在基于MapReduce的云上调度实时工作流

标题与描述的知识点： 该研究论文的标题为“在基于MapReduce的云上调度实时工作流”，描述也重复了这个主题。根据标题与描述，可以理解该论文探讨的是如何在云平台中，基于MapReduce模型，对实时工作流进行有效的调度，以满足特定的截止期限（deadline）要求。由于MapReduce模型广泛应用于数据处理环境，包括工业和学术研究领域，并且其开源实现Hadoop的使用也非常普遍，因此该研究的重点是如何在该环境中自动控制资源分配，以实现自定义的截止期限。 当前关于截止期限相关的MapReduce调度器的研究只支持软实时调度，即允许截止期限的延长。然而，该论文提出了一种名为SPS（Speculative Parallelism Scheduler）的调度器，该调度器可以保证实时工作流在指定的截止期限之前完成作业。SPS调度器支持任务的抢占（preemption），并且具有较低的上下文切换开销（context-switch overhead），使其能够在线做出调度决策，即使在工作流随机到达云平台的情况下。 内容的知识点： 从所提供的部分内容来看，文章的作者是来自中国成都西南交通大学信息科学与技术学院的FeiTeng、HaoYang、TianruiLi、YanYang和ZhaoLi。文章开头提到了数据生成和消费的速度前所未有，并且数据已经成为理解世界、做出更好决策的强大工具。大多数互联网公司实际上就是数据工厂，收集无数数字设备产生的数据流，并提供各种智能计算服务。这些云服务的质量由服务质量（QoS）来评估，其中响应时间是一个关键性能指标。例如，在某些搜索引擎公司，公共舆论监测的数据挖掘操作固定间隔进行，每次挖掘操作应该在下一次数据到来之前完成。 文章强调了两个需要关注的特征：这些服务在一个固定的周期内重复进行，形成了一系列的串联工作流。当后继服务到达时，前一个服务必须终止，这意味着周期性服务有一个不可侵犯的截止期限。该论文的目标是关于调度，这表明研究聚焦于如何处理那些周期性地、连续地并严格要求截止时间的工作负载。 从实验结果来看，SPS调度器在Hadoop平台上进行实验的结果显示，即使工作流的需求超过了集群资源，SPS也能够有效地满足截止期限的要求。这表明SPS调度器能够有效地管理资源和时间，以满足严格的实时计算需求。由于上述内容是通过OCR扫描技术获取的，可能会存在一些文字识别错误或者遗漏，但核心知识点应该是准确的。