云環(huán)境下的任務(wù)調(diào)度算法研究.pdf

1、借助于虛擬化的計(jì)算能力，存儲(chǔ)資源以及現(xiàn)代Web技術(shù)，云計(jì)算能夠?yàn)橛脩籼峁┛蓴U(kuò)展的、以網(wǎng)絡(luò)為中心的、抽象的IT基礎(chǔ)設(shè)施，平臺(tái)以及各種各樣的應(yīng)用。隨著云計(jì)算應(yīng)用領(lǐng)域的不斷深化，伴隨而來(lái)的是系統(tǒng)上會(huì)時(shí)時(shí)刻刻產(chǎn)生大量的任務(wù)和數(shù)據(jù)。如何對(duì)產(chǎn)生的任務(wù)和數(shù)據(jù)進(jìn)行高效的調(diào)度和分配已經(jīng)成為云計(jì)算研究領(lǐng)域的重要內(nèi)容。本文具體的研究工作如下：
　?。?）針對(duì)傳統(tǒng)調(diào)度算法不能滿足用戶真實(shí)的QoS需求的情況，提出了一種基于QoS分類的任務(wù)調(diào)度算法。本算法針

2、對(duì)的是獨(dú)立任務(wù)的調(diào)度，也就是任務(wù)之間沒(méi)有依賴關(guān)系，因此該方法可以利用模糊聚類算法對(duì)任務(wù)集進(jìn)行分類，然后采用傳統(tǒng)的分段Min-Min算法進(jìn)行任務(wù)的分配，分段Min-Min算法相比Min-Min算法是以更小粒度來(lái)分配資源，因此能提高任務(wù)和資源之間匹配程度，在此基礎(chǔ)上針對(duì)某些節(jié)點(diǎn)負(fù)載過(guò)重的情況采取優(yōu)化方法，這樣能進(jìn)一步降低完成時(shí)間，同時(shí)取得了一定程度的負(fù)載均衡。實(shí)驗(yàn)結(jié)果表明，提出的改進(jìn)方法既能滿足用戶的QoS需求，又能取得較短的完成時(shí)間。

3、r>　　（2）針對(duì)基本遺傳算法在種群較大的情況下適應(yīng)度計(jì)算開(kāi)銷較大的問(wèn)題，提出了一種結(jié)合MMTD（中介真值程度）的適應(yīng)度評(píng)估方法。由于本算法適用的對(duì)象是有依賴關(guān)系的任務(wù)集，因此在為任務(wù)分配資源時(shí)需要保證所有父任務(wù)全部執(zhí)行完畢，在所有父任務(wù)全部執(zhí)行完畢的情況下盡量將所有子任務(wù)并行執(zhí)行，這樣能夠提高任務(wù)的并行程度進(jìn)而降低完成時(shí)間。本方法的主要思路是在對(duì)種群中個(gè)體進(jìn)行適應(yīng)度評(píng)估時(shí)，首先采用k均值聚類對(duì)種群進(jìn)行聚類，然后在每種類別中選出一個(gè)代表

4、染色體并計(jì)算適應(yīng)度值，在此基礎(chǔ)上選出距離每個(gè)代表染色體最近的代表染色體，再采用MMTD方法對(duì)這兩個(gè)類別中其他染色體的適應(yīng)度進(jìn)行評(píng)估，進(jìn)而得出所有染色體的適應(yīng)度，由于省略了計(jì)算每個(gè)染色體的適應(yīng)度的過(guò)程，也就相應(yīng)減少了計(jì)算的復(fù)雜度。實(shí)驗(yàn)結(jié)果表明，本文提出的方法能夠降低群體中適應(yīng)度計(jì)算的復(fù)雜度，同時(shí)提高迭代的效率。
　　（3）為了改進(jìn)MapReduce模式中數(shù)據(jù)遠(yuǎn)程訪問(wèn)造成的巨大資源開(kāi)銷的問(wèn)題，提出了一種旨在提高數(shù)據(jù)本地性的優(yōu)化調(diào)度算法