云环境下任务调度关键问题研究

发布时间：2017-10-27 09:01

  本文关键词：云环境下任务调度关键问题研究

  更多相关文章： 云计算 任务调度 负载均衡 QoS 虚拟化技术 绿色网络

【摘要】：云环境下任务调度是云计算系统相关研究的一个重要研究方向。如何对云计算系统中海量的任务进行合理的调度，并针对云计算系统中节点的异构特性来合理的部署，使之达到相对平衡的状态是云环境下任务调度的目标。 本文包括如下工作： 1)使用蚁群算法对云环境下的任务调度策略进行了研究，提出了一种新的任务调度策略，该方法可以在提高任务完成质量的前提下尽可能地保证云计算系统的负载均衡。 2)为维护云计算系统的负载均衡，提出了一种两阶段任务调度方法。采用集中式调度策略，将任务调度划分为任务分配和虚拟机分配两个阶段，该方法可以在保证数据中各服务器负载相对均衡的前提下，尽可能地降低系统任务的平均等待时间。 3)为提升云计算系统中资源的利用率，提出了一种面向多维度资源的虚拟机部署策略。使用一种分层的染色体编码规则对云计算系统中的资源进行表示，以资源利用率和负载均衡为优化目标，该方法可以在保证物理主机利用率和系统负载均衡的前提下，最大限度的减少物理机的开启数量。 4)为提升云计算系统中能耗的利用率，提出了一种能量感知的虚拟机迁移方法，基于物理主机能量消耗和资源利用率间的关系构建了物理主机的能量消耗模型，基于粒子群理论设计了虚拟机迁移算法，以能耗和迁移代价作为评估指标。该方法可以在提升云计算系统资源利用率的前提下，尽可能地减低系统的能耗。
【关键词】：云计算 任务调度 负载均衡 QoS 虚拟化技术 绿色网络
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP302;TP18
【目录】：

• 提要4-5
• 摘要5-7
• Abstract7-10
• 目录10-13
• 第1章 绪论13-27
• 1.1 研究背景和意义13-18
• 1.1.1 云计算的内涵13-14
• 1.1.2 云计算的特征14-15
• 1.1.3 云计算的分类15-16
• 1.1.4 现有的云计算技术平台研究现状16-18
• 1.2 云环境下任务调度相关研究18-25
• 1.2.1 云计算任务调度概述19
• 1.2.2 云计算任务调度的特点和目标19-21
• 1.2.3 经典的任务调度策略21-25
• 1.3 研究内容25-27
• 第2章 基于蚁群算法的启发式任务调度策略27-49
• 2.1 引言27-28
• 2.2 蚁群算法基本原理28-30
• 2.3 系统模型30-34
• 2.4 调度算法34-38
• 2.4.1 算法初始化35
• 2.4.2 蚂蚁转移概率35-36
• 2.4.3 信息素的更新36-37
• 2.4.4 算法的终止条件37
• 2.4.5 算法流程37-38
• 2.5 实验与分析38-47
• 2.5.1 实验环境38-39
• 2.5.2 实验效果与分析39-47
• 2.6 本章小结47-49
• 第3章 一种云计算系统面向负载均衡的两阶段任务调度方法49-65
• 3.1 引言49-50
• 3.2 负载均衡技术的分类和实现50-51
• 3.3 两阶段任务调度方法51-59
• 3.3.1 算法模型52-55
• 3.3.2 负载均衡策略与方法55-59
• 3.4 实验与分析59-63
• 3.4.1 评价指标59-61
• 3.4.2 实验环境61
• 3.4.3 实验效果与分析61-63
• 3.5 本章小结63-65
• 第4章 一种面向多维度资源的虚拟机部署策略65-83
• 4.1 引言65-66
• 4.2 遗传算法基本原理66-68
• 4.3 基于分组遗传算法的虚拟机部署策略68-74
• 4.3.1 算法模型70-71
• 4.3.2 虚拟机迁移策略71-74
• 4.4 实验与分析74-81
• 4.4.1 Cloudsim 平台介绍75-76
• 4.4.2 实验环境76-77
• 4.4.3 实验效果与分析77-81
• 4.5 本章小结81-83
• 第5章 基于粒子群理论的能量感知虚拟机迁移方法83-103
• 5.1 引言83-84
• 5.2 基础知识84-86
• 5.2.1 绿色计算84-85
• 5.2.2 粒子群算法基本原理85-86
• 5.3 基于能量感知的虚拟机迁移策略86-95
• 5.3.1 物理主机状态转移87-88
• 5.3.2 算法模型88-90
• 5.3.3 物理主机能耗模型90-91
• 5.3.4 任务部署策略91-92
• 5.3.5 虚拟机迁移策略92-95
• 5.3.6 算法流程95
• 5.4 实验与分析95-102
• 5.4.1 实验环境95-97
• 5.4.2 实验效果与分析97-102
• 5.5 本章小结102-103
• 第6章 总结和展望103-105
• 6.1 总结103-104
• 6.2 展望104-105
• 参考文献105-115
• 作者简介及在学期间所取得的科研成果115-117
• 致谢117-118

【参考文献】

中国期刊全文数据库 前6条

1 WANG Li;QU Hua;ZHAO Jihong;;Virtual Network Embedding Algorithm for Load Balance with Various Requests[J];Chinese Journal of Electronics;2014年02期

2 王慧;;Privacy-Preserving Data Sharing in Cloud Computing[J];Journal of Computer Science & Technology;2010年03期

3 Anna Gorbenko;Vladimir Popov;;Task-resource Scheduling Problem[J];International Journal of Automation & Computing;2012年04期

4 查修齐;吴荣泉;高元钧;;C/S到B/S模式转换的技术研究[J];计算机工程;2014年01期

5 谢亚龙;丁丽萍;林渝淇;赵晓柯;;ICFF:一种IaaS模式下的云取证框架[J];通信学报;2013年05期

6 崔竞松;向浩;郭迟;张雅娜;何松;;基于KVM的Windows客户机进程查杀技术[J];四川大学学报(工程科学版);2014年06期

，

本文编号：1102782