本文關(guān)鍵詞：基于MapReduce模型的云平臺(tái)調(diào)度策略優(yōu)化研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著計(jì)算機(jī)技術(shù)的進(jìn)步與發(fā)展,云計(jì)算作為從分布式計(jì)算、網(wǎng)格計(jì)算和并行計(jì)算發(fā)展而來的新興計(jì)算模式得到了飛速的發(fā)展。云計(jì)算把所有的計(jì)算資源、存儲(chǔ)資源集中在云端,以便于提供更廉價(jià)、更優(yōu)質(zhì)的服務(wù)給用戶使用。云計(jì)算作為一種商用計(jì)算模式,用戶的服務(wù)滿意度對云計(jì)算的發(fā)展和運(yùn)營起著決定性的作用,因此如何在滿足用戶服務(wù)質(zhì)量(QoS)的同時(shí)使系統(tǒng)資源利用率達(dá)到最優(yōu),就成為值得深入研究的課題。本文針對現(xiàn)有MapReduce架構(gòu)下存在的調(diào)度性能問題和用戶對服務(wù)質(zhì)量QoS的需求問題,提出了用于提高QoS的一種基于優(yōu)化遺傳和蟻群算法融合的云計(jì)算任務(wù)調(diào)度策略。該算法在保證用戶QoS的前提下,首先利用遺傳算法全局搜索查找能力強(qiáng)的特點(diǎn)找到調(diào)度問題的較優(yōu)解,再將遺傳算法部分找到的較優(yōu)解轉(zhuǎn)化為蟻群的初始信息素值,再經(jīng)過蟻群算法的蟻群信息交流和正反饋機(jī)制找到任務(wù)調(diào)度問題的最優(yōu)解。本文在分析了現(xiàn)有調(diào)度算法后,針對傳統(tǒng)調(diào)度算法在減少作業(yè)平均完成時(shí)間和實(shí)現(xiàn)負(fù)載均衡上的不足,提出了一種基于最短完成時(shí)間的調(diào)度策略,目標(biāo)是將待執(zhí)行任務(wù)分配到合適的空閑資源上,從而減少作業(yè)的平均完成時(shí)間。同時(shí),針對現(xiàn)有云系統(tǒng)中調(diào)度中心節(jié)點(diǎn)Master負(fù)載過重的問題,在基于最短完成時(shí)間調(diào)度策略的基礎(chǔ)上,提出了引入Scheduler Master節(jié)點(diǎn)的調(diào)度模型,該節(jié)點(diǎn)主要負(fù)責(zé)調(diào)度過程中任務(wù)與資源的匹配計(jì)算,能夠有效減輕Master節(jié)點(diǎn)的計(jì)算負(fù)載。最后,在CloudSim云計(jì)算仿真平臺(tái)上,將作業(yè)平均執(zhí)行時(shí)間和用戶QoS收益作為評估指標(biāo),驗(yàn)證了本文提出的調(diào)度算法和調(diào)度模型的有效性和穩(wěn)定性。
【關(guān)鍵詞】：云計(jì)算 服務(wù)質(zhì)量 調(diào)度策略 調(diào)度模型
【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】：TP393.01
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-12
• 1.1 研究背景8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-10
• 1.2.1 云計(jì)算研究現(xiàn)狀9
• 1.2.2 任務(wù)調(diào)度算法研究現(xiàn)狀9-10
• 1.3 本文的主要工作和組織結(jié)構(gòu)10-12
• 第二章 基于MapReduce的云計(jì)算模型研究12-23
• 2.1 云計(jì)算技術(shù)12-14
• 2.1.1 云計(jì)算的概念12-13
• 2.1.2 云計(jì)算的體系結(jié)構(gòu)13-14
• 2.2 云計(jì)算的關(guān)鍵技術(shù)14-16
• 2.2.1 云計(jì)算的核心技術(shù)14-15
• 2.2.2 云計(jì)算的優(yōu)點(diǎn)15-16
• 2.3 MapReduce編程模型16-21
• 2.3.1 MapReduce簡述16
• 2.3.2 MapReduce編程模型16-17
• 2.3.3 MapReduce實(shí)現(xiàn)框架17-19
• 2.3.4 Hadoop開源平臺(tái)19-21
• 2.4 本章小結(jié)21-23
• 第三章 云環(huán)境下基于QoS的任務(wù)調(diào)度算法研究與改進(jìn)23-39
• 3.1 現(xiàn)有調(diào)度算法研究現(xiàn)狀23-26
• 3.1.1 常用的任務(wù)調(diào)度算法24-25
• 3.1.2 基于QoS的任務(wù)調(diào)度算法研究25
• 3.1.3 現(xiàn)有算法存在的問題25-26
• 3.2 遺傳算法與蟻群算法概述26-31
• 3.2.1 遺傳算法基本原理26-28
• 3.2.2 蟻群算法原理28-31
• 3.2.3 遺傳和蟻群算法的融合31
• 3.3 基于改進(jìn)遺傳與蟻群算法融合的任務(wù)調(diào)度算法31-38
• 3.3.1 IGAACO的相關(guān)定義31-33
• 3.3.2 遺傳算法的相關(guān)設(shè)定33-35
• 3.3.3 蟻群算法的相關(guān)設(shè)定35-36
• 3.3.4 IGAACO的任務(wù)調(diào)度36-38
• 3.4 本章小結(jié)38-39
• 第四章 基于MapReduce模型的云計(jì)算調(diào)度模型研究與改進(jìn)39-47
• 4.1 基于MapReduce集群調(diào)度模型39-40
• 4.1.1 調(diào)度模型的設(shè)計(jì)分析39-40
• 4.1.2 調(diào)度模型需要解決的問題及解決方案40
• 4.2 基于最短平均完成時(shí)間的調(diào)度策略40-43
• 4.2.1 任務(wù)預(yù)計(jì)完成時(shí)間的評估模型40-42
• 4.2.2 基于最短平均完成時(shí)間的調(diào)度策略42-43
• 4.3 MCTSS-BSACT調(diào)度方案闡述43-46
• 4.3.1 引入AssistMaster節(jié)點(diǎn)的調(diào)度優(yōu)化模型43-45
• 4.3.2 MCTSS-BSACT調(diào)度方案45-46
• 4.4 本章小結(jié)46-47
• 第五章 實(shí)驗(yàn)仿真及性能分析47-57
• 5.1 仿真平臺(tái)CloudSim簡介47-49
• 5.2 實(shí)驗(yàn)環(huán)境49-51
• 5.2.1 CloudSim環(huán)境配置49
• 5.2.2 CloudSim仿真步驟49-51
• 5.3 實(shí)驗(yàn)結(jié)果及分析51-56
• 5.3.1 IGAACO算法的實(shí)驗(yàn)51-54
• 5.3.2 調(diào)度策略TSSACT的實(shí)驗(yàn)54-55
• 5.3.3 MCTSS-BSACT調(diào)度模型的性能試驗(yàn)55-56
• 5.4 本章小結(jié)56-57
• 第六章 總結(jié)與展望57-59
• 參考文獻(xiàn)59-61
• 附錄1 攻讀碩士學(xué)位期間撰寫的論文61-62
• 致謝62

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王];鄭樹琴;;調(diào)度策略在并行機(jī)調(diào)度仿真的應(yīng)用[J];機(jī)械管理開發(fā);2013年01期

2 王浩,鐘玉琢;一種新的基于流合并的調(diào)度策略[J];計(jì)算機(jī)學(xué)報(bào);2001年03期

3 張麗曉,袁立強(qiáng),徐煒民;基于任務(wù)類型的集群調(diào)度策略[J];計(jì)算機(jī)工程;2004年13期

4 寧凝;錢省三;孟志雷;;帶有工藝約束的并行多機(jī)調(diào)度策略[J];工業(yè)工程;2008年02期

5 劉宴兵;李秉智;幸云輝;;寬帶路由器輸入排隊(duì)調(diào)度策略的綜合研究[J];計(jì)算機(jī)科學(xué);2002年03期

6 楊祥茂;譚曦;;基于網(wǎng)絡(luò)資源消費(fèi)者模型的調(diào)度策略[J];計(jì)算機(jī)科學(xué);2003年09期

7 黃敏;姚正林;劉金剛;;網(wǎng)絡(luò)QoS調(diào)度策略的分析與研究[J];計(jì)算機(jī)工程與應(yīng)用;2006年29期

8 方泳;袁召云;;環(huán)行穿梭車調(diào)度策略的仿真研究[J];物流技術(shù)與應(yīng)用;2012年04期

9 胡敏,陶洋;基于網(wǎng)絡(luò)配置管理的調(diào)度策略分析[J];數(shù)字通信;1999年04期

10 王振凱,劉斌,徐光yP;核心無狀態(tài)虛擬時(shí)鐘調(diào)度策略[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年01期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 胡子敬;李紅燕;;一種資源共享情況下的連續(xù)查詢算子調(diào)度策略[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

2 林志紅;;照口水電廠優(yōu)化調(diào)度策略的分析[A];福建省科學(xué)技術(shù)協(xié)會(huì)第八屆學(xué)術(shù)年會(huì)分會(huì)場——提高水電站水庫調(diào)度技術(shù) 推進(jìn)海西經(jīng)濟(jì)建設(shè)研討會(huì)論文集[C];2008年

3 黃錦濤;何加銘;陳平;賈德祥;;基于移動(dòng)中間件抽象層調(diào)度策略研究[A];浙江省電子學(xué)會(huì)2010學(xué)術(shù)年會(huì)論文集[C];2010年

4 王冰;谷寒雨;席裕庚;;大規(guī)模單機(jī)靜態(tài)調(diào)度的終端約束滾動(dòng)策略[A];第二十二屆中國控制會(huì)議論文集（下）[C];2003年

5 趙千川;鄭大鐘;;一類HDS的事件反饋型最優(yōu)調(diào)度策略[A];1996年中國控制會(huì)議論文集[C];1996年

6 趙千川;鄭大鐘;;CLB調(diào)度策略的性能估計(jì)[A];1998年中國控制會(huì)議論文集[C];1998年

7 方劍;席裕庚;;動(dòng)態(tài)環(huán)境下的Job Shop周期性滾動(dòng)調(diào)度策略[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

8 淡圖南;朱立平;顏紀(jì)迅;;一種基于時(shí)間觸發(fā)的安全關(guān)鍵操作系統(tǒng)混合調(diào)度策略[A];全面建成小康社會(huì)與中國航空發(fā)展——2013首屆中國航空科學(xué)技術(shù)大會(huì)論文集[C];2013年

9 郭紅星;彭嘉麗;盛濤;田婷;張愛華;;無線多用戶視頻流中支持內(nèi)容感知的包調(diào)度策略[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2008年

10 李茂增;王丹;杜東明;;一種數(shù)據(jù)流查詢操作符的調(diào)度策略[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 戈;國華集群負(fù)載優(yōu)化系統(tǒng)具備八項(xiàng)功能[N];電腦商報(bào);2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 周瀏陽;網(wǎng)絡(luò)控制系統(tǒng)中調(diào)度策略的設(shè)計(jì)與延時(shí)的處理[D];哈爾濱工業(yè)大學(xué);2015年

2 Rabee Furkan Hassan Saleh;[D];電子科技大學(xué);2015年

3 張曄;基于模塊的調(diào)度策略及其對多處理器系統(tǒng)的支持[D];中國科學(xué)技術(shù)大學(xué);2009年

4 曾碧卿;分布式計(jì)算中并行I/O調(diào)度策略研究[D];中南大學(xué);2005年

5 何忠賀;切換服務(wù)網(wǎng)絡(luò)的穩(wěn)定性及交通信號控制應(yīng)用[D];北京工業(yè)大學(xué);2013年

6 王文樂;基于替代/補(bǔ)償?shù)膶?shí)時(shí)事務(wù)處理策略研究[D];江西財(cái)經(jīng)大學(xué);2013年

7 王書舉;車輛控制系統(tǒng)局域網(wǎng)絡(luò)（CAN）調(diào)度策略研究[D];東北大學(xué);2011年

8 張金藝;可重構(gòu)SoC DFT架構(gòu)與TLB測試調(diào)度策略研究[D];上海大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 丁富淮;嵌入式Linux系統(tǒng)的二級調(diào)度策略優(yōu)化技術(shù)及應(yīng)用[D];蘇州大學(xué);2015年

2 成先鏡;公共自行車兩階段調(diào)度策略與模型及求解方法研究[D];南京師范大學(xué);2015年

3 趙金濤;虛擬單元制造中考慮隨機(jī)擾動(dòng)的多級動(dòng)態(tài)穩(wěn)健調(diào)度策略研究[D];江蘇科技大學(xué);2015年

4 張晏;OpenStack的拓?fù)淇梢暬O(jiān)控技術(shù)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

5 殷洪海;云環(huán)境下基于改進(jìn)蟻群算法的資源調(diào)度策略[D];電子科技大學(xué);2014年

6 王潤澤;CPU與GPU混合虛擬化資源高效調(diào)度策略[D];上海交通大學(xué);2015年

7 童毅;基于MapReduce模型的云平臺(tái)調(diào)度策略優(yōu)化研究[D];南京郵電大學(xué);2015年

8 李振雙;云計(jì)算環(huán)境下資源調(diào)度策略的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2014年

9 何林;面向網(wǎng)格計(jì)算的多集群間作業(yè)調(diào)度策略的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2012年

10 游九龍;自適應(yīng)集群的資源調(diào)度策略研究[D];西安電子科技大學(xué);2013年

  本文關(guān)鍵詞：基于MapReduce模型的云平臺(tái)調(diào)度策略優(yōu)化研究，由筆耕文化傳播整理發(fā)布。

本文編號：307985