A multi‐queue priority‐based task scheduling algorithm in fog computing environment

doi:10.1002/cpe.7376

A multi‐queue priority‐based task scheduling algorithm in fog computing environment

2022-10-18

0

PRE

AI

DOI：10.1002/cpe.7376

原文链接

原文求助

摘要

En 中文

摘要雾计算是一种新颖的、去中心化的异构计算环境，它通过在被称为雾节点的计算资源上促进靠近终端用户的任务处理，从而扩展了传统的云计算系统。这些多样且资源受限的雾设备处理大量由各种雾应用产生的任务。这些任务由各种应用产生，其中一些可能是对延迟敏感的，而另一些则可能在其正常功能中容忍一定程度的延迟。任务调度决定何时将任务分配给计算资源以及该任务可以占用分配资源多长时间。大多数任务调度算法仅关注优先处理对延迟敏感的任务，这导致其他类型任务等待时间过长。因此，这些基于优先级的调度器在实现对延迟敏感任务的延迟最优结果的同时，会导致次要任务饥饿。因此，本文提出MQP（多队列优先级抢占式任务调度方法），该方法通过实现平衡的任务分配，满足能够容忍一定处理延迟的应用以及对延迟敏感的雾应用的需求。在运行时，MQP算法根据任务的突发时间将任务分为短任务和长任务。MQP算法为每个任务类别维护一个单独的任务队列，并动态更新抢占的时间片值。所提出技术的主要目的是减少雾计算环境中数据密集型应用（包括对延迟敏感的任务和不太敏感的任务）的响应时间，从而解决不太敏感任务的饥饿问题。创建了一个智能交通管理的案例研究，以模拟包含对延迟敏感的短任务和不太敏感的长任务的场景。我们使用iFogSim实现了MQP算法，并证实其降低了长任务的延迟。仿真结果表明，MQP算法更有效地将任务分配给雾设备，并降低了长任务的服务延迟。在所有实验配置中，相比先到先服务（First Come-First Serve）和最短作业优先（shortest job first）算法，延迟百分比减少的平均值分别达到了22.68%和38.45%。

A multi‐queue priority‐based task scheduling algorithm in fog computing environment

摘要

期刊

机构

引用论文