zhí)行時(shí)間最小與負(fù)載平衡問(wèn)題，這對(duì)于以資源共享和追求最大可能利用資源的云計(jì)算是很不利的。本文提出一種新的調(diào)度資源算法，以期在實(shí)現(xiàn)最小執(zhí)行時(shí)間的同時(shí)平衡負(fù)載，從而實(shí)現(xiàn)云計(jì)算中資源共享和最大可能的利用資源。

1 預(yù)先分類調(diào)度模型

1.1 云計(jì)算環(huán)境中的調(diào)度

之前提到云計(jì)算中資源異構(gòu)且動(dòng)態(tài)變化等特點(diǎn)會(huì)影響到調(diào)度策略問(wèn)題，事實(shí)上云計(jì)算環(huán)境中的服務(wù)類型也會(huì)影響到云計(jì)算資源的調(diào)度［13］，因?yàn)椴煌姆?wù)類型，在資源使用、負(fù)載類型和性能評(píng)價(jià)指標(biāo)等方面也有很大差異。

云計(jì)算中的服務(wù)大致分為兩大類：數(shù)據(jù)計(jì)算密集型服務(wù) （下簡(jiǎn)稱計(jì)算型）和交互密集型網(wǎng)絡(luò)處理服務(wù) （下簡(jiǎn)稱交互型），在負(fù)載類型、資源使用和性能評(píng)價(jià)的差異如下：

（1）負(fù)載特征：計(jì)算型負(fù)載是并行批處理作業(yè)，交互型負(fù)載是一系列的單鏈接或多鏈接的請(qǐng)求序列組成；

（2）資源使用特征：計(jì)算型需要獨(dú)占資源處理作業(yè)，交互型請(qǐng)求可以在共享資源上并發(fā)執(zhí)行；

（3）服務(wù)性能指標(biāo)：計(jì)算型服務(wù)的用戶可以容忍作業(yè)的排隊(duì)等等，直到獲得運(yùn)行的資源，而交互型服務(wù)的用戶請(qǐng)求需要在線立即地響應(yīng)。

本文的調(diào)度算法主要針對(duì)計(jì)算型云計(jì)算服務(wù)而進(jìn)行研究的。因此批處理算法中的經(jīng)典算法——Min－Min算法無(wú)論從其追求最小完成時(shí)間的目標(biāo)，還是針對(duì)數(shù)據(jù)計(jì)算密集型服務(wù)調(diào)度的特點(diǎn)，都說(shuō)明該算法比較適合云計(jì)算中計(jì)算型服務(wù)調(diào)度。該算法簡(jiǎn)單、快速，通過(guò)計(jì)算兩次最小值來(lái)完成資源的調(diào)度，盡可能將大量的任務(wù)調(diào)度到執(zhí)行它最快的資源，以使得總體完成時(shí)間最小。但它總優(yōu)先調(diào)度小作業(yè)，造成對(duì)大任務(wù)不公平的問(wèn)題，也使得部分資源繁忙，部分資源閑置。針對(duì)此問(wèn)題也有一些對(duì)應(yīng)的改進(jìn)算法，如文獻(xiàn) ［14］為了平衡負(fù)載根據(jù)QoS需求對(duì)資源簡(jiǎn)單分成兩大類：特殊資源和一般資源，對(duì)任務(wù)也分類標(biāo)記，將指定高要求的任務(wù)調(diào)度至特定資源，但它對(duì)資源分類過(guò)于簡(jiǎn)單，沒(méi)有提及分類依據(jù)。

在此也提出對(duì)Min－Min算法進(jìn)行改進(jìn)優(yōu)化，首先對(duì)云計(jì)算中資源根據(jù)其屬性信息進(jìn)行預(yù)先分類，以確保負(fù)載平衡，再對(duì)分類后資源結(jié)合Min－Min算法思想進(jìn)行調(diào)度，以實(shí)現(xiàn)調(diào)度時(shí)間最小，從而兼顧執(zhí)行時(shí)間最小與負(fù)載均衡。

1.2 預(yù)先分類調(diào)度模型

由于Min－Min算法僅考慮作業(yè)在資源的執(zhí)行時(shí)間，故嘗試將資源本身的因素考慮在內(nèi)，在調(diào)度前先對(duì)資源進(jìn)行等級(jí)劃分，在調(diào)度時(shí)結(jié)合資源等級(jí)及任務(wù)調(diào)度執(zhí)行時(shí)間，從而確保時(shí)間最小并充分利用資源平衡負(fù)載。基于此思想，調(diào)度模型的調(diào)度器由兩部分組成：預(yù)先分類窗口和調(diào)度窗口。首先在預(yù)先分類窗口對(duì)云計(jì)算系統(tǒng)中資源的屬性信息進(jìn)行分類，將分類后資源等級(jí)數(shù)據(jù)信息送入下一單元——調(diào)度窗口，再使用Min－Min改進(jìn)優(yōu)化算法進(jìn)行調(diào)度輸出，如圖1所示。

2 預(yù)先分類方法

圖1 預(yù)先分類模型框架

為了充分利用云計(jì)算中的資源，尤其是優(yōu)勢(shì)資源，在調(diào)度器中先對(duì)云計(jì)算系統(tǒng)中的資源進(jìn)行分類，在此采用可標(biāo)識(shí)資源自身屬性的資源可見(jiàn)度η這一指標(biāo)，該指標(biāo)用來(lái)衡量資源的計(jì)算能力和通信能力，它是根據(jù)在資源加入云計(jì)算系統(tǒng)時(shí)提供的屬性信息來(lái)計(jì)算的，主要包括CPU個(gè)數(shù)h及處理能力P、磁盤(pán)容量C（MB）和資源所在的網(wǎng)絡(luò)帶寬B（Mb／s）。其中，CPU個(gè)數(shù)h和處理能力P主要反映資源計(jì)算能力，帶寬反映資源的通信能力。資源可見(jiàn)度具體計(jì)算公式如下

式中：a、b、c——資源計(jì)算能力、磁盤(pán)容量、帶寬在資源可見(jiàn)度這一指標(biāo)中所占的比重。由于現(xiàn)在調(diào)度的對(duì)象是云計(jì)算中數(shù)據(jù)計(jì)算密集型服務(wù)，故根據(jù)需要在此分別將a、b、c設(shè)定為40%、20%、40%。

根據(jù)計(jì)算出的資源可見(jiàn)度η進(jìn)行資源等級(jí)分類。具體做法是對(duì)資源按η從大到小進(jìn)行排序，排名前35%的定為第1級(jí)，以下的30%、20%、15%分別定為第2、3、4等級(jí)。

3 基于預(yù)先分類的Min－Min優(yōu)化調(diào)度算法

首先分析原始Min－Min算法的調(diào)度思想和執(zhí)行過(guò)程，針對(duì)其負(fù)載不均衡問(wèn)題進(jìn)行改進(jìn)優(yōu)化，結(jié)合之前對(duì)資源劃分的等級(jí)提出新的改進(jìn)算法，即基于預(yù)先分類的Min－Min優(yōu)化調(diào)度算法 （reservation category Min－Min，RCMM）。

3.1 原始的 Min－Min算法

原始的Min－Min算法盡可能將任務(wù)分配到執(zhí)行時(shí)間最小的資源上，從而使得整體完成時(shí)間最小。Min－Min算法中 “Min－Min”的含義是通過(guò)計(jì)算兩次最小值來(lái)完成資源的調(diào)度，兩次最小值分別指的是首先計(jì)算每個(gè)任務(wù)在相應(yīng)資源上的最小完成時(shí)間，再?gòu)倪@些最小完成時(shí)間中擇其最小值，那么此時(shí)的資源－任務(wù)組合即為最佳資源－任務(wù)組合［15］。算法過(guò)程如下。

首先假設(shè)云計(jì)算環(huán)境中有n個(gè)任務(wù)Y＝ ｛y1，y2，…，yn｝和m個(gè)資源X＝ ｛x1，x2，…，xm｝。循環(huán)執(zhí)行以下步驟直至集合為空：

（1）for each yiin Y；

求 mintime（yi至x1，x2，…，xm）；

Tmin（i）＝Min（mintime（yi至x1，x2，…，xm））；

得到有m個(gè)元素的數(shù)組Tmin（i）；

（2）if Tmin（i）最小；

yi調(diào)度至xj；

（3）delete yi；

Next yi

表1列出了每個(gè)作業(yè)任務(wù)在相應(yīng)資源的預(yù)期執(zhí)行時(shí)間矩陣的值，其中 “－”代指該作業(yè)無(wú)法在此資源運(yùn)行，如作業(yè)y1只能在資源x1、x3、x4上執(zhí)行，而作業(yè)y3則可以在任何一個(gè)資源執(zhí)行。由算法執(zhí)行過(guò)程可知，調(diào)度順序?yàn)椋簓5（x1），y2（x1），y1（x1），y3（x1），y4（x1）。此時(shí)任務(wù)總體完成時(shí)間為：4＋3＋7＋10＋2＝26ms。但此時(shí)所有的作業(yè)都使用資源x1，而資源x2、x3、x4完全空閑，導(dǎo)致資源嚴(yán)重失衡，這就是Min－Min算法的最大缺點(diǎn)，它總是優(yōu)先調(diào)度小任務(wù)而不能確保云計(jì)算資源負(fù)載平衡。這對(duì)于以資源共享和追求最大可能利用資源的云計(jì)算來(lái)說(shuō)是非常嚴(yán)重的問(wèn)題。因此必須改善這種狀況，以適應(yīng)云計(jì)算環(huán)境的需要。

表1 作業(yè)任務(wù)在資源上的預(yù)期執(zhí)行時(shí)間

3.2 RCMM調(diào)度算法

針對(duì)以上對(duì)原始Min－Min調(diào)度算法的分析，提出基于預(yù)先分類的 Min－Min優(yōu)化調(diào)度算法——RCMM調(diào)度算法，給出其執(zhí)行過(guò)程，并與原始算法進(jìn)行對(duì)比分析。

3.2.1 算法執(zhí)行過(guò)程

由以上分析知原始的Min－Min調(diào)度算法存在的負(fù)載不均衡問(wèn)題，改進(jìn)的Min－Min調(diào)度算法就是要解決這個(gè)問(wèn)題的，考慮資源差異，首先算出每個(gè)作業(yè)任務(wù)在所有資源上的執(zhí)行組合值 （即作業(yè)在資源上的執(zhí)行時(shí)間與資源等級(jí)的乘積）情況，然后從中選擇執(zhí)行組合值最小的任務(wù)－資源對(duì)進(jìn)行調(diào)度，這樣既能保證執(zhí)行時(shí)間最小，又同時(shí)保證了調(diào)度過(guò)程的負(fù)載平衡。

仍然假設(shè)云計(jì)算環(huán)境中有n個(gè)任務(wù)Y＝ ｛y1，y2，…，yn｝和m個(gè)資源X＝ ｛x1，x2，…，xm｝。循環(huán)執(zhí)行以下步驟至集合為空：

（1）for each yiin Y

求 mintime（yi至x1，x2，…，xm）；

yiTmin（i）＝Min（mintime（yi至x1，x2，…，xm））；

（2）Comxy（i，j）＝y(tǒng)iTmin（i）×資源等級(jí)；

得到二維數(shù)組Comxy［i，j］；

（3）對(duì)Comxy［i，j］排序；

（4）if Comxy［i，j］最小；

將yi調(diào)度至xj；

（5）delete yi；

Next yi

該算法相對(duì)于原始的Min－Min算法，除依然追求最小執(zhí)行時(shí)間，還考慮到了平衡負(fù)載。

3.2.2 算法分析

對(duì)于資源x1、x2、x3、x4由預(yù)先分類方法計(jì)算出相應(yīng)等級(jí)類別分別為3、2、1、1。通過(guò)RCMM調(diào)度算法，得出作業(yè)與資源相關(guān)數(shù)據(jù)信息如表2所示。

表2 作業(yè)任務(wù)在資源上的預(yù)期執(zhí)行時(shí)間和資源等級(jí)屬性

從表2可以看出：如果采用原始的Min－Min調(diào)度算法來(lái)執(zhí)行的話，那么所有的任務(wù)都選擇在資源x1上執(zhí)行，調(diào)度的順序依次為：y5（x1），y2（x1），y1（x1），y3（x1），y4（x1）。造成x1負(fù)載過(guò)重，單個(gè)資源利用率為100%，而x2、x3、x4卻閑置，利用率為0。這是原始的Min－Min調(diào)度算法的最大問(wèn)題。若采用本文改進(jìn)的算法，先計(jì)算每個(gè)作業(yè)任務(wù)與各個(gè)資源的執(zhí)行組合值分別為：y1（4＊4，－，4.5＊1，5＊2）；y2（3＊4，3.5＊3，12＊1，－）；y3（7＊4，8＊3，7.5＊1，9＊2）；y4（10＊4，11＊3，－，10.5＊2）；y5（2＊4，9.5＊3，9＊1，6＊2）。對(duì)每個(gè)作業(yè)取執(zhí)行組合值最小的作業(yè)－資源對(duì)，調(diào)度順序?yàn)椋簓1（x3），y5（x1），y2（x2），y3（x3），y4（x4）。這時(shí)作業(yè)整體完成時(shí)間為：4.5＋3.5＋7.5＋10.5＋2＝28ms。

由以上分析可知，改進(jìn)后的算法使得作業(yè)整體完成時(shí)間增加了2ms，但是平衡了負(fù)載，原始的Min－Min調(diào)度算法使得所有的任務(wù)都在x1上執(zhí)行，而x2、x3、x4空閑，導(dǎo)致x1負(fù)載過(guò)重，資源嚴(yán)重失衡，資源x1的利用率為100%，而x2、x3、x4的利用率均為0。而改進(jìn)后的算法使得資源x1、x2、x3、x4的利用率分別為20%、20%、40%、20%，提高了資源的整體利用率，避免了資源調(diào)度中部分資源擁塞而部分資源閑置的現(xiàn)象。因此雖使得作業(yè)整體完成時(shí)間略有增加，但解決了原有算法最大的問(wèn)題——負(fù)載不均衡，使得資源——尤其是優(yōu)勢(shì)資源得到充分利用，這對(duì)于以資源共享和最大利用為主要目的的云計(jì)算是非常重要的。

4 實(shí)驗(yàn)驗(yàn)證

為了評(píng)估提出的調(diào)度算法的性能，使用云計(jì)算仿真軟件CloudSim采用離散事件模擬了云計(jì)算實(shí)驗(yàn)環(huán)境，主要來(lái)驗(yàn)證：①所提算法適用于云計(jì)算環(huán)境；②實(shí)現(xiàn)原始 Min－Min調(diào)度算法和改進(jìn)算法的性能比較。

通過(guò)以下4個(gè)指標(biāo)評(píng)估算法性能：①任務(wù)響應(yīng)時(shí)間RT（response time），指從任務(wù)進(jìn)入云計(jì)算系統(tǒng)起到該任務(wù)完成這段時(shí)間，定義為任務(wù)的等待時(shí)間與完成時(shí)間的和；②任務(wù)總體完成時(shí)間，即所有任務(wù)總的完成時(shí)間，是從第一個(gè)任務(wù)進(jìn)入云計(jì)算系統(tǒng)到最后一個(gè)任務(wù)完成這段時(shí)間；③速度下降比S（slowdown），表示任務(wù)在云計(jì)算環(huán)境中執(zhí)行與在單一站點(diǎn)中執(zhí)行時(shí)的速度下降率，定義為任務(wù)響應(yīng)時(shí)間與實(shí)際完成時(shí)間的比值；④系統(tǒng)資源利用率 （Ui），表示資源的忙閑程度，它也是云計(jì)算環(huán)境下任務(wù)調(diào)度比較好的一個(gè)指標(biāo)，因?yàn)樵朴?jì)算的目的主要在于資源的有效共享和最大利用。

在仿真的云計(jì)算數(shù)據(jù)計(jì)算密集型實(shí)驗(yàn)系統(tǒng)中，實(shí)現(xiàn)了本文算法和原始的Min－Min算法，該系統(tǒng)中有500個(gè)計(jì)算節(jié)點(diǎn)和300個(gè)數(shù)據(jù)源，其中每個(gè)計(jì)算節(jié)點(diǎn)的處理能力不同，數(shù)據(jù)源與不同計(jì)算節(jié)點(diǎn)間的傳輸速率隨機(jī)產(chǎn)生，范圍是100－250kbps。實(shí)驗(yàn)中共采用3組任務(wù)，任務(wù)數(shù)分別為1000、2000和3000。任務(wù)的進(jìn)入時(shí)間和執(zhí)行時(shí)間也隨機(jī)產(chǎn)生，范圍是1－205s。任務(wù)也是隨機(jī)進(jìn)入仿真實(shí)驗(yàn)系統(tǒng)的，任務(wù)在數(shù)據(jù)源中的存儲(chǔ)量隨機(jī)產(chǎn)生，范圍是200－10000KB。另外計(jì)算節(jié)點(diǎn)只能接收處理能力范圍內(nèi)的任務(wù)。實(shí)驗(yàn)仿真結(jié)果如圖2所示。

圖2 兩種算法的仿真實(shí)驗(yàn)結(jié)果

從圖2可以看出，改進(jìn)算法在任務(wù)平均響應(yīng)時(shí)間方面比原始Min－Min算法有了明顯的提高，如在任務(wù)數(shù)量為3000時(shí)，平均任務(wù)響應(yīng)時(shí)間為3.5s，比 Min－Min算法減少了約1.5s；在不同任務(wù)數(shù)量的情況下改進(jìn)算法得到的總?cè)蝿?wù)完成時(shí)間與原始Min－Min算法相差無(wú)幾，特別是在任務(wù)數(shù)量比較多的情況下，這種差距更小；改進(jìn)算法的任務(wù)平均速度下降比比原始的 Min－Min算法提高了15%左右；4個(gè)指標(biāo)中改進(jìn)算法的整個(gè)系統(tǒng)的利用率方面的表現(xiàn)最好，比Min－Min算法提高了56%左右。從實(shí)驗(yàn)結(jié)果可以看出，改進(jìn)算法更適合在本地執(zhí)行的任務(wù)，從而得到更小的平均任務(wù)響應(yīng)時(shí)間、平均速度下降比和更高的系統(tǒng)利用率。當(dāng)任務(wù)數(shù)量增加時(shí)，改進(jìn)算法仍然得到較小的任務(wù)總體完成時(shí)間，這表明該方法非常適用于云計(jì)算這種數(shù)據(jù)計(jì)算密集型服務(wù)環(huán)境。

5 結(jié)束語(yǔ)

原始Min－Min算法中的負(fù)載不均衡現(xiàn)象會(huì)嚴(yán)重影響以資源共享和追求資源最大利用為目的的云計(jì)算系統(tǒng)的性能。同時(shí)考慮云的使用付費(fèi)問(wèn)題，故本文算法將縮短云計(jì)算的使用時(shí)間 （包括響應(yīng)時(shí)間和完成時(shí)間）、平衡負(fù)載和充分利用優(yōu)勢(shì)資源作為主要目的。根據(jù)資源CPU個(gè)數(shù)h及處理能力P、磁盤(pán)容量C和資源所在的網(wǎng)絡(luò)帶寬B等3個(gè)參數(shù)計(jì)算資源的可見(jiàn)度，并據(jù)此對(duì)資源進(jìn)行分類，計(jì)算出分類等級(jí)，通過(guò)計(jì)算資源等級(jí)與作業(yè)在資源上的預(yù)期執(zhí)行時(shí)間的乘積，該乘積值最小的即為最適合的資源－任務(wù)對(duì)。為驗(yàn)證RCMM調(diào)度算法和原始Min－Min算法是否適合云計(jì)算環(huán)境，利用云仿真軟件模擬了云計(jì)算環(huán)境，采用RT、任務(wù)總體完成時(shí)間、S和Ui等指標(biāo)比較兩算法的優(yōu)劣。實(shí)驗(yàn)結(jié)果表明，RCMM算法除在任務(wù)總體完成時(shí)間方面表現(xiàn)稍遜于原始算法外，在RT、S和Ui的表現(xiàn)均優(yōu)于原始的 Min－Min算法，特別是在系統(tǒng)利用率方面的表現(xiàn)尤為出色，這對(duì)于云計(jì)算這種以追求資源共享和最大限度利用資源的系統(tǒng)來(lái)說(shuō)是十分重要的。雖然任務(wù)總體完成時(shí)間方面稍遜于原始算法，但這種差距隨著任務(wù)量的增多而縮小，說(shuō)明該算法非常適合云計(jì)算中數(shù)據(jù)密集型服務(wù)調(diào)度的。

本文研究主要針對(duì)云計(jì)算中數(shù)據(jù)密集型服務(wù)調(diào)度，至于云計(jì)算中交互密集型網(wǎng)絡(luò)處理服務(wù)調(diào)度，還有待進(jìn)一步研究。

［1］WANG Jiajun，LU Zhihui，WU Jie，et al.Cloud computing technology development analysis and applications discussion［J］.Computer Engineering ＆ Design，2010，31 （20）：4404－4409（in Chinese）.［王佳雋，呂智慧，吳杰，等.云計(jì)算技術(shù)發(fā)展分析及其應(yīng)用探討 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（20）：4404－4409.］

［2］FANG Bingyi，ZHANG Yunyong，CHENG Ying.Analysis in the present and developing status of cloud computing ［J］.Telecommunication Science，2010，55 （S1）：1－6 （in Chinese）.［房秉毅，張?jiān)朴拢态?云計(jì)算國(guó)內(nèi)外發(fā)展現(xiàn)狀分析［J］.電信科學(xué)，2010，55 （S1）：1－6.］

［3］Francesco Maria Aymerich，Gianni Fenu，Simone Surcis.An approach to a cloud computing network ［C］.First International Conference on the Applications of Digital Information and Web Technologies，2008：113－118.

［4］Ahson S，Ilyas M.Cloud computing and software services［M］.Florida，USA：CRC Press，2009.

［5］TANG Xiaochun，LIU Jian.Better allocation of meta－zone in cloud computing environment ［J］.Computer Engineering and Applications，2010，46 （34）：237－241 （in Chinese）. ［湯小春，劉健.基于元區(qū)間的云計(jì)算基礎(chǔ)設(shè)施服務(wù)的資源分配算法研究 ［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46 （34）：237－241.］

［6］Foster I，Zhao Yong，Raicu I，et al.Cloud computing and grid computing 360degree compared ［C］.Proceedings of the Grid Computing Environments Workshop.Washington，DC：IEEE Computer Society，2008：1－10.

［7］Caron E，Desprez F，Loureiro D，et al.Cloud computing resource management through a grid middleware：A case study with DIET and eucalyptus［C］.Bangalore，India：IEEE International Conference on Cloud Computing，2009.

［8］LI Jianfeng，PENG Jian.Task scheduling algorithm based on improved genetic algorithm in cloud computing environment ［J］.Journal of Computer Applications，2011，31 （1）：184－186 （in Chinese）.［李建鋒，彭艦.云計(jì)算環(huán)境下基于改進(jìn)遺傳算法的任務(wù)調(diào)度算法 ［J］.計(jì)算機(jī)應(yīng)用，2011，31 （1）：184－186.］

［9］TIAN Guanhua，MENG Dan，ZHAN Jianfeng.Reliable resource provision policy for cloud computing ［J］.Computer Journal，2010，33 （10）：1859－1871 （in Chinese）. ［田冠華，孟丹，詹劍鋒.云計(jì)算環(huán)境下基于失效規(guī)則的資源動(dòng)態(tài)提供策略 ［J］.計(jì)算機(jī)學(xué)報(bào)，2010，33 （10）：1859－1871.］

［10］GAO Hongqing，XING Ying.Research on cloud resource management model based on economics ［J］.Computer Engineering ＆ Design，2010，31 （19）：4139－4142 （in Chinese）.［高宏卿，邢穎.基于經(jīng)濟(jì)學(xué)的云資源管理模型研究［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2010，31 （19）：4139－4142.］

［11］Kimj S，Nam B，Marsh M，et al.Creating a robust desktop

grid using peer to peer services ［EB／OL］. ［2009－10－16］.

ftp：／／ftp.cs.umd.edu／pub／hpsl／papers／papers－pdf／ngs07.pdf.［12］Blythe J，Jain S，Declman E，et al.Task scheduling strategies for workflow－based applications in grids ［EB／OL］.http：／／grid.cs.tsinghua.edu.cn，2005.

［13］SUN Ruifeng，ZHAO Zhengwen.Resource scheduling strategy based on cloud computing ［J］.Aeronautical Computing Technique，2010，40 （3）：103－105 （in Chinese）. ［孫瑞鋒，趙政文.基于云計(jì)算的資源調(diào)度策略 ［J］.航空計(jì)算技術(shù)，2010，40 （3）：103－105.］

［14］WU Gaofeng，CAI Yuming，YANG Lin，et al.Scheduling algorithm of modified Min－Min based on QoS in grid ［J］.Micro Computer Information，2009，26 （9）：110－112 （in Chinese）.［吳高峰，蔣玉明，楊林，等.基于QoS改進(jìn)的網(wǎng)格調(diào)度算法［J］.微計(jì)算機(jī)信息，2009，26 （9）：110－112.］

［15］DU Yuxia，LIU Fangai，GUO Lei.Research and improvement of Min－Min scheduling algorithm ［J］.Computer Engineering and Applications，2010，46 （24）：107－109 （in Chinese）. ［杜玉霞，劉方愛(ài)，郭磊.Min－Min調(diào)度算法的研究與改進(jìn) ［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46 （24）：107－109.］