Hybrid cloud is a cost-effective way to address the problem of insufficient resources for satisfying its users’ requirements in a private cloud by elastically scaling up or down its service capability by combining the private cloud and public clouds. However, it is a challenge to schedule tasks on hybrid resources concerning their performance and security requirements. To address the challenge, this paper aims at improving the number of finished tasks with deadline and security requirements and the resource usage cost in heterogeneous hybrid clouds, based on data protection technologies providing various security levels with different overheads for data transfers and task executions in public clouds. We first formulate the problem as a bi-objective binary nonlinear programming (BOBNP) model which is a NP-hard problem. Then, to solve the problem in polynomial time, we propose a Task Scheduling method concerning Security (TSS). To improve the cost, TSS iteratively assigns the task requiring maximum cost of public resources to the local cluster, and rents the public resource with the best cost-performance ratio first for outsourced tasks. To complete as many tasks as possible, TSS assigns tasks cannot be finished by public clouds to the local cloud at first, and employs the idea of Least Slack Time First (LSTF) with Earliest Deadline First (EDF) in each computing node. Extensive experimental results show the superior performance of TSS in satisfying task requirements, and in resource efficiency when task deadlines are not too tight, compared with four hybrid cloud scheduling methods proposed recently.

混合云是一种经济高效的方法，可以通过组合私有云和公共云来弹性地扩展或缩减其服务能力，从而解决资源不足以满足私有云中用户需求的问题。但是，在混合资源上安排有关其性能和安全要求的任务是一个挑战。为了解决这一挑战，本文旨在基于数据保护技术，在公共安全范围内为数据传输和任务执行提供各种安全级别和不同的开销，从而提高具有截止日期和安全性要求的已完成任务的数量以及异构混合云中的资源使用成本。云。我们首先将该问题表述为一个双目标二进制非线性规划（BOBNP）模型，该模型是一个NP难题。然后，为了解决多项式时间问题，我们提出了一种涉及安全性的任务调度方法（TSS）。为了提高成本，TSS将需要最大公共资源成本的任务迭代分配给本地集群，并首先以最佳性价比来租用外包任务的公共资源。为了尽可能多地完成任务，TSS首先将无法由公共云完成的任务分配给本地云，并在每个计算节点中采用了最短延迟时间优先（LSTF）和最早截止时间优先（EDF）的思想。大量的实验结果表明，与最近提出的四种混合云调度方法相比，TSS在满足任务要求以及在任务期限不太紧的情况下在资源效率方面具有出色的性能。我们提出了一种有关安全性（TSS）的任务调度方法。为了提高成本，TSS将需要最大公共资源成本的任务迭代分配给本地集群，并首先以最佳性价比来租用外包任务的公共资源。为了尽可能多地完成任务，TSS首先将无法由公共云完成的任务分配给本地云，并在每个计算节点中采用了最短延迟时间优先（LSTF）和最早截止时间优先（EDF）的思想。大量的实验结果表明，与最近提出的四种混合云调度方法相比，TSS在满足任务要求以及任务期限不太紧的情况下在资源效率方面均具有出色的性能。我们提出了一种有关安全性（TSS）的任务调度方法。为了提高成本，TSS将需要最大公共资源成本的任务迭代分配给本地集群，并首先以最佳性价比来租用外包任务的公共资源。为了尽可能多地完成任务，TSS首先将无法由公共云完成的任务分配给本地云，并在每个计算节点中采用了最短延迟时间优先（LSTF）和最早截止时间优先（EDF）的思想。大量的实验结果表明，与最近提出的四种混合云调度方法相比，TSS在满足任务要求以及任务期限不太紧的情况下在资源效率方面均具有出色的性能。TSS迭代地将需要最大公共资源成本的任务分配给本地集群，并首先以最佳性价比来租用外包任务的公共资源。为了尽可能多地完成任务，TSS首先将无法由公共云完成的任务分配给本地云，并在每个计算节点中采用了最短延迟时间优先（LSTF）和最早截止时间优先（EDF）的思想。大量的实验结果表明，与最近提出的四种混合云调度方法相比，TSS在满足任务要求以及任务期限不太紧的情况下在资源效率方面均具有出色的性能。TSS迭代地将需要最大公共资源成本的任务分配给本地集群，并首先以最佳性价比来租用外包任务的公共资源。为了尽可能多地完成任务，TSS首先将无法由公共云完成的任务分配给本地云，并在每个计算节点中采用了最短延迟时间优先（LSTF）和最早截止时间优先（EDF）的思想。大量的实验结果表明，与最近提出的四种混合云调度方法相比，TSS在满足任务要求以及任务期限不太紧的情况下在资源效率方面均具有出色的性能。TSS首先将无法由公共云完成的任务分配给本地云，并在每个计算节点中采用“最不紧迫时间优先”（LSTF）和“最早截止时间优先”（EDF）的思想。大量的实验结果表明，与最近提出的四种混合云调度方法相比，TSS在满足任务要求以及任务期限不太紧的情况下在资源效率方面均具有出色的性能。TSS首先将无法由公共云完成的任务分配给本地云，并在每个计算节点中采用“最不紧迫时间优先”（LSTF）和“最早截止时间优先”（EDF）的思想。大量的实验结果表明，与最近提出的四种混合云调度方法相比，TSS在满足任务要求以及任务期限不太紧的情况下在资源效率方面均具有出色的性能。