Efficient workflow scheduling plays a critical role in achieving high performance in heterogeneous distributed computing systems. Given its key importance, workflow scheduling has been extensively studied, and various algorithms have been proposed in the literature mainly for systems with homogeneous or heterogeneous processors. Most of the algorithms leverage the average computation cost to prioritize tasks, and few focus on the combination of the level and out-degree of tasks, which both have a considerable impact on scheduling. A new list scheduling algorithm called level and out-degree earliest finish time (LOEFT) is proposed in this paper to address the problem of static workflow scheduling in a heterogeneous computing environment to reduce the workflow execution time. This algorithm has three major phases: task leveling, task prioritization and processor selection. In the task leveling phase, tasks are categorized into different groups based on depth value to ensure data transmission completeness. In the task prioritizing phase, the upward rank value is combined with the out-degree of every task to calculate the heterogeneous priority rank value on different processors and leverage the value to sort all tasks. In the processor selection phase, the selected task is assigned to the processor, which minimizes the former’s earliest finish time. The experimental simulation of randomly generated DAG and real-world application workflows proves that the LOEFT algorithm can significantly reduce the workflow execution time.

中文翻译：

---

将层级策略融入Out-Degree的工作流调度时间优化

高效的工作流调度对于在异构分布式计算系统中实现高性能起着至关重要的作用。鉴于其关键重要性，工作流调度已经被广泛研究，并且文献中已经提出了各种算法，主要用于具有同构或异构处理器的系统。大多数算法都是利用平均计算成本来对任务进行优先级排序，很少关注任务的级别和出度的组合，这两者都对调度产生了相当大的影响。针对异构计算环境下的静态工作流调度问题，本文提出一种新的列表调度算法，称为水平和出度最早完成时间（LOEFT），以减少工作流执行时间。该算法具有三个主要阶段：任务分级，任务优先级和处理器选择。在任务分级阶段，根据深度值将任务分为不同的组，以保证数据传输的完整性。在任务优先级阶段，将向上的rank值与每个任务的出度相结合，计算出不同处理器上的异构优先级rank值，并利用该值对所有任务进行排序。在处理器选择阶段，将选定的任务分配给处理器，从而最大限度地减少前者的最早完成时间。随机生成的 DAG 和实际应用工作流的实验模拟证明 LOEFT 算法可以显着减少工作流执行时间。任务根据深度值分为不同的组，以确保数据传输的完整性。在任务优先级阶段，将向上的rank值与每个任务的出度相结合，计算出不同处理器上的异构优先级rank值，并利用该值对所有任务进行排序。在处理器选择阶段，将选定的任务分配给处理器，从而最大限度地减少前者的最早完成时间。随机生成的 DAG 和实际应用工作流的实验模拟证明 LOEFT 算法可以显着减少工作流执行时间。任务根据深度值分为不同的组，以确保数据传输的完整性。在任务优先级阶段，将向上的rank值与每个任务的出度相结合，计算出不同处理器上的异构优先级rank值，并利用该值对所有任务进行排序。在处理器选择阶段，将选定的任务分配给处理器，从而最大限度地减少前者的最早完成时间。随机生成的 DAG 和实际应用工作流的实验模拟证明 LOEFT 算法可以显着减少工作流执行时间。在处理器选择阶段，将选定的任务分配给处理器，从而最大限度地减少前者的最早完成时间。随机生成的 DAG 和实际应用工作流的实验模拟证明 LOEFT 算法可以显着减少工作流执行时间。在处理器选择阶段，将选定的任务分配给处理器，从而最大限度地减少前者的最早完成时间。随机生成的 DAG 和实际应用工作流的实验模拟证明 LOEFT 算法可以显着减少工作流执行时间。