Page 113 - 《软件学报》2021年第12期

王静莲 等:软硬件节能原理深度融合之绿色异构调度算法 3777

Fig.3 Performance comparison between four meta-heuristics heterogeneous scheduling algorithms
图 3 4 种元启发式异构调度算法的整体性能对比

3.3 软硬件节能原理深度融合的绿色感知优化影响
本节实验重点探讨软硬件节能原理深度融合给以元启发式算法(如遗传算法、人工免疫算法等)为基础异
构调度算法带来的绿色感知优化影响,对比算法是在上节实验中显现与 GHSA_di/II 算法之调度保证率性能指
标值接近的 MaOEA/C 算法 [23] .
实验按实时任务类型分成两部分:计算密集型和数据密集型.
3.3.1 计算密集型实时任务集的异构调度实验结果及分析
对于计算密集型任务,每个应用实例被划分成 20 000 个子任务,即 m=20000,并将虚拟机数量设置为 5 000.
• 如图 4(a)所示:200 个计算集群尽管具有 3 种动态能耗异构类型的处理器,但经 MaOEA/C 算法 [23] 调度
后,异构处理器利用率之间没有明显差异;
• 反之,从图 4(b)分析,GHSA_di/II 算法得到的调度优化解显示,200 个计算集群 3 种异构处理器的资源利
用率可分别接近 0.9,0.7 和 0.5,在相应的理论最优值范围内.

(a) (b)
Fig.4 Comparison of CPU utilization after scheduling computing tasks by MaOEA/C [23] and GHSA_di/II
图 4 MaOEA/C 算法 [23] 和 GHSA_di/II 算法调度计算密集型任务后的处理器利用率对比

类似情形也出现在两种算法调度解产生的硬盘利用率差异上(如图 5 所示).