分布式异构环境中任务调度算法研究
发布时间：2021-12-28 02:51
分布式系统凭借其优秀的计算能力得到了越来越广泛的应用,分布式系统中的处理机通常是性能异构的,为了充分利用分布式系统中的计算资源,提高用户访问资源的满意度以及资源调度的公平性,需要对分布式异构环境下的任务调度问题进行研究。越来越多的学者关注分布式异构环境中的任务调度问题,分布式异构环境中的任务调度研究已成为高性能计算的研究热点之一。本文围绕分布式异构环境中的独立任务和相关任务问题,以雾计算和分布式计算为应用场景,通过相应的调度策略对任务进行排序,并将任务调度到相应的计算节点上。设计的任务调度算法能够缩短任务调度的跨度、提高分布式异构系统的性能、降低任务调度的平均等待长度且具有较好的稳定性。本文的主要研究工作和创新点总结如下:（1）首先对关联规则分类挖掘的过程进行改进,减少分类过程中产生的候选集和频繁集,提出了一种改进的关联规则挖掘算法I-Apriori算法;然后基于I-Apriori算法,提出一种雾计算（Fog Computing）任务调度模型和TSFC任务调度算法,TSFC算法结合I-Apriori算法生成的关联规则以及最小完成时间优先策略,将任务调度到相应的雾计算节点上执行;分别通过...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：133 页
【学位级别】：博士
【部分图文】：
不同支持度下两种算法的执行时间比较
反复多次实验进行验让，在算法的执行时间上，最小支持度 min_support=0.4 时算法的执行时间较长，而最小支持度 min_support=0.6 时算法的执行时间较短，而其他支持度(0.1,0.2,0.3,0.5,0.7,0.8,0.9)的选择对执行时间的影响不大。因此本章选用最小支持度分别为 0.4 和 0.6 来比较两种关联规则挖掘算法在不同事务数的情况下执行时间的差异。图 3-5 不同支持度下两种算法的执行时间比较
任务调度跨度对比
【参考文献】：
期刊论文
[1]云环境下基于DO-GAPSO的任务调度算法[J]. 孙敏,陈中雄,卢伟荣. 计算机科学. 2018(S1)
[2]QoS性能约束的云任务调度算法研究[J]. 任金霞,钟小康,蒋梦倩. 河南师范大学学报(自然科学版). 2018(04)
[3]方差分析法的线性回归建模重构[J]. 陈崇双,唐家银,何平. 统计与决策. 2018(07)
[4]一种基于改进遗传算法的雾计算任务调度策略[J]. 韩奎奎,谢在鹏,吕鑫. 计算机科学. 2018(04)
[5]基于权值向量矩阵约简的Apriori算法[J]. 杨秋翔,孙涵. 计算机工程与设计. 2018(03)
[6]基于遗传算法的Docker集群调度策略[J]. 林伟伟,王泽涛. 华南理工大学学报(自然科学版). 2018(03)
[7]一种基于fp-tree的Apriori算法改进研究[J]. 倪政君,夏哲雷. 中国计量大学学报. 2018(01)
[8]云环境下基于相关性的并行任务调度策略[J]. 段菊,于治国. 计算机技术与发展. 2018(06)
[9]减少任务完成时间和数据局部性的数据复制及副本放置算法[J]. 廖仲夏,宋雨欣,廖启明. 电子测量与仪器学报. 2018(02)
[10]基于Hadoop的Apriori算法研究与优化[J]. 孙学波,石飞达. 计算机工程与设计. 2018(01)
博士论文
[1]雾计算环境下资源管理模型及算法研究[D]. 孙岩.北京科技大学 2018
[2]集群环境下的关联规则挖掘及应用[D]. 荀亚玲.太原科技大学 2017
[3]雾计算环境下数据安全关键技术研究[D]. 李治.北京科技大学 2017
[4]多DAG共享资源调度的若干问题研究[D]. 田国忠.北京工业大学 2013
硕士论文
[1]基于网络虚拟化的雾计算设计与实现[D]. 李雅轩.天津大学 2017
[2]带通信开销的多DAG调度算法研究[D]. 曹仕杰.大连理工大学 2017
[3]云计算环境下工作流任务调度策略研究[D]. 李光智.合肥工业大学 2017
[4]云环境下科学工作流执行优化策略的研究[D]. 段菊.西北师范大学 2016
[5]基于模拟退火遗传算法的云计算任务调度的研究[D]. 李晓璐.华中师范大学 2016
[6]基于改进粒子群算法的云任务调度方案研究[D]. 苗冬云.安徽财经大学 2015
[7]云环境下有期限约束的多DAG调度方法研究[D]. 王伟.国防科学技术大学 2015
[8]基于异构多核处理器的静态任务调度算法研究[D]. 石祥龙.南京邮电大学 2015
[9]基于异构多核处理器的动态任务调度策略研究[D]. 李建刚.哈尔滨工程大学 2015
[10]异构分布式环境下任务调度问题的研究[D]. 房婷.大连理工大学 2014
本文编号：3553254
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：133 页
【学位级别】：博士
【部分图文】：
不同支持度下两种算法的执行时间比较
反复多次实验进行验让，在算法的执行时间上，最小支持度 min_support=0.4 时算法的执行时间较长，而最小支持度 min_support=0.6 时算法的执行时间较短，而其他支持度(0.1,0.2,0.3,0.5,0.7,0.8,0.9)的选择对执行时间的影响不大。因此本章选用最小支持度分别为 0.4 和 0.6 来比较两种关联规则挖掘算法在不同事务数的情况下执行时间的差异。图 3-5 不同支持度下两种算法的执行时间比较
任务调度跨度对比
【参考文献】：
期刊论文
[1]云环境下基于DO-GAPSO的任务调度算法[J]. 孙敏,陈中雄,卢伟荣. 计算机科学. 2018(S1)
[2]QoS性能约束的云任务调度算法研究[J]. 任金霞,钟小康,蒋梦倩. 河南师范大学学报(自然科学版). 2018(04)
[3]方差分析法的线性回归建模重构[J]. 陈崇双,唐家银,何平. 统计与决策. 2018(07)
[4]一种基于改进遗传算法的雾计算任务调度策略[J]. 韩奎奎,谢在鹏,吕鑫. 计算机科学. 2018(04)
[5]基于权值向量矩阵约简的Apriori算法[J]. 杨秋翔,孙涵. 计算机工程与设计. 2018(03)
[6]基于遗传算法的Docker集群调度策略[J]. 林伟伟,王泽涛. 华南理工大学学报(自然科学版). 2018(03)
[7]一种基于fp-tree的Apriori算法改进研究[J]. 倪政君,夏哲雷. 中国计量大学学报. 2018(01)
[8]云环境下基于相关性的并行任务调度策略[J]. 段菊,于治国. 计算机技术与发展. 2018(06)
[9]减少任务完成时间和数据局部性的数据复制及副本放置算法[J]. 廖仲夏,宋雨欣,廖启明. 电子测量与仪器学报. 2018(02)
[10]基于Hadoop的Apriori算法研究与优化[J]. 孙学波,石飞达. 计算机工程与设计. 2018(01)
博士论文
[1]雾计算环境下资源管理模型及算法研究[D]. 孙岩.北京科技大学 2018
[2]集群环境下的关联规则挖掘及应用[D]. 荀亚玲.太原科技大学 2017
[3]雾计算环境下数据安全关键技术研究[D]. 李治.北京科技大学 2017
[4]多DAG共享资源调度的若干问题研究[D]. 田国忠.北京工业大学 2013
硕士论文
[1]基于网络虚拟化的雾计算设计与实现[D]. 李雅轩.天津大学 2017
[2]带通信开销的多DAG调度算法研究[D]. 曹仕杰.大连理工大学 2017
[3]云计算环境下工作流任务调度策略研究[D]. 李光智.合肥工业大学 2017
[4]云环境下科学工作流执行优化策略的研究[D]. 段菊.西北师范大学 2016
[5]基于模拟退火遗传算法的云计算任务调度的研究[D]. 李晓璐.华中师范大学 2016
[6]基于改进粒子群算法的云任务调度方案研究[D]. 苗冬云.安徽财经大学 2015
[7]云环境下有期限约束的多DAG调度方法研究[D]. 王伟.国防科学技术大学 2015
[8]基于异构多核处理器的静态任务调度算法研究[D]. 石祥龙.南京邮电大学 2015
[9]基于异构多核处理器的动态任务调度策略研究[D]. 李建刚.哈尔滨工程大学 2015
[10]异构分布式环境下任务调度问题的研究[D]. 房婷.大连理工大学 2014
本文编号：3553254
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3553254.html
