A Task Scheduling Model for Multi-CPU and Multi-Hard Disk Drive in Soft Real-time Systems

Mohseni, Zeynab; Kiani, Vahdaneh; Rahmani, Amir Masoud

doi:10.5815/ijitcs.2019.01.01

Cited by 3 publications

(1 citation statement)

References 28 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The authors in [62] introduce the Hard Disk Drive and CPU Scheduling (HCS) algorithm for devices with multiple cores and hard disks, aiming to optimize execution time and energy consumption while minimizing missed tasks. It considers scheduling multiple parallel tasks with individual deadlines and utilizes multiple stages to execute sorted tasks.…”

Section: Multi-objective Scheduling Techniquesmentioning

confidence: 99%

Online Task Scheduling of Big Data Applications in the Cloud Environment

2023

View full text Add to dashboard Cite

The development of big data has generated data-intensive tasks that are usually time-consuming, with a high demand on cloud data centers for hosting big data applications. It becomes necessary to consider both data and task management to find the optimal resource allocation scheme, which is a challenging research issue. In this paper, we address the problem of online task scheduling combined with data migration and replication in order to reduce the overall response time as well as ensure that the available resources are efficiently used. We introduce a new scheduling technique, named Online Task Scheduling algorithm based on Data Migration and Data Replication (OTS-DMDR). The main objective is to efficiently assign online incoming tasks to the available servers while considering the access time of the required datasets and their replicas, the execution time of the task in different machines, and the computational power of each machine. The core idea is to achieve better data locality by performing an effective data migration while handling replicas. As a result, the overall response time of the online tasks is reduced, and the throughput is improved with enhanced machine resource utilization. To validate the performance of the proposed scheduling method, we run in-depth simulations with various scenarios and the results show that our proposed strategy performs better than the other existing approaches. In fact, it reduces the response time by 78% when compared to the First Come First Served scheduler (FCFS), by 58% compared to the Delay Scheduling, and by 46% compared to the technique of Li et al. Consequently, the present OTS-DMDR method is very effective and convenient for the problem of online task scheduling.

show abstract

Section: Multi-objective Scheduling Techniquesmentioning

confidence: 99%

Online Task Scheduling of Big Data Applications in the Cloud Environment

2023

View full text Add to dashboard Cite

show abstract

Distribution of Resources Between Composite Applications in a Hyperconverged System

Bulba

Kuchuk

Semenova

2020

Advances in Computer Science for Engineering and Education III

View full text Add to dashboard Cite

Подход К Использованию Нейронных Сетей Обнуления Для Решения Задачи Управления Ресурсами Распределенной Динамической Вычислительной Сети

Брюханова

2023

MIST

View full text Add to dashboard Cite

Настоящее исследование фокусируется на разработке и оптимизации подхода управления ресурсами в распределенных динамических вычислительных системах. Мы представляем новый гибридный метод, комбинируя динамическое управление частотой и напряжением с использованием нейронных сетей обнуления (НСО) для минимизации выбросов углекислого газа и снижения энергопотребления. Исследование включает систематические эксперименты, в ходе которых анализируется структура и параметры НСО для минимизации ошибок. Применение метода на реальных данных вычислительной сети NorduGRID продемонстрировало его эффективность, снижая выбросы CO2 на 9,4% за 30 дней при сохранении требуемой производительности. и является значимым вкладом в область развития энергоэффективных вычислительных систем. Проведены эксперименты на крупных вычислительных системах, включая более 2,7 миллиарда узлов с использованием реальных данных о выбросах углекислого газа. Полученные результаты подчеркивают перспективность гибридных подходов и использование нейронных сетей для оптимизации управления ресурсами в динамических вычислительных средах. Наш метод обеспечивает устойчивое и энергоэффективное выполнение вычислительных задач в условиях ограниченных ресурсов и является значимым вкладом в область развития энергоэффективных вычислительных систем. Разработанный подход предоставляет перспективы для оптимизации работы вычислительных систем, учитывая динамичный характер современных вычислительных задач и ограниченные ресурсы энергопотребления.

show abstract

A Task Scheduling Model for Multi-CPU and Multi-Hard Disk Drive in Soft Real-time Systems

Cited by 3 publications

References 28 publications

Online Task Scheduling of Big Data Applications in the Cloud Environment

Online Task Scheduling of Big Data Applications in the Cloud Environment

Distribution of Resources Between Composite Applications in a Hyperconverged System

Подход К Использованию Нейронных Сетей Обнуления Для Решения Задачи Управления Ресурсами Распределенной Динамической Вычислительной Сети

Contact Info

Product

Resources

About