發(fā)布時間：2017-03-30 03:12

  本文關(guān)鍵詞：云中多媒體應(yīng)用的資源優(yōu)化調(diào)度研究，由筆耕文化傳播整理發(fā)布。

【摘要】：云媒體作為云平臺和多媒體技術(shù)的融合,為龐大的多媒體數(shù)據(jù)提供了新的支撐,提供符合用戶需求的多樣化服務(wù)。它面臨著大量迸發(fā)的多媒體接入、處理以及傳輸服務(wù)以及異構(gòu)資源等,造成了更嚴(yán)苛的多媒體QoS要求,傳統(tǒng)的媒體資源分配的方法已經(jīng)進(jìn)入了瓶頸期。本文針對云媒體資源分配過程中出現(xiàn)的問題,進(jìn)行了如下研究:(1)針對云媒體應(yīng)用中數(shù)據(jù)中心位置不同引起的VM分配問題,提出了一種基于貪心算法的VM分配方案,分別實現(xiàn)單址云和多址云優(yōu)化的虛擬機分配。對于每種情況,解決了往返延時約束條件下達(dá)到資源成本最小化的虛擬機分配問題。此外,針對不同情況改進(jìn)了貪心算法以適應(yīng)實際情況。仿真結(jié)果表明,該虛擬機優(yōu)化分配方案可以有效地實現(xiàn)資源成本最小化。(2)針對云中多媒體應(yīng)用中具有依賴關(guān)系、優(yōu)先級的任務(wù)調(diào)度問題,提出了一種基于啟發(fā)式最優(yōu)任務(wù)級調(diào)度算法。首先根據(jù)多媒體任務(wù)的優(yōu)先級,建立有向無環(huán)圖模型,分別研究了串行結(jié)構(gòu),并行結(jié)構(gòu),和混合結(jié)構(gòu)任務(wù)流最優(yōu)任務(wù)調(diào)度問題,然后通過將關(guān)鍵路徑上的任務(wù)節(jié)點融合,提出了一種實用可行的啟發(fā)式最優(yōu)調(diào)度方法。實驗表明,在一定的成本限制范圍內(nèi),所提調(diào)度方法能夠以近似最優(yōu)的執(zhí)行時間完成任務(wù)調(diào)度分配。(3)針對媒體任務(wù)特性、以及服務(wù)節(jié)點資源的異構(gòu)性問題,提出了一種基于媒體任務(wù)特征和負(fù)載均衡的調(diào)度算法。該算法參考了傳統(tǒng)優(yōu)先級、QoS以及負(fù)載均衡分配策略,首先根據(jù)媒體任務(wù)特性和服務(wù)節(jié)點資源偏好分類入隊,通過歸一化獲得資源相似權(quán)值向量,進(jìn)而求得各服務(wù)滿意度,并按其最大值所對應(yīng)的向量分配資源。同時利用節(jié)點利用率調(diào)整各節(jié)點,以期縮短查找時間。實驗表明,所提資源調(diào)度算法,能夠在均衡節(jié)點負(fù)載的情況下,縮短媒體服務(wù)的響應(yīng)時間,提高資源利用率和用戶滿意度。
【關(guān)鍵詞】：云媒體 貪婪算法 啟發(fā)式調(diào)度 QoS特征 調(diào)度中心
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.09;TP301.6
【目錄】：

• 摘要4-5
• Abstract5-9
• 專用術(shù)語注釋表9-10
• 第一章 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 論文研究內(nèi)容與組織架構(gòu)13-14
• 1.3.1 研究內(nèi)容13-14
• 1.3.2 論文組織架構(gòu)14
• 1.4 本章小結(jié)14-15
• 第二章 云媒體資源調(diào)度基礎(chǔ)15-26
• 2.1 云媒體服務(wù)15-18
• 2.1.1 云媒體概述及其特點15-16
• 2.1.2 云媒體服務(wù)類型及模式16-17
• 2.1.3 云媒體服務(wù)體系架構(gòu)17-18
• 2.2 云媒體數(shù)據(jù)中心18-20
• 2.2.1 云媒體數(shù)據(jù)中心資源模型18-19
• 2.2.2 云媒體數(shù)據(jù)中心資源管理19-20
• 2.3 云媒體資源調(diào)度20-25
• 2.3.1 云媒體資源分配中的需求和挑戰(zhàn)20-21
• 2.3.2 云媒體中資源分配調(diào)度架構(gòu)21-23
• 2.3.3 云媒體資源調(diào)度中的關(guān)鍵技術(shù)23-24
• 2.3.4 云媒體資源調(diào)度目標(biāo)24-25
• 2.4 本章小結(jié)25-26
• 第三章 基于數(shù)據(jù)中心的VM資源分配算法26-38
• 3.1 相關(guān)背景介紹26-27
• 3.2 系統(tǒng)模型27-29
• 3.2.1 SaaS架構(gòu)27-28
• 3.2.2 定價方案28-29
• 3.2.3 虛擬機分配模型29
• 3.3 單址云最優(yōu)VM分配方案29-34
• 3.3.1 任務(wù)調(diào)度模型及問題描述29-31
• 3.3.2 算法流程31-34
• 3.4 多址云最優(yōu)VM分配方案34-37
• 3.4.1 任務(wù)調(diào)度模型及問題描述34-36
• 3.4.2 算法流程36-37
• 3.5 本章小結(jié)37-38
• 第四章 基于混合DAG的最優(yōu)任務(wù)級調(diào)度方法38-46
• 4.1 相關(guān)背景介紹38-39
• 4.2 任務(wù)調(diào)度模型39-43
• 4.2.1 任務(wù)調(diào)度模型及條件39-41
• 4.2.2 串行結(jié)構(gòu)調(diào)度問題41
• 4.2.3 并行結(jié)構(gòu)調(diào)度問題41-42
• 4.2.4 混合結(jié)構(gòu)調(diào)度問題42-43
• 4.3 啟發(fā)式最優(yōu)任務(wù)級調(diào)度方法43-45
• 4.3.1 關(guān)鍵路徑融合方法43-44
• 4.3.2 啟發(fā)式調(diào)度44-45
• 4.4 本章小結(jié)45-46
• 第五章 基于媒體任務(wù)特征和負(fù)載均衡調(diào)度算法46-63
• 5.1 云媒體中傳統(tǒng)資源分配問題46
• 5.2 常用調(diào)度算法46-50
• 5.2.1 先來先服務(wù)FCFS算法46-48
• 5.2.2 輪詢RR算法48
• 5.2.3 加權(quán)公平隊列調(diào)度WFQ算法48-50
• 5.3 常見的資源分配策略50-53
• 5.3.1 基于優(yōu)先級PQ的資源分配策略50-51
• 5.3.2 基于QoS的資源分配策略51-52
• 5.3.3 基于負(fù)載均衡的資源分配策略52-53
• 5.4 云媒體調(diào)度中心服務(wù)環(huán)境53-55
• 5.5 基于QoS多維屬性的權(quán)值向量55-57
• 5.5.1 媒體任務(wù)QoS權(quán)值向量55
• 5.5.2 實際和期望資源向量55
• 5.5.3 服務(wù)節(jié)點權(quán)值向量55-56
• 5.5.4 資源相似權(quán)值向量56-57
• 5.6 關(guān)于優(yōu)先級的兩個衡量標(biāo)準(zhǔn)57-59
• 5.6.1 服務(wù)滿意度57-58
• 5.6.2 節(jié)點負(fù)載利用率58-59
• 5.7 基于媒體任務(wù)特征和負(fù)載均衡調(diào)度算法59-62
• 5.8 本章小結(jié)62-63
• 第六章 實驗仿真與算法分析63-78
• 6.1 CloudSim平臺63-67
• 6.1.1 CloudSim體系架構(gòu)63-65
• 6.1.2 CloudSim技術(shù)實現(xiàn)65-66
• 6.1.3 CloudSim工作方式66-67
• 6.2 實驗仿真與分析67-77
• 6.2.1 基于數(shù)據(jù)中心的VM分配算法分析67-73
• 6.2.2 基于混合DAG的最優(yōu)任務(wù)調(diào)度算法性能分析73-75
• 6.2.3 基于媒體任務(wù)特征和負(fù)載均衡調(diào)度算法性能分析75-77
• 6.3 本章小結(jié)77-78
• 第七章 總結(jié)與展望78-80
• 7.1 總結(jié)78
• 7.2 展望78-80
• 參考文獻(xiàn)80-84
• 附錄 攻讀碩士學(xué)位期間撰寫的論文84-85
• 致謝85

【參考文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 邱悅;云媒體中基于效用最大化協(xié)商機制的資源分配算法研究[D];中國海洋大學(xué);2014年

  本文關(guān)鍵詞：云中多媒體應(yīng)用的資源優(yōu)化調(diào)度研究，，由筆耕文化傳播整理發(fā)布。

本文編號：276085