發(fā)布時間：2018-05-31 14:49

  本文選題：云計算 + 服務(wù)質(zhì)量�。� 參考：《北京工業(yè)大學》2014年碩士論文

【摘要】：云計算是從分布式計算、并行計算和網(wǎng)格計算進一步發(fā)展而來的基于互聯(lián)網(wǎng)的新的服務(wù)模式。許多知名的IT公司如Google，Microsoft， IBM， Amazon等都在進行云計算方面的研究，開發(fā)出的應(yīng)用平臺有的也已經(jīng)投入商業(yè)運營。 任務(wù)調(diào)度是云計算領(lǐng)域所要研究的核心問題，主要研究最優(yōu)的任務(wù)分配策略，即如何將任務(wù)最優(yōu)地分配到云系統(tǒng)管理的資源上執(zhí)行，以使得任務(wù)得到均衡的分配或使得每個任務(wù)的執(zhí)行代價降到最低或系統(tǒng)的總體性能達到最優(yōu)。當前，任務(wù)調(diào)度的方法主要針對的目標包括處理時間、系統(tǒng)負載、經(jīng)濟原則等，在以上研究工作的基礎(chǔ)上，針對云計算提供強大并行處理能力的本質(zhì)和特征，本文分別從服務(wù)質(zhì)量的可靠性、響應(yīng)時間出發(fā)研究出新的任務(wù)調(diào)度方法，主要研究工作包括以下幾個方面： 1、從目前具有一般特征的云計算系統(tǒng)框架出發(fā)，建立云計算任務(wù)調(diào)度的抽象系統(tǒng)模型，特別是抽象系統(tǒng)模型中各組件的數(shù)學模型。該系統(tǒng)模型將云計算系統(tǒng)抽象成用戶、調(diào)度器、計算節(jié)點三個層面：各個用戶彼此獨立地產(chǎn)生任務(wù)，服從泊松分布；調(diào)度器從用戶接受任務(wù)，把任務(wù)分解成任務(wù)分片后發(fā)送到相應(yīng)計算節(jié)點上執(zhí)行；計算節(jié)點執(zhí)行任務(wù)分片，并將每個計算節(jié)點看作一個M/G/1排隊系統(tǒng)。 2、在抽象系統(tǒng)模型的基礎(chǔ)上，以博弈論為工具，建立以可靠性為目標的任務(wù)調(diào)度方法�？煽啃�，即計算節(jié)點的計算能力提供的穩(wěn)定性。該方法以計算節(jié)點上穩(wěn)定狀態(tài)的提供能力為目標，以調(diào)度器上的任務(wù)分片策略為博弈策略，確定系統(tǒng)中各個調(diào)度器的任務(wù)分片方案。通過與均衡任務(wù)調(diào)度方法比較可以看出，在計算節(jié)點計算能力均衡或不均衡、不同系統(tǒng)規(guī)模、不同系統(tǒng)負載的情況下，該任務(wù)調(diào)度算法都能使系統(tǒng)具有較高的可靠性，同時該算法具有計算速度快的優(yōu)點且能使各個調(diào)度器都能獲得公平的機會。 3、在抽象系統(tǒng)模型的基礎(chǔ)上，以調(diào)節(jié)熵函數(shù)法為工具，建立以響應(yīng)時間為目標的任務(wù)調(diào)度方法。調(diào)度器將任務(wù)分解成任務(wù)分片以后發(fā)送到計算節(jié)點上并行執(zhí)行，該方法將任務(wù)的各個任務(wù)分片執(zhí)行最長的時間作為該任務(wù)的響應(yīng)時間，每個調(diào)度器對任務(wù)進行分解調(diào)度時，，總是以任務(wù)的響應(yīng)時間最小為目標建立數(shù)學模型。通過調(diào)節(jié)熵函數(shù)法，我們給出該模型的解并以此為基礎(chǔ)設(shè)計出任務(wù)調(diào)度方法。實驗表明，該算法優(yōu)于均衡算法且該算法下的響應(yīng)時間明顯低于博弈算法；同時發(fā)現(xiàn)，比均衡算法目標函數(shù)值較優(yōu)的博弈算法在并行時并不一定具備優(yōu)勢。
[Abstract]:Cloud computing is a new service model based on Internet which is developed from distributed computing, parallel computing and grid computing. Many well-known IT companies such as Google Microsoft, IBM, Amazon and so on are conducting cloud computing research, and some of the developed application platforms have been put into commercial operation. Task scheduling is the core problem in cloud computing field. It mainly studies the optimal task allocation strategy, that is, how to allocate tasks to the resources of cloud system management. In order to achieve a balanced assignment of tasks or minimize the execution cost of each task or optimize the overall performance of the system. At present, task scheduling methods mainly aim at processing time, system load, economic principles, etc. On the basis of the above research work, it aims at the essence and characteristics of cloud computing to provide powerful parallel processing capability. In this paper, a new task scheduling method is developed from the reliability and response time of QoS. The main research work includes the following aspects: 1. Based on the general cloud computing system framework, the abstract system model of cloud computing task scheduling is established, especially the mathematical model of each component in the abstract system model. The system model abstracts the cloud computing system into three layers: user, scheduler and compute node: each user generates tasks independently from each other, and the scheduler accepts tasks from users. The task is partitioned and sent to the corresponding computing node, which executes the task partition and treats each computing node as a M/G/1 queueing system. 2. Based on the abstract system model and game theory, a task scheduling method with reliability as its goal is established. Reliability is the stability provided by the computational power of the computing node. The aim of the method is to calculate the ability to provide stable state on the node, and the task partitioning strategy on the scheduler is used as the game strategy to determine the task partitioning scheme of each scheduler in the system. By comparing with the balanced task scheduling method, it can be seen that the task scheduling algorithm can make the system more reliable under the conditions of balanced or unbalanced computing power, different system size and different system load. At the same time, the algorithm has the advantages of fast computation and fair opportunity for all schedulers. 3. On the basis of abstract system model, a task scheduling method with response time as its target is established with the method of adjusting entropy function as a tool. The scheduler decomposes the task into pieces and sends them to the computing node for parallel execution. The method takes the longest time to execute each task as the response time of the task. When each scheduler decomposes the task, A mathematical model is always built with the aim of minimizing the response time of a task. By adjusting the entropy function method, we give the solution of the model and design a task scheduling method based on it. The experimental results show that the algorithm is superior to the equalization algorithm and the response time of the algorithm is obviously lower than that of the game algorithm. At the same time, it is found that the game algorithm which is better than the objective function of the equalization algorithm is not necessarily superior to the game algorithm in parallel.
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP393.09;TP301.6

【相似文獻】

相關(guān)期刊論文 前10條

1 張東嶺;李紅真;;淺談云計算中的安全問題[J];湖南農(nóng)機;2011年05期

2 陳飛;曹政;王凱;胡農(nóng)達;安學軍;;高性能計算節(jié)點中的同步操作加速引擎設(shè)計[J];電子科技大學學報;2012年01期

3 ;四層次完成計算——基于HP安騰2服務(wù)器的油氣儲藏模擬解決方案[J];每周電腦報;2003年37期

4 張桂剛;;海量規(guī)則網(wǎng)維護及其優(yōu)化方法[J];計算機應(yīng)用;2011年03期

5 肖建芳;林東岱;姜中華;;密碼計算網(wǎng)格的計算節(jié)點控制系統(tǒng)設(shè)計與實現(xiàn)[J];計算機工程與設(shè)計;2006年16期

6 董唯元;存儲+超算,有一點點“繁”[J];中國計算機用戶;2005年20期

7 邵偉民;廉價構(gòu)筑您的超級計算機環(huán)境(松散集群)[J];勝利油田職工大學學報;2003年04期

8 黃錦增;陳虎;賴路雙;;異構(gòu)GPU集群的任務(wù)調(diào)度方法研究及實現(xiàn)[J];計算機技術(shù)與發(fā)展;2012年05期

9 呂驥;張堯?qū)W;周悅芝;;云計算環(huán)境中P2P計算的優(yōu)化組織模型[J];清華大學學報(自然科學版);2011年11期

10 ;網(wǎng)絡(luò)地圖[J];互聯(lián)網(wǎng)周刊;2002年08期

相關(guān)會議論文 前5條

1 陳飛;曹政;王凱;安學軍;;高性能計算節(jié)點中的同步操作加速引擎設(shè)計[A];第十五屆計算機工程與工藝年會暨第一屆微處理器技術(shù)論壇論文集（B輯）[C];2011年

2 黃獻寧;陳燕;宋玲;;基于Linux的HPCC的設(shè)計與實現(xiàn)[A];中南六�。▍^(qū)）自動化學會第24屆學術(shù)年會會議論文集[C];2006年

3 王強;劉振安;徐昊;金大鵬;李陸;盧云鵬;趙棣新;Tiago Perez;Johannes Lang;Wolfgang Kuehn;;高性能計算節(jié)點智能平臺管理模塊的設(shè)計[A];第十四屆全國核電子學與核探測技術(shù)學術(shù)年會論文集（1）[C];2008年

4 徐昊;李陸;王強;金大鵬;盧云鵬;劉振安;;基于FPGA與ATCA的高性能計算節(jié)點的設(shè)計[A];第十四屆全國核電子學與核探測技術(shù)學術(shù)年會論文集（上冊）[C];2008年

5 徐昊;李陸;王強;金大鵬;盧云鵬;劉振安;;基于FPGA與ATCA的高性能計算節(jié)點的設(shè)計[A];第十四屆全國核電子學與核探測技術(shù)學術(shù)年會論文集（1）[C];2008年

相關(guān)重要報紙文章 前10條

1 一言;戴爾HPCC系統(tǒng)為華中師大尖端課題研究提供計算保障[N];科技日報;2006年

2 吳秉熹　朱振明;GPGPU技術(shù)在石油領(lǐng)域的應(yīng)用[N];計算機世界;2011年

3 《網(wǎng)絡(luò)世界》記者 周源;IBM推出NeXtScale[N];網(wǎng)絡(luò)世界;2013年

4 新疆油田公司勘探開發(fā)研究院地球物理研究所 張峰;靈活調(diào)度提升HPC價值[N];計算機世界;2009年

5 高博;給超級計算機更換“心臟”[N];電腦報;2007年

6 本報記者 榮鈺;你會迎接P2P的企業(yè)應(yīng)用嗎？[N];網(wǎng)絡(luò)世界;2008年

7 胡雷鈞;計算、存儲、通信大協(xié)同[N];中國計算機報;2002年

8 風天;IT技術(shù)新藥研發(fā)顯身手[N];中華工商時報;2005年

9 肖坤;實現(xiàn)5000億次的突破[N];中國電腦教育報;2007年

10 本報記者　 張群英;藍色基因演進之路[N];網(wǎng)絡(luò)世界;2006年

相關(guān)博士學位論文 前1條

1 丁凡;云環(huán)境中高性能計算應(yīng)用的關(guān)鍵問題研究[D];蘭州大學;2014年

相關(guān)碩士學位論文 前10條

1 趙莎;分布式海量數(shù)據(jù)處理系統(tǒng)計算節(jié)點的設(shè)計與實現(xiàn)[D];電子科技大學;2012年

2 楊榮康;虛擬計算環(huán)境中計算節(jié)點組件的設(shè)計與實現(xiàn)[D];北京郵電大學;2007年

3 張文婷;NoC系統(tǒng)中雙核計算節(jié)點的設(shè)計與實現(xiàn)研究[D];合肥工業(yè)大學;2008年

4 時曉星;云計算資源管理機制的研究[D];長春工業(yè)大學;2012年

5 林忠偉;基于單調(diào)指標空間法的需求空間探索加速技術(shù)研究[D];國防科學技術(shù)大學;2011年

6 肖建芳;一種密碼計算網(wǎng)格的計算節(jié)點控制管理系統(tǒng)設(shè)計與實現(xiàn)[D];中國科學院研究生院（軟件研究所）;2005年

7 馬近飛;面向多核的并行虛擬機的研究與實現(xiàn)[D];太原理工大學;2010年

8 陳昊成;基于網(wǎng)格計算的資源管理與分配系統(tǒng)的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學;2010年

9 張炎華;私有云系統(tǒng)的實現(xiàn)及性能分析[D];北京郵電大學;2012年

10 王凱;MapReduce環(huán)境下的性能異常檢測和資源調(diào)度方法[D];北京郵電大學;2013年

本文編號：1960174