面向云计算异构资源的多目标作业调度

发布时间：2021-08-03 06:27

　　随着云计算产业发展及技术浪潮革新,用户对云计算的需求也日新月异。云计算平台规模不断扩大的同时,也引入多种类型的资源。在拥有大量的异构资源的云计算平台,进行作业调度是NP难问题。在调度过程中考虑用户及平台服务商等对执行时间,能耗,成本,SLA等多方面的需求,以寻求多目标约束下的作业调度更是热点及难点问题。本文先根据用户提交作业的两种方式,将其分为静态提交和动态到达两种方式分别进行探讨。在定义两种作业到达方式下的调度目标和约束后,设计了相关调度算法,并在仿真平台上进行了实验对比。本文主要的工作如下:（1）设计了适用于云计算异构资源平台的加速收敛蜂群的静态提交作业调度算法。首先,建立了异构资源环境下静态提交作业的集中式模型,定义了执行时间、能耗、成本等多个目标及约束;再利用蜂群算法参数设置少,性能良好的优势,设计了加速收敛蜂群的调度算法;通过构建能反应多目标效益值的蜜源矩阵,在蜜源初始化和交换阶段引入异构资源的负载均衡策略,并使用混沌搜索和禁忌策略加速蜂群的收敛,减少调度时间。在仿真平台CloudSim上进行性能测试,结果表明:相比蚁群,粒子群、禁忌搜索等调度算法,本文提出的加速收敛蜂群的调... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

0个虚拟机的资源性能

参数名称 参数取值迭代次数 iter 20时间体量权重 0.8CPU 体量权重 0.2参考时间量 α 30参考 CPU 量 β 900负载标准量 δ 40执行时间标准权重 λ10.05能耗标准权重 λ230成本标准权重 λ32004.2.2 实验结果及分析在 MultiRECloudSim 上运行加速收敛蜂群的静态提交作业调度仿真测试结果如下图：

折扣因子 γ 0.2更新步长 α 0.8贪心策略 ε 0.98时间体量权重 0.8CPU 体量权重 0.2参考时间量 α 30参考 CPU 量 β 900执行时间权重 λ10.05能耗权重 λ230成本权重 λ32002 实验结果及分析在MultiRECloudSim上运行基于强化学习Q-learning动态到达作业调度结果如下图：

【参考文献】：
期刊论文
[1]云计算中资源延迟感知的实时任务调度方法[J]. 陈黄科,祝江汉,朱晓敏,马满好,张振仕.  计算机研究与发展. 2017(02)
[2]一种云环境中数据流的高效多目标调度方法[J]. 沈尧,秦小麟,鲍芝峰.  软件学报. 2017(03)
[3]基于加速收敛蜂群算法的资源感知调度器[J]. 江涛,袁景凌,陈旻骋,宋华明.  计算机工程与科学. 2016(08)
[4]基于共享资源量的动态多资源公平分配策略[J]. 张潇璐,刘曦,李伟东,张学杰.  通信学报. 2016(07)
[5]基于烟花算法的云计算多目标任务调度[J]. 黄伟建,郭芳.  计算机应用研究. 2017(06)
[6]面向云计算环境的能耗测量和管理方法[J]. 林伟伟,吴文泰.  软件学报. 2016(04)
[7]异构云环境多目标Memetic优化任务调度方法[J]. 李智勇,陈少淼,杨波,李仁发.  计算机学报. 2016(02)
[8]异构云计算体系结构及其多资源联合公平分配策略[J]. 王金海,黄传河,王晶,何凯,史姣丽,陈希.  计算机研究与发展. 2015(06)
[9]绿色数据中心的热量管理方法研究[J]. 李翔,姜晓红,吴朝晖,叶可江.  计算机学报. 2015(10)
[10]随机任务在云计算平台中能耗的优化管理方法[J]. 谭一鸣,曾国荪,王伟.  软件学报. 2012(02)

博士论文
[1]基于服务等级协议的云服务成本计算模型研究[D]. 赵又霖.武汉大学 2014

硕士论文
[1]电力云数据中心任务调度策略研究[D]. 任新宇.华北电力大学(北京) 2016



本文编号：3319124