云平台下任务调度算法的研究

发布时间：2017-07-05 06:01

  本文关键词：云平台下任务调度算法的研究

  更多相关文章： 云计算 任务调度 FPA算法 数据选择层 CloudSim

【摘要】：随着计算机网络技术的迅猛发展,大数据时代已经来临,每时每刻都有大量的数据产生,云计算作为一种新型的计算方式,继承和发展了网格计算、并行计算、分布式计算以及集群技术等,整合了计算资源、服务信息、存储资源和数据服务,为人们提供高效及可靠的个性化服务。但是,由于云计算环境的异构性,对于云计算系统而言,如何高效的利用系统的资源响应用户的需求,并且保证系统的负载均衡是至关重要的。粒子群优化算法和蜂群优化算法可以实现负载均衡,现在已经被应用于云计算环境中作为任务调度算法,但是粒子群优化算法和蜂群算法有着群智能算法所共有的缺点:容易陷入局部最优解以及早熟收敛,本文重点研究了粒子群优化算法和蜂群算法的原理,并且针对这两种算法的缺点提出了一种新的融合算法—FPA算法,该算法用粒子群优化算法代替蜂群算法的引领蜂阶段,以此,来加快算法的收敛,利用蜂群算法跟随蜂和侦查蜂阶段优秀的横向搜索能力,增加FPA算法对最优解的搜索能力。通过MATLAB仿真测试,FPA算法提高了算法跳出局部最优解和避免早熟收敛的能力。Hadoop作为一个开源的云计算平台,很好的实现了Google公司提出的Map-Reduce计算模型和HDFS文件系统,得到了广泛的应用。但是,Hadoop在任务调度和负载均衡方面还是存在改进的地方,针对现有的Hadoop平台对于输入数据缺乏预处理功能的缺点,本文提出了数据选择层的概念,将数据类型分为文本数据、音频数据、视频数据和图片数据四类,通过对数据预分类处理,可以有针对的将数据分配给相应的快节点进行处理。针对现有的Hadoop任务调度算法在负载均衡性的不良表现,本文在数据选择层的基础上,结合改进的BITS算法和本文提出的FPA算法,对Hadoop的框架进行了改进,在原有的框架上加入了数据选择层,提出了基于数据选择层的任务调度策略,通过在CloudSim仿真平台上对基于数据选择层任务调度策略的测试,该调度策略提升了系统的性能,并且具有更好的负载均衡性。最后,总结了本文的研究内容,指出FPA算法以及基于数据选择层任务调度策略的不足之处,对后续研究进行了展望。
【关键词】：云计算 任务调度 FPA算法 数据选择层 CloudSim
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.01

【参考文献】

中国期刊全文数据库 前1条

1 张建勋;古志民;郑超;;云计算研究进展综述[J];计算机应用研究;2010年02期

，

本文编号：520700