面向实例密集型应用的云工作流资源管理优化方法研究

Instance-intensive application denotes a striking trait of business systems in the era of internet and cloud computing. However, existing worklfow systems that support the automatization of such kind of business processes rarely consider how to optimize the resource management of cloud workflows by utilizing the characteristics of instance-intensive applications, thereby reducing the service cost of instance-intensive applications in the cloud. In response to this deficiency, this proposal is intended to provide a suite of methods for the resource management optimization of cloud workflows oriented to the instance-intensive applications. We will first utilize the online support vector machine and particle swarm optimization algorithms to propose a static resource allocation optimization method based on durations forcasting strategy, which is designed to meet the resource requirements of future workload and deadline constraints of instance-intensive applications. Then, we will introduce instance aspect handling to the resource scheduling for the instance-intensive applications, by which dynamic resource scheduling methods to minimize the rental cost with deadline constraints and minimize the average turnaround time with budget constraints will be investigated and proposed respectively. Finally, we will build prototype system to apply the techniques above and verify their practical performance. Our proposal is expected to provide basic theory and practical support to improve the resource management in cloud workflows and reduce the rental cost of instance-intensive applications in the cloud.

实例密集型应用是互联网与云计算时代业务系统呈现的显著特征。目前，作为支持该类业务流程自动化的工作流系统很少考虑利用实例密集型应用的特点以优化云工作流的资源管理，从而降低在云端的开销或租赁成本。针对该问题，本项目尝试研究一套面向实例密集型应用的云工作流资源管理优化方法。具体包括：1）根据实例密集型应用的未来工作负载与截止时间需求，利用在线支持向量机与微粒群优化等方法，研究基于执行时间预测的云工作流资源静态配置优化方法；2）根据实例密集型应用执行时并发实例在数据等方面的关联或约束关系，通过引入实例方面处理，研究截止时间约束下可最小化服务成本的动态调度方法，以及服务成本预算约束下可最小化实例平均执行时间的动态调度方法；3）对所提出的方法进行实验测试，并实现原型系统。项目的预期研究成果将有助于改进云工作流的资源管理方式，并可为云服务提供商降低实例密集型应用在云端的服务成本提供理论基础和实践指导。

本项目根据云计算环境的特点与实例密集型工作流应用的实际需求，开展了云工作流资源管理优化方法研究，研究成果主要体现在以下三个方面：.1．根据实例密集型应用执行时并发实例在数据等方面的关联或约束关系，提出了一种工作流实例方面调度控制机制。同时，根据该机制设计了一个基于ECA规则的实例方面处理调度控制引擎，该引擎通过对工作流执行服务进行功能扩展来实现，并能与传统工作流引擎有效结合。.2．实例密集型云工作流是一类运行在云计算环境中的具有大量并发实例的工作流。现有实例密集型云工作流调度算法考虑了实例密集型应用对系统吞吐量、时间及成本等方面的需求，但未考虑实例密集型工作流在云环境中执行时的安全需求，而对用户而言，云计算环境中存在多方面的潜在安全风险，实例密集型应用中也包含着大量对安全敏感的业务过程，在调度时考虑安全需求与安全风险有助于提高或者保障这些应用的安全性。有鉴于此，本项目构建了相应的调度模型，并通过借鉴信任管理的思想，提出了基于用户信任度的工作流实例方面处理策略以及一种安全与成本感知的实例密集型云工作流调度算法SC-ICW。该算法可在满足截止时间与安全需求约束的前提下，优化执行成本，并减少实例方面处理可能引发的安全风险。.3．由于云计算环境中数据的所有权和管理权分离，云用户常担心其隐私数据可能会被非法收集、使用或泄露。但是，现有云工作流调度研究极少考虑如何在云工作流执行中尽可能的保护隐私数据，考虑安全需求的云工作流调度研究也并不多见。有鉴于此，本项目针对实例密集型工作流应用在云计算环境中与业务过程执行相关的用户隐私保护需求，分别以最小化成本、最小化成本与完工时间为目标，构建了相应的云工作流调度模型，并提出了一种具有隐私感知能力、可优化云资源使用成本的云工作流调度算法BCP-PSO，以及一种隐私感知的多目标云工作流算法MOPA。