發(fā)布時間：2021-05-06 03:29

　　隨著云計算和互聯(lián)網(wǎng)的快速發(fā)展,云計算環(huán)境下的實例密集型工作流作為一種重要的商業(yè)應(yīng)用開始被廣泛應(yīng)用于人們的工作和生活中,如電子商務(wù)中的在線付款和網(wǎng)絡(luò)購物等。因此,對云計算環(huán)境下的實例密集型工作流的調(diào)度問題進行研究具有現(xiàn)實意義。而如何根據(jù)實例密集型工作流和云計算所具有的按需使用、用時付費的特點,設(shè)計出合適的算法以實現(xiàn)在盡可能短的時間內(nèi)完成盡可能多的工作流實例,則是一個迫切需要解決的問題。本文研究了云計算環(huán)境下的實例密集型工作流調(diào)度算法,首先介紹了云計算環(huán)境下的實例密集型工作流調(diào)度算法的研究背景、意義和國內(nèi)外的研究現(xiàn)狀。其次,介紹了云計算和云工作流的相關(guān)概念,對工作流調(diào)度算法進行分類和闡述,并重點討論了已有的實例密集型工作流調(diào)度算法。然后,根據(jù)云計算環(huán)境所具有的特點,設(shè)計出適合云計算環(huán)境下的實例密集型工作流系統(tǒng)框架,并在此基礎(chǔ)上對最后期限分配算法和Min-Min算法進行改進和優(yōu)化,提出了一種云計算環(huán)境下的實例密集型工作流調(diào)度算法——Minimum Total Cost Under User-designed Deadline（MTCUD）算法。最后,對仿真平臺CloudSim進行擴展,并在其... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 云工作流研究現(xiàn)狀
        1.2.2 工作流調(diào)度算法研究現(xiàn)狀
        1.2.3 已有的云計算平臺和仿真工具
    1.3 本文的研究內(nèi)容與創(chuàng)新點
    1.4 本文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 相關(guān)理論與研究
    2.1 云計算
        2.1.1 云計算的定義
        2.1.2 云計算的分類和特點
        2.1.3 云計算的應(yīng)用
    2.2 云工作流
        2.2.1 工作流的定義及相關(guān)概念
        2.2.2 云工作流的概念和特點
    2.3 工作流調(diào)度算法
        2.3.1 基于最大努力的調(diào)度算法
        2.3.2 基于QoS限制的調(diào)度算法
        2.3.3 實例密集型工作流調(diào)度算法
    2.4 本章小結(jié)
第3章 云計算環(huán)境下的實例密集型工作流系統(tǒng)框架
    3.1 云計算環(huán)境下工作流系統(tǒng)的體系結(jié)構(gòu)
        3.1.1 云計算系統(tǒng)的體系結(jié)構(gòu)
        3.1.2 云工作流系統(tǒng)的體系結(jié)構(gòu)
    3.2 實例密集型云工作流系統(tǒng)的體系結(jié)構(gòu)
    3.3 實例密集型云工作流系統(tǒng)的部署結(jié)構(gòu)
    3.4 實例密集型云工作流系統(tǒng)運行示例
    3.5 本章小結(jié)
第4章 云計算環(huán)境下的實例密集型工作流調(diào)度策略
    4.1 引言
    4.2 調(diào)度策略的組成
    4.3 問題的描述
        4.3.1 任務(wù)的模型
        4.3.2 資源的模型
    4.4 MTCUD算法
        4.4.1 算法的思想
        4.4.2 算法的組成和流程
    4.5 IDDA算法
        4.5.1 最后期限分配算法
        4.5.2 IDDA算法
        4.5.3 基本概念和公式
        4.5.4 IDDA算法的流程
    4.6 IMMA算法
        4.6.1 最小化-最小化算法
        4.6.2 IMMA算法
        4.6.3 IMMA算法的流程
    4.7 本章小結(jié)
第5章 算法仿真及結(jié)果分析
    5.1 系統(tǒng)平臺的構(gòu)建
    5.2 實驗仿真
    5.3 性能分析
        5.3.1 性能指標(biāo)
        5.3.2 結(jié)果分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
攻讀學(xué)位期間參加的科研項目和成果


【參考文獻】：
期刊論文
[1]Hadoop任務(wù)分配策略的改進[J]. 黃承真,王雷,劉小龍,況亞萍.  計算機應(yīng)用. 2013(08)
[2]云計算環(huán)境下基于時間期限和預(yù)算的調(diào)度算法[J]. 劉亞秋,邢樂樂,景維鵬.  計算機工程. 2013(06)
[3]面向MapReduce的自適應(yīng)延遲調(diào)度算法[J]. 寧文瑜,吳慶波,譚郁松.  計算機工程與科學(xué). 2013(03)
[4]云計算及云計算實施標(biāo)準(zhǔn):綜述與探索[J]. 蔣永生,彭俊杰,張武.  上海大學(xué)學(xué)報(自然科學(xué)版). 2013(01)
[5]基于動態(tài)規(guī)劃的云計算任務(wù)調(diào)度研究[J]. 史少鋒,劉宴兵.  重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2012(06)
[6]一種改進的云粒子群算法及其應(yīng)用研究[J]. 張佩炯,蘇宏升.  計算機科學(xué). 2012(S3)
[7]基于模擬退火的Map Reduce調(diào)度算法[J]. 遆鳴,陳俊杰,強彥.  計算機工程. 2012(19)
[8]虛擬化云計算平臺的能耗管理[J]. 葉可江,吳朝暉,姜曉紅,何欽銘.  計算機學(xué)報. 2012(06)
[9]遺傳算法研究進展[J]. 馬永杰,云文霞.  計算機應(yīng)用研究. 2012(04)
[10]面向云計算的工作流技術(shù)[J]. 柴學(xué)智,曹健.  小型微型計算機系統(tǒng). 2012(01)



本文編號：3171147