本文關(guān)鍵詞：云計(jì)算環(huán)境下基于服務(wù)成本的任務(wù)調(diào)度研究，由筆耕文化傳播整理發(fā)布。

【摘要】：現(xiàn)在已經(jīng)是信息的時(shí)代,云計(jì)算作為一門新興的技術(shù),也已經(jīng)成為比較熱門的商業(yè)資源。由于云計(jì)算是建立在互聯(lián)網(wǎng)的基礎(chǔ)之上的,所以資源的類型也大多是異構(gòu)的,資源的狀態(tài)往往也是處于變化著的；云計(jì)算系統(tǒng)一般用戶規(guī)模都非常的龐大,用戶的資源需求也是類型頗多,對(duì)應(yīng)用任務(wù)的調(diào)度請(qǐng)求也各不相同,對(duì)應(yīng)的服務(wù)質(zhì)量(Quality of Service,QoS)更是多種多樣,這些因素都讓云計(jì)算環(huán)境中的任務(wù)調(diào)度技術(shù)要求變得非常的復(fù)雜。云計(jì)算服務(wù)是一種典型的商業(yè)服務(wù),一方面提升用戶的產(chǎn)品質(zhì)量需求,另一方更多的獲取服務(wù)收益,是云計(jì)算技術(shù)研究的關(guān)鍵。從云計(jì)算的服務(wù)收益出發(fā),本文提出了一種基于服務(wù)成本的云計(jì)算任務(wù)調(diào)度策略。該任務(wù)調(diào)度策略,既滿足龐大的用戶,對(duì)不同的應(yīng)用請(qǐng)求QoS目標(biāo)約束的要求,又把優(yōu)化云系統(tǒng)中任務(wù)計(jì)算開銷與服務(wù)收益作為設(shè)計(jì)目標(biāo),以實(shí)現(xiàn)單位資源開銷所對(duì)應(yīng)的服務(wù)收益的優(yōu)化。任務(wù)調(diào)度的執(zhí)行效率是設(shè)計(jì)調(diào)度策略的關(guān)鍵,為了滿足提升計(jì)算資源服務(wù)收益的目標(biāo),解決在提升執(zhí)行效率的同時(shí),兼顧云資源的服務(wù)成本問題,論文通過對(duì)傳統(tǒng)粒子群算法的研究,提出了一種基于服務(wù)成本的粒子群優(yōu)化算法。該算法把應(yīng)用任務(wù)的調(diào)度預(yù)算以及使用的計(jì)算資源的最優(yōu)化,作為調(diào)度的目標(biāo),最大化云資源計(jì)算的開銷和對(duì)應(yīng)的服務(wù)收益,優(yōu)化資源的負(fù)載均衡問題,來從整體上提高任務(wù)調(diào)度的效率。通過云環(huán)境模擬工具CloudSim,對(duì)提出的調(diào)度方案進(jìn)行了仿真實(shí)驗(yàn)。測(cè)試的結(jié)果數(shù)據(jù)通過跟傳統(tǒng)Min-min算法和改進(jìn)的滿足用戶QoS要求的Min-min算法相比證明,這種策略和方法,在任務(wù)調(diào)度的完成時(shí)間上優(yōu)于上述兩種方法,在任務(wù)截止時(shí)間底線違背率上也大幅度的低于上述兩種方法,而單位計(jì)算開銷的服務(wù)收益更是呈現(xiàn)明顯的優(yōu)勢(shì)。說明本文提出的研究方案在面對(duì)云服務(wù)的商業(yè)性方面更加合理和高效。
【關(guān)鍵詞】：任務(wù)調(diào)度策略 粒子群算法 云計(jì)算服務(wù)受益
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F275;TP393.09
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-15
• 1.1 項(xiàng)目的研究背景與意義8-10
• 1.1.1 項(xiàng)目的研究背景8-9
• 1.1.2 問題概述9-10
• 1.2 云計(jì)算任務(wù)調(diào)度的研究狀況10-12
• 1.3 主要工作12-13
• 1.4 論文結(jié)構(gòu)13-15
• 第二章 相關(guān)技術(shù)研究15-23
• 2.1 云計(jì)算概述15-16
• 2.1.1 云計(jì)算的定義15-16
• 2.1.2 云計(jì)算的特點(diǎn)16
• 2.2 云計(jì)算平臺(tái)16-18
• 2.2.1 微軟云計(jì)算16-17
• 2.2.2 Google云計(jì)算17
• 2.2.3 Amazon云計(jì)算17-18
• 2.3 云計(jì)算任務(wù)調(diào)度模型18-20
• 2.3.1 Hadoop架構(gòu)18-20
• 2.4 任務(wù)調(diào)度策略的研究20-23
• 2.4.1 Min-min策略20-21
• 2.4.2 Max-min策略21-22
• 2.4.3 粒子群算法22-23
• 第三章 基于服務(wù)成本的云計(jì)算任務(wù)調(diào)度策略23-30
• 3.1 引言23-24
• 3.2 對(duì)服務(wù)目標(biāo)需求的定義24-25
• 3.3 調(diào)度目標(biāo)的公式化25-28
• 3.4 基于服務(wù)成本的調(diào)度模型28-30
• 第四章 基于服務(wù)成本的粒子群優(yōu)化算法30-37
• 4.1 問題描述30-31
• 4.2 粒子群算法31-33
• 4.3 問題編碼33-35
• 4.4 粒子群初始化35
• 4.5 目標(biāo)函數(shù)35-36
• 4.6 粒子狀態(tài)的更新36-37
• 第五章 實(shí)驗(yàn)仿真結(jié)果分析37-49
• 5.1 CloudSim介紹37-42
• 5.1.1 CloudSim的體系結(jié)構(gòu)37-39
• 5.1.2 實(shí)驗(yàn)環(huán)境配置39-41
• 5.1.2.1 環(huán)境配置39
• 5.1.2.2 實(shí)驗(yàn)的整體步驟介紹39-41
• 5.1.2.3 對(duì)CloudSim項(xiàng)目進(jìn)行二次編譯41
• 5.1.3 對(duì)比實(shí)驗(yàn)設(shè)計(jì)方法41-42
• 5.2 結(jié)果分析42-49
• 5.2.1 對(duì)比多任務(wù)完成時(shí)間效果的測(cè)試數(shù)據(jù)分析44-45
• 5.2.2 整體任務(wù)完成量與超過最終完成時(shí)間的任務(wù)量的比例數(shù)據(jù)分析45-46
• 5.2.3 單位計(jì)算開銷的服務(wù)收益測(cè)試數(shù)據(jù)分析46-49
• 第六章 總結(jié)與展望49-50
• 6.1 總結(jié)49
• 6.2 進(jìn)一步的工作49-50
• 參考文獻(xiàn)50-52
• 致謝52

  本文關(guān)鍵詞：云計(jì)算環(huán)境下基于服務(wù)成本的任務(wù)調(diào)度研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：485071