云環(huán)境下的任務調度算法研究.pdf

1、借助于虛擬化的計算能力，存儲資源以及現(xiàn)代Web技術，云計算能夠為用戶提供可擴展的、以網(wǎng)絡為中心的、抽象的IT基礎設施，平臺以及各種各樣的應用。隨著云計算應用領域的不斷深化，伴隨而來的是系統(tǒng)上會時時刻刻產(chǎn)生大量的任務和數(shù)據(jù)。如何對產(chǎn)生的任務和數(shù)據(jù)進行高效的調度和分配已經(jīng)成為云計算研究領域的重要內容。本文具體的研究工作如下：
　?。?）針對傳統(tǒng)調度算法不能滿足用戶真實的QoS需求的情況，提出了一種基于QoS分類的任務調度算法。本算法針

2、對的是獨立任務的調度，也就是任務之間沒有依賴關系，因此該方法可以利用模糊聚類算法對任務集進行分類，然后采用傳統(tǒng)的分段Min-Min算法進行任務的分配，分段Min-Min算法相比Min-Min算法是以更小粒度來分配資源，因此能提高任務和資源之間匹配程度，在此基礎上針對某些節(jié)點負載過重的情況采取優(yōu)化方法，這樣能進一步降低完成時間，同時取得了一定程度的負載均衡。實驗結果表明，提出的改進方法既能滿足用戶的QoS需求，又能取得較短的完成時間。

3、r>　?。?）針對基本遺傳算法在種群較大的情況下適應度計算開銷較大的問題，提出了一種結合MMTD（中介真值程度）的適應度評估方法。由于本算法適用的對象是有依賴關系的任務集，因此在為任務分配資源時需要保證所有父任務全部執(zhí)行完畢，在所有父任務全部執(zhí)行完畢的情況下盡量將所有子任務并行執(zhí)行，這樣能夠提高任務的并行程度進而降低完成時間。本方法的主要思路是在對種群中個體進行適應度評估時，首先采用k均值聚類對種群進行聚類，然后在每種類別中選出一個代表

4、染色體并計算適應度值，在此基礎上選出距離每個代表染色體最近的代表染色體，再采用MMTD方法對這兩個類別中其他染色體的適應度進行評估，進而得出所有染色體的適應度，由于省略了計算每個染色體的適應度的過程，也就相應減少了計算的復雜度。實驗結果表明，本文提出的方法能夠降低群體中適應度計算的復雜度，同時提高迭代的效率。
　?。?）為了改進MapReduce模式中數(shù)據(jù)遠程訪問造成的巨大資源開銷的問題，提出了一種旨在提高數(shù)據(jù)本地性的優(yōu)化調度算法