本文選題：可分負(fù)載理論　切入點：混合成本模型　出處：《控制工程》2017年04期 　論文類型：期刊論文

【摘要】：啟發(fā)于可分負(fù)載理論(Divisible Load Theory,DLT)在分布式網(wǎng)絡(luò)系統(tǒng)中處理大規(guī)模計算負(fù)載的有效性,提出一種基于混合成本模型和DLT的多QoS作業(yè)調(diào)度方法,并將其應(yīng)用于云計算中,該方法的核心策略是最小化云計算環(huán)境下的作業(yè)調(diào)度整體執(zhí)行時間。首先,在分析過程中采用均勻處理器;然后對負(fù)載分配閉合形式的解,將獲得的封閉解作為負(fù)載分?jǐn)?shù)分配給每個處理器,并討論閉合形式解的推導(dǎo)過程;最后利用一種最大化的方式來進行作業(yè)調(diào)度,即云提供商可以獲取其服務(wù)的最大利益并滿足用戶工作所需的QoS。為了評估提出方法的性能,仿真實驗在不同數(shù)量不同屬性的作業(yè)和不同數(shù)量機器上進行,實驗結(jié)果可以看出,當(dāng)節(jié)點數(shù)量增加時,總成本在減少。在所有標(biāo)準(zhǔn)情況下,對于任意數(shù)量的處理節(jié)點均獲得最好的有效性。
[Abstract]:Inspired by the divisible load theory (Divisible Load Theory-DLTs), this paper proposes a hybrid cost model and DLT based multi-#en2# job scheduling method, and applies it to cloud computing. The core strategy of this method is to minimize the overall execution time of job scheduling in cloud computing environment. The obtained closed solution is assigned to each processor as a load fraction, and the derivation of the closed form solution is discussed. Finally, a maximization method is used for job scheduling. In order to evaluate the performance of the proposed method, simulation experiments are conducted on different numbers of jobs with different attributes and on different number of machines. When the number of nodes increases, the total cost is reduced. In all standard cases, the best effectiveness is obtained for any number of processing nodes.
【作者單位】： 周口師范學(xué)院網(wǎng)絡(luò)工程學(xué)院;周口師范學(xué)院計算機科學(xué)與技術(shù)學(xué)院;
【基金】：河南省高等學(xué)校重點科研項目(15A520118,16A520105) 河南省科技廳科技發(fā)展計劃項目(172102310124) 周口師范學(xué)院教育教學(xué)改革研究項目資助(J2016015)
【分類號】：TP3

【相似文獻】

相關(guān)期刊論文 前5條

1 王潔;曾宇;;基于自適應(yīng)功耗管理的高性能計算機作業(yè)調(diào)度策略的研究[J];計算機科學(xué);2012年10期

2 羅紅兵;張曉霞;魏勇;;大規(guī)模并行計算機作業(yè)調(diào)度評價[J];計算機工程與應(yīng)用;2006年10期

3 余正祥;;基于學(xué)習(xí)方式對Hadoop作業(yè)調(diào)度的改進研究[J];計算機科學(xué);2012年S1期

4 白樹仁;付云虹;;基于BACKFILL的“削足適履”并行作業(yè)調(diào)度算法[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2007年01期

5 ;[J];;年期

相關(guān)碩士學(xué)位論文 前7條

1 王海明;基于Hadoop的作業(yè)調(diào)度方案研究[D];東北大學(xué);2013年

2 孫毅臻;基于高性能計算系統(tǒng)日志的調(diào)度策略研究[D];華南理工大學(xué);2016年

3 高程巍;考慮虛擬機間性能互擾的MapReduce作業(yè)調(diào)度方法研究與實現(xiàn)[D];東北大學(xué);2015年

4 譚偉良;集群作業(yè)調(diào)度優(yōu)化技術(shù)研究[D];昆明理工大學(xué);2009年

5 惠新華;云環(huán)境下作業(yè)調(diào)度優(yōu)化的方法研究[D];遼寧大學(xué);2011年

6 華中杰;面向海量數(shù)據(jù)的MapReduce本地優(yōu)先作業(yè)調(diào)度策略研究與實現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2012年

7 任萱萱;基于Hadoop平臺的作業(yè)調(diào)度研究[D];天津師范大學(xué);2011年

，

本文編號：1561496