任务调度的并行算法

如果给定一批任务，比如有500个任务，需要在尽可能快的时间内做完。

如果串行是肯定不行的。我们可以考虑并行策略，但是开了并行，怎么能够充分利用资源比较好呢。

这个问题在多年前做数据迁移的时候，逼得没办法，当时用shell写了一个算法，可以参考这一篇。

海量数据迁移之使用shell启用多个动态并行(r2笔记81天)

但是在自动化运维平台中，我希望这个操作能够更加通用，所以在程序端实现是极好的。

我先打算用Java来实现，然后转义为Python版本，已经写了大半部分，还没有调试好，就先不放出来了，我把我的思路说一下。

假设有下面的一些任务，第一位是序号，第二位是任务需要花费的时间。

假设分为4个并行，即4组执行任务，每组执行任务该如何分配呢。

(1, 10),

(2, 30),

(3, 20),

(4, 50),

(5, 60),

(6, 30),

(7, 20),

(8, 10),

(9, 20),

(10,50),

所以放眼任务调度的方向上，我们都希望并行，但是绝大多数情况下，并行的效果其实不好，一种最重建的情况就是前半段在并行，后半段基本在等待。

假设我们按照如下的思路来完成，前四个元素是每组的一个元素，然后每组查看累计值的最小值，然后依次加入后续的元素。按照这种方法，得到的任务安排如下：

1 10  60       70

2 30  20  20   70

3 20  30  50   100

4 50  10       60

明显这种方法有缺点，因为我们无法预知后续元素的大小，所以任务分配很不均匀。

所以我们需要排序，按照最大值，最小值的方式排序。

这样一来，最大的4个元素分别位列每组的第一个元素。然后依次取得每组累计值的最小值，加入后续的元素。

分配情况如下：

1 50 20      70 

2 60 20      80

3 50 20 10   80

4 30 30 10   70

明显好很多。