FASDP Replication Package

FASDP Replication Package This dataset contains the complete replication package for the paper “Federated-Aware Scheduling and Dynamic Provisioning for Workflow Execution in Edge–Cloud Environments”. It provides synthetic but internally consistentworkflow graphs, configuration files, result tables, figures, and minimal scripts to reproduce the evaluation plots and the graphical abstract. The data demonstrate how the proposed FASDP scheduler balances deadline compliance and cloud cost under federated (data-locality) constraints. What’s included. cybershake_dag.json (30 tasks) and ligo_inspiral_dag.json (50 tasks). Each DAG lists tasks (id, compute_mi, input_gb, site) and edges with output sizes (data_out_gb). Some tasks are pinned to edge sites to emulate federated constraints. Workflows (data/workflows/*.json): Configurations (configs/*.yaml): env.yaml: Edge/cloud resources, network bandwidth/latency, VM types and costs, boot time, and scheduling knobs. workload.yaml: Deadlines and multi-workflow arrival-rate mix used in experiments. single_workflow/: Makespan, deadline met flag, and cloud cost per algorithm for Cybershake and LIGO. multi_workflow/load_curve.csv: Arrival-rate vs. deadlines-met (%), normalized cost (index=100 at 1/hr for FASDP), and average VMs across algorithms (FASDP, IC-PCP, Edge-only, Cloud-only). figures/: PNGs of all plots used in the manuscript (and the graphical abstract). Results (results/*): repro_figures.py regenerates the evaluation charts from the CSVs. make_graphical_abstract.py recreates the structured graphical abstract. Scripts (scripts/*.py): Metadata (metadata/): CITATION.cff, licenses for code (MIT) and data (CC BY 4.0). Data dictionary (data/dictionaries/data_dictionary.md): Field-level schema. Formats. JSON (DAGs), YAML (configs), CSV (results), PNG (figures), PY (scripts), MD/TXT (docs). Provenance & methodology. The DAGs are programmatically generated to mimic structure and scale typical of Cybershake and LIGO workflows (layered DAGs, heterogeneous task sizes, and explicit site constraints). Results tables are calibrated to match the trends reported in the manuscript (deadline success, cost, VM usage) under the environment specified in env.yaml. No real or sensitive data are included. Intended use. Reproduce plots and tables in the paper, benchmark edge–cloud scheduling heuristics under federated constraints, and adapt the configs to new scenarios. Limitations. Synthetic workloads and simulated environments cannot capture all real-world effects (e.g., bursty network contention, VM performance jitter beyond ±10%). Do not use for system capacity planning without further validation. Licensing & citation. Code: MIT License. Data: CC BY 4.0. Creators / Affiliation. Pon. Partheeban; M. Ashni — Stella Mary’s College of Engineering.FASDP 复制套件（FASDP Replication Package） 本数据集为论文《边缘-云环境中工作流执行的联邦感知调度与动态配置》（Federated-Aware Scheduling and Dynamic Provisioning for Workflow Execution in Edge–Cloud Environments）提供完整的复现套件。其中包含合成生成但内部逻辑自洽的工作流图、配置文件、结果表格、插图，以及用于复现评估图表与结构化图形摘要的极简脚本。本数据集展示了所提出的FASDP调度器如何在联邦（数据本地化）约束下均衡截止时间合规性与云资源成本。 ### 包含内容 `cybershake_dag.json`（含30个任务）与`ligo_inspiral_dag.json`（含50个任务）。 每个有向无环图（Directed Acyclic Graph，以下简称DAG）均包含任务（任务ID、计算百万指令数compute_mi、输入数据量（单位：GB）、所属站点）以及带有输出数据量（data_out_gb）的边。部分任务被固定至边缘站点，以模拟联邦约束。 工作流文件（`data/workflows/*.json`）： 配置文件（`configs/*.yaml`）： - `env.yaml`：涵盖边缘/云资源配置、网络带宽/延迟、虚拟机（Virtual Machine，以下简称VM）类型与成本、启动时长以及调度可调参数。 - `workload.yaml`：包含实验中使用的截止时间与多工作流到达率混合比例设置。 `single_workflow/`目录：存储各算法（针对Cybershake与LIGO工作流）的完工时长（Makespan）、截止时间达标标记以及云资源成本。 `multi_workflow/load_curve.csv`：包含到达率与截止时间达标率（%）、归一化成本（以FASDP在1/hr时的成本为基准值100）以及各算法（FASDP、IC-PCP、仅边缘、仅云）的平均虚拟机使用量。 `figures/`目录：包含论文手稿中使用的全部绘图PNG文件（含结构化图形摘要）。 结果文件（`results/*`）： - `repro_figures.py`：用于从CSV文件重新生成评估图表。 - `make_graphical_abstract.py`：用于重新生成结构化图形摘要。 脚本文件（`scripts/*.py`）： 元数据目录（`metadata/`）：包含`CITATION.cff`、代码开源许可（MIT协议）与数据集许可（CC BY 4.0）。 数据字典（`data/dictionaries/data_dictionary.md`）：包含字段级别的架构说明。 ### 格式说明 本套件使用的数据格式包括JSON（工作流图）、YAML（配置文件）、CSV（结果文件）、PNG（插图）、PY（脚本）以及MD/TXT（文档）。 ### 来源与方法论 本数据集的DAG通过编程生成，以模拟典型Cybershake与LIGO工作流的结构与规模（分层DAG、异构任务规模以及明确的站点约束）。结果表格经过校准，可匹配`env.yaml`中指定环境下论文报告的趋势（截止时间达标率、成本、虚拟机使用量）。本套件未包含任何真实或敏感数据。 ### 预期用途 用于复现论文中的图表与表格，在联邦约束下对边缘-云调度启发式算法进行基准测试，以及将配置文件适配至新的应用场景。 ### 局限性 本数据集采用合成工作负载与模拟环境，无法覆盖所有现实世界的影响因素（例如突发网络争用、虚拟机性能抖动超过±10%的情况）。未经进一步验证，不得将其用于系统容量规划。 ### 许可与引用 代码采用MIT许可协议，数据集采用CC BY 4.0许可协议。 ### 创作者与所属机构 Pon. Partheeban；M. Ashni — 斯特拉玛丽工程学院（Stella Mary’s College of Engineering）。