基于CPU因子影響的二次調(diào)度算法①

王志佳,李倫波,王嘉春

1(南京理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,南京 210094)

2(北京空間飛行器總體設(shè)計(jì)部 信息中心,北京 100094)

航天器型號(hào)研制是一個(gè)涉及眾多新學(xué)科、新技術(shù),具有耗資大、風(fēng)險(xiǎn)高、周期長(zhǎng)、技術(shù)復(fù)雜的系統(tǒng)工程.型號(hào)設(shè)計(jì)階段需要考慮的影響因素較多,在衛(wèi)星總體、分系統(tǒng)和單機(jī)產(chǎn)品之間存在著大量的協(xié)調(diào)和互動(dòng)關(guān)系,在輸入與輸出之間、參數(shù)與系統(tǒng)功能之間也涉及大量的迭代關(guān)系,通過(guò)CAE軟件的仿真分析,極大提高了產(chǎn)品設(shè)計(jì)周期,增強(qiáng)了產(chǎn)品可靠性,涵蓋了有效載荷、結(jié)構(gòu)、熱控、能源、姿態(tài)和軌道控制等多個(gè)層次和多個(gè)環(huán)節(jié)[1].

隨著計(jì)算技術(shù)與網(wǎng)絡(luò)技術(shù)的高速發(fā)展和廣泛應(yīng)用.基于高性能計(jì)算系統(tǒng)的仿真計(jì)算技術(shù),在提高產(chǎn)品的設(shè)計(jì)質(zhì)量,降低研究開發(fā)成本,縮短開發(fā)周期方面都發(fā)揮了重要作用,成為了實(shí)現(xiàn)產(chǎn)品創(chuàng)新的支撐.然而,仿真計(jì)算資源成本的投入逐漸成為企業(yè)成本投入的重中之重,其僅次于人力資源成本投入.雖然購(gòu)置了高性能的計(jì)算設(shè)備,但卻無(wú)法保障設(shè)備的充分利用,尤其是一些國(guó)外工程軟件,如ANSYS Fluent、MSC Nastran、LS-DYNA等,僅一個(gè)并行求解器許可就需要近百萬(wàn)的花費(fèi),使得企業(yè)競(jìng)爭(zhēng)能力明顯不足.本文以某航天器制造企業(yè)為項(xiàng)目背景,基于高性能計(jì)算系統(tǒng)的資源調(diào)度軟件Platform LSF(Load Sharing Facility),研究面向航天器仿真分析的資源調(diào)度策略優(yōu)化問(wèn)題,從而提高計(jì)算資源利用率以及企業(yè)仿真能力.

1 算法優(yōu)化的需求分析

在航天器研制領(lǐng)域中,仿真學(xué)科主要涉及力學(xué)分析、熱分析、電磁分析、碰撞分析、電路分析、流體力學(xué)分析等,在用的CAE軟件多為國(guó)外產(chǎn)品,多為面向制造行業(yè)進(jìn)行銷售,版權(quán)許可控制極為嚴(yán)格,價(jià)格制定非常昂貴,且按照許可證數(shù)量來(lái)限制終端用戶的使用權(quán)限,如僅購(gòu)買了一個(gè)許可,那么某個(gè)時(shí)間僅能一個(gè)作業(yè)進(jìn)行計(jì)算,直到該作業(yè)計(jì)算完畢,釋放許可證資源后,才能計(jì)算其他作業(yè).

許可資源已經(jīng)成為制造企業(yè)成本投入的重點(diǎn).以ANSYS FLUENT為例,一個(gè)支持16核并行的Fluent求解器,價(jià)格高達(dá)320萬(wàn)人民幣,針對(duì)大型制造企業(yè),以支持50位型號(hào)設(shè)計(jì)師同時(shí)開展流體計(jì)算來(lái)進(jìn)行估計(jì),僅流體計(jì)算軟件就需要上億的資金來(lái)購(gòu)買軟件許可,使得企業(yè)的生產(chǎn)成本過(guò)于沉重.同時(shí),隨著高性能計(jì)算技術(shù)的不斷發(fā)展,GPU技術(shù)、眾核技術(shù)[2]等新興技術(shù)不斷推出,大大提高了軟件計(jì)算性能,為支持新的技術(shù),需要單獨(dú)購(gòu)買軟件的擴(kuò)展許可,對(duì)現(xiàn)有許可進(jìn)行升級(jí),通過(guò)市場(chǎng)調(diào)研,后期軟件及許可證資源的升級(jí)維護(hù),費(fèi)用占據(jù)產(chǎn)品list價(jià)格的15%～30%,又將投入大量資金.因此,對(duì)于資源調(diào)度策略的進(jìn)一步優(yōu)化和定制,是提高許可資源利用率,使得昂貴的許可證資源能夠充分發(fā)揮效益的必要條件,也是企業(yè)追求精益化生產(chǎn)的必經(jīng)之路.

航天器制造行業(yè)高性能計(jì)算既要滿足多人多任務(wù)小作業(yè)的計(jì)算需求,也要適應(yīng)更高密度網(wǎng)格的大作業(yè)計(jì)算需求,尤其是隨著后續(xù)對(duì)模型精度要求的提高、對(duì)網(wǎng)格劃分粒度的加大,同時(shí)開展作業(yè)人數(shù)的增多,昂貴的CAE許可證資源競(jìng)爭(zhēng)激烈,對(duì)于如何優(yōu)化作業(yè)計(jì)算效率成為難點(diǎn)問(wèn)題,而現(xiàn)有資源調(diào)度算法多數(shù)以用戶公平或用戶權(quán)益角度出發(fā),未針對(duì)計(jì)算效率進(jìn)行優(yōu)化,導(dǎo)致昂貴的許可證資源使用極其緊張,許可證及計(jì)算資源長(zhǎng)時(shí)間被占用,作業(yè)計(jì)算效率較低,需要針對(duì)以上的行業(yè)特點(diǎn)來(lái)設(shè)計(jì)和定制一個(gè)滿足需求的調(diào)度算法.

作業(yè)調(diào)度算法是計(jì)算集群的大腦,最為常用的調(diào)度算法就是先來(lái)先服務(wù)算法,即計(jì)算順序嚴(yán)格按照作業(yè)提交順序進(jìn)行,不考慮作業(yè)的緊急程度、作業(yè)大小、優(yōu)先級(jí)等一系列因素.隨著應(yīng)用的不斷深入和集群技術(shù)的不斷發(fā)展,作業(yè)調(diào)度算法被不斷改進(jìn),一些高級(jí)的調(diào)度算法不斷被提出.例如,國(guó)內(nèi)外較為流行的LSF、PBS等作業(yè)調(diào)度管理系統(tǒng)中常用的搶占式調(diào)度、公平式調(diào)度、獨(dú)占式調(diào)度、預(yù)約調(diào)度、回填調(diào)度、節(jié)能調(diào)度[3]等.同時(shí),不斷有人基于現(xiàn)有調(diào)度算法進(jìn)行優(yōu)化,進(jìn)一步提升算法性能.任小西等人[4]優(yōu)化了搶占式調(diào)度算法,實(shí)現(xiàn)了基于動(dòng)態(tài)搶占閾值的LSF調(diào)度算法,減小了系統(tǒng)開銷,進(jìn)一步提高了資源利用率;李榮勝等人[5]基于回填調(diào)度提出一種基于價(jià)值密度的調(diào)度算法,提高了資源利用率.為進(jìn)一步優(yōu)化資源占用時(shí)間,沈萍萍等人[6]提出對(duì)已運(yùn)行計(jì)算作業(yè)重新調(diào)度的思想,但未考慮作業(yè)規(guī)模的大小,對(duì)于航天器仿真分析這種需要同時(shí)計(jì)算較多大作業(yè)和短作業(yè)的情況,在主機(jī)性能差異較大時(shí),顯然讓高性能主機(jī)計(jì)算大型作業(yè)能夠節(jié)省更多計(jì)算時(shí)間和資源占用時(shí)間.

綜上,根據(jù)應(yīng)用的實(shí)際,當(dāng)前并無(wú)完全滿足應(yīng)用需求的資源調(diào)度算法.基于該情況,本文提出一種新的思路,設(shè)計(jì)并實(shí)現(xiàn)一種新的基于CPU Factor影響的二次調(diào)度算法,完善了現(xiàn)有作業(yè)調(diào)度算法未動(dòng)態(tài)考慮高性能運(yùn)算主機(jī)空閑狀態(tài)、未考慮作業(yè)規(guī)模大小的缺陷和不足,進(jìn)一步提升了資源利用率.

2 算法思想

算法基于“能者多勞”的思維進(jìn)行設(shè)計(jì),實(shí)現(xiàn)將更多的大作業(yè)交由高性能的主機(jī)進(jìn)行處理,提升整體的作業(yè)處理能力,縮短許可證占用時(shí)間,避免因主機(jī)性能差異,造成高性能主機(jī)空閑,導(dǎo)致資源浪費(fèi).同時(shí),考慮到作業(yè)調(diào)度的消耗,算法僅針對(duì)大作業(yè)開展二次調(diào)度,避免因頻繁調(diào)度而導(dǎo)致的調(diào)度效率的降低.

資源調(diào)度系統(tǒng)在派發(fā)作業(yè)時(shí),總是將作業(yè)調(diào)度到最佳的運(yùn)算主機(jī),以便作業(yè)的運(yùn)算時(shí)間最小.資源調(diào)度系統(tǒng)在每次嘗試調(diào)度作業(yè)時(shí),總需要檢測(cè)主機(jī)的被派發(fā)資格,需要參考一系列因素,其中主機(jī)負(fù)載水平(CPU Load Average)[7]和主機(jī)性能因子(CPU Factor)最為關(guān)鍵[8].

在面向航天器仿真分析的環(huán)境中,CAE計(jì)算作業(yè)多為計(jì)算密集型任務(wù)[9],對(duì)于CPU的性能要求較高,需要頻繁進(jìn)行計(jì)算.考慮到計(jì)算效率,已在集群配置文件lsb.hosts中限制了各主機(jī)運(yùn)行的計(jì)算作業(yè)數(shù)量不能超過(guò)CPU核數(shù),即主機(jī)負(fù)載水平小于等于1,因此在LSF進(jìn)行作業(yè)調(diào)度時(shí),CPU因子成為主要的評(píng)估指標(biāo).LSF會(huì)將作業(yè)派發(fā)至當(dāng)前情況下空閑且性能最好的主機(jī)上(作業(yè)數(shù)量小于CPU個(gè)數(shù)且當(dāng)前CPU因子最高的主機(jī)),當(dāng)這臺(tái)主機(jī)的作業(yè)數(shù)量達(dá)到CPU個(gè)數(shù)時(shí),才考慮另外一臺(tái)空閑且性能最好主機(jī).

在航天器仿真制造過(guò)程中,越來(lái)越多新研型號(hào)需要通過(guò)大型模擬仿真實(shí)驗(yàn)進(jìn)行驗(yàn)證,逐步取消以往用于實(shí)驗(yàn)驗(yàn)證的航天器,取而代之的是通過(guò)大型結(jié)構(gòu)、熱仿真分析實(shí)驗(yàn)等來(lái)支撐.在這種應(yīng)用情境下,LSF總是將作業(yè)派發(fā)至當(dāng)前作業(yè)數(shù)量小于CPU個(gè)數(shù)且CPU因子最高的主機(jī),并且除了出錯(cuò)或某些意外的情況,作業(yè)不會(huì)在被調(diào)度到其他主機(jī)[10,11].但每個(gè)作業(yè)的計(jì)算時(shí)間幾乎均不相同,隨著時(shí)間的推演,運(yùn)算主機(jī)間的空閑情況將不斷變化,此時(shí),即使有空閑且性能更高的主機(jī),作業(yè)也無(wú)法遷移,必然造成計(jì)算資源的浪費(fèi).尤其是對(duì)于大型計(jì)算任務(wù),高性能運(yùn)算主機(jī)與低性能運(yùn)算主機(jī)間的差別體現(xiàn)更大.例如,對(duì)近1400萬(wàn)自由度的航天器部件模型(500 Hz內(nèi)2500階模態(tài)),采用全模型標(biāo)準(zhǔn)的模態(tài)頻響應(yīng)分析SOL111進(jìn)行求解,低CPU 因子主機(jī)求解時(shí)間長(zhǎng)達(dá)26小時(shí).如果采用基于高CPU因子主機(jī)優(yōu)先的二次調(diào)度算法,將大作業(yè)(根據(jù)工程實(shí)踐,將運(yùn)行時(shí)間超過(guò)4小時(shí)的計(jì)算作業(yè)定義為大作業(yè))重新遷移至高CPU因子的主機(jī)上運(yùn)行,求解時(shí)間可以縮減至10小時(shí),將大幅加快作業(yè)運(yùn)行效率,減少對(duì)于昂貴的許可證資源的占用,提高系統(tǒng)資源的利用率[12,13].

基于上述思想,考慮對(duì)調(diào)度算法進(jìn)行優(yōu)化,實(shí)現(xiàn)一種基于CPU因子影響的二次調(diào)度算法.

3 基于CPU因子影響的二次調(diào)度算法

算法的執(zhí)行過(guò)程包括5個(gè)步驟,流程如圖1所示.

圖1 基于CPU 因子影響的二次調(diào)度算法調(diào)度流程

(1) 根據(jù)CPU因子值由大到小依次對(duì)比各主機(jī)當(dāng)前運(yùn)行作業(yè)數(shù)與允許運(yùn)行的最大作業(yè)數(shù),如果前者等于后者,說(shuō)明主機(jī)已滿載,不能作為目標(biāo)主機(jī),當(dāng)定位到第一個(gè)前者小于后者的主機(jī),可以確定為空閑目標(biāo)主機(jī);如全部主機(jī)的運(yùn)行作業(yè)數(shù)等于最大作業(yè)數(shù),則表示當(dāng)前主機(jī)均已滿載,無(wú)法進(jìn)行二次優(yōu)化調(diào)度.

(2) 反向根據(jù)CPU因子的值由小到大依次對(duì)比各主機(jī)當(dāng)前運(yùn)行作業(yè)數(shù)與允許運(yùn)行的最大作業(yè)數(shù),當(dāng)?shù)谝淮味ㄎ坏接兄鳈C(jī)當(dāng)前運(yùn)行作業(yè)數(shù)不為零時(shí),可以確定為源主機(jī),如果所有主機(jī)的運(yùn)行作業(yè)數(shù)均為零,則表示當(dāng)前沒(méi)有作業(yè)需要進(jìn)行二次調(diào)度.

(3) 遍歷源主機(jī)中的所有作業(yè),對(duì)比作業(yè)運(yùn)行時(shí)間,當(dāng)?shù)谝淮味ㄎ坏皆粗鳈C(jī)上存在作業(yè)運(yùn)行時(shí)間超過(guò)240分鐘時(shí)(根據(jù)工程實(shí)踐,作業(yè)運(yùn)行時(shí)間超過(guò)240分鐘被定義為大型仿真作業(yè)),可以確定為二次調(diào)度的目標(biāo)作業(yè),鎖定作業(yè)ID.

(4) 通過(guò)變量傳遞待轉(zhuǎn)移作業(yè)的ID,設(shè)置候選主機(jī)數(shù)量為1,傳遞候選主機(jī)名稱,最終通過(guò)調(diào)用LSF API[14,15]函數(shù)lsb_mig(&mig,&badHostldx),實(shí)現(xiàn)將目標(biāo)作業(yè)遷移至目標(biāo)主機(jī),即實(shí)現(xiàn)作業(yè)的二次調(diào)度.

(5) 經(jīng)過(guò)一個(gè)作業(yè)調(diào)度輪詢間隔后,重復(fù)上述過(guò)程,持續(xù)尋找需要調(diào)度的作業(yè).

4 算法的仿真實(shí)驗(yàn)與結(jié)果分析

在實(shí)際計(jì)算環(huán)境中,選取一臺(tái)雙路6核的高CPU因子主機(jī)Host_high和一臺(tái)雙路6核的低CPU因子主機(jī)Host_low,通過(guò)提交相同數(shù)量的同一作業(yè),測(cè)試二次優(yōu)化調(diào)度前后的運(yùn)算時(shí)間差別.以下時(shí)間單位均為分鐘.

4.1 測(cè)試單個(gè)作業(yè)的基礎(chǔ)運(yùn)行時(shí)間

單個(gè)測(cè)試作業(yè)在兩臺(tái)主機(jī)上的運(yùn)行時(shí)間參數(shù)如表1所示.從表中可以看出,對(duì)于短作業(yè)Job1,在高配置主機(jī)和低配置主機(jī)上的運(yùn)行時(shí)間差不多;對(duì)于大作業(yè)Job2和Job3,在低配主機(jī)和高配主機(jī)上的運(yùn)行時(shí)間差別較大.

表1 單個(gè)測(cè)試作業(yè)運(yùn)行時(shí)間差異(單位：分鐘)

4.2 測(cè)試算法開啟前后的作業(yè)總運(yùn)行時(shí)間差異

測(cè)試一：驗(yàn)證對(duì)于運(yùn)行時(shí)間小于240分鐘的短作業(yè)算法是否生效.將短作業(yè)Job1復(fù)制8份,同時(shí)提交給high主機(jī)和low主機(jī),對(duì)比開啟二次調(diào)度與否對(duì)作業(yè)Job1運(yùn)行時(shí)間的影響,以及作業(yè)總計(jì)算時(shí)間的差異,結(jié)果如表2所示.從表中可以看出,二次調(diào)度開啟前后作業(yè)的總運(yùn)算時(shí)間差異很小,說(shuō)明為減小二次調(diào)度時(shí)間上的損耗,對(duì)于短作業(yè)二次調(diào)度算法不生效.

表2 Job1作業(yè)運(yùn)行時(shí)間差異(單位：分鐘)

測(cè)試二：驗(yàn)證對(duì)于運(yùn)行時(shí)間大于240分鐘的大作業(yè)算法是否生效.將Job2復(fù)制8份,同時(shí)提交給high主機(jī)和low主機(jī),對(duì)比開啟二次調(diào)度與否對(duì)作業(yè)Job2運(yùn)行時(shí)間的影響,以及作業(yè)總計(jì)算時(shí)間的差異,結(jié)果如表3所示.從表3中可以看出,對(duì)于低配主機(jī)上的運(yùn)行時(shí)間超過(guò)240分鐘的大作業(yè)被重新調(diào)度到了高配主機(jī)后,總運(yùn)算時(shí)間節(jié)省了300分鐘.

表3 Job2作業(yè)運(yùn)行時(shí)間差異(單位：分鐘)

測(cè)試三：驗(yàn)證運(yùn)算時(shí)間的縮短程度與作業(yè)規(guī)模的關(guān)系.將Job3復(fù)制8份,同時(shí)提交給high主機(jī)和low主機(jī),對(duì)比開啟二次調(diào)度與否對(duì)作業(yè)Job3運(yùn)行時(shí)間的影響,以及作業(yè)總計(jì)算時(shí)間的差異,結(jié)果如表4所示.從表中可以看出,對(duì)于低配主機(jī)上的運(yùn)行時(shí)間遠(yuǎn)超過(guò)240分鐘的大作業(yè)被重新調(diào)度到了高配主機(jī)后,總運(yùn)算時(shí)間節(jié)省了827分鐘.

表4 Job3作業(yè)運(yùn)行時(shí)間差異(單位：分鐘)

從三次測(cè)試數(shù)據(jù)得出如下結(jié)論：

(1) 為保證調(diào)度效率,減少因頻繁調(diào)度導(dǎo)致的調(diào)度效率損耗,對(duì)于作業(yè)運(yùn)行時(shí)間遠(yuǎn)小于4小時(shí)的短計(jì)算作業(yè),二次調(diào)度不發(fā)揮作用.

(2) 對(duì)于作業(yè)運(yùn)行時(shí)間為4小時(shí)左右的計(jì)算作業(yè),通過(guò)大作業(yè)二次優(yōu)化調(diào)度可以降低總運(yùn)行時(shí)間約12.6%.

(3) 對(duì)于作業(yè)運(yùn)行時(shí)間為12小時(shí)左右的計(jì)算作業(yè),通過(guò)大作業(yè)二次優(yōu)化調(diào)度可以降低總運(yùn)行時(shí)間約15.27%.

如圖2所示,從圖中可以看出隨著作業(yè)規(guī)模增大,作業(yè)總運(yùn)算時(shí)間降低越多.

圖2 作業(yè)總運(yùn)算時(shí)間與二次調(diào)度算法的關(guān)系

由此可以推斷,基于CPU因子影響的二次調(diào)度算法適用于CAE仿真等計(jì)算密集型任務(wù),一定程度的縮短了大作業(yè)的運(yùn)行時(shí)間,且縮短的程度與作業(yè)的規(guī)模呈正比.

5 結(jié)束語(yǔ)

目前該算法已應(yīng)用于航天器型號(hào)研制仿真分析實(shí)踐,例如通信、遙感、導(dǎo)航等領(lǐng)域,不同程度的縮短了型號(hào)仿真分析周期.以導(dǎo)航領(lǐng)域某型號(hào)衛(wèi)星整星力學(xué)分析為例：模型劃分為500萬(wàn)網(wǎng)格,應(yīng)用當(dāng)前計(jì)算環(huán)境,單個(gè)作業(yè)計(jì)算時(shí)間約需要12小時(shí),同時(shí)需開展10個(gè)方案進(jìn)行對(duì)比論證,還需針對(duì)整星開展模態(tài)分析,采用現(xiàn)有先來(lái)先服務(wù)算法,一顆衛(wèi)星的整體力學(xué)分析至少需要5天時(shí)間.采用基于CPU因子影響的二次調(diào)度算法后,調(diào)度系統(tǒng)充分調(diào)度高性能主機(jī)運(yùn)算能力,動(dòng)態(tài)的將作業(yè)二次調(diào)度值高性能主機(jī),使得仿真計(jì)算時(shí)間由5天縮減為3.5天,有效的減少了許可證資源總占用時(shí)間,提高了資源利用率.

本文提出一種基于CPU因子影響的二次調(diào)度算法,實(shí)現(xiàn)將正在低性能運(yùn)算主機(jī)上運(yùn)行的大作業(yè)遷移至高性能主機(jī)上繼續(xù)運(yùn)行,從而加快大作業(yè)計(jì)算效率,縮短作業(yè)運(yùn)行時(shí)間,減少對(duì)許可證資源的占用時(shí)間,提升了許可證資源的利用率,間接的減少了企業(yè)成本投入,具備一定的推廣意義.

1 陳月根.航天器數(shù)字化設(shè)計(jì)基礎(chǔ).北京：中國(guó)科學(xué)技術(shù)出版社,2010.2-3.

2 周小宇,雒江濤,羅林,等.眾核與Spark結(jié)合的高速流量監(jiān)測(cè)系統(tǒng).計(jì)算機(jī)系統(tǒng)應(yīng)用,2017,26(6)：112-117.

3 Van Den Dooren D,Sys T,Toffolo TAM,et al.Multimachine energy-aware scheduling.EURO Journal on Computational Optimization,2017,5(1-2)：285-307.[doi：10.1007/s13675-016-0072-0]

4 任小西,趙公怡.基于動(dòng)態(tài)搶占閾值的LSF調(diào)度算法.計(jì)算機(jī)工程,2012,38(4)：275-277,280.

5 李榮勝,趙文峰,徐惠民.價(jià)值密度—截止期—回填的網(wǎng)格作業(yè)調(diào)度算法.計(jì)算機(jī)應(yīng)用,2010,30(10)：2771-2773.

6 沈萍萍,陳珂,張燕,等.分布仿真系統(tǒng)二次調(diào)度負(fù)載均衡策略研究.計(jì)算機(jī)仿真,2011,28(9)：223-225,290.

7 Teodoro S,Do Carmo AB,Adornes DC,et al.A comparative study of energy-aware scheduling algorithms for computational grids.Journal of Systems and Software,2016,117：153-165.[doi：10.1016/j.jss.2016.02.017]

8 Platform Corporation.Administering and configuring IBM platform LSF.https：//www.ibm.com/support/knowledgecen ter/en/SSETD4_9.1.3/lsf_kc_managing.html.[2017-09-25].

9 郝永生,盧俊文,劉冠峰,等.計(jì)算密集型與數(shù)據(jù)密集型混合網(wǎng)格作業(yè)調(diào)度算法.計(jì)算機(jī)工程與科學(xué),2014,36(8)：1423-1429.

10 Goswami S,Das A.Optimization of workload scheduling in computational grid.Proceedings of the 5th International Conference on Frontiers in Intelligent Computing：Theory and Applications.Singapore.2017.

11 王小寧,肖海力,曹榮強(qiáng).面向高性能計(jì)算環(huán)境的作業(yè)優(yōu)化調(diào)度模型的設(shè)計(jì)與實(shí)現(xiàn).計(jì)算機(jī)工程與科學(xué),2017,39(4)：619-626.

12 鞏子杰,張亞平,張銘棟.分布式計(jì)算中基于資源分級(jí)的自適應(yīng)Min-Min算法.計(jì)算機(jī)應(yīng)用研究,2016,33(3)：716-719,725.

13 廖大強(qiáng),鄒杜,印鑒.一種基于優(yōu)先級(jí)的網(wǎng)格調(diào)度算法.計(jì)算機(jī)工 程 ,2014,40(10)：11-16.[doi：10.3778/j.issn.1002-8331.1308-0418]

14 Platform Corporation.LSF API Reference.Platform Computing,2016：77-78.

15 盛樂(lè)標(biāo),周慶林.利用LSF API實(shí)現(xiàn)高性能計(jì)算機(jī)集群的機(jī)時(shí)統(tǒng)計(jì).實(shí)驗(yàn)科學(xué)與技術(shù),2014,12(2)：50-52,117.