本文關鍵詞：云計算環(huán)境下的資源調度技術的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：自云計算的概念提出以來,云計算受到了廣泛關注,得到了迅猛發(fā)展。云計算以計算機資源虛擬化為基礎,憑借其“按需收費、彈性使用、低廉高效”的特性,能夠適用于個人、科研、商業(yè)等不同規(guī)模的應用服務需求,對用戶極具吸引力。云計算資源調度技術是確保云計算穩(wěn)定、高效運行的關鍵,是云計算研究領域的重要模塊,也是近年來的研究熱點。隨著云計算研究的發(fā)展,新的技術手段的出現(xiàn),帶來了更全面、更復雜的云計算服務；同時,用戶對服務的質量需求也急速提升。在這種形勢下,現(xiàn)有云計算調度就必須與時俱進,采用考慮更為全面、細致的調度算法與調度策略。在針對現(xiàn)有的調度算法進行深入研究與分析之后,研究了兩種調度算法：面向虛擬機資源拓撲結構的云計算調度,以及面向響應時間的RTWSQPSO(Response Time Workflow Scheduling with QPSO)云計算調度：面向虛擬機資源拓撲結構的云計算調度。首先,建立云計算任務模型和虛擬機資源拓撲模型,然后綜合虛擬機處理性能和拓撲距離兩個方面,引入虛擬機—任務適應度評價函數,計算和評價虛擬機的綜合性能,將任務分配到綜合性能優(yōu)的虛擬機上。通過仿真實驗將該算法與HEFT、DCP進行對比。實驗結果表明,在考慮虛擬機間拓撲結構的情形下,面向不同類型、不同規(guī)模的任務集合,該算法比其他算法平均任務完成時間小且具有較優(yōu)的適應性。面向響應時間的RTWSQPSO云計算調度。首先,建立工作流簡化模型與虛擬機資源模型,介紹工作流調度的響應時間約束,以及租用總費用對響應時間約束的影響。在QPSO基本模型基礎上,引入“任務序號—粒子坐標維度”和“虛擬機資源序號—粒子坐標值”的編碼與解碼方案,將QPSO應用于云計算工作流調度之中,引入RTWSQPSO算法。接著,設定以滿足響應時間需求為主要目標,縮減總租用費用為次要目標的求解策略,并引入適應度函數fitness,實現(xiàn)了RTWSQPSO粒子的評價與云計算工作流調度方案的結合。實驗結果表明,RTWSQPSO算法可行性好,尋優(yōu)能力強,滿足工作流響應時間需求、縮減調度總租用費用效果好,具有較優(yōu)的調度性能。
【關鍵詞】：云計算 虛擬機 拓撲結構 響應時間 調度算法
【學位授予單位】：江南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP302;TP301.6
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-13
• 1.1 研究背景7-8
• 1.2 國內外研究現(xiàn)狀8-10
• 1.3 本文主要研究內容10-11
• 1.4 本文組織結構11-12
• 1.5 本章小結12-13
• 第二章 相關技術背景13-27
• 2.1 云計算概述13-16
• 2.1.1 云計算的定義13
• 2.1.2 云計算的分類13-15
• 2.1.3 云計算的組織架構15-16
• 2.2 云計算資源調度相關模型概述16-20
• 2.2.1 云計算資源調度研究基礎16-17
• 2.2.2 云計算資源相關模型17-18
• 2.2.3 云計算資源調度的分類18-20
• 2.3 云計算資源調度算法的介紹20-26
• 2.3.1 基于HEFT的云計算靜態(tài)調度20-21
• 2.3.2 基于DCP的云計算自適應調度21-24
• 2.3.3 基于PSO的云計算群體智能調度24-26
• 2.4 本章小結26-27
• 第三章 面向虛擬機資源拓撲結構的云計算調度27-37
• 3.1 面向云計算虛擬機拓撲結構的云計算調度模型27-31
• 3.1.1 云計算任務模型27-28
• 3.1.2 云計算資源拓撲模型28-30
• 3.1.3 任務調度約束模型30-31
• 3.2 面向虛擬機拓撲結構的任務調度算法31-33
• 3.2.1 問題描述31
• 3.2.2 目標任務動態(tài)選擇31-32
• 3.2.3 調度算法描述32-33
• 3.3 實驗結果及性能分析33-36
• 3.3.1 實驗仿真環(huán)境33-34
• 3.3.2 實驗參數設置34
• 3.3.3 實驗結果與分析34-36
• 3.4 本章小結36-37
• 第四章 面向響應時間的RTWSQPSO云計算調度37-55
• 4.1 面向響應時間的RTWSQPSO云計算調度模型37-41
• 4.1.1 工作流模型37-38
• 4.1.2 云計算虛擬機資源模型38
• 4.1.3 云計算工作流調度相關計算公式38-39
• 4.1.4 工作流調度約束模型39-41
• 4.2 QPSO算法在云計算工作流調度中的應用41-46
• 4.2.1 QPSO與PSO數學模型描述與對比41-43
• 4.2.2 QPSO算法基本工作流程描述43
• 4.2.3 QPSO在云計算工作流調度中的應用43-46
• 4.3 面向響應時間的RTWSQPSO云計算工作流調度算法46-48
• 4.3.1 問題描述46
• 4.3.2 RTWSQPSO相關算法描述46-48
• 4.4 實驗結果及性能分析48-53
• 4.4.1 實驗仿真環(huán)境48-49
• 4.4.2 實驗參數設置49-50
• 4.4.3 實驗結果與分析50-53
• 4.5 本章小結53-55
• 第五章 主要結論與展望55-57
• 5.1 主要結論55
• 5.2 展望55-57
• 致謝57-58
• 參考文獻58-61
• 附錄：作者在攻讀碩士學位期間發(fā)表的論文61

【參考文獻】

中國期刊全文數據庫 前3條

1 王芳;李美安;段衛(wèi)軍;;基于動態(tài)自適應蟻群算法的云計算任務調度[J];計算機應用;2013年11期

2 田國忠;肖創(chuàng)柏;趙娟娟;;云計算環(huán)境下多DAG調度的資源分配進化算法[J];計算機應用研究;2014年09期

3 吳煜祺;曾國蓀;曾媛;;云計算環(huán)境下調度算法的趨勢分析[J];微電子學與計算機;2012年09期

中國博士學位論文全文數據庫 前1條

1 孫俊;量子行為粒子群優(yōu)化算法研究[D];江南大學;2009年

  本文關鍵詞：云計算環(huán)境下的資源調度技術的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：348968