本文關(guān)鍵詞：云環(huán)境中任務(wù)調(diào)度策略研究，由筆耕文化傳播整理發(fā)布。

【摘要】：云計(jì)算是基于網(wǎng)格計(jì)算、分布式計(jì)算發(fā)展的新型商業(yè)計(jì)算模型,該模型通過與互聯(lián)網(wǎng)結(jié)合的方式來實(shí)現(xiàn)。云計(jì)算的核心關(guān)鍵是虛擬化技術(shù),其方法是利用該技術(shù)對物理資源的各種硬件進(jìn)行虛擬化,產(chǎn)生虛擬資源池,然后動(dòng)態(tài)部署虛擬機(jī),為用戶提供這些資源,包含計(jì)算、網(wǎng)絡(luò)、存儲等資源。隨著云計(jì)算的數(shù)據(jù)存儲處理規(guī)模不斷擴(kuò)大以及外在用戶使用數(shù)量的日益增加,如何在提高云環(huán)境中資源的使用效率,對用戶提交的任務(wù)進(jìn)行高效的調(diào)度的前提下,減少用戶的等待時(shí)間,并且能夠較好的滿足用戶的服務(wù)質(zhì)量(Qo S),是目前云計(jì)算技術(shù)研究中的重要課題。因此,任務(wù)調(diào)度策略不僅是一項(xiàng)巨大的挑戰(zhàn),也是對云計(jì)算持續(xù)發(fā)展有著重大的意義。基于以上分析,本文在具體分析云計(jì)算的研究背景、研究意義,以及國內(nèi)外研究現(xiàn)狀的前提下,詳細(xì)介紹了云環(huán)境下任務(wù)調(diào)度的技術(shù)背景和Hadoop云平臺的任務(wù)調(diào)度算法,針對云計(jì)算任務(wù)調(diào)度策略開展了以下研究。具體分為以下三個(gè)方面:首先,本文分析了云計(jì)算背景以及云計(jì)算任務(wù)調(diào)度研究現(xiàn)狀,系統(tǒng)的闡述了云計(jì)算概念、關(guān)鍵技術(shù)、Map Reduce V2(YARN)分布式編程框架等云計(jì)算技術(shù)�？偨Y(jié)了已有的云任務(wù)調(diào)度算法。其次,遺傳算法由于其具有并行性和全局搜索性的特征,針對云任務(wù)調(diào)度問題能夠得到較好的處理結(jié)果。本文通過剖析傳統(tǒng)遺傳算法的優(yōu)缺點(diǎn),提出了雙適應(yīng)度綜合乘積遺傳算法(Dual Fitness Multiplied Genetic Algorithm,DFMGA),該算法綜合考慮任務(wù)執(zhí)行的平均時(shí)間,從而保證用戶的綜合滿意度。最后,Hadoop作為開源的云平臺,備受業(yè)界研究和應(yīng)用。本文以Hadoop作為分析和驗(yàn)證平臺,研究了Hadoop中任務(wù)調(diào)度的實(shí)現(xiàn)方法,分析了Hadoop常用的三種調(diào)度方法:FIFO、公平調(diào)度、容量調(diào)度。本文通過比較DFMGA和傳統(tǒng)算法的性能,給出FIFO、傳統(tǒng)遺傳算法以及改進(jìn)的遺傳算法DFMGA在任務(wù)總完成時(shí)間、平均完成時(shí)間兩個(gè)方面的表現(xiàn),證明了改進(jìn)的遺傳算法DFMGA不僅具有更短的處理時(shí)間,而且具有更少的成本消耗。
【關(guān)鍵詞】：云計(jì)算 任務(wù)調(diào)度 遺傳算法 Hadoop2.0 YARN
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.01

  本文關(guān)鍵詞：云環(huán)境中任務(wù)調(diào)度策略研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：282924