本文關(guān)鍵詞：基于動態(tài)優(yōu)先級的云計(jì)算任務(wù)調(diào)度研究

  更多相關(guān)文章： 云計(jì)算 任務(wù)調(diào)度 動態(tài)優(yōu)先級 蟻群算法 負(fù)載均衡

【摘要】：云計(jì)算通過虛擬化技術(shù)將各種實(shí)體資源整合在一個共享的IT資源池中,用戶只需支付相應(yīng)的費(fèi)用便可獲得各項(xiàng)服務(wù)。然而目前用于求解云任務(wù)調(diào)度的算法目標(biāo)較為單一,很難適用于各類服務(wù)需求。因此,如何兼顧用戶和云服務(wù)提供商兩種角度,滿足各類服務(wù)需求成為本文亟需解決的主要問題。本文選取具有截止日期的任務(wù)作為調(diào)度對象,對其特點(diǎn)進(jìn)行分析并在此基礎(chǔ)上建立基于動態(tài)優(yōu)先級的任務(wù)調(diào)度模型,主要工作如下：(1)分析云計(jì)算的相關(guān)技術(shù)、服務(wù)模式、體系結(jié)構(gòu)以及基本特征。(2)從兩種角度提出調(diào)度目標(biāo),在減少任務(wù)完成時間的同時提高任務(wù)完成率以及云服務(wù)提供商的價值收益,另外盡可能最大化計(jì)算資源的使用率。(3)針對現(xiàn)有的一些調(diào)度算法只將任務(wù)單方面的特征作為優(yōu)先級參數(shù),綜合考慮任務(wù)價值和執(zhí)行緊迫度兩種屬性,提出一種基于動態(tài)優(yōu)先級的任務(wù)調(diào)度策略,使任務(wù)集按照最佳順序調(diào)度,確保任務(wù)盡可能在最佳調(diào)度時間內(nèi)執(zhí)行。(4)將蟻群算法(ant colony algorithm, ACO)與輪盤賭算法結(jié)合提出一種負(fù)載均衡優(yōu)化算法ACO-LB(Load balancing optimization algorithm based on ant colony algorithm),調(diào)整信息素更新方式保證虛擬機(jī)上的信息素實(shí)時更新,通過螞蟻的協(xié)作性延續(xù)較優(yōu)分配方案,另外引入負(fù)載調(diào)節(jié)參數(shù)對啟發(fā)信息進(jìn)行調(diào)整。(5)針對非搶占式任務(wù)調(diào)度導(dǎo)致高優(yōu)先級陷入較長等待期的問題,提出一種基于動態(tài)優(yōu)先級的搶占式調(diào)度方案(Preemptive scheduling algorithm based on Dynamic Priority, DPP),保證高優(yōu)先級任務(wù)被優(yōu)先處理。為防止任務(wù)頻繁搶占,分析搶占任務(wù)的松弛時間和被搶占任務(wù)剩余執(zhí)行時間之間的關(guān)系并給出相應(yīng)的調(diào)度策略,盡可能減少不必要的搶占并提高任務(wù)成功完成率和價值收益。(6)使用開源云仿真器Cloudsim作為實(shí)驗(yàn)平臺,通過其對ACO-LB算法和DPP算法進(jìn)行模擬實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明ACO-LB算法可以保證任務(wù)盡快完成、虛擬機(jī)負(fù)載相對均衡；而通過DPP算法對虛擬機(jī)隊(duì)列進(jìn)行優(yōu)化不僅可以保證緊迫度較高的任務(wù)按時完成還能盡可能提高云服務(wù)提供商的價值收益。
【關(guān)鍵詞】：云計(jì)算 任務(wù)調(diào)度 動態(tài)優(yōu)先級 蟻群算法 負(fù)載均衡
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP301.6;TP393.09
【目錄】：

• 摘要5-6
• Abstract6-8
• 第一章 緒論8-16
• 1.1 研究背景和意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-13
• 1.2.1 云計(jì)算的研究現(xiàn)狀9-11
• 1.2.2 云計(jì)算任務(wù)調(diào)度的研究現(xiàn)狀11-12
• 1.2.3 云計(jì)算任務(wù)調(diào)度算法的關(guān)注點(diǎn)12-13
• 1.3 論文的主要工作13-15
• 1.4 論文的組織結(jié)構(gòu)15-16
• 第二章 云計(jì)算與任務(wù)調(diào)度16-23
• 2.1 云計(jì)算介紹16-19
• 2.1.1 云計(jì)算的基本概念16-17
• 2.1.2 云計(jì)算的服務(wù)模式和體系結(jié)構(gòu)17-18
• 2.1.3 云計(jì)算的特點(diǎn)18-19
• 2.2 云計(jì)算任務(wù)調(diào)度19-22
• 2.2.1 云計(jì)算任務(wù)調(diào)度的介紹19-20
• 2.2.2 云計(jì)算任務(wù)調(diào)度過程20-21
• 2.2.3 云計(jì)算任務(wù)調(diào)度目標(biāo)21-22
• 2.3 本章小結(jié)22-23
• 第三章 基于動態(tài)優(yōu)先級的云任務(wù)調(diào)度模型23-32
• 3.1 基于動態(tài)優(yōu)先級的云任務(wù)調(diào)度模型23-27
• 3.2 任務(wù)優(yōu)先級的參數(shù)27-29
• 3.2.1 任務(wù)的動態(tài)累積價值27-28
• 3.2.2 任務(wù)執(zhí)行緊迫性分析28-29
• 3.3 任務(wù)優(yōu)先級的分派29-31
• 3.4 本章小結(jié)31-32
• 第四章 基于改進(jìn)蟻群算法的云任務(wù)調(diào)度32-46
• 4.1 蟻群算法32-37
• 4.1.1 蟻群算法介紹32
• 4.1.2 蟻群算法的原理32-33
• 4.1.3 蟻群算法的數(shù)學(xué)模型33-36
• 4.1.4 蟻群算法的基本流程36-37
• 4.2 蟻群算法在云任務(wù)調(diào)度中的可行性分析37-39
• 4.3 基于蟻群算法的負(fù)載均衡優(yōu)化算法ACO-LB39-45
• 4.3.1 ACO-LB算法介紹39
• 4.3.2 輪盤賭算法39-41
• 4.3.3 ACO-LB算法的基本步驟41-44
• 4.3.4 負(fù)載均衡評價函數(shù)44-45
• 4.4 本章小結(jié)45-46
• 第五章 基于動態(tài)優(yōu)先級的搶占式云任務(wù)調(diào)度算法46-56
• 5.1 搶占式調(diào)度任務(wù)切換46-50
• 5.2 求解任務(wù)最大可延遲時間50-51
• 5.2.1 任務(wù)松弛時間51
• 5.3 基于動態(tài)優(yōu)先級的搶占式調(diào)度算法51-55
• 5.3.1 搶占行為判斷條件52-53
• 5.3.2 任務(wù)調(diào)度策略53-55
• 5.4 本章小結(jié)55-56
• 第六章 實(shí)驗(yàn)仿真和結(jié)果分析56-68
• 6.1 CloudSim仿真器56-58
• 6.1.1 CloudSim基本介紹56
• 6.1.2 CloudSim體系結(jié)構(gòu)56-57
• 6.1.3 Cloudsim的核心類57-58
• 6.2 CloudSim中自定義云計(jì)算任務(wù)調(diào)度算法的實(shí)現(xiàn)58-59
• 6.2.1 CloudSim實(shí)驗(yàn)環(huán)境配置58
• 6.2.2 Cloudsim仿真流程與步驟58-59
• 6.3 實(shí)驗(yàn)結(jié)果與分析59-67
• 6.3.1 實(shí)驗(yàn)參數(shù)59-60
• 6.3.2 基于改進(jìn)蟻群算法的云任務(wù)調(diào)度60-62
• 6.3.3 基于動態(tài)優(yōu)先級的改進(jìn)搶占式云任務(wù)調(diào)度62-67
• 6.4 本章小結(jié)67-68
• 第七章 總結(jié)與展望68-71
• 7.1 論文內(nèi)容總結(jié)68-69
• 7.2 未來工作展望69-71
• 參考文獻(xiàn)71-76
• 致謝76-77
• 作者簡介77

，

本文編號：636991