容器云平台下任务调度策略研究

发布时间：2020-06-02 02:03

【摘要】：随着互联网的快速发展,数据的价值被大量发掘,用户对数据处理的需求更加明显。而云服务能够方便快捷的解决数据处理这一问题,因此对云服务的发展变得格外重要。传统的云服务应用在快速发布与资源高效调配上却不能满足用户对服务的迫切需求。面对这种挑战,容器技术应运而生。容器作为一种更优质的资源虚拟化技术自然会被业界广泛的认可和青睐。容器云平台具有冗余环境小,资源利用率高,部署快,弹性伸缩等更优质的特点。容器云平台的任务调度的根本目的是根据用户的不同服务需求对其合理分配可用的资源,来保障用户任务能够有效执行。其中,容器云服务平台调度重点主要考虑如何保证云用户所要求的服务质量(QoS)前提下既能获得更高的满意度又能满足服务商在保证自身收益的前提下又好又快的完成任务。在任务调度模型的设计阶段,设计了基于QoS目标优化的容器云任务调度模型,考虑到由于用户倾向于高估他们所需的容器大小,以避免由于应用程序需求过高而购买的容器不能保证完成任务的风险。用户的高估为云提供商提供可调节任务调度方式的机会,以基于预期的资源利用而不是请求的数量接受新用户。将超额预定作为一种方式为用户提供服务。这种策略更加细化了调度参数,以调节双方满意度的平衡。在算法设计阶段,改进了协同优化文化基因任务调度算法,针对传统的文化基因算法采用禁忌搜索算法作为局部优化算法。在全局寻优的过程中,容易出现由于交叉概率与变异概率设置的不合理造成算法的过快收敛陷入局部最优的问题。本文采用多种群的方式,进行全局方向上的控制,将初始化的群体根据多个交叉变异概率引导向多种可能的进化方式。并设置协同进化的精英策略以避免由于多种群同时运算造成种群过大的现象,加快寻优效率。最后,通过CloudSim容器云仿真软件来验证本文提出的算法和模型的有效性,实验结果显示基于QoS目标优化的容器云任务调度模型能够有效的提升用户对服务的满意程度,并且设计的协同优化文化基因算法通过与其原始算法和常见算法相对比,可以有效地提升算法的收敛速度与寻优结果的质量。
【图文】：

ContainerCloudSim仿真实例代码图

ContainerCloudSim运行成功图
【学位授予单位】：桂林理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP301.6

【参考文献】

相关期刊论文 前7条

1 汪恺;张功萱;周秀敏;;基于容器虚拟化技术研究[J];计算机技术与发展;2015年08期

2 王聪;张宏立;;文化基因算法求解TSP问题的研究[J];计算机仿真;2015年02期

3 祝家钰;肖丹;王飞;;云计算下负载均衡的多维QoS约束任务调度机制[J];计算机工程与应用;2013年09期

4 王登科;李忠;;基于粒子群优化与蚁群优化的云计算任务调度算法[J];计算机应用与软件;2013年01期

5 曾令全;罗富宝;丁金Z，

本文编号：2692435