摘  要： 針對當前網(wǎng)格資源管理中任務與資源匹配的缺陷，基于信任效益函數(shù)和最小完成時間,，提出了基于信任的Trust Mintime Min-Min算法,。分析了傳統(tǒng)的Min-Min算法，考慮Min-Min算法負載不平衡,，對其在調(diào)度策略方面進行了改進,。仿真實驗表明，該算法不但可以有效地平衡負載,，而且可以提高任務的完成率,，兼顧計算的有效性和可靠性。
關鍵詞： 網(wǎng)格計算,；信任模型,；資源調(diào)度；信任關系

    當前計算網(wǎng)格中存在調(diào)度機制與信任機制分離,。將信任機制與資源調(diào)度機制有效融合,，可以為網(wǎng)格資源安全管理提供保障，使得資源調(diào)度更好地在動態(tài),、異構,、開放的真實網(wǎng)格環(huán)境中有效運行。
    目前相關的研究中對信任的定義還沒有形成一致的見解,，在信任的計算方法中不同的作者有不同的思路,。其中具有代表性的研究包括：AZZEDIN與MAHESWARAN[1]等人首次將“信任”融入網(wǎng)格資源管理，提出考慮信任因素的作業(yè)調(diào)度會引入額外負載并設計了負載最小化算法,。HUMPHREY[2]等人對具有安全意識的網(wǎng)格計算模型進行了深入研究,。ABAWAJY[3]等人提出的DFTS 分布式失效容忍調(diào)度策略，通過復制作業(yè)的多個副本到不同站點保證作業(yè)在網(wǎng)格環(huán)境下可靠進行,。DOGAN[4]和SONG Shan Shan[5]提出了最小化失效率的網(wǎng)格信任調(diào)度框架和調(diào)度算法,。唐小勇[6]等人在Buyya設計的GRACE網(wǎng)格資源管理框架下，提出反映信任值動態(tài)變化規(guī)律的信任函數(shù),，建立基于行為的網(wǎng)格信任機制，并將其應用到網(wǎng)格經(jīng)濟模型中的DBC調(diào)度算法中,。
    本文采用參考文獻[7]中給出的信任定義,，將信任效益值和最小完成時間作為調(diào)度目標函數(shù)，對資源進行分配,，提出了基于信任的網(wǎng)格資源調(diào)度算法Trust Mintime Min-Min算法,。
1 概念與問題描述
1.1 信任模型
    本文采用的信任定義為：
    定義1 信任：由信任值表征的客觀實體的身份和行為的可信度評估，信任值取決于實體可靠性,、誠信和性能等,。計算網(wǎng)格信任模型主要由資源信任屬性、任務信任屬性及其相互間信任關系構成,。資源信任屬性包含兩方面：
    （1）安全性,。衡量網(wǎng)格資源對任務和數(shù)據(jù)的真實性,、保密性和完整性的保障程度。采用資源安全級別量化資源安全屬性,。
    （2）可靠性,。長時間執(zhí)行的任務有可能因為某個資源失效導致運行失敗甚至重啟，造成系統(tǒng)資源浪費和系統(tǒng)性能低下,。本文量化資源可靠性為單位時間內(nèi)失效概率,。
    任務信任屬性指網(wǎng)格用戶提交任務請求時，對任務運行的安全性和可靠性要求,。分別采用任務安全級別與可靠性級別量化任務信任屬性,。

    定義3 信任關系：根據(jù)調(diào)度過程中任務對資源信任值的要求，二者之間的信任關系可以分為強信任關系,、弱信任關系和無信任關系,。
    （1）強信任關系指調(diào)度時任務的安全性和可靠性需求級別必須高于所分配資源的固有屬性值。如果不存在滿足條件的資源,，則此任務將被放棄,。其最終效益值或者為最大，或者為零,。
    （2）弱信任關系指調(diào)度算法盡量保證任務信任屬性值高于資源的信任屬性值,，此時可獲得最大效益；否則,，可以降低任務的信任需求,，但是其信任效益值隨之下降。
    （3）無信任關系指在調(diào)度過程中不考慮任務和資源間的信任關系,，僅以完成時間最小為目標,。
    定義4 資源調(diào)度的最小完成時間計算：在網(wǎng)格環(huán)境中，考慮任務之間沒有通信和數(shù)據(jù)依賴的集合,，即元任務,。那么要將m個資源M={m1，m2,，…,，mm}以合理的方式調(diào)度到n個元任務T={t1，t2,，…,，tn}的過程中，目的是得到盡可能小的總執(zhí)行時間(makespan),。n個元任務在m個資源的預測執(zhí)行時間ETC(Expected Time to Compute)是一個m×n的矩陣,，矩陣中的每一行代表某一個任務在m個資源上的不同時間，每一列代表某一資源上的m個任務的不同執(zhí)行時間。
    第i個任務在第j個資源上的預測最小完成時間(Minimum Completion Time)記為MCT(i,，j),，則n個元任務在m個資源上的預測最小完成時間也是一個 m×n的矩陣，筆者僅考慮以下決定因素：
    (1)ETC(i,，j)：任務i在資源j上的預測執(zhí)行時間,。
    (2)CSTART(j)：資源j最早可用時間。
    以上這些數(shù)據(jù)可以通過網(wǎng)格中NWS(Network Weather Service)和MDS(Monitoring and Discovery Service)組件來獲取,。
    定義MCT(i,，j)的計算公式為:
    MCT(i，j)=ETC(i,，j)+CSTART(j)          (9)
2 算法
    首先將具有強信任關系和弱信任關系的任務各分為一類,，把無信任關系的任務歸為第三類；然后,，先對有信任關系的任務進行調(diào)度,，計算有信任關系的每個任務在各網(wǎng)格計算資源上的最大信任效益函數(shù)值，選擇信任效益最大的任務—資源對進行映射,；再計算無信任關系的任務在各網(wǎng)格計算資源上的最小完成時間,，選擇完成時間最小的任務―資源對進行映射。算法描述為：
    Trust Mintime Min-Min()
    輸入：任務和資源信任信息,，ETC矩陣
    輸出：任務映射方案map
    初始化：令T為所有任務的集合,，M為所有資源的集合，集合TR=?覫保存任務―資源對,，變量k用于計數(shù),。
    根據(jù)信任關系（strong、weak ,、no）將任務集合T分為三個不相交的子集合class1,，class2，classno
    令k=1;
    Repeat
        if(classk不為空)
           TR置為空,；
           for classk中每一個任務ti
            for  M中每一個資源mj
               if資源mj能滿足任務ti的信任需求
                計算ti在mj上的信任效益
                    TrustUtil(i,，j)；
               endif
             endfor
           if所有資源均無法滿足任務ti的信任需求
            將ti從T中刪除,；
           else  找出使任務的信任效益值最大的資源,，
                將此任務—資源對保存到TR中
           endfor
       從TR中找出信任值最大任務資源對(ti，mj),；
       將ti分配到mj任務隊列末尾，從classk中刪除ti;
       endif
    if(classk為空)
        K=k+1;
    endif
       until (k>2)
       if  (classno不為空)
        for  classno中的每個任務ti
           for資源M中的每一個資源mj
             計算MCT(i,，j)
           endfor
           找到使任務的最小完成時間MCT最小的資
            源,，將此任務—資源對保存到TR中;
        endfor
        從TR中找出MCT最小的任務資源對(ti,mj);
        將ti分配到mj任務隊列末尾，從classno中刪
            除ti;
       endif
    until(classno為空)
3 仿真實驗
3.1 實驗內(nèi)容與設置
    仿真試驗考察了20~50個計算資源組成的網(wǎng)格系統(tǒng)對1~200個獨立任務構成集合調(diào)度的情況。
    資源安全級別JR和任務安全級別JS在這4個級別{poor,，low,，medium，high}內(nèi)隨機產(chǎn)生,。資源的單位時間失效率FR在區(qū)間[0.000 1,，0.001 5]上隨機生成。任務需求級別JR在強,、弱信任關系的情況下根據(jù)公式JR=(0.9+0.1×rand)×exp(10-4×任務數(shù)/主機數(shù))生成,。根據(jù)參考文獻[8]中方案取μtask=μmach=100，Vtask=Vmach=0.6,。設置變量1≤Vq≤4控制任務與資源間的信任關系,，生成一個[0，1]間隨機數(shù),，如果該數(shù)小于0.25 Vq,，則稱兩者具有強信任關系；該數(shù)小于0.5 Vq為弱信任關系,；否則為無信任關系,。信任效益函數(shù)式(7)中w1和w2均取值為0.5。
3.2 實驗結果和性能分析
    設置200個獨立任務在50個異構資源進行調(diào)度,。如圖1所示,，顯示了30個資源負載情況，可以看出本文提出的Trust Mintime Min-Min算法負載平衡性明顯優(yōu)于傳統(tǒng)的Min-Min算法,。

    由于考慮了信任關系,，將任務提交到信任度較高的資源上執(zhí)行，如圖2所示,，Trust Mintime Min-Min算法大大提高了任務提交的成功率,，資源也得到有效的利用。

    圖3和圖4分別給出了在網(wǎng)格環(huán)境中正常運行和有10%的任務存在惡意請求的情況下的兩種算法的Makespan,。從圖中可以明顯看出,，隨著任務數(shù)目的增加，本文提出的Trust Mintime Min-Min算法在任務總的執(zhí)行時間越來越少于Min-Min算法,，特別是在網(wǎng)格環(huán)境中存在惡意行為的情況下更為明顯,。

    仿真結果證明Trust Mintime Min-Min算法在資源負載、任務總的執(zhí)行時間等方面較經(jīng)典的Min-Min算法有所提高,?？紤]到信任關系，在一定程度上提高了網(wǎng)格系統(tǒng)的安全性和可靠性,，保證了網(wǎng)格系統(tǒng)的正常運行,。
參考文獻
[1] AZZEDIN F,，MAHESWARAN M.Integrating trust into gridresource management systems[C].2002 International Conference on Parallel Processing(ICPP 2002).Canada：IEEE Press 2002：47-54.
[2] HUMPHREY M，THOMPSON M R.Security implication of  typical grid computing usage scenario[C].IEEE Proc HPDC. USA：IEEE Press,，2001：95-103.
[3] ABAWAJY J H.Fault-tolerant scheduling policy for grid  computing systems[C].Proc IPDPS 2004.USA：IEEE Press,，2004：50-58.
[4] DOGAN A，OZGUNER F.Matching and scheduling algorithms for minimizing execution time and failure probalitity of applications in heterogeneous computing[J]. IEEE Trans on Parallel and Distributed Systems,，2002,，13(3)：308-323.
[5] SONG S，KWOK Y K,，HWANG K.Trusted job scheduling in open computional grids：Security-driven heuristics and a fast genetic algorithm[C].proceedings of the 19th IEEE International parallel & Distributed Proceessing Symposium (IPDPS-2005).Denver,，CO，USA：IEEE Press,，2005：33-40.
[6] 唐小勇,，李肯立.網(wǎng)格經(jīng)濟模型中基于信任機制的調(diào)度算法[J].計算機應用研究，2008,，25(8)：2357-2361.
[7] 張偉哲,，劉欣然，云小春,，等.信任驅(qū)動的網(wǎng)格作業(yè)調(diào)度算法[J].通信學報,，2006，27(2)：73-79.
[8] SHOUKAT A,，HOWARD J S,，MUTHUCUMARU M，et al. Task execution time modeling for heterogeneous computing systems[C].IPDPS Workshop on Heterogeneous Computing. Cancun,，Mexic：IEEE Press,，2000：185-199.