專利名稱：基于日志特征分析的機(jī)群負(fù)載模型及其建模方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信領(lǐng)域計(jì)算機(jī)機(jī)群性能評估技術(shù)中的負(fù)載仿真模型，尤其涉及一種基于日志特征分析的機(jī)群負(fù)載模型及其建模方法。

背景技術(shù)：
機(jī)群是當(dāng)今高性能計(jì)算中一種質(zhì)優(yōu)價(jià)廉的解決方案，隨著機(jī)群技術(shù)的成熟與成本的降低，它的規(guī)模增長也是越來越快。但機(jī)群性能的提升與規(guī)模的增長并不是一種線性關(guān)系，這就需要機(jī)群的設(shè)計(jì)人員及用戶綜合權(quán)衡成本與性能兩個(gè)主要因素。
目前，機(jī)群性能評估的方法主要有兩種一種是在真實(shí)環(huán)境下運(yùn)行同一基準(zhǔn)的Linpack Benchmark測試程序，比較計(jì)算峰值(如Top500排行)；一種是在仿真環(huán)境下通過建立一系列模型，模擬真實(shí)機(jī)群系統(tǒng)的工作過程，獲得并比較仿真數(shù)據(jù)。其中，前者多用于產(chǎn)業(yè)界，而后者則多用于學(xué)術(shù)界。
以上兩種方法都存在著自身的缺陷 首先，Linpack Benchmark測試程序是以求解方程組的形式來獲取機(jī)群系統(tǒng)的計(jì)算峰值。但機(jī)群系統(tǒng)的真實(shí)應(yīng)用場景與求解方程組之間并沒有必然的聯(lián)系，并且機(jī)群系統(tǒng)以峰值速度運(yùn)行的時(shí)間極為有限。Linpack Benchmark測試方法沒有從用戶的角度來審視一個(gè)機(jī)群系統(tǒng)。
其次，仿真方法的測試結(jié)果不具有廣泛意義上的可比性。由于沒有真實(shí)環(huán)境，仿真測試結(jié)果在很大程度上依賴于模型的構(gòu)建方法和粒度。因此在使用仿真方法進(jìn)行機(jī)群性能評估時(shí)，需要使用同一模型仿真不同應(yīng)用場景下的系統(tǒng)運(yùn)行過程。但由于模型設(shè)計(jì)的側(cè)重點(diǎn)不同，同樣一組應(yīng)用場景在使用不同模型進(jìn)行仿真，得到的評估結(jié)果可能不同。
再次，仿真方法存在如何生成系統(tǒng)負(fù)載的問題。與真實(shí)環(huán)境相比，仿真模型不能運(yùn)行Linpack Benchmark測試程序，需要設(shè)計(jì)人員自行安排一組負(fù)載作為機(jī)群模型評估的輸入。目前，常用的方法有兩種一種是以真實(shí)應(yīng)用環(huán)境下記錄的日志文件作為機(jī)群模型的負(fù)載；一種是根據(jù)某種概率分布，通過隨機(jī)數(shù)的方式產(chǎn)生機(jī)群負(fù)載。但日志文件會帶有所屬機(jī)構(gòu)的使用特點(diǎn)，而傳統(tǒng)的概率分布(如泊松分布)又缺乏對真實(shí)應(yīng)用的刻畫。
鑒于現(xiàn)有仿真方法中，機(jī)群負(fù)載生成方法的缺陷，我們迫切需要一種新的技術(shù)解決方案，能夠抽象大部分負(fù)載日志所表現(xiàn)出的特征，通過構(gòu)建與之相匹配的統(tǒng)計(jì)學(xué)模型，只需要調(diào)整少量的參數(shù)，即可生成與歷史使用經(jīng)驗(yàn)相符合的機(jī)群負(fù)載。


發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于日志特征分析的機(jī)群負(fù)載模型及其建模方法，以解決現(xiàn)有機(jī)群負(fù)載模型及建模方法存在的不足。該方法為機(jī)群性能仿真系統(tǒng)中的負(fù)載生成部分構(gòu)造了一個(gè)多層次的負(fù)載仿真模型，同時(shí)也提供了一種實(shí)行方案。
本發(fā)明的負(fù)載模型包含有機(jī)群負(fù)載的歷史數(shù)據(jù)庫、作業(yè)到達(dá)時(shí)間子模型、作業(yè)并行度子模型、作業(yè)執(zhí)行時(shí)間子模型以及作業(yè)類型子模型。
其中機(jī)群負(fù)載的歷史數(shù)據(jù)庫是通過整合用戶以往的機(jī)群使用經(jīng)驗(yàn)及多個(gè)科研單位公開的機(jī)群使用日志所建立的，記錄了每個(gè)作業(yè)的到達(dá)時(shí)間、要求處理器數(shù)量、使用處理器數(shù)量、開始時(shí)間、結(jié)束時(shí)間； 子模型根據(jù)歷史數(shù)據(jù)和統(tǒng)計(jì)函數(shù)建立，各子模型采用的統(tǒng)計(jì)函數(shù)的形式是一定的，函數(shù)中的參數(shù)隨歷史數(shù)據(jù)的變化而變化。各子模型在調(diào)用順序上有一定的約束 ●作業(yè)到達(dá)時(shí)間子模沒有調(diào)用順序約束； ●作業(yè)并行度子模型、作業(yè)執(zhí)行時(shí)間子模型以及作業(yè)類型子模型的調(diào)用順序?yàn)樽鳂I(yè)并行度子模型→作業(yè)執(zhí)行時(shí)間子模型→作業(yè)類型子模型 本發(fā)明的建模方法是根據(jù)用戶以往的機(jī)群使用經(jīng)驗(yàn)及多個(gè)科研單位公開的機(jī)群使用日志建立機(jī)群負(fù)載的歷史數(shù)據(jù)庫，再通過統(tǒng)計(jì)分析各項(xiàng)歷史數(shù)據(jù)確定各子模型中參數(shù)的取值，然后按照上文所述的順序調(diào)用各子模型得到一個(gè)作業(yè)，最后由大量作業(yè)組成一個(gè)機(jī)群負(fù)載。
本發(fā)明中各子模型的建模方法為 作業(yè)到達(dá)時(shí)間子模型作業(yè)到達(dá)時(shí)間子模型又分為兩部分，周作業(yè)模型和天作業(yè)模型，分別模擬了一周內(nèi)每天到達(dá)的作業(yè)數(shù)量和一天內(nèi)每個(gè)作業(yè)的到達(dá)時(shí)間。
周作業(yè)模型的建模方法為 步驟一根據(jù)作業(yè)的提交時(shí)間，統(tǒng)計(jì)歷史數(shù)據(jù)庫中各周的作業(yè)總數(shù)，然后使用極大似然估計(jì)法確定三參數(shù)Gamma分布中三個(gè)參數(shù)的值，并依據(jù)該Gamma分布生成一個(gè)隨機(jī)數(shù)，作為本周到達(dá)的作業(yè)總數(shù)T；其中，Gamma分布的三個(gè)參數(shù)為形狀參數(shù)(shapeparameter)、尺度參數(shù)(scale parameter)和位置參數(shù)(location parameters)； 步驟二根據(jù)作業(yè)的提交時(shí)間，統(tǒng)計(jì)歷史數(shù)據(jù)庫中一周內(nèi)每天的作業(yè)總數(shù)，以星期三為分割點(diǎn)，確定作業(yè)是集中在前半周(周一到周三)還是后半周(周四到周日)到達(dá)，并依據(jù)(1.2，1.6)均勻分布生成一個(gè)隨機(jī)數(shù)α2； 步驟三若作業(yè)集中在前半周到達(dá)，則依據(jù)(α2-0.4，α2-0.1)均勻分布生成隨機(jī)數(shù)α1，否則依據(jù)(α2+0.1，α2+0.3)均勻分布生成隨機(jī)數(shù)α1；若得到的α1小于1，則令α1等于1； 步驟四令x的取值依次為2，3，…，6，并根據(jù)公式px＝Beta(x，α1，α2，1，7)×100％計(jì)算x在不同取值情況下px的值；其中Beta為Beta分布對應(yīng)的密度函數(shù)，px代表星期x到達(dá)的作業(yè)總數(shù)占一周作業(yè)總數(shù)的百分比； 步驟五根據(jù)步驟一中得到的周一和周日到達(dá)的作業(yè)數(shù)量的比確定一個(gè)系數(shù)n

然后根據(jù)公式計(jì)算周一和周日到達(dá)作業(yè)總數(shù)占一周作業(yè)總數(shù)的百分比； 步驟六令x的取值依次為1，2，3，…，7，根據(jù)公式T×px計(jì)算周一到周日每天到達(dá)的作業(yè)數(shù)量；其中T在步驟一中確定，px的取值在步驟四和步驟五中確定。
天作業(yè)模型的建模方法為 步驟一令已產(chǎn)生的作業(yè)覆蓋的天數(shù)D＝0，即第0天的作業(yè)到達(dá)時(shí)間都已確定； 步驟二根據(jù)歷史數(shù)據(jù)庫中記錄的作業(yè)提交時(shí)間，統(tǒng)計(jì)一天中每個(gè)時(shí)段內(nèi)到達(dá)的作業(yè)數(shù)量，然后使用極大似然估計(jì)法確定公式(1)中的三個(gè)系數(shù)a，b，c。
a×normal(12，4)-b×normal(11.5，1)+c×Gamma(1，1) (1) 步驟三根據(jù)步驟二確定的分布生成隨機(jī)數(shù)t，作為一個(gè)作業(yè)相對于當(dāng)天0點(diǎn)時(shí)刻的提交時(shí)間；若t＜0，則令t＝0，若t＞24，則令t＝24；然后根據(jù)公式D×24+t計(jì)算該作業(yè)相對于第0天的提交時(shí)間(單位為小時(shí))； 步驟四根據(jù)公式mod(D，7)+1確定第D天是星期x，其中mod代表取模運(yùn)算，x的取值為1到7的整數(shù)； 步驟五若已確定到達(dá)時(shí)間的作業(yè)數(shù)量小于T×px(見周作業(yè)模型中步驟六)，則轉(zhuǎn)到步驟三繼續(xù)； 步驟六若已確定到達(dá)時(shí)間的作業(yè)數(shù)量已足夠多，則結(jié)束作業(yè)到達(dá)時(shí)間子模型；否則執(zhí)行步驟七； 步驟七若mod(D，7)+1＝7，即本周內(nèi)所有作業(yè)的到達(dá)時(shí)間均已確定，則調(diào)用周作業(yè)模型，得到下一周每天到達(dá)的作業(yè)量； 步驟八令D＝D+1，跳轉(zhuǎn)至步驟三，繼續(xù)執(zhí)行。
作業(yè)并行度子模型并行度用來描述一個(gè)作業(yè)需要多少處理器才能運(yùn)行。作業(yè)可以分為串行作業(yè)和并行作業(yè)兩種，其中串行作業(yè)在運(yùn)行時(shí)只需要一個(gè)處理器，其并行度為1，而并行作業(yè)需要的處理器數(shù)目至少為2，至多為機(jī)群系統(tǒng)具有的處理器數(shù)量。
作業(yè)并行度子模型的建模方法為 步驟一統(tǒng)計(jì)歷史數(shù)據(jù)庫中，串行作業(yè)占作業(yè)總數(shù)的百分比a，及并行度為2的冪數(shù)的作業(yè)占剩余作業(yè)總數(shù)的百分比b； 步驟二依據(jù)(0，1)均勻分布生成兩個(gè)隨機(jī)數(shù)p和q； 步驟三若p＜a，則判定該作業(yè)為串行作業(yè)，并行度為1，然后返回步驟二繼續(xù)執(zhí)行，確定下一個(gè)作業(yè)的并行度；否則，繼續(xù)執(zhí)行步驟四； 步驟四根據(jù)Gamma(4，0.9)分布生成一個(gè)隨機(jī)數(shù)N；若q＜b，則令N等于與2N的值最接近的2的冪數(shù)；否則，令N等于與2N的值最接近的偶數(shù)； 步驟五重復(fù)執(zhí)行步驟二至步驟四，直至所有作業(yè)到達(dá)時(shí)間子模型生成的作業(yè)的并行度均已確定。
作業(yè)執(zhí)行時(shí)間子模型作業(yè)執(zhí)行時(shí)間是指一個(gè)作業(yè)從開始運(yùn)行到運(yùn)行結(jié)束所持續(xù)的時(shí)間；作業(yè)的執(zhí)行時(shí)間與其并行度存在一定的聯(lián)系，一個(gè)普遍的現(xiàn)象是作業(yè)的并行度越大，其執(zhí)行時(shí)間越長。因此，在調(diào)用作業(yè)執(zhí)行時(shí)間子模型之前，需要先調(diào)用作業(yè)并行度子模型。
作業(yè)執(zhí)行時(shí)間子模型的建模方法為 步驟一以2為底，對歷史數(shù)據(jù)庫中每個(gè)作業(yè)的執(zhí)行時(shí)間(執(zhí)行時(shí)間＝結(jié)束時(shí)間-開始時(shí)間)取對數(shù)；并按照歷史數(shù)據(jù)庫中記錄的作業(yè)的并行度(即使用的處理器數(shù))，把取過對數(shù)后的數(shù)據(jù)分為若干組； 步驟二依次取各組數(shù)據(jù)，使用極大似然估計(jì)法，確定以下分布中的p值 p×Gamma(4，1.5)+(1-p)×Normal(15，0.682) 得到一個(gè)由<并行度，p>數(shù)對組成的集合； 步驟三根據(jù)步驟二得到的數(shù)對集合，使用最小二乘法，確定公式p＝a×并行度+b中系數(shù)a和常數(shù)項(xiàng)b的值； 步驟四取作業(yè)并行度子模型得到的作業(yè)并行度，根據(jù)公式P＝a×作業(yè)并行度+b計(jì)算出P的值；若P＜0，則令P＝0；若P＞1，則令P＝1； 步驟五依據(jù)分布P×Gamma(4，1.5)+(1-P)×Normal(15，0.682)生成一個(gè)隨機(jī)數(shù)r，并令該作業(yè)的執(zhí)行時(shí)間為2r秒； 步驟六重復(fù)執(zhí)行步驟四至步驟五，直至所有作業(yè)到達(dá)時(shí)間子模型生成的作業(yè)的執(zhí)行時(shí)間均已確定。
作業(yè)類型子模型根據(jù)統(tǒng)計(jì)歷史數(shù)據(jù)發(fā)現(xiàn)，作業(yè)提交時(shí)要求的計(jì)算資源數(shù)量和作業(yè)運(yùn)行時(shí)得到的計(jì)算資源數(shù)量可以不相等?；诖税l(fā)現(xiàn)，本發(fā)明所述的作業(yè)類型子模型，將作業(yè)分為剛性作業(yè)和可塑性作業(yè)兩種 ●剛性作業(yè)必須達(dá)到用戶規(guī)定的執(zhí)行條件(如處理器數(shù)量)才可以執(zhí)行的作業(yè)； ●可塑性作業(yè)由機(jī)群作業(yè)管理系統(tǒng)中的調(diào)度程序決定計(jì)算資源數(shù)量的一類作業(yè)，且在作業(yè)開始執(zhí)行后計(jì)算資源數(shù)量不能改變。
對于剛性作業(yè)，本發(fā)明所述的機(jī)群負(fù)載模型認(rèn)為，經(jīng)過作業(yè)到達(dá)時(shí)間子模型、作業(yè)并行度子模型、作業(yè)執(zhí)行時(shí)間子模型后，已充分刻畫了該作業(yè)的特征； 對于可塑性作業(yè)，本發(fā)明所述的機(jī)群負(fù)載模型認(rèn)為，由于這種類型作業(yè)的并行度在執(zhí)行時(shí)可能發(fā)生變化(被機(jī)群作業(yè)管理系統(tǒng)中的調(diào)度程序改變)，有必要為該類作業(yè)提供一個(gè)加速比關(guān)系，用來刻畫機(jī)群作業(yè)管理系統(tǒng)中的調(diào)度程序改變作業(yè)并行度時(shí)，對作業(yè)執(zhí)行時(shí)間的影響。
加速比關(guān)系需要使用到之前作業(yè)并行度子模型和作業(yè)執(zhí)行時(shí)間子模型輸出的作業(yè)并行度和作業(yè)執(zhí)行時(shí)間。
可塑性作業(yè)的加速比關(guān)系為 步驟一統(tǒng)計(jì)歷史數(shù)據(jù)庫中，要求處理器數(shù)量和使用處理器數(shù)量不相等的作業(yè)數(shù)，占作業(yè)總數(shù)的百分比q； 步驟二依據(jù)(0，1)均勻分布生成一個(gè)隨機(jī)數(shù)p；若p＞q，則判定該作業(yè)為剛性作業(yè)，跳轉(zhuǎn)至步驟六；否則，判定該作業(yè)為可塑性作業(yè)，繼續(xù)執(zhí)行步驟三； 步驟三分別依據(jù)(0.04，4)均勻分布和(1，100)均勻分布生成兩個(gè)隨機(jī)數(shù)c1和c2； 步驟四根據(jù)公式T＝并行度×執(zhí)行時(shí)間-并行度×(并行度-1)×c1-c2計(jì)算當(dāng)并行度為1時(shí)的作業(yè)執(zhí)行時(shí)間T； 步驟五可塑性作業(yè)的加速比關(guān)系為其中n表示機(jī)群作業(yè)管理系統(tǒng)中的調(diào)度程序確定的作業(yè)并行度，t表示在該并行度下作業(yè)的執(zhí)行時(shí)間； 步驟六重復(fù)執(zhí)行步驟二至步驟五，至所有作業(yè)到達(dá)時(shí)間子模型生成的作業(yè)的執(zhí)行時(shí)間均已確定。
本發(fā)明一種模擬實(shí)際應(yīng)用的機(jī)群負(fù)載模型及其建模方法，其優(yōu)點(diǎn)及功效在于該方法為機(jī)群性能仿真系統(tǒng)中的負(fù)載生成部分構(gòu)造了一個(gè)多層次的負(fù)載仿真模型，能夠抽象大部分負(fù)載日志所表現(xiàn)出的特征，通過構(gòu)建與之相匹配的統(tǒng)計(jì)學(xué)模型，只需要調(diào)整少量的參數(shù)，即可生成與歷史使用經(jīng)驗(yàn)相符合的機(jī)群負(fù)載。



圖1機(jī)群負(fù)載模型流程結(jié)構(gòu)示意圖 圖2子模型參數(shù)確定流程示意圖 圖3(a)周作業(yè)到達(dá)模型流程示意圖 圖3(b)天作業(yè)到達(dá)模型流程示意圖 圖4作業(yè)并行度模型流程示意圖 圖5作業(yè)執(zhí)行時(shí)間模型流程示意圖 圖6作業(yè)類型模型流程示意圖
具體實(shí)施例方式 為了使本發(fā)明的目的和技術(shù)方案更加清楚明白，以下結(jié)合參照附圖，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。
如圖1所示，為實(shí)施本發(fā)明中所述機(jī)群負(fù)載模型的流程結(jié)構(gòu)示意圖，該模型僅需要運(yùn)行在一臺主機(jī)上，由機(jī)群負(fù)載歷史數(shù)據(jù)庫和機(jī)群作業(yè)模型兩大部分組成。
機(jī)群負(fù)載歷史數(shù)據(jù)庫中存儲了機(jī)群用戶提供的負(fù)載歷史記錄和其他機(jī)構(gòu)公開的負(fù)載歷史記錄，這些記錄應(yīng)包含每個(gè)作業(yè)的到達(dá)(提交)時(shí)間、要求處理器數(shù)量、使用處理器數(shù)量、開始時(shí)間、結(jié)束時(shí)間等信息； 機(jī)群作業(yè)模型按照作業(yè)到達(dá)時(shí)間子模型→作業(yè)并行度子模型→作業(yè)執(zhí)行時(shí)間子模型→作業(yè)類型子模型的順序產(chǎn)生一個(gè)機(jī)群作業(yè)，各子模型在運(yùn)行之初，都需要根據(jù)歷史數(shù)據(jù)庫中的記錄確定子模型中的參數(shù)值，重復(fù)這一過程直至生成足夠多的機(jī)群作業(yè)，組成一組機(jī)群負(fù)載。
如圖2所示，圖2為本發(fā)明在各子模型參數(shù)確定部分的流程；雖然各子模型使用的分布函數(shù)形式不同，要確定的參數(shù)也不同，但它們的計(jì)算原理是相同的；其具體步驟為 步驟000根據(jù)不同的子模型，從歷史數(shù)據(jù)庫中選擇相應(yīng)數(shù)據(jù) ●作業(yè)到達(dá)時(shí)間子模型需要提取歷史數(shù)據(jù)庫中每個(gè)作業(yè)的到達(dá)時(shí)間數(shù)據(jù)項(xiàng)； ●作業(yè)并行度子模型需要提取每個(gè)作業(yè)使用處理器數(shù)量數(shù)據(jù)項(xiàng)； ●作業(yè)執(zhí)行時(shí)間子模型需要提取每個(gè)作業(yè)的開始時(shí)間和結(jié)束時(shí)間數(shù)據(jù)項(xiàng)； ●作業(yè)類型子模型需要提取每個(gè)作業(yè)的要求處理器數(shù)量和使用處理器數(shù)量數(shù)據(jù)項(xiàng)； 步驟001根據(jù)不同的子模型，選擇相應(yīng)的分布函數(shù)及子模型中待確定的參數(shù)。為了方便本發(fā)明所述機(jī)群作業(yè)模型的使用，各子模型中統(tǒng)計(jì)函數(shù)的形式均已確定，僅部分參數(shù)沒有確定。
●作業(yè)到達(dá)時(shí)間子模型待定的參數(shù)為 ■Gamma(α，β，L)分布中的參數(shù)α，β，L； ■以星期三為分割點(diǎn)，作業(yè)是集中在前半周(周一到周三)還是后半周(周四到周日)到達(dá)； ■周一和周日到達(dá)的作業(yè)數(shù)量的比例系數(shù)n ■a×normal(12，4)-b×normal(11.5，1)+c×Gamma(1，1)分布中的系數(shù)a，b，c； ●作業(yè)并行度子模待定的參數(shù)為 ■串行作業(yè)占作業(yè)總數(shù)的百分比a； ■并行度為2的冪數(shù)的作業(yè)占剩余作業(yè)總數(shù)的百分比b； ●作業(yè)執(zhí)行時(shí)間子模型待定的參數(shù)為 ■p×Gamma(4，1.5)+(1-p)×Normal(15，0.682)分布中的系數(shù)p； ■公式p＝a×并行度+b中系數(shù)a和常數(shù)項(xiàng)b； ●作業(yè)類型子模型待定的參數(shù)為 ■要求處理器數(shù)和使用處理器數(shù)不等的作業(yè)數(shù)占作業(yè)總數(shù)的百分比q； 步驟002根據(jù)不同的子模型，確定相應(yīng)的分布函數(shù)及子模型中待確定的參數(shù)。
●作業(yè)到達(dá)時(shí)間子模型 ■Gamma(α，β，L)分布中的參數(shù)α，β，L，采用極大似然估計(jì)法確定參數(shù)值，樣本數(shù)據(jù)為每周到達(dá)的作業(yè)總數(shù)； ■將歷史數(shù)據(jù)庫中作業(yè)提交時(shí)間換算成星期數(shù)，然后以星期三為分割點(diǎn)，確定作業(yè)是集中在前半周(周一到周三)還是后半周(周四到周日)到達(dá)若

則集中在前半周，否則集中在后半周； ■周一和周日到達(dá)的作業(yè)數(shù)量的比例系數(shù)n
■a×normal(12，4)-b×normal(11.5，1)+c×Gamma(1，1)分布中的系數(shù)a，b，c，采用極大似然估計(jì)法確定參數(shù)值，樣本數(shù)據(jù)為一天中每個(gè)時(shí)段內(nèi)到達(dá)的作業(yè)數(shù)量； ●作業(yè)并行度子模待定的參數(shù)為 ■串行作業(yè)占作業(yè)總數(shù)的百分比a
■并行度為2的冪數(shù)的作業(yè)占剩余作業(yè)總數(shù)的百分比b
●作業(yè)執(zhí)行時(shí)間子模型待定的參數(shù)為 ■p×Gamma(4，1.5)+(1-p)×Normal(15，0.682)分布中的系數(shù)p，理想情況是一個(gè)并行度對應(yīng)一個(gè)p值，因此會后很多<并行度，p>數(shù)對，采用極大似然估計(jì)法確定不同并行度下的p值，樣本數(shù)據(jù)為不同并行度(使用處理器數(shù)量)作業(yè)組成的集合； ■公式p＝a×并行度+b中系數(shù)a和常數(shù)項(xiàng)b；采用最小二乘法確定參數(shù)值，樣本數(shù)據(jù)為上述的<并行度，p>數(shù)對集合； ●作業(yè)類型子模型待定的參數(shù)為 ■要求處理器數(shù)和使用處理器數(shù)不等的作業(yè)數(shù)占作業(yè)總數(shù)的百分比q
步驟003確定各子模型中的所有參數(shù)值；為便于說明本發(fā)明后續(xù)所述的機(jī)群作業(yè)模型，現(xiàn)使用一組可能的各子模型中參數(shù)的值； ●作業(yè)到達(dá)時(shí)間子模型 ■Gamma(α，β，L)分布中的參數(shù)α＝11.35，β＝176.87，L＝-364.06； ■作業(yè)集中在前半周(周一到周三)到達(dá)； ■周一和周日到達(dá)的作業(yè)數(shù)量的比例系數(shù)n＝0.58； ■a×normal(12，4)-b ×normal(11.5，1)+c×Gamma(1，1)分布中的系數(shù)a＝1.035，b＝-0.105，c＝0.07； ●作業(yè)并行度子模待定的參數(shù)為 ■串行作業(yè)占作業(yè)總數(shù)的百分比a＝25％； ■并行度為2的冪數(shù)的作業(yè)占剩余作業(yè)總數(shù)的百分比b＝75％； ●作業(yè)執(zhí)行時(shí)間子模型待定的參數(shù)為 ■公式p＝a×并行度+b中系數(shù)a＝-0.006，常數(shù)項(xiàng)b＝0.78； ●作業(yè)類型子模型待定的參數(shù)為 ■要求處理器數(shù)和使用處理器數(shù)不等的作業(yè)數(shù)占作業(yè)總數(shù)的百分比q＝5％； 如圖3所示，圖3(a)為本發(fā)明在作業(yè)到達(dá)時(shí)間子模型中周作業(yè)模型的建模方法，圖3(b)為天作業(yè)模型的建模方法。其具體步驟為 步驟100令一周到達(dá)作業(yè)總數(shù)服從Gamma(11.35，176.87，-364.06)分布，依該分布產(chǎn)生一個(gè)隨機(jī)數(shù)T，轉(zhuǎn)入步驟101； 步驟101依(1.2，1.6)均勻分布產(chǎn)生一個(gè)隨機(jī)數(shù)α2，作為后續(xù)函數(shù)的一個(gè)參數(shù)，轉(zhuǎn)入步驟102； 步驟102以星期三為分割點(diǎn)，若作業(yè)集中在前半周(周一到周三)到達(dá)，則執(zhí)行步驟103；否則，執(zhí)行步驟104； 步驟103依(α2-0.4，α2-0.1)均勻分布生成隨機(jī)數(shù)α1，作為后續(xù)函數(shù)的一個(gè)參數(shù)，轉(zhuǎn)入步驟105； 步驟104依(α2+0.1，α2+0.3)均勻分布生成隨機(jī)數(shù)α1，作為后續(xù)函數(shù)的一個(gè)參數(shù)，轉(zhuǎn)入步驟107； 步驟105若α1＜1，則執(zhí)行步驟106，否則，執(zhí)行步驟107； 步驟106令α1＝1，轉(zhuǎn)入步驟107； 步驟107根據(jù)公式px＝Beta(x，α1，α2，1，7)×100％計(jì)算周二到周六每天到達(dá)作業(yè)的數(shù)量占一周作業(yè)總數(shù)的百分比。其中，x為星期數(shù)，取值范圍為{2，3，…，6}，Beta為Beta分布對應(yīng)的概率密度函數(shù)，α1、α2為Beta密度函數(shù)中的兩個(gè)形狀參數(shù)(shapeparameters)，1和7為Beta分布的界限，轉(zhuǎn)入步驟108； 步驟108根據(jù)以下兩個(gè)公式計(jì)算周一和周日到達(dá)作業(yè)數(shù)量占一周作業(yè)總數(shù)的百分比 轉(zhuǎn)入步驟109； 步驟109根據(jù)公式T×px計(jì)算周一到周七，每天到達(dá)的作業(yè)數(shù)量Tx。其中T由步驟100得到。
至此，已完成周作業(yè)模型的建模過程； 下面是天作業(yè)模型的具體步驟 步驟110令產(chǎn)生作業(yè)覆蓋的天數(shù)D＝0，即當(dāng)前已產(chǎn)生了D天的作業(yè)到達(dá)情況；轉(zhuǎn)入步驟111； 步驟111依分布1.035×normal(12，4)-0.105×normal(11.5，1)+0.07×Gamma(1，1)生成一個(gè)隨機(jī)數(shù)t，其中normal為正態(tài)分布；轉(zhuǎn)入步驟112； 步驟112調(diào)整t的取值。若t＜0，則執(zhí)行步驟113；否則，執(zhí)行步驟114； 步驟113令t＝0，轉(zhuǎn)入步驟116； 步驟114調(diào)整t的取值。若t＞24，則執(zhí)行步驟115；否則，執(zhí)行步驟116； 步驟115令t＝24，轉(zhuǎn)入步驟116； 步驟116令作業(yè)到達(dá)時(shí)間＝D×24+t(單位小時(shí))，其中t可理解為第D天內(nèi)的相對時(shí)間，作業(yè)到達(dá)時(shí)間為相對于作業(yè)到達(dá)時(shí)間模型開始運(yùn)行時(shí)的時(shí)間；轉(zhuǎn)入步驟117； 步驟117令x＝mod(D，7)+1，即D除以7所得的余數(shù)加1，其中D為已產(chǎn)生作業(yè)的天數(shù)，x值代表了當(dāng)前這一天的星期數(shù)(星期x)；轉(zhuǎn)入步驟118； 步驟118若星期x的作業(yè)數(shù)量已達(dá)到該天的作業(yè)總數(shù)Tx，則執(zhí)行步驟119；否則，執(zhí)行步驟120； 步驟119令D＝D+1，代表已產(chǎn)生了D天到達(dá)的作業(yè)，后續(xù)的作業(yè)為D+1天到達(dá)；轉(zhuǎn)入步驟120； 步驟120判斷模型是否可以結(jié)束的條件。若作業(yè)的數(shù)量已足夠多，則執(zhí)行步驟123；否則，執(zhí)行步驟121； 步驟121若已產(chǎn)生一周到達(dá)的作業(yè)量，則執(zhí)行步驟122；否則，執(zhí)行步驟111； 步驟122使用步驟100至步驟109(圖2(a))所述的方法，產(chǎn)生下一周作業(yè)到達(dá)的情況；轉(zhuǎn)入步驟111； 步驟123作業(yè)到達(dá)時(shí)間模型過程結(jié)束。
如圖4所示，圖4為本發(fā)明在機(jī)群負(fù)載生成模型中對作業(yè)并行度進(jìn)行建模的方法，其具體步驟為 步驟200依據(jù)(0，1)均勻分布產(chǎn)生一個(gè)隨機(jī)數(shù)p； 步驟201根據(jù)步驟200產(chǎn)生的隨機(jī)數(shù)p，判定該作業(yè)是否是并行作業(yè)。若0＜p＜0.25，則該作業(yè)為串行作業(yè)，執(zhí)行步驟202；否則該作業(yè)為并行作業(yè)，執(zhí)行步驟203； 步驟202確定該作業(yè)的并行度為1，轉(zhuǎn)入步驟208； 步驟203依據(jù)(0，1)均勻分布產(chǎn)生一個(gè)隨機(jī)數(shù)q，轉(zhuǎn)入步驟204； 步驟204依據(jù)Gamma(4，0.9)分布產(chǎn)生一個(gè)隨機(jī)數(shù)N。Gamma分布的對應(yīng)關(guān)系為α＝4，β＝0.9，轉(zhuǎn)入步驟205； 步驟205根據(jù)步驟203產(chǎn)生的隨機(jī)數(shù)q，判定該作業(yè)的并行度是否一定為2的冪數(shù)。若0＜q＜0.75，則該作業(yè)的并行度是2的冪數(shù)，執(zhí)行步驟206；否則，該作業(yè)的并行度可以不是2的冪數(shù)，執(zhí)行步驟207； 步驟206令步驟204產(chǎn)生的隨機(jī)數(shù)N等于與2N值最接近(差的絕對值最小)的2的冪數(shù)，轉(zhuǎn)入步驟207； 步驟207令該作業(yè)的并行度等于值最接近(差的絕對值最小)2N的偶數(shù)，轉(zhuǎn)入步驟208； 步驟208作業(yè)并行度模型過程結(jié)束。
如圖5所示，圖5為本發(fā)明在機(jī)群負(fù)載生成模型中對作業(yè)執(zhí)行時(shí)間進(jìn)行建模的方法，其具體步驟為 步驟300依據(jù)以下公式計(jì)算y值 y＝-0.006×并行度+0.78 其中并行度由作業(yè)并行度模型生成，轉(zhuǎn)入步驟301； 步驟301根據(jù)步驟300得到的值y，確定y的取值。若y＜0，執(zhí)行步驟302；否則，執(zhí)行步驟303； 步驟302令y＝0，轉(zhuǎn)入步驟305； 步驟303根據(jù)步驟300得到的值y，確定y的取值。若y＞1，執(zhí)行步驟304；否則，執(zhí)行步驟305； 步驟304令y＝1，轉(zhuǎn)入步驟305； 步驟305依據(jù)分布y×Gamma(4，1.5)+(1-y)×Normal(15，0.682)產(chǎn)生一個(gè)隨機(jī)數(shù)r，轉(zhuǎn)入步驟306； 步驟306令該作業(yè)的執(zhí)行時(shí)間等于2r秒，轉(zhuǎn)入步驟307； 步驟307作業(yè)執(zhí)行時(shí)間模型過程結(jié)束。
如圖6所示，圖6為本發(fā)明在負(fù)載組成模型中對作業(yè)類型進(jìn)行建模的方法，其具體步驟為 步驟400依(0，1)均勻分布生成一個(gè)隨機(jī)數(shù)p，轉(zhuǎn)入步驟401； 步驟401令可塑性作業(yè)占作業(yè)總量的百分比q＝5，轉(zhuǎn)入步驟402； 步驟402若p×100＜q，則執(zhí)行步驟403；否則，執(zhí)行步驟404； 步驟403判定該作業(yè)為可塑性作業(yè)，轉(zhuǎn)入步驟405； 步驟404判定該作業(yè)為剛性作業(yè)，轉(zhuǎn)入步驟409； 步驟405依(0.04，4)均勻分布生成一個(gè)隨機(jī)數(shù)c1，轉(zhuǎn)入步驟406； 步驟406依(1，100)均勻分布生成一個(gè)隨機(jī)數(shù)c2，轉(zhuǎn)入步驟407； 步驟407根據(jù)下面的公式計(jì)算T T＝并行度×執(zhí)行時(shí)間-并行度×(并行度-1)×c1-c2 其中，T為并行度為1時(shí)作業(yè)的執(zhí)行時(shí)間，并行度由作業(yè)并行度模型確定，執(zhí)行時(shí)間由作業(yè)執(zhí)行時(shí)間模型確定，c1、c2為步驟405和步驟406確定；轉(zhuǎn)入步驟408； 步驟408可塑性作業(yè)的執(zhí)行時(shí)間加速關(guān)系為 其中，t為作業(yè)的執(zhí)行時(shí)間，T由步驟407確定，n為作業(yè)的并行度，c1、c2為步驟405和步驟406確定；該模型描述了可塑性作業(yè)使用計(jì)算資源數(shù)量與執(zhí)行時(shí)間之間的關(guān)系。轉(zhuǎn)入步驟409； 步驟409負(fù)載組成模型過程結(jié)束。
從上面對本發(fā)明具體實(shí)施方式
的描述中可以看出，本發(fā)明的機(jī)群負(fù)載模型建模方法，給出了對一個(gè)作業(yè)進(jìn)行了全面建模的過程；在模型的各部分，使用了多種的分布規(guī)律，并提供了源自于歷史數(shù)據(jù)參數(shù)，不同的歷史數(shù)據(jù)將得到不同的參數(shù)值；這些參數(shù)將實(shí)際應(yīng)用的特征引入到機(jī)群負(fù)載模型當(dāng)中，使該模型能夠較好地模擬實(shí)際應(yīng)用，同時(shí)，模型使用人員也可以根據(jù)需要，進(jìn)行手動微調(diào)，以生成符合要求的機(jī)群負(fù)載，這對于本技術(shù)領(lǐng)域的技術(shù)人員是很容易的，這里就不再贅述。
權(quán)利要求
1、一種基于日志特征分析的機(jī)群負(fù)載模型，其特征在于該機(jī)群負(fù)載模型包含有機(jī)群負(fù)載的歷史數(shù)據(jù)庫、作業(yè)到達(dá)時(shí)間子模型、作業(yè)并行度子模型、作業(yè)執(zhí)行時(shí)間子模型以及作業(yè)類型子模型；其中機(jī)群負(fù)載的歷史數(shù)據(jù)庫是通過整合用戶以往的機(jī)群使用經(jīng)驗(yàn)及多個(gè)科研單位公開的機(jī)群使用日志所建立的，記錄了每個(gè)作業(yè)的到達(dá)時(shí)間、要求處理器數(shù)量、使用處理器數(shù)量、開始時(shí)間、結(jié)束時(shí)間；各子模型在調(diào)用順序上有一定的約束
●作業(yè)到達(dá)時(shí)間子模沒有調(diào)用順序約束；
●作業(yè)并行度子模型、作業(yè)執(zhí)行時(shí)間子模型以及作業(yè)類型子模型的調(diào)用順序?yàn)?br> 作業(yè)并行度子模型→作業(yè)執(zhí)行時(shí)間子模型→作業(yè)類型子模型。
2、一種基于日志特征分析的機(jī)群負(fù)載模型的建模方法，其特征在于
作業(yè)到達(dá)時(shí)間子模型作業(yè)到達(dá)時(shí)間子模型又分為兩部分，周作業(yè)模型和天作業(yè)模型，分別模擬了一周內(nèi)每天到達(dá)的作業(yè)數(shù)量和一天內(nèi)每個(gè)作業(yè)的到達(dá)時(shí)間；
周作業(yè)模型的建模方法為
步驟一根據(jù)作業(yè)的提交時(shí)間，統(tǒng)計(jì)歷史數(shù)據(jù)庫中各周的作業(yè)總數(shù)，然后使用極大似然估計(jì)法確定三參數(shù)Gamma分布中三個(gè)參數(shù)的值，并依據(jù)該Gamma分布生成一個(gè)隨機(jī)數(shù)，作為本周到達(dá)的作業(yè)總數(shù)T；其中，Gamma分布的三個(gè)參數(shù)為形狀參數(shù)、尺度參數(shù)和位置參數(shù)；
步驟二根據(jù)作業(yè)的提交時(shí)間，統(tǒng)計(jì)歷史數(shù)據(jù)庫中一周內(nèi)每天的作業(yè)總數(shù)，以星期三為分割點(diǎn)，確定作業(yè)是集中在前半周還是后半周到達(dá)，并依據(jù)(1.2，1.6)均勻分布生成一個(gè)隨機(jī)數(shù)α2；
步驟三若作業(yè)集中在前半周到達(dá)，則依據(jù)(α2-0.4，α2-0.1)均勻分布生成隨機(jī)數(shù)α1，否則依據(jù)(α2+0.1，α2+0.3)均勻分布生成隨機(jī)數(shù)α1；若得到的α1小于1，則令α1等于1；
步驟四令x的取值依次為2，3，…，6，并根據(jù)公式px＝Beta(x，α1，α2，1，7)×100％計(jì)算x在不同取值情況下px的值；其中Beta為Beta分布對應(yīng)的密度函數(shù)，px代表星期x到達(dá)的作業(yè)總數(shù)占一周作業(yè)總數(shù)的百分比；
步驟五根據(jù)步驟一中得到的周一和周日到達(dá)的作業(yè)數(shù)量的比確定一個(gè)系數(shù)n
然后根據(jù)公式
計(jì)算周一和周日到達(dá)作業(yè)總數(shù)占一周作業(yè)總數(shù)的百分比；
步驟六令x的取值依次為1，2，3，…，7，根據(jù)公式T×px計(jì)算周一到周日每天到達(dá)的作業(yè)數(shù)量；其中T在步驟一中確定，px的取值在步驟四和步驟五中確定。
天作業(yè)模型的建模方法為
步驟一令已產(chǎn)生的作業(yè)覆蓋的天數(shù)D＝0，即第0天的作業(yè)到達(dá)時(shí)間都已確定；
步驟二根據(jù)歷史數(shù)據(jù)庫中記錄的作業(yè)提交時(shí)間，統(tǒng)計(jì)一天中每個(gè)時(shí)段內(nèi)到達(dá)的作業(yè)數(shù)量，然后使用極大似然估計(jì)法確定公式(1)中的三個(gè)系數(shù)a，b，c；
a×normal(12，4)-b×normal(11.5，1)+c×Gamma(1，1)(1)
步驟三根據(jù)步驟二確定的分布生成隨機(jī)數(shù)t，作為一個(gè)作業(yè)相對于當(dāng)天0點(diǎn)時(shí)刻的提交時(shí)間；若t＜0，則令t＝0，若t＞24，則令t＝24；然后根據(jù)公式D×24+t計(jì)算該作業(yè)相對于第0天的提交時(shí)間，單位為小時(shí)；
步驟四根據(jù)公式mod(D，7)+1確定第D天是星期x，其中mod代表取模運(yùn)算，x的取值為1到7的整數(shù)；
步驟五若已確定到達(dá)時(shí)間的作業(yè)數(shù)量小于T×px——見周作業(yè)模型中步驟六，則轉(zhuǎn)到步驟三繼續(xù)；
步驟六若已確定到達(dá)時(shí)間的作業(yè)數(shù)量已足夠多，則結(jié)束作業(yè)到達(dá)時(shí)間子模型；否則執(zhí)行步驟七；
步驟七若mod(D，7)+1＝7，即本周內(nèi)所有作業(yè)的到達(dá)時(shí)間均已確定，則調(diào)用周作業(yè)模型，得到下一周每天到達(dá)的作業(yè)量；
步驟八令D＝D+1，跳轉(zhuǎn)至步驟三，繼續(xù)執(zhí)行；
作業(yè)并行度子模型
步驟一統(tǒng)計(jì)歷史數(shù)據(jù)庫中，串行作業(yè)占作業(yè)總數(shù)的百分比a，及并行度為2的冪數(shù)的作業(yè)占剩余作業(yè)總數(shù)的百分比b；
步驟二依據(jù)(0，1)均勻分布生成兩個(gè)隨機(jī)數(shù)p和q；
步驟三若p＜a，則判定該作業(yè)為串行作業(yè)，并行度為1，然后返回步驟二繼續(xù)執(zhí)行，確定下一個(gè)作業(yè)的并行度；否則，繼續(xù)執(zhí)行步驟四；
步驟四根據(jù)Gamma(4，0.9)分布生成一個(gè)隨機(jī)數(shù)N；若q＜b，則令N等于與2N的值最接近的2的冪數(shù)；否則，令N等于與2N的值最接近的偶數(shù)；
步驟五重復(fù)執(zhí)行步驟二至步驟四，直至所有作業(yè)到達(dá)時(shí)間子模型生成的作業(yè)的并行度均已確定；
作業(yè)執(zhí)行時(shí)間子模型
步驟一以2為底，對歷史數(shù)據(jù)庫中每個(gè)作業(yè)的執(zhí)行時(shí)間取對數(shù)；并按照歷史數(shù)據(jù)庫中記錄的作業(yè)的并行度，即使用的處理器數(shù)，把取過對數(shù)后的數(shù)據(jù)分為若干組；
步驟二依次取各組數(shù)據(jù)，使用極大似然估計(jì)法，確定以下分布中的p值
p×Gamma(4，1.5)+(1-p)×Normal(15，0.682)
得到一個(gè)由<并行度，p>數(shù)對組成的集合；
步驟三根據(jù)步驟二得到的數(shù)對集合，使用最小二乘法，確定公式p＝a×并行度+b中系數(shù)a和常數(shù)項(xiàng)b的值；
步驟四取作業(yè)并行度子模型得到的作業(yè)并行度，根據(jù)公式P＝a×作業(yè)并行度+b計(jì)算出P的值；若P＜0，則令P＝0；若P＞1，則令P＝1；
步驟五依據(jù)分布P×Gamma(4，1.5)+(1-P)×Normal(15，0.682)生成一個(gè)隨機(jī)數(shù)r，并令該作業(yè)的執(zhí)行時(shí)間為2r秒；
步驟六重復(fù)執(zhí)行步驟四至步驟五，直至所有作業(yè)到達(dá)時(shí)間子模型生成的作業(yè)的執(zhí)行時(shí)間均已確定；
作業(yè)類型子模型本發(fā)明所述的作業(yè)類型子模型，將作業(yè)分為剛性作業(yè)和可塑性作業(yè)兩種
●剛性作業(yè)必須達(dá)到用戶規(guī)定的執(zhí)行條件才可以執(zhí)行的作業(yè)；
●可塑性作業(yè)由機(jī)群作業(yè)管理系統(tǒng)中的調(diào)度程序決定計(jì)算資源數(shù)量的一類作業(yè)，且在作業(yè)開始執(zhí)行后計(jì)算資源數(shù)量不能改變。
對于剛性作業(yè)，本發(fā)明所述的機(jī)群負(fù)載模型認(rèn)為，經(jīng)過作業(yè)到達(dá)時(shí)間子模型、作業(yè)并行度子模型、作業(yè)執(zhí)行時(shí)間子模型后，已充分刻畫了該作業(yè)的特征；
對于可塑性作業(yè)，本發(fā)明所述的機(jī)群負(fù)載模型認(rèn)為，由于這種類型作業(yè)的并行度在執(zhí)行時(shí)發(fā)生變化，有必要為該類作業(yè)提供一個(gè)加速比關(guān)系，用來刻畫機(jī)群作業(yè)管理系統(tǒng)中的調(diào)度程序改變作業(yè)并行度時(shí)，對作業(yè)執(zhí)行時(shí)間的影響；
加速比關(guān)系需要使用到之前作業(yè)并行度子模型和作業(yè)執(zhí)行時(shí)間子模型輸出的作業(yè)并行度和作業(yè)執(zhí)行時(shí)間；
可塑性作業(yè)的加速比關(guān)系為
步驟一統(tǒng)計(jì)歷史數(shù)據(jù)庫中，要求處理器數(shù)量和使用處理器數(shù)量不相等的作業(yè)數(shù)，占作業(yè)總數(shù)的百分比q；
步驟二依據(jù)(0，1)均勻分布生成一個(gè)隨機(jī)數(shù)p；若p＞q，則判定該作業(yè)為剛性作業(yè)，跳轉(zhuǎn)至步驟六；否則，判定該作業(yè)為可塑性作業(yè)，繼續(xù)執(zhí)行步驟三；
步驟三分別依據(jù)(0.04，4)均勻分布和(1，100)均勻分布生成兩個(gè)隨機(jī)數(shù)c1和c2；
步驟四根據(jù)公式T＝并行度×執(zhí)行時(shí)間-并行度×(并行度-1)×c1-c2計(jì)算當(dāng)并行度為l時(shí)的作業(yè)執(zhí)行時(shí)間T；
步驟五可塑性作業(yè)的加速比關(guān)系為
其中n表示機(jī)群作業(yè)管理系統(tǒng)中的調(diào)度程序確定的作業(yè)并行度，t表示在該并行度下作業(yè)的執(zhí)行時(shí)間；
步驟六重復(fù)執(zhí)行步驟二至步驟五，至所有作業(yè)到達(dá)時(shí)間子模型生成的作業(yè)的執(zhí)行時(shí)間均已確定。
全文摘要
本發(fā)明涉及一種基于日志特征分析的機(jī)群負(fù)載模型，包含有機(jī)群負(fù)載的歷史數(shù)據(jù)庫、作業(yè)到達(dá)時(shí)間子模型、作業(yè)并行度子模型、作業(yè)執(zhí)行時(shí)間子模型以及作業(yè)類型子模型。機(jī)群負(fù)載的歷史數(shù)據(jù)庫通過整合用戶以往的機(jī)群使用經(jīng)驗(yàn)及機(jī)群使用日志所建立，記錄了每個(gè)作業(yè)的到達(dá)時(shí)間、要求處理器數(shù)量、使用處理器數(shù)量、開始時(shí)間、結(jié)束時(shí)間；子模型根據(jù)歷史數(shù)據(jù)和統(tǒng)計(jì)函數(shù)建立，各子模型采用的統(tǒng)計(jì)函數(shù)的形式是一定的，函數(shù)中的參數(shù)隨歷史數(shù)據(jù)的變化而變化。各子模型在調(diào)用順序上有一定的約束作業(yè)到達(dá)時(shí)間子模沒有調(diào)用順序約束；作業(yè)并行度子模型、作業(yè)執(zhí)行時(shí)間子模型以及作業(yè)類型子模型的調(diào)用順序?yàn)樽鳂I(yè)并行度子模型→作業(yè)執(zhí)行時(shí)間子模型→作業(yè)類型子模型。
文檔編號H04W24/00GK101674194SQ20091009378
公開日2010年3月17日 申請日期2009年9月28日 優(yōu)先權(quán)日2009年9月28日
發(fā)明者肖利民, 卓 劉, 梁愛華, 利 阮 申請人:北京航空航天大學(xué)