本文關鍵詞：云平臺下任務調度算法的研究

  更多相關文章： 云計算 任務調度 FPA算法 數據選擇層 CloudSim

【摘要】：隨著計算機網絡技術的迅猛發(fā)展,大數據時代已經來臨,每時每刻都有大量的數據產生,云計算作為一種新型的計算方式,繼承和發(fā)展了網格計算、并行計算、分布式計算以及集群技術等,整合了計算資源、服務信息、存儲資源和數據服務,為人們提供高效及可靠的個性化服務。但是,由于云計算環(huán)境的異構性,對于云計算系統(tǒng)而言,如何高效的利用系統(tǒng)的資源響應用戶的需求,并且保證系統(tǒng)的負載均衡是至關重要的。粒子群優(yōu)化算法和蜂群優(yōu)化算法可以實現負載均衡,現在已經被應用于云計算環(huán)境中作為任務調度算法,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:容易陷入局部最優(yōu)解以及早熟收斂,本文重點研究了粒子群優(yōu)化算法和蜂群算法的原理,并且針對這兩種算法的缺點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蜂階段,以此,來加快算法的收斂,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算法對最優(yōu)解的搜索能力。通過MATLAB仿真測試,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作為一個開源的云計算平臺,很好的實現了Google公司提出的Map-Reduce計算模型和HDFS文件系統(tǒng),得到了廣泛的應用。但是,Hadoop在任務調度和負載均衡方面還是存在改進的地方,針對現有的Hadoop平臺對于輸入數據缺乏預處理功能的缺點,本文提出了數據選擇層的概念,將數據類型分為文本數據、音頻數據、視頻數據和圖片數據四類,通過對數據預分類處理,可以有針對的將數據分配給相應的快節(jié)點進行處理。針對現有的Hadoop任務調度算法在負載均衡性的不良表現,本文在數據選擇層的基礎上,結合改進的BITS算法和本文提出的FPA算法,對Hadoop的框架進行了改進,在原有的框架上加入了數據選擇層,提出了基于數據選擇層的任務調度策略,通過在CloudSim仿真平臺上對基于數據選擇層任務調度策略的測試,該調度策略提升了系統(tǒng)的性能,并且具有更好的負載均衡性。最后,總結了本文的研究內容,指出FPA算法以及基于數據選擇層任務調度策略的不足之處,對后續(xù)研究進行了展望。
【關鍵詞】：云計算 任務調度 FPA算法 數據選擇層 CloudSim
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.01

【參考文獻】

中國期刊全文數據庫 前1條

1 張建勛;古志民;鄭超;;云計算研究進展綜述[J];計算機應用研究;2010年02期

，

本文編號：520700