隨著云計(jì)算產(chǎn)業(yè)發(fā)展及技術(shù)浪潮革新,用戶對(duì)云計(jì)算的需求也日新月異。云計(jì)算平臺(tái)規(guī)模不斷擴(kuò)大的同時(shí),也引入多種類型的資源。在擁有大量的異構(gòu)資源的云計(jì)算平臺(tái),進(jìn)行作業(yè)調(diào)度是NP難問題。在調(diào)度過程中考慮用戶及平臺(tái)服務(wù)商等對(duì)執(zhí)行時(shí)間,能耗,成本,SLA等多方面的需求,以尋求多目標(biāo)約束下的作業(yè)調(diào)度更是熱點(diǎn)及難點(diǎn)問題。本文先根據(jù)用戶提交作業(yè)的兩種方式,將其分為靜態(tài)提交和動(dòng)態(tài)到達(dá)兩種方式分別進(jìn)行探討。在定義兩種作業(yè)到達(dá)方式下的調(diào)度目標(biāo)和約束后,設(shè)計(jì)了相關(guān)調(diào)度算法,并在仿真平臺(tái)上進(jìn)行了實(shí)驗(yàn)對(duì)比。本文主要的工作如下:（1）設(shè)計(jì)了適用于云計(jì)算異構(gòu)資源平臺(tái)的加速收斂蜂群的靜態(tài)提交作業(yè)調(diào)度算法。首先,建立了異構(gòu)資源環(huán)境下靜態(tài)提交作業(yè)的集中式模型,定義了執(zhí)行時(shí)間、能耗、成本等多個(gè)目標(biāo)及約束;再利用蜂群算法參數(shù)設(shè)置少,性能良好的優(yōu)勢(shì),設(shè)計(jì)了加速收斂蜂群的調(diào)度算法;通過構(gòu)建能反應(yīng)多目標(biāo)效益值的蜜源矩陣,在蜜源初始化和交換階段引入異構(gòu)資源的負(fù)載均衡策略,并使用混沌搜索和禁忌策略加速蜂群的收斂,減少調(diào)度時(shí)間。在仿真平臺(tái)CloudSim上進(jìn)行性能測(cè)試,結(jié)果表明:相比蟻群,粒子群、禁忌搜索等調(diào)度算法,本文提出的加速收斂蜂群的調(diào)... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

0個(gè)虛擬機(jī)的資源性能

參數(shù)名稱 參數(shù)取值迭代次數(shù) iter 20時(shí)間體量權(quán)重 0.8CPU 體量權(quán)重 0.2參考時(shí)間量 α 30參考 CPU 量 β 900負(fù)載標(biāo)準(zhǔn)量 δ 40執(zhí)行時(shí)間標(biāo)準(zhǔn)權(quán)重 λ10.05能耗標(biāo)準(zhǔn)權(quán)重 λ230成本標(biāo)準(zhǔn)權(quán)重 λ32004.2.2 實(shí)驗(yàn)結(jié)果及分析在 MultiRECloudSim 上運(yùn)行加速收斂蜂群的靜態(tài)提交作業(yè)調(diào)度仿真測(cè)試結(jié)果如下圖：

折扣因子 γ 0.2更新步長(zhǎng) α 0.8貪心策略 ε 0.98時(shí)間體量權(quán)重 0.8CPU 體量權(quán)重 0.2參考時(shí)間量 α 30參考 CPU 量 β 900執(zhí)行時(shí)間權(quán)重 λ10.05能耗權(quán)重 λ230成本權(quán)重 λ32002 實(shí)驗(yàn)結(jié)果及分析在MultiRECloudSim上運(yùn)行基于強(qiáng)化學(xué)習(xí)Q-learning動(dòng)態(tài)到達(dá)作業(yè)調(diào)度結(jié)果如下圖：

【參考文獻(xiàn)】：
期刊論文
[1]云計(jì)算中資源延遲感知的實(shí)時(shí)任務(wù)調(diào)度方法[J]. 陳黃科,祝江漢,朱曉敏,馬滿好,張振仕.  計(jì)算機(jī)研究與發(fā)展. 2017(02)
[2]一種云環(huán)境中數(shù)據(jù)流的高效多目標(biāo)調(diào)度方法[J]. 沈堯,秦小麟,鮑芝峰.  軟件學(xué)報(bào). 2017(03)
[3]基于加速收斂蜂群算法的資源感知調(diào)度器[J]. 江濤,袁景凌,陳旻騁,宋華明.  計(jì)算機(jī)工程與科學(xué). 2016(08)
[4]基于共享資源量的動(dòng)態(tài)多資源公平分配策略[J]. 張瀟璐,劉曦,李偉東,張學(xué)杰.  通信學(xué)報(bào). 2016(07)
[5]基于煙花算法的云計(jì)算多目標(biāo)任務(wù)調(diào)度[J]. 黃偉建,郭芳.  計(jì)算機(jī)應(yīng)用研究. 2017(06)
[6]面向云計(jì)算環(huán)境的能耗測(cè)量和管理方法[J]. 林偉偉,吳文泰.  軟件學(xué)報(bào). 2016(04)
[7]異構(gòu)云環(huán)境多目標(biāo)Memetic優(yōu)化任務(wù)調(diào)度方法[J]. 李智勇,陳少淼,楊波,李仁發(fā).  計(jì)算機(jī)學(xué)報(bào). 2016(02)
[8]異構(gòu)云計(jì)算體系結(jié)構(gòu)及其多資源聯(lián)合公平分配策略[J]. 王金海,黃傳河,王晶,何凱,史姣麗,陳希.  計(jì)算機(jī)研究與發(fā)展. 2015(06)
[9]綠色數(shù)據(jù)中心的熱量管理方法研究[J]. 李翔,姜曉紅,吳朝暉,葉可江.  計(jì)算機(jī)學(xué)報(bào). 2015(10)
[10]隨機(jī)任務(wù)在云計(jì)算平臺(tái)中能耗的優(yōu)化管理方法[J]. 譚一鳴,曾國蓀,王偉.  軟件學(xué)報(bào). 2012(02)

博士論文
[1]基于服務(wù)等級(jí)協(xié)議的云服務(wù)成本計(jì)算模型研究[D]. 趙又霖.武漢大學(xué) 2014

碩士論文
[1]電力云數(shù)據(jù)中心任務(wù)調(diào)度策略研究[D]. 任新宇.華北電力大學(xué)(北京) 2016



本文編號(hào)：3319124