本文關(guān)鍵詞：云平臺(tái)下任務(wù)調(diào)度算法的研究

  更多相關(guān)文章： 云計(jì)算 任務(wù)調(diào)度 FPA算法 數(shù)據(jù)選擇層 CloudSim

【摘要】：隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展,大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨,每時(shí)每刻都有大量的數(shù)據(jù)產(chǎn)生,云計(jì)算作為一種新型的計(jì)算方式,繼承和發(fā)展了網(wǎng)格計(jì)算、并行計(jì)算、分布式計(jì)算以及集群技術(shù)等,整合了計(jì)算資源、服務(wù)信息、存儲(chǔ)資源和數(shù)據(jù)服務(wù),為人們提供高效及可靠的個(gè)性化服務(wù)。但是,由于云計(jì)算環(huán)境的異構(gòu)性,對(duì)于云計(jì)算系統(tǒng)而言,如何高效的利用系統(tǒng)的資源響應(yīng)用戶的需求,并且保證系統(tǒng)的負(fù)載均衡是至關(guān)重要的。粒子群優(yōu)化算法和蜂群優(yōu)化算法可以實(shí)現(xiàn)負(fù)載均衡,現(xiàn)在已經(jīng)被應(yīng)用于云計(jì)算環(huán)境中作為任務(wù)調(diào)度算法,但是粒子群優(yōu)化算法和蜂群算法有著群智能算法所共有的缺點(diǎn):容易陷入局部最優(yōu)解以及早熟收斂,本文重點(diǎn)研究了粒子群優(yōu)化算法和蜂群算法的原理,并且針對(duì)這兩種算法的缺點(diǎn)提出了一種新的融合算法—FPA算法,該算法用粒子群優(yōu)化算法代替蜂群算法的引領(lǐng)蜂階段,以此,來(lái)加快算法的收斂,利用蜂群算法跟隨蜂和偵查蜂階段優(yōu)秀的橫向搜索能力,增加FPA算法對(duì)最優(yōu)解的搜索能力。通過(guò)MATLAB仿真測(cè)試,FPA算法提高了算法跳出局部最優(yōu)解和避免早熟收斂的能力。Hadoop作為一個(gè)開(kāi)源的云計(jì)算平臺(tái),很好的實(shí)現(xiàn)了Google公司提出的Map-Reduce計(jì)算模型和HDFS文件系統(tǒng),得到了廣泛的應(yīng)用。但是,Hadoop在任務(wù)調(diào)度和負(fù)載均衡方面還是存在改進(jìn)的地方,針對(duì)現(xiàn)有的Hadoop平臺(tái)對(duì)于輸入數(shù)據(jù)缺乏預(yù)處理功能的缺點(diǎn),本文提出了數(shù)據(jù)選擇層的概念,將數(shù)據(jù)類型分為文本數(shù)據(jù)、音頻數(shù)據(jù)、視頻數(shù)據(jù)和圖片數(shù)據(jù)四類,通過(guò)對(duì)數(shù)據(jù)預(yù)分類處理,可以有針對(duì)的將數(shù)據(jù)分配給相應(yīng)的快節(jié)點(diǎn)進(jìn)行處理。針對(duì)現(xiàn)有的Hadoop任務(wù)調(diào)度算法在負(fù)載均衡性的不良表現(xiàn),本文在數(shù)據(jù)選擇層的基礎(chǔ)上,結(jié)合改進(jìn)的BITS算法和本文提出的FPA算法,對(duì)Hadoop的框架進(jìn)行了改進(jìn),在原有的框架上加入了數(shù)據(jù)選擇層,提出了基于數(shù)據(jù)選擇層的任務(wù)調(diào)度策略,通過(guò)在CloudSim仿真平臺(tái)上對(duì)基于數(shù)據(jù)選擇層任務(wù)調(diào)度策略的測(cè)試,該調(diào)度策略提升了系統(tǒng)的性能,并且具有更好的負(fù)載均衡性。最后,總結(jié)了本文的研究?jī)?nèi)容,指出FPA算法以及基于數(shù)據(jù)選擇層任務(wù)調(diào)度策略的不足之處,對(duì)后續(xù)研究進(jìn)行了展望。
【關(guān)鍵詞】：云計(jì)算 任務(wù)調(diào)度 FPA算法 數(shù)據(jù)選擇層 CloudSim
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.01

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 張建勛;古志民;鄭超;;云計(jì)算研究進(jìn)展綜述[J];計(jì)算機(jī)應(yīng)用研究;2010年02期

，

本文編號(hào)：520700