隨著云計(jì)算基礎(chǔ)設(shè)施的快速發(fā)展和部署,利用云資源進(jìn)行數(shù)據(jù)存儲(chǔ)和分析的技術(shù)已被許多科學(xué)領(lǐng)域廣泛應(yīng)用。但是如何在多云環(huán)境中管理科學(xué)工作流和執(zhí)行流數(shù)據(jù)集已經(jīng)成為一項(xiàng)重大挑戰(zhàn)�？茖W(xué)工作流中的計(jì)算模塊一般由數(shù)據(jù)生成、處理和分析等一系列計(jì)算任務(wù)組成,同時(shí)流式工作流(Streaming Workflow)不斷產(chǎn)生大量的實(shí)驗(yàn)或模擬數(shù)據(jù)集,也需要在某些性能和計(jì)算資源限制的情況下進(jìn)行及時(shí)處理。為了滿足不同領(lǐng)域的科學(xué)家優(yōu)化各種目標(biāo)的要求以及不斷擴(kuò)大的應(yīng)用程序規(guī)模,通常需要在多云環(huán)境中部署數(shù)據(jù)和網(wǎng)絡(luò)密集型的科學(xué)工作流,如何降低云間數(shù)據(jù)傳輸成本面臨著巨大挑戰(zhàn)。本文考慮了兩個(gè)不同目標(biāo)約束下的多云環(huán)境中流式工作流調(diào)度問題,即在預(yù)算約束下最大化流式工作流的吞吐量(MaxStream-MC)和在吞吐量約束下最小化流式工作流的執(zhí)行成本(MinStream-MC)。本文所研究的內(nèi)容,主要包括以下幾個(gè)方面:(1)本文使用了具有云間和云內(nèi)數(shù)據(jù)傳輸?shù)墓ぷ髁魅龑蛹軜?gòu)。該架構(gòu)分為三層:i)頂層由許多計(jì)算模塊組成,這些計(jì)算模塊之間具有執(zhí)行并行性和依賴性;ii)中間層定義了位于不同數(shù)據(jù)中心的物理機(jī)上配置虛擬機(jī)類型;iii)底層定義了許多分...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 多云環(huán)境中科學(xué)工作流的研究背景與意義
    1.2 科學(xué)工作流的研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)與章節(jié)安排
第二章 多云環(huán)境中工作流調(diào)度方法的介紹和分析
    2.1 工作流系統(tǒng)的功能描述
    2.2 科學(xué)工作流調(diào)度的介紹和分析
        2.2.1 科學(xué)工作流的數(shù)學(xué)模型
        2.2.2 基于元啟發(fā)式的工作流調(diào)度
        2.2.3 基于啟發(fā)式的工作流調(diào)度
        2.2.4 基于元啟發(fā)式和啟發(fā)式的工作流混合調(diào)度
    2.3 本章小結(jié)
第三章 多云環(huán)境中科學(xué)工作流調(diào)度的數(shù)學(xué)模型和問題制定
    3.1 采用的工作流調(diào)度三層構(gòu)架介紹
    3.2 多云環(huán)境中吞吐量和預(yù)算約束下的流式工作流調(diào)度的數(shù)學(xué)模型
        3.2.1 時(shí)間模型
        3.2.2 執(zhí)行成本模型
        3.2.3 吞吐量模型
    3.3 問題的定義和復(fù)雜度的證明
        3.3.1 多云環(huán)境中預(yù)算約束下工作流調(diào)度問題的定義
        3.3.2 多云環(huán)境中吞吐量約束下工作流調(diào)度問題的定義
        3.3.3 問題復(fù)雜度證明
    3.4 本章小結(jié)
第四章 多云環(huán)境中工作流調(diào)度算法的設(shè)計(jì)
    4.1 多云環(huán)境中預(yù)算約束下工作流調(diào)度算法設(shè)計(jì)
        4.1.1 啟發(fā)式算法B-StreamWS的設(shè)計(jì)
        4.1.2 子算法B-AssignVT的設(shè)計(jì)
        4.1.3 子算法B-SelectPM的設(shè)計(jì)
        4.1.4 啟發(fā)式算法B-StreamWS復(fù)雜度分析
    4.2 部分關(guān)鍵路徑算法PCP的設(shè)計(jì)
    4.3 多云環(huán)境中吞吐量約束下工作流調(diào)度算法設(shè)計(jì)
        4.3.1 啟發(fā)式算法FR-StreamWS的設(shè)計(jì)
        4.3.2 子算法FR-AssignVT的設(shè)計(jì)
        4.3.3 子算法FR-SelectPM的設(shè)計(jì)
        4.3.4 啟發(fā)式算法FR-StreamWS復(fù)雜度分析
    4.4 本章小結(jié)
第五章 兩個(gè)啟發(fā)式算法的仿真及性能評估
    5.1 仿真實(shí)驗(yàn)程序構(gòu)架
    5.2 仿真實(shí)驗(yàn)環(huán)境和性能評價(jià)標(biāo)準(zhǔn)
        5.2.1 仿真實(shí)驗(yàn)環(huán)境
        5.2.2 性能評價(jià)目標(biāo)
        5.2.3 對比算法實(shí)現(xiàn)過程的描述
    5.3 仿真實(shí)驗(yàn)結(jié)果分析
        5.3.1 算法B-StreamWS仿真實(shí)驗(yàn)結(jié)果的分析
        5.3.2 算法FR-StreamWS仿真實(shí)驗(yàn)結(jié)果的分析
    5.4 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間取得的科研成果



本文編號：3860074