近期，林兵等的 “A Time-driven Data Placement Strategy for a Sci-entific Workflow Combining Edge Computing and Cloud Computing”研究成果在《IEEE Transactions on Industrial Informatics》上发表。
论文简介如下：
科学工作流在云计算环境中执行，相比网格等传统分布式环境，可以节省大量资源，优化执行代价，但存在数据传输时延严重问题。边缘计算能够降低时延，对科学工作流隐私数据固定存放提供支持，但自身存储容量存在瓶颈。如何结合边缘计算和云计算各自的优势，对科学工作流数据进行合理布局，优化数据传输时延，是科学工作流面临的重大挑战。现有研究工作大多采用基于负载均衡的数据布局策略，达到每个云数据中心的负载平衡，然而数据传输时延严重。本文考虑结合边缘计算和云计算环境的数据布局特点，提出一种基于遗传算法算子的自适应离散粒子群优化算法(GA-DPSO)，目的是优化科学工作流传输时延。该方法考虑数据中心间的带宽、边缘计算数据中心个数和容量等因素对传输时延的影响；通过引入遗传算法的交叉算子和变异算子，避免粒子群优化算法的过早收敛问题，提高种群进化的多样性，有效压缩数据传输时延。实验结果表明，基于GA-DPSO的数据布局策略可以有效降低结合边缘计算和云计算环境的科学工作流数据传输时延。
本网全文下载：https://ieeexplore.ieee.org/abstract/document/8668458
