云環(huán)境下優(yōu)化科學工作流執(zhí)行性能的兩階段數(shù)據(jù)放置與任務調(diào)度策略課件

云環(huán)境下優(yōu)化科學工作流執(zhí)行性能的

兩階段數(shù)據(jù)放置與任務調(diào)度策略姓名：張燦云環(huán)境下優(yōu)化科學工作流執(zhí)行性能的

兩階段數(shù)據(jù)放置與任務調(diào)度策1摘要云環(huán)境中跨數(shù)據(jù)中心科學工作流的高效執(zhí)行通常面臨數(shù)據(jù)交互量大的問題。本文給出基于相關(guān)度的兩階段高效數(shù)據(jù)放置策略和任務調(diào)度策略。最終通過實驗表明，該策略能有效減少跨數(shù)據(jù)中心科學工作流執(zhí)行時的數(shù)據(jù)傳輸量，從而能有效提升科學工作流的執(zhí)行效率，并能減少資源的租賃費用。摘要云環(huán)境中跨數(shù)據(jù)中心科學工作流的高效執(zhí)行通常面臨數(shù)據(jù)交互量2主要內(nèi)容一、引言二、相關(guān)工作三、科學工作流形式化描述和問題分析四、基于相關(guān)度的兩階段數(shù)據(jù)放置與任務調(diào)度策略五、實驗分析六、結(jié)論與展望主要內(nèi)容一、引言3一、引言在眾多科學研究領(lǐng)域中，科學計算過程往往由成千上萬個步驟構(gòu)成，這往往需要對TB甚至PB量級的數(shù)據(jù)進行分析和處理。在過去，科學家通常使用簡單的方法編排任務以及管理數(shù)據(jù)，但是這種方式不僅耗時而且容易出錯。科學工作流系統(tǒng)開始受到關(guān)注并被用來進行自動化科學任務的編排、執(zhí)行、監(jiān)控以及追蹤。隨著問題求解規(guī)模的增大，當今大型科學工作流通常需要在復雜的分布式計算機系統(tǒng)上執(zhí)行。構(gòu)造這樣的系統(tǒng)往往需要付出異常昂貴的代價，申請訪問這些系統(tǒng)也需要復雜耗時的過程。云計算技術(shù)提供共享基礎(chǔ)架構(gòu)的方法，通過這種方式，云計算中心可以提供高性能的計算資源和海量的存儲資源，而且成本低廉，使用簡單。一、引言在眾多科學研究領(lǐng)域中，科學計算過程往往由成千上萬個步4科學工作流任務間存在較強的數(shù)據(jù)依賴關(guān)系，其執(zhí)行往往需要頻繁對跨數(shù)據(jù)中心的數(shù)據(jù)集進行傳輸和訪問，不合理的數(shù)據(jù)放置和任務調(diào)度策略容易導致數(shù)據(jù)中心間數(shù)據(jù)傳輸量和訪問量過大：增加用戶使用云資源的費用，嚴重影響了科學工作流的執(zhí)行效率。研究基于云環(huán)境的高效數(shù)據(jù)放置策略和任務調(diào)度策略對減少跨數(shù)據(jù)中心數(shù)據(jù)傳輸量、提升科學工作流執(zhí)行性能、減少用戶費用等方面具有重要意義。科學工作流任務間存在較強的數(shù)據(jù)依賴關(guān)系，其執(zhí)行往往需要頻繁對5本文通過分析科學工作流數(shù)據(jù)集之間的依賴關(guān)系、數(shù)據(jù)集和數(shù)據(jù)中心之間的相關(guān)度以及任務和數(shù)據(jù)中心之間的相關(guān)度，提出了一種云平臺下基于相關(guān)度的兩階段高效數(shù)據(jù)放置策略。根據(jù)數(shù)據(jù)依賴關(guān)系圖在工作流建立階段將關(guān)系緊密的數(shù)據(jù)集放置到同一個數(shù)據(jù)中心，將關(guān)系松散的數(shù)據(jù)集放置在不同數(shù)據(jù)中心。任務調(diào)度策略在運行階段將任務調(diào)度到數(shù)據(jù)依賴最大的數(shù)據(jù)中心執(zhí)行，并將新產(chǎn)生數(shù)據(jù)集放置到相關(guān)度最高的數(shù)據(jù)中心。實驗表明：本文提出的策略不但極大地減少了數(shù)據(jù)中心間的數(shù)據(jù)移動量，提高了工作流任務的并行執(zhí)行效率，同時也節(jié)省了用戶的云資源使用費用。本文通過分析科學工作流數(shù)據(jù)集之間的依賴關(guān)系、數(shù)據(jù)集和數(shù)據(jù)中心6本文的貢獻主要表現(xiàn)在以下幾個方面：在科學工作流建立階段，提出了基于數(shù)據(jù)依賴的初始化數(shù)據(jù)布局方法，充分挖掘數(shù)據(jù)相關(guān)性，使得數(shù)據(jù)布局盡可能的符合使用規(guī)則，同一個任務所需數(shù)據(jù)集最大規(guī)模地聚集在一個數(shù)據(jù)中心。在科學工作流運行階段，提出一種相應的任務調(diào)度策略，將任務調(diào)度到所需數(shù)據(jù)集規(guī)模最大的數(shù)據(jù)中心上，減少數(shù)據(jù)中心之間的數(shù)據(jù)傳輸量，加快科學工作流執(zhí)行速度。針對任務執(zhí)行過程中產(chǎn)生的中間數(shù)據(jù)集，本文利用數(shù)據(jù)集之間的關(guān)系，通過量化計算將它們放置到合適的數(shù)據(jù)中心，使得后續(xù)的任務調(diào)度與執(zhí)行能夠快速展開。本文的貢獻主要表現(xiàn)在以下幾個方面：7二、相關(guān)工作Pegasus工作流數(shù)據(jù)放置策略：它首先預先分配數(shù)據(jù)到執(zhí)行任務的計算單元，這樣可以加快任務的執(zhí)行速度，降低任務等待時間；然后動態(tài)地刪除那些不會被后續(xù)任務使用的數(shù)據(jù)，以減少存儲開銷。這種策略只是保證了數(shù)據(jù)傳輸?shù)目煽啃院陀行裕]有考慮到云計算環(huán)境下因為數(shù)據(jù)交互引起的跨數(shù)據(jù)中心之間的傳輸開銷。副本機制它使用改進后的貪婪算法和經(jīng)過優(yōu)化的遺傳算法計算副本的最佳放置策略，并利用基于Web服務的數(shù)據(jù)網(wǎng)絡系統(tǒng)ADPPS產(chǎn)生工作流來進行實驗驗證。為了減少數(shù)據(jù)傳輸開銷，但數(shù)據(jù)集副本機制增加了存儲開銷。該策略主要針對網(wǎng)絡環(huán)境下多節(jié)點之間的數(shù)據(jù)傳輸而非針對云計算平臺上多數(shù)據(jù)中心之間的數(shù)據(jù)傳輸，并沒有考慮到數(shù)據(jù)之間存在相關(guān)性和依賴關(guān)系。二、相關(guān)工作Pegasus工作流副本機制8BitDew由用戶定義數(shù)據(jù)間的依賴關(guān)系，但并沒有利用數(shù)據(jù)間的依賴關(guān)系減少傳輸開銷。Sector/Sphere是由Gu等人設計和實現(xiàn)一種分布式文件系統(tǒng)該系統(tǒng)中數(shù)據(jù)集是規(guī)模龐大的若干未分塊（non-block）的文件集合。Sphere通過設置目錄和文件樹將文件按照數(shù)據(jù)局部性原則聚合起來，同時使用高速傳輸協(xié)議UDT和文件副本減少傳輸延遲。實驗結(jié)果表明，該系統(tǒng)比Hadoop處理數(shù)據(jù)要快２～４倍，但Sphere只是根據(jù)任務來聚集數(shù)據(jù)，并沒有對數(shù)據(jù)之間的關(guān)系進行仔細分析利用。Nephele項目是現(xiàn)有的第一個數(shù)據(jù)處理框架，注重發(fā)掘在任務的調(diào)度、執(zhí)行過程中IaaS云環(huán)境下資源的動態(tài)分配，有效地減少了資源使用開銷，卻沒有減少數(shù)據(jù)傳輸開銷。BitDew由用戶定義數(shù)據(jù)間的依賴關(guān)系，但并沒有利用數(shù)據(jù)間的9聚類矩陣的數(shù)據(jù)放置策略：用于多數(shù)據(jù)中心之間數(shù)據(jù)集的放置。該方法的數(shù)據(jù)放置策略分為兩步，在科學工作流建立階段:構(gòu)建一個相關(guān)度矩陣。通過BEA算法得到聚類矩陣。通過該矩陣將所有數(shù)據(jù)集劃分為K個集合。科學工作流執(zhí)行階段，在考慮存儲條件滿足的情況下，新產(chǎn)生的數(shù)據(jù)集被放置在與它相關(guān)度最大的數(shù)據(jù)中心上。實驗表明，該方法可以有效減少跨據(jù)中心之間的數(shù)據(jù)移動次數(shù)。但這種方法并未考慮移動的數(shù)據(jù)大小，如果移動次數(shù)較少，但所移動的數(shù)據(jù)太大，傳輸開銷不一定降低，導致科學工作流的執(zhí)行效率反而下降。聚類矩陣的數(shù)據(jù)放置策略：用于多數(shù)據(jù)中心之間數(shù)據(jù)集的放置。10三、科學工作流形式化描述和問題分析

3.1相關(guān)模型和符號定義定義1數(shù)據(jù)中心設為DC＝dci＝〈capi,csi,λini〉表示編號為i數(shù)據(jù)中心，capi表示dci的計算能力，并用執(zhí)行同一任務所需的時間的倒數(shù)來量化表示，并假設該值保持不變；csi表示dci的存儲空間大?。沪薸ni表示在科學工作流建立階段，數(shù)據(jù)中心可以使用的存儲空間的比例。因為科學工作流執(zhí)行過程中產(chǎn)生的中間數(shù)據(jù)有可能規(guī)模龐大，因此在原始數(shù)據(jù)分配階段要留有一定的空間來存儲中間數(shù)據(jù)，所以0＜λini＜1。λini是一個經(jīng)驗值，它的大小取決于科學工作流的性質(zhì)。三、科學工作流形式化描述和問題分析3.1相關(guān)模型和符號定11定義2原始數(shù)據(jù)集設為DSini＝｛d1，d2，d3…｝DSini表示在科學工作流建立時所存在的數(shù)據(jù)集，即所有原始輸入。中間數(shù)據(jù)集設為DSgen＝｛d1，d2，d3…｝DSgen表示在科學工作流執(zhí)行過程中所產(chǎn)生的數(shù)據(jù)集。固定數(shù)據(jù)集和非固定數(shù)據(jù)集分別設為FD和NFD．FD表示必須放置在固定數(shù)據(jù)中心的數(shù)據(jù)集，這是因為某些數(shù)據(jù)需要特定數(shù)據(jù)中心的特定設備才能處理，或者某些數(shù)據(jù)具有私有性和產(chǎn)權(quán)性．NFD表示沒有固定數(shù)據(jù)中心的數(shù)據(jù)集，這是相對FD而言。定義3T＝｛t1，t2，t3…｝表示在科學工作流上運行的任務集，每一個任務執(zhí)行都需要若干數(shù)據(jù)集作為輸入。定義4di＝〈Ti，si，dci，fix＿flag，deplink〉di表示科學工作流中編號為i的數(shù)據(jù)集。Ti＝｛t1，t2，t3…｝表示使用di的任務集合；si表示數(shù)據(jù)集的大小；dci表示di所對應的數(shù)據(jù)中心；fix＿flag為true表示di是固定數(shù)據(jù)，反之則為非固定數(shù)據(jù)；deplink是一個鏈表。定義2原始數(shù)據(jù)集設為DSini＝｛d1，d2，d3…｝123.2實例分析與問題說明圖１（a）給出了一個科學工作流的例子，該科學工作流包含5個子任務｛t1，t2，t3，t4，t5｝，5個輸入數(shù)據(jù)集｛d1，d2，d3，d4_f，d5｝和一個中間數(shù)據(jù)集｛d6｝，其中｛d4_f｝是dc2上的固定數(shù)據(jù)集，不能移動。3.2實例分析與問題說明圖１（a）給出了一個科學工作流的例13以圖１為例，科學工作流的數(shù)據(jù)放置策略需要考慮以下幾點：（1）數(shù)據(jù)相關(guān)對科學工作流的影響?？茖W工作流運行中數(shù)據(jù)集和任務之間并不是一對多或者多對一的關(guān)系，而是多對多的關(guān)系，即一個數(shù)據(jù)集可能會被多個任務同時使用，一個任務也可能調(diào)用多個數(shù)據(jù)集。（2）數(shù)據(jù)集大小對科學工作流的影響。（3）固定數(shù)據(jù)集對科學工作流的影響。固定數(shù)據(jù)集對科學工作流的影響。因為固定數(shù)據(jù)集只能放置在特定的數(shù)據(jù)中心，無法向外傳輸，一旦任務使用到固定數(shù)據(jù)集，該任務一定會被調(diào)度到這個數(shù)據(jù)中心上執(zhí)行。（4）數(shù)據(jù)中心的計算能力、存儲能力對科學工作流的影響．由于各個數(shù)據(jù)中心隸屬于不同的組織機構(gòu)，其計算能力、存儲能力可能差異較大。合理的數(shù)據(jù)放置策略也要也要將這兩個因素考慮到，即在存儲空間足夠的前提下，向計算能力強的數(shù)據(jù)中心放置盡量多的數(shù)據(jù)集，以加快科學工作流的執(zhí)行速度。由于數(shù)據(jù)移動開銷對科學工作流性能影響較大，因此合理的數(shù)據(jù)放置策略應該努力減少數(shù)據(jù)移動量，本文針對這種情況提出了一種基于相關(guān)度的數(shù)據(jù)放置策略，該策略綜合考慮了數(shù)據(jù)相關(guān)度（即數(shù)據(jù)之間被相同任務使用的多少）、數(shù)據(jù)大小、固定數(shù)據(jù)集、數(shù)據(jù)中心的計算能力和存儲能力，有效提升了科學工作流的執(zhí)行效率。以圖１為例，科學工作流的數(shù)據(jù)放置策略需要考慮以下幾點：14四、基于相關(guān)度的兩階段數(shù)據(jù)放置與任務調(diào)度策略4.1建立階段數(shù)據(jù)放置策略在科學工作流建立階段，該策略對所有的原始輸入數(shù)據(jù)集在邏輯上進行預分配，這樣做可以優(yōu)化數(shù)據(jù)分配方案，防止前期出現(xiàn)不合理分配的情況。預分配主要從局部性考慮，使得子任務在調(diào)度后，所需使用的數(shù)據(jù)集都盡量在本地數(shù)據(jù)中心上存儲。定義5數(shù)據(jù)集相關(guān)度設為count（Ti∩Tj）×min｛si，sj｝，di，dj∈NFDdepij＝count（Ti∩Tj）×si，di∈NFD，dj∈FDcount（Ti∩Tj）×si，di∈FD,dj∈NFD0，di，dj∈FD四、基于相關(guān)度的兩階段數(shù)據(jù)放置與任務調(diào)度策略4.1建立階段15depij表示數(shù)據(jù)di和數(shù)據(jù)dj的相關(guān)度大小。count（Ti∩Tj）表示共同使用di和dj的任務數(shù)量。depij與數(shù)據(jù)集大小有關(guān)。由定義４知，數(shù)據(jù)集di有一個屬性deplink，此處定義為deplink（i）=｛<di,depij>|j≠i｝，根據(jù)depij大小形成一個降序鏈表。定義6預分配數(shù)據(jù)中心設為DCk，k＝1，2，…，m，假定DCk的存儲空間值為相應的dck存儲空間大小。在科學工作流建立階段，需要先將原始數(shù)據(jù)集邏輯上分配到DCk，k＝1，2，…，m，然后按照DCk→dck的映射原則，將邏輯上的分配方案在物理的數(shù)據(jù)中心上實現(xiàn)。定義7待分配數(shù)據(jù)集集合設為DCwait。在科學工作流建立階段，該集合中存放的是與其它任何數(shù)據(jù)集相關(guān)度均為0的數(shù)據(jù)集；在科學工作流運行階段，該集合中存放在后續(xù)過程中需要分配的數(shù)據(jù)集。depij表示數(shù)據(jù)di和數(shù)據(jù)dj的相關(guān)度大小。16如圖２所示，在科學工作流建立階段需要對所有的原始數(shù)據(jù)進行預分配，其流程大致如下:第1步（語句1～5）算法首先將所有的原始數(shù)據(jù)分為兩類，固定數(shù)據(jù)集FD和非固定數(shù)據(jù)集NFD。第2步（語句6～22）判斷di的deplink中相關(guān)度最大的數(shù)據(jù)集di是固定數(shù)據(jù)集還是非固定數(shù)據(jù)集。第3步（語句23～27）對DCwait中的數(shù)據(jù)集進行預分配。如圖２所示，在科學工作流建立階段需要對所有的原始數(shù)據(jù)進行預分174.2運行階段數(shù)據(jù)放置與任務調(diào)度策略在科學工作流執(zhí)行階段，基于相關(guān)度的數(shù)據(jù)放置策略將中間數(shù)據(jù)集放置到與它相關(guān)度最大的數(shù)據(jù)中心上，如果該中心存儲空間不足，則按照該策略中的Adjustment算法對全局數(shù)據(jù)集進行調(diào)整。定義8數(shù)據(jù)集dk和數(shù)據(jù)中心dcm的相關(guān)度dc_depmk＝Ti表示數(shù)據(jù)中心dcm上數(shù)據(jù)集di所需使用的任務集，N表示dcm上數(shù)據(jù)集的個數(shù)，Tk指使用數(shù)據(jù)集dk的任務集集合，sk表示數(shù)據(jù)集dk大小。4.2運行階段數(shù)據(jù)放置與任務調(diào)度策略18定義9調(diào)度任務tk在數(shù)據(jù)中心dcm上執(zhí)行引起的傳輸開銷設為transCostmk＝［size(DSk)－size(DSk∩DSm)＋size(DS’gen-DS’m)］size(DS)表示集合DS中所有數(shù)據(jù)集大小之和，DSk是任務tk所需使用的數(shù)據(jù)集，DSm包含數(shù)據(jù)中心dcm上的所有數(shù)據(jù)集，DS’gen表示任務tk執(zhí)行完畢后產(chǎn)生的數(shù)據(jù)集，DS’m表示DS’gen中應該放在dcm上的數(shù)據(jù)集。［size(DSk)－size(DSk∩DSm)］表示tk在dcm上執(zhí)行需要從其它數(shù)據(jù)中心調(diào)入的數(shù)據(jù)集大小，size(DS’gen-DS’m))表示tk在dcm上執(zhí)行完畢后產(chǎn)生的中間數(shù)據(jù)集向其它數(shù)據(jù)中心發(fā)送的數(shù)據(jù)集大小。如果transCosthk＝，將tk調(diào)度到dch上執(zhí)行所引起的傳輸開銷是最低的。定義9調(diào)度任務tk在數(shù)據(jù)中心dcm上執(zhí)行引起的傳輸開銷設為19科學工作流運行的時候，從任務集合中選取任務ti，根據(jù)定義９將ti調(diào)度到合適的數(shù)據(jù)中心執(zhí)行，執(zhí)行完畢后若產(chǎn)生新的任務和新的數(shù)據(jù)集，則首先更新任務集合，然后給新產(chǎn)生的數(shù)據(jù)集選擇合適的數(shù)據(jù)中心放置。對新產(chǎn)生的中間數(shù)據(jù)dk，根據(jù)定義８計算其與所有數(shù)據(jù)中心的相關(guān)度dc_depmk，選擇相關(guān)度最大的數(shù)據(jù)中心分配，如果該數(shù)據(jù)中心存儲空間不足，表明科學工作流已經(jīng)運行了一段時間，出現(xiàn)了負載不均衡，因此需要對所有數(shù)據(jù)集進行重新調(diào)整?？茖W工作流運行的時候，從任務集合中選取任務ti，根據(jù)定義９20調(diào)整算法如圖4所示，詳細過程如下：第1步（語句1～31）對所有數(shù)據(jù)中心上的數(shù)據(jù)集進行預分配。第2步（語句32～38）預分配完成以后，對所有邏輯數(shù)據(jù)中心DCi和物理數(shù)據(jù)中心dci上的每個數(shù)據(jù)集dk進行對比。調(diào)整算法如圖4所示，詳細過程如下：21五、實驗分析5.1實驗環(huán)境和設置為了驗證基于相關(guān)度的數(shù)據(jù)放置策略效果，在“天河”集群上建立了一個包含80個節(jié)點的測試平臺，每一個節(jié)點包含一個IntelXeonE55402.53GHz的四核cpu。為了模擬云計算平臺，在每個節(jié)點上安裝Ｘｅｎ并在上面創(chuàng)建了虛擬集群以模擬數(shù)據(jù)中心；為每一個cpu核創(chuàng)建一個帶有存儲空間的計算實體，每個數(shù)據(jù)中心包含１６個計算實體，于是共有２０個數(shù)據(jù)中心；為了對數(shù)據(jù)進行管理，在每個數(shù)據(jù)中心上安裝了ApacheHDFS，并運行swinDew-C（SwinburneDecentralisedWorkflowforCloud)用來解釋和執(zhí)行工作流。本文將采用模擬的、可定制的科學工作流來測試基于相關(guān)度的數(shù)據(jù)放置策略。通過分別改變科學工作流的數(shù)據(jù)集和任務的數(shù)量來控制科學工作流的復雜度；通過改變上界與下界來控制數(shù)據(jù)集大小的取值范圍；同樣，固定數(shù)據(jù)集的比例和數(shù)據(jù)中心的數(shù)量也可以進行調(diào)整。實驗過程中，為了保證結(jié)果的可靠性，每一個科學工作流在保持配置和云平臺環(huán)境不變的情況下，運行300次后取平均值作為測試結(jié)果。五、實驗分析5.1實驗環(huán)境和設置22為了說明本文所提數(shù)據(jù)放置策略的效果，實驗對比了３種數(shù)據(jù)放置策略，分別是Random、Cluster和本文所提出的基于相關(guān)度的數(shù)據(jù)放置策略。Random策略：輸入數(shù)據(jù)集在建立階段隨機的放到其中一個數(shù)據(jù)中心，如果是固定數(shù)據(jù)集則放置到指定的數(shù)據(jù)中心；運行階段，如果空間足夠，產(chǎn)生的中間數(shù)據(jù)集則存放在本地數(shù)據(jù)中心，否則隨機放置到其中一個數(shù)據(jù)中心。在網(wǎng)格、集群系統(tǒng)中，產(chǎn)生的中間數(shù)據(jù)集就是存放在本地或者隨機放在存儲空間富余的結(jié)點上。Cluster策略：在文獻［11］中提到的數(shù)據(jù)放置策略。在建立階段，把所有的輸入數(shù)據(jù)分為犓個數(shù)據(jù)集合，把這犓個數(shù)據(jù)集合放置到合適的數(shù)據(jù)中心；在運行階段，把新產(chǎn)生的數(shù)據(jù)集放置到合適的數(shù)據(jù)中心?；谙嚓P(guān)度的數(shù)據(jù)放置策略：本文所提的數(shù)據(jù)放置策略，在文章后續(xù)部分所有圖示中用Data-dependence表示該策略。為了說明本文所提數(shù)據(jù)放置策略的效果，實驗對比了３種數(shù)據(jù)放置策235.2測試結(jié)果及分析5.2.1數(shù)據(jù)集數(shù)量變化對結(jié)果的影響

圖5顯示的是當數(shù)據(jù)集數(shù)量增加時，數(shù)據(jù)移動次數(shù)和數(shù)據(jù)移動量的變化趨勢。實驗設定如下：科學工作流任務量犖和數(shù)據(jù)集數(shù)量犖取相同的值，數(shù)據(jù)集的變化范圍設為1～500MB，固定數(shù)據(jù)集比例為20％，數(shù)據(jù)中心為15個。5.2測試結(jié)果及分析圖5顯示的是當數(shù)據(jù)集數(shù)量增加時，數(shù)據(jù)24原因分析：Cluster策略按照最大數(shù)量的原則將數(shù)據(jù)集聚集在同一個數(shù)據(jù)中心，而基于相關(guān)度的數(shù)據(jù)放置策略按照最大流量的原則將數(shù)據(jù)集聚集在同一個數(shù)據(jù)中心；同時，在運行階段Cluster策略將任務調(diào)度到包含數(shù)據(jù)個數(shù)最多的數(shù)據(jù)中心，基于相關(guān)度的數(shù)據(jù)放置策略則將任務調(diào)度到數(shù)據(jù)量最多的數(shù)據(jù)中心，所以任務執(zhí)行時，基于相關(guān)度的數(shù)據(jù)放置策略引起的數(shù)據(jù)傳輸量就會明顯減少。原因分析：Cluster策略按照最大數(shù)量的原則將數(shù)據(jù)集聚集255.2.2數(shù)據(jù)集大小取值范圍變化對數(shù)據(jù)移動量的影響圖6表示數(shù)據(jù)集大小幅度改變時數(shù)據(jù)移動量的變化趨勢。實驗設定如下：科學工作流任務量為80，數(shù)據(jù)集數(shù)量為80，固定數(shù)據(jù)集比例為20％，數(shù)據(jù)中心為15個，數(shù)據(jù)集大小的平均值是250MB。原因分析：若數(shù)據(jù)大小變化幅度很大，則Data-dependence策略在大多數(shù)情況下會選擇移動規(guī)模小的數(shù)據(jù)集，這樣就降低了數(shù)據(jù)移動量。5.2.2數(shù)據(jù)集大小取值范圍變化對數(shù)據(jù)移動量的影響圖6表示265.2.3固定數(shù)據(jù)集比例的改變對數(shù)據(jù)移動量的影響圖7表出的是固定數(shù)據(jù)集比例改變時數(shù)據(jù)的移動量的變化趨勢。實驗設定如下：科學工作流任務量為80，數(shù)據(jù)集個數(shù)為80，數(shù)據(jù)中心為