本文選題：云平臺 + 任務調(diào)度�。� 參考：《河北工程大學》2015年碩士論文

【摘要】：云平臺虛擬化技術不但使得軟件應用具有更高的效率,也給任務調(diào)度與資源管理帶來了新的機遇。隨著云平臺的任務逐漸增加,一些調(diào)度任務之間的關聯(lián)性逐漸淡化,傳統(tǒng)云平臺任務調(diào)度模型,無法運用準確的約束關系確定其先后順序,造成資源利用效率低、空閑時間高和任務請求缺失率高等弊端。本文提出一種云平臺的任務優(yōu)先級調(diào)度模型,對云平臺任務調(diào)度進行了描述,探討了平均響應時間與平臺調(diào)度任務量之間的關聯(lián),對任務優(yōu)先級進行計算,在任務隊列中對任務優(yōu)先級作適當?shù)奶幚怼θ蝿辗峙潆A段響應平均時間等特性作適當?shù)姆治?優(yōu)先對優(yōu)先等級高的分配任務進行調(diào)度。將任務分配優(yōu)先級運用起來,使得平均響應時間最小化的同時,達到任務執(zhí)行量的最大化。仿真實驗結(jié)果表明,所提模型降低了云平臺的平均響應時間,使得資源具有更高的使用效率。
[Abstract]:Cloud platform virtualization technology not only makes software applications more efficient, but also brings new opportunities for task scheduling and resource management.With the increasing of the tasks in cloud platform, the correlation between some scheduling tasks is gradually desalinated. The traditional cloud platform task scheduling model can not use accurate constraints to determine its order, resulting in low efficiency of resource utilization.The disadvantages of high idle time and high missing rate of task request.This paper presents a task priority scheduling model for cloud platform, describes the task scheduling of cloud platform, discusses the relationship between the average response time and the task quantity of the platform scheduling, and calculates the priority of the task.The task priority is properly handled in the task queue.The characteristics of average response time in the task allocation phase are analyzed properly, and priority is given to the scheduling of tasks with high priority level.The task allocation priority is applied to minimize the average response time and maximize the task execution.The simulation results show that the proposed model reduces the average response time of the cloud platform and makes the resources more efficient.
【學位授予單位】：河北工程大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.09

【參考文獻】

相關期刊論文 前10條

1 鄭巧彥;;多差異嵌入式設備的節(jié)能任務調(diào)度模型仿真[J];計算機仿真;2015年03期

2 袁曉林;施化吉;;基于模擬退火算法的云計算資源調(diào)度模型[J];軟件導刊;2015年02期

3 魏峗;陳元元;;基于改進蟻群算法的云計算任務調(diào)度模型[J];計算機工程;2015年02期

4 李磊;李小寧;金連文;;基于Openstack的科研教學云計算平臺的構建與運用[J];實驗技術與管理;2014年06期

5 王偉鑫;王旭;葛顯龍;;任務可拆分的多模式多項目調(diào)度模型與算法[J];計算機集成制造系統(tǒng);2014年06期

6 梁錦雄;;模糊彈性控制策略下的云平臺數(shù)據(jù)調(diào)度模型仿真[J];科技通報;2014年05期

7 唐卓;朱敏;楊黎;唐小勇;李肯立;;云環(huán)境中面向隨機任務的用戶效用優(yōu)化模型[J];計算機研究與發(fā)展;2014年05期

8 王滿英;;基于QoS模型感知的云作業(yè)調(diào)度算法[J];計算機工程與應用;2014年08期

9 金偉健;王春枝;;基于匹配規(guī)則的MapReduce任務調(diào)度模型[J];計算機應用;2014年04期

10 楊鏡;吳磊;武德安;王曉敏;劉念伯;;云平臺下動態(tài)任務調(diào)度人工免疫算法[J];計算機應用;2014年02期

相關碩士學位論文 前4條

1 趙春燕;云環(huán)境下作業(yè)調(diào)度算法研究與實現(xiàn)[D];北京交通大學;2009年

2 鄧自立;云計算中的網(wǎng)絡拓撲設計和Hadoop平臺研究[D];中國科學技術大學;2009年

3 張建梁;基于云計算的語義搜索引擎研究[D];復旦大學;2009年

4 劉鵬程;云計算中虛擬機動態(tài)遷移的研究[D];復旦大學;2009年

，

本文編號：1734376