本文關(guān)鍵詞：基于QoS約束的云計算任務調(diào)度策略

  更多相關(guān)文章： 云計算 QoS 任務調(diào)度 滿意度

【摘要】：隨著信息化網(wǎng)絡的高速發(fā)展和普及,云計算相關(guān)產(chǎn)業(yè)應運而生,憑借其廉價、易實現(xiàn)的優(yōu)勢迅速滲入各個領(lǐng)域。然而,眾多的用戶任務以及它們對資源的多樣化需求,導致云計算的任務調(diào)度過程極具復雜性。任務調(diào)度作為云服務質(zhì)量研究工作中的一個重要研究點,其調(diào)度效率對用戶的滿意程度、資源的利用效率以及運行成本造成直接的影響。目前,有關(guān)云計算的任務調(diào)度問題是一個研究熱點,各種各樣的優(yōu)化調(diào)度策略紛紛涌現(xiàn)。其中,一些研究學者將其他計算模式下的優(yōu)化調(diào)度模型和具體算法引入云計算研究領(lǐng)域,這些算法往往追求任務的最優(yōu)完成時間,卻不考慮云服務提供方的成本和用戶的滿意度特點,而云計算作為一種新型的經(jīng)濟計算模式,它的任務調(diào)度目標是以較少的資源投入獲取較高的用戶滿意度,使得服務提供方和用戶均滿意。因此,本文以調(diào)度算法和調(diào)度模型為著眼點研究云任務調(diào)度策略,綜合服務方和用戶的角度考慮,提高云服務的效率。本文的具體研究內(nèi)容如下:首先,提出了一種基于QoS約束的任務調(diào)度模型。在模型中:1.針對云環(huán)境中資源的異構(gòu)性和分布不均勻特征,采用虛擬化技術(shù)將物理資源聚合進行統(tǒng)一管理。同時,為了縮小資源的查找范圍,減小任務與資源的計算匹配時間,采用決策樹分類方法進行虛擬資源池劃分。2.為了獲取較高的服務質(zhì)量,同時提高任務調(diào)度的效率,本文根據(jù)用戶的QoS偏好對任務進行分類建模,提出了一種基于最優(yōu)匹配滿意度的任務優(yōu)先級排序方法。其次,根據(jù)用戶對任務的QoS約束的需求,結(jié)合任務的優(yōu)先級排序方法,實現(xiàn)了一種基于QoS約束的任務調(diào)度算法。最后,通過CloudSim工具設計仿真實驗,驗證了本文算法的可行性。實驗結(jié)果表明,本文提出的調(diào)度策略能較好地滿足用戶和服務商的服務需求。
【關(guān)鍵詞】：云計算 QoS 任務調(diào)度 滿意度
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP393.09
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-13
• 1.1 研究背景9-10
• 1.2 研究意義10-11
• 1.3 論文主要研究內(nèi)容11
• 1.4 本文組織結(jié)構(gòu)11-13
• 第2章 云計算相關(guān)內(nèi)容概述13-19
• 2.1 云計算簡介13-15
• 2.1.1 云計算定義與特點13-14
• 2.1.2 云計算的體系結(jié)構(gòu)和服務類型14-15
• 2.2 云任務調(diào)度概述15-18
• 2.2.1 任務調(diào)度的定義及目標16-17
• 2.2.2 任務調(diào)度策略概述17-18
• 2.2.3 任務調(diào)度中的重點問題18
• 2.3 本章小結(jié)18-19
• 第3章 基于QoS約束的任務調(diào)度模型19-31
• 3.1 調(diào)度模型分析19-22
• 3.1.1 調(diào)度的定義19-20
• 3.1.2 經(jīng)典的任務調(diào)度模型20-22
• 3.2 任務模型的建立22-26
• 3.2.0 QoS參數(shù)選取22
• 3.2.1 任務的定義22-23
• 3.2.2 任務的劃分23-24
• 3.2.3 任務優(yōu)先級優(yōu)化設計24-26
• 3.3 云虛擬機模型26-29
• 3.3.1 虛擬機模型定義26-27
• 3.3.2 虛擬資源池劃分27-29
• 3.4 系統(tǒng)負載29-30
• 3.4.1 負載均衡概述29
• 3.4.2 負載定義29-30
• 3.5 小結(jié)30-31
• 第4章 基于QoS約束的任務調(diào)度策略31-40
• 4.1 典型調(diào)度算法簡介31-33
• 4.1.1 典型任務調(diào)度算法分類31
• 4.1.2 云任務調(diào)度算法的相關(guān)分類31-33
• 4.2 算法的設計33-38
• 4.2.1 算法的前置條件33
• 4.2.2 算法相關(guān)參數(shù)33-36
• 4.2.3 算法流程36-38
• 4.3 算法的評價38
• 4.4 算法復雜度分析38-39
• 4.5 小結(jié)39-40
• 第5章 仿真結(jié)果與分析40-50
• 5.1 實驗環(huán)境簡介40-42
• 5.1.1 Cloud Sim仿真平臺的簡介40-41
• 5.1.2 Cloud Sim平臺的體系結(jié)構(gòu)41
• 5.1.3 Cloud Sim核心類41-42
• 5.1.4 Cloud Sim仿真平臺的搭建42
• 5.2 Cloud Sim仿真平臺的仿真步驟42-43
• 5.3 實驗環(huán)境設置43-44
• 5.4 實驗結(jié)果與分析44-49
• 5.4.1 評價模型44-45
• 5.4.2 結(jié)果分析45-49
• 5.5 本章小結(jié)49-50
• 第6章 總結(jié)及展望未來50-52
• 6.1 工作總結(jié)50-51
• 6.2 未來工作51-52
• 參考文獻52-56
• 致謝56-57
• 攻讀碩士學位期間從事的科研工作及取得的成果57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫凌宇;冷明;;基于不同分配策略的云計算任務調(diào)度性能比較與分析[J];井岡山大學學報(自然科學版);2016年01期

2 鄧見光;趙躍龍;袁華強;;一種多QoS目標約束的云計算任務調(diào)度策略[J];計算機應用研究;2016年08期

3 王文豪;嚴云洋;周靜波;;基于負載均衡的Min-Min任務調(diào)度算法優(yōu)化[J];南京理工大學學報;2015年04期

4 張明;田娜;紀志成;;基于適應值歐式距離比的均衡蜂群算法[J];系統(tǒng)仿真學報;2015年05期

5 梁桂才;;云計算環(huán)境下任務調(diào)度的趨勢分析[J];計算機應用;2014年S2期

6 周發(fā)超;王志堅;葉楓;;一種新型的云任務調(diào)度算法研究[J];中國科學技術(shù)大學學報;2014年07期

7 王霞俊;;云環(huán)境下基于Min-Min改進的任務調(diào)度算法[J];信息技術(shù);2014年06期

8 牛偉偉;張千;;云環(huán)境下的一種并行任務劃分方法研究[J];計算機時代;2014年06期

9 鄧見光;趙躍龍;袁華強;劉霖;;一種成本驅(qū)動的云計算任務調(diào)度策略[J];江蘇大學學報(自然科學版);2014年02期

10 封良良;夏曉燕;賈振紅;張?zhí)?;實驗基于資源預先分類的云計算任務調(diào)度算法[J];計算機仿真;2013年10期

，

本文編號：525456