本文關鍵詞：云中多媒體應用的資源優(yōu)化調度研究，由筆耕文化傳播整理發(fā)布。

【摘要】：云媒體作為云平臺和多媒體技術的融合,為龐大的多媒體數(shù)據(jù)提供了新的支撐,提供符合用戶需求的多樣化服務。它面臨著大量迸發(fā)的多媒體接入、處理以及傳輸服務以及異構資源等,造成了更嚴苛的多媒體QoS要求,傳統(tǒng)的媒體資源分配的方法已經(jīng)進入了瓶頸期。本文針對云媒體資源分配過程中出現(xiàn)的問題,進行了如下研究:(1)針對云媒體應用中數(shù)據(jù)中心位置不同引起的VM分配問題,提出了一種基于貪心算法的VM分配方案,分別實現(xiàn)單址云和多址云優(yōu)化的虛擬機分配。對于每種情況,解決了往返延時約束條件下達到資源成本最小化的虛擬機分配問題。此外,針對不同情況改進了貪心算法以適應實際情況。仿真結果表明,該虛擬機優(yōu)化分配方案可以有效地實現(xiàn)資源成本最小化。(2)針對云中多媒體應用中具有依賴關系、優(yōu)先級的任務調度問題,提出了一種基于啟發(fā)式最優(yōu)任務級調度算法。首先根據(jù)多媒體任務的優(yōu)先級,建立有向無環(huán)圖模型,分別研究了串行結構,并行結構,和混合結構任務流最優(yōu)任務調度問題,然后通過將關鍵路徑上的任務節(jié)點融合,提出了一種實用可行的啟發(fā)式最優(yōu)調度方法。實驗表明,在一定的成本限制范圍內,所提調度方法能夠以近似最優(yōu)的執(zhí)行時間完成任務調度分配。(3)針對媒體任務特性、以及服務節(jié)點資源的異構性問題,提出了一種基于媒體任務特征和負載均衡的調度算法。該算法參考了傳統(tǒng)優(yōu)先級、QoS以及負載均衡分配策略,首先根據(jù)媒體任務特性和服務節(jié)點資源偏好分類入隊,通過歸一化獲得資源相似權值向量,進而求得各服務滿意度,并按其最大值所對應的向量分配資源。同時利用節(jié)點利用率調整各節(jié)點,以期縮短查找時間。實驗表明,所提資源調度算法,能夠在均衡節(jié)點負載的情況下,縮短媒體服務的響應時間,提高資源利用率和用戶滿意度。
【關鍵詞】：云媒體 貪婪算法 啟發(fā)式調度 QoS特征 調度中心
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.09;TP301.6
【目錄】：

• 摘要4-5
• Abstract5-9
• 專用術語注釋表9-10
• 第一章 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國內外研究現(xiàn)狀11-13
• 1.3 論文研究內容與組織架構13-14
• 1.3.1 研究內容13-14
• 1.3.2 論文組織架構14
• 1.4 本章小結14-15
• 第二章 云媒體資源調度基礎15-26
• 2.1 云媒體服務15-18
• 2.1.1 云媒體概述及其特點15-16
• 2.1.2 云媒體服務類型及模式16-17
• 2.1.3 云媒體服務體系架構17-18
• 2.2 云媒體數(shù)據(jù)中心18-20
• 2.2.1 云媒體數(shù)據(jù)中心資源模型18-19
• 2.2.2 云媒體數(shù)據(jù)中心資源管理19-20
• 2.3 云媒體資源調度20-25
• 2.3.1 云媒體資源分配中的需求和挑戰(zhàn)20-21
• 2.3.2 云媒體中資源分配調度架構21-23
• 2.3.3 云媒體資源調度中的關鍵技術23-24
• 2.3.4 云媒體資源調度目標24-25
• 2.4 本章小結25-26
• 第三章 基于數(shù)據(jù)中心的VM資源分配算法26-38
• 3.1 相關背景介紹26-27
• 3.2 系統(tǒng)模型27-29
• 3.2.1 SaaS架構27-28
• 3.2.2 定價方案28-29
• 3.2.3 虛擬機分配模型29
• 3.3 單址云最優(yōu)VM分配方案29-34
• 3.3.1 任務調度模型及問題描述29-31
• 3.3.2 算法流程31-34
• 3.4 多址云最優(yōu)VM分配方案34-37
• 3.4.1 任務調度模型及問題描述34-36
• 3.4.2 算法流程36-37
• 3.5 本章小結37-38
• 第四章 基于混合DAG的最優(yōu)任務級調度方法38-46
• 4.1 相關背景介紹38-39
• 4.2 任務調度模型39-43
• 4.2.1 任務調度模型及條件39-41
• 4.2.2 串行結構調度問題41
• 4.2.3 并行結構調度問題41-42
• 4.2.4 混合結構調度問題42-43
• 4.3 啟發(fā)式最優(yōu)任務級調度方法43-45
• 4.3.1 關鍵路徑融合方法43-44
• 4.3.2 啟發(fā)式調度44-45
• 4.4 本章小結45-46
• 第五章 基于媒體任務特征和負載均衡調度算法46-63
• 5.1 云媒體中傳統(tǒng)資源分配問題46
• 5.2 常用調度算法46-50
• 5.2.1 先來先服務FCFS算法46-48
• 5.2.2 輪詢RR算法48
• 5.2.3 加權公平隊列調度WFQ算法48-50
• 5.3 常見的資源分配策略50-53
• 5.3.1 基于優(yōu)先級PQ的資源分配策略50-51
• 5.3.2 基于QoS的資源分配策略51-52
• 5.3.3 基于負載均衡的資源分配策略52-53
• 5.4 云媒體調度中心服務環(huán)境53-55
• 5.5 基于QoS多維屬性的權值向量55-57
• 5.5.1 媒體任務QoS權值向量55
• 5.5.2 實際和期望資源向量55
• 5.5.3 服務節(jié)點權值向量55-56
• 5.5.4 資源相似權值向量56-57
• 5.6 關于優(yōu)先級的兩個衡量標準57-59
• 5.6.1 服務滿意度57-58
• 5.6.2 節(jié)點負載利用率58-59
• 5.7 基于媒體任務特征和負載均衡調度算法59-62
• 5.8 本章小結62-63
• 第六章 實驗仿真與算法分析63-78
• 6.1 CloudSim平臺63-67
• 6.1.1 CloudSim體系架構63-65
• 6.1.2 CloudSim技術實現(xiàn)65-66
• 6.1.3 CloudSim工作方式66-67
• 6.2 實驗仿真與分析67-77
• 6.2.1 基于數(shù)據(jù)中心的VM分配算法分析67-73
• 6.2.2 基于混合DAG的最優(yōu)任務調度算法性能分析73-75
• 6.2.3 基于媒體任務特征和負載均衡調度算法性能分析75-77
• 6.3 本章小結77-78
• 第七章 總結與展望78-80
• 7.1 總結78
• 7.2 展望78-80
• 參考文獻80-84
• 附錄 攻讀碩士學位期間撰寫的論文84-85
• 致謝85

【參考文獻】

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 邱悅;云媒體中基于效用最大化協(xié)商機制的資源分配算法研究[D];中國海洋大學;2014年

  本文關鍵詞：云中多媒體應用的資源優(yōu)化調度研究，，由筆耕文化傳播整理發(fā)布。

本文編號：276085