任務(wù)調(diào)度是決定云計算性能的關(guān)鍵因素,是典型的NP-hard問題。隨著用戶互聯(lián)網(wǎng)對服務(wù)質(zhì)量(QoS)要求的日益增長,動態(tài)任務(wù)調(diào)度問題越來越受到人們的關(guān)注。由于動態(tài)在線任務(wù)調(diào)度算法通常需要處理復(fù)雜環(huán)境中的任務(wù),因此平衡云計算中各個方面的約束變得更加困難。此外,數(shù)據(jù)處理量的激增導(dǎo)致計算資源的規(guī)模迅速擴大,給云服務(wù)提供商和環(huán)境帶來了沉重的負(fù)擔(dān)。高能耗不僅降低了云服務(wù)提供商的經(jīng)濟效益,而且巨大的電力需求也給環(huán)境帶來了壓力。目前采用動態(tài)遷移技術(shù)對虛擬機進(jìn)行動態(tài)協(xié)同,提高資源利用率和降低能耗是保證高性能、高質(zhì)量服務(wù)的有效途徑。基于以上目的,本文使用一種新的機器學(xué)習(xí)方法——深度Q學(xué)習(xí)(DQL)嘗試求解以下兩個問題。本文提出深度Q學(xué)習(xí)任務(wù)調(diào)度算法(DQTS),該方法旨在解決云計算環(huán)境下有向無環(huán)圖(DAG)任務(wù)的調(diào)度問題。該方法的基本思想是在任務(wù)調(diào)度中使用DQL框架,在WorkflowSim的基礎(chǔ)上,對任務(wù)調(diào)度中的服務(wù)質(zhì)量指標(biāo):Makespan和負(fù)載均衡標(biāo)準(zhǔn)差展開研究。通過實驗驗證了所提出的DQTS算法的優(yōu)化和學(xué)習(xí)能力。實驗結(jié)果表明,與WorkflowSim中預(yù)先編碼的幾種經(jīng)典算法相比,DQTS在學(xué)習(xí)能力、魯棒性和可擴展性方面都具有一定優(yōu)勢。在滿足云提供商和用戶之間的高質(zhì)量服務(wù)的前提下,本文提出了一種利用深度Q學(xué)習(xí)框架求解虛擬機動態(tài)遷移的算法(DQLVMC),它結(jié)合了虛擬機的利用率來尋找近似最優(yōu)解決方案,并基于現(xiàn)實主機的實際工作負(fù)載數(shù)據(jù)進(jìn)行實驗,結(jié)果表明DQLVMC相比于其他幾種經(jīng)典算法在滿足用戶高QoS、高性能要求的同時,有效降低了能耗。
【學(xué)位單位】：湖南師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP18
【部分圖文】：

WorkflowSim系統(tǒng)結(jié)構(gòu)圖

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 徐維軍,徐寅峰,盧致杰,徐金紅;占線決策問題及競爭分析方法[J];系統(tǒng)工程;2005年05期

相關(guān)博士學(xué)位論文 前1條

1 徐雨明;異構(gòu)系統(tǒng)中基于元啟發(fā)方法的并行任務(wù)調(diào)度算法研究[D];湖南大學(xué);2015年

本文編號：2827516