一，初始化Parameters
Parameters是workflowsim里面重要的参数类，这个类里面的数据都是静态数据，也就是说全局共享这个类的数据。先来看看这个类的一个init方法。
/**
* A static function so that you can specify them in any place
*
* @param vm, the number of vms vm的数目
* @param dax, the DAX path dax的路径
* @param runtime, optional, the runtime file path 这个属性没什么用，文章说
*运行时文件的物理路径在运行时文件中，请使用以下格式ID1 1.0 ID2 2.0…这是可选的，如果您在DAX中指定了任务运行时，则不需要指定此文件
* @param datasize, optional, the datasize file path 这个也没有用
* @param op, overhead parameters
* @param cp, clustering parameters
* @param scheduler, scheduling mode
* @param planner, planning mode
* @param rMethod , reducer mode
* @param dl, deadline
*/
public static void init(
int vm, String dax, String runtime, String datasize,
OverheadParameters op, ClusteringParameters cp,
SchedulingAlgorithm scheduler, PlanningAlgorithm planner, String rMethod,
long dl) {
cParams = cp;
vmNum = vm;
daxPath = dax;
runtimePath = runtime;
datasizePath = datasize;
oParams = op;
schedulingAlgorithm = scheduler;
planningAlgorithm = planner;
reduceMethod = rMethod;
deadline = dl;
maxDepth = 0;
}
1.OverheadParameters
这个类是用来处理延迟的，看了一下源码，这里面有是个重要的map
Map<Integer, DistributionGenerator> wed_delay,
Map<Integer, DistributionGenerator> queue_delay,
Map<Integer, DistributionGenerator> post_delay,
Map<Integer, DistributionGenerator> cluster_delay,
首先来说说这个Map里面的两个东西，第一个Integer是job的层深(depth)，第二个参数是随机数生成器，workflowsim提供了四个分布生成器分别是*LOGNORMAL*, *GAMMA*, *WEIBULL*, *NORMAL*分别是对数正态分布，伽马分布，韦伯分布和正太分布。设计这个map的目的就是每个层深的job都有不一样的延迟（delay）体现。
1.wed_delay是什么东西，原文有解释说
workflow engine delay for a particular job based on the depth(level)
这个wed_delay就是工作流引擎对某个具体任务的延迟
这个延迟发生workflow引擎的submitJob这一个行为里面，以及Reclustering里面，这个行为是至于submitJob具体是什么要看后面的文章细说，不理解也不影响后面的流程。
2.queue_delay
queue_delay在WorkflowScheduler里面被调用,在processCloudletUpdate()这一个函数里面。以及workflow引擎里面也有调用，还有reclustering里面也有调用，但是最关键的地方在sheduler这一个环节
protected void processCloudletUpdate(SimEvent ev) {
BaseSchedulingAlgorithm scheduler = getScheduler(Parameters.getSchedulingAlgorithm());
scheduler.setCloudletList(getCloudletList());
scheduler.setVmList(getVmsCreatedList());
try {
scheduler.run();
} catch (Exception e) {
Log.printLine("Error in configuring scheduler_method");
e.printStackTrace();
}
List<Cloudlet> scheduledList = scheduler.getScheduledList();
for (Cloudlet cloudlet : scheduledList) {
int vmId = cloudlet.getVmId();
double delay = 0.0;
if (Parameters.getOverheadParams().getQueueDelay() != null) {
delay = Parameters.getOverheadParams().getQueueDelay(cloudlet);
}
//关键的代码
schedule(getVmsToDatacentersMap().get(vmId), delay, CloudSimTags.CLOUDLET_SUBMIT, cloudlet);
}
getCloudletList().removeAll(scheduledList);
getCloudletSubmittedList().addAll(scheduledList);
cloudletsSubmitted += scheduledList.size();
}
上面的sheduler.run()做的是一个调度的操作，是cloudlet到vm的映射，在这一个环节里面，每一个cloudlet都会被设置一个vmId，这个VM就是cloudlet要运行的地方。
最后的这个delay会在下面的代码(Cloudsim.java)这里体现出来，这里是entry之间的交互过程，可以暂时先不看，但是要知道这个delay最关键的作用就是在任务调度(run)之后，为下面这一行代码服务的schedule(getVmsToDatacentersMap().get(vmId), delay, CloudSimTags.*CLOUDLET_SUBMIT*, cloudlet);
public static void send(int src, int dest, double delay, int tag, Object data) {
if (delay < 0) {
throw new IllegalArgumentException("Send delay can't be negative.");
}
SimEvent e = new SimEvent(SimEvent.SEND, clock + delay, src, dest, tag, data);
future.addEvent(e);
}
3.post_delay
这个和上面的也很像，在这个函数processCloudletReturn()里面跑
4.cluster_delay
这个就是字面的意思，聚类的时候带来的延迟，本文不做深入探讨。
2.ClusteringParameters
这个ClusteringParameters是用来决定聚类的参数的
public ClusteringParameters(int cNum, int cSize, ClusteringMethod method, String code) {
this.clusters_num = cNum;
this.clusters_size = cSize;
this.method = method;
this.code = code;
}
首先是第一个参数cNum，就是聚类的数目，第二个cSize，就是聚类的大小，第三个ClusteringMethod，就是聚类的方法，第四个code就是指定平衡策略，workflowsim一共提供了6种策略。
3.SchedulingAlgorithm
这里的SchedulingAlgorithm是调度的算法
- MAXMIN
- MINMIN
- MCT
- DATA
- STATIC
- FCFS
- ROUNDROBIN
- INVALID
private BaseSchedulingAlgorithm getScheduler(SchedulingAlgorithm name) {
BaseSchedulingAlgorithm algorithm;
// choose which algorithm to use. Make sure you have add related enum in
//Parameters.java
switch (name) {
//by default it is Static
case FCFS:
algorithm = new FCFSSchedulingAlgorithm();
break;
case MINMIN:
algorithm = new MinMinSchedulingAlgorithm();
break;
case MAXMIN:
algorithm = new MaxMinSchedulingAlgorithm();
break;
case MCT:
algorithm = new MCTSchedulingAlgorithm();
break;
case DATA:
algorithm = new DataAwareSchedulingAlgorithm();
break;
case STATIC:
algorithm = new StaticSchedulingAlgorithm();
break;
case ROUNDROBIN:
algorithm = new RoundRobinSchedulingAlgorithm();
break;
default:
algorithm = new StaticSchedulingAlgorithm();
break;
}
return algorithm;
}
具体调度哪个算法，根据传进来的枚举类型SchedulingAlgorithm判断。
这些算法都是决定怎么将cloudlet和vm绑定的
4.PlanningAlgorithm
这个类是枚举类，决定具体调用什么计划算法(PlanningAlgorithm)
private BasePlanningAlgorithm getPlanningAlgorithm(PlanningAlgorithm name) {
BasePlanningAlgorithm planner;
// choose which scheduler to use. Make sure you have add related enum in
//Parameters.java
switch (name) {
//by default it is FCFS_SCH
case INVALID:
planner = null;
break;
case RANDOM:
planner = new RandomPlanningAlgorithm();
break;
case HEFT:
planner = new HEFTPlanningAlgorithm();
break;
case DHEFT:
planner = new DHEFTPlanningAlgorithm();
break;
default:
planner = null;
break;
}
return planner;
}
这些个参数是最重要的参数，决定具体要调用哪个planning算法，而这个算法真是大多数使用workflowsim的同志要写的算法，这里假如要加入自己的算法，那就在这个地方（WorkflowPlanner）添上去就好了，这个planner算法的具体作用就是将task和vm绑定在一起，我举个经典的例子，HEFTPlanningAlgorithm.java里面决定哪个任务应该调度到哪个虚拟机就是看的这个算法。
private void allocateTask(Task task) {
CondorVM chosenVM = null;
double earliestFinishTime = Double.MAX_VALUE;
double bestReadyTime = 0.0;
double finishTime;
for (Object vmObject : getVmList()) {
CondorVM vm = (CondorVM) vmObject;
double minReadyTime = 0.0;
for (Task parent : task.getParentList()) {
double readyTime = earliestFinishTimes.get(parent);
if (parent.getVmId() != vm.getId()) {
readyTime += transferCosts.get(parent).get(task);
}
minReadyTime = Math.max(minReadyTime, readyTime);
}
finishTime = findFinishTime(task, vm, minReadyTime, false);
if (finishTime < earliestFinishTime) {
bestReadyTime = minReadyTime;
earliestFinishTime = finishTime;
chosenVM = vm;
}
}
findFinishTime(task, chosenVM, bestReadyTime, true);
earliestFinishTimes.put(task, earliestFinishTime);
task.setVmId(chosenVM.getId());
}
…
5.rMethod
这里rMethod指定某个工作流进行聚类整合，减少计算时间。
6.dl
就是deadline拉
7.Parameter小结
这里的初始化Paramater，分别决定了vm数目, 工作流dax路径, runtime起始时间, datasize文件大小,op额外花费的分布函数, ClusteringParameters聚类算法,scheduler调度器, planner计划器, rMethod 缩减算法,dl截止日期，但是这些仅仅只是参数而已，只是确定了工作流这边的参数，并没有和CloudSim连接在一起，所以我们后面还是要创建一下和CloudSim相关的参数才行。
8.代码
/**
* However, the exact number of vms may not necessarily be vmNum If
* the data center or the host doesn't have sufficient resources the
* exact vmNum would be smaller than that. Take care.
*/
int vmNum = 20;//number of vms;
/**
* Should change this based on real physical path
*/
String daxPath = "config/dax/Montage_100.xml";
File daxFile = new File(daxPath);
if (!daxFile.exists()) {
Log.printLine("Warning: Please replace daxPath with the physical path in your working environment!");
return;
}
/**
* Since we are using MINMIN scheduling algorithm, the planning
* algorithm should be INVALID such that the planner would not
* override the result of the scheduler
*/
Parameters.SchedulingAlgorithm sch_method = Parameters.SchedulingAlgorithm.MINMIN;
Parameters.PlanningAlgorithm pln_method = Parameters.PlanningAlgorithm.HEFT;
ReplicaCatalog.FileSystem file_system = ReplicaCatalog.FileSystem.SHARED;
/**
* No overheads
*/
OverheadParameters op = new OverheadParameters(0, null, null, null, null, 0);
/**
* No Clustering
*/
ClusteringParameters.ClusteringMethod method = ClusteringParameters.ClusteringMethod.NONE;
ClusteringParameters cp = new ClusteringParameters(0, 0, method, null);
/**
* Initialize static parameters
*/
Parameters.init(vmNum, daxPath, null,
null, op, cp, sch_method, pln_method,
null, 0);//初始化的操作，插入dax文件，
ReplicaCatalog.init(file_system);
540
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
