本文關(guān)鍵詞：云環(huán)境下基于Berger模型的任務調(diào)度算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：云計算是目前國內(nèi)外的一個研究熱點,是在網(wǎng)格計算、并行計算、分布式計算基礎(chǔ)上發(fā)展起來的一種新技術(shù),同時也是一種新型的商業(yè)計算模式。云計算使用成熟的虛擬化技術(shù)來封裝數(shù)據(jù)中心的資源,然后以服務的方式通過互聯(lián)網(wǎng)提供給用戶,用戶根據(jù)自己的需求來獲取相應的服務并支付相應的費用。云計算作為一種商業(yè)服務,不但要考慮如何對任務調(diào)度算法進行優(yōu)化以提高系統(tǒng)的服務能力和云服務供應商的服務收益,同時還要盡可能地提高用戶對服務質(zhì)量(Quality of Service,Qo S)的滿意度。云計算與以往的分布式計算、網(wǎng)格計算具有很大的差異性,云環(huán)境下的資源分配和任務調(diào)度具有商業(yè)性、面向服務和以用戶為中心的特性。本文系統(tǒng)、全面的研究了云計算技術(shù)以及云環(huán)境下的任務調(diào)度算法。通過對云環(huán)境下基于Berger模型的任務調(diào)度算法進行深入研究,發(fā)現(xiàn)該算法存在一些缺陷。該算法通過任務的一般期待為每個任務選擇最優(yōu)資源,但在選擇過程中沒有考慮資源的當前負載情況,因此在任務量增加的時候會導致分配結(jié)果不均衡,即有的資源分配過多的任務,而有的資源則分配很少任務,最終導致系統(tǒng)的整體效率下降。針對這些缺陷,本文提出一種基于Berger模型改進的云任務調(diào)度算法。改進算法首先按照用戶服務質(zhì)量需求,增加任務描述信息,然后計算每個任務的優(yōu)先級,按照優(yōu)先級大小對任務進行排序,最后使用用戶任務的一般期待對任務和資源的匹配過程進行約束,通過用戶任務的一般期待向量與歸一化后的資源性能參數(shù)之間的加權(quán)歐氏距離為每個任務尋找最優(yōu)資源,在綁定任務到該最優(yōu)資源前對其負載情況進行估算,如果負載過高需要重新尋找次優(yōu)資源,并進行判斷,直到找到一個合適的資源。最后,通過擴展Cloud Sim云計算仿真平臺,在Cloudlet類中增加新的描述用戶任務的變量以及相應的計算和訪問方法,重載Datacenter Broker類中的bind Cloudlet To VM()方法實現(xiàn)本文提出的改進算法,然后重新編譯Cloud Sim源碼,在Cloud Sim平臺上完成本文提出的基于Berger模型改進的任務調(diào)度算法的仿真模擬。通過對實驗結(jié)果的分析,本文的改進算法擁有較高的效率,同時有效地滿足了用戶公平性和系統(tǒng)公平性。
【關(guān)鍵詞】：Berger模型 云計算任務調(diào)度算法 QoS 公平性約束 加權(quán)歐氏距離
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.09
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-12
• 1.1 研究背景和意義8-9
• 1.2 研究現(xiàn)狀9-10
• 1.2.1 以性能為中心的調(diào)度算法9
• 1.2.2 以服務質(zhì)量為中心的任務調(diào)度9-10
• 1.2.3 以經(jīng)濟原則為中心的任務調(diào)度10
• 1.2.4 其他相關(guān)研究10
• 1.3 本文的主要工作10-11
• 1.4 本文組織結(jié)構(gòu)11-12
• 2 云計算研究12-23
• 2.1 云計算概述12-17
• 2.1.1 云計算的概念12
• 2.1.2 云計算的分類12-14
• 2.1.3 云計算的體系結(jié)構(gòu)14-15
• 2.1.4 云計算的主要特征15-16
• 2.1.5 常見的云計算平臺16-17
• 2.2 云QoS概述17-18
• 2.3 云計算的任務調(diào)度18-22
• 2.3.1 任務調(diào)度的概念18-19
• 2.3.2 云計算任務調(diào)度目標19-20
• 2.3.3 云計算任務調(diào)度的特點20-21
• 2.3.4 常用的任務調(diào)度算法21-22
• 2.4 本章小結(jié)22-23
• 3 云環(huán)境下基于Berger模型改進的任務調(diào)度算法23-39
• 3.1 Berger模型介紹24-26
• 3.1.1 期待狀態(tài)論24
• 3.1.2 Berger模型概述24-26
• 3.2 云環(huán)境下基于Berger模型的調(diào)度算法26-32
• 3.2.1 問題模型26
• 3.2.2 基于Berger模型的調(diào)度算法26-32
• 3.3 云環(huán)境下基于Berger模型改進的任務調(diào)度算法32-38
• 3.3.1 問題提出及解決思路32-33
• 3.3.2 初始化33-34
• 3.3.3 任務調(diào)度34-38
• 3.3.4 公平性評價38
• 3.4 本章小結(jié)38-39
• 4 實驗仿真及分析39-53
• 4.1 CloudSim簡介39-41
• 4.1.1 CloudSim功能及特點39
• 4.1.2 CloudSim的體系結(jié)構(gòu)39-41
• 4.1.3 CloudSim工作方式41
• 4.2 實驗環(huán)境配置及仿真流程41-43
• 4.2.1 實驗環(huán)境配置41-42
• 4.2.2 仿真步驟42-43
• 4.3 CloudSim平臺擴展及重編譯43-44
• 4.3.1 CloudSim平臺擴展43
• 4.3.2 CloudSim平臺的重編譯43-44
• 4.4 調(diào)度算法仿真44-45
• 4.4.1 評價指標44
• 4.4.2 實驗數(shù)據(jù)44-45
• 4.5 實驗結(jié)果及分析45-51
• 4.6 本章小結(jié)51-53
• 5 總結(jié)和展望53-55
• 5.1 工作總結(jié)53-54
• 5.2 展望54-55
• 致謝55-56
• 參考文獻56-60
• 附錄60
• A. 作者在攻讀碩士學位期間所發(fā)表的論文60
• B. 作者在攻讀碩士學位期間參加的科研項目目錄60

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 祿樂濱,劉明東;一種基于函數(shù)的多任務調(diào)度算法[J];空軍工程大學學報(自然科學版);2000年02期

2 阮幼林 ,劉干 ,朱光喜 ,盧小峰;一個基于復制的相關(guān)任務調(diào)度算法[J];小型微型計算機系統(tǒng);2005年03期

3 楊斌;張建軍;;一個新的基于通信競爭的任務調(diào)度算法[J];計算機工程與應用;2007年33期

4 胡同福;王文生;謝能付;;設備網(wǎng)格中的任務調(diào)度算法[J];計算機工程與設計;2008年12期

5 周艷慧;張凱;;新的分布式任務調(diào)度算法[J];計算機系統(tǒng)應用;2008年10期

6 薛繼偉;姜波;劉慶強;王征;;基于能力感知的人機任務調(diào)度算法[J];計算機工程;2009年19期

7 曹曉磊;程東年;黃萬偉;;基于離散時間距的在線可重構(gòu)任務調(diào)度算法[J];小型微型計算機系統(tǒng);2010年10期

8 韓曉亞;汪斌強;黃萬偉;王保進;;采用配置完成優(yōu)先策略的可重構(gòu)任務調(diào)度算法[J];小型微型計算機系統(tǒng);2012年03期

9 楊麗;武小年;商可e

本文編號：295281