The Cloud infrastructure offers to end users a broad set of heterogenous computational resources using the pay-as-you-go model. These virtualized resources can be provisioned using different pricing models like the unreliable model where resources are provided at a fraction of the cost but with no guarantee for an uninterrupted processing. However, the enormous gamut of opportunities comes with a great caveat as resource management and scheduling decisions are increasingly complicated. Moreover, the presented uncertainty in optimally selecting resources has also a negatively impact on the quality of solutions delivered by scheduling algorithms. In this paper, we present a dynamic scheduling algorithm (i.e., the Uncertainty-Driven Scheduling - UDS algorithm) for the management of scientific workflows in Cloud. Our model minimizes both the makespan and the monetary cost by dynamically selecting reliable or unreliable virtualized resources. For covering the uncertainty in decision making, we adopt a Fuzzy Logic Controller (FLC) to derive the pricing model of the resources that will host every task. We evaluate the performance of the proposed algorithm using real workflow applications being tested under the assumption of different probabilities regarding the revocation of unreliable resources. Numerical results depict the performance of the proposed approach and a comparative assessment reveals the position of the paper in the relevant literature.

中文翻译：

---

使用不可靠云资源进行任务调度的模糊逻辑控制器

云基础架构使用即用即付模型为最终用户提供广泛的异构计算资源。这些虚拟化资源可以使用不同的定价模型进行配置，如不可靠模型，其中资源以一小部分成本提供，但不保证不间断处理。然而，随着资源管理和调度决策越来越复杂，大量的机会伴随着一个巨大的警告。此外，最优选择资源的不确定性也对调度算法提供的解决方案的质量产生负面影响。在本文中，我们提出了一种用于管理云中科学工作流的动态调度算法（即不确定性驱动调度 - UDS 算法）。我们的模型通过动态选择可靠或不可靠的虚拟化资源来最大限度地减少完工时间和货币成本。为了覆盖决策中的不确定性，我们采用模糊逻辑控制器 (FLC) 来推导将承载每个任务的资源的定价模型。我们在不可靠资源撤销的不同概率假设下，使用正在测试的真实工作流应用程序来评估所提出算法的性能。数值结果描述了所提出方法的性能，比较评估揭示了该论文在相关文献中的地位。我们采用模糊逻辑控制器 (FLC) 来推导出将承载每个任务的资源的定价模型。我们在不可靠资源撤销的不同概率假设下，使用正在测试的真实工作流应用程序来评估所提出算法的性能。数值结果描述了所提出方法的性能，比较评估揭示了该论文在相关文献中的地位。我们采用模糊逻辑控制器 (FLC) 来推导出将承载每个任务的资源的定价模型。我们在不可靠资源撤销的不同概率假设下，使用正在测试的真实工作流应用程序来评估所提出算法的性能。数值结果描述了所提出方法的性能，比较评估揭示了该论文在相关文献中的地位。