The emergence of cloud computing in big data era has exerted a substantial impact on our daily lives. The conventional reliability-aware workflow scheduling (RWS) is capable of improving or maintaining system reliability by fault tolerance techniques such as replication and checkpointing based recovery. However, the fault tolerant techniques used in RWS would inevitably result in higher system energy consumption, longer execution time, and worse thermal profiles that would in turn lead to a decreased hardware lifespan. To mitigate the lifetime-energy-makespan issues of RWS in cloud computing systems for big data, we propose a novel methodology that decomposes the complicated studied problem. In this methodology, we provide three procedures to solve the energy consumption, execution makespan, and hardware lifespan issues in cloud systems executing real-time workflow applications. We implement numerous simulation experiments to validate the proposed methodology for RWS. Simulation results clearly show that the proposed RWS strategies outperform comparative approaches in reducing energy consumption, shortening execution makespan, and prolonging system lifespan while maintaining high reliability. The improvements on energy saving, reduction on makespan, and increase in lifespan can be up to 23.8%, 18.6%, and 69.2%, respectively. Results also show the potentiality of the proposed method to develop a distributed analysis system for big data that serves satellite signal processing, earthquake early warning, and so on.

中文翻译：

---

缓解大数据可靠性感知工作流调度中的生命周期-能源-制造跨度问题

大数据时代云计算的出现对我们的日常生活产生了巨大的影响。传统的可靠性感知工作流调度（RWS）能够通过容错技术（例如基于复制和检查点的恢复）来提高或维护系统可靠性。然而，RWS 中使用的容错技术将不可避免地导致更高的系统能耗、更长的执行时间和更差的热性能，进而导致硬件寿命缩短。为了缓解 RWS 在大数据云计算系统中的生命周期能量生成问题，我们提出了一种分解复杂研究问题的新方法。在这个方法中，我们提供了三个程序来解决能源消耗、执行时间、和执行实时工作流应用程序的云系统中的硬件寿命问题。我们实施了大量的模拟实验来验证所提出的 RWS 方法。仿真结果清楚地表明，所提出的 RWS 策略在降低能耗、缩短执行时间和延长系统寿命的同时保持高可靠性方面优于比较方法。在节能、减少制造寿命和延长寿命方面的改进分别可高达 23.8%、18.6% 和 69.2%。结果还表明，该方法具有开发用于卫星信号处理、地震预警等的大数据分布式分析系统的潜力。仿真结果清楚地表明，所提出的 RWS 策略在降低能耗、缩短执行时间和延长系统寿命的同时保持高可靠性方面优于比较方法。在节能、减少制造寿命和延长寿命方面的改进分别可高达 23.8%、18.6% 和 69.2%。结果还表明，该方法具有开发用于卫星信号处理、地震预警等的大数据分布式分析系统的潜力。仿真结果清楚地表明，所提出的 RWS 策略在降低能耗、缩短执行时间和延长系统寿命的同时保持高可靠性方面优于比较方法。在节能、减少制造寿命和延长寿命方面的改进分别可高达 23.8%、18.6% 和 69.2%。结果还表明，该方法具有开发用于卫星信号处理、地震预警等的大数据分布式分析系统的潜力。寿命可分别增加 23.8%、18.6% 和 69.2%。结果还表明，该方法具有开发用于卫星信号处理、地震预警等的大数据分布式分析系统的潜力。寿命可分别增加 23.8%、18.6% 和 69.2%。结果还表明，该方法具有开发用于卫星信号处理、地震预警等的大数据分布式分析系统的潜力。